MODÉLISER
Simulation, SIG, jumeaux numériques et scénarios
De la mesure du réel à l’exploration des futurs possibles : comprendre, simuler, anticiper et concevoir les systèmes de demain
MODÉLISER constitue la troisième des dix grandes familles intellectuelles de DEMETER-FB.
Après COMPRENDRE, puis MESURER, une nouvelle question apparaît naturellement :
Si nous comprenons le système et si nous disposons de données sur son fonctionnement réel, pouvons-nous représenter son comportement et explorer ce qui pourrait se produire demain ?
C’est précisément le rôle de la modélisation.
Mesurer permet de décrire une réalité.
Modéliser permet d’en construire une représentation.
Simuler permet d’explorer des comportements possibles.
Scénariser permet de comparer plusieurs futurs.
Le modèle devient alors une interface entre :
le réel,
la connaissance,
la donnée,
l’ingénierie,
l’intelligence artificielle,
la décision
et
l’avenir.
Dans une époque caractérisée par le changement climatique, la transformation énergétique, l’évolution technologique, l’intelligence artificielle, les tensions économiques, les nouvelles dépendances et l’accélération des cycles d’innovation, la capacité à modéliser devient progressivement une compétence stratégique.
Car nous ne pouvons pas expérimenter directement toutes les possibilités.
Nous ne pouvons pas construire dix usines différentes pour choisir la meilleure.
Nous ne pouvons pas attendre vingt ans pour connaître les conséquences d’une stratégie climatique.
Nous ne pouvons pas modifier simultanément dix configurations d’un réseau hydraulique réel.
Nous ne pouvons pas toujours tester directement toutes les architectures énergétiques possibles.
Nous avons donc besoin d’un espace intermédiaire :
le modèle.
1. MODÉLISER : REPRÉSENTER LE RÉEL POUR POUVOIR L’EXPLORER
Un modèle est une représentation simplifiée d’un système réel.
Cette définition est essentielle.
Un modèle n’est pas la réalité.
Il sélectionne certains éléments de la réalité afin de répondre à une question donnée.
Un modèle hydraulique ne représente pas nécessairement toute une usine.
Un modèle thermique ne représente pas nécessairement toute la vie d’un bâtiment.
Un modèle agronomique ne représente pas l’intégralité d’un écosystème.
Un modèle économique ne représente pas toute la psychologie humaine.
Un modèle climatique ne représente pas chaque interaction microscopique de l’atmosphère.
Un modèle est donc toujours une abstraction.
La question n’est pas :
Le modèle représente-t-il toute la réalité ?
La question pertinente est :
Le modèle représente-t-il suffisamment bien la partie de la réalité qui nous intéresse pour prendre une meilleure décision ?
2. UN MODÈLE EST UNE QUESTION AVANT D’ÊTRE UN CALCUL
Une erreur fréquente consiste à commencer une modélisation par le logiciel.
On choisit une plateforme.
On construit une interface.
On importe des données.
On génère des graphiques.
Puis on cherche une question à laquelle le système pourrait répondre.
La démarche DEMETER-FB propose l’inverse.
Commencer par la question.
Par exemple :
Quel sera le besoin énergétique du bâtiment ?
Quel débit circulera dans le réseau ?
Quelle quantité d’eau sera disponible en été ?
Quel rendement pouvons-nous attendre ?
Comment évoluera le microclimat ?
Quel sera l’effet d’une haie ?
Que se passe-t-il si la pluie diminue ?
Quelle stratégie d’irrigation est la plus robuste ?
Quel équipement doit être installé ?
Quel investissement présente le meilleur rapport coût / performance / risque ?
Le modèle doit être construit pour répondre à une question.
3. DU MODÈLE MENTAL AU MODÈLE NUMÉRIQUE
Avant même les ordinateurs, l’être humain modélise.
Nous possédons tous des modèles mentaux.
Un conducteur sait intuitivement qu’une voiture lancée à grande vitesse ne s’arrête pas instantanément.
Un jardinier expérimenté sait qu’un sol couvert sèche généralement différemment d’un sol nu.
Un technicien sait qu’une vanne fermée modifie le fonctionnement d’un circuit.
Un ingénieur sait qu’une augmentation de débit entraîne certaines conséquences hydrauliques.
Un entrepreneur sait qu’une dépendance forte à un fournisseur augmente un risque.
Ces modèles mentaux sont issus :
- de l’expérience ;
- de l’observation ;
- de la formation ;
- de l’expérimentation ;
- de la transmission ;
- des erreurs ;
- de la répétition.
La modélisation numérique permet de formaliser progressivement ces connaissances.
4. FORMALISER CE QUE L’ON SAIT
Un modèle peut commencer très simplement.
Par exemple :
débit = volume / temps
Cette relation élémentaire constitue déjà un modèle.
Puis le système devient plus complexe.
On peut intégrer :
- pression ;
- diamètre ;
- longueur ;
- rugosité ;
- pertes de charge ;
- altitude ;
- température ;
- viscosité ;
- caractéristiques des équipements.
Le modèle devient alors plus détaillé.
Mais la complexité n’est pas automatiquement une amélioration.
Un modèle trop complexe peut devenir :
- difficile à comprendre ;
- difficile à calibrer ;
- coûteux ;
- fragile ;
- difficile à maintenir ;
- impossible à exploiter opérationnellement.
La sophistication doit donc toujours être proportionnée à la question.
5. MODÉLISER LE SIMPLE AVANT LE COMPLEXE
Une bonne architecture commence généralement par un modèle suffisamment simple pour être compris.
Puis elle évolue.
Modèle simple
↓
validation
↓
identification des limites
↓
ajout d’une variable
↓
validation
↓
nouvelle amélioration
Cette démarche permet d’éviter la création de modèles extrêmement complexes dont personne ne connaît réellement les limites.
La modélisation doit donc rester une discipline d’ingénierie.
6. LES DIFFÉRENTS TYPES DE MODÈLES
La modélisation peut prendre de nombreuses formes.
Modèle mathématique
Il utilise des équations, relations et fonctions.
Modèle physique
Il reproduit ou représente physiquement un phénomène.
Modèle numérique
Il utilise un calcul informatique pour reproduire le comportement d’un système.
Modèle géographique
Il représente les phénomènes dans l’espace.
Modèle hydraulique
Il représente les écoulements, pressions, débits et réseaux.
Modèle énergétique
Il représente les consommations, productions, transferts et stockages d’énergie.
Modèle climatique
Il représente les interactions atmosphériques, océaniques, terrestres et leurs évolutions.
Modèle biologique
Il représente des phénomènes liés au vivant.
Modèle économique
Il représente des flux financiers, coûts, revenus, investissements et scénarios.
Modèle comportemental
Il représente des réactions, habitudes ou comportements.
Dans les systèmes complexes, plusieurs modèles peuvent être combinés.
7. LE MODÈLE COMME LABORATOIRE VIRTUEL
L’un des intérêts majeurs de la modélisation est de créer un laboratoire virtuel.
Dans un laboratoire réel, nous pouvons modifier une variable.
Dans un modèle, nous pouvons faire de même.
Par exemple :
Que se passe-t-il si la température augmente de 2 °C ?
Que se passe-t-il si les précipitations diminuent ?
