Risque déterministe et probabiliste
Le risque déterministe considère l'impact d'un seul scénario de risque, alors que le risque probabiliste prend en compte tous les scénarios possibles, leur probabilité et leurs impacts respectifs.
Les approches déterministes sont utilisées pour évaluer les impacts d'un scénario de catastrophe donné, tandis que les méthodes probabilistes servent à obtenir des estimations plus précises sur les dommages liés aux différents aléas et sur leur récurrence. Les évaluations probabilistes sont caractérisées par des incertitudes intrinsèques, celles-ci étant liées, d'une part, à la nature imprévisible des aléas et, d'autre part, à notre compréhension incomplète de ces aléas, de l'exposition et de la vulnérabilité.
OCDE, 2012
Quelle est la différence entre un risque déterministe et un risque probabiliste ?
Si les données historiques sur les pertes peuvent expliquer le passé, elles ne constituent pas nécessairement une référence fiable pour se projeter dans le futur ; la plupart des catastrophes susceptibles de se produire ne se sont pas encore produites. L'évaluation probabiliste des risques repose sur la simulation de catastrophes qui, sur la base de preuves scientifiques, sont susceptibles de se produire à l'avenir. Ces évaluations de risques permettent donc de s'affranchir du problème posé par les limites des données historiques. Les modèles probabilistes « complètent » donc les archives historiques en reproduisant la physique des phénomènes et en recréant l'intensité d'un grand nombre d'événements virtuels.
En revanche, un modèle déterministe considère que la probabilité d'un événement est celle d'un élément d'un univers fini. L'approche déterministe modélise généralement des scénarios dans lesquels les valeurs d'entrée sont connues et le résultat est observé.
La modélisation déterministe et la modélisation probabiliste se chevauchent. La modélisation probabiliste (c'est-à-dire la simulation de plusieurs scénarios ayant des probabilités d'occurrence différentes) peut, par exemple, être utilisée pour générer un scénario déterministe ; des scénarios courants peuvent inclure :
- Pire cas pertes maximales par exemple
- Meilleur cas, p. ex. pertes acceptables
- Cas le plus « probable »p. ex. pertes qui ont le plus de chances de se produire
L'approche déterministe pose un certain nombre de problèmes, notamment parce qu'elle ne tient pas compte de l'ensemble des résultats possibles et qu'elle ne quantifie pas la probabilité de chacun de ces résultats. Par conséquent, la planification de scénarios déterministes peut en fait conduire à sous-estimer le risque. Une approche probabiliste est nécessaire pour remédier à cette lacune.
Le risque probabiliste est la probabilité qu'un événement négatif se produise. Cette méthode évalue la probabilité d'un événement et, parce qu'elle intègre le concept de hasard, introduit l'idée d'incertitude.
Dans le contexte des risques de catastrophe, la probabilité fait référence à la fréquence d'occurrence ou à la période de retour des pertes associées aux événements résultant d'aléas. Qu'entend-on par période de retour ? Prenons l'exemple suivant, adapté du Bilan mondial 2015 de l'UNISDR :
La figure montre, sur une période de 1 000 ans, des pertes de différentes ampleurs (magnitudes). On peut observer que neuf événements ont conduit à des pertes de plus de « 60 » au cours de cette période et que l'intervalle de temps entre ces neuf événements varie de 60 à 200 ans. En moyenne, les pertes d'une magnitude de 60 ont été dépassées tous les 100 ans, ce qui représente la période de retour d'une telle perte. En d'autres termes, la perte correspondant à l'événement dont la période de retour est de 100 ans (événement d'amplitude 60 dans notre exemple) se produit en moyenne une fois tous les 100 ans. Comme le montre la figure, la période de retour ne signifie pas que la perte se produit tous les 100 ans. De même, cela ne signifie pas que si la perte se produisait aujourd'hui, elle ne se reproduirait pas avant 100 ans. La période de retour représente la probabilité annuelle de subir une perte de cette ampleur chaque année. La probabilité annuelle de dépasser une perte caractérisée par une période de retour de 100 ans est de 1% – l'inverse de la période de retour (1/100*100).
Périodes de retour UNISDR (2015a)
Le choix de recourir à une approche déterministe ou probabiliste dépend souvent du type de question à laquelle il faut répondre et de la décision à prendre en matière de gestion des risques de catastrophe.
