Les intégrales de Sugéno sont utilisées dans des problèmes de décision multi-critère. Ce sont des fonctions d'agrégation qualitative dans le sens où elles peuvent être décrites sur n'importe quelle échelle ordonnée. Le problème d'agrégation et d'élicitation d'intégrale de Sugéno est un problème difficile. Nous avons proposé une méthode pour construire une famille d'intégrales de Sugéno compatibles avec un ensemble de données d'apprentissage. Cette famille de famille d'intégrales de Sugéno peut-être ensuite utilisée pour faire de la prédiction.

Comme il est rare qu'il existe une famille d'intégrales de Sugéno compatible avec toutes les données, nous avons proposé une méthode pour construire la plus petite partition des données d'apprentissage en sous-ensembles pour lesquelles il existe une fammile d'intégrales de Sugéno compatibles.

Cette méthode a été appliquée pour le calcul de la charge mentale d'un personnel aérien en vol. Cette charge est calculée à l'aide de la procédure NASA-TLX. La procédure NASA-TLX demande à chaque personnel de s'auto-évaluer dans 6 critères différents et enfin de donner une note globale pour la charge mentale. Notre objectif est de pouvoir prédire cette note globale en fonction des 6 critères. La description des données sous la forme de vecteur de valeurs réelles conduit naturellement à envisager l'utilisation de méthodes de régression, linéaire ou non linéaire (à l'aide de réseaux de neurones ou de support vecteur machine par exemple). D'autres méthodes telles que l'analyse en composante principale peuvent être envisagées. Enfin, en discrétisant suffisamment les données, on pourrait appliquer des méthodes dites d'apprentissage symbolique telles que la programmation logique inductive ou les arbres de décisions. Ces dernières méthodes ayant l'avantage de produire des modèles lisibles contrairement aux approches de type "boîte noire". Cependant, toutes ces méthodes souffrent de l'écueil suivant : considérer les valeurs des données numériques comme des informations fiables et précises, ce qui est incorrect du point de vue psychologique.

En appliquant notre méthode à partir de 811 données, nous obtenons 4 grandes familles d'individus qui correspondent à 4 profils différents de réaction face au stress. Pour chacun de ces 4 profils, on obtient une famille d'intégrales de Sugéno capable de prédire de manière qualitativement fiable (c.a.d. en respectant la position de la note gobale par rapport aux 6 critères) la note globale en fonction des 6 critères.