Dans cet article, nous nous intéressons au calcul d'explications abductives préférées pour des arbres de décision et des forêts aléatoires. Nous présentons deux modèles de préférence et pour chacun d'eux, nous décrivons et évaluons un algorithme de calcul de raisons majoritaires préférées, où les raisons majoritaires sont des explications abductives spécifiques, adaptées aux forêts aléatoires, et qui coïncident avec les raisons suffisantes dans le cas des arbres de décision. Nous montrons expérimentalement la faisabilité de l'approche. Nous montrons aussi qu'en pratique les raisons majoritaires préférées pour une instance peuvent être beaucoup moins nombreuses que ses raisons majoritaires.