Table des matières - Gilles Daniel

Explorer les modèles par simulation : application aux analyses de sensibilité. 83
3.5. Conclusion
Nous espérons avoir montré sur ces quelques exemples que les méthodes locales
et globales sont très complémentaires en analyse de sensibilité. Les méthodes locales
permettent de hiérarchiser les sensibilités au voisinage d'un point particulier, de
décider si un paramètre doit être renseigné avec plus de précision, et de discuter de
l'importante question des conditions d'identifiabilité. Faciles à mettre en œuvre, elles
ne sont pas très gourmandes en simulations et permettent de traiter simultanément
des dizaines voire des centaines de paramètres. Mais elles ne concernent que les
paramètres et sorties à valeurs continues. Les méthodes globales offrent des mesures
de sensibilité intégrées sur tout l'espace des paramètres et permettent de quantifier
les interactions. Selon la gamme de variation choisie pour les paramètres, incertitude
sur ces paramètres ou variabilité biologique, elle permet de définir soit les
paramètres les plus responsables de l'incertitude de sortie soit les processus
globalement les plus influents sur la (les) sortie(s). Sauf cas très particuliers, elles
sont donc indispensables à la bonne compréhension du modèle.
Ce chapitre visait aussi à montrer que bien des méthodes existent (et nous
sommes loin d’avoir été exhaustifs), qu'elles sont souvent complémentaires, et que
pour la plupart elles sont assez faciles à mettre en œuvre en ne demandant que des
compétences modérées en statistiques. On aurait donc tort de s'en priver. De bons
ouvrages traitant de ces méthodes et présentant de nombreux exemples sont par
exemple [BAN 98], [KLE 87], [SAC 89], [SAN 03] ou [SAL 04]. Concernant plus
spécifiquement les plans d'expériences, le lecteur pourra également se tourner vers
[BOX 87], [BOX 05] ou [DRO 97]. Ceci dit, programmer soi-même les algorithmes
et les appliquer sans discernement à toute situation rencontrée peut exposer à des
surprises. Il est donc préférable d'utiliser des logiciels ou des bibliothèques
spécialisées. Le lecteur pourra trouver une liste d'une quinzaine de logiciels
spécialisés dans [SAL 00]. Mais la plupart ne traitent que des méthodes locales et
sont plutôt spécialisés pour le monde de la chimie et de la cinétique. En pratique, un
des rares logiciels vraiment généraliste et suffisamment accessible et documenté
semble SimLab (JRC/ISPRA, [SAL 04]), qui met en particulier en oeuvre les
méthodes Sobol et Fast. Vous trouverez également la bibliothèque ASSA de
l'Université de Wageningen, ou le logiciel MCAT de l'Imperial College d'Oxford qui
propose diverses visualisations graphiques à partir d'échantillonnages aléatoires.
Dans tous les cas, il est encore difficile de trouver des générateurs de plans
d'expérience un peu sophistiqués à l'exception peut-être de Sample2 [AND 98].
Nous pensons cependant qu'à côté de ces logiciels spécialisés, l'usage de logiciels
statistiques généralistes et programmables comme SAS, S, ou son homologue
libre R est à encourager car ils intègrent déjà nombre de méthodes ou
d'algorithmes utiles proprement programmés et validés. Par ailleurs ce sont des
outils qu'un chercheur a tout intérêt à savoir manipuler. Mais même dans le cas de
méthodes courantes comme l'ANOVA, les spécificités de leur utilisation à l'analyse