Évaluation des systèmes de surveillance par simulation

Évaluation des systèmes de surveillance par simulation

Évaluation des systèmes de surveillance

On peut distinguer deux types de méthodes d’évaluation d’un système de surveillance existant. Les premières consistent à évaluer la structure et le fonctionnement du réseau de surveillance qui implémente le système de surveillance. Ces méthodes se présentent généralement sous la forme d’un questionnaire standardisé qui vise à évaluer (de manière quantitative) l’adéquation entre la population à surveiller et les moyens mis en oeuvre par le réseau. Le type d’information récolté va par exemple être la quantité de bétail mesuré en Unité Gros Bovins (UGB) ou le financement du réseau en dollars américains pondéré par un indicateur du pouvoir d’achat en dollars américains [BAD+99]. Les secondes méthodes consistent à évaluer le système de surveillance en fonction des données qu’ilrécolte, en croisant par exemple les observations faites par le réseau avec celles réalisées sur la mêmepopulation par un réseau différent [VGB11]. À ces méthodes il faut ajouter les méthodes d’évaluation de systèmes de surveillance théoriques qui utilisent la modélisation et la simulation. Lechapitre suivant présente un exemple de modélisation de réseaux de surveillance (cf. section 2.5.5). La recherche sur l’évaluation des réseaux de surveillance est un enjeu particulièrement important dansles pays du sud exportateurs d’animaux vivants. Les règles du commerce international leurimposent de satisfaire des critères quantitatifs très stricts énoncés par l’Office Internationale des Épizooties (OIE) pour pouvoir êtrereconnus indemnes d’une maladie contagieuse. Donnons comme exemple la pestebovine pour laquelle l’OIE demande une collecte ponctuelle annuelle : La procédure d’échantillonnage doit permettre de détecter la peste bovine avec une probabilité de 95% si elle est présente dans au moins 1% des troupeaux (ou des unités d’échantillonnage qui auront été définies). La surveillance clinique doit être maintenue pendant trois années successives pour aboutir au statut de pays indemne de maladie [DH07]. Les seules méthodes qui permettent de remplir ce type d’exigence aujourd’hui sont des méthodes d’échantillonnage qui demandent beaucoup de moyens que les pays du sud ne sont pas toujours en mesure d’investir dans la santé vétérinaire. L’évaluation des systèmes de surveillance fait donc partie des questions de recherche de l’équipe AGIRs et cette thèse a ainsi été associée au projet de recherche « Recherches pour l’EValuation en Asie du sud est de la Surveillance de l’Influenza Aviaire (REVASIA) » [VDB+10, VGS+10].

Les modèles

Nous utiliserons la définition de « modèle » donnée par Marvin Minsky [Min65], à savoir :To an observer B, an object A* is a model of an object A to the extent that B can use A* to answer questions that interest him about A. Cette définition est à la fois générale et claire. Elle est souvent adoptée dans les thèses de doctorat en modélisation, et l’est presque systématiquement dans la communauté scientifique dans laquelle nous évoluons [Bou94, Dub04, Bom09]. Cette communauté se place ainsi dans une posture où, par définition, le modèle n’est pas simplement une copie dégradée de l’objet qu’il représente, mais il est indissociable de la question à laquelle il doit permettre de répondre, et de « l’observateur » qui le construit. Cette définition nous intéresse particulièrement et il est nécessaire de passer un peu de temps dessus car elle est au cœur de cette thèse. Tout d’abord elle sous-entend que
pour étudier, évaluer, discuter d’un modèle, il nous faut bien sûr le considérer dans sa relation à l’objet qu’il modélise, mais également dans sa relation à l’observateur qui le construit et l’utilise et à la question à laquelle il doit répondre. Nous appellerons le triplet « objet, modèle et observateur » la triade de Minsky. Considérons tout d’abord « l’objet ». Il ne s’agit pas nécessairement d’une partie du monde physique. Il peut s’agir de n’importe quel type d’objet. Il peut par exemple être lui-même un modèle. Considérons ensuite l’entité désignée par le terme « observateur ». Dans l’article initial de Minsky, le terme « observateur » est rapidement remplacé par le terme « Homme » et il désigne en fait toute créature (selon les termes de Minsky) cognitive, c’est à dire toute créature capable de réfléchir sur elle-même et sur le monde. Minsky pose initialement sa triade pour discuter de la capacité d’introspection de cette créature et de ses limites. L’entité « observateur » ne se contente donc pas « d’observer » l’objet, il peut interagir avec lui. Plus encore, il construit et utilise le modèle en fonction de la relation qu’il entretient avec l’objet. Nous évoquerons par la suite la relation d’interaction entre l’observateur et l’objet par le terme de « Relation à l’objet » sans préciser la nature de cette relation. Dans le cas le plus classique, l’observateur expérimente l’objet en le stimulant et en observant la réponse de l’objet. Considérons enfin l’entité « modèle ». Il s’agit d’une entité qui se substitue à l’objet dans la réflexion de l’observateur. Il peut s’agir par exemple d’un ensemble d’équations différentielles dont les variables peuvent être mises en relation avec des caractéristiques de l’objet observé. L’observateur va effectuer des opérations sur ces équations pour tirer des conclusions sur ces équations puis, par analogie, sur l’objet observé (état d’équilibre, comportement asymptotique etc.). De la même manière que pour la relation à l’objet, nous ne rentrerons pas dans les détails et parlerons pour l’instant de « relation au modèle ». Dans le cas de modèles de systèmes dynamiques, il peut s’agir de la réalisation de simulations du modèle qui consiste donc à réaliser un ensemble d’expériences sur l’entité modèle. La figure 1.3 illustre les entités qui composent la triade de Minsky et les relations qu’elles entretiennent entre elles. Dans toute la suite de la thèse, le signe « * » sera apposé à la suite d’un objet O pour désigner le modèle de Minsky O* de cet objet.