Que se passe-t-il si le débit augmente de 20 % ?
Que se passe-t-il si nous doublons le stockage ?
Que se passe-t-il si nous ajoutons une haie ?
Que se passe-t-il si nous changeons le matériau ?
Que se passe-t-il si le prix de l’énergie augmente ?
Que se passe-t-il si un fournisseur devient indisponible ?
Le modèle permet d’explorer ces hypothèses avant de les expérimenter dans le réel.
8. LA SIMULATION : EXPÉRIMENTER SANS DÉTRUIRE
La simulation est particulièrement intéressante lorsque l’expérimentation réelle est :
- coûteuse ;
- dangereuse ;
- longue ;
- difficile ;
- irréversible ;
- impossible à répéter.
Il est parfois préférable de simuler dix scénarios avant de réaliser un investissement.
La simulation permet de réduire certaines incertitudes.
Elle ne supprime pas le risque.
Mais elle permet de mieux l’explorer.
9. LA SIMULATION N’EST PAS LA PRÉDICTION ABSOLUE
Il est essentiel de distinguer simulation et prédiction certaine.
Une simulation dépend :
- des hypothèses ;
- des données ;
- du modèle ;
- des paramètres ;
- des conditions initiales ;
- des méthodes numériques ;
- des scénarios retenus.
Si les hypothèses sont fausses, le résultat peut être faux.
Une simulation très précise mathématiquement peut donc représenter incorrectement le réel.
C’est pourquoi :
la qualité d’une simulation dépend autant de la pertinence du modèle que de la puissance du calcul.
10. « GARBAGE IN, GARBAGE OUT »
Le principe est particulièrement important dans les systèmes numériques :
mauvaises données → mauvais modèle → mauvais résultat.
Une intelligence artificielle ne peut pas nécessairement corriger une donnée mal acquise.
Un jumeau numérique ne peut pas correctement représenter une installation dont les paramètres sont inconnus ou obsolètes.
Un modèle agricole ne peut pas parfaitement représenter un terrain dont les caractéristiques réelles ne sont jamais observées.
La chaîne doit donc rester :
COMPRENDRE → MESURER → MODÉLISER.
11. LE CALIBRAGE : CONFRONTER LE MODÈLE AU RÉEL
Un modèle ne doit pas seulement être construit.
Il doit être confronté au réel.
On dispose de :
mesures réelles
et
résultats simulés.
On compare.
Si les différences sont importantes, plusieurs possibilités existent :
- le modèle est incomplet ;
- un paramètre est incorrect ;
- une mesure est mauvaise ;
- une hypothèse est fausse ;
- un phénomène non pris en compte existe ;
- le système réel possède un comportement différent.
Cette confrontation permet de calibrer le modèle.
12. LE MODÈLE COMME OBJET VIVANT
Un modèle pertinent n’est pas nécessairement définitif.
Il évolue.
Une nouvelle mesure peut montrer une erreur.
Une nouvelle technologie peut introduire une variable.
Un changement climatique peut modifier certaines hypothèses.
Une modification de l’installation peut rendre certains paramètres obsolètes.
Le modèle doit donc être maintenu.
C’est particulièrement important dans les jumeaux numériques.
13. LES SIG : MODÉLISER L’ESPACE
Le SIG, ou système d’information géographique, ajoute une dimension essentielle :
l’espace.
De nombreux phénomènes ne peuvent pas être compris uniquement avec des données tabulaires.
Il faut savoir :
où se trouve quoi ?
Un terrain possède :
- une altitude ;
- une pente ;
- une orientation ;
- un sol ;
- une végétation ;
- des bâtiments ;
- des réseaux ;
- des chemins ;
- des cours d’eau ;
- des zones d’ombre ;
- des zones de ruissellement.
Le SIG permet de superposer ces informations.
14. LA CARTOGRAPHIE COMME OUTIL DE COMPRÉHENSION
Une carte peut révéler des relations invisibles dans un tableau.
Par exemple :
altitude
pente
orientation
occupation du sol
hydrologie
végétation
peuvent permettre de comprendre pourquoi certaines zones sont plus vulnérables à la sécheresse ou au ruissellement.
La cartographie devient donc un outil d’ingénierie.
15. MODÉLISER UN JARDIN
Dans la vision OMAKËYA, un jardin peut être modélisé comme un système.
On peut représenter :
- relief ;
- orientation ;
- bâtiments ;
- arbres ;
- haies ;
- mares ;
- fossés ;
- noues ;
- zones de culture ;
- zones d’ombre ;
- circulation de l’eau ;
- zones de stockage ;
- zones de production.
On peut alors étudier :
où l’eau arrive,
où elle s’écoule,
où elle s’infiltre,
où elle s’accumule,
où elle s’évapore,
où elle est utilisée par les plantes.
Le jardin devient un système hydrologique modélisable.
16. MODÉLISER LE MICROCLIMAT
Le microclimat constitue également un domaine majeur.
Un modèle peut intégrer :
- rayonnement solaire ;
- orientation ;
- végétation ;
- relief ;
- vent ;
- humidité ;
- présence d’eau ;
- bâtiments ;
- matériaux.
L’objectif n’est pas nécessairement de prédire chaque seconde.
Il peut être de comparer des configurations.
Par exemple :
terrain nu
versus
terrain arboré.
sol nu
versus
sol couvert.
absence de mare
versus
présence d’une masse d’eau.
haie basse
versus
haie haute.
La modélisation devient alors un outil de conception agroclimatique.
17. MODÉLISER L’EAU
L’eau constitue un domaine privilégié pour la modélisation.
Un système hydrologique peut être représenté par :
précipitations
↓
ruissellement
↓
infiltration
↓
stockage
↓
évaporation
↓
transpiration
↓
consommation
La modélisation permet de tester différentes configurations.
Que se passe-t-il si la pluie est plus intense ?
Que se passe-t-il si le sol est plus compact ?
Que se passe-t-il si une noue est ajoutée ?
Que se passe-t-il si la capacité de stockage augmente ?
Que se passe-t-il pendant une période de sécheresse ?
Ces scénarios deviennent essentiels dans une stratégie de résilience hydrique.
18. MODÉLISER LES RÉSEAUX HYDRAULIQUES
En ingénierie hydraulique, la modélisation permet d’étudier :
- débits ;
- pressions ;
- pertes de charge ;
- régimes d’écoulement ;
- pompes ;
- vannes ;
- réseaux ;
- réservoirs ;
- échangeurs ;
- conditions transitoires selon les besoins.
Avant de modifier une installation, il peut être utile de simuler plusieurs configurations.
On peut alors comparer :
diamètre A
avec
diamètre B.
Ou :
pompe A
avec
pompe B.
Ou :
architecture 1
avec
architecture 2.
La simulation devient un outil d’aide au dimensionnement.
19. MODÉLISER L’ÉNERGIE
Les systèmes énergétiques sont particulièrement adaptés à la modélisation.
Une installation peut être représentée sous forme de flux :
production
→ conversion
→ stockage
→ distribution
→ consommation
→ pertes.
On peut alors étudier différents scénarios.
Photovoltaïque.
Stockage.
Pompe à chaleur.
Réseau.
Isolation.
Pilotage.
Autoconsommation.
Effacement.
Le modèle permet d’étudier les interactions.
