Université

NANGUI ABROGOUA

UFR Sciences Fondamentales et Appliquées (SFA)

Modélisation et Simulation en Physique

L3 Physique et Sciences Physiques

Prof. KRE N’guessan Raymond

Laboratoire de Physique Fondamentale et Appliquée

 Introduction

1. Concepts de base de la modélisation et de

la simulation

2. Méthodologie de modélisation des

systèmes

3. Applications avec le langage de

programmation Python
Introduction
Les ordinateurs sont en train de révolutionner
la science et l'ingénierie. En utilisant les
ordinateurs l'homme est en mesure de

➢ construire des systèmes d'ingénierie

complexes (navettes spatiales,…)

➢ calculer les propriétés de l'univers

Les ambitions de l'homme ne cessent d'augmenter.
Il veut créer encore plus de systèmes
complexes tels que
• de nouvelles voitures (roulant sans
conducteur),
• de meilleurs vaisseaux spatiaux,
• des médicaments efficaces
• des systèmes de téléphonie cellulaire
intelligents (smartphones), etc.
• comprendre les aspects les plus
profonds de la nature.
 Exemples d’applications de la Modélisation

➢Etude des systèmes complexes et à grand échelle

(physique, chimie, biologie, économie, finance, etc)

➢Conception de systèmes de gestion de productions.

➢Conception et analyse des systèmes informatiques

autant que des plateformes hardware..

➢Conception et analyse de systèmes de transport.

➢Évaluation de la logistique d’organisation de services:

hôpitaux, bureau de poste, restaurants, etc.
➢Applications militaires.
1. Concepts de base de la modélisation

1.1 Systèmes

1.1.1 Définition
Qu'est-ce qu'un système ?

Un système est un objet ou une collection

d'objets avec des propriétés que l’on veut
étudier.
systèmes : un atome, l’univers, une navette
spatiale, etc.
Un système peut contenir des sous-systèmes
qui sont eux-mêmes des systèmes

Systèmes naturels Systèmes artificiels

univers navette spatiale
Exemple : la maison
eau chaude au robinet chauffée par un panneau
solaire sont des systèmes artificiels, soleil et les
nuages sont des systèmes naturels

combinaison de composants naturels et artificiels.

L'aspect "étude" est très important malgré le fait
qu'elle soit subjective.
Quelles raisons peut-il y avoir à étudier un
système?

On peut discerner deux grandes motivations :

• Etudier un système pour le comprendre afin de
le construire ou de l'améliorer. C'est le point de
vue de l'ingénierie.
• Satisfaire la curiosité humaine, par exemple,
pour comprendre plus au sujet de la nature du
point de vue des sciences fondamentales et
naturelles.
1.1.2 Expériences

L’observation est essentielle afin d'étudier un

système selon notre définition de système.

Nous devons au moins être en mesure

d'observer des sorties d'un système.

Nous pouvons apprendre encore plus s'il est

possible d'exercer sur un système en contrôlant
ses entrées.

Ce processus est appelé l'expérimentation.

• Une expérience est le processus d'extraction
d'informations d'un système en exerçant sur ses
entrées.

Pour effectuer une expérience sur un système, il

doit être à la fois
contrôlable et observable.

Nous appliquons un ensemble de conditions

externes aux entrées accessibles et observons la
réaction du système en mesurant les sorties
accessibles.
Propriétés importantes des systèmes :
Observables et contrôlables
Les entrées d'un système sont des variables de
l'environnement influençant le comportement du
système.

Entrées Sorties

Système
Les sorties d'un système sont des variables qui sont
déterminées par le système et qui peuvent influer
sur l'environnement ambiant.
L'un des inconvénients de la méthode
expérimentale est que, pour un grand nombre
de systèmes, les entrées ne sont pas
accessibles (perturbations) et contrôlables..

De même, c'est souvent le cas de nombreuses

sorties utiles qui ne sont pas accessibles pour
les mesures ; celles-ci sont parfois appelés
états internes du système.
Problèmes pratiques liés à l'exécution d'une
expérience, par exemple :
• L'expérience pourrait coûter trop cher
(exemple : une enquête sur la durabilité des
navires en les laissant se heurter)
• L'expérience pourrait être trop dangereux :
(Exemple : exploitation de centrales nucléaires
dans le traitement des situations dangereuses)
• Le système nécessaire pour l'expérience peut
ne pas exister encore
•Etc.

