La méthode
Chaque donnée d’entrée incertaine est décrite par une loi de probabilité (normale, triangulaire, lognormale, uniforme…). Le modèle est calculé des milliers de fois, en tirant à chaque fois une valeur de chaque entrée.
On obtient la distribution du résultat : moyenne, percentiles (P10, P50, P90), probabilité de dépasser un seuil. Des indices de sensibilité montrent quelles entrées pèsent le plus sur l’incertitude.
La méthode s’applique à des modèles très variés : coûts et délais de projet, pertes financières, doses ou concentrations, fiabilité. Le supplément 1 du GUM (JCGM 101:2008) la décrit pour la propagation des incertitudes de mesure, et l’ISO/IEC 31010 la cite parmi les techniques d’appréciation des risques.
Quand l’utiliser
- Lorsque plusieurs entrées sont incertaines et qu’une estimation « au pire » serait trop pessimiste ou peu informative.
- Pour estimer une probabilité de dépassement (budget, délai, seuil réglementaire).
- Pour identifier les entrées dont il faut réduire l’incertitude en priorité.
Points d’attention
- Le choix des lois et de leurs bornes pèse souvent plus que le nombre de tirages.
- Ignorer une corrélation entre entrées peut fortement sous-estimer les extrêmes.
- Une simulation ne corrige pas un modèle faux : la valider d’abord sur des cas simples.
Étapes
- Écrire le modèle qui relie les entrées au résultat.
- Choisir une loi de probabilité pour chaque entrée incertaine, à partir de données ou d’avis d’experts documentés.
- Définir les corrélations entre entrées lorsqu’elles existent.
- Lancer un nombre suffisant de tirages et vérifier la convergence des résultats.
- Lire la distribution du résultat, les percentiles et les sensibilités ; présenter les hypothèses avec les résultats.
Logiciels de simulation de Monte Carlo
Liste issue du catalogue Aurorisk, liens contrôlés le 2026-09-26. Les accès gratuits établis sont listés en premier ; les informations inconnues sont indiquées.
| Outil | Source · licence · accès | Portée | Description |
|---|---|---|---|
| Aurorisk — Monte Carlo | Gratuit pour l’enseignement | France | Outil pédagogique : entrées en lois de probabilité, équation, résultats en histogramme, courbe cumulative (P10/P50/P90) et diagramme tornado. Non validé, pas destiné à une étude réelle. |
| OpenTURNS ↗ | Association ou fondationOpen sourceGratuit | France | Bibliothèque Python d’incertitudes et de fiabilité (EDF, Airbus, Phimeca). |
| SALib ↗ | Open sourceGratuit | International | Analyse de sensibilité en Python. |
| Yasai ↗ | Open sourceGratuit | États-Unis | Complément Excel de simulation, simple et pédagogique. |
| @RISK (Lumivero) ↗ | Éditeur commercial | International | Complément Excel de référence. |
| ModelRisk (Vose) ↗ | Éditeur commercial | International | Simulation de risques quantitatifs. |
| Oracle Crystal Ball ↗ | Éditeur commercial | International | Prévision et simulation dans Excel. |
Normes et références
- ISO/IEC 31010 — Simulation de Monte-Carlo
- JCGM 101:2008 — Supplément 1 au GUM (propagation par Monte-Carlo)