Chapitre 1

Introduction à la modélisation et à la

simulation

Introduction
Cette unité introduit les notions de modélisation et de simulation, d'analyse de systèmes, et
propose une classication des diérentes approches de modélisation : modélisation à événe-
ments discrets, modélisation de systèmes continus et modélisation de systèmes dynamiques.
Objectifs de l'unité À la n de cette unité, vous devriez être capable de :
• Décrire le processus de modélisation ;
• Dénir un système complexe ;
• Dénir la notion de modèle ;
• Assimiler les concepts de simulation ;
• Classier les diérents formalismes de simulation.

Termes Clés :
Modélisation : La modélisation est la conception d'un modèle.
Modèle : Ce qui est donné pour servir de référence.
Simulation : Représentation ou reproduction du comportement d'un système donné

1.1 Introduction à la modélisation

Un des objectifs de la science est de décrire puis expliquer des phénomènes naturels
• comment se propage une épidemie ?
• comment l'oiseau fait pour voler ?
• Pourquoi certains lacs et rivières se dessèchent et d'autres, débordent ?
• comment fait le poisson pour nager ?
• ....

1.1.1 Le concept de modèlisation

La modélisation peut se dénir comme un processus permettant, pour un système donné,
de produire un modèle qui est :

9
10 CHAPITRE 1. INTRODUCTION À LA MODÉLISATION ET À LA SIMULATION

une image simpliée de la réalité forgée à partir d'une certaine sélection des données
d'observations et d'un certain nombre d'hypothèses
Le terme de processus est ici utilisé pour signier que le modèle doit être construit en le
mettant à l'épreuve par les expérimentations pour le cautionner ou pour l'aner en vériant
à nouveau les observations ou les hypothèses posées.
Force est de remarquer à ce niveau qu'un modèle n'est jamais achevé. Il reète tout sim-
plement l'état des connaissances et doit récolter de l'amélioration de ces dernières pour
exemples :
Du modèle géocentrique de Ptolémée et d'Aristote au modèle héliocentrique "`sans doute ob-
solète"' défendu par Copernic, Kepler, Galilée, et Newton. De la loi de l'inertie de Newton,
valable pour les repères galiléens, à la relativité générale d'Einstein.
Comme nous le verrons dans la suite, la nature des problèmes abordés nous force le choix
de construire un modèle. En eet, il est dicile ou très coûteux de procéder à une démarche
expérimentale directement sur les systèmes étudiés.
Le modèle développé à la place sert alors non seulement de baromètre de la connaissance
mais aussi de catalyseur dans la compréhension du système à modéliser.
De manière plus formelle, en revenant à son étymologie de l'italien modello du latin
populaire modellus, modèle signie ce qui sert ou doit servir d'objet d'imitation pour faire
ou reproduire quelque chose. On saisit alors aisément son sens dans notre contexte, mais
avec la proposition suivante de Minsky on remarquera également son caractère subjectif.
To an observer B, an object A* is a model of an object A to the extent that B can use A*
to answer questions that interest him about A
En eet, cela veut dire que l'objet A* devient pour l'observateur B un modèle dès qu'il est
utilisable. Donc suivant le domaine d'étude de B et les questions qu'il se pose, on pourra
alors pour un même objet A aboutir à plusieurs modèles.
On ne peut donc à ce niveau donner une procédure générale de construction d'un modèle.
Il est nécessaire dans un premier temps de spécier les dimensions d'intérêt et les objectifs
xés par l'étude du système pour ainsi resserrer le domaine de dénition du modèle et opter
pour les outils et méthodes de modélisation.
Une autre caractéristique d'un modèle est bien sa simplicité par rapport au système
étudié. Un modèle trop complexe ne sert à rien sinon de trop se rapprocher du système
modélisé et d'être inutilisable comme le système en question est dicile à saisir. Comme par
ailleurs un modèle trop simplié n'est pas utilisable non plus car impertinent en vue des
questions pouvant être soulevées par l'étude. Un modèle doit donc constituer une projection
ecacement paramétrée de la réalité sur la ou les dimensions d'intérêt souhaitées
Nous allons donner dans la suite des rappels ou des dénitions sur certaines notions pour
nous permettre de bien dénir et repréciser notre cadre de modélisation/simulation.

1.1.2 systèmes complexes

Étymologiquement, "`système "' vient du mot grec sustêma qui veut dire assemblage ou
composition et désigne dans notre contexte d'étude un ensemble constitué d'entités qui sont
en interaction.
1.2. LE FORMALISME DE LA SIMULATION 11

Il faut alors ajouter que ces éléments réunis entretiennent des rapports divers et présentent
souvent des aspects émergents diciles à saisir par l'esprit.
Nous pouvons à présent avancer une dénition assez générale, mais qui demeure encore in-
formelle dans ce domaine des systèmes complexes qui par sa nature pluridisciplinaire combine
divers outils, approches et techniques d'exploration. Toutefois, selon le domaine d'applica-
tion, les concepts "`d'entités,"' "`d'interactions "' et "`d'émergence,"' revêtiront un sens plus
formel et s'appliqueront rigoureusement dans la thématique choisie.
Un système complexe est un ensemble constitué dentités relativement simples en interac-
tion, et dans lequel émergent des comportements imprévisibles.
Des exemples courants de la littérature permettent de se faire une idée plus précise sur
les systèmes complexes. En voici quelque uns :
• Le cerveau humain constitué de neurones échangeant des impulsions électriques ; l'étude
détaillée de la nature biochimique ou du fonctionnement des neurones ne renseigne pas
clairement sur des fonctionnalités du cerveau comme la mémoire ou la conscience.
• Les systèmes sociaux où l'on observe des interactions très diverses entre les individus
et des comportements émergents complexes.
• Une colonie de fourmis échangeant des phéromones pour résoudre des problèmes.

