Thomas Saaty est mathématicien au Département d'État américain dans les années 1970. Il travaille sur des problèmes de planification stratégique liés au contrôle des armements. La question centrale de ses missions est toujours la même sous des formes différentes : comment comparer des choses qui n'ont pas de mesure commune ?
Sécurité nationale, stabilité économique, risques d'escalade nucléaire, coûts budgétaires, opinion publique — ces dimensions ne s'expriment pas dans la même unité. Aucun tableau Excel ne peut les réunir. Pourtant les décideurs doivent choisir. Choisir, c'est implicitement décider que certaines dimensions comptent plus que d'autres. Mais selon quelle logique ? Et comment vérifier que cette logique est cohérente ?
Saaty observe que quand on force les décideurs à exprimer leurs priorités directement — "donnez un poids entre 0 et 1 à chaque critère" — les réponses sont incohérentes. Dire que A vaut 30%, B 30%, C 40% ne garantit pas que les relations entre A, B et C sont mathématiquement compatibles avec ces chiffres.
Sa solution, publiée en 1980 : l'Analytic Hierarchy Process. Principe fondamental — ne jamais demander une note absolue. Toujours comparer par paires.
Plutôt que "quel poids accordez-vous à la sécurité économique ?" — question à laquelle personne ne peut répondre de façon stable — Saaty demande : "La sécurité militaire est-elle plus importante que la stabilité économique, et dans quelle mesure ?" L'interlocuteur répond sur une échelle de 1 à 9 : égal, légèrement supérieur, modérément supérieur, fortement supérieur, extrêmement supérieur.
Une matrice de comparaisons par paires est construite. Les poids en émergent par calcul du vecteur propre principal. Et surtout : la cohérence mathématique des jugements est vérifiable via un Consistency Ratio. Si CR > 0.10, les jugements sont contradictoires — le décideur doit réviser ses comparaisons avant que les poids ne soient acceptés.
L'AHP est adopté par l'armée américaine pour la planification stratégique. Puis par la World Bank pour l'allocation de projets de développement. Puis par McKinsey pour les décisions de stratégie d'entreprise. Puis par des centaines d'organisations dans des dizaines de domaines. Saaty publie son livre de référence en 1980. Aujourd'hui il est cité plus de 30 000 fois dans la littérature académique.
Quand MB AI a construit le D7™, la même question s'est posée : comment pondérer 7 dimensions hétérogènes — exposition réglementaire, maturité technique, gouvernance des données, gouvernance IA, défensabilité commerciale, ajustabilité financière, risque opérationnel — en un score unique défendable ?
La réponse est AHP. Les comparaisons par paires ont été conduites sur les 7 dimensions D7™, calibrées sur le corpus réglementaire EU AI Act et sur les frameworks publics des cabinets d'audit de place. Les poids en résultent mathématiquement — ils ne sont pas des intuitions habillées en pourcentages.
Un score D7™ de 58/100 AMBER est défendable parce que chaque composant — les 7 scores individuels et les poids qui les agrègent — est tracé jusqu'à sa source : une comparaison par paires, un vecteur propre, un Consistency Ratio documenté.
Quand un avocat adverse ou un régulateur demande "pourquoi D1 compte-t-il plus que D7 dans votre score ?", la réponse n'est pas "c'est notre jugement". C'est : "parce que les comparaisons par paires conduites selon la méthode AHP de Saaty (1980), calibrées sur les frameworks d'audit de place, produisent ce ratio, avec un Consistency Ratio de X inférieur au seuil de 0.10."
Un score construit sur AHP est attaquable — mais seulement si l'attaquant peut démontrer une incohérence dans les comparaisons par paires ou un Consistency Ratio dépassant le seuil. C'est une charge de preuve formelle, pas une opinion contre une autre opinion.
Un score construit sur l'intuition d'un analyste n'est attaquable que par une opinion contraire. Devant un tribunal ou un comité d'investissement, ce n'est pas le même niveau de robustesse.
Saaty cherchait à rationaliser des décisions de survie nationale. La méthode qu'il a inventée est aujourd'hui la base mathématique du seul score de conformité AI Act conçu pour être défendable devant un régulateur européen.