Traitement et analyse de séries chronologiques continues de ...

Partie 2 – Test des modèles et incertitudes
Introduction
Un modèle, par définition, ne représente jamais parfaitement la réalité. Les prédictions ne
sont en effet jamais strictement égales aux observations. Ceci est d’autant plus vrai dans le cas
des modèles de la qualité des RUTP, du fait de leurs difficultés de mise en œuvre
(cf. Chapitre 1). Il est donc nécessaire d’assortir les prédictions d’un niveau d’incertitude, afin
de garantir une utilisation réaliste des modèles.
Par ailleurs, les méthodes d’estimation des incertitudes apparaissent de plus en plus comme
un outil incontournable pour le test des modèles (Kanso et al. 2005; Dotto et al. 2009; Mannina
et Viviani 2010). Leur mise en œuvre facilite l’amélioration de la structure des modèles et du
même coup notre compréhension des processus.
C’est pour ces différentes raisons que nous nous sommes particulièrement intéressés à cette
question dans le cadre de ce travail. Les trois principales raisons pour lesquelles nous avons
choisi d’y consacrer une partie entière sont exposées dans les paragraphes suivants.
La diversité des niveaux d’analyse
Comme l’observent Deletic et al. (2009), l’évaluation des incertitudes dans le processus de
modélisation peut se faire à différents niveaux. Le plus basique consiste à estimer les intervalles
de prédiction pour un degré de confiance donné. La quantification des différentes sources
d’incertitude, notamment la manière dont elles se propagent dans le processus de modélisation
implique des études plus poussées. Deletic et al. (2009) soulignent l’attention qui a été
consacrée dans le domaine de la qualité des RUTP à l’étude de l’efficacité des procédures de
calage et de vérification des modèles, alors que l’influence de la qualité des données reste à ce
jour encore peu étudiée.
Le manque de connaissances statistiques des hydrologues urbains
Malgré les progrès récents, les méthodes d’estimation des incertitudes en hydrologie urbaine
restent à l’heure actuelle peu appliquées et difficilement compréhensibles pour des utilisateurs
non statisticiens. Ceci est particulièrement vrai pour les méthodes adaptées aux modèles non
linéaires complexes. Vrugt et al. (2008a) qualifient ces dernières de la manière suivante :
« […] Despite these advances, the more recent approaches for uncertainty estimation require
considerable understanding of mathematics and statistics, and significant experience with
implementation of these methods on a digital computer ». Cette remarque vaut pour les
applications dans le domaine opérationnel mais également dans le domaine de la recherche
environnementale en général, où un manque d’interaction entre scientifiques de la recherche
appliquée et statisticiens est notable (Reichert 2009).
Le manque de documents et d’outils pédagogiques
Peu de documents et d’outils à vocation pédagogique sont aujourd’hui disponibles dans le
domaine de l’hydrologie urbaine, tant à l’attention des opérationnels que des chercheurs.
Reichert (2009) souligne l’absence de textes explicatifs donnant un aperçu d’ensemble des
différentes techniques d’analyse statistique des incertitudes dans les études environnementales.
Ce constat explique selon lui le manque de rigueur dans l’application des outils mais également
le développement de méthodes sur des bases conceptuelles non rigoureuses. Ces dernières
années, une volonté croissante de la part de la communauté scientifique internationale pour la
production d’outils et de documents est observée (Kanso 2004; Beven 2009; Reichert 2009;
39