20. MODÉLISER UN BÂTIMENT
Un bâtiment peut être considéré comme un système thermodynamique.
Il possède :
- enveloppe ;
- inertie ;
- vitrages ;
- orientation ;
- protections solaires ;
- ventilation ;
- chauffage ;
- refroidissement ;
- occupation ;
- apports internes ;
- apports solaires.
Un modèle thermique permet de comparer différentes stratégies.
Isolation.
Vitrage.
Ombrage.
Ventilation.
Inertie.
Production énergétique.
Pilotage.
Le bâtiment peut ainsi être étudié avant sa construction ou sa rénovation.
21. MODÉLISER UNE INSTALLATION INDUSTRIELLE
Une installation industrielle peut être beaucoup plus complexe.
Elle comprend :
- fluides ;
- énergie ;
- équipements ;
- automatismes ;
- production ;
- maintenance ;
- contraintes de sécurité ;
- personnel ;
- fournisseurs.
La modélisation peut permettre d’étudier :
- capacité ;
- consommation ;
- flux ;
- goulets d’étranglement ;
- disponibilité ;
- maintenance ;
- scénarios de production.
Elle devient alors un outil stratégique.
22. MODÉLISER LES FLUX
Une des approches fondamentales de DEMETER-FB consiste à identifier les flux.
Flux d’eau
Origine → stockage → distribution → usage → rejet.
Flux d’énergie
Production → conversion → stockage → usage → pertes.
Flux de matière
Approvisionnement → transformation → production → déchets.
Flux d’information
Capteurs → données → analyse → décision → commande.
Flux financier
Investissement → fonctionnement → revenus → dépenses → retour.
Flux de biomasse
Sol → plante → animal → matière organique → sol.
Flux de compétences
Apprentissage → expérience → savoir-faire → transmission.
Modéliser ces flux permet de comprendre les dépendances.
23. MODÉLISER POUR IDENTIFIER LES DÉPENDANCES
Un système semble parfois autonome alors qu’il dépend fortement d’éléments externes.
Une maison peut produire son électricité mais dépendre du réseau pour certains équipements.
Une exploitation peut produire sa nourriture mais dépendre d’engrais, de carburant ou de pièces détachées.
Une entreprise peut avoir plusieurs fournisseurs mais dépendre d’un composant unique.
La modélisation permet de représenter ces dépendances.
On peut alors chercher :
où sont les points critiques ?
24. MODÉLISER POUR IDENTIFIER LES GOULOTS D’ÉTRANGLEMENT
Dans un système complexe, une seule contrainte peut limiter l’ensemble.
Un tuyau trop petit.
Une pompe insuffisante.
Une batterie trop faible.
Une capacité de stockage trop faible.
Un personnel clé indisponible.
Une donnée absente.
Un fournisseur unique.
Une ressource hydrique limitée.
La modélisation permet de tester ces contraintes.
On peut alors chercher :
Quel élément limite réellement la performance globale ?
25. L’ANALYSE DE SENSIBILITÉ
Tous les paramètres n’ont pas la même importance.
Une variation de 1 % d’un paramètre peut avoir un effet minime.
Une variation de 1 % d’un autre peut modifier fortement le résultat.
L’analyse de sensibilité permet d’identifier :
- les paramètres critiques ;
- les variables secondaires ;
- les zones d’incertitude ;
- les leviers d’action.
Cette information est extrêmement précieuse pour la décision.
26. MODÉLISER L’INCERTITUDE
Le futur est incertain.
Les données peuvent être incomplètes.
La météo varie.
Les prix changent.
Les comportements évoluent.
Les technologies progressent.
Les réglementations se transforment.
Un modèle sérieux doit donc pouvoir intégrer plusieurs hypothèses.
Il ne doit pas uniquement produire :
un résultat.
Il doit parfois produire :
une plage de résultats.
Ou plusieurs scénarios.
27. LES SCÉNARIOS
Un scénario constitue une hypothèse cohérente concernant l’évolution d’un système.
Par exemple :
Scénario A — Continuité
Les conditions évoluent relativement peu.
Scénario B — Transition
Le système évolue progressivement.
Scénario C — Rupture
Un événement majeur modifie les conditions.
Scénario D — Stress
Plusieurs contraintes apparaissent simultanément.
Scénario E — Transformation
Une nouvelle technologie ou organisation modifie profondément le système.
La comparaison de ces scénarios permet de rechercher les solutions robustes.
28. LA ROBUSTESSE EST PLUS IMPORTANTE QUE L’OPTIMUM
Une solution optimale dans un scénario peut être mauvaise dans un autre.
Par exemple :
une installation très performante avec un prix énergétique faible peut devenir moins intéressante si le prix augmente fortement.
Une stratégie agricole optimisée pour une pluviométrie stable peut devenir fragile face à des sécheresses répétées.
Une entreprise dépendante d’un fournisseur peut être performante tant que la chaîne logistique fonctionne.
La modélisation permet donc de rechercher non seulement :
la meilleure solution
mais :
la solution qui reste acceptable dans plusieurs futurs possibles.
C’est la notion de robustesse.
29. MODÉLISER LE RISQUE
Un système peut être représenté selon :
probabilité
×
impact.
Mais dans les systèmes complexes, il faut également considérer :
- dépendances ;
- temps de réaction ;
- capacité de remplacement ;
- redondance ;
- réserves ;
- capacité d’adaptation.
La modélisation permet de tester des événements.
Que se passe-t-il si :
- l’électricité est indisponible ;
- l’eau manque ;
- un fournisseur disparaît ;
- une machine tombe en panne ;
- une récolte échoue ;
- les températures dépassent certaines limites ?
Ces simulations contribuent à construire la résilience.
30. LE JUMEAU NUMÉRIQUE : UNE NOUVELLE ÉTAPE
Le jumeau numérique peut être considéré comme une représentation numérique dynamique d’un système réel.
Il associe potentiellement :
système physique
capteurs
données
modèle
historique
simulation
analyse
décision.
Le système réel alimente le modèle.
Le modèle aide à interpréter le réel.
La simulation explore le futur.
La décision agit sur le réel.
La nouvelle mesure actualise le modèle.
Nous obtenons une boucle dynamique.
31. LE JUMEAU NUMÉRIQUE D’UNE USINE
Imaginons une usine.
Les capteurs remontent :
- température ;
- pression ;
- débit ;
- consommation ;
- vibrations ;
- état des équipements.
Le modèle connaît :
- caractéristiques ;
- historiques ;
- contraintes ;
- performances attendues.
Le système peut alors comparer :
comportement réel
et
comportement attendu.
Une dérive peut apparaître.
Le système peut alors générer une alerte.
L’ingénieur analyse.
La maintenance intervient.
Le système mesure à nouveau.
Le jumeau numérique devient progressivement une mémoire opérationnelle de l’installation.
32. LE JUMEAU NUMÉRIQUE D’UN BÂTIMENT
Pour un bâtiment, le même principe peut être appliqué.
Le système peut intégrer :
- plans ;
- surfaces ;
- matériaux ;
- équipements ;
- températures ;
- consommations ;
- occupation ;
- météo.
On peut alors simuler :
- rénovation ;
- isolation ;
- changement de chauffage ;
- protection solaire ;
- ventilation ;
- production énergétique.
