RO : Mini-Projet Rapport
1ère année du cycle d’ingénieur
MSEI
Module : Recherche Opérationnelle
Réalisé par :
ID projet: P106
ID équipe: MSEI-20
Encadré par : Pr. Abdessamad KAMOUSS
1
RO : Mini-Projet Rapport
Résumé
Contexte :
Dans les réseaux informatiques, les données transitent par des nœuds reliés
par des segments ayant des coûts (latence, bande passante). Lorsque certains
segments sont compromis (attaques ou vulnérabilités), ils deviennent des
risques pour la sécurité des données.
Problématique :
Comment trouver un chemin optimal entre une source et une destination dans
un réseau partiellement compromis, tout en :
● Minimisant la latence totale.
● Réduisant le risque global lié aux segments compromis.
● Respectant un seuil acceptable de risque total.
Objectifs du Projet :
● Identifier des chemins sûrs en excluant les segments compromis.
● Optimiser la latence et garantir la sécurité des données.
● Maintenir la résilience du réseau face à des attaques.
Approche et Méthodologie :
● Modélisation du réseau sous forme de graphe (nœuds et segments).
● Utilisation d'algorithmes d'optimisation (comme Dijkstra ou A*).
● Combinaison pondérée des coûts (latence et risque) pour le calcul des
chemins optimaux.
Résultats Attendues :
● Un routage des données sécurisé et efficace dans un réseau compromis.
● Réduction des interruptions dues aux attaques et amélioration de la
résilience.
● Mise en place d’une stratégie qui équilibre performance et sécurité dans
les réseaux modernes.
2
RO : Mini-Projet Rapport
Abstract
Ce projet de recherche opérationnelle traite du problème du routage
sécurisé des données dans des réseaux partiellement compromis.
Dans ces réseaux, les données doivent être transmises à travers des
nœuds et des segments de communication tout en évitant les
segments compromis qui présentent des risques de sécurité.
L’objectif est de déterminer un chemin optimal entre une source et
une destination, en minimisant à la fois la latence et le risque, tout
en respectant un budget de risque prédéfini.
Pour cela, le problème a été modélisé sous forme de graphe
pondéré, où les nœuds représentent les dispositifs du réseau et les
arêtes représentent les segments de communication, caractérisés par
leur latence et leur niveau de risque. En utilisant des algorithmes
d’optimisation adaptés, nous avons pu identifier des solutions
permettant un routage efficace et sécurisé. Les résultats obtenus
démontrent la faisabilité de combiner performance et sécurité dans
le routage des données, renforçant ainsi la résilience des réseaux face
aux menaces.
3
RO : Mini-Projet Rapport
Sommaire
Résumé 2
Abstract 3
Liste des figures 5
Liste des tableaux 6
Introduction générale 7
Chapitre I : Présentation du contexte du projet 8
I. Présentation de contexte 8
I.1 Processus de fonctionnement 8
I.2 Intérêt et enjeux économiques 9
I.3 Quelques chiffres clés 9
I.4 Quelques problématiques 10
I.5 Intérêt de RO dans ce domaine 10
II. Présentation de la problématique 11
Chapitre II : Modélisation 13
I. Choix de la modélisation appropriée 13
II. Variables de décisions 14
III. Contraintes 15
IV. Fonction objectif 16
V. Modélisation 16
Chapitre III : Résolution 17
I. Outils utilisés 17
II. Résolution détaillée et résultats 17
III. Interprétations et critiques 20
Conclusion Générale 21
Bibliographie 22
4
RO : Mini-Projet Rapport
Liste des figures
Figure 1: Illustration du domaine concerné par le mini-projet 13
Figure 2: Représentation de graphe 15
Figure 3: Algorithme de Dijkstra en code Python 18
Figure 4: Chemin choisi 19
5
RO : Mini-Projet Rapport
Liste des tableaux
Tableau 1: Présentation de problématique 11
Tableau 1: Présentation de modélisation 15
6
RO : Mini-Projet Rapport
Introduction Générale
Dans un monde où les réseaux informatiques constituent l'épine dorsale
de nombreuses activités économiques et sociales, la sécurisation et
l’optimisation du transfert des données deviennent des enjeux critiques.
Les organisations modernes, qu'elles soient financières, industrielles ou
technologiques, dépendent largement de la résilience et de la
performance de leurs infrastructures réseau. Cependant, la complexité
croissante des systèmes informatiques, combinée aux risques de
compromission liés aux cyberattaques, impose la recherche de solutions
innovantes pour assurer la transmission rapide et sécurisée des
informations.
