--- title: 'Files d’attente et loi de Little' description: 'Pourquoi une file se forme, ce que la loi de Little permet de recouper, et ce que la variabilité coûte en capacité. Formules, conditions et limites.' url: 'https://www.simulation-de-flux.com/comprendre-la-simulation-de-flux/files-d-attente/' mirrorOf: '/comprendre-la-simulation-de-flux/files-d-attente.md' updated: '2026-11-04' publishedAt: '2026-11-04' cluster: 'comprendre' schemaType: 'TechArticle' publisher: 'OPTIFLUX SAS' sources: - label: 'Little, J. D. C. — A Proof for the Queuing Formula: L = λW, Operations Research 9(3), 1961' url: 'https://doi.org/10.1287/opre.9.3.383' accessed: '2026-11-04' - label: 'Wikipédia — Loi de Little (énoncé, conditions et usages)' url: 'https://fr.wikipedia.org/wiki/Loi_de_Little' accessed: '2026-11-04' - label: 'Wikipédia — Théorie des files d’attente (modèles classiques et notation)' url: 'https://fr.wikipedia.org/wiki/Th%C3%A9orie_des_files_d%27attente' accessed: '2026-11-04' - label: 'Wikipédia — Kingman’s formula (approximation du temps d’attente en trafic chargé)' url: 'https://en.wikipedia.org/wiki/Kingman%27s_formula' accessed: '2026-11-04' - label: 'Wikipédia — Kendall’s notation (description A/S/c d’un système de files)' url: 'https://en.wikipedia.org/wiki/Kendall%27s_notation' accessed: '2026-11-04' --- # Files d’attente et loi de Little > Pourquoi une file se forme, ce que la loi de Little permet de recouper, et ce que la variabilité coûte en capacité. Formules, conditions et limites. Une file se forme dès que les arrivées dépassent la capacité de service pendant un intervalle. Trois grandeurs la décrivent : le débit, le temps passé et le nombre de personnes présentes, que la loi de Little relie exactement. Ce qui fait exploser l’attente n’est pas le taux d’occupation seul, mais la variabilité des arrivées et des temps de service. ## La loi de Little, sans hypothèse de loi Pour tout système stable en régime établi, le nombre moyen d’entités présentes (L), le débit moyen (λ) et le temps moyen passé dans le système (W) vérifient :

L = λ × W

Démonstration publiée par J. D. C. Little en 1961. La relation ne suppose ni arrivées poissonniennes, ni durées exponentielles, ni un seul serveur : elle demande des moyennes calculées sur une période longue, sur un système stable — dont la file ne grossit pas indéfiniment. La même relation s’applique à la file seule, avec L_q et W_q. Son usage le plus utile est celui de **recoupement**. Si une simulation annonce un temps d’attente de 4 minutes pour un débit de 12 clients par heure, la file doit contenir en moyenne 0,8 client (12/60 × 4). Un écart signale une erreur de mesure ou de calcul, pas une subtilité du modèle. La page pilier détaille cette [vérification par la loi de Little](/comprendre-la-simulation-de-flux/) et les quatre familles de méthodes. ## La notation de Kendall : A/S/c Un système de files se décrit par trois symboles, qui suffisent à savoir si une formule existe. | Notation | Ce qu’elle signifie | Exemple d’usage | | -------- | ----------------------------------------------------------------------- | ------------------------------------------------- | | **A** | Loi des arrivées : M (poissonnienne), D (déterministe), G (générale) | M pour des arrivées indépendantes et sans mémoire | | **S** | Loi des durées de service : M (exponentielle), D (constante), G (autre) | D pour un poste automatisé au cycle fixe | | **c** | Nombre de serveurs en parallèle | c = 1 pour un guichet, c = 3 pour trois caisses | Les cas M/M/1 et M/M/c ont des formules exactes ; M/D/1 aussi ; G/G/1 n'en a pas, seulement des approximations. Cette frontière vous évite un piège : une formule exacte appliquée à un système qui n'en respecte pas les hypothèses donne un résultat précis et trompeur, avec l'autorité d'un résultat démontré. > **Exemple.** Imaginez un guichet administratif qui reçoit des visiteurs. En heure creuse (5 visiteurs par heure, service d'environ 10 minutes), personne n'attend. En heure de pointe (20 visiteurs par heure), une file se forme : avec un seul agent, l'attente moyenne dépasse 20 minutes. Si, en plus, les visiteurs arrivent tous en début d'heure (variabilité forte), l'attente explose. Ces chiffres sont fictifs, mais l'effet de la variabilité sur la file se vérifie dans n'importe quel guichet, atelier ou service. ## Le taux d’occupation ne suffit pas : la variabilité décide Pour un système à serveur unique dont le taux d’occupation ρ reste sous 1, l’attente moyenne s’approxime, en trafic chargé, par :