Nous utilisons une approche probabiliste pour déterminer la probabilité d'un certain nombre d'événements différents. Nous pourrions adopter une approche déterministe pour tester un plan d'évacuation ou une stratégie d'atténuation du risque lié à un événement donné. Cependant, même si nous souhaitons caractériser un scénario de risque spécifique pour un événement spécifique, il est possible de se baser sur une évaluation probabiliste. En fait, les approches probabilistes nous permettent d'identifier et de modéliser des scénarios tout en tenant compte de leur période de retour. En mesurant la probabilité des événements, les décideurs sont mieux informés et plus à même de sélectionner des stratégies appropriées pour différents scénarios, comme la réduction des risques dans le cas de risques extensifs et le transfert des risques pour les événements à plus fort impact (mais moins probables).
L'évaluation probabiliste des risques relève d'un processus complexe, notamment en raison du nombre de paramètres à prendre en compte et du fait que les risques ne sont pas statiques et sont de plus en plus influencés par un certain nombre d'autres facteurs, y compris les changements climatiques. De telles évaluations tendent néanmoins à devenir la norme en matière d'évaluation des risques de catastrophe, car elles reposent sur une approche plus complète. Elles nous permettent de quantifier l'impact et la probabilité des événements, tout en tenant compte de l'incertitude qui leur est associée.
Qu'est-ce que l'incertitude ?
Peu de résultats des sciences naturelles et sociales sont sûrs à 100 %, en raison de la nature aléatoire des risques et parce que les informations sur les processus et leur compréhension sont incomplètes. Cela ne nous dispense pas de prendre des décisions pour renforcer la résilience.
Un modèle de risque peut produire un résultat très précis (il peut montrer, par exemple, qu'une inondation ayant une période de retour de 100 ans affectera 388 123 personnes), mais, en réalité, la précision du modèle et des données d'entrée ne permet pas d'obtenir mieux qu'une estimation de l'ordre de grandeur. De même, les zones inondables délimitées avec précision sur une carte des risques ne reflètent pas correctement l'incertitude associée à l'estimation, et pourraient conduire à des décisions telles que l'implantation d'installations critiques juste à l'extérieur de la zone inondable, alors même que le risque réel y est le même qu'à l'intérieur.
Nous ne devons pas craindre d'utiliser des informations incertaines tant que les décisions et les mesures basées sur ces informations sont prises en ayant bien conscience de l'incertitude associée et de ses implications. L'incertitude peut avoir des conséquences positives, telle celle de susciter un débat analytique qui favorise le bien-fondé des décisions. Les informations scientifiques crédibles sont également accompagnées d'indications précises sur les incertitudes qui leur sont attachées.
Comment modéliser les risques déterministes et probabilistes ?
Nous modélisons le risque de manière déterministe aussi bien que probabiliste à l'aide d'une série de composants (parfois appelés modules) représentant l'aléa, l'exposition, la vulnérabilité et les pertes (ou l'impact). Dans l'approche déterministe, le résultat du modèle est entièrement déterminé par les valeurs des paramètres et les valeurs initiales, tandis que le hasard est pris en compte dans un modèle probabiliste (ou stochastique). Par conséquent, des paramètres et des conditions initiales identiques conduiront à des résultats différents. Nous pouvons également utiliser des modèles de risque probabilistes pour effectuer une analyse déterministe en fixant les paramètres de l'événement spécifique résultant d'un aléa.
L'inventaire des aléas et les scénarios d'événements peuvent être modélisés en adoptant une approche déterministe aussi bien que probabiliste. Les modèles de risque déterministes sont utilisés pour évaluer l'impact d'événements spécifiques sur l'exposition. Les scénarios typiques d'une analyse déterministe comprennent des restitutions d'événements passés, la modélisation des pires circonstances ou encore celle d'un même événement pour différentes périodes de retour. Par exemple, une analyse déterministe du risque (ou de l'impact) fournira une estimation solide des dommages potentiels que subiront les bâtiments, de la mortalité/morbidité et des pertes économiques résultant d'un scénario de catastrophe correspondant à un risque spécifique. Les modèles de risque sont utilisés à des fins probabilistes lorsqu'un ensemble d'événements contient un nombre suffisant d'événements pour que l'estimation du risque converge lorsque l'on s'intéresse à la période de retour la plus longue (ou à la probabilité la plus faible).
