Académique Documents
Professionnel Documents
Culture Documents
"!
' (
23 #
** #
# ,%01
4335
$
!
"
"
"
$$%&
$% &
"
'&
&
(
$
%
% %$
)
$
* ) +,
"& "& #
%
$ **
$ **
%%%%-
/ .
-
#
,
#
#
Remerciements
Cette th`ese a ete realisee entre 2005 et 2008 au Laboratoire Materiaux et Durabilite des
Constructions de Toulouse (LMDC).
Je tiens, tout dabord, `a remercier mes directeurs de th`ese, Myriam CARCASSES et Alain
SELLIER, pour leurs grandes competences scientifiques, les valeurs humaines que nous partageons, leur soutien dans les moments difficiles, mais aussi pour la confiance, lautonomie et la
liberte quils mont accordees dans la conduite de mes recherches. Je leur dois beaucoup dans la
reussite de ce travail.
Je souhaite exprimer mes remerciements aux directeurs du LMDC, Ginette ARLIGUIE et
son successeur Gilles ESCADEILLAS, pour mavoir accueilli au sein du laboratoire et soutenu
pendant ces trois annees de th`ese.
Je remercie mes rapporteurs de th`ese, Jean-Michel TORRENTI et Ahmed LOUKILI, dont
les remarques pertinentes et constructives feront avancer mes travaux de recherche.
Merci egalement `a Christian CREMONA et Lars-Olof NILSSON pour leur participation `
a
mon jury de th`ese et leurs eclairages de specialistes sur mon travail.
Ce travail de th`ese a ete motive par deux collaborations. Je tiens `a remercier Abdellah
CHOUKIR et Mustapha HAFIDI, du Laboratoire Public dEtudes et dEssais (LPEE) du MAROC, davoir initie une cooperation scientifique mais egalement davoir ete present `a mon jury
du th`ese. Je remercie egalement toute lequipe du LPEE, rencontree `a Casablanca, pour leur accueil et leur disponibilite. La seconde collaboration, au sein du projet ANR APPLET, me permet
de remercier lensemble des participants du GT1 pour leur sympathie et leur professionnalisme.
Je voudrais remercier les membres du LMDC, le personnel technique et administratif, ainsi
que les doctorants. Un merci tout particulier au service chimie. Un grand merci `a mes coll`egues
de bureau, devenus des amis au fil de ces annees.
Des annees detudes pour arriver jusque l`a. . . Une grande aventure humaine commencee `
a
ii
Remerciements
Brive puis Limoges, Marseille, Rennes, Paris et enfin, Toulouse. Une histoire de rencontres. Du
fond du coeur, merci `a vous tous, mes amis.
Enfin, je tiens `a exprimer mes remerciements `a toute ma famille. Un immense merci `a ma
famille la plus proche qui a toujours ete presente et avec laquelle je partage tant de bonheur :
mes parents, Jacques et Patricia, qui mont offert lopportunite de poursuivre des etudes, mon
fr`ere Alexandre, pour avoir toujours ete un exemple, Anne et Baptiste.
Mes derniers remerciements vont `a Sandra, avec qui jai dej`a tellement partage, mon premier
soutien dans ce travail. Lavenir est `a nous.
Une pensee emue `a ceux qui ne sont plus l`a et qui nauraient pas ete peu fiers de lire ce
manuscrit. . .
1 Connaissances pr
eliminaires
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Aspects physico-chimiques et modelisation de la penetration des chlorures dans
le beton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1 La corrosion des armatures par les ions chlorures . . . . . . . . . . . . . .
1.2.1.1 Depassivation des armatures . . . . . . . . . . . . . . . . . . . .
1.2.1.2 Seuil damorcage de la corrosion . . . . . . . . . . . . . . . . . .
1.2.2 Description phenomenologique de la penetration des chlorures . . . . . . .
1.2.2.1 La diffusion moleculaire . . . . . . . . . . . . . . . . . . . . . . .
1.2.2.2 La diffusion ionique . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2.3 Interactions des chlorures . . . . . . . . . . . . . . . . . . . . . .
1.2.2.4 Equation de conservation en milieu sature . . . . . . . . . . . . .
1.2.3 Prediction de la durabilite . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.3.1 Mod`eles fondes sur la loi de Fick . . . . . . . . . . . . . . . . . .
1.2.3.2 Mod`eles fondes sur la relation de Nernst-Planck . . . . . . . . .
1.2.3.3 Recapitulatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Mesure du coefficient de diffusion des chlorures . . . . . . . . . . . . . . . . . . .
1.3.1 Mesure en diffusion naturelle . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.1.1 Essai de diffusion en regime stationnaire . . . . . . . . . . . . .
1.3.1.2 Essai de diffusion en regime transitoire . . . . . . . . . . . . . .
1.3.2 Mesure sous champ electrique . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.2.1 Essai de migration en regime stationnaire . . . . . . . . . . . . .
1.3.2.2 Essai de migration en regime transitoire . . . . . . . . . . . . . .
1.4 Les approches probabilistes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.1 Les variables aleatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.1.1 Caracteristiques statistiques . . . . . . . . . . . . . . . . . . . .
1.4.1.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.2 Probl`eme de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.2.1 Probabilite de defaillance . . . . . . . . . . . . . . . . . . . . . .
1.4.2.2 Methodes de justifications de la securite . . . . . . . . . . . . . .
1.4.3 Les methodes de niveau 2 . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.3.1 Espace reduit . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.3.2 Indice de fiabilite . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5 Les reseaux bayesiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.1 Principes generaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.1.1 Phase de construction . . . . . . . . . . . . . . . . . . . . . . . .
1.5.1.2 Phase dutilisation . . . . . . . . . . . . . . . . . . . . . . . . . .
5
5
5
6
6
8
10
10
11
13
15
16
17
19
19
20
21
21
23
25
25
27
32
33
33
34
35
36
38
39
40
42
44
45
45
46
`
TABLE DES MATIERES
iv
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
47
48
48
49
51
2 D
eveloppement de la m
ethodologie
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Algorithme probabiliste . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.1 Methode du gradient projete avec controle derreur . . . . . .
2.2.1.1 Presentation . . . . . . . . . . . . . . . . . . . . . .
2.2.1.2 Mise en oeuvre et resultats . . . . . . . . . . . . . .
2.2.2 Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.2.1 Exemple 1 : durabilite en milieu marin . . . . . . .
2.2.2.2 Benchmark 1 : oscillateur dynamique . . . . . . . .
2.2.2.3 Benchmark 2 : cylindre nervure . . . . . . . . . . .
2.3 Mod`ele deterministe . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.1 Immersion . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.1.1 Presentation . . . . . . . . . . . . . . . . . . . . . .
2.3.1.2 Mise en oeuvre et resultats . . . . . . . . . . . . . .
2.3.2 Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.2.1 Comparaison avec un mod`ele physique multi-esp`eces
2.3.2.2 Validation experimentale . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
55
55
55
56
56
60
63
63
67
69
71
72
72
74
77
77
80
1.5.2
1.5.1.3
Exemple
1.5.2.1
1.5.2.2
1.5.2.3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3 Les variables al
eatoires
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Determination des densites de probabilite . . . . . . . . . . . . . . .
3.2.1 Coefficient de diffusion . . . . . . . . . . . . . . . . . . . . . .
3.2.1.1 Ciment CEM I . . . . . . . . . . . . . . . . . . . . .
3.2.1.2 Ciment CEM I avec additions . . . . . . . . . . . .
3.2.2 Isotherme dinteraction des chlorures . . . . . . . . . . . . . .
3.2.2.1 Ciment CEM I . . . . . . . . . . . . . . . . . . . . .
3.2.2.2 Ciment CEM I avec additions . . . . . . . . . . . .
3.2.2.3 Complements . . . . . . . . . . . . . . . . . . . . . .
3.2.3 Autres variables aleatoires . . . . . . . . . . . . . . . . . . . .
3.2.3.1 Porosite . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.3.2 Enrobage . . . . . . . . . . . . . . . . . . . . . . . .
3.3 Actualisation bayesienne des densites de probabilite . . . . . . . . .
3.3.1 Presentation du reseau bayesien . . . . . . . . . . . . . . . .
3.3.1.1 Construction du reseau . . . . . . . . . . . . . . . .
3.3.1.2 Mod`ele de diffusion associe . . . . . . . . . . . . . .
3.3.2 Methodes dactualisation . . . . . . . . . . . . . . . . . . . .
3.3.2.1 Actualisation directe par le coefficient de diffusion .
3.3.2.2 Actualisation indirecte par les profils experimentaux
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
87
87
89
90
90
98
106
106
111
115
115
116
117
118
118
118
121
122
122
128
4 Application probabiliste
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2 Aspects reglementaires . . . . . . . . . . . . . . . . . . . .
4.2.1 Dimensionnement . . . . . . . . . . . . . . . . . .
4.2.1.1 Classe dexposition et duree dutilisation
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
135
135
137
137
137
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
`
TABLE DES MATIERES
4.3
4.4
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
138
140
140
142
144
144
144
145
147
150
150
154
156
159
160
160
163
164
164
166
Conclusion g
en
erale et perspectives
171
Bibliographie
174
1.1
1.2
1.3
1.4
1.20
1.21
1.22
1.23
1.24
1.25
1.26
1.27
1.28
1.29
1.30
2.1
2.2
2.3
2.4
1.5
1.6
1.7
1.8
1.9
1.10
1.11
1.12
1.13
1.14
1.15
1.16
1.17
1.18
1.19
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
6
7
7
9
14
15
17
20
21
22
22
23
24
26
27
28
28
30
35
36
39
40
41
42
43
49
51
52
53
53
56
61
67
69
viii
2.5
2.6
2.7
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
3.10
3.11
3.12
3.13
3.14
3.15
3.16
3.17
3.18
3.19
3.20
3.21
74
80
82
83
84
85
ix
136
139
147
148
148
151
154
154
155
156
159
161
162
165
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
2.14
2.15
3.1
3.2
3.3
3.4
3.5
3.6
.
.
.
`a
.
beton de
. . . . . . .
. . . . . . .
. . . . . . .
lenrobage
. . . . . . .
