Modélisation et simulation de l'interdépendance entre l'objet, l'observateur et le modèle de l'objet

266 Pages·2017·8.48 MB·French

by  Bruno Bonté

UNIVERSITÉ MONTPELLIER II
N◦ attribué par la bibliothèque
THÈSE
pour obtenir le grade de
Docteur de l’Université Montpellier 2
Spécialité : Informatique
préparée aux laboratoires Animal et Gestion Intégrée des Risques (AGIRs)
et Gestion des Ressources Renouvelables (GREEN) du CIRAD
dans le cadre de l’École Doctorale ISS
présentée et soutenue publiquement
par
Bruno Bonté
le 16 décembre 2011
Titre:
Modélisation et simulation de l’interdépendance entre
l’objet, l’observateur et le modèle de l’objet dans la Triade
de Minsky.
Application à la surveillance épidémiologique en santé
animale.
Directeur de thèse: Jean-Pierre Müller
Co-encadrant de thèse: Raphaël Duboz
Jury
Pr. Benoit Durand, Président du jury
Dr. Mamadou Kaba Traoré, Rapporteur
Pr. Frédérick Garcia, Rapporteur
Dr. Fabien Michel, Examinateur
Dr. François Roger, Invité
Pr. Jean-Pierre Müller, Directeur de thèse
Dr. Raphaël Duboz, Co-encadrant de thèse
ii
Il ne concevait pas de savoir véritable
auquel ne correspondit pas quelque pouvoir
d’action. Créer, construire étaient pour lui
inséparable de connaître et comprendre.
P. Valéry, Préface aux Cahiers de Léonard de Vinci, 1942
À mes parents,
iii
iv
CHAPITRE 0. REMERCIEMENTS
Remerciements
JeremercieJean-PierreMüllerd’avoiracceptédedirigercettethèseetdem’avoir
toujours encouragé dans mon travail.
Je ne saurais comment décrire la participation de Raphaël Duboz à ce travail
tant ma proposition de thèse me semble émerger d’elle même de l’ensemble des
discussions que nous avons eu et des lectures qu’il m’a conseillées. Quoiqu’il en
soit, je le remercie vivement pour son accompagnement, son investissement et son
amitié. Il a finalement su me pousser à poser une véritable question de recherche en
informatique et à y apporter une réponse personnalisée.
Je remercie Frédérick Garcia, Directeur de Recherches et responsable du dépar-
tement Mathématiques et Informatique Appliqués à l’INRA, d’avoir accepté d’être
rapporteur de cette thèse. Son rapport positif est un honneur pour moi et les conseils
qu’il a pu me donner au cours de ma thèse furent précieux. Je remercie également
Mamadou Kaba Traoré, Maître de Conférences HDR à l’Université Blaise Pascal à
Clermont Ferrand, d’avoir accepté d’être rapporteur de ma thèse. Je n’ai pas eu la
chance de pouvoir travailler avec lui mais une partie de ma thèse est inspirée de
ses travaux. Je considère que son rapport, à la fois enthousiaste et critique, est une
chance pour moi et pour ce travail de thèse.
Je remercie grandement Benoit Durand, Directeur de Recherche à l’ANSES
d’avoir accepté de faire partie de mon jury de thèse, il réunit la vision de l’épidé-
miologiste, du vétérinaire et du modélisateur qu’il était essentiel d’avoir dans mon
jury.
Je remercie enfin Fabien Michel, Chargé de Recherches au LIRMM, pour sa
participation à ce jury. Cette thèse a été inspirée par une rencontre entre des idées
de l’Intelligence Artificielle et la modélisation des systèmes complexes et je suis
content de pouvoir avoir son regard sur ce travail. L’optimisme dont il a fait part
lors de ma soutenance de thèse m’encourage grandement.