Ce mini-projet s’inscrit dans cette problématique et vise à résoudre un
problème spécifique de routage des données dans un réseau. Plus
précisément, nous étudions le cas d’un réseau contenant plusieurs
nœuds et segments, certains étant partiellement compromis. L’objectif
est de déterminer un chemin optimal entre un nœud source et un nœud
cible tout en :
● Minimisant la latence totale, qui représente le temps nécessaire
pour transférer les données.
● Réduisant le risque global de compromission des segments
utilisés.
● Respectant une contrainte de risque total maximal prédéfini.
Pour aborder ce problème, nous mobiliserons les concepts et outils de la
recherche opérationnelle, en particulier les algorithmes de graphes
pondérés. Ces algorithmes, tels que Dijkstra ou ses variantes,
permettront de modéliser et résoudre le problème tout en tenant compte
des contraintes complexes liées à la latence et au risque.
7
RO : Mini-Projet Rapport
Ce document est structuré en plusieurs parties. Le premier chapitre
présente le contexte général du projet, les concepts fondamentaux et les
enjeux associés. Le deuxième chapitre est consacré à la modélisation
mathématique et algorithmique du problème, avec une description
détaillée des données du réseau et des contraintes appliquées. Enfin, le
troisième chapitre expose les résultats obtenus à l’aide d’une
implémentation informatique, suivis d’une analyse critique et de
recommandations pour des travaux futurs.
En somme, ce projet vise non seulement à résoudre une problématique
technique spécifique, mais également à fournir une base
méthodologique pour l’optimisation et la sécurisation des réseaux
informatiques, contribuant ainsi à renforcer leur résilience face aux
menaces croissantes.
I. Présentation du contexte
I.1 Processus de fonctionnement
Dans le contexte d’un réseau informatique, les données sont transmises
à travers des nœuds (tels que des serveurs, routeurs ou commutateurs)
via des segments ou lignes de communication. Chaque segment a une
latence ou un coût associé, qui dépend de sa distance, de la bande
passante, et de la qualité de la connexion. Les données passent
généralement par plusieurs segments entre un point de départ et un
point d’arrivée.
Le processus de routage des données dans un réseau consiste à
déterminer le chemin optimal entre les nœuds source et destination. Ce
chemin est généralement sélectionné en fonction de critères comme la
latence, la bande passante disponible et la sécurité. Cependant, lorsque
des segments du réseau sont compromis (par exemple, suite à une
attaque de type Man-in-the-Middle), cela peut rendre certaines routes
vulnérables et compromettre la sécurité des données.
Ainsi, dans un réseau partiellement compromis, le processus de routage
doit non seulement tenir compte des caractéristiques des segments
(coût, latence) mais aussi des segments compromis à exclure pour
éviter des risques de sécurité. La résilience du réseau, la minimisation
8
RO : Mini-Projet Rapport
de la latence et la maximisation de la sécurité des données sont des
objectifs clés dans ce contexte.
I.2 Enjeux et intérêts économiques : Exemple d’une entreprise de
services financiers
Une entreprise de services financiers -par exemple- a mis en place un
système de routage sécurisé pour éviter des segments compromis lors
d’attaques cybernétiques.
● Enjeux économiques :
1. Coût des interruptions dues aux attaques
2. Impact sur la réputation
3. Investissements nécessaires
● Intérêts économiques :
1. Réduction des pertes financières
2. Amélioration de la satisfaction client
3. Optimisation des ressources
Cet exemple démontre que, bien que les attaques sur les segments
compromis représentent un défi coûteux, les solutions de routage
sécurisé permettent non seulement de minimiser les pertes financières
mais également de générer des avantages économiques significatifs à
long terme. L’investissement dans des technologies adaptées est donc
essentiel pour protéger la rentabilité et la réputation de l’entreprise.
I.3 . Quelques chiffres clés :
1. Coût moyen d’une violation de données :
- 4,45 millions de dollars par incident (rapport IBM 2023).
2. Investissements en cybersécurité :
- Les dépenses mondiales ont atteint 223,8 milliards de dollars en
2023 (Gartner).
3. Fréquence des cyberattaques :
- Une attaque réseau a lieu toutes les 39 secondes dans le monde.
