484
Hydrologie quantitative
etre forcees par l'utilisateur et les contraintes physiques de ce for<;age;
des entrees non contr61ables (debits d'entree, eventuellement euxmemes influences) influen<;ant les evolutions de ce systeme;
• des usages it chercher it satisfaire (enjeux et objectifs).
La gestion consiste en une sequence de decisions portant sur les valeurs
donnees aux variables de contr61e. Construire une gestion de reserve revient
it decortiquer Ie systeme contr61able, ses entrees et les usages, puis it les modeliser. On peut alors simuler cet ensemble et rechercher les meilleures regles
de decisions (en temps reel et/ou globalement it l'echelle de la saison ou de
l'annee) de fa<;on it se rapprocher au mieux des objectifs de gestion : c'est la
phase d'optimisation.
Ceci se fait dans un contexte profondement aleatoire par la dimension stochastique des processus hydrologiques et bien souvent des usages it satisfaire.
Les aleas peuvent affecter aussi bien les entrees (apports hydrologiques naturels, prelevements anthropiques amont ... ), les usages (fluctuations des besoins,
des marches... ) et meme dans une moindre mesure Ie systeme de contr61e luimeme. Ainsi, it un instant t, ces aleas ont pour effet de rendre incertaines les
variables d'entree it venir (debits d'apport et/ou prelevements, valeur future du
benefice attendu du fait de la fluctuation des marches...) et donc de remettre en
cause une optimisation qui ne reposerait que sur une seule projection du futuro
Vne bonne optimisation ne doit pas tenir compte d'une seule realisation du
futur, mais de tous ses possibles: il faut gerer en «avenir incertain ». Systeme
physique, usages, aleas et decisions sont, nous l'avons donc vu, les mots eles
du systeme de contr61e : nous les passerons brievement en revue, ce qui nous
permettra ensuite d'aborder la phase d'optimisation.
Encadre 11.1 : L'optimalite est-elle une fin en soi? Est-elle vraiment
utile? Est-elle toujours possible? A-t-elle un ens? Est-elle toujours
retenue par Ie decideur?
Si optimali e signifie « tirer Ie meilleur parti » d'une reserve, alors la reponse
est evidemment oui, mais Ie « meilleur parti » est quelque chose de flou ... On est
donc tente, pour preciser les choses, de dMinir une fonction qui representerait
globalement la satisfaction ainsi attendue. La recherche des regles de decision
optimi ant cette fonction apparait alar un probleme matMmatique bien po e.
Mai on e t rarement en me ure d'integrer taus Ie enjeux en pre ence, a cau e
de leur complexite ou bien par'ce qu'ils n sont pas quantifiables facil m nt.
Optimiser une fonction d atisfaction int grant Ie moins mal possible tous ce
nj ux st une aide pr ci us ala d'cision : c la p rm t d p er t compar r
des enjeux, ou d'evaluer les consequences d'une decision qui s'ecarte de ce
«pseudo-op imum» (optimum d'un probleme necessairement simplifie et qui
n'epuise pas tous les enjeux de la gestion).
Hydrologie quantitative
etre forcees par l'utilisateur et les contraintes physiques de ce for<;age;
des entrees non contr61ables (debits d'entree, eventuellement euxmemes influences) influen<;ant les evolutions de ce systeme;
• des usages it chercher it satisfaire (enjeux et objectifs).
La gestion consiste en une sequence de decisions portant sur les valeurs
donnees aux variables de contr61e. Construire une gestion de reserve revient
it decortiquer Ie systeme contr61able, ses entrees et les usages, puis it les modeliser. On peut alors simuler cet ensemble et rechercher les meilleures regles
de decisions (en temps reel et/ou globalement it l'echelle de la saison ou de
l'annee) de fa<;on it se rapprocher au mieux des objectifs de gestion : c'est la
phase d'optimisation.
Ceci se fait dans un contexte profondement aleatoire par la dimension stochastique des processus hydrologiques et bien souvent des usages it satisfaire.
Les aleas peuvent affecter aussi bien les entrees (apports hydrologiques naturels, prelevements anthropiques amont ... ), les usages (fluctuations des besoins,
des marches... ) et meme dans une moindre mesure Ie systeme de contr61e luimeme. Ainsi, it un instant t, ces aleas ont pour effet de rendre incertaines les
variables d'entree it venir (debits d'apport et/ou prelevements, valeur future du
benefice attendu du fait de la fluctuation des marches...) et donc de remettre en
cause une optimisation qui ne reposerait que sur une seule projection du futuro
Vne bonne optimisation ne doit pas tenir compte d'une seule realisation du
futur, mais de tous ses possibles: il faut gerer en «avenir incertain ». Systeme
physique, usages, aleas et decisions sont, nous l'avons donc vu, les mots eles
du systeme de contr61e : nous les passerons brievement en revue, ce qui nous
permettra ensuite d'aborder la phase d'optimisation.
Encadre 11.1 : L'optimalite est-elle une fin en soi? Est-elle vraiment
utile? Est-elle toujours possible? A-t-elle un ens? Est-elle toujours
retenue par Ie decideur?
Si optimali e signifie « tirer Ie meilleur parti » d'une reserve, alors la reponse
est evidemment oui, mais Ie « meilleur parti » est quelque chose de flou ... On est
donc tente, pour preciser les choses, de dMinir une fonction qui representerait
globalement la satisfaction ainsi attendue. La recherche des regles de decision
optimi ant cette fonction apparait alar un probleme matMmatique bien po e.
Mai on e t rarement en me ure d'integrer taus Ie enjeux en pre ence, a cau e
de leur complexite ou bien par'ce qu'ils n sont pas quantifiables facil m nt.
Optimiser une fonction d atisfaction int grant Ie moins mal possible tous ce
nj ux st une aide pr ci us ala d'cision : c la p rm t d p er t compar r
des enjeux, ou d'evaluer les consequences d'une decision qui s'ecarte de ce
«pseudo-op imum» (optimum d'un probleme necessairement simplifie et qui
n'epuise pas tous les enjeux de la gestion).