Si les calculateurs analogiques et hybrides sont employés de préférence pour simuler des phénomènes continus dans les domaines scientifique et industriel, les calculateurs numériques permettent seuls d’aborder la simulation d’autres phénomènes, dont les modèles mathématiques n’incluent pas forcément des variables continues dans le temps et nécessitent des mises en mémoire nombreuses ainsi que l’utilisation répétée d’algorithmes de décision. C’est en particulier le cas des simulations de jeux, au sens général, où il est possible d’étudier et de prédire l’évolution d’une entreprise, d’un combat, d’un milieu politique. C’est aussi le cas en écologie, où l’on peut suivre le comportement d’un ou de plusieurs types de populations (règne animal ou végétal) dans un environnement donné. C’est encore le cas dans l’industrie lorsque l’on veut optimiser le trafic d’un ensemble d’automobiles, de trains ou d’avions. Les calculs réalisés par les ordinateurs dans ces derniers domaines ne sont pas effectués en ligne, sauf exception.

Les responsables de la programmation numérique font souvent appel à des langages généraux de simulation, tels CSMP (Continuous System Modeling Program) chez IBM et CSSL (Continuous System Simulation Language) chez CDC (Control Data Corporation), ou encore à des langages plus spécialisés, appropriés à un seul domaine, par exemple PHYSBE en biologie. Lorsque les modèles comportent des équations aux dérivées partielles, en particulier incluant la variable temps, des langages appropriés permettent une écriture très simple, tels SALEM, PDEL, LEANS, DSS, PDELAN et FORSIM, provenant tous de l’Amérique du Nord.

Principales applications

Les principes et les méthodes de la simulation sont employés surtout dans les secteurs scientifiques et industriels, notamment dans :

• l’espace et l’aviation, où l’on étudie le comportement des véhicules spatiaux et des satellites (accrochage entre véhicules, rentrée dans l’atmosphère, mise en orbite, stabilisation) ainsi que celui des engins et des avions (trajectoires, décollage et atterrissage automatique, roulement au sol, etc.) ;

• l’énergie, tant conventionnelle que nucléaire, avec les centrales, les machines tournantes et les réseaux de distribution (problèmes de stabilité et contrôle en régimes permanent et transitoire, problèmes de sécurité vis-à-vis des incidents et des accidents) ;

• les industries mécaniques et sidérurgiques, en particulier les industries ferroviaire et automobile, pour lesquelles sont étudiés des problèmes de traction, de freinage, de suspension et de confort à grande vitesse, mais aussi l’industrie lourde, avec ses problèmes d’automatisation et de régulation ;

• les industries chimiques et pétrochimiques, pour lesquelles il est possible de mieux apprécier le comportement quantitatif des usines et, par suite, d’optimiser les rendements, d’accroître la qualité des produits et d’augmenter la sécurité de fonctionnement (réactions chimiques, extraction liquide-liquide, distillation, etc.) ;

• la biologie, la médecine et la pharmacie, qui, à partir de résultats expérimentaux, disposent de nombreux modèles mathématiques permettant une meilleure compréhension de la dynamique de systèmes, tels le système respiratoire, le système cardio-vasculaire, la fonction rénale, la régulation de l’eau et des électrolytes, les régulations hormonales, etc., ou encore une meilleure compréhension de l’action d’un médicament en fonction des doses ordonnées, de la répétition des doses et de la voie d’injection ;

• l’enseignement et la recherche dans l’université et les grandes écoles, qui font appel à de petits calculateurs pour décrire et visualiser les phénomènes étudiés ;

• l’écologie, qui observe les rapports des êtres vivants avec leur milieu naturel et les transformations qui découlent de leurs actions (étude de la dilution d’un polluant dans un lac, dans un fleuve ou dans la mer, étude des processus d’épuration, croissance d’une race au détriment d’une autre, etc.) ;

• l’économétrie, qui fait appel à l’analyse mathématique pour résoudre des problèmes propres à l’économie politique, et c’est le cas des études du fonctionnement d’un système économique, d’un circuit financier à l’échelle d’une ville, d’une région, d’un État ;

• la sociologie, la politique, le management, etc.

C. C.

➙ Information / Modèle / Ordinateur / Programmation.

 W. R. Ashby, Design For a Brain (Londres, 1952 ; 2^e éd., 1960). / P. Rosenstiehl et A. Ghouila-Houri, les Choix économiques. Décisions séquentielles et simulation (Dunod, 1960). / D. N. Chorafas, Systems and Simulation (New York, 1965 ; trad. fr. la Simulation mathématique et ses applications, Dunod, 1966). / T. H. Naylor et coll., Computer Simulation Techniques (New York, 1966). / S. H. Hollingdale (sous la dir. de), Digital Simulation in Operational Research (Londres, 1967). / J. Agard, J. Altaber, R. Fortet et A. Kaufmann, les Méthodes de simulation (Dunod, 1968). / J. McLeod, Simulation (New York, 1968). / G. Feutrier, la Simulation comme technique de gestion (P. U. F., 1972). / P. Kotler et R. L. Schultz, la Simulation en marketing (Dunod, 1972).