10
46
49
51
65
66
67
68
68
70
71
78
78
79
81
81
81
83
84
xii
3.15
3.16
3.17
3.18
3.19
3.20
3.21
3.22
3.23
3.24
3.25
4.1
4.2
4.3
Composition des betons de CEM I avec fumees de silice etudies [Hooton et al., 1997]102
Composition
des
betons
de
CEM
I
avec
fumees
de
silice
etudies [Baroghel-Bouny et al., 2002] . . . . . . . . . . . . . . . . . . . . . . . . . 102
Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
betons de CEM I avec fumees de silice [Tang, 1997] . . . . . . . . . . . . . . . . . 103
Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
betons de CEM I avec fumees de silice [Hooton et al., 1997] . . . . . . . . . . . . 103
Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
betons de CEM I avec fumees de silice [Baroghel-Bouny et al., 2002] [Djerbi, 2007] 104
Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
pates ciment de CEM I avec fumees de silice [Bentz et al., 2000] . . . . . . . . . . 104
Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
pates ciment de CEM I avec fumees de silice [Mejlhede Jensen et al., 1999] . . . . 104
Composition chimique des ciments CEM I 52,5 PM ES [Nguyen, 2006],
42,5 [Bigas, 1994], HS65 et EZ375 [Larsen, 1998], 52,5
N [Arliguie et Hornain, 2007] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
Composition des materiaux de CEM I etudies [Nguyen, 2006] [Bigas, 1994]
[Larsen, 1998] [Arliguie et Hornain, 2007] . . . . . . . . . . . . . . . . . . . . . . 108
Comparaison entre le mod`ele elementaire et les donnees experimentales issues de materiaux de CEM I [Nguyen, 2006] [Bigas, 1994] [Larsen, 1998]
[Arliguie et Hornain, 2007] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
Composition des materiaux de CEM I avec fumees de silice etudies [Larsen, 1998]
[Dizayee et al., 2007] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
materiaux de CEM I avec fumees de silice [Larsen, 1998] [Dizayee et al., 2007] . . 113
Composition du beton C50/60 du tunnel de lautoroute A86 pour le projet APPLET122
Constantes du reseau bayesien sur le beton C50/60 du tunnel de lautoroute A86
pour le projet APPLET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
Composition du beton F6 pour le chantier de renovation `a Casablanca . . . . . . 127
Composition du beton 1-40L expose `a leau de mer [Tang, 1997] . . . . . . . . . . 129
Composition mineralogique du ciment CEM I du beton 1-40L [Tang, 1997] . . . . 129
Constantes du reseau bayesien associees au beton 1-40L . . . . . . . . . . . . . . 130
Chlorures totaux mesures dans le beton 1-40L `a 1,5 cm apr`es un an dexposition 130
xiii
4.12
4.13
4.14
4.15
4.16
4.17
4.18
4.19
4.20
4.21
4.22
4.23
149
150
152
153
157
158
163
167
167
167
169
169
Introduction g
en
erale
La durabilite constitue lune des preoccupations essentielles dans la conception, la realisation
ou lentretien des ouvrages de genie civil. La corrosion des armatures est la principale cause de
degradation des structures en beton arme et la plus importante en termes de co
uts de reparation.
La penetration dagents agressifs dans le beton, notamment les chlorures en environnement
marin, conduit `a lamorcage et au developpement du processus de corrosion. Afin dassurer une
durabilite minimum, la nouvelle norme NF EN 206-1 etablit des prescriptions reglementaires
de formulation des betons en fonction de lagressivite des conditions environnementales definies
sous forme de classes dexposition.
Compte tenu des nouvelles exigences de duree de vie des ouvrages dimportance economique
et strategique, la prediction de la duree de vie des ouvrages est un veritable enjeu. Les outils de
prediction permettent de quantifier la longevite des futures realisations et daider `a la formulation
des betons en exigeant des performances sur ses caracteristiques physico-chimiques.
Introduction g
en
erale
lhistogramme des valeurs experimentales de coefficient de diffusion sur la figure 1 [Fluge, 2001].
La variabilite des actions ou encore des param`etres geometriques du materiau, comme lenrobage,
doit egalement etre prise en compte.
Les mod`eles de durabilite utilisent des valeurs fixes comme donnees dentree. Ces valeurs
sont, la plupart du temps, issues dune moyenne sur deux ou trois essais afin de determiner des
temoins de duree de vie, comme par exemple un profil en chlorures. Ces mod`eles deterministes ne
tiennent pas compte de la variabilite observee et nexpliquent donc pas lapparition progressive
de degradations.
Dun point de vue mecanique, les concepteurs douvrages previennent les dangers socioeconomiques lies aux differentes sources dalea (resistance des materiaux, charges, geometrie. . .)
en leur associant des valeurs de references et des coefficients partiels de securite proposes dans
les r`eglements de calcul semi-probabilistes. La calibration de ces r`egles communes provient dune
approche theorique plus compl`ete issue des methodes de la mecanique probabiliste. Elles sarticulent suivant quatre etapes pluri-disciplinaires successives [Lemaire, 2008] :
1. la fiabilite identifie les differents scenarios de defaillance `a explorer,
2. la mecanique, transformee ici en physico-chimie, analyse le comportement des materiaux
et des structures pour degager un mod`ele de comportement, limplanter numeriquement,
identifier les donnees necessaires et construire une fonction de performance associee,
3. la statistique extrait des donnees pour les modeliser sous forme de variables aleatoires,
4. et les probabilites g`erent le transfert des incertitudes en proposant des methodes de calcul
du risque et des outils dinterpretation.
En constante amelioration, les techniques employees font largement leurs preuves dans la
modelisation de lincertain. Les outils simplifies semi-probabilistes en decoulant sont egalement
familiers aux ingenieurs des bureaux detudes. Dans ce contexte, lobjectif du present travail de
th`ese est de developper et transposer `a la durabilite des betons en environnement marin cette
methodologie en quatre points permettant daboutir `a un dimensionnement probabiliste complet
en proposant des r`egles de calcul simplifiees.
Dans cette perspective, le premier chapitre de ce manuscrit est consacre `a une revue bibliographique des connaissances necessaires `a la mise en place de la methodologie. A cet effet, les
phenom`enes physico-chimiques de penetration des chlorures et les essais de mesure des grandeurs
Introduction g
en
erale
physiques associees sont rappeles. Les outils fondamentaux de probabilite, classes en quatre niveaux, sont developpes en vue de determiner la methode la plus adaptee `a lobjectif. Enfin,
outre les elements de statistique habituels, la methode dactualisation par reseau bayesien est
presentee.
Le mod`ele de diffusion des chlorures et lalgorithme probabiliste, presentes dans le chapitre 2
de cette etude, sont developpes pour etre suffisamment robustes mais egalement economiques.
Leur couplage fait en effet appel `a des temps de calcul qui peuvent saverer tr`es longs. Les
donnees dentree du mod`ele de diffusion sont reduites et selectionnees pour leur signification
physique. La methode probabiliste proposee sollicite a minima le mod`ele de diffusion.
Le chapitre 3 est consacre aux variables aleatoires, et notamment `a leur collecte, leur interpretation et leur traitement, afin de proposer une base de donnees realiste. Le reseau bayesien
associe au probl`eme de diffusion est construit pour offrir un outil dactualisation des donnees
recueillies. Enfin, apr`es un bilan sur la reglementation, le dernier chapitre est consacre `a lapplication de la methodologie. Un mod`ele simplifie est propose avec les valeurs representatives et
les coefficients de securite associes.
En plus de la modelisation physico-chimique et probabiliste, lacquisition de donnees realistes
pour les variables aleatoires constitue un point important du developpement. Ce travail de th`ese
sinscrit dans une participation au projet ANR APPLET et une collaboration avec le Laboratoire
LPEE du Maroc qui ont permis dexplorer egalement les aspects probabilistes experimentaux.
Lobjectif principal de cette etude est dappliquer les methodes de la mecanique probabiliste,
jusquaux outils semi-probabilistes pour une utilisation en ingenierie. Lavancement des connaissances sur la physico-chimie des betons en environnement marin a permis denvisager un tel
travail. La complexite des phenom`enes mis en jeu et les recherches toujours actives conduisent
neanmoins `a reduire le champ dapplication de la methodologie. La restriction la plus importante concerne la classe denvironnement : seules les parties immergees dans leau de mer sont
concernees. Toutes les etapes sont, en revanche, franchies afin de prouver la faisabilite compl`ete
de la methodologie et la transposition des outils probabilistes de mecanique `a la durabilite.
Chapitre 1
Connaissances pr
eliminaires
1.1
Introduction
1.2
Connaissances pr
eliminaires
armatures est tout dabord expose. Les aspects theoriques de la penetration des chlorures sont
ensuite etudies. Une revue rapide des differents mod`eles de prediction existants est egalement
effectuee.
1.2.1
1.2.1.1
Les ions chlorures constituent un facteur important de risque pour le beton arme : ils
pen`etrent, en effet, dans le beton et peuvent provoquer la corrosion des armatures. Ces chlorures, dorigine externe, sont presents dans les ouvrages en environnement marin ou lorsque des
sels de deverglacage sont utilises. Les conditions dexposition de la structure sont des elements
preponderants dans le mecanisme de degradation. Suivant le type dexposition, differents
mecanismes de transports des ions chlorures sont consideres. En environnement marin par
exemple(figure 1.1), on distingue les zones submergees, pour lesquelles le beton est sature ce
qui conduit `a un transport des chlorures uniquement par diffusion, de celles o`
u le transport se
fait par diffusion et convection lorsque le beton nest que partiellement sature (zone de marnage
par exemple).
Connaissances pr
eliminaires
solution interstitielle du beton sain est de lordre de 13 `a 13,5, ce qui maintient lacier dans un
etat de passivation. La passivation des armatures sillustre par le diagramme de Pourbaix (figure 1.2) pour le syst`eme Fe-H2 O. Trois domaines thermodynamiques sont presents en fonction
du potentiel electro-chimique de lacier et du pH environnant : immunite, corrosion (formation
des ions Fe2+ ) et passivation (correspondant `a un film passif de Fe3 O4 ou Fe2 O3 ).
Fig. 1.3 Processus electrochimique de corrosion par les chlorures [Baron et Ollivier, 1992]
Connaissances pr
eliminaires
Les produits de corrosion occupent un volume plusieurs fois superieur au volume initial de
lacier. Leur formation, lorsquelle a atteint un volume suffisant, peut alors entraner une fissuration du beton (generalement, un faci`es caracteristique est observe, parall`element `a la direction du
lit darmatures) puis son eclatement ou son feuilletage. En termes de caracteristiques mecaniques,
la corrosion cree une diminution de la section dacier mais surtout une perte dadherence acierbeton.
1.2.1.2
Seuil damor
cage de la corrosion
Le processus de depassivation des aciers est amorce lorsque le front de penetration des chlorures a traverse le beton denrobage et atteint le premier lit darmatures : la corrosion devient
alors possible lorsque leur concentration depasse un certain seuil, appele concentration critique.
Il est difficile de definir precisement cette concentration critique susceptible damorcer la
corrosion des armatures. Les donnees publiees par differents auteurs montrent que ce seuil peut
varier de facon importante, de lordre de 0,35 `a 3 % de chlorures totaux par rapport `a la masse de
ciment [Alonso et al., 2000], [Glass et Buenfeld, 1997]. Linfluence de differents facteurs comme
la composition du beton, la teneur en C3 A, le rapport E/C, lhumidite relative, la temperature,
la microstructure en contact avec lacier et letat de surface de lacier sont autant de facteurs `a
cette variabilite.
Nous verrons dans la partie 1.2.2.3 que les chlorures se decomposent en trois types : les
chlorures libres, les chlorures lies (ceux qui se fixent `a la matrice cimentaire) et les chlorures
totaux. Remarquons que les crit`eres retenus concernent souvent la concentration en chlorures
totaux. Un crit`ere exprime en chlorures libres serait plus pertinent puisque ce sont eux qui
conduisent `a la corrosion des armatures. Les ciments fixant beaucoup de chlorures peuvent
notamment etre discrimines par un crit`ere en chlorures totaux alors quils seront favorises par
un seuil en chlorures libres. Cependant, la mesure experimentale des chlorures libres est plus
delicate que celle des chlorures totaux (incertitude importante sur le type de chlorures mesures
sauf pour les chlorures totaux), do`
u un crit`ere en chlorures totaux plus fiable et, par consequent,
plus utilise.
