Chapitre 1
Introduction à la modélisation et
l’évaluation des performances
1.1 Qu’est ce que l’évaluation des performances ? ∗
L’évaluation des performances s’intéresse au calcul des paramètres de performances
d’un système. Ces paramètres sont de différents types et dépendent du système étudié.
Par exemple, dans un système informatique, nous nous intéressons au nombre de
processus en cours de traitement sur l’unité centrale, l’état de ces processus (en attente,
prêt ou actif), l’état des ressources partagées, la probabilité qu’un processus s’execute,
etc.
Dans les réseaux de communication, un paramètre de performances important est le
temps de réponse qui mesure le temps qui sépare l’émission d’un message, de sa réception
par le destinataire.
Dans les systèmes de production, un paramètre de performances important est le débit
et l’etat des différentes machines (en service ou en panne). On s’intéressera par exemple,
au nombre de pièces produites par mois, ou encore au taux d’utilisation d’une machine
qui mesure la proportion de temps pendant laquelle la machine est occupée.
Dans un domaine pratique, celui d’un guichet de poste par exemple, le paramètre de
performance qui intéresse l’usager est le temps d’attente. La direction s’intéressera, quant
à elle, au nombre moyen de clients en attente au guichet. Si ce nombre, est important, il
faudra envisager d’ouvrir des guichets supplémentaires.
Ainsi, les cinq paramètres de performance, les plus importants, que l’on souhaite
déterminer dans de nombreux systèmes sont : le débit, le nombre moyen d’une entité
donnée, le temps d’attente, le temps de réponse et le taux d’utilisation.
1.2 Pourquoi évaluer les performances d’un système ?
L’évaluation des performances d’un système peut se faire à deux niveaux : en concep-
tion ou en exploitation.
En conception : cela signifie que le système n’existe pas encore et qu’il s’agit de le
concevoir en respectant un cahier des charges. Lorsqu’un système est simple, l’experience
∗. Pr. N. GHARBI, Faculté d’Informatique - USTHB
1
du concepteur peut être suffisante. Cependant, la plupart des systèmes actuels sont de
plus en plus complexes. Ainsi, il faut calculer, pour une configuration donnée du système,
les paramètres de performances, afin de vérifier qu’ils sont bien en accord avec le cahier
des charges ou pas.
Concevoir un système sans avoir mené aupréalable d’analyse de performances, peut
aboutir à la création d’un système inutilisable, car sous-dimensionné et ne respecte pas
les objectifs initiaux ou bien surdimensionné et pour lequel on aura gaspillé inutilement
de l’argent.
En exploitation : cette fois-ci, le système existe, mais on souhaite le modifier ou
le tester en dehors de son point de fonctionnement normal. La modification rejoint un
peu la conception. Il s’agit en effet de concevoir un système différent répondant à de
nouveaux objectifs. Il s’agira par exemple de modifier un atelier de fabrication dont la
capacité de production n’est plus suffisante. L’ingénieur propose de changer telle machine
pour la remplacer par une machine deux fois plus rapide. Il faudra alors analyser les
performances de ce nouveau système, pour vérifier que ce changement permet d’atteindre
l’augmentation désirée de la production. Si ce n’est pas le cas, cela signifie peut-être que ce
n’était pas cette machine qui ralentissait la production globale de l’atelier. Son changement
aurait donc été inutile, ou en tout cas insuffisant, vis-à-vis de l’objectif fixé. Il peut être
également intéressant de tester l’atelier de production dans des conditions anormales de
fonctionnement telles que des pannes de machines ou des surcharges de travail. C’est
encore un cas où la mesure réelle est non envisageable. Un exemple caricatural illustrant
cette dernière remarque est celui d’une centrale nucléaire. Si l’on s’intéresse par exemple
à la limite de résistance des réacteurs, il est clair qu’on ne va pas pousser à fond ces
réacteurs pour constater à partir de quel moment la centrale explose.
En conclusion, construire le système adapté ou bien modifier un système existant, en
respectant le plus possible les objectifs du cahier des charges, est une démarche qui doit
passer obligatoirement par une étape de modélisation et d’analyse ou d’évaluation des
performances.
1.3 Étapes de l’évaluation des performances †
Étant donné que l’on ne peut mesurer directement les paramètres de performances
puisque le nouveau système n’existe pas encore, il s’agit de proposer un modèle adapté
permettant de décrire au mieux les paramètres et le fonctionnement réel du système.
L’évaluation des performances d’un système réel peut être schématisée de la façon
présentée dans la Figure 1.1 donnée ci-dessous.
Ce schéma se décompose en une étape de modélisation permettant de passer du
système au modèle et une étape d’analyse des performances du modèle. Le rebouclage n’a
lieu que si les performances obtenus ne sont pas celles espérées ie. que tous les problèmes
détectés dans l’analyse, sont signalés comme des anomalies de la conception. Ainsi, la
conception est revue puis le système est modélisé et analysé encore une fois. Ce cycle est
répété jusqu’à ce que l’analyse ne révèle aucun problème.
†. Prof. N. GHARBI, Faculté d’Informatique - USTHB
2
Système
Modélisation
Analyse
Modèle des
résultats
Analyse
Performances
Figure 1.1 – Schéma d’évaluation des performances d’un système
Très fidèle
M1 Non exploitable
Système M2 Assez fidèle
Relativement exploitable
M3 Peu fidèle
Très exploitable
Figure 1.2 – Choix d’un modèle
1.4 Modélisation
Définition : Un modèle est une abstraction mathématique d’un système réel.