4. Part des entreprises touchées :
- 43 % des entreprises dans le monde subissent des interruptions
dues à des attaques réseau.
5. Impact des interruptions :
- Une heure d’interruption coûte en moyenne 100000 € à une grande
entreprise.
6. Disponibilité réseau :
9
RO : Mini-Projet Rapport
- Les entreprises avec des solutions avancées atteignent une
disponibilité de 99,98 %.
7. Augmentation du trafic réseau :
- Le trafic internet mondial atteindra 149 zettaoctets par an en 2024.
8. Retour sur investissement (ROI) :
- Les entreprises investissant dans des solutions de routage sécurisé
constatent un ROI moyen de 170 %.
Ces chiffres montrent l’importance économique et stratégique des
solutions de sécurité et d’optimisation dans les réseaux informatiques.
I.4 Quelques problématiques
● Identification des segments compromis :
Dans un réseau complexe, il est difficile d’identifier avec précision les
segments compromis, surtout si l’attaque est furtive ou sophistiquée. Il
est essentiel de mettre en place une surveillance continue et des outils
d’analyse en temps réel pour détecter ces compromis.
● Optimisation et sécurité :
Il existe souvent un compromis entre la recherche de chemins rapides
et la sécurité des données. Il faut un modèle permettant d’équilibrer ces
deux critères.
● Routage alternatif :
Lorsque certains segments sont compromis, il est nécessaire de trouver
des chemins alternatifs tout en respectant la contrainte de minimisation
de la latence et de préservation de la qualité du service.
I.5 Intérêt de la Recherche Opérationnelle (RO) dans ce domaine
La Recherche Opérationnelle (RO) est essentielle pour résoudre ces
problématiques. Elle fournit des outils de modélisation et des méthodes
d’optimisation qui permettent de prendre en compte plusieurs critères
(latence, coût, sécurité) de manière simultanée, et de trouver des
solutions efficaces à des problèmes complexes.
Dans le cadre du routage des données, la RO permet d’optimiser les
processus décisionnels pour :
Trouver des chemins sûrs : En utilisant des algorithmes de graphes
(comme Dijkstra, A*, etc.),
Minimiser la latence.
Gérer la résilience.
10
RO : Mini-Projet Rapport
La RO permet donc d’adresser les défis de manière systématique et de
proposer des solutions concrètes pour améliorer la sécurité et l’efficacité
du routage dans un réseau compromis
II . Présentation de la problématique :
Un réseau contient 7 nœuds, connectés par plusieurs segments (arcs). Certains
segments sont partiellement compromis, ce qui augmente leur risque
d'utilisation. Le problème consiste à trouver le chemin optimal pour transmettre
des données d'un nœud S (source) à un nœud T (destination) tout en :
● Minimisant la latence.
● Réduisant le risque global.
● Respectant une contrainte de budget total de risque acceptable.
Les 7 nœuds sont : S,A,B,C,D,E,T
Le tableau ci-dessous décrit les segments disponibles, leurs latences
(cij) et leurs risques (rij).
Segment (i,j) Latence cij Risque rij
S→A 2 0.1
S→B 3 0.2
A→C 4 0.15
A→D 5 0.3
B→D 2 0.25
B→T 3 0.2
C→T 4 0.1
D→T 3 0.2
E→T 5 0.15
Problème à résoudre :
Trouver un chemin de S à T qui :
● Minimise une combinaison pondérée de la latence totale et du
risque total .
● Respecte une contrainte de risque total maximal .
● Respecte la conservation de flux dans le réseau .
Conclusion :
11
RO : Mini-Projet Rapport
Dans le contexte des réseaux informatiques partiellement compromis, la
recherche d’un chemin optimal pour la transmission des données
nécessite une prise en compte simultanée de plusieurs facteurs : la
minimisation de la latence, la réduction des risques de sécurité et le
respect des contraintes budgétaires liées au risque.
L’utilisation des outils de Recherche Opérationnelle, tels que les
algorithmes de graphes, permet de modéliser ce problème complexe et
d’identifier des solutions optimales. Ces approches offrent une manière
systématique de combiner des critères multiples et souvent
contradictoires (performance et sécurité) tout en garantissant la
résilience du réseau.
En exploitant les données de latence et de risque pour chaque segment,
une solution optimale garantit non seulement une efficacité accrue dans
le routage des données mais aussi une sécurité renforcée, ce qui
constitue un avantage stratégique pour les entreprises. Ainsi, la
résolution de ce type de problème contribue à renforcer la compétitivité
et à protéger les infrastructures critiques face à des menaces
croissantes.