Nous ne pouvons pas nous fier entièrement à notre connaissance des événements passés pour caractériser les risques futurs, car certaines catastrophes qui pourraient survenir ne se sont pas encore produites.
Une approche probabiliste minimise cette restriction. Elle utilise des événements historiques, des connaissances d'experts et la théorie pour simuler des événements qui peuvent se produire physiquement, mais qui ne sont pas documentés dans les archives. Une approche probabiliste peut générer un inventaire de tous les événements possibles, en indiquant la probabilité d'occurrence de chaque événement ainsi que les pertes associées. Elle permet ainsi de disposer d'une image plus complète de l'ensemble des risques futurs que celle que fournissent les données historiques. Bien que les données et les connaissances scientifiques utilisées soient encore incomplètes, et en admettant le principe même d'une incertitude intrinsèque, ces modèles peuvent fournir des « ordres de grandeur » probables des risques.
Les résultats des modèles de risque probabilistes sont normalement présentés au moyen d'indicateurs standard, tels que la perte annuelle moyenne (PAM). La PAM représente la perte moyenne à laquelle il faut s'attendre chaque année en tenant compte de tous les événements susceptibles de se produire sur une longue période. Il s'agit d'un indicateur compact, peu sensible à l'incertitude. Contrairement aux estimations historiques, la PAM intègre toutes les catastrophes susceptibles de se produire à l'avenir, y compris les pertes très lourdes correspondant aux longues périodes de retour. Sa détermination s'affranchit ainsi des restrictions associées aux estimations tirées des données historiques sur les pertes dues aux catastrophes. La plupart des évaluations probabilistes des risques ont été développées commercialement pour le secteur de l'assurance et couvrent des risques spécifiques, principalement dans les pays à revenu élevé. Elles sont néanmoins rarement accessibles et sont basées sur des modèles déposés. Bien que de plus en plus de modèles de risque soient actuellement développés dans le domaine public, l'utilisation de méthodologies et d'ensembles de données différents rend les comparaisons difficiles.
Un deuxième indicateur est la perte maximale probable (PMP) pour différentes périodes de retour. Les PMP peuvent être exprimées comme la probabilité de dépassement d'un montant de perte donné sur différentes périodes. Ainsi, même dans le cas d'une période de retour de mille ans, il existe toujours une PMP pour laquelle la probabilité de dépassement sur une période de 50 ans est de 5 %. Cet indicateur est notamment utile à ceux qui planifient la construction d'infrastructures et à ceux qui les conçoivent, car ce sont des projets pour lesquels les investissements peuvent être définis sur la base d'une durée de vie de 50 ans.
Lors de l'élaboration de modèles de risque, de nombreux ensembles de données différents sont utilisés comme paramètres d'entrée. Le niveau d'incertitude est directement lié à la qualité des données d'entrée. Il existe en outre une incertitude liée au hasard qui ne peut être atténuée. À de nombreuses reprises au cours de l'élaboration d'un modèle, des jugements d'experts et des variables de substitution sont utilisés en l'absence de données historiques, et les résultats sont très sensibles à la plupart de ces hypothèses et aux variations des données d'entrée. C'est pour cette raison que les résultats de ces modèles doivent être considérés comme des indicateurs de l'ordre de grandeur des risques, et non comme des valeurs exactes. L'amélioration de la qualité des données et les progrès de la science et des méthodes de modélisation réduisent le niveau d'incertitude, mais il est essentiel d'interpréter les résultats de toute évaluation des risques en tenant compte de l'incertitude inévitable.
Dernière mise à jour le : 18 janvier 2024
Articles connexes (en anglais)
Qu'est-ce qu'une crue centennale ? Un hydrologue explique
« Une crue centennale (on pourrait de la même façon caractériser une tempête centennale) est une crue si importante qu'elle n'a qu'une chance sur cent de se produire au cours d'une année donnée. »
La population exposée aux inondations côtières de faible probabilité est plus nombreuse que prévu
« La population mondiale exposée à des inondations côtières de faible probabilité a plus que doublé si l'on tient compte des cyclones tropicaux. »
L'analyse de probabilité améliore l'évaluation des aléas
« L'estimation de la probabilité d'occurrence et de la fréquence est une science importante qui permet d'aider les individus à planifier et à se préparer à des événements futurs. »