Limites et biais d’une simulation de flux

Mis à jour le 4 novembre 20264 sources citées

Une simulation ne se trompe pas seulement par ses calculs : elle se trompe par ses entrées, son protocole et son interprétation. La validation du programme ne protège de rien dans ces trois cas. Les biais qui suivent survivent à un modèle techniquement irréprochable, et quelques-uns s’aggravent à mesure que le rendu devient convaincant.

Vérifier n’est pas valider

Quatre activités sont régulièrement confondues, alors qu’elles répondent à des questions différentes.

Un modèle peut être vérifié sans être validé : il tourne correctement et décrit une organisation qui n’existe pas. Il peut aussi être validé sur un mois et se révéler faux le mois suivant, parce que la gamme a changé. Les deux contrôles sont nécessaires, aucun ne remplace l’autre.

Huit biais qui survivent à la validation

Ces biais ont un point commun : aucun n’est détecté par un test unitaire. Ils se traitent par le protocole — ce qui est écrit avant, ce qui est daté, ce qui est conservé — et non par un outil supplémentaire.

La sensibilité, seul contrôle qui porte sur la conclusion

Une conclusion de simulation est une comparaison entre scénarios. L’analyse de sensibilité teste cette comparaison : elle mesure de combien le résultat bouge quand les entrées bougent, et lesquelles comptent.

La méthode locale — faire varier un paramètre à la fois, toutes choses égales — est la plus répandue et la plus trompeuse. Elle ne voit pas les interactions : deux hypothèses peuvent se compenser, une durée de traitement plus longue étant masquée par un taux de panne plus faible. Les méthodes globales font varier les entrées ensemble et attribuent la variabilité du résultat à chaque entrée ; la théorie est documentée, et les outils existent.

Deux usages suffisent à une revue de projet :

• Classer les entrées par influence et vérifier que les plus influentes sont bien celles qui ont été mesurées. Une conclusion qui dépend d’un paramètre supposé n’est pas une conclusion, c’est une hypothèse déguisée.
• Tester la conclusion inverse. Si les scénarios favorables et défavorables produisent le même classement, la décision est robuste. S’ils s’inversent sur un paramètre plausible, l’étude vient de rendre un service majeur : elle a identifié ce qu’il faut mesurer avant de décider.

Reconnaître une étude fragile en dix minutes

Six questions, à poser dans cet ordre. Une étude solide y répond sans documents supplémentaires.

1. Les hypothèses sont-elles datées et antérieures aux résultats ? Une note de cadrage signée avant l’exécution vaut mieux que n’importe quelle déclaration d’intention.
2. D’où viennent les durées, et sur quelle période ? « Temps standard » sans relevé n’est pas une source. La définition d’un modèle de simulation exige des entrées traçables, pas des entrées plausibles.
3. Combien de réplications, et quel intervalle pour l’indicateur principal ? Un chiffre unique est une anecdote, quel que soit le soin apporté au modèle.
4. Quelle période de chauffe a été écartée ? Sur un système qui démarre vide, les premières heures ne représentent rien d’observable.
5. Quels scénarios contredisent la conclusion, et ont-ils été exécutés ? Une étude qui ne teste que des variantes favorables est une justification.
6. Le modèle est-il livré, avec ses conventions ? Un rapport seul ne se reprend pas ; il se croit. Les files d’attente et la loi de Little offrent d’ailleurs un moyen simple de recouper les ordres de grandeur annoncés.

Une étude qui échoue à la question 3 ou à la question 1 n’est pas réparable en aval : le défaut est dans le protocole, pas dans le modèle.

Ce que cette page ne contient pas

Aucune statistique sur le taux d’échec des projets de simulation : elle n’existe pas de manière comparable d’un périmètre à l’autre, et un chiffre cité sans définition d’« échec » serait plus nuisible qu’utile. Aucune donnée client non plus : cette page décrit des mécanismes, pas des performances.

La suite

Pour la vue d’ensemble des méthodes et du déroulé d’une étude, revenez à la page pilier sur la simulation de flux. Pour la construction d’un modèle conforme à ces exigences, la page sur la définition et le vocabulaire donne les quatre notions et les questions de cohérence.

Pour situer ce site et son éditeur, consultez l’accueil de simulation-de-flux.com.