.
Les lacunes de la méthode expérimentale nous
conduisent à la notion de modèle.

un modèle d'un système peut être étudiée et

peut répondre à de nombreuses questions
concernant le système réel si le modèle est
assez réaliste.
1.2 Concept de modèle

Compte tenu des définitions précédentes de

système et expérience, nous pouvons maintenant
tenter de définir la notion de modèle :

• Un modèle d'un système est toute «expérience»

qui peut être appliquée afin de répondre aux
questions sur ce système sans faire des expériences
sur le système réel.
D’autres définitions sont aussi envisageables :

Un modèle est une construction théorique

qui représente la réalité...

La définition « officielle » du département de la

défense américain (DoD) est :

On appelle modèle toute représentation

(abstraction) physique, mathématique ou
autrement logique d’un système, d’une entité,
d’un processus ou d’un phénomène physique
[construite pour un objectif donné].
 L’IEEE, organisme civil de normalisation,
nous en donne deux autres :

1.Une approximation, représentation ou

idéalisation de certains aspects de la
structure, du comportement, du
fonctionnement ou des autres
caractéristiques d’un processus, concept ou
système du monde réel.

2. Une représentation mathématique ou logique

d’un système ou du comportement d’un
système au cours du temps.
1.2.2 Relation entre le modèle et le système

La relation entre le modèle et le système implique

que le modèle peut être utilisé pour répondre à
des questions sur un système sans faire des
expériences sur le système réel. En lieu et place,
nous effectuons des «expériences» simplifiées sur
le modèle, qui à son tour, peut être considéré
comme un type de système simplifié qui reflète les
propriétés du système réel. Dans le cas le
En lieu et place, nous effectuons des «expériences»
simplifiées sur le modèle, qui à son tour, peut être
considéré comme un type de système simplifié qui
reflète les propriétés du système réel.

Dans le cas le plus simple d'un modèle, c'est peut être

juste une partie d'informations qui est utilisée pour
répondre aux questions sur le système.
Compte tenu de cette définition, un modèle se
définie également comme un système. Les
modèles, tout comme les systèmes, sont de
nature hiérarchique.

Nous pouvons découper une portion d'un

modèle, qui devient un nouveau modèle qui est
valide pour un sous-ensemble d'expériences pour
lesquelles le modèle d'origine est valide.

Un modèle est toujours lié au système qu'il

modélise et aux expériences auxquelles il peut
être soumis.
Un énoncé comme "un modèle de système est
invalide" n'a pas de sens sans mentionner le
système associé et l'expérience.

Un modèle de système peut être valide pour

une expérience sur le modèle et invalide pour
une autre.

le terme validation du modèle, se réfère

toujours à une expérience ou une classe
d'expériences à effectuer.
1.2.3 Typologie de modèles
Différents types de modèles en fonction de la
façon dont le modèle est représenté :

• modèle mental - une affirmation comme "une

personne est fiable" nous aide à répondre aux
questions sur le comportement de cette personne
dans diverses situations.

En psychologie cognitive, un modèle mental est

une représentation permettant de simuler
mentalement le déroulement d'un phénomène
pour anticiper les résultats d'une action.
La notion de modèle mental est également
largement employée en ergonomie cognitive et
interaction homme-machine.

• modèle verbal - ce type de modèle est exprimé

en mots. Pour exemple, la phrase « Beaucoup
d’accidents se produiront si la vitesse limite est
augmentée" est un exemple d'un modèle verbal.

Les systèmes experts constituent une

technologie pour la formalisation des modèles
verbaux.
• modèle physique - c'est un objet physique qui
imite certaines propriétés d'un système réel.

Ceci pour nous aider à répondre à des

questions sur ce système.

Par exemple, lors de la conception d'artefacts

sur les bâtiments, les avions, et ainsi de suite,
il est courant de construire de petits modèles
physiques avec les mêmes forme et
apparence comme les véritables objets à
étudier, par exemple, en ce qui concerne leur
propriétés aérodynamiques et esthétiques.
• modèle mathématique - une description d'un
système où les relations entre les variables du
système sont exprimées sous forme
mathématique.

