Au MIT, un outil pour concevoir des systèmes complexes malgré l’incertitude

Lorsqu’un ingénieur dessine un drone, un véhicule autonome ou une infrastructure de transport, il ne choisit pas seulement une liste de composants. Il doit surtout anticiper la manière dont ces éléments vont interagir dans des conditions imparfaites. Un capteur peut voir moins bien selon la météo, un moteur peut ne pas délivrer exactement les performances prévues, une batterie peut imposer une contrainte de poids ou de coût. Or, un système entier peut être fragilisé par l’incertitude qui touche l’un de ses maillons.

Des chercheurs du MIT, menés par Gioele Zardini, ont développé un nouveau cadre de conception destiné à traiter ce problème dès l’amont. Leur approche vise à permettre aux équipes d’ingénierie de modéliser non seulement les performances attendues d’un système, mais aussi l’éventail des résultats possibles lorsque les caractéristiques de ses composants varient. L’objectif est de rendre les compromis entre coût, poids, capacité et fiabilité plus explicites, plutôt que de les découvrir une fois le système assemblé.

Pourquoi l’incertitude complique-t-elle la conception ?

Un système complexe rassemble de nombreux sous-systèmes dont les choix sont interdépendants. Dans un drone, par exemple, la masse d’une batterie influe sur la charge utile possible et sur les performances de l’appareil. Le système de perception doit, de son côté, conserver une précision suffisante dans des conditions météorologiques variables. Ces décisions ne peuvent donc pas être prises isolément : optimiser un composant peut dégrader une propriété essentielle ailleurs dans le système.

Les méthodes de conception traditionnelles utilisent souvent des valeurs de performance fixes ou se limitent à comparer un scénario favorable et un scénario défavorable. Cette simplification est pratique, mais elle peut laisser de côté une information décisive : la probabilité qu’un choix devienne impraticable ou qu’il ne respecte plus les contraintes du projet.

Le cadre proposé par l’équipe du MIT cherche au contraire à représenter les performances comme des résultats susceptibles de varier. Il aide alors les concepteurs à examiner les compromis non comme un point unique, mais comme un ensemble de possibilités et de risques.

Le co-design, une manière de relier les décisions

Le travail s’appuie sur le co-design, une approche de conception qui décompose un problème de grande taille en éléments interconnectés. Au lieu de demander à une même personne de maîtriser dans le détail l’ensemble des domaines concernés, le cadre permet d’évaluer des composants séparément tout en préservant les relations mathématiques qui les lient.

Cette organisation répond à une réalité concrète des projets d’ingénierie. Un spécialiste des capteurs, un expert des batteries et un concepteur chargé de l’architecture générale ne manipulent pas les mêmes paramètres. Pourtant, leurs décisions doivent aboutir à un seul système fonctionnel. Le co-design fournit une façon structurée de faire circuler les contraintes entre ces spécialités.

Dans cette logique, un composant ne se résume pas à une fiche technique immuable. Il est décrit par ce qu’il demande au reste du système et par ce qu’il peut fournir, avec les incertitudes associées. Une batterie, par exemple, doit respecter certaines limites de poids et de coût, tout en apportant l’énergie nécessaire. Un système de perception doit satisfaire des exigences de détection, mais ses résultats peuvent varier lorsque les conditions changent.

Le bénéfice attendu est double. D’une part, les équipes obtiennent une vision plus complète des conséquences de chaque décision. D’autre part, elles peuvent comparer des configurations sans devoir traiter manuellement toutes les combinaisons possibles entre les composants.

Quel rôle joue la théorie des catégories ?

Les chercheurs ont intégré l’incertitude à un cadre existant fondé sur la théorie des catégories. Derrière ce nom abstrait se trouve une branche des mathématiques qui s’intéresse avant tout aux relations entre objets et à la manière de composer ces relations. Elle peut donc servir à représenter des systèmes où l’essentiel ne réside pas seulement dans les éléments individuels, mais dans leurs dépendances mutuelles.

Appliquée à l’ingénierie, cette formalisation aide à conserver une structure commune lorsque l’on assemble plusieurs sous-problèmes. Au lieu de reconstruire entièrement le raisonnement à chaque nouveau composant, les concepteurs peuvent relier des modèles spécialisés à l’intérieur d’un cadre général.

L’apport de l’équipe du MIT consiste à faire entrer les performances incertaines dans cette représentation. Les résultats fournis ne se limitent alors plus à une valeur idéale ou à une estimation moyenne. Ils peuvent rendre compte d’un éventail plus large d’issues possibles, et donc des risques qui accompagnent un choix de conception.

Le cas d’un drone : perception, batteries et charge utile

Pour démontrer l’intérêt de leur approche, les chercheurs l’ont appliquée à la sélection d’un système de perception et de batteries pour un drone. Cet exemple concentre plusieurs difficultés typiques de la conception de systèmes complexes : il faut équilibrer la capacité énergétique, le poids, le coût et la capacité de l’appareil à percevoir son environnement.

