Le doute en modélisation et simulation : de la représentation et élaboration des connaissances à la validation des résultats, les apports de la logique floue

Le doute en modélisation et simulation (M&S) : de la représentation et de l'élaboration des connaissances à la validation des résultats, les apports de la logique floue
 
Paul-Antoine Bisgambiglia
UMR SPE CNRS 6134, Université de Corse Pasquale Paoli
bisgambiglia@univ-corse.fr

La simulation numérique ou informatique s’est aujourd’hui démocratisée, elle est devenue un outil décisionnel indispensable (aéronautique, météorologie, etc.), mais certains utilisateurs ont trop souvent tendance à considérer les résultats de simulation comme des résultats réels, alors que c'est un modèle et non le système lui-même qui est étudié. Afin d’être utilisable, un modèle ne peut être ni trop complexe (proche de système),  ni trop simpliste (construit d’hypothèses). Cette phase de conception, voire de simplification, nous oblige à douter de nos modèles, et donc à vérifier et valider nos résultats. Ces étapes de vérification et de validation (V&V) des modèles et des résultats sont pourtant souvent négligées.
Dans cet exposé, nous souhaitons discuter de la notion de doute dans les différentes phases de la M&S : cette notion est ambiguë, car elle amène à s’interroger aussi bien sur la qualité du code de l’outil, sur la qualité des données, que sur l’expertise de l’utilisateur et même sur celle du modélisateur. La qualité de la connaissance, dans sa globalité, et en particulier sur le système étudié a un fort impact sur les résultats obtenus ou attendus. Dans ce contexte, la conception du modèle, sa contextualisation, son utilisation sont dépendantes de connaissances imparfaites (incertaines, imprécises, vagues, ambigües, contradictoires, etc.). Représenter et manipuler ces types de connaissances, ce doute, le quantifier, n’est pas évident. L’impact de la qualité de la connaissance sur la prise de décision est très important.
Des méthodes issues de la logique floue et de la théorie des sous-ensembles flous permettent de manipuler ces connaissances, et de mesurer et d’évaluer le doute.  Cette présentation donne une vue d’ensemble de ces méthodes dictée par nos applications.