Compte tenu de ces observations, lutilisation de la borne inferieure (0,4 % de chlorures
totaux par rapport `a la masse de ciment) est la plus souvent retenue. Cependant, pour une
approche plus fine, differentes valeurs de concentrations critiques ont ete egalement proposees,
Connaissances pr
eliminaires
grace `a une large revue bibliographique, en fonction des conditions environnementales et du type
de beton [Izquierdo et al., 2004]. Ainsi, une concentration critique plus importante est obtenue
en immersion (1,5 % pour un beton CEM I de E/C=0,5) quen condition aerienne ou avec
lutilisation de sels de deverglacage (0,5 % pour le meme beton).
Un autre crit`ere damorcage de la corrosion utilise est le rapport [Cl ]/[OH ]0.6
[Haussman, 1967]. Plus ce rapport est eleve, plus la vitesse de corrosion est grande. Un rapport compris entre 0,6 et 1 conduit generalement `a la concentration critique en chlorures. Cette
relation permet de prendre en compte les interactions entre la carbonatation (diminution du
pH) et la penetration des chlorures (augmentation de la concentration en chlorures libres).
Dun point de vue statistique, un coefficient de variation de 30 % est estime
[Izquierdo et al., 2004] pour ce dernier crit`ere. Des lois de distribution pour les concentrations
limites en chlorures ont ete egalement proposees. En immersion par exemple, pour un beton
CEM I et un rapport E/C de 0,5, une loi log-normale de valeur moyenne 1,5 % (chlorures totaux en masse de ciment) et de coefficient de variation 35 % est presentee sur la figure 1.4. Ces
resultats ont ete obtenus par simulation de Monte-Carlo sur une loi empirique identifiee entre
le potentiel electrochimique des armatures et la concentration critique en chlorures totaux dans
des mortiers [Izquierdo et al., 2004] .
Fig. 1.4 loi de distribution de la concentration critique en chlorures totaux pour un beton
CEM I, en immersion, de E/C=0,5 [Izquierdo et al., 2004]
Ces memes traitements statistiques de mesures potentiostatiques ont permis un classement en
fonction de lenvironnement et de la composition de materiaux de CEM I [Izquierdo et al., 2004].
10
Connaissances pr
eliminaires
Environnement
E/C
Immersion
Immersion
Immersion
Autres
Autres
Autres
0,5
0,4
0,3
0,5
0,4
0,3
1.2.2
Moyenne
(% de ciment)
1,5
2,0
2,2
0,5
0,6
0,8
critiques
en
Coefficient de
variation (%)
35
35
35
30
30
30
chlorures
totaux
Distribution
Log-normale
Log-normale
Log-normale
Log-normale
Log-normale
Log-normale
pour
un
beton
de
Description ph
enom
enologique de la p
en
etration des chlorures
La penetration des chlorures necessite la presence dune phase liquide. En milieu sature,
ou partiellement sature mais avec interconnection de la phase liquide du beton poreux, les
ions chlorures pen`etrent dans le beton par diffusion. La diffusion resulte de lagitation aleatoire
desp`eces soumises `a un gradient de potentiel chimique. Pour les parements soumis `a des cycles
dhumidification et de sechage (zone de marnage ou sels de deverglacage), les chlorures pen`etrent
tout dabord par absorption capillaire et migrent avec la phase liquide par convection dans la zone
concernee. Leur progression se fait ensuite par diffusion dans la partie `a saturation constante.
1.2.2.1
La diffusion mol
eculaire
Lapproche classique de la diffusion dans les materiaux poreux commence par la loi de Fick.
Pour une solution contenant une esp`ece chimique, le deplacement naturel se fait des regions
de forte concentration vers les regions `a concentration plus faible jusqu`a un eventuel equilibre
pour lequel la solution redevient homog`ene. La loi mathematique decrivant ce phenom`ene est
formalisee par Adolf Fick en 1855 qui definit le flux unidimensionnel J (mol/m2 .s) comme suit :
J = D
c
x
(1.1)
11
Connaissances pr
eliminaires
relation secrit pour le transport moleculaire dans la solution contenue dans un pore du beton :
J = D
c
x
(1.2)
A priori, D est relie `a D par la geometrie du pore dont la complexite conduit `a des param`etres difficiles `a quantifier et `a mesurer, comme la tortuosite. Il est donc preferable dutiliser
un flux desp`ece global `a lechelle du materiau poreux, qui secrit alors :
Je = De
c
x
(1.3)
o`
u Je est le flux effectif (mol/m2 .s) et De le coefficient de diffusion effectif (m2 /s). Le coefficient de diffusion effectif depend donc de lesp`ece diffusante, du solide poreux et de la solution
contenue dans les pores. Rappelons les deux hypoth`eses permettant decrire le flux de chlorures
`a travers le beton par la loi de Fick : la solution des pores est ideale (infiniment diluee) et les
esp`eces chimiques sont considerees comme des particules electriquement neutres.
1.2.2.2
La diffusion ionique
Il est largement reconnu maintenant que la loi de Fick est une simplification du transport
des chlorures puisque la solution interstitielle des betons est fortement concentree en differentes
esp`eces ioniques. Un champ electrique local se forme entre les differentes esp`eces ioniques. La
combinaison entre le potentiel chimique dune esp`ece et le potentiel electrostatique forme est
appelee potentiel electrochimique, qui sapplique aux esp`eces electriquement chargees, et secrit
pour une esp`ece i :
i = i + zi F = 0i + RT ln(ai ) + zi F
(1.4)
o`
u i est le potentiel chimique qui sexprime par le potentiel chimique standard 0i et lactivite
chimique ai , R la constante des gaz parfaits (8,31 J/mol.K), T la temperature (K), zi la valence,
F la constante de Faraday (9,65.104 C/mol), et le potentiel electrique (Volt). Le flux de lesp`ece
ionique sexprime par le gradient du potentiel electrochimique :
Ji =
Di
ci i
RT
(1.5)
12
Connaissances pr
eliminaires
o`
u Di est son coefficient de diffusion et ci sa concentration. Dans le cas unidimensionnel on
obtient :
ci Di
Ji =
RT
ln(ai )
RT
+ zi F
x
x
= Di
ci Di ai zi ci F
+
ai x
RT x
(1.6)
zi F
ln(i )
1+
ci Di
ln(ci )
RT x
(1.7)
Ou encore :
Ji = Di
ln(i ) zi F
ci
+ ci
+
ci
x
x
RT x
(1.8)
Dans lequation 1.8, le flux est lie `a trois termes : le gradient de diffusion, lactivite chimique et
le gradient de potentiel electrique, tous ninfluant pas dans le meme sens. Linfluence de lactivite
chimique (solution non ideale) reste negligeable sur le flux ionique [Tang, 1999] [Truc, 2000]. En
conservant cette derni`ere hypoth`ese, lequation 1.8, plus connue sous le nom de relation de
Nernst-Planck, peut secrire pour un milieu poreux sature :
Je,i = De,i
ci zi F
+
ci
x
RT x
(1.9)
o`
u Je,i est le flux effectif de lesp`ece i, De,i son coefficient de diffusion effectif. On remarque que
si le potentiel electrique est neglige, la premi`ere loi de Fick est retrouvee. Le champ electrique
local E (volt/m), cree par le mouvement des differentes esp`eces ioniques, derive du potentiel
electrique :
E=
(1.10)
RT
P 2 x
=
x
F
zi Di ci
(1.11)
13
Connaissances pr
eliminaires
(1.12)
Lors de la diffusion des chlorures dans le beton, une partie des ions chlorures reagit avec les
hydrates de la pate de ciment. Il convient en consequence de distinguer trois types de chlorures :
les chlorures libres (c) sous forme ionique dans la solution interstitielle, les chlorures lies (cb ),
fixes par le beton, et enfin les chlorures totaux (ct ) qui constituent la somme des chlorures libres
et lies. D`es lors, on a :
ct = c + cb
(1.13)
A priori, seuls les chlorures libres peuvent diffuser et jouer un role actif dans le processus de
depassivation et de corrosion des armatures. Cependant, comme nous lavons vu precedemment,
les seuils damorcage de la corrosion sont souvent exprimes en chlorures totaux pour des commodites experimentales et plus rarement en chlorures libres ([Cl ]/[OH ]0.6). Il apparat que la
fixation des chlorures est tr`es importante puisquelle refl`ete la capacite du beton `a pieger les chlorures et conditionne donc la quantite de chlorures libres disponibles pour initier la degradation.
En travaillant avec les chlorures libres ou totaux pour les crit`eres damorcage, il faut quoiquil
en soit connatre la capacite de fixation par le materiau.
Les chlorures lies dans un materiau cimentaire sont soit adsorbes sur les parois solides dans les
pores (fixation physique), soit lies chimiquement dans la matrice cimentaire par reaction avec certains composes (fixation chimique). Parmi les principaux composants dun ciment Portland, les
aluminates tricalciques (C3 A) et les aluminoferrites tetracalciques (C4 AF) sont responsables de
la fixation chimique. Ils forment, en effet, respectivement des monochloroaluminates de calcium
hydrates (ou sel de Friedel C3 A.CaCl2 .10H2 O) et des monochloroferrites de calcium hydrates
(C3 F.CaCl2 .10H2 O) [Taylor, 2004]. La quantite de sulfates presents dans le ciment tend `a reduire
cette fixation chimique. En reagissant avec les aluminates par formation de sulfoaluminates de
calcium, la fixation des chlorures est diminuee.
La fixation physique est caracterisee par la surface offerte par les pores et la nature des hy-
14
Connaissances pr
eliminaires
drates : les silicates de calcium hydrates (CSH, produits de lhydratation des silicates tricalciques
et bicalciques C3 S et C2 S). Ainsi, la capacite de fixation physique depend du rapport CaO/SiO2
des CSH : un rapport faible conduit `a une plus faible fixation car la charge positive `a la surface
des pores est plus petite [Beaudoin et al., 1990].
Les chlorures lies (Cb ) sont fonction des chlorures libres (c) suivant une courbe appelee
isotherme dinteraction : Cb =f(c). Conventionnellement, les concentrations sont rapportees aux
quantites qui les contiennent : en mol/kg de solide pour Cb et en mol/m3 de solution interstitielle
pour c. Dun point de vue experimental, la determination de lisotherme dinteraction peut se
faire de plusieurs facons. La premi`ere consiste `a mesurer la quantite de chlorures consommes
par des morceaux de beton concasses (entre 0 et 2,5 mm) et immerges dans des solutions de
chlorures `a differentes concentrations [Tang et Nilsson, 1993]. A lobtention de lequilibre chimique, le dosage des solutions permet de connatre la nouvelle concentration et den deduire par
difference la concentration en chlorures fixes. Une autre methode consiste `a etablir deux profils
en chlorures apr`es immersion dun echantillon dans une solution chloree. Apr`es grignotage, le
profil en chlorures totaux est etabli par attaque `a lacide nitrique et celui en chlorures libres par
une attaque `a leau.
Du point de vue mathematique, les interactions sont souvent exprimees par la somme de deux
fonctions, lisotherme de type Langmuir corrigee par une fonction puissance de type Freundlich :
Cb =
1 1 c
+ 2 c2
1 + 1 c
(1.14)
15
Connaissances pr
eliminaires
o`
u 1 , 2 , 1 et 2 sont des coefficients determines par calage aux resultats experimentaux.