1.1.3 Modélisation à base de règles et modélisation à base de lois

La modélisation à base de règles consiste à considérer le système au moyen de ses éléments
structurants et à suivre son évolution suivant les règles d'interactions et d'interdépendances
qui lient les éléments. L'évolution du système est alors discrète et dépend des interactions
entre les éléments.
On opposera souvent à cette modélisation à base de règles celle qui est à base de lois.
Ces modèles consistent plutôt à considérer certaines caractéristiques des éléments comme
des variables et à les étudier en formulant des équations qui décrivent les lois d'évolution du
système en entier. Il en résulte, comme nous le verrons dans la démarche de modélisation
mathématique, des équations généralement continues (dans le temps et dans l'espace) de
type équations diérentielles.
Aussi, en analyse numérique, dispose-t-on de méthodes de simulation de systèmes phy-
siques qui peuvent généralement êtres linéaires ou non linéaires, stationnaires ou non sta-
tionnaires, laminaires ou turbulents.
Conclusion Voilà, cette première activité doit te donner une première idée sur les notions
de modèles, de systèmes complexes, d'approche systémique, de réductionnisme et d'holisme
et de modélisation à base de règles et à base de lois.
Il s'agit d'une première partie théorique et les chapitres suivants devront te donner une
idée claire sur tous ces éléments

1.2 Le formalisme de la simulation

La simulation est un outil utilisé dans le domaine militaire, de la recherche, de l'ingénie-

rie, etc... pour étudier les comportements d'un élément soumis à une ou plusieurs actions.
Il existe deux types de simulateurs, lorsque l'outil de simulation utilise un ordinateur on
12 CHAPITRE 1. INTRODUCTION À LA MODÉLISATION ET À LA SIMULATION

parle de simulation numérique et de simulation analogique lorsque ce dernier utilise de l'élec-

tronique analogique (durant les années 70 il a été envisagé d'en construire des stochastiques).
Le moyen le plus simple serait de tenter l'expérience, c'est-à-dire d'exercer l'action sou-
haitée sur l'élément en cause pour pouvoir observer ou mesurer le résultat. Dans de nombreux
cas l'expérience est irréalisable, trop chère ou contraire à l'éthique. On a alors recours à la
simulation : rechercher un élément qui réagit d'une manière semblable à celui que l'on
veut étudier et qui permettra de déduire les résultats.

1.2.1 Phénomène réel

Le phénomène réel à étudier peut appartenir à de nombreuses branches et en particulier :
1. la physique (mécanique, optique, thermodynamique, électronique, etc.) :
• exemple simple : mouvement d'une masse suspendue à un ressort et soumise à une
impulsion.
• exemple plus complexe : revenu d'une taxe dont on fait varier le taux.
2. la biologie :
• exemple simple : diusion d'un médicament dans le sang en fonction du temps.
• exemple plus complexe : évolution d'une épidémie dans une population en fonction
du taux de vaccination et du temps.
3. le raisonnement :
• exemple simple : joueur articiel de jeu d'échecs.
• exemple plus complexe : aide à la décision dans un engagement militaire (jeu de
guerre).
4. etc

1.2.2 La question
Au travers des exemples cités ci-dessus, certains professionnels peuvent s'interroger :
• l'ingénieur sur l'inuence d'un changement d'amortisseurs sur le comportement d'un
véhicule en déplacement sur une route.
• le ministre du Budget sur le rapport de la taxe à la valeur ajoutée sur un produit
quand le taux en est modié.
• le médecin sur l'inuence d'un vaccin sur l'éradication d'une maladie dans une popu-
lation.
• le militaire sur la tactique à employer dans un engagement de forces aériennes.

1.2.3 La réponse
Dans tous les cas ci-dessus la réponse pourrait être obtenue en tentant l'expérience.
• l'ingénieur peut construire de nouveaux amortisseurs, les intégrer sur le véhicule, le
faire rouler en disposant dans l'habitacle des capteurs de mouvement (accéléromètres)
qui lui feront connaître les forces subies par le conducteur et les passagers.
• le ministre peut décréter l'augmentation ou la baisse de la TVA sur un produit et
relever, en n d'année, les résultats sur les versements des commerçants.
1.2. LE FORMALISME DE LA SIMULATION 13

