Les points clés
- Définir la décision et le modèle avant les distributions.
- Justifier chaque distribution avec les données disponibles.
- Conserver dépendances, unités et nombre d’itérations.
- Lire les percentiles comme résultats conditionnels.
Passer des fourchettes à un modèle probabiliste
Une variable incertaine reçoit une distribution adaptée à sa nature : normale pour une variation symétrique justifiée, triangulaire pour minimum, mode et maximum, lognormale pour une grandeur positive asymétrique, ou une autre loi explicitement motivée.
Les corrélations importantes doivent être modélisées. Supposer des variables indépendantes alors qu’elles évoluent ensemble peut sous-estimer le risque.
Simuler et conserver les paramètres
À chaque itération, une valeur est tirée pour chaque variable puis le résultat du modèle est recalculé. Après de nombreux tirages, on conserve la distribution, la moyenne et des percentiles tels que P5 et P95.
Le cadre code audité utilise 10 000 itérations et affiche moyenne, P5 et P95. Ces éléments décrivent un calcul local et ne prouvent pas un runtime public.
| Élément | À documenter | Risque si absent |
|---|---|---|
| Variable | Définition et unité | Double comptage |
| Distribution | Forme et paramètres | Précision artificielle |
| Dépendance | Corrélation ou causalité | Risque sous-estimé |
| Sortie | Moyenne et percentiles | Lecture comme prévision |
Lire la distribution pour décider
La moyenne résume la distribution, mais ne décrit ni sa dispersion ni son asymétrie. P5 et P95 bornent 90 % des tirages ordonnés du modèle, sans constituer un intervalle de confiance sur le monde réel.
La comparaison porte sur le risque de franchir un seuil, le besoin de réserve, la robustesse du choix et les hypothèses qui dominent la variance.
Garder la simulation révisable
Le rattachement éditorial conduit à Plot pour la simulation et Atlas pour le dossier, sans promettre une chaîne automatique.
Le dossier conserve modèle, distributions, sources, dépendances, date, résultats et événements qui imposeront une nouvelle simulation.
Questions fréquentes
Combien d’itérations faut-il ?
Le nombre dépend de la stabilité recherchée et du coût du modèle. Vérifiez la convergence au lieu de retenir un nombre par habitude.
Monte-Carlo remplace-t-elle les scénarios ?
Non. Les scénarios structurent des futurs cohérents; Monte-Carlo explore une distribution à l’intérieur d’un modèle quantifié.
P95 est-il une garantie ?
Non. Il est conditionnel aux distributions, dépendances et données retenues.
Sources intégrales
- GAO, analyse des risques et incertitudes par Monte-Carlo, PDFSource complète accessible en ligne · Consulter la source complète
- EPA, principes directeurs de l’analyse Monte-Carlo, PDFSource complète accessible en ligne · Consulter la source complète
- Analyse d’investissement sous risque par simulation Monte-Carlo, PDFSource complète accessible en ligne · Consulter la source complète