La figure 1.5 represente lallure classique dune isotherme dinteraction obtenue sur un mortier
de CEM I par calage sur les points experimentaux entre 0 et 20 g/l [Nguyen, 2006]. Certains
auteurs consid`erent egalement que lisotherme est lineaire pour une simplification ulterieure des
calculs de prediction comme nous le verrons dans la partie 1.2.3.
1.2.2.4
x+dx
(mol/m2 .s)(figure 1.6). Lequation de conservation de chlorures totaux secrit par consequent :
Ct0
Sdx = (Je
t
Je
x+dx ) S
(1.15)
(1.16)
Si on exprime la quantite de chlorures totaux Ct0 (mol/m3 de beton) en fonction des chlorures
0 et des chlorures libres C 0 , et en introduisant les notations d
ej`a respectivement proposees
lies CB
16
Connaissances pr
eliminaires
0
Ct0 = CB
+ C 0 = d Cb + pc
(1.17)
o`
u d est la masse volumique s`eche du beton (kg/m3 ) et p sa porosite. Lequation de conservation devient :
c
t
Cb
Je
p + d
=
c
x
(1.18)
Dans le cas de la diffusion moleculaire, le flux de chlorures sexprime par lequation 1.3 et il
peut etre deduit :
2c
De
2c
c
=
=
D
a
b x2
t
x2
p + d C
c
(1.19)
Lequation 1.19 est la seconde loi de Fick, qui fait apparatre le coefficient de diffusion
apparent Da (m2 /s). Da est fonction du coefficient de diffusion effectif et de lisotherme de
fixation des chlorures. Cette isotherme netant pas lineaire, elle depend donc de la concentration
en chlorures.
1.2.3
Pr
ediction de la durabilit
e
Nous avons vu precedemment que la depassivation des aciers est amorcee lorsque les chlorures
traversent le beton denrobage. Au fur et `a mesure du temps, les chlorures progressent dans le
beton et atteignent le premier lit darmatures `a hauteur dun certain seuil, appele concentration
critique. Si letat limite considere est linitiation de la corrosion, predire la durabilite consiste `a
connatre la duree dexposition aux chlorures necessaire pour que la concentration critique soit
atteinte au niveau des aciers. La figure 1.7 illustre la prediction devolution du profil en chlorures
dans le temps dun beton immerge dans leau de mer.
Les mod`eles de prediction permettent de calculer un profil en chlorures `a un temps dexposition donne. Ils peuvent etre classes suivant la description physique du transport des chlorures
retenue, comme expose dans la partie precedente, `a partir de la loi de Fick ou de la relation
de Nernst-Planck. Un bref passage en revue de differents mod`eles existants va etre effectue
dans le paragraphe suivant. Pour plus de details sur les references compl`etes et la nature des
17
Connaissances pr
eliminaires
mod`eles cites, notamment sur les donnees dentree exactes, les resultats en sortie ou encore les
solutions mathematiques employees, des revues detaillees ont dej`a ete effectuees [AFGC, 2004],
[ChlorTest, 2004], [Khitab, 2005].
1.2.3.1
Mod`
eles fond
es sur la loi de Fick
Ces mod`eles sont decrits par la premi`ere loi de Fick. Ceci signifie que les autres esp`eces
chimiques presentes dans la solution interstitielle du beton ninfluencent pas le flux des chlorures.
La resolution mathematique se fait alors par la seconde loi de Fick (voir equation 1.19). Cest le
coefficient de coefficient apparent Da qui conditionne la resolution ; il depend du coefficient de
diffusion effectif, de la porosite, de la masse volumique et de la pente de lisotherme dinteraction.
Tous ces param`etres dependent a priori du temps t (evolution de la microstructure pendant
lhydratation), de la position dans le beton x (effet du beton de peau pour les trois premiers,
evolution de la concentration en chlorures libres donc changement de pente pour lisotherme
dinteraction), de la temperature T . Les mod`eles fondes sur la loi de Fick se distinguent les uns
des autres suivant la methode de resolution retenue, analytique ou numerique, et la dependance
`a t, x, et T des param`etres physiques du beton. Ces mod`eles peuvent en consequence etre classes
suivant leur degre de complexite.
Le mod`ele le plus simple consiste `a definir tous les param`etres constants ainsi que les conditions aux limites. En considerant egalement le beton comme un milieu semi-infini, lequation 1.19
poss`ede alors une solution analytique qui sexprime par la fonction erreur complementaire erfc.
18
Connaissances pr
eliminaires
x
2
Da (t tex )
!
(1.20)
o`
u C est la concentration en chlorures, Cs la concentration `a la surface du beton, Ci la
concentration initiale dans le beton, t lage du beton et tex lage de mise en exposition aux chlorures. Cette relation peut sexprimer en chlorures libres ou totaux (valable car Da est constant
donc lisotherme de fixation est lineaire). En 1970, Collepardi [Collepardi et al., 1970] proposa
ce mod`ele qui fut largement applique jusquen 1990 pour la facilite de son utilisation et sa
transparence pour nimporte quel utilisateur.
Cependant, il a ete constate par le retour dexperiences que ce mod`ele surestime la
penetration des chlorures puisque le coefficient de diffusion apparent diminue dans le temps,
ce qui constitue le point le plus critiquable du mod`ele. Il reste neanmoins largement utilise sous
des formes plus ou moins evoluees pour lesquelles Da est dependant du temps ainsi que Cs au
travers de divers termes correctifs. Ces mod`eles sont souvent qualifies dempiriques puisque la
fonction erf c nest alors plus une solution mathematique correcte de la seconde loi de Fick. Pour
les mod`eles les plus sophistiques, la signification et lutilisation des param`etres correctifs nest
pas toujours facile `a comprendre et ils doivent donc etre clairement definis pour que lutilisateur
tire parti au mieux de ces mod`eles. Peuvent etre cites dans les mod`eles empiriques : False ERFC,
Meljbro-Poulsen, Hetek, LEO, DuraCrete, SELMER et JSCE.
La resolution de lequation 1.19, en prenant en compte la dependance temporelle et/ou
spatiale des param`etres physiques, des conditions aux limites ou encore la non-linearite de
lisotherme de fixation des chlorures, peut etre obtenue par methodes numeriques. Plusieurs
mod`eles proposent ce type de resolution suivant differents schemas numeriques. Notons alors
que le nombre de param`etres physiques necessaires `a lentree du mod`ele augmentent notamment
si lisotherme dinteraction est prise en compte. Cependant, les donnees dentree restent des param`etres directement mesurables par des essais (porosite `a leau, coefficient de diffusion effectif
ou apparent, isotherme de fixation des chlorures) ayant fait lobjet de nombreuses etudes et dont
les protocoles experimentaux sont connus. Ainsi, les donnees dentree ont une signification physique et leur nombre nest pas si important en regard des termes correctifs et des param`etres de
calage necessaires aux mod`eles empiriques. Seront cites pour ces mod`eles numeriques : Life-365,
19
Connaissances pr
eliminaires
ClinConc, LERM.
1.2.3.2
Mod`
eles fond
es sur la relation de Nernst-Planck
Pour une description plus compl`ete des phenom`enes mis en jeu et notamment la creation
dun champ electrique dans la solution interstitielle par les esp`eces ioniques, le flux de chlorures
peut etre decrit par la relation de Nernst-Planck. Lutilisation de cette relation necessite alors
une approche multi-esp`eces pour la resolution du probl`eme puisquil existe un terme de couplage
dans lequation 1.9, le champ electrique. Il est cree par les esp`eces ioniques de signes opposes,
de telle sorte que les ions les plus rapides sont ralentis et les plus lents acceleres.
La sortie du mod`ele nest plus uniquement le profil en chlorures, mais egalement le profil de
toutes les esp`eces retenues. Ces profils sont obtenus par resolution numerique de lequation de
conservation de chaque esp`ece. Les esp`eces prises en compte sont au minimum les ions les plus
presents dans la solution interstitielle : Na+ , K+ , Cl et OH . Peuvent etre egalement ajoutees
les reactions de dissolution et precipitations des hydrates en presence en utilisant leur constante
dequilibre pour rendre le probl`eme encore plus complet.
Bien que proposant la description physique la plus juste des phenom`enes physiques des
mecanismes de diffusion, le nombre de donnees dentree pour ces mod`eles est tr`es important
et de nombreux param`etres ne sont plus mesures mais evalues grace `a certaines hypoth`eses.
Par exemple, il semble, en effet, difficile de mesurer les coefficients de diffusion de toutes les
esp`eces en presence. Ces mod`eles sont donc tr`es complexes et restent difficilement utilisables
actuellement dans un autre contexte que celui de la recherche. De nombreux details sont traites
ce qui rend levaluation de lexactitude et de la pertinence des resultats difficile pour la majorite
des utilisateurs. Au titre de ces mod`eles numeriques fondes sur la relation de Nernst-Planck
seront cites notamment : MsDiff, Stadium, Johannesson, Li and Page, ou encore celui developpe
au LEPTAB de La Rochelle.
1.2.3.3
R
ecapitulatif
Tous les types de mod`eles existants ont ete presentes rapidement du plus simple au plus
complexe suivant la description physique et lapproche de resolution retenue. De facon generale,
ces mod`eles sont valables en milieu sature bien que la prise en compte de la non-saturation soit
utilisee dans certains mod`eles o`
u un terme de convection a ete ajoute (mod`eles du LERM ou du
20
Connaissances pr
eliminaires
LEPTAB).
Ces mod`eles peuvent etre egalement classes dun autre point de vue : les mod`eles empiriques
bases uniquement sur la resolution de la seconde loi de Fick et les mod`eles physiques o`
u le
transport des chlorures est complete par des equations provenant des mecanismes physiques
(isotherme dinteraction, champ electrique, equilibres chimiques. . .). La figure 1.8 propose un
organigramme recapitulatif des mod`eles de diffusion existants.
1.3
En plus des proprietes physiques elementaires, la porosite et la masse volumique par exemple,
le coefficient de diffusion est un param`etre fondamental pour decrire la penetration des chlorures
dans les materiaux cimentaires comme le beton. De nombreuses methodes experimentales ont
ete developpees ces derni`eres annees pour comprendre les phenom`enes de transport des chlorures, mesurer le coefficient de diffusion et predire la durabilite potentielle dune structure. La
complexite des param`etres physico-chimiques du beton et le besoin des ingenieurs dun outil
21
Connaissances pr
eliminaires
Fig. 1.9 Organigramme des methodes de mesure du coefficient de diffusion des chlorures
1.3.1
1.3.1.1
22
Connaissances pr
eliminaires
Je = De
cup
L
(1.21)
23
Connaissances pr
eliminaires
avec Je le flux effectif en regime stationnaire (mol/m2 .s) et De le coefficient de diffusion
effectif (m2 /s). Le coefficient de diffusion est, en consequence, la pente de la partie lineaire de
la courbe figure 1.11. Il sagit dune simplification puisque lexpression du flux par la premi`ere
loi de Fick est incompl`ete. Il faudrait connatre le champ electrique local cree par les esp`eces
ioniques en presence pour lexprimer avec lequation de Nernst-Planck. Les valeurs obtenues
dependent donc de la concentration cup et du cation associe `a Cl .