Les variables peuvent être des quantités

mesurables telles que taille, longueur, poids,
température, taux de chômage, flux
d'informations, le débit binaire, et ainsi de
suite.
 La plupart des lois de la nature sont des
modèles mathématiques dans ce sens.
Exemple :
✓ la loi d'Ohm décrivant la relation entre le
courant et la tension pour une résistance.
✓ les lois de Newton décrivent les relations
entre la vitesse, l'accélération, la masse, la
force, et analogues.

nous traiterons principalement des modèles

mathématiques représentés par des équations,
fonctions, programmes informatiques, etc.
1.2.4 Types de modèles mathématiques

• modèle dynamique et modèle statique

• modèles qualitatifs et modèles quantitatifs

• modèles dynamiques continus et discrets

• modèles qualitatifs et modèles quantitatifs

 1.2.5 Types d'équations

Les modèles mathématiques contiennent habituellement des équations. Il existe

essentiellement quatre principaux types d'équations, dont nous donnons un exemple pour
chacun d'eux :
• Equations différentielles contiennent des dérivés par rapport au temps tels que dx/dt,
habituellement notée. Par exemple,
𝑑𝑥
= 𝑎𝑥 + 3
𝑑𝑡
• Equations algébriques ne comprennent pas les variables différenciées :
𝑥 2 + 𝑦 2 = 𝐿2
• Equations aux dérivées partielles contiennent également des dérivés par rapport à d'autres
variables que temps :
𝜕𝑎 𝜕 2 𝑎
=
𝜕𝑡 𝜕𝑥 2
• Equations aux différences expriment les relations entre les variables, par exemple, à
différents points dans le temps :
𝑥 𝑡 + 1 = 3𝑥 𝑡 + 2
 1.2.5 Types d'équations

Les modèles mathématiques contiennent habituellement des équations. Il existe

essentiellement quatre principaux types d'équations, dont nous donnons un exemple pour
chacun d'eux :
• Equations différentielles contiennent des dérivés par rapport au temps tels que dx/dt,
habituellement notée. Par exemple,
𝑑𝑥
= 𝑎𝑥 + 3
𝑑𝑡
• Equations algébriques ne comprennent pas les variables différenciées :
𝑥 2 + 𝑦 2 = 𝐿2
• Equations aux dérivées partielles contiennent également des dérivés par rapport à d'autres
variables que temps :
𝜕𝑎 𝜕 2 𝑎
=
𝜕𝑡 𝜕𝑥 2
• Equations aux différences expriment les relations entre les variables, par exemple, à
différents points dans le temps :
𝑥 𝑡 + 1 = 3𝑥 𝑡 + 2
1.2.5 Types d'équations
Les modèles mathématiques contiennent
habituellement des équations. Il existe
essentiellement quatre principaux types
d'équations, dont nous donnons un exemple pour
chacun d'eux :