• le médecin peut pratiquer la vaccination de la population et mesurer les eets au cours

des années.
• le militaire peut engager des forces contre l'ennemi et mesurer les résultats.
Mais toutes ces expériences ont un ou plusieurs inconvénients :
• elles peuvent être coûteuses : la construction d'une nouvelle voiture est relativement
chère.
• elles peuvent être longues : mesurer l'impact d'une vaccination au cours des années
prend... des années.
• elles peuvent être contraires à l'éthique : on n'essaye pas un nouveau vaccin sur une
population sans un minimum de garanties sur les résultats, on ne fait pas exploser une
bombe sur une population uniquement pour en mesurer les eets, on n'eectue pas un
essai d'accident sur un véhicule avec des passagers humains à bord.
• elles peuvent être "politiquement incorrectes" : on ne peut pas augmenter ou diminuer
un impôt sans en prévoir les conséquences auparavant.
• elles peuvent être diciles, voire impossibles à mettre en oeuvre : le matériel n'existe
pas ou la population de référence n'existe pas.
• les résultats ne peuvent pas être mesurés avec certitude : l'expérience ne peut pas être
réalisée plusieurs fois dans des conditions identiques.
• etc.

1.2.4 Les solutions alternatives

L'expérience posant divers problèmes de réalisation, on a depuis longtemps fait appel à
de très nombreux moyens et outils pour essayer de prévoir les résultats :
• les prototypes et les maquettes : on construit un exemplaire, éventuellement à échelle
réduite, du matériel et on eectue sur lui les essais. La simulation est très proche de
l'expérience et on a donc une partie des inconvénients (coûts, durée).
• on remplace l'humain par un animal : il faut trouver des populations animales dont les
comportements sont proches de l'homme vis-à-vis d'un phénomène donné. De nom-
breux groupes de pression luttent contre cette pratique.
• on représente le phénomène par une équation : les exemples abondent et ont été utilisés
par tous les élèves et étudiants dans les cours de physique, de chimie, etc. Seuls les
phénomènes les plus simples sont susceptibles de ce type de simulation.
• les manoeuvres : les militaires font s'aronter deux troupes opposées (les oranges contre
les bleus) sur un vrai terrain avec de vrais matériels mais sans utiliser de munitions
réelles. Des arbitres décident des dégâts inigés.
Tous ces outils sont des simulations. Elles sont plus ou moins proches de l'expérience et
plus ou moins faciles à mettre en oeuvre.
Depuis quelques années un nouvel outil a fait son apparition : l'ordinateur et la simulation
numérique. Le principe de base est celui de la représentation du phénomène par une équation.
L'ordinateur permet toutefois de s'aranchir de la limitation principale : la représentation
des phénomènes les plus simples. Grâce à une puissance de calcul toujours croissante et à
l'augmentation du volume de données stockables il est possible de découper un phénomène
complexe en milliers, voire en millions de phénomènes simples et donc de calculer les résultats
sur le phénomène complexe.
14 CHAPITRE 1. INTRODUCTION À LA MODÉLISATION ET À LA SIMULATION

Exemple : on sait, en aérodynamique, représenter par une équation les forces (portance,
traînée) qui résultent de l'action d'un courant d'air sur une plaque plane. On ne sait pas
représenter par une équation ces mêmes forces lorsque l'action est exercée sur une surface
complexe telle que l'aile d'un avion. La simulation numérique permet de découper l'aile en
plusieurs millions de petits éléments qu'on considère comme étant des plaques planes. On
peut alors calculer les forces qui s'exercent sur chacune d'entre elles et les combiner pour
calculer les forces sur l'aile complète.

1.2.5 Limites et avantages de la simulation

L'ordinateur permet aujourd'hui de simuler des phénomènes très complexes tel qu'un
avion complet mais la puissance reste encore insusante pour représenter l'ensemble des
phénomènes météorologiques : la simulation de l'évolution du temps reste encore très dicile
au-delà de quelques heures.
La simulation permet d'eectuer des recherches sur un système isolé, en faisant varier les
paramètres un à un et en recommençant avec les mêmes conditions initiales.
L'expérimentation, sauf pour les phénomènes simples, ne permet pas toujours d'isoler
le système à étudier de son environnement ; la maîtrise des conditions initiales peut être
compliquée et l'expérience peut détruire le système étudié ou le modier susamment pour
empêcher de recommencer.
La simulation est souvent moins chère que l'expérimentation et comporte beaucoup moins
de risques lorsque l'homme fait partie du système étudié. Les résultats peuvent être obtenus
beaucoup plus rapidement.
La simulation (surtout numérique) est basée sur une connaissance des phénomènes qui
ne peut être obtenue que par l'expérimentation. Une simulation ne peut donc être réalisée
que si on dispose d'un acquis de connaissances susant obtenu par des expérimentations sur
des phénomènes antérieurs et analogues. Quelle que soit la qualité de la simulation, elle ne
remplace pas totalement l'expérimentation.
Certaines simulations ont un coût très élevé (même s'il reste faible devant celui de l'ex-
périmentation). Ceci explique que les utilisateurs de la simulation, en particulier lorsqu'elle
utilise des moyens de calcul exceptionnels, sont les industries à forte valeur ajoutée (aéro-
nautique et espace, nucléaire) ou à risque élevé (militaire).