Le bâtiment devient un système que l’on peut progressivement observer, comprendre et simuler.
33. LE JUMEAU NUMÉRIQUE D’UNE FERME
Dans une exploitation agricole, le jumeau numérique pourrait intégrer :
- parcelles ;
- sols ;
- cultures ;
- météo ;
- irrigation ;
- réserves d’eau ;
- machines ;
- rendements ;
- interventions ;
- données historiques.
On pourrait alors explorer :
Quel volume d’eau sera nécessaire ?
Quel scénario d’irrigation est le plus robuste ?
Quelle culture est la plus adaptée ?
Quelle conséquence d’une période sèche ?
Quel stockage supplémentaire serait pertinent ?
Le numérique devient alors une extension de la capacité d’observation du terrain.
34. LE JUMEAU NUMÉRIQUE OMAKËYA
Dans une vision OMAKËYA, il devient possible d’imaginer un jumeau numérique du jardin ou de l’exploitation.
Il pourrait représenter :
sol
→ eau
→ plantes
→ arbres
→ animaux
→ microclimat
→ production
→ énergie
→ ressources
→ interventions humaines.
L’objectif ne serait pas de remplacer le jardin réel.
Au contraire.
Le modèle servirait à mieux le comprendre.
35. LE NUMÉRIQUE AU SERVICE DU VIVANT
Cette approche est particulièrement importante.
La modélisation ne doit pas conduire à considérer le vivant comme une machine parfaitement prévisible.
Un écosystème est complexe.
Il possède des interactions.
Des rétroactions.
Des comportements non linéaires.
Des phénomènes émergents.
Une variabilité naturelle.
Le modèle doit donc être considéré comme une aide à la compréhension, pas comme une vérité absolue.
36. MODÉLISER LE VIVANT AVEC HUMILITÉ
La nature rappelle constamment les limites des modèles.
Une plante peut réagir différemment selon :
- son âge ;
- son historique ;
- son environnement ;
- ses interactions ;
- son état physiologique ;
- le sol ;
- la météo.
Deux parcelles apparemment identiques peuvent produire des résultats différents.
Le modèle doit donc rester connecté à l’observation.
C’est pourquoi la boucle OMAKËYA reste :
Observer → Comprendre → Mesurer → Modéliser → Concevoir → Expérimenter → Mesurer → Faire évoluer.
37. L’INTELLIGENCE ARTIFICIELLE COMME OUTIL DE MODÉLISATION
L’IA peut contribuer à la modélisation de plusieurs façons.
Elle peut aider à :
- identifier des relations ;
- détecter des anomalies ;
- classer des situations ;
- produire des estimations ;
- construire certains modèles prédictifs ;
- analyser des séries temporelles ;
- explorer de nombreux scénarios ;
- assister l’ingénieur.
Mais elle doit être intégrée dans une architecture plus large.
L’IA ne remplace pas :
la compréhension du phénomène,
la qualité des données,
les lois physiques,
l’expertise métier,
la validation expérimentale.
38. MODÈLES PHYSIQUES ET MODÈLES IA
Il existe une différence importante entre un modèle fondé sur des mécanismes connus et un modèle qui apprend des relations à partir de données.
Un modèle physique peut représenter explicitement certaines lois.
Un modèle IA peut identifier des relations complexes à partir de grandes quantités de données.
Les deux approches peuvent être complémentaires.
Le futur de l’ingénierie sera probablement de plus en plus hybride :
physique + données + IA + expertise humaine.
39. MODÉLISATION ET DÉCISION
La modélisation n’a pas pour objectif de produire de beaux graphiques.
Elle doit améliorer les décisions.
Un modèle est utile lorsqu’il permet de répondre à des questions telles que :
Quelle option choisir ?
Quel investissement prioriser ?
Quel risque accepter ?
Quelle configuration retenir ?
Quelle capacité installer ?
Quelle stratégie adopter ?
La modélisation devient alors un outil de stratégie.
40. MODÉLISER LES INVESTISSEMENTS
Avant un investissement, plusieurs scénarios peuvent être étudiés.
Investissement initial
→ coûts d’exploitation
→ maintenance
→ énergie
→ durée de vie
→ performance
→ valeur résiduelle.
On peut alors comparer le coût global.
Une solution moins chère à l’achat peut être plus coûteuse sur vingt ans.
Une solution plus chère peut être plus robuste.
La modélisation permet de sortir du seul prix d’achat.
41. MODÉLISER LE COÛT TOTAL
Une vision DEMETER-FB de l’ingénierie consiste à considérer :
CAPEX
OPEX
maintenance
énergie
risques
indisponibilité
fin de vie.
Le modèle économique peut alors compléter le modèle technique.
Cette approche permet une décision plus complète.
42. MODÉLISER LES COMPÉTENCES
La modélisation peut également s’appliquer aux compétences.
Une organisation possède :
- compétences ;
- personnes ;
- savoir-faire ;
- dépendances ;
- formations ;
- expériences.
On peut construire une cartographie.
Qui sait faire quoi ?
Quelles compétences sont critiques ?
Que se passe-t-il si une personne quitte l’entreprise ?
Quelles compétences faut-il transmettre ?
Quels apprentissages sont prioritaires ?
Le modèle devient un outil de gestion des connaissances.
43. MODÉLISER POUR APPRENDRE
La simulation permet également d’apprendre sans attendre les conséquences réelles.
Un ingénieur peut tester.
Un étudiant peut expérimenter.
Un technicien peut comparer.
Un agriculteur peut explorer.
Un dirigeant peut scénariser.
L’erreur virtuelle peut devenir une source d’apprentissage beaucoup moins coûteuse que l’erreur réelle.
Mais cette expérience virtuelle doit ensuite être confrontée au réel.
44. LA BOUCLE DU LABORATOIRE DU FUTUR
Une architecture particulièrement puissante peut être définie ainsi :
HYPOTHÈSE
↓
MODÈLE
↓
SIMULATION
↓
SCÉNARIO
↓
EXPÉRIMENTATION RÉELLE
↓
MESURE
↓
COMPARAISON
↓
CORRECTION DU MODÈLE
↓
NOUVELLE SIMULATION
Cette boucle transforme l’expérience en apprentissage permanent.
45. MODÉLISER AVANT DE CONSTRUIRE
Le principe :
Construire virtuellement avant de construire physiquement.
ne signifie pas que tout doit être entièrement simulé.
Il signifie que les décisions importantes peuvent être préalablement testées lorsque cela est pertinent.
Architecture.
Hydraulique.
Énergie.
Production.
Stockage.
Automatisation.
Agriculture.
Territoire.
La simulation peut réduire certaines erreurs de conception.
46. LE BIM, LES SIG ET LES JUMEAUX NUMÉRIQUES
Les technologies numériques deviennent progressivement interconnectées.
Le BIM peut représenter le bâtiment.
Le SIG représente le territoire.
Les capteurs fournissent les données.
L’IoT connecte les objets.
Le modèle énergétique représente les consommations.
Le jumeau numérique relie ces dimensions.
On peut alors imaginer :
bâtiment
dans
parcelle
dans
quartier
dans
ville
dans
territoire.
Les échelles deviennent connectées.
47. CHANGER D’ÉCHELLE
Un système peut être étudié à différentes échelles.
