Information-Geometric techniques for robustness of model output to distributional uncertainty

par Baalu Belay Ketema (Institut de mathématiques de Toulouse)

mardi 17 févr. 2026, 09:00 → 12:30 Europe/Paris

amphithéatre H (site de EDF R&D Chatou)

Dans le domaine de la quantification d'incertitude, l'incertitude sur les entrées d'un code numérique est typiquement modélisée par une loi de probabilité P. Cette loi est souvent elle-même incertaine, car déterminée à travers d'essais expérimentaux. Le but de l'analyse de robustesse probabiliste consiste à "perturber" P et d'étudier l'impact sur une quantité d'intérêt en sortie du modèle.

 

En se plaçant sur une famille paramétrique F de lois contenant P, nous développons une nouvelle méthode de robustesse en exploitant la structure d'information-géométrique de F. Étant donné un quantile en sortie, cette méthode consiste à maximiser ce dernier sur F par un algorithme d'optimisation stochastique/riemannienne. De plus, une meilleure garantie sur le quantile maximal ainsi calculé est obtenue grâce à un intervalle de confiance de type Wilks, valable sur un (petit) voisinage autour de la loi maximisante. Finalement, cette méthode est appliquée au cas d'étude d'accident de perte de réfrigérant primaire dans un réacteur nucléaire, simulée par le code CATHARE.