Traitement et analyse de séries chronologiques continues de ...

Partie 2 – Chapitre 4 : Le concept d’incertitude en modélisation en hydrologie urbaine
Chapitre 4
4 Le concept d’incertitude en modélisation en
hydrologie urbaine
4.1 Introduction
La notion d’incertitude en modélisation sous-entend d’abord l’évaluation d’un niveau de
confiance des prédictions. Le résultat qui est considéré n’est plus la simulation dite
« optimale », mais cette dernière assortie d’un niveau de confiance sur sa fiabilité, ou
incertitude de prédiction.
Il est important de préciser que cette conceptualisation repose sur l’hypothèse probabiliste
qu’il existe effectivement un jeu de paramètres optimal. Ce dernier est défini comme le jeu qui,
en probabilité, donne les meilleurs résultats de simulation par rapport aux observations. La
notion d’incertitude en modélisation est dans ce cas abordée avec une approche statistique.
L’approche GLUE (Global Likelihood Uncertainty Analysis) développée par Beven et Binley
(1992) constitue actuellement une alternative à ce point de vue : la notion de jeu optimal est
abandonnée au profit de l’adoption du concept d’équifinalité (voir paragraphe 5.4). Cependant
cette approche est directement dérivée de l’approche probabiliste. La compréhension des
méthodes statistiques apparaît donc de toute façon nécessaire afin de bien comprendre le
principe des deux approches, ainsi que le débat actuel des hydrologues sur leur validité et
modalités d’application (Mantovan et Todini 2006; Vrugt et al. 2008a; Beven 2008; Vrugt et al.
2008c; Stedinger et al. 2008)
Lorsque le terme d’ « analyse des incertitudes » est employé, la question qui se pose ne se
rapporte plus seulement à l’évaluation de l’incertitude de prédiction sur le résultat final mais
également à la compréhension des sources d’incertitude qui sont à son origine. Récemment,
Stedinger et al. (2008) ont rappelé les trois objectifs opérationnels d’une méthode d’analyse des
incertitudes :
- Trouver le modèle optimal pour prédire le futur, considérant les données
disponibles pour le calage.
- Quantifier les erreurs potentielles associées aux prédictions futures.
- Quantifier les incertitudes des paramètres pour guider le développement du
modèle.
Ce troisième point met en évidence l’intérêt de l’analyse pour l’identification d’une
structure de modèle adaptée. Un autre aspect considéré ces dernières années en hydrologie
urbaine est la quantification de la part d’incertitude sur le résultat provenant de l’incertitude sur
les données d’entrée utilisées pour le calage (Vrugt et al. 2008; Kleidorfer et al. 2009; Freni et
al. 2010).
De manière générale, l’objectif ultime d’une analyse des incertitudes pour guider le
développement d’un modèle peut donc être vu comme la quantification de l’ensemble des
différentes sources d’incertitude qui se propagent dans le processus de modélisation jusque sur
les résultats.
41