Cet article présente une nouvelle approche du Modèle de Choix Discret (MDC), essentielle à la modélisation des processus décisionnels humains, appelée Modèle de Choix Discret Différentiable (Diff-MDC). Alors que les MDC conventionnels s'appuient fortement sur les connaissances d'experts, le Diff-MDC peut automatiquement apprendre, prédire et contrôler des modèles interprétables basés sur des données grâce à la programmation différentielle. Il estime une fonction d'utilité interprétable sous forme fermée qui reproduit les comportements observés avec uniquement des caractéristiques d'entrée et des résultats de choix, sans connaissance préalable. Des expériences sur des données synthétiques et réelles montrent qu'elle est applicable à divers types de données et peut être estimée rapidement avec peu de ressources de calcul. De plus, il montre que la différentiabilité peut être utilisée pour fournir des informations telles que les voies d'intervention optimales pour un changement de comportement efficace.