Table des matières

Remerciements
Résumé
Abstract
Table des matières
Table des figures
Acronymes Notations
Avant-Propos
Introduction
1 Problématique
1.1 Introduction
1.2 Contexte thématique
1.2.1 L’épidémiologie
1.2.2 La surveillance épidémiologique en santé animale
1.3 Les modèles et leur utilisation
1.3.1 Les modèles
1.3.2 L’utilisation des modèles
1.4 Problématique
1.4.1 Positionnement de la thèse en informatique
1.5 Plan de la thèse
2 État de l’art 23
2.1 Introduction
2.1.1 Théorie systémique et cybernétique
2.1.2 La cognition et le paradoxe de « l’ observation - action »
2.2 A : Les systèmes épidémiologiques, sociologiques et écologiques
2.2.1 Les systèmes complexes .
2.2.2 Résilience des systèmes sociologiques et écologiques
2.2.3 Les Socio-Éco-Systèmes
2.3 AB : Les modèles
2.3.1 Modèles de représentation de l’incertain
2.3.2 Les modèles de systèmes dynamiques
2.3.3 Le paradigme multi-agent
2.3.4 Les modèles de modèles
2.4 ρo : l’observation et le contrôle de systèmes complexes
2.4.1 Les modèles statistiques
2.4.2 Les outils statistiques d’estimation de prévalence
2.4.3 Approches statistiques pour le monitoring et la surveillance .
2.5 ρm : L’utilisation des modèles
.5.1 Résultats analytiques
2.5.2 Comprendre pour contrôler
2.5.3 Les cadres expérimentaux
2.5.4 Calibration
2.5.5 Évaluation des systèmes de surveillance par simulation
2.6 B : Processus de décision
2.6.1 Théorie de la décision .
2.7 Cadre général : la théorie de la modélisation et de la simulation
2.7.1 Systèmes et niveaux de spécification
2.7.2 Les entités de base de la TMS et leurs relations
2.7.3 La validation et la vérification
2.7.4 Une sémantique opérationnelle : DEVS
2.7.5 Conclusion : Retour sur la problématique
3 Proposition 51
3.1 Introduction : le modèle du système Triade
3.1.1 T : Le système triade
3.1.2 T* : Le modèle du système triade
3.1.3 Plan du chapitre
3.2 AC* : Le modèle de système cible
3.3 ρm* : Le modèle de processus expérimental
3.3.1 Un modèle d’expérimentation de modèles
3.3.2 Définition d’un protocole expérimental itératif
3.3.3 Modélisation du processus expérimental avec DEVS
3.3.4 Exemples d’utilisation d’un MPE
3.4 A** : Le modèle A** cadré
3.5 ρo* : Le modèle de SPOC
3.5.1 Les modèles du système d’observation .
3.5.2 Les modèles du système de contrôle
3.5.3 Le modèle de système cible contrôlé
3.6 B* : Le modèle de processus de décision
3.7 Implémentation et expérimentation de T* avec VLE
4 Application
4.1 Introduction : La triade Tuc’
4.2 Système « under control » (Tuc)
4.2.1 Situation d’épidémie contrôlée 4.2.2 Système Tuc
4.3 Questions sur le système Tuc
4.4 Modèle « under control » (Tuc*)
4.4.1 Le modèle de système cible
4.4.2 Le modèle de SPOC
4.4.3 Le modèle de processus expérimental
4.4.4 Modèle de processus de décision
4.5 Expérimentation de Tuc*

Télécharger le rapport complet