E[W_q] ≈ ρ / (1 − ρ) × (c_a² + c_s²) / 2 × E[S]

Trois facteurs s’y lisent directement : - **ρ / (1 − ρ)** est hyperbolique : à 50 % d’occupation il vaut 1, à 90 % il vaut 9, à 95 % il vaut 19. Passer de 50 % à 90 % d’occupation multiplie donc l’attente par neuf, pour un débit qui n’augmente que de 80 %. - **(c_a² + c_s²) / 2** est la variabilité moyenne des arrivées et des services. Une exponentielle vaut 1 ; des lots, des rendez-vous groupés ou des durées très dispersées dépassent largement 1. - **E[S]** est la durée moyenne de service. Un poste deux fois plus lent produit deux fois plus d’attente, à occupation égale. La conséquence de gestion est contre-intuitive : à taux d’occupation identique, un système qui reçoit des lots attend beaucoup plus qu’un système à arrivées régulières. Lisser les arrivées — prendre des rendez-vous, étaler les lancements — agit sur le facteur de variabilité, pas sur la capacité. ## Ce que donne le calcul, pour un guichet unique Le tableau ci-dessous applique les formules M/M/1 à un service moyen d’une minute. Ce sont des **sorties de modèle**, pas des mesures de terrain : elles décrivent un système dont les hypothèses sont respectées, et servent à raisonner sur les ordres de grandeur. | Occupation ρ | Débit (client/min) | Attente moyenne W_q | File moyenne L_q | Temps total W | | ------------ | ------------------ | ------------------- | ---------------- | ------------- | | 50 % | 0,50 | 1,0 min | 0,5 client | 2,0 min | | 70 % | 0,70 | 2,3 min | 1,6 client | 3,3 min | | 80 % | 0,80 | 4,0 min | 3,2 clients | 5,0 min | | 85 % | 0,85 | 5,7 min | 4,8 clients | 6,7 min | | 90 % | 0,90 | 9,0 min | 8,1 clients | 10,0 min | | 95 % | 0,95 | 19,0 min | 18,1 clients | 20,0 min | La lecture utile est dans les écarts, pas dans les valeurs absolues. En passant de 80 % à 90 % d’occupation, le débit augmente de 12,5 % mais la file moyenne est multipliée par 2,5 et l’attente par 2,25. Les dix derniers points d’occupation se paient en attente, et l’arbitrage n’est pas technique : il dépend de ce qu’un client accepte d’attendre. ## Dimensionner : la marge est une décision Un modèle ne dit jamais quel taux d’occupation viser. Il permet de chiffrer les conséquences d’un choix, ce qui est différent. - **Fixer d’abord l’attente acceptable**, ensuite chercher la capacité qui la produit. L’inverse — dimensionner à 90 % parce que « c’est bien » — revient à laisser une formule décider à la place de l’exploitant. - **Traiter la variabilité avant d’ajouter de la capacité.** Un poste supplémentaire coûte tous les mois ; lisser les arrivées ou regrouper les tâches peut coûter une réorganisation. Le facteur (c_a² + c_s²)/2 se travaille, la capacité se paie. - **Vérifier le régime transitoire.** Les formules décrivent un régime établi. Une pointe de 30 minutes, une reprise après panne ou un changement de série ne relèvent pas de la moyenne de long terme. ## Quand le calcul ne suffit plus Quatre situations rendent la formule inapplicable et la simulation nécessaire : 1. **Réseau de files.** Un client passe de la réception au contrôle puis à l’expédition. Les files interfèrent : une attente en amont décale les arrivées en aval, ce qu’aucune formule par étage ne capture. 2. **Priorités et files multiples.** Deux catégories de clients, une règle de priorité et des serveurs polyvalents : le système n’est plus décrit par trois symboles. La [définition d’un modèle de simulation](/comprendre-la-simulation-de-flux/definition/) explique pourquoi ces règles doivent être explicites pour être mesurables. 3. **Lots et changements de série.** Des durées de service qui dépendent du produit fabriqué avant produisent des corrélations que la notation de Kendall ne représente pas. 4. **Transitoire.** Montée en charge d’un nouvel atelier, fin de poste, pic saisonnier : le sujet est la trajectoire, pas la moyenne. Dans ces cas, la simulation reprend le rôle du calcul, avec le même garde-fou : les hypothèses restent discutables une par une, et l’[analyse des limites et des biais](/comprendre-la-simulation-de-flux/limites-et-biais/) s’applique intégralement. --- Source : https://www.simulation-de-flux.com/comprendre-la-simulation-de-flux/files-d-attente/ — version Markdown de la page HTML, générée au build. Éditeur : OPTIFLUX SAS. Les liens internes renvoient aux pages HTML du site ; les sources citées sont reprises du front-matter, avec leur date de consultation.