• Equations différentielles contiennent des dérivés

par rapport au temps tels que dx/dt,
habituellement notée. Par exemple,
𝑑𝑥
= 𝑎𝑥 + 3
𝑑𝑡
• Equations algébriques ne comprennent pas
les variables différenciées :
𝑥 2 + 𝑦 2 = 𝐿2
2 Concepts de base de la Simulation
2.1 Expérimentation
2.1.1 Définition
L’observation est essentielle afin d'étudier un
système selon notre définition de système. Nous
devons au moins être en mesure d'observer des
sorties d'un système.
Nous pouvons apprendre encore plus s'il est
possible d'exercer sur un système en contrôlant ses
entrées. Ce processus est appelé l'expérimentation.
Ainsi donc, nous pouvons donner cette définition :
• Une expérience est le processus d'extraction
d'informations d'un système en exerçant sur ses
entrées.
Pour effectuer une expérience sur un système, il
doit être à la fois contrôlable et observable. Nous
appliquons un ensemble de conditions externes aux
entrées accessibles et observons la réaction du
système en mesurant les sorties accessibles.
L'un des inconvénients de la méthode expérimentale est que, pour un grand nombre de
systèmes, les entrées ne sont pas accessibles et contrôlables. Ces systèmes sont sous
l'influence d'entrées inaccessibles. On appelle parfois ces entrées des perturbations. De
même, c'est souvent le cas de nombreuses sorties utiles qui ne sont pas accessibles pour les
mesures ; celles-ci sont parfois appelés états internes du système.
Il y a aussi un certain nombre de problèmes pratiques liés à l'exécution d'une expérience,
par exemple :
• L'expérience pourrait coûter trop chère
exemple : une enquête sur la durabilité des navires en les laissant se heurter, est une
méthode très coûteuse pour obtenir des informations.
• L'expérience pourrait être trop dangereuse
exemple : une étude sur l'exploitation de centrales nucléaires dans le traitement des
situations dangereuses en laissant le réacteur nucléaire entrer dans des situations
dangereuses, n'est pas envisageable.
• Le système nécessaire pour l'expérience peut ne pas encore exister.
Ceci est typique aux systèmes à être conçus ou fabriqués.
Les lacunes de la méthode expérimentale nous conduisent également à la notion de modèle.
Si nous faisons un modèle d'un système, ce modèle peut être étudié et peut répondre à de
nombreuses questions concernant le système réel si le modèle est assez réaliste.
2.3 Simulation
2.3.1 Définition
Dans la section précédente, nous avons parlé de la
possibilité d'effectuer des "expériences" sur des
modèles en lieu et place des systèmes réels
correspondant aux modèles. C'est en fait l'une des
principales utilisations de modèles, et elle est
désignée par le terme simulation, à partir du latin
simulare, qui veut dire simuler ou faire semblant.
Nous définissons une simulation comme suit :
• Une simulation est une expérience réalisée
sur un modèle.
Ce processus comporte, en simplifiant à
l’extrême, trois grandes étapes :

La conception et le développement/codage du
modèle (y compris sa validation)

L’exécution du modèle

L’analyse de l’exécution
▪ Des expériences sont trop chers, trop dangereux,
▪ Le système à étudier, n'existe pas encore. Telles
sont les principales difficultés sur
l'expérimentation de systèmes réels, mentionnées
précédemment.
▪ L’incompatibilité de l'échelle de temps de la
dynamique du système avec celle de
l'expérimentateur. Par exemple, il faut des millions
années pour observer les petites variations dans le
développement de l'univers, alors que des
changements similaires peuvent être rapidement
▪ Les variables peuvent être inaccessibles. Dans une
simulation toutes les variables peuvent être
étudiées et contrôlées, même celles qui ne sont pas
accessibles dans le système réel.
▪ La Manipulation aisée de modèles. En utilisant la
simulation, il est facile de manipuler les
paramètres d'un modèle du système, même en
dehors de la gamme possible des paramètres d'un
système physique particulier. Par exemple, la
masse d'un corps dans un modèle de simulation
par ordinateur peut passer de 40 à 500 kg en une
touche, alors que ce changement pourrait être
▪ La suppression des perturbations. Dans la
simulation d'un modèle, il est possible de
supprimer les perturbations qui pourraient être
inévitables dans les mesures du système réel. Cela
peut nous permettre d'isoler des effets particuliers
et ainsi acquérir une meilleure compréhension de
ces effets.
▪ La suppression des effets de second ordre.
Souvent, les simulations sont effectuées car elles
permettent la suppression des effets de second
ordre tels que les petites non-linéarités ou autres
détails de certains composants du système, ceci
 2.3.4 Dangers de la simulation
• Tomber amoureux d'un modèle - l'effet
Pygmalion1. Il est facile de devenir trop
enthousiaste au sujet d'un modèle et d'oublier
tout au sujet du cadre expérimental, à savoir que
le modèle n'est pas le monde réel, mais ne
représente que le système réel sous certaines
conditions. Un exemple est l'introduction de
renards sur le continent australien pour résoudre
au problème des lapins, sur l'hypothèse de
modèle que les renards chassent les lapins, ce
• Forcer la réalité dans les contraintes
d'un modèle - l'effet Procuste2 (the
Procrustes effect). Un exemple est la mise
en forme de nos sociétés actuelles par les
théories économiques à la mode en ayant
une vue simplifiée de la réalité, et en
ignorant d'autres aspects importants du
comportement humain, de la société et de
la nature.
• Un exemple est la mise Oublier le niveau
de précision du modèle. Tous les modèles
ont des hypothèses simplificatrices, et
nous devons être conscients de celles-ci
pour interpréter correctement les résultats.