18.3 La démarche
371
© Dunod – La photocopie non autorisée est un délit.
évoqué en 18.5.6, est extrêmement utile pour déterminer ces valeurs remarquables.
On construit alors des jeux de tests en partant d’un jeu représentatif, et en y
introduisant une à une, pour chaque donnée, chaque valeur remarquable de son
domaine de valeurs. On construit également des jeux de tests en introduisant
simultanément des valeurs remarquables pour plusieurs données.
• Si le modèle est décomposable ou comporte des fragments identifiables, on
teste chacun d’eux individuellement.
• On enregistre soigneusement ces jeux de tests, afin de les réutiliser, soit lors de
problèmes ultérieurs, soit lors de la modification du modèle, afin de vérifier sa
conformité par rapport à l’ancienne version (tests dits de régression). A ce titre,
ces jeux de tests et les résultats qu’ils produisent sont à considérer comme
faisant partie intégrante de la documentation du modèle.
18.3.4 Généralisation par dimensionnement
Nous signalons ici une approche qui peut simplifier la tâche d’analyse d’un
problème comportant plusieurs dimensions. Il est en effet parfois difficile de formaliser un tel problème en considérant toutes les dimensions à la fois.
L’idée consiste à ignorer une ou plusieurs des dimensions et à construire le
modèle réduit qui décrit cette vue simplifiée du problème. Lorsque ce modèle
simplifié est disponible et qu’il a été validé, voire testé, on le modifie de manière à y
inclure une des dimensions écartées. Cette opération consiste à
• déterminer les grandeurs qui dépendent de cette dimension, et les ajuster;
pour ce faire, on dimensionne les données dépendant de cette dimension, puis
on calcule les dimensions des grandeurs qui ne dépendent que des données
(selon les règles 18.5.5); on poursuit en examinant successivement toutes les
grandeurs jusqu’à ce que tous les résultats aient été examinés et, si nécessaire,
dimensionnés;
• ajouter les grandeurs dérivées dont la définition inclut une fonction agrégative
basée sur la nouvelle dimension;
• si nécessaire, vérifier la cohérence des dimensions des règles (selon les principes proposés en 18.5.5), afin de détecter les erreurs éventuelles; si la
propagation des dimensions s’est déroulée correctement, cette étape est inutile.
Cette approche a été suivie, bien qu’informellement, dans la construction du
modèle 17.9 à partir du modèle 17.1, et dans celle du modèle 17.10 à partir du
modèle 17.9. Observons encore qu’on peut traduire cette démarche en donnant une
forme particulière au modèle final dans lequel un modèle non dimensionné est
exprimé comme un sous-modèle dont l’invocation lui transmet des grandeurs
dimensionnées. Le modèle 17.14 en est une illustration directe : le modèle complet
est temporel (dépend du temps T), mais les sous-modèles sont indépendants du
temps.
371
© Dunod – La photocopie non autorisée est un délit.
évoqué en 18.5.6, est extrêmement utile pour déterminer ces valeurs remarquables.
On construit alors des jeux de tests en partant d’un jeu représentatif, et en y
introduisant une à une, pour chaque donnée, chaque valeur remarquable de son
domaine de valeurs. On construit également des jeux de tests en introduisant
simultanément des valeurs remarquables pour plusieurs données.
• Si le modèle est décomposable ou comporte des fragments identifiables, on
teste chacun d’eux individuellement.
• On enregistre soigneusement ces jeux de tests, afin de les réutiliser, soit lors de
problèmes ultérieurs, soit lors de la modification du modèle, afin de vérifier sa
conformité par rapport à l’ancienne version (tests dits de régression). A ce titre,
ces jeux de tests et les résultats qu’ils produisent sont à considérer comme
faisant partie intégrante de la documentation du modèle.
18.3.4 Généralisation par dimensionnement
Nous signalons ici une approche qui peut simplifier la tâche d’analyse d’un
problème comportant plusieurs dimensions. Il est en effet parfois difficile de formaliser un tel problème en considérant toutes les dimensions à la fois.
L’idée consiste à ignorer une ou plusieurs des dimensions et à construire le
modèle réduit qui décrit cette vue simplifiée du problème. Lorsque ce modèle
simplifié est disponible et qu’il a été validé, voire testé, on le modifie de manière à y
inclure une des dimensions écartées. Cette opération consiste à
• déterminer les grandeurs qui dépendent de cette dimension, et les ajuster;
pour ce faire, on dimensionne les données dépendant de cette dimension, puis
on calcule les dimensions des grandeurs qui ne dépendent que des données
(selon les règles 18.5.5); on poursuit en examinant successivement toutes les
grandeurs jusqu’à ce que tous les résultats aient été examinés et, si nécessaire,
dimensionnés;
• ajouter les grandeurs dérivées dont la définition inclut une fonction agrégative
basée sur la nouvelle dimension;
• si nécessaire, vérifier la cohérence des dimensions des règles (selon les principes proposés en 18.5.5), afin de détecter les erreurs éventuelles; si la
propagation des dimensions s’est déroulée correctement, cette étape est inutile.
Cette approche a été suivie, bien qu’informellement, dans la construction du
modèle 17.9 à partir du modèle 17.1, et dans celle du modèle 17.10 à partir du
modèle 17.9. Observons encore qu’on peut traduire cette démarche en donnant une
forme particulière au modèle final dans lequel un modèle non dimensionné est
exprimé comme un sous-modèle dont l’invocation lui transmet des grandeurs
dimensionnées. Le modèle 17.14 en est une illustration directe : le modèle complet
est temporel (dépend du temps T), mais les sous-modèles sont indépendants du
temps.