Le problème d'ordonnancement d'atelier à cheminement multiple est NP-difficile. Il est résolu généralement par des méthodes dites prédictives comme l'optimisation discrète qui cherche à trouver une solution faisable qui satisfait les contraintes du problème donné. Ce type de problème peut être aussi résolu par les méthodes réactives comme les méthodes de contrôle en temps réel, ces méthodes construisent progressivement la solution en temps réel. Les méthodes proactives-réactives combine les deux avantages des deux méthodes précédentes (i.e., une meilleure performance ainsi une réactivité en temps réel). L'ordonnancement de groupes est une des méthodes proactives-réactives la plus étudiée dans la littérature. Le but de cette méthode est de fournir une flexibilité séquentielle durant l'exécution de l'ordonnancement, elle garantit une qualité minimale qui correspond à la qualité du pire ordonnancement possible. Le meilleur ordonnancement d'un ordonnancement de groupes a été aussi abordé par [1] en utilisant un algorithme exact de séparation et d'évaluation (Branch and Bound) pour les objectifs réguliers. Dans cet article on s'intéresse à la qualité du meilleur des cas d'un ordonnancement de groupes. Nous proposons une amélioration de l'algorithme exact de séparation et d'évaluation pour les objectifs réguliers. Deux méthodes de séparation ont été proposées et expérimentées sur des instances utilisées comme benchmark dans la littérature du job shop. Les résultats ont montré l'efficacité desdeux méthodes proposées.