Méthode Monte Carlo
La méthode Monte Carlo est une technique statistique qui simule des milliers de scénarios aléatoires pour estimer la probabilité de différents résultats face à une situation incertaine. Plutôt que de calculer une prévision unique, elle génère une distribution de résultats possibles, chacun associé à une probabilité. Développée en 1946 par John von Neumann et Stanislaw Ulam dans le cadre du projet Manhattan, elle doit son nom au casino de Monte-Carlo, en référence au hasard qui structure son fonctionnement.
Principe concret : au lieu de prédire « les ventes augmenteront de 10% », la méthode simule un grand nombre de scénarios possibles (optimistes, pessimistes, médians) et calcule la probabilité associée à chacun — une vision du risque plus riche qu’une simple moyenne.
En RH, cette approche s’applique à la planification des effectifs sous incertitude : simuler des milliers de scénarios de turnover, de besoins en recrutement, ou de coûts de masse salariale en tenant compte de multiples variables incertaines (démissions, absences, évolutions de poste) plutôt qu’un seul chiffre prévisionnel. Utile pour objectiver un risque RH plutôt que d’afficher une fausse certitude.
Retrouvez tous les termes dans le lexique SIRH et IA de yapluqua.com.
Sources : IBM (01/06/2026), HumanPerf (lexique #cplusclair).