Par conséquent, l’intégration de méthodologies avancées d’optimisation
dans la gestion des réseaux informatiques est non seulement une
nécessité technique mais également un levier économique majeur pour
les organisations modernes.
Chapitre II : Modélisation:
12
RO : Mini-Projet Rapport
Introduction:
Le problème de routage des données dans un réseau implique la minimisation
simultanée de la latence et du risque global de compromis. La latence, exprimée
en millisecondes, mesure le temps nécessaire pour transférer des données entre
les nœuds du réseau, tandis que le risque représente la probabilité de défaillance
ou de compromission des segments. Une modélisation basée sur des graphes
pondérés a été choisie, où chaque segment a un poids lié à sa latence et son
risque. L'objectif est de trouver un chemin optimal entre une source et une
destination qui minimise ces deux critères tout en respectant les contraintes de
continuité du chemin et de tolérance au risque.
1. Choix de la modélisation appropriée:
Pour résoudre le problème du routage sécurisé des données dans un réseau
partiellement compromis, une modélisation basée sur les graphes est la plus
appropriée. Cette approche permet de représenter le réseau sous forme de nœuds
(représentant les dispositifs réseau comme les serveurs ou routeurs) et d’arcs
(segments de communication). Chaque arc est caractérisé par deux attributs
principaux :
13
RO : Mini-Projet Rapport
1. Latence (coût) : Le temps ou la distance associé à chaque segment de
communication.
2. Risque : Une mesure du niveau de vulnérabilité ou de compromis d’un
segment.
L’objectif est de trouver un chemin optimal qui :
● Minimise une combinaison pondérée de la latence et du risque.
● Respecte un seuil maximal de risque global pour garantir la sécurité des
données.
Méthodologie choisie
Problème de plus court chemin :
○ Les algorithmes de plus court chemin, comme Dijkstra, sont adaptés
pour trouver un chemin minimisant la latence.
○ Cependant, dans ce projet, le risque est ajouté comme une contrainte
supplémentaire.
Pourquoi ce choix ?
● Représentation intuitive : Les graphes offrent une manière visuelle et claire
de représenter un réseau.
● Flexibilité : La méthode permet de prendre en compte des contraintes
supplémentaires comme le risque maximal ou des ressources limitées.
● Efficacité : Les algorithmes et outils disponibles pour les graphes sont bien
adaptés pour résoudre des problèmes similaires à grande échelle.
En conclusion, la modélisation par graphes, combinée avec des techniques
d’optimisation adaptées, constitue un choix robuste pour répondre aux exigences du
problème.
2. Variables de décisions:
xij ∈ {0, 1} : une variable binaire indiquant si le segment (i, j) est utilisé dans le chemin.
– xij = 1 : le segment (i, j) appartient au chemin.
– xij = 0 : le segment (i, j) n’est pas utilisé.
• Risque total du chemin Rglobal : calculé comme
• Latence totale du chemin Ltotal : exprimée comme :
14
RO : Mini-Projet Rapport
3. Données du réseau :
Les segments disponibles dans le réseau sont les suivants :
Segment xij Latence cij Risque rij (%)
(ms)
S→A 2 0.1
S→B 3 0.2
A→C 4 0.15
A→D 5 0.3
B→D 2 0.25
B→E 3 0.2
C→T 4 0.1
D→T 3 0.2
E→T 5 0.15
Représentation de graphe
4. Contraintes:
1. Continuité du chemin : Le chemin doit commencer à la source S et terminer à
la destination T :
15
RO : Mini-Projet Rapport
2. Utilisation des segments disponibles : Seuls les segments définis dans le tableau
des données peuvent être utilisés :
3. Risque maximal acceptable : Le risque global du chemin ne doit pas dépasser une
limite prédéfinie :
Rglobal ≤ 0.5
5. Fonction objectif:
Nous avons deux objectifs clés :
1. Minimiser la latence totale :
2. Minimiser le risque global:
6. Modélisation complète du problème:
La fonction objectif complète est :
avec xij ∈ {0, 1} et respect des contraintes énumérées ci-dessus.