Le système de perception illustre directement l’importance des conditions extérieures. Sa précision de détection peut varier avec la météo. Plutôt que de considérer cette précision comme une caractéristique constante, le cadre permet d’en examiner l’impact sur les performances globales du drone. Un choix de capteur ne se juge donc plus uniquement sur sa performance nominale, mais aussi sur la robustesse du système entier lorsque cette performance évolue.

Le travail fournit aussi des informations plus fines sur les choix de batteries. Dans le cas étudié, les batteries au nickel-hydrure métallique représentent la meilleure option du point de vue du coût sur la durée. Ce résultat ne veut pas dire qu’elles constituent universellement la batterie idéale pour tous les appareils. Il traduit le compromis obtenu dans la configuration modélisée, avec ses propres contraintes et ses propres niveaux d’incertitude.

L’un des résultats les plus parlants concerne la charge utile. Lorsque celle-ci atteint 1 750 grammes, l’outil estime à 12,8 % la probabilité que le design de batterie devienne impraticable. Cette donnée ajoute une information absente d’une comparaison purement théorique entre technologies : au-delà du coût ou de la capacité annoncée, l’ingénieur voit apparaître le risque associé à une décision précise.

Des résultats plus utiles que le seul meilleur scénario

En ingénierie, connaître le meilleur résultat possible est utile, mais insuffisant. Un design peut sembler très performant dans des conditions idéales tout en présentant une forte probabilité de ne pas satisfaire une contrainte importante. Inversement, une solution moins impressionnante sur le papier peut offrir une meilleure prévisibilité sur la durée.

C’est précisément ce que le cadre tente de mettre en évidence. En capturant davantage de résultats possibles que les méthodes classiques, il donne aux ingénieurs une image plus complète des conséquences de leurs arbitrages. Le choix final reste une décision humaine, car il dépend des priorités du projet. Mais cette décision peut s’appuyer sur des informations plus précises concernant les risques potentiels.

Cette nuance est essentielle pour lire correctement le chiffre de 12,8 % obtenu dans l’exemple du drone. Il ne s’agit pas d’une prédiction universelle sur toutes les batteries ou tous les appareils volants. C’est l’évaluation, par le modèle, du risque d’impraticabilité dans les hypothèses de conception retenues pour cette charge utile. Changer les composants, les contraintes ou l’architecture modifierait nécessairement le résultat.

Un intérêt pour les équipes multidisciplinaires

Les systèmes modernes dépassent souvent les frontières d’une seule discipline. Un véhicule autonome, une infrastructure connectée ou un réseau de transport rassemble des spécialistes de l’énergie, des capteurs, du logiciel, de la mécanique et de l’exploitation. La difficulté ne consiste pas uniquement à accumuler ces expertises, mais à les coordonner sans perdre de vue les dépendances qui relient leurs décisions.

Le cadre élaboré au MIT a été pensé pour que chaque composant puisse être étudié sans exiger de tous les membres d’une équipe une expertise complète sur tous les autres composants. Cette propriété est particulièrement importante lorsque les projets prennent de l’ampleur. Elle permet de décomposer le travail tout en maintenant les contraintes du système global.

L’approche pourrait ainsi s’appliquer à d’autres systèmes complexes mentionnés par les chercheurs, notamment les véhicules autonomes et les infrastructures. Son intérêt tient moins à une recette spécifique pour les drones qu’à une méthode générale pour formaliser les compromis dans des ensembles où de nombreuses variables interagissent.

Ce qu’il faut surveiller

La prochaine étape annoncée par les chercheurs est l’amélioration de l’efficacité computationnelle de leurs algorithmes. Plus un système compte de composants, de contraintes et de scénarios possibles, plus le calcul nécessaire pour explorer ses compromis devient exigeant. Accélérer ces traitements est donc une condition importante pour appliquer la méthode à des problèmes encore plus vastes.

L’équipe envisage également d’étendre l’approche aux contextes dans lesquels plusieurs parties collaborent autour d’une même infrastructure. Elle cite notamment les réseaux de transport, où de nombreuses entreprises ferroviaires peuvent partager des équipements et des contraintes communes. Dans un tel cas, la conception ne porte plus seulement sur la compatibilité technique des composants : elle doit aussi intégrer les interdépendances entre organisations.

Cette perspective souligne un enjeu croissant de l’ingénierie contemporaine. À mesure que les systèmes deviennent plus connectés, leurs incertitudes ne disparaissent pas. Elles changent d’échelle et se propagent entre technologies, équipes et infrastructures. Formaliser ces relations, comme le propose ce cadre, peut aider à décider plus tôt, avec une vision plus réaliste des compromis à accepter.