Définition de la simulation de flux
La simulation de flux est l’exécution d’un modèle dans lequel des entités traversent des ressources de capacité finie. Quatre notions suffisent à la définir : entité, ressource, événement, aléa. Privé de l’une des quatre, le dispositif décrit autre chose — un organigramme, un tableur, une prévision — mais pas une simulation.
Une définition opératoire
Définition. Un modèle de simulation de flux est un programme qui fait évoluer dans le temps un ensemble d’entités en compétition pour des ressources limitées, et qui enregistre des indicateurs à chaque changement d’état. Ses hypothèses sont des données du problème, pas des réglages internes.
Cette formulation est volontairement plus étroite que « représentation d’un système ». Elle exige trois propriétés vérifiables : un temps qui avance, des ressources de capacité finie, et une trace des états successifs. Une représentation qui ne satisfait pas ces trois points peut être utile — un schéma d’implantation, un organigramme — mais elle ne se conteste pas de la même manière : on ne peut pas lui demander ce qui se passe à 14 h un jour de pointe.
C’est cette exigence qui donne sa valeur à une étude. Un modèle exécutable se règle, s’exécute et se réfute ; un dessin se discute. Voir la page pilier sur la simulation de flux pour les quatre familles de méthodes.
Les quatre mots qui définissent un modèle
| Mot | Ce qu’il désigne | Ce qui manque sans lui |
|---|---|---|
| Entité | Ce qui traverse le système : pièce, colis, patient, véhicule, dossier | Aucun flux à suivre : il n’y a rien à compter |
| Ressource | Une capacité finie qui sert les entités : machine, quai, guichet, serveur | Aucune contention, donc aucune file et aucun arbitrage |
| Événement | L’instant où l’état change : arrivée, début de service, fin, panne | Le temps n’avance plus ; le modèle est statique |
| Aléa | Un tirage dans une loi de probabilité, à partir d’un générateur reproductible | Un seul déroulement déterministe, sans intervalle de confiance |
Deux conséquences pratiques découlent de ce tableau.
La ressource limitante commande le résultat. Si aucune ressource n’est saturée, le système n’a pas de goulot et la simulation n’apprend rien qu’un calcul de débit ne donne pas. La première question d’un cadrage est donc : quelle ressource limite, et à quel horizon ?
La graine fait partie du protocole. Un modèle qui tire des durées doit pouvoir rejouer exactement le même déroulement, sinon un écart entre deux scénarios peut venir du hasard et non de la décision étudiée. La génération de nombres pseudo-aléatoires est traitée comme un sujet à part entière dans les manuels de référence — au même titre que la modélisation des arrivées.
Ce que la simulation n’est pas
| Notion voisine | Ce qu’elle fait | Ce qui la sépare de la simulation de flux |
|---|---|---|
| Prévision | Prolonge une série passée pour estimer une valeur future | La simulation ne prédit pas : elle compare des scénarios sous hypothèses explicites |
| Optimisation | Cherche le meilleur réglage selon une fonction objectif | Elle décide quel scénario essayer ; la simulation évalue, elle ne choisit pas |
| Tableur | Calcule des moyennes et des totaux | Il ne produit ni distribution, ni file d’attente, ni comportement transitoire |
| Jumeau numérique | Réplique d’un système réel, alimentée en continu par ses données | Une simulation d’étude est construite hors ligne, pour une question et une durée finies |
| Intelligence artificielle | Ajuste un modèle sur des exemples, sans mécanisme explicite | Un modèle de simulation expose ses règles ; c’est ce qui le rend discutable pièce par pièce |
La confusion la plus coûteuse est celle avec le jumeau numérique : elle fait espérer un modèle vivant, mis à jour par les données de production, alors qu’une étude de simulation est un artefact daté, livré avec ses hypothèses et périmé dès que le système change.
Ce qu’une définition stricte impose au projet
- Les hypothèses s’écrivent avant l’exécution. Une hypothèse ajustée après avoir vu les résultats transforme l’étude en justification ; la figer avant est la seule parade organisationnelle efficace.
- Les données d’entrée sont datées et traçables. Une durée de traitement sans date, sans périmètre de mesure et sans méthode d’observation n’est pas une donnée, c’est une opinion avec une unité.
- Le résultat est une distribution, pas un chiffre. Un temps de séjour moyen sans intervalle de confiance ni analyse de sensibilité ne permet aucun arbitrage : il ne dit pas si l’écart entre deux scénarios est réel.
- Le modèle est un livrable. Un rapport de synthèse isolé ne vaut que par son auteur ; un modèle documenté, avec ses jeux d’entrée et ses conventions, reste utilisable par la personne suivante.
Ces quatre points ne relèvent pas de la technique de simulation : ils relèvent de la définition. Un tableur peut produire un chiffre unique et se contenter d’une moyenne ; un modèle de simulation, non.
Un test de cohérence en trois questions
Avant d’accepter un modèle de simulation comme conforme à cette définition, trois questions suffisent :
- Quelle ressource limite le système, et sur quelle période ? Sans réponse, il n’y a pas de contention modélisée ; le modèle calcule des flux sans goulot.
- D’où viennent les durées et les taux d’arrivée, et quand ont-ils été mesurés ? Une réponse qui cite un standard théorique ou un souvenir d’atelier indique un modèle non alimenté.
- Combien de réplications, et quel intervalle pour l’indicateur principal ? Une conclusion tirée d’une seule exécution confond l’effet étudié avec le bruit du générateur aléatoire.
Une étude qui répond aux trois est une étude qu’on peut contester utilement. Une étude qui n’y répond pas n’est pas fausse : elle est inauditable, ce qui revient au même au moment de décider.
La suite logique
Une fois le vocabulaire posé, deux questions techniques arrivent presque toujours : combien de temps attend-on, et à partir de quel taux d’occupation l’attente devient-elle incontrôlable ? Ces deux réponses se calculent pour un guichet unique, et se simulent pour tout le reste : la page sur les files d’attente et la loi de Little donne les formules et leurs conditions d’application.
L’autre question est celle des limites : un modèle conforme à cette définition reste un modèle, avec ses données, ses hypothèses et ses angles morts. La page sur les limites et biais d’une simulation de flux détaille les mécanismes qui font survivre une erreur à la validation.
Pour situer ce site et son éditeur, consultez l’accueil de simulation-de-flux.com.
Citer cette page
Simulation de flux — OPTIFLUX SAS. « Définition de la simulation de flux ». Mis à jour le 4 novembre 2026. https://www.simulation-de-flux.com/comprendre-la-simulation-de-flux/definition/
Sources
- Banks, Carson, Nelson & Nicol — Discrete-Event System Simulation (notice bibliographique) — consulté le
- SimPy — documentation officielle (simulation à événements discrets en Python) — consulté le
- Wikipédia — Simulation à événements discrets (article encyclopédique, sources primaires citées) — consulté le
- Wikipédia — Jumeau numérique (notion voisine, souvent confondue avec la simulation) — consulté le
Les liens externes sont fournis pour vérification. Les affirmations de cette page sont limitées à ce que ces documents établissent ; aucune donnée client n’y figure.