Échelle microscopique
Une plante.
Un capteur.
Une vanne.
Une racine.
Échelle locale
Un jardin.
Une maison.
Une machine.
Échelle intermédiaire
Une ferme.
Une usine.
Un quartier.
Grande échelle
Une ville.
Un bassin versant.
Un territoire.
Très grande échelle
Une région.
Un pays.
Le climat mondial.
La modélisation permet de relier ces niveaux.
48. LE PROBLÈME DES ÉCHELLES
Un phénomène observable à une échelle peut disparaître à une autre.
Une solution excellente pour une maison peut être impossible à appliquer à une ville.
Une stratégie pertinente sur un hectare peut être économiquement impossible sur mille hectares.
Un modèle local peut ne pas être extrapolable.
La modélisation doit donc toujours préciser :
à quelle échelle ?
pour quelle période ?
pour quel système ?
avec quelles hypothèses ?
49. MODÉLISER LE TEMPS
La modélisation possède également une dimension temporelle.
On peut étudier :
- seconde ;
- minute ;
- heure ;
- journée ;
- saison ;
- année ;
- décennie ;
- siècle.
Une pompe et un climat ne se modélisent pas avec la même échelle temporelle.
Une installation industrielle peut nécessiter une analyse très rapide.
Un arbre nécessite des années.
Un territoire peut nécessiter des décennies.
Le modèle doit donc être adapté à la dynamique du phénomène.
50. MODÉLISER 2050–2100
La prospective constitue une extension naturelle de la modélisation.
Il ne s’agit pas de prétendre connaître précisément 2050 ou 2100.
Il s’agit de construire des scénarios.
Que se passe-t-il si :
- les températures augmentent ;
- les sécheresses deviennent plus fréquentes ;
- les précipitations deviennent plus irrégulières ;
- les vagues de chaleur augmentent ;
- certaines ressources deviennent plus coûteuses ;
- les technologies évoluent ;
- l’IA transforme le travail ;
- l’énergie change de structure ?
La question devient :
Comment concevoir aujourd’hui des systèmes capables de fonctionner dans plusieurs futurs possibles ?
51. LA MODÉLISATION COMME OUTIL DE RÉSILIENCE
Une stratégie résiliente ne cherche pas uniquement à optimiser le présent.
Elle cherche à préparer plusieurs futurs.
La modélisation permet d’identifier :
- les fragilités ;
- les dépendances ;
- les seuils ;
- les marges de sécurité ;
- les réserves ;
- les redondances ;
- les possibilités d’adaptation.
La simulation devient ainsi un outil de résilience.
52. LES SEUILS ET LES POINTS DE RUPTURE
Les systèmes ne réagissent pas toujours progressivement.
Une petite variation peut parfois n’avoir presque aucun effet.
Puis un seuil est franchi.
Le comportement change.
Exemples possibles :
réserve d’eau → seuil critique
température → seuil de confort
charge machine → seuil de fonctionnement
stock → seuil de rupture
sol → seuil de dessiccation
trésorerie → seuil critique.
La modélisation permet de rechercher ces seuils.
53. MODÉLISER LES INTERACTIONS
Les systèmes complexes deviennent difficiles lorsque plusieurs variables interagissent.
Par exemple :
température
influence
évaporation
qui influence
humidité du sol
qui influence
stress végétal
qui influence
croissance
qui influence
production.
Une variable agit donc indirectement sur plusieurs autres.
La modélisation permet de représenter ces chaînes d’interaction.
54. LES RÉTROACTIONS
Certaines interactions sont circulaires.
Par exemple :
plus de végétation
→ plus d’ombrage
→ modification du microclimat
→ modification de l’humidité
→ modification de la végétation.
Ou :
plus de consommation
→ plus de coût
→ moins de capacité d’investissement
→ équipements moins performants
→ consommation plus élevée.
Ces boucles peuvent être positives ou négatives.
Les identifier constitue une compétence fondamentale de la pensée systémique.
55. MODÉLISER POUR TROUVER LES LEVIERS
Dans un système complexe, nous ne pouvons pas tout modifier.
Il faut donc identifier les leviers.
Quel changement produit le plus d’effet ?
Une petite modification peut parfois produire une grande amélioration.
Par exemple :
- modifier une consigne ;
- améliorer une isolation ;
- déplacer un capteur ;
- modifier un stockage ;
- changer une stratégie d’irrigation ;
- réduire une dépendance ;
- améliorer une donnée.
La modélisation peut aider à rechercher ces points de levier.
56. LE MODÈLE COMME OUTIL DE CONCEPTION
La modélisation ne sert donc pas seulement à prévoir.
Elle sert à concevoir.
On peut générer plusieurs architectures.
Les comparer.
Les évaluer.
Les optimiser.
Puis sélectionner.
La séquence devient :
comprendre
→ mesurer
→ modéliser
→ concevoir
→ construire
→ mesurer
→ corriger.
57. MODÉLISER POUR OPTIMISER
L’optimisation cherche généralement à trouver une meilleure combinaison de paramètres selon un objectif.
Mais il faut toujours préciser :
meilleure pour quoi ?
Moins cher ?
Plus performant ?
Plus robuste ?
Plus autonome ?
Plus écologique ?
Plus confortable ?
Plus simple ?
Plus durable ?
La véritable optimisation est donc multi-critère.
58. L’OPTIMISATION MULTICRITÈRE
Dans les systèmes réels, les objectifs peuvent entrer en contradiction.
Par exemple :
coût faible
contre
durée de vie élevée.
performance élevée
contre
simplicité.
autonomie maximale
contre
investissement minimal.
production élevée
contre
consommation d’eau faible.
Le modèle permet de comparer ces arbitrages.
La décision finale reste humaine.
59. LE RISQUE DE LA FAUSSE PRÉCISION
Un modèle numérique peut produire :
12,347 %
ou
37,8214 unités.
Mais cette précision apparente ne signifie pas nécessairement que le résultat est réellement connu avec cette précision.
La présentation numérique ne doit pas être confondue avec la connaissance réelle.
La modélisation doit donc toujours conserver une culture de l’incertitude.
60. LE MODÈLE DOIT POUVOIR DIRE « JE NE SAIS PAS »
Une véritable intelligence ne consiste pas à toujours produire une réponse.
Elle consiste aussi à identifier les situations où les données ou le modèle sont insuffisants.
Un modèle sérieux doit pouvoir signaler :
domaine de validité dépassé
donnée manquante
incertitude trop importante
scénario non représenté
résultat peu fiable.
Cette capacité est essentielle dans les systèmes critiques.
61. L’HUMAIN ET LE MODÈLE
Le modèle ne doit pas devenir une autorité absolue.
Il constitue un outil.
L’ingénieur doit pouvoir questionner le résultat.
Le technicien doit pouvoir confronter la simulation au terrain.
L’agriculteur doit pouvoir comparer le scénario au comportement réel de ses parcelles.
Le dirigeant doit pouvoir intégrer des éléments non quantifiables.
L’humain conserve donc le rôle d’interprétation et de décision.
62. L’INTUITION ET LA MODÉLISATION
L’intuition n’est pas l’opposé du modèle.
Une personne expérimentée possède souvent un modèle mental extrêmement riche.
La modélisation peut rendre cette expérience plus explicite.