Je remercie doublement François Roger. Pour avoir accepté mon invitation à la
soutenance de cette thèse et pour m’avoir laissé la liberté nécessaire à la réalisation
d’une thèse en informatique au sein de l’équipe AGIRs. Son ouverture m’a permis
de me sentir légitime dans la position parfois délicate de modélisateur informaticien
dans une équipe focalisée sur la gestion des risques liée à la santé animale.
J’en arrive ainsi à remercier l’ensemble de l’équipe AGIRs pour son accueil cha-
leureux et pour toutes les interactions que j’ai eu avec les uns et les autres et qui
m’ont permis d’apercevoir les enjeux de la surveillance épidémiologique en santé
animale. Je me dois par honnêteté professionnelle de remercier Timothée Vergne et
Mathilde Paul qui ont participé à la construction des modèles à travers les projets
que l’on avait en commun; et Julien Cappelle et Stéphanie Desveaux pour s’être
penchés avec attention et intérêt sur la définition de la triade "cas d’école" qui fonde
v
CHAPITRE 0. REMERCIEMENTS
la partie applicative de ma thèse. Travailler avec eux fut un plaisir productif. J’aime-
rais de plus les inclure dans les remerciements personnels que j’aimerais également
adresser à mes secrétaires blonde et brune, respectivement Carlène et Ève, les Marie
et Marie-Anne, les membres des ateliers débat du midi avec Vladimir, Lucas, Véro,
Nicolas, ...
Je transmets également de chaleureux remerciements à l’ensemble de l’équipe
GREEN qui m’a accueilli au CIRAD bien avant ma thèse, forgeant ma vision de
la modélisation et de la recherche-action au service des sociétés. Un merci tout
particulier à François, Christophe, Martine et Aurélie pour l’attention qu’ils ont
portés tout au long de cette thèse à mon travail ... et à mes états d’âmes dans les
moments de stress. Merci pour votre soutient chaleureux et inconditionnel. Un clin
d’œil également à mes compagnons de thèse Fany, Paolo, Panomsak et Manuela.
Je remercie les membres de mon comité de thèse, Frédérick Garcia et François
Bousquet déjà cités, ainsi que Agnes Varet, Éric Ramat et Alexis Drogoul. J’ai eu
la chance qu’ils se penchent sérieusement sur mon travail. Ils ont toujours suivit
l’objectif de me guider vers une question qui m’intéresse et que je puisse traiter en
fonction du temps qu’il me restait et des compétences auxquelles je pourrais avoir
accès.
Merci également aux personnes qui m’ont accueillies au département d’informa-
tique de l’AIT, les grands et gros Oliviers, O, et le groupe des thésards.
Un grand merci également aux membres du salon # vle (mon ami comme dirait
Eric Ramat). Je n’aurais jamais pu programmer les simulateurs dont j’avais besoin
sans l’aide de Gauthier Quesnel, Bl0b, Eric’, Pierre Casa et les autres membre de
l’équipe de développement de VLE.
Enfinunmercigénéralàmesproches,amisetfamille,quiontégalementparticipé
(plus ou moins directement..) à cette aventure.
vi
CHAPITRE 0. RÉSUMÉ
Résumé
On ne peut pas reproduire l’expérience d’une épidémie à l’échelle d’un pays ou
d’une région. Or, en l’absence d’expérience reproductible, la notion usuelle de «
validation » de modèle qui consiste à tester si le modèle A* d’un système A permet
de reproduire le comportement de A, n’a aucun sens statistique. Marvin Minsky
donne la définition suivante de ce qu’est un modèle : Pour un observateur B, un
objet A* est un modèle d’un objet A s’il permet à B de répondre à une question
qu’il se pose sur A. Nous appelons triade de Minsky, l’ensemble des trois objets A,
B et A*. Nous proposons d’utiliser la Théorie de la Modélisation et de la Simulation
(TMS)pourmodéliseretsimulerlatriadedeMinsky.Celanouspermetdemodéliser
la triade vue comme un système dynamique composé des objets A, B et A*. Nous
pouvons ainsi nous interroger sur l’utilisation d’un modèle A* par un utilisateur B et
sur l’impact que cette utilisation a sur la trajectoire du système A. Nous appliquons
ce cadre à une triade de Minsky empruntée à notre contexte d’étude. Il s’agit d’un
cas d’école où une épidémie (l’objet A) est observée et contrôlée par un système de
surveillance et de contrôle (l’observateur B) et où un modèle épidémiologique (A*)
est utilisé pour évaluer les mesures de contrôle. Grâce à cet exemple nous pouvons
discuter comment le cadre de modélisation et de simulation de la triade de Minsky
permet aux chercheurs de se poser de nouvelles questions et aux décideurs de mieux
comprendre l’impact des modèles qu’ils utilisent.
