
Principes méthodologiques de l’analyse d’incertitude et de sensibilité
2026-11-13
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 :
-
La vérification des indicateurs nominaux (
npvetbenefit) ; -
Une analyse d’incertitude (UA) par simulation de Monte Carlo sur la distribution empirique de
npvetbenefit; -
Une analyse de sensibilité globale (SA) par estimation des indices de Sobol du premier ordre () et totaux () 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 à partir des chroniques annuelles normalisées d’activation des bénéfices et de décaissement des coûts :
avec :
-
, les dommages évités moyens annuels (DEMA, ou
benefit) une fois le projet pleinement opérationnel ; - , le ratio normalisé d’activation des bénéfices à l’année (issu du calendrier des états du projet) ;
- , le coût total nominal ou tiré pour le poste de coût (investissement ou maintenance par action du projet) ;
- , le poids annuel de décaissement du poste à l’année (normalisé tel que ) ;
-
, le facteur d’actualisation à l’année pour la chronique de taux d’actualisation (calculé par
discount_weight()).
Note
Dans l’implémentation actuelle (
1.3.0.0), les coûts du projet sont évalués sous l’hypothèse que les coûts de la situation de référence (reference) sont nuls. Le calcul des coûts en différentiel entreprojectetreferencesera 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 :
avec :
- , l’ensemble des scénarios d’inondation rangés par période de retour croissante ;
-
, le poids trapézoïdal du scénario calculé à partir du vecteur des périodes de retour via
calculate_weight(); - , l’ensemble des catégories d’enjeux ;
- , l’impact nominal évité pour l’enjeu et la crue entre l’état initial et l’état final du projet (positif ou négatif) ;
- , le facteur multiplicatif d’incertitude sur l’estimation des dommages de l’enjeu (valeur nominale ) ;
- , le paramètre modélisant l’incertitude sur l’efficacité hydraulique du projet pour la crue (valeur nominale ).
Note
Si 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 scénarios d’inondation rangés par ordre croissant de période de retour (fréquences ), les poids trapézoïdaux valent :
- pour
Les périodes de retour étant elles-mêmes incertaines, les poids sont recalculés dynamiquement pour chaque tirage Monte Carlo. Pour garantir la cohérence de l’ordre , 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 :
- Coûts du projet (, investissement et maintenance par action) ;
- Périodes de retour (, par scénario d’inondation) ;
- Efficacité hydraulique (, par scénario d’inondation) ;
- Estimation des dommages (, 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 (pour ou ) en contributions individuelles et d’interactions :
- Indice de Sobol du premier ordre : part de variance expliquée par le paramètre seul ;
- Indice de Sobol total : part de variance expliquée par 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).