Elle permet de :
- documenter ;
- transmettre ;
- comparer ;
- tester ;
- simuler ;
- améliorer.
Le modèle devient alors un outil de transmission du savoir-faire.
63. MODÉLISER POUR TRANSMETTRE
Un savoir-faire qui reste uniquement dans la tête d’une personne est fragile.
Un modèle peut contribuer à le formaliser.
Par exemple :
conditions
→ décision
→ action
→ résultat attendu.
Cela permet de transformer une partie de l’expérience en connaissance transmissible.
La modélisation devient alors un outil de formation.
64. MODÉLISER POUR APPRENDRE
Dans la formation, les simulations peuvent permettre de tester :
« Que feriez-vous dans cette situation ? »
Puis :
« Que se passe-t-il si vous choisissez cette option ? »
Cette approche transforme l’apprentissage.
L’apprenant ne reçoit plus uniquement une information.
Il expérimente.
Il observe les conséquences.
Il corrige.
Il recommence.
La simulation devient un espace d’apprentissage actif.
65. LE LIEN AVEC APONA-MFB
Dans l’écosystème DEMETER-FB, cette logique ouvre naturellement vers la formation.
Une connaissance peut devenir :
cours
→ modèle
→ simulation
→ cas pratique
→ exercice
→ expérimentation
→ retour d’expérience.
La formation ne transmet alors plus seulement des informations.
Elle apprend à raisonner sur des systèmes.
66. MODÉLISER POUR L’ENTREPRISE
Une entreprise peut progressivement construire ses propres modèles.
Modèle de consommation.
Modèle de production.
Modèle de maintenance.
Modèle de trésorerie.
Modèle de compétence.
Modèle de risque.
Modèle de dépendance.
Modèle de croissance.
Cette capacité permet de passer d’une gestion uniquement réactive à une gestion davantage prospective.
67. MODÉLISER POUR L’AUTONOMIE
L’autonomie peut elle aussi être modélisée.
Prenons l’autonomie énergétique.
Il faut représenter :
production
consommation
stockage
puissance
saisonnalité
réserve
besoins exceptionnels.
Le modèle permet de répondre :
Combien de temps le système peut-il fonctionner sans apport extérieur ?
C’est une définition beaucoup plus opérationnelle de l’autonomie.
68. MODÉLISER LES DÉPENDANCES
La même démarche peut être appliquée à une entreprise.
On peut construire une matrice :
| Ressource | Dépendance | Alternative | Stockage | Risque |
|---|---|---|---|---|
| Énergie | élevée | partielle | oui | élevé |
| Eau | moyenne | oui | oui | moyen |
| Composant critique | élevée | faible | limité | très élevé |
| Compétence | forte | formation | non | élevé |
| Données | moyenne | partielle | oui | moyen |
La modélisation transforme alors une perception de dépendance en architecture de risque.
69. MODÉLISER LA RÉSILIENCE
Une organisation résiliente peut être étudiée selon :
ressources
redondance
stocks
compétences
alternatives
temps de réaction
capacité d’adaptation.
On peut simuler différents chocs.
La question n’est plus seulement :
Le système fonctionne-t-il normalement ?
Mais :
Que se passe-t-il lorsqu’il cesse de fonctionner normalement ?
70. MODÉLISER LES CRISES
Une simulation de crise peut porter sur :
- panne ;
- sécheresse ;
- inondation ;
- incendie ;
- rupture d’approvisionnement ;
- hausse brutale des prix ;
- cyberincident ;
- indisponibilité d’une compétence ;
- défaillance énergétique.
L’objectif n’est pas de prédire exactement la prochaine crise.
Il est d’identifier les faiblesses.
71. MODÉLISER POUR MIEUX DÉCIDER
La valeur ultime de la modélisation réside donc dans la décision.
Le modèle permet de poser :
Option A
Option B
Option C
Puis de comparer :
- coût ;
- performance ;
- risque ;
- autonomie ;
- robustesse ;
- maintenance ;
- impact environnemental ;
- évolutivité.
La décision devient plus explicite.
72. UNE ARCHITECTURE INTELLECTUELLE POUR DEMETER-FB
La troisième famille MODÉLISER s’intègre parfaitement dans l’architecture globale :
1. COMPRENDRE
Identifier les mécanismes.
↓
2. MESURER
Observer le réel.
↓
3. MODÉLISER
Représenter le système.
↓
4. DÉCIDER
Choisir entre plusieurs possibilités.
↓
5. CONCEVOIR
Transformer la décision en solution.
↓
6. CONSTRUIRE
Réaliser la solution.
↓
7. AUTONOMISER
Réduire les dépendances.
↓
8. RÉSISTER ET S’ADAPTER
Préparer les variations et les crises.
↓
9. APPRENDRE
Capitaliser l’expérience.
↓
10. ÉVOLUER
Améliorer et transformer.
La boucle recommence ensuite.
73. LES 12 QUESTIONS DE LA MODÉLISATION
Pour construire une modélisation réellement utile, DEMETER-FB peut proposer douze questions fondamentales :
1. Quel système cherchons-nous à représenter ?
2. Quelle question voulons-nous résoudre ?
3. Quelles variables sont réellement importantes ?
4. Quelles données possédons-nous ?
5. Quelles données nous manquent ?
6. Quelles hypothèses devons-nous formuler ?
7. Quelle échelle spatiale devons-nous utiliser ?
8. Quelle échelle temporelle devons-nous utiliser ?
9. Quel niveau de complexité est réellement nécessaire ?
10. Comment valider le modèle ?
11. Quels scénarios devons-nous tester ?
12. Quelle décision le modèle doit-il finalement permettre ?
Cette grille évite de transformer la modélisation en simple exercice informatique.
74. LE FUTUR : DES MODÈLES CONNECTÉS AU RÉEL
L’évolution la plus importante ne sera probablement pas seulement la création de modèles plus complexes.
Ce sera leur connexion permanente au réel.
Le modèle recevra des données.
Le réel sera comparé au modèle.
Les écarts seront détectés.
Les paramètres pourront être mis à jour.
De nouveaux scénarios pourront être calculés.
Les décisions pourront évoluer.
Nous passerons progressivement :
du modèle statique
au
modèle vivant.
75. VERS DES SYSTÈMES ADAPTATIFS
Un système adaptatif peut :
observer
→ comprendre
→ mesurer
→ modéliser
→ prévoir
→ agir
→ observer à nouveau.
Cette architecture correspond à une forme de boucle cybernétique.
Le système ne se contente plus d’exécuter une consigne fixe.
Il ajuste son comportement selon son environnement.
76. MODÉLISER LE MONDE DE DEMAIN
Le véritable enjeu de la modélisation ne consiste donc pas à prévoir exactement l’avenir.
Il consiste à être mieux préparé à plusieurs futurs.
Un jardin peut être conçu pour :
- plus de chaleur ;
- moins d’eau ;
- des pluies plus intenses ;
- des épisodes de gel tardif ;
- des vents plus forts.
Une maison peut être conçue pour :
- réduire les besoins ;
- supporter les canicules ;
- produire de l’énergie ;
- stocker de l’eau ;
- fonctionner avec davantage de sobriété.