La duree de cet essai est fonction de lepaisseur de lechantillon et des caracteristiques du
beton comme le type de ciment (la capacite de fixation augmente la duree du regime transitoire),
le rapport E/C, la taille des granulats. . . Cependant, le delai dobtention du regime permanent
est tr`es long, plus dun an pour un echantillon dun beton ordinaire de 3 cm depaisseur.
1.3.1.2
Essai de diffusion en r
egime transitoire
Pour diminuer la duree de lessai de diffusion, deux possibilites sont envisageables : evaluer
le coefficient de diffusion en regime transitoire et/ou augmenter le gradient de concentration
en augmentant cup . Un echantillon de beton sature est place en immersion dans une solution `
a
forte concentration en chlorures. La difference fondamentale avec lessai precedent provient de la
mesure : au lieu detudier le flux de chlorures, cest le profil de concentration en chlorures dans
lechantillon qui est determine `a un instant donne. Cet essai est souvent appele essai dimmersion.
Le principe est decrit sur la figure 1.12.
24
Connaissances pr
eliminaires
surface accessible est exposee `a une solution salee pendant une duree determinee. La methode
nordique NT Build 443 [NTBuild443, 1995] recommande une immersion minimale de 35 jours
dans une solution de chlorures de sodium `a 165g/l, tandis que la procedure AASHTO T259
[AASHTOT259, 1980] prevoit une duree de 90 jours et une solution de NaCl `a 3 % (30g/l).
A la fin de la periode dexposition, le profil de concentration en chlorures est determine comme
indique sur la figure 1.13. De la poudre de lechantillon est collectee `a differentes profondeurs
par grignotage puis les chlorures totaux sont mesures par dosage titrimetrique de la solution
contenant les chlorures solubles `a lacide.
A partir de ce profil, la solution analytique de la seconde loi de Fick en milieu semi infini est
ajustee au profil experimental (figure 1.13) o`
u trois param`etres de calage sont necessaires dont
le coefficient de diffusion recherche :
x
2
Da (t tex )
!
(1.22)
avec C(x, t) la quantite de chlorures totaux (mol/kg de beton) au temps t (s) et `a labscisse
x (m), Cs la concentration en surface de lechantillon (mol/kg de beton), Ci la concentration
initiale dans lechantillon (mol/kg de beton), Da le coefficient de diffusion apparent (m2 /s), et
tex la duree de limmersion (s).
Le coefficient de diffusion mesure nest donc pas le meme que dans lessai de diffusion
precedent, o`
u il sagissait du coefficient de diffusion effectif De , puisquil prend en compte non
seulement la microstructure du beton mais aussi la capacite de fixation des chlorures. La loi
25
Connaissances pr
eliminaires
de Fick est utilisee avec la limite quelle sous-tend : une description incompl`ete des transferts
ioniques. De plus, le coefficient de diffusion apparent est considere comme constant ce qui est
vrai seulement si le materiau est homog`ene, non-evolutif et lisotherme de fixation lineaire ; ce
dernier point etant le plus discutable. Lavantage principal de cet essai est detre une bonne
simulation des conditions dexposition reelles avec une duree dessai acceptable. Cependant, la
procedure dobtention du profil en chlorures par grignotage et dosages chimiques est tr`es longue
et fastidieuse.
1.3.2
Le processus de diffusion reste un processus lent pour lequel lessai de diffusion et lessai
dimmersion ne sont pas satisfaisants pour un beton au jeune age (evolution de la microstructure
pendant la duree de lessai) ou encore en cas de besoin dun resultat rapide (nombreux essais,
comparaison de differents betons. . .). Des essais de migrations ont ete developpes afin daccelerer
le transport des chlorures. Il sagit dappliquer une difference de potentiel de part et dautre
de lechantillon de beton par lintermediaire delectrodes. Sous linfluence du champ electrique
cree, le mouvement des chlorures, ainsi que celui des autres esp`eces ioniques, est accelere vers
lelectrode de signe oppose.
1.3.2.1
Essai de migration en r
egime stationnaire
Le principe de lessai est identique `a celui de la cellule de diffusion avec en plus la mise
en place des electrodes fixees sur les deux faces de lechantillon et reliees `a un generateur de
tension. Leprouvette de beton sature est placee entre les deux compartiments amont, contenant
la solution salee et la cathode (signe negatif), et aval, sans chlorures et contenant lanode (signe
positif). Sous leffet du champ electrique, les chlorures migrent de la cathode vers lanode. Le
dispositif est presente schematiquement sur la figure 1.14.
Le generateur de tension est regle le plus souvent dans ce type dessai afin dobtenir un
champ electrique de lordre de 4 V/cm (soit 12 V pour un echantillon de 3 cm). Cette valeur reste
suffisante pour obtenir une bonne acceleration du mouvement des chlorures mais nest pas trop
elevee afin deviter une augmentation excessive de la temperature et lapparition de perturbations
au niveau des electrodes, notamment la formation dhypochlorite [Prince et al., 1999].
Lexploitation se fait l`a aussi en regime stationnaire comme pour lessai de diffusion. Par
26
Connaissances pr
eliminaires
dosage regulier du compartiment aval, la quantite de chlorures ayant traverse lechantillon est
calculee. Les resultats obtenus sont du meme type que ceux de la figure 1.11, lechelle de temps
etant beaucoup plus courte puisque le regime devient permanent au bout de quelques jours.
Je = De
cup F U
RT L
(1.23)
o`
u Je est le flux effectif en regime stationnaire mesure dans le compartiment aval (mol/m2 .s),
De le coefficient de diffusion effectif (m2 /s), cup la concentration en chlorure en amont (mol/m3 ),
F la constante de Faraday (96500 J/V.mol), T la temperature (K), U la difference de potentiel
entre les deux surfaces de leprouvette (V), et L son epaisseur (m). Une autre exploitation de
lessai consiste `a suivre lappauvrissement en chlorures dans le compartiment amont, le coefficient
de diffusion etant calcule `a partir du flux amont [Truc et al., 2000]. Cette methode presente
lavantage de reduire encore plus la duree de lessai puisque le regime permanent est atteint
plus rapidement dans le compartiment amont, et de rendre possible la mesure du coefficient de
diffusion sur des betons dej`a contamines par les chlorures.
Afin deviter les operations fastidieuses de dosage des chlorures, en amont ou en aval, on
pourra exploiter levolution des courants electriques durant lessai delectrodiffusion, `a condition
de mener lessai en deux etapes : une chronoamperometrie avec la solution de base (NaOH+KOH)
et une autre apr`es ajout de NaCl `a lamont de la cellule [Amiri et al., 2001]. La demarche consiste
27
Connaissances pr
eliminaires
`a extraire le courant d
u au transport des chlorures et den calculer le flux en regime stationnaire,
donc le coefficient de diffusion [Arliguie et Hornain, 2007]. Neanmoins, les inconvenients de duree
dessai subsistent puisque lexploitation se fait en regime stationnaire.
1.3.2.2
Essai de migration en r
egime transitoire
Le dernier essai presente ici est le plus rapide puisquil combine `a la fois lutilisation dun
champ electrique et lexploitation en regime non permanent. Il presente le principal avantage de
fournir un resultat au bout de 24 heures. Le principe est de mettre en place une eprouvette de
beton sature entre deux compartiments de solution amont et aval avec deux electrodes disposees
sur chaque face du beton. Sous linfluence du champ electrique cree, les chlorures se deplacent
par migration de la cathode `a lanode. Pendant le regime transitoire, les chlorures traversent
lechantillon en formant un front avancant `a vitesse constante. Le regime permanent est atteint
lorsque la concentration en chlorures est constante dans lechantillon. La figure 1.15 illustre le
profil de concentration en chlorures dans lechantillon pendant lessai de migration.
28
Connaissances pr
eliminaires
de leprouvette. La qualite du beton est evaluee sur la base de la mesure du courant traversant
lechantillon `a lapplication des 30 V.
(1.24)
29
Connaissances pr
eliminaires
Le flux de chlorures Je (mol/m2 .s) sexprime dans sa forme la plus complexe par la relation
de Nernst-Planck :
Je = De
c
z F
lnCl
+ Cl
c
+c
x
RT x
x
(1.25)
ext
U
=
=
= Eext = cste
x
L
L
(1.26)
o`
u U est la tension appliquee dans lechantillon (V), L lepaisseur de beton (m) et Eext le
champ electrique local correspondant (V/m). Lequation de bilan 1.25 devient :
c
= Dnssm
t
z F Eext c
2c
Cl
2
x
RT
x
(1.27)
o`
u Dnssn est le coefficient de diffusion apparent (m2 /s) obtenu en migration et regime transitoire (Non Steady State Migration), egal `a
De
p ,
facon simple de resoudre lequation 1.27 consiste `a negliger le flux diffusif. Lequation 1.27 secrit :
c
= Dnssm
t
F Eext c
RT x
(1.28)
Dnssm =
RT xf
F Eext t
(1.29)
o`
u xf (m) est labscisse du point dinflexion du front de chlorures en migration apr`es un essai
30
Connaissances pr
eliminaires
de duree t (s). La profondeur de penetration, ou position du front de chlorures que lon mesure,
notee xd , est egale `a xf si lon est en migration pure puisque le front theorique est vertical. Or
le profil experimental obtenu, si la diffusion nest pas negligee, est presente sur la figure 1.18.
xf = xd 1, 061xd 0,589
(1.30)
Pour une analyse plus approfondie, une solution analytique compl`ete `a lequation 1.27 o`
u le
terme diffusif nest pas neglige [Tang, 1996] peut etre recherchee. Pour un milieu semi-infini, la
solution est la suivante :
z
F Eext Dnssm t
+
c = c20 erf c 2Dx t Cl 2RT
nssm
z FE
ext
Cl
zCl F Eext Dnssm t
c0
x
x
RT
e
erf
c
+
2
2RT
2 D
t
(1.31)
nssm
Il est avance que lorsque le champ electrique local Eext et la profondeur de penetration xd
sont suffisamment grands (utilisation en loccurrence de 600 V/m comme champ electrique), le
deuxi`eme terme de lequation 1.31 tend vers 0 et lexpression au point xd deviendrait :
c0
c=
2
x
zCl F Eext Dnssm t
erf c
2RT
2 Dnssm t
(1.32)
ou encore,
xd
zCl F Eext Dnssm t
2cd
= erf 1 1
2RT
c0
2 Dt
(1.33)
31
Connaissances pr
eliminaires
o`
u cd est la concentration correspondant `a la mesure de xd par le revelateur colore. La valeur
de cd est bien evidemment tr`es faible mais on ne peut pas faire lhypoth`ese cd = 0 `a ce niveau
l`a puisque lequation 1.33 ne nous permettrait pas de conclure comme erf 1(1) . Posons
deux constantes a = zCl F Eext /RT et = erf 1 (1 2cd /co ), lequation 1.33 peut d`es lors
secrire :
p
2 p
xd
( Dnssm )2 + Dnssm
=0
at
a t
(1.34)
Dnssm
2 2
2
+ xd
a
a
1
=
at
2
+ xd
a
!
