Ensemble de méthodes visant à quantifier comment des variations des entrées, paramètres ou hypothèses d'un modèle influencent ses sorties, en vue d'identifier les facteurs influents et de caractériser les relations entrée–sortie.

Principe

Organiser des perturbations ou des distributions d'entrées et mesurer les changements de sorties par des dérivées, des décompositions de variance ou des fonctions entrée–sortie ; distinguer les effets locaux (infinitésimaux) des effets globaux (distributionnels) et prendre en compte les interactions et la non-linéarité.

Démonstration

Calculer des indices de Sobol pour un modèle hydrologique afin de classer les contributions des précipitations, de la perméabilité du sol et de l'évapotranspiration à la variance du débit ; ou évaluer des dérivées partielles locales d'un modèle de portance aérodynamique pour identifier les plages d'angle d'attaque les plus influentes.

Mauvaise application

Traiter des entrées corrélées comme indépendantes lors de l'utilisation d'indices basés sur la variance, ou se limiter à des perturbations une-par-une dans des systèmes à fortes interactions, conduisant à des classements d'importance trompeurs.

Conséquence

Une application correcte permet d'identifier les paramètres à fort impact pour l'étalonnage, la réduction du modèle, la collecte de données ciblée et la prise de décision robuste face à l'incertitude des entrées.

Inversion

Se concentrer sur la robustesse plutôt que sur la sensibilité — identifier les entrées ou configurations pour lesquelles les sorties restent stables sous perturbations — inverse l'objectif, passant de la recherche de facteurs influents à la recherche de régions insensibles.

Limite

S'applique aux modèles dont les entrées et sorties sont bien définies ; n'établit pas à lui seul la causalité à partir d'associations statistiques et peut être invalide si le domaine d'analyse dépasse la plage d'entrées physiquement significative ou utilisée pour l'entraînement.

Tension sémantique

Chevauche l'évaluation de l'incertitude (qui quantifie l'amplitude de l'incertitude de sortie) et l'estimation de paramètres (qui ajuste des paramètres) : la sensibilité évalue la structure d'influence plutôt que l'incertitude prédictive ou la plausibilité des paramètres.

Synthèse

L'analyse de sensibilité explore systématiquement comment la variabilité des entrées se traduit en variabilité des sorties, utilisant dérivées locales ou mesures globales basées sur la variance/entropie pour révéler les facteurs influents, guider les expériences et prioriser l'effort de modélisation en tenant compte des limites liées à la dépendance des entrées et à l'extrapolation.