Skip to contents

Note

An English version of this article is available: Uncertainty and sensitivity analysis: methodological principles.

Contexte et périmètre

L’analyse coût-bénéfice basée sur les dommages évités (ACB-DE) est particulièrement utilisée pour l’évaluation des projets de gestion des inondations. C’est notamment la méthode préconisée en France pour l’évaluation des projets impliquant des mesures structurelles dont le montant d’investissement dépasse 2,5 millions d’euros, où l’analyse de sensibilité globale constitue une étape obligatoire.

L’estimation de l’indicateur principal d’une ACB-DE — la Valeur Actuelle Nette (VAN) — repose sur un enchaînement de modélisations :

  • hydrologique, pour caractériser les scénarios d’inondation ;
  • hydraulique, pour spatialiser les scénarios d’inondation ;
  • numérique du terrain, pour représenter la topographie et les ouvrages ;
  • géomatique, pour localiser les enjeux exposés ;
  • typologique, pour classer les enjeux selon leur nature et vulnérabilité ;
  • de vulnérabilité, via des fonctions de dommage.

Chacune de ces étapes repose sur des hypothèses et des données d’entrée qui sont autant de sources d’incertitude sur la VAN. Mener une analyse d’incertitude complète sur l’ensemble de cette chaîne est trop lourd pour une pratique opérationnelle courante. Toutefois, comme formalisé dans Grelot (2017) (GrelotF2017b), il est possible de dresser un premier bilan opérationnel en construisant un méta-modèle simplifié à partir des données intermédiaires de l’ACB nominale.

De floodam.cba.sa à floodam.cba

Initialement développé dans l’archive CBA-DE-AS puis dans le package autonome floodam.cba.sa, ce méta-modèle est désormais intégré nativement dans floodam.cba (à partir de la version 1.3.0.0). Il réutilise les grandeurs intermédiaires nominales d’un objet Case pour réaliser :

  1. La vérification des indicateurs nominaux (npv et benefit) ;
  2. Une analyse d’incertitude (UA) par simulation de Monte Carlo sur la distribution empirique de npv et benefit ;
  3. Une analyse de sensibilité globale (SA) par estimation des indices de Sobol du premier ordre (SiS_i) et totaux (TiT_i) via le package sensitivity (par défaut sensitivity::sobolmartinez).

floodam.cba ne relance pas les simulations hydrauliques ni les croisements spatiaux avec les enjeux (assurés en amont par des outils tels que floodam.spatial). Les incertitudes sur l’aléa et la vulnérabilité sont donc représentées par des facteurs agrégés par scénario d’inondation et par type d’enjeu.

Formulation du méta-modèle

Valeur Actuelle Nette (npv)

Dans floodam.cba, la Valeur Actuelle Nette d’un projet est évaluée sur l’horizon temporel HH à partir des chroniques annuelles normalisées d’activation des bénéfices et de décaissement des coûts :

VAN=Benefit⋅∑t=0Hwtbendt−∑i∈ICi∑t=0Hwi,tcostdt\text{VAN} = \text{Benefit} \cdot \sum_{t=0}^{H} w_t^{\text{ben}} \, d_t - \sum_{i \in I} C_i \sum_{t=0}^{H} w_{i,t}^{\text{cost}} \, d_t

avec :

  • Benefit\text{Benefit}, les dommages évités moyens annuels (DEMA, ou benefit) une fois le projet pleinement opérationnel ;
  • wtben∈[0,1]w_t^{\text{ben}} \in [0, 1], le ratio normalisé d’activation des bénéfices à l’année tt (issu du calendrier des états du projet) ;
  • CiC_i, le coût total nominal ou tiré pour le poste de coût i∈Ii \in I (investissement ou maintenance par action du projet) ;
  • wi,tcostw_{i,t}^{\text{cost}}, le poids annuel de décaissement du poste ii à l’année tt (normalisé tel que ∑twi,tcost=1\sum_t w_{i,t}^{\text{cost}} = 1) ;
  • dt=∏u=0t(1+ru)−1d_t = \prod_{u=0}^{t} (1 + r_u)^{-1}, le facteur d’actualisation à l’année tt pour la chronique de taux d’actualisation rur_u (calculé par discount_weight()).

Note

Dans l’implémentation actuelle (1.3.0.0), les coûts CiC_i du projet sont évalués sous l’hypothèse que les coûts de la situation de référence (reference) sont nuls. Le calcul des coûts en différentiel entre project et reference sera intégré dans une version ultérieure.