(1.35)
Apr`es une revue sur levaluation de la profondeur de penetration des chlorures par nitrate
dargent, la concentration en chlorures libres cd 0,07 M est proposee. De ce fait, et dans les
conditions de la procedure NT Build 492 (T=295 K, U=30 V, L=0.05 m, co =2 M), le param`etre
a vaut 23600 m1 et a une valeur de 1,28. a etant largement superieur `a 2 , on peut ecrire :
Dnssm
1
=
at
2
xd xd
a
(1.36)
Dnssm
RT L
=
zCl F U
xd xd 0.5
t
(1.37)
o`
u, est une constante de lessai,
s
=2
RT L
2cd
1
erf
1
zCl F U
c0
(1.38)
Cest la forme finale de lequation 1.37 qui est utilisee dans la norme NT Build 492 pour
evaluer en migration le coefficient de diffusion apparent en regime transitoire. La rapidite de
lessai permet dobtenir le coefficient de diffusion en 24 heures, sans intervention quelconque pendant cette duree, contrairement aux essais en regime permanent qui necessitent des prel`evements
pour dosage. De plus lobtention du resultat est lui aussi tr`es simple puisquil nest effectue quun
fendage de leprouvette, une pulverisation de AgNO3 et la mesure du front davancement des
32
Connaissances pr
eliminaires
De = Dnssm p
(1.39)
Cette derni`ere relation a ete validee par dautres auteurs [Castellote et al., 1999] en migration
pour de faibles concentrations en chlorures, environ 50 g/l, ce qui correspond sensiblement aux
conditions de cet essai (co 70 g/l).
1.4
Au travers des mod`eles de penetration des chlorures et de la mesure du coefficient de diffusion, la duree de vie des ouvrages en environnement marin est evaluee. A lheure actuelle,
et il en est ainsi pour tous les probl`emes de durabilite, les mod`eles utilisent generalement des
valeurs deterministes des donnees physiques pour les param`etres dentree. Le resultat obtenu,
par exemple le front de penetration des chlorures, est, par consequent, deterministe.
Cependant, ces mod`eles ne tiennent pas compte de la variabilite des param`etres physiques.
Comment proceder alors `a un dimensionnement probabiliste de la durabilite, cest-`a-dire prendre
en compte lincertain dans un processus predictif ? Dans ce developpement, nous allons revenir
sur quelques notions statistiques preliminaires sur les variables aleatoires puis definir le probl`eme
de base permettant de repondre `a la question posee. Enfin, la methode la plus appropriee au
probl`eme de durabilite en environnement marin sera detaillee.
33
Connaissances pr
eliminaires
1.4.1
Les variables al
eatoires
1.4.1.1
Caract
eristiques statistiques
FX (x) = P [X x]
(1.40)
Cette fonction de repartition dune variable aleatoire continue est la primitive de la densite
de probabilite notee fX :
x
Z
FX (x) =
fX ()d
(1.41)
FX () = 0 et FX (+) = 1
(1.42)
fX ()d = 1
(1.43)
Dans le cas dune variable aleatoire discr`ete, les integrales sont transformees par une somme
sur lensemble des probabilites de ses valeurs (probabilites cumulees).
Une variable aleatoire est alors caracterisee par trois grandeurs principales :
sa valeur moyenne (premier moment : esperance mathematique E) :
Z
E(X) = =
fX ()d
(1.44)
V (X) = =
( )2 fX ()d
(1.45)
34
Connaissances pr
eliminaires
son coefficient de variation cv :
cv (X) =
(1.46)
Des moments dordre superieur comme le coefficient dasymetrie (ordre trois) ou la kurtosis
(ordre quatre, indicateur daplatissement des extremes des distributions) peuvent etre utiles
pour caracteriser la loi de distribution dune variable aleatoire.
1.4.1.2
Exemples
La loi normale (ou gaussienne) est une des principales distributions de probabilite. Une
variable aleatoire X qui suit une loi normale de moyenne , decart-type et de fonction de
repartition FX a la densite de probabilite suivante, dont la representation graphique est une
courbe en cloche :
()2
1
fX () = e 22
2
(1.47)
La loi normale centree reduite est la loi normale pour laquelle la moyenne est nulle (=0) et
lecart-type est egale `a un (=1). Sa fonction de repartition secrit donc :
1
(x) =
2
e 2 d
(1.48)
Elle peut egalement sexprimer `a partir de la fonction erreur erf comme etant :
1
(x) =
2
1 + erf
(1.49)
(x) = 1 (x)
(1.50)
(1.51)
Une autre loi frequemment observee est la loi log-normale qui vient en complement de loi
normale pour decrire des variables `a valeurs strictement positives. Une variable aleatoire X suit
une loi log-normale de param`etres et si la variable Y = ln(X) suit une loi normale de
35
Connaissances pr
eliminaires
fX () =
(ln)2
2 2
(1.52)
= e+
2 /2
e 2 1
(1.53)
(1.54)
La figure suivante illustre les densites de probabilite dune loi normale et dune loi log-normale
de meme moyenne et ecart-type ( = 3 et = 1) :
Fig. 1.19 Densites de probabilite dune loi normale et log-normale de meme moyenne et ecarttype
Compte tenu de la moyenne et de lecart-type, les param`etres de la loi log-normale sont
= 1, 046 et = 0, 325. On remarque, sur la figure 1.19, que les mesures de la tendance centrale
sont differentes : pour la loi normale, moyenne et mode (maximum de la densite de probabilite)
sont identiques alors que pour la loi log-normale, on observe que le pic (2,56) est inferieur `
a la
moyenne. La loi log-normale est, en effet, dissymetrique.
1.4.2
Probl`
eme de base
Les grandeurs influentes associees au probl`eme physique sont considerees maintenant comme
des variables aleatoires. Le risque est evalue sous la forme dune probabilite et non plus sous
la forme dun jugement binaire, `a savoir le dimensionnement est acceptable ou non. Cest
36
Connaissances pr
eliminaires
evidemment une approche plus riche mais qui peut conduire `a de nombreuses difficultes car
il faut, dans un premier temps, identifier les sources dincertitudes, et, dans un deuxi`eme temps,
leur attribuer une distribution statistique, ce qui est parfois peu aise. Neanmoins, au travers de
ces questions, la reflexion et lanalyse du probl`eme nen deviennent que plus compl`etes.
1.4.2.1
Probabilit
e de d
efaillance
37
Connaissances pr
eliminaires
~ est definie dans lespace
Pour chaque type de defaillance, une fonction detat limite G(X)
des variables aleatoires. La fonction G est une fonction deterministe (decrite par une equation
ou un schema numerique) pour laquelle les variables sont aleatoires. Lequation de defaillance
secrit alors :
~ =RS
G(X)
(1.55)
Ainsi, le domaine de securite est represente par lensemble des valeurs prises par les variables
~ > 0 et le domaine de defaillance par G(X)
~ 0, comme represente
aleatoires pour lesquelles G(X)
~ = 0 est la surface detat limite. La probabilite de defaillance
sur la figure 1.20. Lequation G(X)
Pf est donc, pour n variables aleatoires :
h
i Z
~
Pf = P G(X) 0 =
~
G(X)0
(1.56)
h
i Z
~
Pr = 1 Pf = P G(X) > 0 =
~
G(X)>0
(1.57)
Pf = P [R S] Pf cible
(1.58)
38
Connaissances pr
eliminaires
1.4.2.2
M
ethodes de justifications de la s
ecurit
e
39
Connaissances pr
eliminaires
tirages des variables aleatoires, et pour chaque tirage, la valeur de la fonction performance
indique si lon se trouve dans le domaine de defaillance (figure 1.21).
Pf =
nf
n
(1.59)
Cette methode est efficace et ne pose pas de contrainte particuli`ere sur la fonction `a evaluer ou
les variables aleatoires (type de loi). Cependant, elle converge lentement : pour des probabilites
de defaillance de 104 , on a besoin denviron un million de tirages pour une erreur toleree de
10% sur le resultat (pour Pf =10k , environ 10k+2 tirages). Les temps de calcul peuvent devenir
extremement longs.
Cette methode reste toutefois utilisee, notamment comme methode de reference pour
levaluation precise de Pf . On a alors recours `a des algorithmes optimises pour ameliorer la
performance de cette methode (Monte-Carlo conditionnee, Monte-Carlo par tirages dimportances [Sellier, 1995]).
1.4.3
Les m
ethodes de niveau 2
40
Connaissances pr
eliminaires
1.4.3.1
Espace r
eduit
Pour resoudre le probl`eme pose et tenter de calculer la probabilite de defaillance Pf , une modification du probl`eme est operee. Elle consiste `a effectuer un changement de base des variables
aleatoires pour se ramener dans une nouvelle base o`
u une conduite des calculs est possible et
lintegration de certaines formes du domaine de defaillance est connue.
Cest le principe des methodes de niveau 2 qui necessitent de travailler dans un espace probabiliste reduit, cest-`a-dire un espace dans lequel toutes les variables aleatoires sont transformees
~
en lois normales centrees reduites et independantes, que nous representerons par le vecteur U
(figure 1.22). Lorigine du rep`ere est centre sur les valeurs moyennes des variables reduites. Ainsi,
les difficultes liees `a une difference trop importante entre les ordres de grandeur des variables
aleatoires du probl`eme sont evitees.
ui = 1 {FXi (xi )}
(1.60)
o`
u est la fonction de repartition de la loi normale centree reduite qui est decrite dans la
partie precedente. Cette transformation est illustree sur la figure 1.23 : pour chaque valeur de
xi , on dispose de la probabilite cumulee FXi (xi ) qui, reportee sur la fonction de repartition ,
conduit au ui associe. Ce schema permet de proceder de facon numerique lorsque, pour certaines
41
Connaissances pr
eliminaires
Fig. 1.23 Transformation dune loi de distribution en loi normale centree reduite
En revanche, pour une variable aleatoire normale de moyenne et decart-type , la transformation probabiliste est connue analytiquement et secrit :
x=+u
(1.61)
Pour une loi log-normale de moyenne et decart-type , la transformation est elle aussi
connue et se traduit par :
s
!
2
x= q
exp u ln 1 + 2
2
1 + 2
(1.62)
Cependant, si les variables sont dependantes, on ajoute une etape preliminaire `a la transformation pour les rendre independantes, en exprimant la repartition dune variable conditionnellement aux autres (equation 1.63). Cest le principe de la transformation de Rosenblatt [Rosenblatt, 1952].
(1.63)
Enfin, quand la densite de probabilite conjointe nest pas connue, on a alors recours aux transformations, plus complexes, de Nataf [Nataf, 1962]. Les variables aleatoires sont transformees en
variables intermediaires normales selon la relation 1.60, puis ces derni`eres sont decorrelees pour
les rendre independantes.
42
Connaissances pr
eliminaires
1.4.3.2
Indice de fiabilit
e
Dans cet espace reduit, la securite peut etre exprimee par lindice de fiabilite dHasoferLind [Hasofer et Lind, 1974], note . Il est defini comme etant la distance minimale de lorigine
de lespace reduit `a un point de la surface detat limite dit point de conception et note P
(figure 1.24).