vii
CHAPITRE 0. ABSTRACT
Abstract
The spread of a disease at national or international scale isn’t a reproducible
experiment. If experiment is not reproducible, the usual concept of model validation
has no statistical meaning because it would involve the comparison between model
behavior and system behavior. We use Marvin Minsky’s definition of model : « to an
observerB,anobjectA*isamodelofanobjectAtotheextentthatBcanuseA*to
answer questions that interest him about A ». The three objects A, B and A* are the
triad of Minsky. We propose to use the Theory of Modelling and Simulation (TMS)
tomodelandsimulatethetriadseenasadynamicsystemcomposedoftheobjectsA,
B and A*. We hence can answer questions about the use of A* and the impact it has
onA.WeapplythisframeworktoatriadofMinskyinepidemiologicalsurveillancein
animal health. An epidemics (object A) is observed and controlled by a surveillance
system and a control system (observer B) and an epidemiological model (model A*)
is used to evaluate the control measures. Thanks to this application, we can discuss
how our framework enables researchers to formulate new questions in Modelling and
Simulation and decision makers to better understand their use of Models.
viii
TABLE DES MATIÈRES
Table des matières
Remerciements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . v
Résumé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . viii
Table des matières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix
Table des figures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
Acronymes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xv
Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xvii
Avant-Propos 1
Introduction 3
1 Problématique 7
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Contexte thématique . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 L’épidémiologie . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 La surveillance épidémiologique en santé animale . . . . . . . 9
1.3 Les modèles et leur utilisation . . . . . . . . . . . . . . . . . . . . . . 12
1.3.1 Les modèles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.2 L’utilisation des modèles . . . . . . . . . . . . . . . . . . . . . 14
1.4 Problématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.1 Positionnement de la thèse en informatique . . . . . . . . . . . 21
1.5 Plan de la thèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2 État de l’art 23
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.1 Théorie systémique et cybernétique . . . . . . . . . . . . . . . 24
2.1.2 La cognition et le paradoxe de « l’ observation - action » . . . 25
2.2 A : Les systèmes épidémiologiques, sociologiques et écologiques . . . . 26
2.2.1 Les systèmes complexes . . . . . . . . . . . . . . . . . . . . . 26
2.2.2 Résilience des systèmes sociologiques et écologiques . . . . . . 28
2.2.3 Les Socio-Éco-Systèmes . . . . . . . . . . . . . . . . . . . . . 28
2.3 A * : Les modèles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
B
2.3.1 Modèles de représentation de l’incertain . . . . . . . . . . . . 29
2.3.2 Les modèles de systèmes dynamiques . . . . . . . . . . . . . . 29
2.3.3 Le paradigme multi-agent . . . . . . . . . . . . . . . . . . . . 30
2.3.4 Les modèles de modèles . . . . . . . . . . . . . . . . . . . . . 31
2.4 ρ : l’observation et le contrôle de systèmes complexes . . . . . . . . . 33
o
2.4.1 Les modèles statistiques . . . . . . . . . . . . . . . . . . . . . 33