En fonction du degré d’abstraction, on obtient un modèle plus ou moins fidèle. Si
l’on prend en compte tous les paramètres influant sur le système réel, on aboutit à un
modèle M 1 très fidèle et dont les performances obtenues seront très proches de celles
du système réel, mais énorme et difficile à analyser. A l’opposé, on peut construire un
modèle M 3 extrêmement simple ie. peu fiable dans lequel on a négligé un grand nombre
de phénomènes du système réel, mais très facile à analyser. Cependant, les résultats ne
seront pas très exacts. En général, il est intéressant de choisir un modèle intermédiare M 2
qui est plus fidèle que le modèle M 3, et dont l’analyse est moins complexe que celle de
M 1.
Un modèle peut être décrit par un ensemble d’équations ou à l’aide d’un formalisme
mathématique. Différents types de formalismes ont été développés, tels que : les chaı̂nes
de Markov, les files d’attente, les réseaux de Petri, etc.
Types de modèles : ‡
— Analytique (équations)/ algorithmique (logociel) /descriptif (physique) ;
— Statique (indépendant du temps) / dynamique(dépendent du temps) ;
‡. Prof. N. GHARBI, Faculté d’Informatique - USTHB
3
— Déterministes (évolution connue) / stochastique (probabiliste ou aléatoire) ie. il
depend de facteurs aléatoires ;
— Discret (ensemble des états possibles dénombrable ⊆ IN ouZ) / Continu (espace
d’états non discret ⊆ IR).
Les modèles hybrides combinent les types précédents.
Il est important de noter que l’analyse des performances se fait sur le modèle. Ce
que l’on obtient, ce sont donc les performances du modèle et non celles du système. On
comprend alors l’importance de l’étape de modélisation.
1.5 Comment évaluer les performances d’un système ? §
Une fois un modèle construit dans le formalisme choisi, il s’agit de l’analyser. On dis-
tingue deux grands types d’analyse, l’analyse qualitative et l’analyse quantitative :
Analyse qualitative : elle consiste à définir les propriétés structurelles et compor-
tementales du système, telles que l’absence de blocage, la finitude du système, etc. Par
exemple, dans un réseau de communication, si une machine A attend un message d’une
machine B pour pouvoir poursuivre son processus de communication, et que dans en
même temps la machine B attend un message de la machine A, le système est dans un état
d’inter-blocage (deadlock) et ne peut plus évoluer. L’étude qualitative nous renseignera
sur l’éventualité d’un tel état. Il s’agira alors de modifier le protocole de communication
pour que cela ne puisse se produire. Parmi les formalismes les plus utilisés pour l’analyse
qualitative des systèmes, nous citons le formalisme réseau de Petri.
Analyse quantitative : elle consiste à calculer les paramètres de performances du
système.
Il est conseillé de faire une analyse qualitative aupréalable, car les techniques d’évaluation
des performances peuvent fournir des résultats erronés si par exemple le système présente
certains problèmes tel un inter-blocage.
Il existe deux grands types de méthodes d’analyse quantitative des performances : la
simulation et les méthodes analytiques.
1. La simulation consiste à reproduire l’évolution du modèle, pas à pas, en étudiant
une réalisation particulière de celui-ci. Elle consiste ainsi, à conduire des expériences
sur le modèle. L’avantage de la simulation est d’offrir une approche très générale
permettant d’étudier des modèles complexes dès l’instant où l’outil de simulation
est adapté au modèle considéré. Un autre avantage est qu’elle permet de simuler
en quelques minutes un processus évoluant des années. Le gros inconvénient de la
simulation est d’être une technique extrêmement gourmande en temps de calcul
et les résultats obtenus sont approximatifs ie. approchées (plus la simulation est
longue plus les résultats sont exacts).
Logiciels de simulation :
On peut utiliser les langages universels : FORTRAN, Pascal, C, Java, etc, comme
on peut utiliser des langages spécifiques orientés vers la résolution de tel ou tel
système :
- Systèmes de production : GPSS, SIMSCRIPT, SIMULA. - Systèmes de télècommunication
et réseaux : GLOMOSIM, Network Simulation (NS).
§. Prof. N. GHARBI, Faculté d’Informatique - USTHB
4
2. Les méthodes analytiques proposent de calculer les paramètres de performances de
façon mathématique en résolvant les équations sous-jacentes. Leur intérêt réside
principalement dans leur résolution généralement peu coûteuse en temps de calcul
et les résultats obtenus sont exacts.
Malheureusement, la classe des modèles que l’on sait analyser de façon exacte par
les méthodes analytiques est relativement limitée. Dans le cas où une solution
exacte n’est pas envisageable, on peut utiliser des techniques analytiques ap-
proximatives, qui en introduisant une approximation raisonnable, permettent de
simplifier considérablement l’analyse.
Il est clair que si l’on peut obtenir les performances d’un système en quelques se-
conde, à l’aide d’une technique analytique, il serait stupide de faire tourner une si-
mulation pouvant durer plusieurs heures pour n’obtenir que des valeurs approchées.
Par conséquent, la simulation intervient là où les méthodes analytiques sont trop
compliquées ¶ .
¶. Prof. N. GHARBI, Faculté d’Informatique - USTHB