Pf = ()
(1.64)
La correspondance est donnee sur la figure 1.25. Dans ce calcul, la surface detat limite est
approximee par un hyperplan tangent au point de conception(figure 1.24), cest-`a-dire quil est
43
Connaissances pr
eliminaires
procede `a une approximation lineaire de la surface detat limite (methode FORM, First Order
Reliability Method). On parle de probabilite conventionnelle puisque la probabilite de defaillance
est elle aussi approximee. Par exemple, sur la figure 1.24, dans le cas dune surface detat limite
concave par rapport au domaine de defaillance, Pf est sur-estimee, tandis que si la surface est
convexe, Pf est sous-estimee.
1/2
~TU
~
~ Lu
= min U
, U
(1.65)
Pour converger vers P associe `a , differentes methodes existent. La plus utilisee est celle
sappuyant sur lalgorithme de Rackwitz-Fiessler [Rackwitz et Fiessler, 1979] car il est facile
dutilisation et donne dassez bons resultats en pratique. Cest une methode iterative generant
une suite de points qui convergent vers une solution optimale. Ainsi, le point de defaillance
le plus probable est obtenu par iterations successives, k, lorsque la precision b souhaitee sur
44
Connaissances pr
eliminaires
k+1
k = b
(1.66)
Lindice de fiabilite k+1 est la norme du vecteur des variables aleatoires dans lespace reduit
U~k+1 , deduit de U~k par literation suivante :
G
U~k
T
~k
= U~k ~k +
G U~
U~k+1
(1.67)
~ ) = G(U~ ), cest-`a-dire
o`
u ~k est le vecteur unitaire normal `a la surface definie par G(U
k
~) :
parall`ele au gradient de la fonction detat limite G(U
G U~k
~k =
G U~k
(1.68)
Il est `a noter que levaluation du gradient se fait dans lespace reduit alors que la fonction
detat limite est definie dans lespace physique. Il faut proceder au calcul du gradient dans
lespace physique pour revenir ensuite dans lespace reduit par les transformations probabilistes
dej`a evoquees.
De plus, il convient de verifier que le point de conception obtenu nest pas un minimum
local en ayant recours `a plusieurs points initiaux de la sequence iterative. Pour sassurer de la
pertinence de lindice , il est usuel de proceder `a une evaluation de Pf en niveau 3 par tirages
conditionnes au voisinage de P [Sellier, 1995].
Enfin, la determination de lindice de fiabilite est le point phare des methodes de niveau 2,
finalement plus que le calcul exact de la probabilite de defaillance associee. En effet, les probabilites de defaillance sont des grandeurs tr`es faibles et difficiles `a comparer (de 104 `a 108 ), et,
pour un probl`eme donne, lutilisation de lindice de fiabilite est plus propice `a la comparaison
de cas ou `a letude de linfluence dune variable.
1.5
Les r
eseaux bay
esiens
45
Connaissances pr
eliminaires
de lois de distribution des variables aleatoires definies. Lacquisition peut se faire de mani`ere
directe `a partir de mesures obtenues par lexperimentateur sur les grandeurs etudiees permettant
de construire la loi de probabilite associee.
Cependant, lacquisition de la connaissance doit pouvoir continuer apr`es la constitution de
cette premi`ere base de donnees. Le statisticien peut proposer alors des solutions pour actualiser ces donnees et les lois de distribution. Selon le type dapplication, lutilisation de reseaux
bayesiens peut etre envisagee. Linteret principal est de permettre une actualisation contr
olee
de la connaissance suivant la confiance liee aux diverses sources dinformation, contrairement `
a
la statistique non bayesienne.
1.5.1
Principes g
en
eraux
Phase de construction
Ces reseaux utilisent un graphe causal (noeuds relies par des arcs de relations de dependance)
dans lequel une observation introduite sur une variable se repercute sur letat des autres variables.
La construction du reseau seffectue en trois etapes presentees dans le tableau 1.2.
Dans la premi`ere etape, lutilisateur definit lensemble des variables du syst`eme, en precisant
lespace detats de chaque variable, `a savoir lensemble de ses valeurs possibles. En general, les
variables considerees sont aleatoires mais il est possible dintroduire des valeurs deterministes
liees `a des observations particuli`eres ou simplement pour la comprehension globale du syst`eme.
Dans le cas de grandeurs physiques, les variables seront definies sur une plage dobservations
probables donnee par lexpert. Il est `a noter que la plupart des logiciels de reseaux bayesiens
fonctionnent avec des variables discr`etes : les variables continues devront donc etre judicieuse-
46
Connaissances pr
eliminaires
ment discretisees pour un optimum entre precision des observations et saturation de lespace
memoire machine dans le traitement du reseau.
1. Identification des variables
et de leurs espaces detats
2. Definition de la structure
du reseau bayesien
1.5.1.2
Phase dutilisation
Lutilisation dun reseau bayesien est le calcul de la probabilite dune hypoth`ese connaissant
certaines observations. Il ny a pas vraiment dentrees ni de sorties dans un reseau bayesien au
sens o`
u il peut tr`es bien servir `a determiner la valeur la plus probable dun noeud en fonction
47
Connaissances pr
eliminaires
dinformations donnees (prevoir, au sens entrees vers sorties), mais egalement pour connaitre la
cause la plus probable dune observation (expliquer, au sens sorties vers entrees).
Lutilisation repose sur la propagation de linformation au sein du reseau (des calculs de
probabilites), appelee linference.
Une fois le reseau construit et les observations sur une variable recueillies, quelles sont les
repercutions sur les autres variables, comment les informations sont-elles mises `a jour ?
Le principe general dapprentissage peut etre decrit par la r`egle generale suivante [Nam et al., 2007] :
(1.69)
La modification de linformation dans le reseau par de nouvelles observations est ainsi conditionnee : la connaissance a priori est transformee a posteriori en fonction de la vraisemblance
de lobservation des etudes selon la connaissance initiale. Cela se traduit encore par le fait que
plus les exemples observes seloignent de la connaissance initiale du reseau, plus il faut modifier
celle-ci. Dun point de vue mathematique, cette r`egle, appliquee ici `a la connaissance, se traduit
par le theor`eme de Bayes sur les lois de probabilite [Fienberg, 2005] :
P (B|Ai )P (Ai )
P (Ai |B) = P
j P (B|Aj )P (Aj )
(1.70)
1.5.1.3
Les reseaux bayesiens ne sont pas les seuls outils statistiques permettant la mise en forme de
la connaissance : ils peuvent etre utilises tout comme celle dautres mod`eles comme les reseaux
de neurones, les arbres de decisions, lanalyse de donnees ou les syst`emes experts.
48
Connaissances pr
eliminaires
Tout dabord, par rapport aux syst`emes deterministes comme les syst`emes experts, les
reseaux bayesiens permettent une prise en compte de lincertitude dans le raisonnement. Ils
sont donc adaptes aux probl`emes pour lesquels lincertitude est presente, soit dans les observations, soit dans les r`egles de decision.
De plus, en termes dutilisation du mod`ele, lavantage essentiel est de permettre un formalisme complet de la connaissance sur un sujet sous forme de graphe causal contrairement aux
techniques danalyse de donnees. En consequence, la representation graphique explicite, intuitive
et comprehensible permet lutilisation par un non specialiste du domaine detude.
Enfin, la place de lexpert marque la difference avec les reseaux de neurones ou les arbres
de decisions puisque le physicien peut associer des equations au mod`ele statistique ou encore
accorder un degre de confiance aux observations en fonction de son avis (probabilites subjectives).
Les reseaux bayesiens, pour letude probabilisee du beton en environnement marin, paraissent
donc etre les outils les plus adaptes pour lactualisation des donnees. Ils vont permettre la
gestion des variables aleatoires dans un graphe causal utilisable par dautres chercheurs non
inities au traitement statistique. La construction du reseau pourra faire place aux connaissances
maintenant nombreuses du domaine pour integrer la physico-chimie sous forme de relations
deterministes par exemple. De plus, les differents experts pourront intervenir comme garde-fou
dans lanalyse des resultats en leur associant un degre de confiance.
1.5.2
Exemple dapplication
Dans cette partie, lutilisation dun reseau bayesien est illustree par un exemple simple de
diffusion des chlorures dans le beton. Ce reseau est construit pour synthetiser la connaissance en
tenant compte de lavis dun expert, pour prendre en compte les incertitudes sur les param`etres
physiques et pour enrichir la connaissance `a partir de mesure de profils en chlorures obtenus sur
des betons in situ.
1.5.2.1
Lexpert associe comme cause de la penetration des chlorures dans le beton le coefficient
de diffusion. Grace `a sa connaissance, il propose comme mod`ele de durabilite le mod`ele de
penetration des chlorures en milieu sature fonde sur la solution analytique de la deuxi`eme loi
de Fick (equation 1.20) o`
u la concentration initiale en chlorures dans le beton est consideree
49
Connaissances pr
eliminaires
2 Da T
(1.71)
Variable aleatoire
Loi de distribution
Da
Normale
(moyenne : 1,5.1012 ; ecart-type : 0,45.1012 ) [m2 /s]
Normale
(moyenne : 0,05 ; ecart-type : 0,005) [m]
xr
1.5.2.2
Construction du r
eseau bay
esien
Les liens de cause `a effet ayant ete identifies precedemment, un reseau compose de trois
noeuds est obtenu, tel que represente sur la figure 1.26.
50
Connaissances pr
eliminaires
table des probabilites conditionnelles associee, cest-`a-dire les probabilites quune concentration
C(xr , T ) soit egale `a certaines valeurs pour un xr et un Da donnes : cette table peut-etre obtenue
par des simulations de Monte-Carlo avec application de la relation analytique 1.71 et des tirages
aleatoires dans les deux variables Da et xr .
Puis, `a partir des probabilites marginales des variables de cause et de cette table, la loi de
distribution de la concentration en chlorures au niveau des armatures pour un temps dexposition
de 25 ans est determinee comme il suit :
p (C(xr , T )) =
(1.72)
Da ,xr
Pour ce faire, un logiciel de modelisation des reseaux bayesiens est utilise : Netica, developpe
par la societe NORSYS [Netica, 2008]. Cet outil a ete privilegie par rapport `a dautres logiciels
existants car il est disponible en version libre ; la seule limitation concerne la taille reduite `a 15
noeuds. Il est de conception simple, puissant et dote dune interface graphique conviviale permettant de sinitier rapidement aux reseaux bayesiens. Les calculs de probabilite precedemment
decrits et les calculs dactualisation qui vont suivre sont automatises, ce qui permet de deployer
une solution operationnelle de reseau bayesien assez facilement.
En revanche, comme pour les autres logiciels, les variables aleatoires ne peuvent pas etre
integrees de facon continues. La discretisation proposee est la suivante :
Da [1.1014 ; 1.1011 ](m2 /s), avec un pas constant de 2.1013 m2 /s entre 1.1013 et
2,9.1012 m2 /s,
xr [2,5 ; 7,5](cm), avec un pas constant de 3 mm entre 2,9 et 7,1 cm,
C(xr , T ) [0 ; 0,2](% en masse de beton) avec un pas constant de 0,1 % entre 0 et 0,15 %.
Pour C(xr , T ), dont on ne connat initialement pas la distribution, le choix des bornes est
simple puisquelles correspondent aux deux conditions aux limites en amont au contact de la
solution et en aval au coeur du beton.