ix
TABLE DES MATIÈRES
2.4.2 Les outils statistiques d’estimation de prévalence . . . . . . . . 34
2.4.3 Approches statistiques pour le monitoring et la surveillance . . 35
2.5 ρ : L’utilisation des modèles . . . . . . . . . . . . . . . . . . . . . . 36
m
2.5.1 Résultats analytiques . . . . . . . . . . . . . . . . . . . . . . . 36
2.5.2 Comprendre pour contrôler . . . . . . . . . . . . . . . . . . . 37
2.5.3 Les cadres expérimentaux . . . . . . . . . . . . . . . . . . . . 37
2.5.4 Calibration . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.5.5 Évaluation des systèmes de surveillance par simulation . . . . 39
2.6 B : Processus de décision . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.6.1 Théorie de la décision . . . . . . . . . . . . . . . . . . . . . . 39
2.7 Cadre général : la théorie de la modélisation et de la simulation . . . 40
2.7.1 Systèmes et niveaux de spécification . . . . . . . . . . . . . . 40
2.7.2 Les entités de base de la TMS et leurs relations . . . . . . . . 41
2.7.3 La validation et la vérification . . . . . . . . . . . . . . . . . . 44
2.7.4 Une sémantique opérationnelle : DEVS . . . . . . . . . . . . . 45
2.7.5 Conclusion : Retour sur la problématique . . . . . . . . . . . . 49
3 Proposition 51
3.1 Introduction : le modèle du système Triade . . . . . . . . . . . . . . . 51
3.1.1 T : Le système triade . . . . . . . . . . . . . . . . . . . . . . . 52
3.1.2 T* : Le modèle du système triade . . . . . . . . . . . . . . . . 53
3.1.3 Plan du chapitre . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.2 A * : Le modèle de système cible . . . . . . . . . . . . . . . . . . . . 57
C
3.3 ρ * : Le modèle de processus expérimental . . . . . . . . . . . . . . . 58
m
3.3.1 Un modèle d’expérimentation de modèles . . . . . . . . . . . . 58
3.3.2 Définition d’un protocole expérimental itératif . . . . . . . . . 59
3.3.3 Modélisation du processus expérimental avec DEVS . . . . . . 61
3.3.4 Exemples d’utilisation d’un MPE . . . . . . . . . . . . . . . . 64
3.4 A** : Le modèle A** cadré . . . . . . . . . . . . . . . . . . . . . . . . 65
3.5 ρ * : Le modèle de SPOC . . . . . . . . . . . . . . . . . . . . . . . . 66
o
3.5.1 Les modèles du système d’observation . . . . . . . . . . . . . . 66
3.5.2 Les modèles du système de contrôle . . . . . . . . . . . . . . . 72
3.5.3 Le modèle de système cible contrôlé . . . . . . . . . . . . . . . 72
3.6 B* : Le modèle de processus de décision . . . . . . . . . . . . . . . . 73
3.7 Implémentation et expérimentation de T* avec VLE . . . . . . . . . . 74
4 Application 77
4.1 Introduction : La triade T ’ . . . . . . . . . . . . . . . . . . . . . . . 77
uc
4.2 Système « under control » (T ) . . . . . . . . . . . . . . . . . . . . . 78
uc
4.2.1 Situation d’épidémie contrôlée . . . . . . . . . . . . . . . . . . 78
4.2.2 Système T . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
uc
4.3 Questions sur le système T . . . . . . . . . . . . . . . . . . . . . . . 80
uc
4.4 Modèle « under control » (T *) . . . . . . . . . . . . . . . . . . . . . 82
uc
4.4.1 Le modèle de système cible . . . . . . . . . . . . . . . . . . . . 83
4.4.2 Le modèle de SPOC . . . . . . . . . . . . . . . . . . . . . . . 85
4.4.3 Le modèle de processus expérimental . . . . . . . . . . . . . . 88
4.4.4 Modèle de processus de décision . . . . . . . . . . . . . . . . . 91
4.5 Expérimentation de T * . . . . . . . . . . . . . . . . . . . . . . . . . 91
uc
x