Conclusion:
La modélisation du problème de routage des données avec des graphes pondérés
permet de formuler un problème d'optimisation visant à minimiser à la fois la latence
et le risque global. Les contraintes assurent la validité des solutions, notamment en
garantissant un chemin continu et un risque acceptable. Cette approche fournit une
base pour appliquer des algorithmes d'optimisation, permettant ainsi de concevoir
des réseaux plus performants et sécurisés, tout en équilibrant les compromis entre
rapidité et fiabilité.
16
RO : Mini-Projet Rapport
Chapitre III : Résolution
Introduction:
Dans ce chapitre, nous abordons la résolution du problème de routage des données
dans un réseau, tout en tenant compte des contraintes de latence et de risque.
L’objectif est de déterminer le chemin optimal entre un nœud source et un nœud cible,
tout en minimisant le temps de transmission des données (latence) et en garantissant
que le risque total associé au parcours ne dépasse pas un seuil critique. Ce problème
combine des enjeux d'optimisation combinatoire et de gestion du risque, et nécessite
une approche robuste pour assurer la fiabilité et l'efficacité du routage. Pour ce faire,
nous avons adapté l'algorithme de Dijkstra, qui permet de trouver le chemin le plus
court, en y intégrant la contrainte de risque
I. Outils utilisés
Dans la résolution de ce problème, plusieurs outils ont été utilisés, tant au niveau
mathématique qu'informatique :
1. Méthodes mathématiques :
● Algorithme de Dijkstra : Il s'agit d'un algorithme de recherche du plus court chemin
qui peut être adapté pour prendre en compte des coûts combinés, ici la latence et le
risque. L'algorithme a été modifié pour intégrer une contrainte de risque total et
calculer le coût combiné de la latence et du risque pour chaque chemin possible.
2. Solutions informatiques :
● Python et NetworkX : Le calcul du plus court
chemin avec une contrainte de risque a été
implémenté à l'aide de Python, en utilisant la
bibliothèque NetworkX pour gérer les graphes
dirigés et les arêtes associées à des attributs (latence et risque). La gestion des
priorités dans Dijkstra a été réalisée à l'aide de heapq pour garantir une exploration
efficace du graphe.
II. Résolution détaillée et résultats
1.Démarche de résolution :
● Modélisation du graphe : Le problème
a été formulé en un graphe dirigé où
chaque arête est associée à une
17
RO : Mini-Projet Rapport
latence (coût de temps) et un risque (probabilité de défaillance).
● Ajout de la contrainte de risque :
Nous avons utilisé l'algorithme de
Dijkstra modifié pour intégrer non
seulement la latence, mais aussi le risque, en vérifiant qu'à chaque étape du
calcul du chemin, la somme des risques ne dépasse pas un seuil prédéfini
(0.5).
● Algorithme de Dijkstra avec suivi du chemin :
L'algorithme a été adapté pour suivre le chemin suivi et reconstruire le trajet une fois que
le nœud cible a été atteint, tout en calculant le coût total du chemin en termes de latence et
de risque.
18
RO : Mini-Projet Rapport
2. Résultats obtenus :
En appliquant l'algorithme de Dijkstra avec la contrainte de risque, nous avons pu
déterminer un chemin valide qui respecte la contrainte de risque maximale, ainsi que la
latence optimale et le risque global associés à ce chemin.
Le chemin valide est trouvé tout en respectant la contrainte de risque, et le coût total
combine la latence et le risque.
La latence et le risque sont deux grandeurs distinctes avec des unités et des échelles
différentes. Par exemple :
● La latence pourrait être mesurée en millisecondes (par exemple : 2, 3, 4, etc.).
● Le risque est généralement une valeur fractionnaire (par exemple : 0,1, 0,2).
Si nous additionnons directement la latence et le risque, les valeurs de risque (petits
nombres) contribueraient très peu au coût combiné, les rendant presque négligeables
dans l'optimisation.
Multiplier le risque par 100 le met à une échelle similaire à celle de la latence,
garantissant que les deux métriques sont prises en compte de manière significative
dans le calcul du coût.
19
RO : Mini-Projet Rapport
III. Interprétations et critiques
1. Interprétation des résultats :
● Chemin valide : Le chemin trouvé est un chemin entre le nœud source (S) et le nœud
cible (T) qui respecte le risque maximal autorisé. Le chemin suit les arêtes les moins
coûteuses en termes de latence et de risque, tout en respectant la contrainte de risque.
● Latence et risque : La latence totale et le risque global sont calculés pour le chemin
validé, permettant d'évaluer les performances et la sécurité du chemin trouvé.
