Une fois la longue tâche de construction d’un modèle de simulation effectuée, on a tendance à penser qu’on a presque fini et qu'il ne reste qu'à faire l'exploitation. Que nenni ! Même si la partie construction et codage d'un modèle est sans doute la plus longue et la plus importante, reste une étape cruciale et délicate avant de pouvoir utiliser le modèle : la validation.
La validation du modèle cherche à montrer que le modèle informatique est une représentation suffisamment fiable du modèle réel dans le cadre du champ d’utilisation fixé pour la simulation.
Nous listons d’abord quelques principes, et mentionnerons en seconde partie des outils pour mener à bien la validation tout comme la vérification du modèle.
Valider par rapport aux objectifs
Nous avons vu qu’un modèle est construit avec des objectifs précis, et ainsi sa validité sera déterminée en fonction de ces objectifs. Si le modèle doit répondre à une série de questions, la validité du modèle doit être contrôlée pour chaque question. Il faut donc que les principaux indicateurs de résultat soient définis au préalable, et avec un certain niveau de précision.
En amont il importe que le modèle conceptuel (c’est-à-dire l’ensemble d’informations constitué par le cahier des charges, la description du process, les schémas et les paroles qui ont été échangées pour décrire le système réel et les objectifs de simulation) soit correct et suffisant pour faire face à l’objectif poursuivi. C’est souvent là qu’un prestataire devra asticoter l’utilisateur final pour qu’il fournisse des règles de pilotages fiables, des lois de distribution crédibles, des schémas de flux fidèles. Trop souvent hélas, par manque de temps ou de préparation, le commanditaire du modèle fournit des informations erronées sur la logique du système ou encore des hypothèses approximatives… La validation s’en trouve compliquée.
La validation des données
La désinvolture avec les données n’est possible à aucun stade du projet. Il faut déjà que les données soient correctes pour arriver à un modèle conceptuel fiable, nous venons de le dire.
Mais y compris au niveau de la validation opérationnelle puis des simulations, il arrive souvent que plus de la moitié des bugs et résultats de simulations incohérents sont dus à des données d'entrée erronées ou incomplètes. Il est très important de prendre le temps de remplir, de vérifier que toutes les données nécessaires au bon fonctionnement du modèle sont correctement renseignées (l'idéal étant de les ranger dans une base de données pour garantir une cohérence interne). Jouer avec les données pour mener des expériences implique d’avoir une bonne connaissance du processus simulé et une idée des bons ordres de grandeur pour valider les différentes valeurs.
Demander des avis
Le modélisateur expérimenté peut décider quand le modèle de simulation est valide, s’appuyant pour cela sur les tests effectués tout au long du développement du modèle. Il est souvent délicat d'analyser tout seul si les résultats sont corrects ou non, même après avoir vérifié dix fois des ordres de grandeur, même après avoir intégré au modèle les indicateurs les plus pertinents. Une bonne approche consiste à impliquer fortement les utilisateurs du modèle dans le processus de validation, dans l’estimation des résultats attendus, ce qui augmente au final la crédibilité du modèle.
Conclusion
La validation des modèles est sans doute une des étapes les plus délicates dans la vie du modélisateur. Il faut faire preuve de beaucoup de patience, de minutie, de prudence et d'analyse. C’est un processus qui ne devrait pas commencer lorsque le modèle informatique est terminé, mais dès la validation conjointe du document d’analyse fonctionnelle. Trouver en fin de projet des erreurs dans la logique du process ou dans le choix des indicateurs ne se fait pas sans dommages…
Valider un modèle à 100% reste compliqué et long à mettre en œuvre – donc cela coûte cher ! Une validation raisonnable reste possible : elle implique que le modélisateur ait de l’expérience, que les autres intervenants du projet aient une bonne compréhension de ce qu’implique un modèle de simulation, et aussi qu’un certain nombre de méthodes soient appliqués – et ceci fait l’objet d’un autre article.
