Les modèles décisionnels peuvent être utilisés pour décrire le comportement dans une expérience. Classer les sujets dans le modèle qui leur correspond le mieux est utile pour étudier les facteurs qui déterminent leur comportement. L'appartenance à un groupe détermine les valeurs des hyperparamètres des modèles, ce qui influe sur l'adéquation des individus à un modèle. Il est impossible d'envisager toutes les combinaisons possibles d'individus affectés à des modèles. Il est donc utile de disposer d'une méthode permettant d'affecter les sujets dans le cadre d'un budget informatique fixe. Je propose un algorithme qui utilise Variational Bayes pour explorer différentes attributions de modèles afin de suggérer stratégiquement des attributions de groupes à prendre en compte par MCMC. L'application de l'algorithme à des ensembles de données provenant d'une tâche de jeu avec des groupes d'individus et trois modèles aboutit à une attribution finale avec moins de 10 exécutions MCMC. Cet algorithme nous permet d'effectuer l'attribution de modèles dans la modélisation hiérarchique dans des situations complexes où les individus présentent des différences dans les mécanismes qui déterminent leur comportement.