Processus de sélection des conditions expérimentales, des entrées ou des stratégies de collecte de données pour maximiser le gain d'information ou l'efficacité d'estimation par rapport à des objectifs de modélisation spécifiés, sous contraintes de ressources et pratiques.

Principe

Formaliser un objectif (maximiser l'information de Fisher, minimiser la variance des paramètres, maximiser l'utilité attendue ou la précision a posteriori) et optimiser les variables de plan (emplacements d'échantillonnage, réglages expérimentaux, allocation de répétitions), souvent avec des critères bayésiens ou décisionnels intégrant coût et incertitude a priori.

Démonstration

Choisir des emplacements de capteurs le long d'un réseau fluvial pour minimiser la variance a posteriori des paramètres de transport de polluants (D-optimalité), ou sélectionner des temps d'échantillonnage pharmacocinétique pour maximiser l'information sur l'absorption et l'élimination avec un budget limité de prélèvements sanguins.

Mauvaise application

Optimiser un plan en utilisant un modèle incorrect ou trop simplifié sans vérifier la robustesse, ou ignorer des contraintes logistiques (bruit de mesure, temps de mise en place), aboutissant à des plans théoriquement optimaux mais impraticables ou trompeurs.

Conséquence

Bien appliqués, les plans optimaux réduisent le nombre d'expériences nécessaires, augmentent la précision des estimateurs et concentrent les ressources là où elles améliorent le plus l'inférence ou la prédiction.

Inversion

L'échantillonnage aléatoire ou de convenance sans optimisation échange l'efficience informationnelle optimale contre la simplicité ou l'équité ; les plans adaptatifs inversent la planification statique en mettant à jour les choix avec les données entrantes.

Limite

Concerne la planification expérimentale guidée par un modèle ou un objectif ; ne remplace pas la nécessité de validation, d'examen éthique ou de replanification adaptative lorsque les hypothèses du modèle échouent ou lorsqu'un apprentissage séquentiel survient.

Tension sémantique

Il existe une tension entre les critères d'optimalité classiques (D-, A-, E-optimalité) ciblant la précision d'estimation des paramètres et les plans décisionnels ou basés sur l'utilité qui optimisent directement les résultats décisionnels attendus ; le choix dépend de si l'inférence ou la décision est prioritaire.

Synthèse

La planification expérimentale optimale formalise les objectifs d'information et les contraintes en une optimisation sur les variables de plan, produisant des expériences maximisant l'apprentissage ou la précision pertinente pour la décision, tout en exigeant une modélisation soignée des objectifs, des priors et des limites pratiques.