Une entreprise peut être conçue pour :
- diversifier ses fournisseurs ;
- réduire ses dépendances ;
- automatiser certaines tâches ;
- développer les compétences ;
- renforcer sa résilience.
La modélisation devient alors un outil de préparation.
77. MODÉLISER N’EST PAS PRÉDIRE : C’EST PRÉPARER
Cette distinction mérite d’être répétée.
La prospective sérieuse ne consiste pas à dire :
« voici exactement ce qui arrivera en 2050 ».
Elle consiste plutôt à demander :
« voici plusieurs futurs plausibles ; comment pouvons-nous concevoir aujourd’hui un système capable de fonctionner dans chacun d’eux ? »
Cette approche est beaucoup plus robuste.
78. LA VISION OMAKËYA
OMAKËYA peut ainsi utiliser la modélisation pour passer :
du jardin observé
au
jardin compris
puis :
au jardin mesuré
puis :
au jardin modélisé
puis :
au jardin conçu
puis :
au jardin expérimenté
puis :
au jardin évolutif.
Le modèle devient une extension de l’observation.
79. LA VISION DEMETER-FB
DEMETER-FB peut progressivement construire une architecture dans laquelle les connaissances ne restent pas uniquement textuelles.
Un article peut conduire vers :
schéma
→ données
→ calculateur
→ modèle
→ simulation
→ cas pratique
→ expérience
→ formation
→ solution technique.
La connaissance devient interactive.
Elle ne se contente plus d’expliquer.
Elle permet d’explorer.
80. DU SITE INTERNET AU LABORATOIRE NUMÉRIQUE
C’est une évolution majeure.
Un site de connaissances classique dit :
« voici ce qu’il faut savoir ».
Un laboratoire numérique peut dire :
« voici ce qu’il faut savoir, voici les données, voici le modèle, essayez différents paramètres et observez les conséquences ».
Cette évolution peut profondément transformer l’apprentissage.
81. LES FUTURS ARTICLES DE LA FAMILLE MODÉLISER
La famille MODÉLISER peut naturellement donner naissance à une multitude d’articles spécialisés :
- Qu’est-ce qu’un modèle scientifique ?
- Comment construire un modèle simple ?
- Comment valider un modèle ?
- Modélisation hydraulique : principes fondamentaux.
- Modélisation énergétique des bâtiments.
- Modélisation des réseaux.
- Modélisation agroclimatique.
- SIG : comprendre les systèmes d’information géographique.
- Cartographier un jardin résilient.
- Cartographier les flux d’eau.
- Cartographier les îlots de chaleur.
- Jumeau numérique : définition et applications.
- Jumeau numérique industriel.
- Jumeau numérique d’un bâtiment.
- Jumeau numérique agricole.
- Jumeau numérique territorial.
- Simulation énergétique.
- Simulation hydraulique.
- Simulation climatique.
- Analyse de sensibilité.
- Analyse multicritère.
- Scénarios 2050.
- Scénarios 2100.
- Modélisation et intelligence artificielle.
- IA et modèles physiques.
- Modèles prédictifs.
- Modéliser l’autonomie énergétique.
- Modéliser l’autonomie hydrique.
- Modéliser la résilience.
- Modéliser les dépendances.
- Modéliser les risques.
- Modéliser les flux.
- Modéliser avant d’investir.
- Modéliser avant de construire.
- Construire un laboratoire numérique.
- Concevoir un système adaptatif.
Chaque sujet peut ensuite devenir un article spécialisé relié aux autres.
82. UNE ARCHITECTURE DE CONNAISSANCE EN PROFONDEUR
La force de DEMETER-FB réside précisément dans cette possibilité.
Un article général peut introduire une notion.
Un article spécialisé peut l’approfondir.
Un autre peut présenter la méthode.
Un autre peut présenter un calcul.
Un autre peut présenter un cas réel.
Un autre peut présenter une expérimentation.
Un autre peut présenter les équipements.
Un autre peut présenter les limites.
Un autre peut présenter les évolutions futures.
On obtient ainsi une architecture en profondeur.
83. MODÉLISER POUR RELIER LES DOMAINES
La modélisation devient également un langage transversal.
Un même principe peut être utilisé pour :
l’eau
l’énergie
la matière
l’information
l’argent
la biomasse
les compétences.
Cela rejoint directement la philosophie d’autonomie sphérique.
L’autonomie ne consiste pas à maîtriser un seul domaine.
Elle consiste à comprendre les interactions entre les domaines.
Et la modélisation permet précisément de représenter ces interactions.
84. DE L’AUTONOMIE 360° À L’AUTONOMIE SPHÉRIQUE
Une vision à 360° regarde autour de soi.
Une vision sphérique cherche à comprendre les relations dans toutes les directions et à plusieurs niveaux.
L’eau influence l’énergie.
L’énergie influence l’économie.
L’économie influence l’investissement.
L’investissement influence les équipements.
Les équipements influencent les consommations.
Les consommations influencent les dépendances.
Les dépendances influencent la résilience.
La résilience influence l’autonomie.
La modélisation permet de représenter cette sphère de relations.
85. LE MODÈLE COMME CARTE DES DÉPENDANCES
Une représentation particulièrement utile consiste à visualiser les dépendances.
Par exemple :
eau
→ irrigation
→ production
→ revenus
→ investissement
→ équipement
→ énergie
→ coût
→ autonomie.
Une perturbation sur l’eau peut donc se propager jusqu’à l’économie.
Cette vision systémique permet d’éviter les décisions trop isolées.
86. MODÉLISER AVANT DE DÉCIDER
Une bonne décision ne nécessite pas toujours un modèle complexe.
Mais lorsque les conséquences sont importantes, un modèle peut être extrêmement utile.
Il permet de :
- expliciter les hypothèses ;
- identifier les variables ;
- comparer les options ;
- mesurer les conséquences ;
- tester les risques ;
- visualiser les arbitrages.
La modélisation rend donc la décision plus transparente.
87. MODÉLISER POUR NE PLUS SUBIR
L’un des objectifs fondamentaux de DEMETER-FB est de développer une capacité d’anticipation.
Une personne qui comprend ses systèmes peut mieux agir.
Une entreprise qui connaît ses dépendances peut mieux se préparer.
Une ferme qui connaît son bilan hydrique peut mieux gérer ses réserves.
Un bâtiment qui connaît son comportement thermique peut mieux anticiper les canicules.
Un territoire qui connaît ses flux peut mieux préparer ses infrastructures.
La modélisation contribue donc à passer :
de la réaction
à
l’anticipation.
88. MODÉLISER POUR ÉVOLUER
Le modèle n’est jamais la fin.
Il constitue une étape.
Comprendre
→ mesurer
→ modéliser
→ décider
→ concevoir
→ construire
→ observer
→ corriger
→ apprendre
→ évoluer.
Le modèle permet donc de maintenir une boucle d’amélioration continue.
89. LES GRANDES RÈGLES DE LA MODÉLISATION
RÈGLE 1
Commencer par une question.
RÈGLE 2
Définir précisément le système.
RÈGLE 3
Identifier les variables réellement importantes.
RÈGLE 4
Utiliser des données suffisamment fiables.
RÈGLE 5
Rester conscient des hypothèses.
RÈGLE 6
Adapter la complexité à l’objectif.
RÈGLE 7
Comparer le modèle au réel.
