Savoir et comprendre

Des outils à réserver aux utilisateurs avertis

30/07/2012

La modélisation
 

De nature complexe, la modélisation présente autant de promesses de vraisemblance que de risques d’erreurs importantes quant aux résultats obtenus. C’est pourquoi l’utilisation des codes de calcul reste une affaire d’experts.
 

Développés pour donner une représentation de la réalité, par essence imparfaite, les logiciels scientifiques sont tout sauf des boîtes noires qui génèrent des résultats indiscutables. Leur construction procède d’une longue suite d’approximations, qui ne sont pas sans conséquence. Leur bonne utilisation exige des compétences particulières. « Tout code de calcul peut donner de bons ou de mauvais résultats, selon l’usage qui en est fait. C’est un peu comme une formule 1, qui peut aller très vite, mais est susceptible de sortir de piste si elle n’est pas bien pilotée », compare Giovanni Bruna, directeur scientifique de l’IRSN.
 

Des domaines d’application ciblés

 

Les fantômes voxelisés (a1 et a2) issus d’images médicales du patient sont plus réalistes et détaillés que les modèles réalisésUn point primordial est à prendre en compte : chaque modèle informatique, et a fortiori chaque logiciel, n’est validé que pour un domaine d’application précis.  C’est l’expérimentation qui fait office de « juge de paix ». Quand cette dernière a été mise en œuvre sur une certaine gamme de températures, la validation est reconnue dans cette fourchette. Il en est de même pour tous les autres paramètres, tels que la pression ou les matériaux utilisés. L’extrapolation d’un logiciel hors du domaine de validation est par conséquent très risquée, car source possible de conclusions erronées.
 

Plus le logiciel est complexe, plus il permet de toucher la réalité de près, mais plus il nécessite, aussi, un usage averti. « Il faut déjà tout un savoir-faire pour trouver les paramètres qui décriront avec justesse le système à modéliser », souligne Richard Gonzalez, spécialiste des logiciels scientifiques à l’IRSN.
 

 

L’analyse critique, essentielle
 

Interpréter les résultats requiert également un haut niveau d’expertise, ne serait-ce que pour vérifier la pertinence physique des simulations de configurations non étudiées expérimentalement. « Même quand on reste dans le domaine de la validation, l’analyse critique est essentielle », insiste l’ingénieur. « Car si l’expérimentation est là pour valider le logiciel, il faut bien avoir en tête qu’elle aussi présente des limites. Elle est en général une simulation de la réalité, et non la réalité à proprement parler. »
 

C’est pour cela que des expériences sont parfois conduites en doublon, par exemple entre l’IRSN et le NIRS (National Institute of Radiological Sciences), son homologue japonais, sur les accidents de réactivité. « En comparant les résultats obtenus, on identifie plus facilement les biais expérimentaux, comme une instrumentation qui aura perturbé le phénomène physique étudié », explique François Barré, chargé des programmes de recherche liés au combustible à l’IRSN. 
 

Le regard critique des experts se construit également grâce aux analyses d’incertitude et de sensibilité, qui quantifient l’impact sur les résultats de la simulation de l’incertitude associée à chaque modèle élémentaire. « Connaître les limites de son outil de travail, c’est la première étape vers une bonne utilisation de ce dernier », conclut Giovanni Bruna.  

 

 

Un processus d’amélioration sans fin 
 

Jamais parfait, un modèle est amélioré pas à pas, grâce à l’expérimentation. Les expériences intégrales, réalisées à l’échelle réelle, identifient de nouveaux phénomènes.
 

« Celles menées dans le réacteur Cabri ont révélé que les gaines de combustible étaient fragilisées par l’hydrogène, phénomène que nous n’avions pas pris en compte dans les modèles », illustre François Barré, chargé des programmes liés au combustible à l’IRSN. Les expériences analytiques, qui prennent les phénomènes isolément, approfondissent la connaissance.
 

Mais lesquels étudier en priorité ? « Des experts internationaux les hiérarchisent en fonction du poids relatif aux incertitudes attachées à la représentation de ces phénomènes dans le modèle. Il est inutile d’étudier avec précision un phénomène s’il influe peu sur le résultat final. »
 

L’amélioration d’un modèle est attestée par un meilleur accord entre le calcul et les expériences mettant en jeu le modèle. Elle bénéficie du progrès des calculateurs et de l’instrumentation, « qui permettent d’être plus précis, tout en gardant des temps de calcul raisonnables. Il y a dix ans, un crayon combustible était divisé en 1 000 mailles. Aujourd’hui, il est possible d’aller jusqu’à 100 millions de mailles. »
 

 

Pour en savoir plus :