Écart entre modèle et réel : cours de Première SI

En Sciences de l'ingénieur, tu ne construis pas toujours un système avant de savoir s'il va fonctionner. Tu le modélises, tu simules son comportement, puis tu compares avec ce que donne le système réel, ou avec ce que le cahier des charges exige. Dans cette comparaison, un fait revient toujours : le résultat de la simulation n'est jamais exactement la mesure. Cette différence s'appelle l'écart.

Ce chapitre vient après celui sur les mesures et l'instrumentation : tu sais déjà qu'une mesure s'obtient avec un capteur et qu'elle n'est pas parfaite. Il prépare le chapitre sur la simulation numérique, où l'on fait tourner les modèles par ordinateur.

Le référentiel de la spécialité formule explicitement cette attente : il s'agit de rechercher et proposer des causes aux écarts de performances constatés, puis de valider les modèles établis pour décrire le comportement d'un objet ³. Une autre compétence attendue demande de mesurer à quel point le modèle s'éloigne de l'objet réel dans son comportement ¹. Retiens donc que comparer, chiffrer, expliquer et conclure forment un seul geste, qu'on te demandera de refaire dans chaque activité de simulation.

Pour comprendre l'écart, il faut bien distinguer trois choses.

• Le système réel : l'objet physique, avec ses défauts de fabrication, ses frottements, son vieillissement et son environnement.
• Le modèle : une description mathématique ou informatique de ce système, volontairement simplifiée. On ne garde que ce qui influence le comportement étudié.
• La mesure : une valeur lue sur le système réel grâce à un capteur, avec sa propre incertitude.

Un exemple très classique en physique-chimie montre bien la logique. Aucun gaz, qu'il soit naturel ou fabriqué, n'est un gaz parfait : celui-ci reste une construction théorique ⁵. Pour décrire correctement un gaz réel, on ajoute au modèle du gaz parfait des termes correctifs qui tiennent compte des interactions entre molécules et de leur volume ⁵. Les différences de propriétés entre gaz réel et gaz parfait portent même un nom : les grandeurs résiduelles ⁵. Le modèle simple n'est donc pas « faux » : il est suffisant dans une certaine zone, et les corrections servent à réduire l'écart au-delà.

Comparer « à l'œil » deux courbes ne suffit pas. On choisit des indicateurs de performance lisibles à la fois sur la mesure et sur la simulation, puis on calcule la différence pour chacun. Les activités de simulation proposées aux élèves demandent par exemple de lancer la simulation, de déterminer le temps de réponse et l'écart statique, puis de conclure ¹. Une autre demande de comparer un temps mesuré avec celui de la simulation et de commenter les écarts ¹.

Certains indicateurs se calculent aussi à partir d'un bloc de calcul ajouté au modèle. Dans une activité de régulation de température, on a ainsi rajouté au modèle un capteur de puissance et un bloc intégrateur pour calculer l'énergie consommée ¹. L'énergie est l'intégrale de la puissance au cours du temps, donc comparer l'énergie simulée à l'énergie mesurée est un excellent test de cohérence globale du modèle.

Trouver un écart ne suffit pas : le référentiel demande d'en rechercher les causes ³. Pour t'y retrouver, classe les causes possibles par familles.

Le cas du maillage. Quand on simule une pièce mécanique par éléments finis, on adapte d'abord la géométrie à la simulation, puis on la découpe en un maillage ⁴. Le découpage lui-même crée un écart : le référentiel parle d'estimer l'écart dû à la discrétisation par éléments finis ⁴, et il demande un choix raisonné du degré de complexité du modèle ⁴. Plus le maillage est fin, plus le calcul est précis en général, mais plus il est long. Il faut donc trouver un compromis, et c'est justement un choix à justifier.

Le cas du gaz. Le comportement d'un gaz réel se rapproche du modèle du gaz parfait aux basses pressions, lorsque les molécules sont assez éloignées pour que leur volume soit négligeable ⁵. On l'observe aussi aux hautes températures ⁵. À forte pression, le gaz réel s'écarte notablement du modèle simple ⁵. L'écart dépend donc des conditions d'utilisation. Cela introduit la notion de domaine de validité, que tu verras plus bas.

Le cas de l'apprentissage automatique. Les modèles utilisés en intelligence artificielle ne font pas exception. Un modèle du monde corrige ses paramètres afin de rapprocher ses prédictions de ce qui est réellement observé ⁶. Il peut aussi reprendre à son compte les biais contenus dans les données d'entraînement, ce qui peut conduire à des décisions inadaptées ⁶. L'écart n'a donc pas toujours une origine « physique » : la qualité des données compte aussi.

Quand un écart est trop grand, on ne jette pas le modèle : on le corrige. Les activités proposées invitent à retoucher les paramètres du modèle jusqu'à ce que les exigences du cahier des charges soient satisfaites ¹. La finalité est de valider un modèle numérique de l'objet simulé ¹.

Ajuster les paramètres, ce que les spécialistes appellent le recalage, doit rester raisonné. Si tu modifies une valeur au hasard jusqu'à ce que la courbe « colle », tu risques d'obtenir un modèle qui ne marche que pour cet essai. Une bonne pratique consiste à recaler sur un essai, puis à vérifier sur un autre essai différent (autre consigne, autre charge). Si l'écart reste faible sur le deuxième essai, la confiance dans le modèle augmente.

Ce principe se retrouve dans des domaines très variés. Avec un modèle du monde utilisé en robotique, l'agent peut comparer l'effet de plusieurs enchaînements d'actions en simulation, avant d'agir concrètement ⁶. Cette façon d'anticiper sert surtout quand tester pour de vrai coûterait cher, présenterait un danger ou prendrait trop de temps ⁶. Mais l'intérêt dépend entièrement de la qualité du modèle : plus l'écart avec le réel est faible, plus les décisions prises « en simulation » sont fiables.

Le gaz parfait illustre cette idée. Le modèle suppose un facteur de compressibilité constant, ce qui n'est pas réaliste ⁵. Il ne permet pas non plus de prévoir la liquéfaction du gaz ⁵. Son domaine d'application est donc limité ⁵. Cela ne l'empêche pas d'être très utile : dans son domaine, il simplifie énormément les calculs.

En ingénierie, on raisonne de la même façon. Un modèle de moteur établi pour un fonctionnement à vide ne dit rien sur le comportement sous forte charge. Un modèle thermique établi avec une température extérieure de 20 °C n'est pas fiable à −10 °C. Avant d'utiliser une simulation pour décider, demande-toi toujours : dans quelles conditions ai-je validé ce modèle ?

En devoir ou en activité, on te demande souvent de « conclure » ou de « commenter les écarts » ¹. Une bonne conclusion contient toujours ces éléments : la valeur de l'écart, la comparaison à un critère, une cause probable et une décision.