Les modèles de processus biophysiques sont souvent coûteux en termes de temps de calcul et leurs entrées sont fréquemment corrélées. Cette situation de non-indépendance entre les entrées est toujours un défi en vue de réaliser simultanément une analyse de sensibilité globale de la sortie du modèle et un métamodèle de cette sortie. Dans cet article, une nouvelle méthode pratique est proposée pour atteindre cet objectif double. Elle est basée sur une extension tronquée du chaos polynomial de la sortie dont les coefficients du polynôme sont estimés par régression aux moindres carrés partiels (PLS). La méthode est appliquée à un modèle numérique-informatique pour les couvertures hétérogènes dans les cultures arables, visant à prédire la compétition du couple récolte:adventices pour la lumière. Nous disposons maintenant de métamodèles rapides qui fournissent simultanément de bonnes approximations des sorties de ce modèle informatique et un aperçu clair des influences de ses entrées sur celles-ci, grâce à de nouveaux indices de sensibilité.
Elisabeta Vergu et Jean-Pierre Gauchi, MaIAGE UR1404, Centre Inra Ile-de-France-Jouy-en-Josas