RÈGLE 8
Tester plusieurs scénarios.
RÈGLE 9
Rechercher la robustesse plutôt que la seule optimisation.
RÈGLE 10
Utiliser le modèle pour améliorer une décision réelle.
90. LA TROISIÈME FAMILLE INTELLECTUELLE : MODÉLISER
Après :
COMPRENDRE
puis :
MESURER
vient :
MODÉLISER.
Comprendre nous permet d’identifier les mécanismes.
Mesurer nous permet de confronter nos hypothèses au réel.
Modéliser nous permet ensuite de construire une représentation exploitable du système.
Et cette représentation ouvre un nouvel espace :
celui des futurs possibles.
Modéliser, ce n’est pas chercher à remplacer la réalité par un ordinateur.
C’est chercher à mieux comprendre la réalité grâce à une représentation suffisamment pertinente pour pouvoir l’explorer.
Le modèle constitue un espace intermédiaire entre ce que nous connaissons et ce que nous voulons savoir.
Il permet de tester.
De comparer.
De simuler.
De prévoir.
D’anticiper.
De concevoir.
De transmettre.
D’apprendre.
Mais surtout, il permet de poser une question essentielle :
« Et si… ? »
Et si la température augmente ?
Et si la pluie diminue ?
Et si le prix de l’énergie double ?
Et si un fournisseur disparaît ?
Et si la consommation augmente ?
Et si nous ajoutons un stockage ?
Et si nous changeons la structure du réseau ?
Et si nous modifions l’architecture du bâtiment ?
Et si nous transformons le jardin ?
Et si nous plantons davantage d’arbres ?
Et si nous changeons notre stratégie ?
Le modèle permet de poser ces questions sans devoir immédiatement modifier le monde réel.
Mais la véritable intelligence ne consiste pas à rester dans la simulation.
Elle consiste à utiliser la simulation pour préparer l’action.
La chaîne complète devient donc :
COMPRENDRE → MESURER → MODÉLISER → EXPÉRIMENTER → MESURER → CORRIGER → APPRENDRE.
Et lorsque le modèle est connecté en permanence au réel, grâce aux capteurs, à l’IoT, aux SIG, aux bases de données et à l’intelligence artificielle, il peut progressivement devenir un jumeau numérique.
Le système réel évolue.
Les données remontent.
Le modèle s’actualise.
Les scénarios sont recalculés.
Les décisions évoluent.
Les actions transforment le système.
De nouvelles données apparaissent.
Le modèle apprend.
La boucle recommence.
C’est cette boucle qui ouvre la voie à une nouvelle forme d’ingénierie :
une ingénierie capable non seulement de construire des systèmes, mais de les observer, de les comprendre, de les simuler et de les faire évoluer continuellement.
Dans la vision DEMETER-FB et OMAKËYA, cette approche peut s’appliquer à une pompe comme à une ferme, à une maison comme à une usine, à un jardin comme à un quartier, à une entreprise comme à un territoire.
L’objectif final n’est donc pas de créer davantage de modèles.
L’objectif est de créer de meilleures capacités de décision.
Car un modèle qui ne permet aucune décision n’est qu’une représentation.
Une simulation qui ne change aucune action n’est qu’un calcul.
Une donnée qui n’améliore aucune compréhension n’est qu’un enregistrement.
La véritable valeur apparaît lorsque les trois deviennent une boucle :
DONNÉE → MODÈLE → DÉCISION → ACTION → NOUVELLE DONNÉE.
C’est cette boucle qui transforme progressivement l’information en intelligence opérationnelle.
Et c’est cette intelligence opérationnelle qui permet de construire des systèmes plus autonomes, plus résilients, plus adaptatifs et mieux préparés aux transformations de 2050–2100.
FAQ — MODÉLISATION, SIMULATION, SIG ET JUMEAUX NUMÉRIQUES
Qu’est-ce que la modélisation ?
La modélisation consiste à construire une représentation simplifiée d’un système réel afin de mieux comprendre son fonctionnement, tester des hypothèses et explorer différents scénarios.
Quelle différence entre modèle et simulation ?
Le modèle représente le système. La simulation utilise ce modèle pour explorer son comportement dans différentes conditions.
Qu’est-ce qu’un jumeau numérique ?
C’est une représentation numérique connectée à un système réel et alimentée, selon les architectures, par des données, des capteurs, des historiques et des modèles.
Pourquoi utiliser un SIG ?
Un SIG permet d’intégrer la dimension géographique et de superposer différentes informations spatiales pour mieux comprendre les relations entre phénomènes.
Peut-on modéliser un jardin ?
Oui. Relief, sol, eau, végétation, ombrage, bâtiments, microclimat, production et flux peuvent notamment être représentés selon l’objectif du modèle.
Peut-on modéliser l’autonomie ?
Oui. Il est possible de représenter les ressources, besoins, consommations, productions, stockages, pertes et dépendances afin d’évaluer différents niveaux d’autonomie.
La modélisation permet-elle de prévoir l’avenir ?
Elle permet surtout d’explorer des futurs possibles à partir d’hypothèses. Elle ne garantit pas une prédiction exacte.
L’intelligence artificielle remplace-t-elle les modèles physiques ?
Non. Elle peut les compléter. Les approches physiques, statistiques, numériques et IA peuvent être combinées selon le problème.
Pourquoi comparer un modèle au réel ?
Parce qu’un modèle doit être confronté aux observations afin d’identifier ses limites, calibrer ses paramètres et vérifier sa pertinence.
Quel est le principe DEMETER-FB ?
Comprendre le système, mesurer le réel, modéliser les comportements, explorer les scénarios et utiliser ces connaissances pour prendre de meilleures décisions.
LES 10 GRANDES FAMILLES INTELLECTUELLES DE DEMETER-FB
1. COMPRENDRE → Sciences, connaissances, systèmes et pensée systémique
2. MESURER → Métrologie, capteurs, données et performance
3. MODÉLISER → Simulation, SIG, jumeaux numériques, IA et scénarios
4. DÉCIDER → Stratégie, arbitrage, risque et incertitude
5. CONCEVOIR → Ingénierie, architecture, systèmes et écoconception
6. CONSTRUIRE → Technologies, équipements, infrastructures et projets
7. AUTONOMISER → Eau, énergie, alimentation, ressources et économie
8. RÉSISTER ET S’ADAPTER → Résilience climatique, économique, technologique et territoriale
9. APPRENDRE → Formation, compétences, IA, transmission et expérience
10. ÉVOLUER → Innovation, expérimentation, amélioration continue et prospective 2050–2100
Modéliser le réel pour explorer le possible, tester avant de construire, anticiper avant de subir et concevoir aujourd’hui des systèmes capables d’évoluer demain.
DEMETER-FB — Comprendre le réel. Mesurer. Modéliser les possibles. Décider. Concevoir. Construire. Évoluer.
OBSERVER → COMPRENDRE → MESURER → MODÉLISER → CONCEVOIR → CONSTRUIRE → AUTOMATISER → EXPÉRIMENTER → APPRENDRE → TRANSMETTRE → ÉVOLUER
Elle a l’avantage d’être parfaitement compréhensible par un particulier, un agriculteur, un ingénieur, un chef d’entreprise, un étudiant ou une collectivité.