Dommages évités moyens annuels (benefit)

Les dommages évités moyens annuels sont approximés par intégration trapézoïdale des dommages évités en fonction de la fréquence de dépassement fs=1/Tsf_s = 1 / T_s :

Benefit=∑s∈Sps(𝑻)∑j∈Jij,s⋅αj⋅hs\text{Benefit} = \sum_{s \in S} p_s(\mathbf{T}) \sum_{j \in J} i_{j,s} \cdot \alpha_j \cdot h_s

avec :

  • SS, l’ensemble des scénarios d’inondation rangés par période de retour croissante TsT_s ;
  • ps(𝑻)p_s(\mathbf{T}), le poids trapézoïdal du scénario ss calculé à partir du vecteur des périodes de retour 𝑻\mathbf{T} via calculate_weight() ;
  • JJ, l’ensemble des catégories d’enjeux ;
  • ij,si_{j,s}, l’impact nominal évité pour l’enjeu jj et la crue ss entre l’état initial et l’état final du projet (positif ou négatif) ;
  • αj\alpha_j, le facteur multiplicatif d’incertitude sur l’estimation des dommages de l’enjeu jj (valeur nominale αj=1\alpha_j = 1) ;
  • hsh_s, le paramètre modélisant l’incertitude sur l’efficacité hydraulique du projet pour la crue ss (valeur nominale hs=1h_s = 1).

Note

Si Benefit<0\text{Benefit} < 0 pour un enjeu ou scénario particulier, le projet induit un surcroît de dommage plutôt qu’un bénéfice. Cela n’affecte pas le calcul de la VAN mais peut modifier l’interprétation de certains ratios coût-bénéfice.

Poids des événements d’inondation

En supposant N≥2N \ge 2 scénarios d’inondation rangés par ordre croissant de période de retour T1<T2<…<TNT_1 < T_2 < \dots < T_N (fréquences fs=1/Tsf_s = 1 / T_s), les poids trapézoïdaux ps(𝑻)p_s(\mathbf{T}) valent :

  • p1=f1−f22p_1 = \frac{f_1 - f_2}{2}
  • ps=fs−1−fs+12p_s = \frac{f_{s-1} - f_{s+1}}{2} pour 1<s<N1 < s < N
  • pN=fN−1−fN2p_N = \frac{f_{N-1} - f_N}{2}

Les périodes de retour TsT_s étant elles-mêmes incertaines, les poids ps(𝑻)p_s(\mathbf{T}) sont recalculés dynamiquement pour chaque tirage Monte Carlo. Pour garantir la cohérence de l’ordre T1<T2<…<TNT_1 < T_2 < \dots < T_N, la fonction prepare_flood_range() tronque automatiquement les plages qui se chevauchent au point milieu entre deux périodes nominales adjacentes.

Modélisation des incertitudes et indices de Sobol

Les incertitudes portent sur quatre familles de paramètres :

  1. Coûts du projet (CiC_i, investissement et maintenance par action) ;
  2. Périodes de retour (TsT_s, par scénario d’inondation) ;
  3. Efficacité hydraulique (hsh_s, par scénario d’inondation) ;
  4. Estimation des dommages (αj\alpha_j, par type d’enjeu).

Chaque paramètre incertain suit une loi uniforme indépendante entre une borne min et une borne max (exprimée en variation relative par rapport au nominal ou en valeur absolue).

L’analyse de sensibilité globale décompose la variance de la sortie Var(Y)\text{Var}(Y) (pour Y=VANY = \text{VAN} ou Y=BenefitY = \text{Benefit}) en contributions individuelles et d’interactions :

  • Indice de Sobol du premier ordre Sk=Var(𝔼[Y∣Xk])Var(Y)S_k = \frac{\text{Var}(\mathbb{E}[Y \mid X_k])}{\text{Var}(Y)} : part de variance expliquée par le paramètre XkX_k seul ;
  • Indice de Sobol total Tk=1−Var(𝔼[Y∣X−k])Var(Y)T_k = 1 - \frac{\text{Var}(\mathbb{E}[Y \mid X_{-k}])}{\text{Var}(Y)} : part de variance expliquée par XkX_k en incluant toutes ses interactions avec les autres paramètres.

Référence

  • Grelot, F. (2017). Méthode simplifiée d’analyse d’incertitude et de sensibilité globale pour les analyses coût-bénéfice des projets de gestion des inondations (GrelotF2017b).