2. Gain obtenu :
● Le gain ici est que l'algorithme nous permet de trouver un chemin optimal en termes de
latence et risque, tout en respectant la contrainte sur le risque. Cela assure non
seulement un chemin rapide mais aussi sécurisé.
3. Critique des résultats :
● L'algorithme de Dijkstra est efficace pour résoudre ce problème, mais il peut parfois
donner un chemin qui, bien que valide en termes de risque, pourrait ne pas être optimal
si les priorités de latence et de risque sont mal équilibrées. De plus, si la contrainte de
risque est trop restrictive, il peut être difficile de trouver un chemin valide, surtout si le
graphe est peu connecté.
● Le calcul du coût total comme combinaison de latence et de risque pourrait ne pas
refléter de manière optimale les objectifs du problème si ces deux éléments ne sont pas
correctement pondérés.
4. Améliorations possibles :
● Optimisation multi-objectif : Une amélioration possible serait de traiter la latence et le
risque comme des objectifs distincts dans un cadre multi-objectif, où le compromis
entre ces deux facteurs serait calculé à l'aide de techniques comme la programmation
par objectifs ou des algorithmes de parcours de pareto.
● Algorithmes hybrides : L'introduction d'algorithmes hybrides qui combinent Dijkstra
avec d'autres méthodes de recherche, telles que les méthodes gloutonnes ou les
algorithmes évolutionnaires, pourrait permettre de mieux naviguer entre compromis
de latence et risque.
Conclusion
20
RO : Mini-Projet Rapport
En conclusion, le problème de routage des données dans un réseau, prenant en
compte à la fois la latence et le risque, a été résolu à l'aide d'une approche optimisée
basée sur l'algorithme de Dijkstra, modifié pour intégrer une contrainte de risque.
Grâce à cette méthode, nous avons pu identifier le chemin optimal garantissant une
transmission rapide tout en respectant le seuil de risque défini. Les résultats obtenus
ont permis de trouver un compromis efficace entre performance et sécurité du réseau.
Conclusion générale
À l’issue de ce mini-projet, il est possible de conclure que les résultats obtenus sont
globalement satisfaisants. En effet, l’objectif principal, qui consistait à optimiser le chemin de
transmission des données tout en minimisant les risques de latence et de compromission, a été
atteint avec succès dans les limites des hypothèses et des contraintes définies. Bien que
certains ajustements restent possibles, les résultats obtenus confirment la pertinence des
approches méthodologiques adoptées.
Ce travail nous a permis d’acquérir plusieurs connaissances précieuses, notamment dans la
modélisation des systèmes complexes, l’application des algorithmes de graphes et l’analyse des
compromis entre sécurité et performance. En parallèle, il a renforcé nos compétences en
résolution de problèmes pratiques en ingénierie et en prise de décision face à des contraintes
multiples.
Cependant, des difficultés ont été rencontrées, notamment l’intégration des données relatives
aux risques dans les modèles de graphes, ainsi que la calibration des paramètres liés à la
latence et à la sécurité. Ces défis ont nécessité une réflexion approfondie et une révision
constante de nos approches pour garantir des solutions cohérentes et applicables.
Ce projet ouvre la voie à plusieurs perspectives intéressantes. D'une part, il pourrait être étendu
à des études de cas plus larges ou à des projets industriels impliquant des réseaux réels avec
des contraintes plus complexes. D’autre part, une généralisation du modèle proposé pourrait
permettre son application à des contextes variés, tels que la logistique ou la gestion des flux
d’information dans des infrastructures critiques.
Le travail en équipe a également joué un rôle crucial dans le succès de ce projet. La
collaboration nous a permis de combiner nos compétences et d’enrichir notre réflexion
collective, bien que des défis organisationnels aient parfois surgi, notamment dans la répartition
des tâches et la coordination des efforts.
Pour les promotions futures, nous proposons d’approfondir ce sujet en intégrant des techniques
d’apprentissage automatique pour prédire et gérer les risques en temps réel. De plus, un accent
particulier pourrait être mis sur la validation expérimentale des solutions, avec des simulations
plus proches des situations réelles.
En conclusion, ce mini-projet représente une expérience enrichissante tant sur le plan
académique que personnel, et nous espérons qu’il inspirera des travaux futurs visant à
répondre aux défis croissants de l’optimisation et de la sécurité des systèmes complexes.
21
RO : Mini-Projet Rapport
22