Le reseau ainsi construit est propose sur la figure 1.27. Le graphe causal est repris sur lequel
des precisions supplementaires sont apportees pour les trois variables aleatoires. Pour chaque
intervalle, la probabilite associee est indiquee en pourcentage et representee sous forme dune
barre dhistogramme. Les informations statistiques elementaires, moyenne et ecart-type, sont
egalement mentionnees.
51
Connaissances pr
eliminaires
1.5.2.3
Utilisation du r
eseau bay
esien
En premier lieu, le reseau nous renseigne sur la loi de probabilite de la variable C(xr , T ) :
la moyenne est de 0,059 % et lecart-type de 0,019 %. De plus, pour le beton etudie, lexpert
precise le seuil damorcage de la corrosion quil estime `a 0,07 % en masse de beton. On observe
donc que la probabilite damorcage de la corrosion est environ de 30 %.
Lexpert souhaite maintenant prendre en compte des resultats de profils en chlorures obtenus
sur des betons de meme formulation et ayant ete exposes aux chlorures pendant 25 ans. Lensemble des concentrations en chlorures au niveau des armatures ont ete reunies et les donnees
statistiques sont proposees dans le tableau 1.4 : les valeurs observees sont plus faibles que celles
predites.
Probabilite (%)
0,01-0,02
0,02-0,03
0,03-0,04
0,04-0,05
0,05-0,06
0,06-0,07
0,07-0,08
5
10
30
20
15
15
5
52
Connaissances pr
eliminaires
Ces observations vont permettre dactualiser les lois de distribution des variables dentree.
Les distributions a posteriori des deux variables causes sont calculees par le theor`eme de Bayes :
p (Da |C(xr , T )) =
(1.73)
p (xr |C(xr , T )) =
(1.74)
La figure 1.28 illustre les lois de distribution a posteriori apr`es les observations (variable
grisee dans Netica) sur les concentrations en chlorures. On observe ainsi que la moyenne et
lecart-type de Da sont devenus respectivement 1,21.1012 et 0,39.1012 m2 /s et pour xr , 5,2 et
0,49 cm.
Ces resultats semblent coherents puisquune dimininution globale des quantite de chlorures
par rapport au cas precedent sexplique par une diminution du coefficient de diffusion et/ou
une augmentation de lenrobage. En outre, lutilisation de ce reseau bayesien nous renseigne
dun point de vue probabiliste sur limportance relative des variables puisquune modification
de C(xr , T ) entrane une actualisation plus forte de Da que de xr .
Au travers de cette etude, des proprietes des reseaux bayesiens que lon retrouve intuitivement
peuvent etre mises en evidence. Par exemple, le fait dobserver un enrobage faible na aucun lien
a priori avec le coefficient de diffusion : dans notre reseau, pour un enrobage fixe `a 3,4 cm, la
53
Connaissances pr
eliminaires
Fig. 1.30 Observations sur C(xr , T ) et xr (exemple dapplication dun reseau bayesien)
La propriete mise en evidence est que linformation ne peut circuler de xr vers Da que si
54
Connaissances pr
eliminaires
C(xr , T ) est connue, ce qui reste vrai dans un reseau bayesien pour toute connexion convergente
(deux causes reliees `a une consequence). Pour les noeuds en serie o`
u `a connexion convergente,
dautres proprietes sappliquent comme la D-separation.
Grace `a cet exemple simple, lutilisation des reseaux bayesiens et certaines de leurs caracteristiques ont pu etre identifiees. Les proprietes graphiques peuvent etre mises en correspondance avec les proprietes dindependance de lespace probabilise associe. Ainsi, les algorithmes
utilises dans les logiciels de modelisation par reseaux bayesiens sappuient sur ces proprietes et
bien dautres encore (conditionnement, arbre de jonction. . .) associees `a des methodes approchees
(Monte-Carlo. . .) ou dautres outils de statistique (methode de descente du gradient. . .) pour
propager linformation [Nam et al., 2007].
Chapitre 2
D
eveloppement de la m
ethodologie
2.1
Introduction
2.2
Algorithme probabiliste
Lobjet de cette partie est de presenter lalgorithme probabiliste de niveau 2 pour le calcul
de lindice de fiabilite. Lalgorithme de Rackwitz-Fiessler pour lequel des ameliorations ont ete
effectuees est presente puis valide sur deux exemples : un probl`eme mecanique et un probl`eme
56
D
eveloppement de la m
ethodologie
de durabilite.
2.2.1
2.2.1.1
M
ethode du gradient projet
e avec contr
ole derreur
Pr
esentation
Dans les methodes de niveau 2 nous travaillons dans lespace probabiliste reduit : la securite
peut etre exprimee par lindice de fiabilite dHasofer-Lind qui correspond `a la distance minimale
entre lorigine du rep`ere et la surface detat limite, sur laquelle est alors defini P le point de
conception. Le calcul de est donc un probl`eme doptimisation sous contrainte. Pour determiner
P , lalgorithme de Rackwitz-Fiessler gen`ere une suite de vecteurs qui convergent vers la solution
optimale. Le schema de progression est propose sur la figure 2.1.
~) =
G(U
~)
~)
G(U
G(U
,...,
U1
Un
!
(2.1)
57
D
eveloppement de la m
ethodologie
Il est dirige vers le domaine de defaillance :
G U~k
~k =
G U~k
(2.2)
Le vecteur suivant U~k+1 se trouve sur la droite issue de lorigine et parall`ele `a la direction de
~k . Il est obtenu par la somme de deux vecteurs :
T
U~k ~k ~k , resultat de la projection de U~k sur la droite precedente,
G(U~k )
et
~ qui permet de corriger la projection en tenant compte de la valeur de
kG(U~k )k k
~ ).
G(U
k
Ainsi, formule :
T
U~k+1 = U~k ~k
G U~k
~k
~k +
G U~
(2.3)
Le vecteur U~ est determine comme la limite de cette sequence iterative. Le vecteur U~ est
donc proportionnel `a ~ , vecteur unitaire normal `a la surface detat limite en P , le point de
conception :
~
U~ = ~ = OP
(2.4)
Numeriquement, lalgorithme cesse les iterations lorsque la precision sur lindice de fiabilite
b est obtenue :
k+1
k = b
(2.5)
Dans lequation 2.1, levaluation du gradient se fait dans lespace reduit alors que la fonction
detat limite est definie dans lespace physique. Il faut donc proceder au calcul des derivees
partielles de lespace reduit `a partir de celles de lespace physique. Le changement de variables
permet decrire :
~)
~
~
~
G(U
G(X)
X1
G(X)
Xn
~ X
=
+ ... +
= G(X)
Ui
X1
Ui
Xn
Ui
Ui
(2.6)
Tel quexamine dans le chapitre precedent, le passage de lespace physique `a lespace reduit se
58
D
eveloppement de la m
ethodologie
fait par une transformation probabiliste T . Celle applicable dans tous les cas est la transformation
~
de Nataf. X/U
etre calcule par differences finies (la methode et les equations sont
i peut
explicites dans la partie 2.3.1.1 sur le mod`ele deterministe) :
~ + ui e~i ) T (U
~)
~
T (U
X
=
Ui
ui
(2.7)
o`
u e~i est le vecteur unitaire de la base reduite pour la variable Ui . De la meme facon, le
calcul de chaque composante du gradient peut se faire par differences finies :
~ i ) G(X)
~
~
~
~ + xi E
G(X)
G(X)
G(X
=
=
Xi
xi
xi
(2.8)
~ i est le vecteur unitaire de la base physique pour la variable Xi . Dans quelques cas,
o`
u E
les derivees partielles du gradient et les transformations probabilistes peuvent sexprimer de
mani`ere analytique lorsque la fonction detat limite et la transformation sont explicites, mais
ceci est rare en pratique. Ainsi, le schema numerique en differences finies permet de couvrir tous
les cas.
Comme pour toutes les resolutions numeriques, des probl`emes de precision et de convergence
peuvent se poser. Le point central de ces methodes porte sur la discretisation effectuee, `a savoir
le choix des increments, ici ui et xi . Pour le choix de ui , les transformations utilisees, et
notamment la transformation de Nataf, sont numeriquement exactes on peut lui attribuer une
valeur tr`es fine, par exemple 107 .
En revanche, le choix de xi est plus delicat. Une premi`ere idee, frequemment utilisee, est
de retenir une valeur en fonction de lecart-type Xi de la variable Xi dans lespace physique :
xi = Xi
(2.9)
o`
u est un coefficient de reduction, par exemple 104 , choisi arbitrairement pour un optimum
entre vitesse de convergence et precision du calcul du gradient. Cependant, si cet increment
conduit `a une variation de la reponse sur la fonction G inferieure `a la precision sur le resultat
de cette fonction, le calcul du gradient par lequation 2.8 peut generer une erreur puis une non
convergence de la serie U~1 . . . U~n . Il faut donc adopter un xi compatible avec la precision du
mod`ele deterministe (qui conditionne la fonction G).
59
D
eveloppement de la m
ethodologie
Cest sur la base de cette constatation, et letude de la non convergence liee `a limprecision
dans le calcul du gradient de la fonction detat limite, que des ameliorations ont ete proposees
par le LMDC [Nguyen, 2007]. Il sagit ici dune procedure de choix automatique de lincrement
xi en tenant compte de la precision du mod`ele de defaillance pour calculer la taille minimale
des increments `a utiliser afin destimer le gradient.
~
Pour la premi`ere iteration, la sensibilite du mod`ele aux differentes variables aleatoires X
nest pas connue. Lincrement est choisi arbitrairement tr`es grand :
xi = k1 m xi
(2.10)
(2.11)
Xi
~ est lerreur
o`
u k2 est un coefficient de precision (k2 > 1, par exemple k2 = 10) et G(X)
numerique maximale possible sur la fonction detat limite. Par ailleurs, selon la definition de
cette fonction de defaillance en fiabilite, lerreur maximale peut secrire :
G = R S = R R + S S
(2.12)
R et S sont respectivement les erreurs sur levaluation de la resistance R et de la sollicitation S, et R est la precision numerique sur R et S la precision numerique sur S. Ainsi,
(xi )k est evalue par :
(
R
+
S)
R
S
k1
(xi )k = k2
~
G(Xk1 )
(2.13)
Xi
De plus, deux points consecutifs de la procedure iterative peuvent se trouver `a une distance
60
D
eveloppement de la m
ethodologie
inferieure `a celle requise pour evaluer correctement la derivee partielle. Dans ce cas, la derivee
partielle nest pas reactualisee tant que la distance parcourue est inferieure `a celle requise pour
evaluer la derivee partielle. Ce crit`ere permet deconomiser les evaluations de la fonction detat
limite selon les variables pour lesquelles loptimum est atteint. Cette condition dactualisation
dune composante i du vecteur gradient se formalise alors :
k
X
(xi )j (xi )j1 > (xi )k
j=k0
(2.14)
(xi )j (xi )j1 est la distance mesuree suivant la variable Xi entre deux iterations j et j + 1
de lalgorithme, k0 literation `a laquelle la derni`ere actualisation de la derivee partielle suivant
Xi a eu lieu, et k literation actuelle.
Finalement, lamelioration proposee ici de lalgorithme de Rackwitz-Fiessler, appelee GPACE
(Gradient Projete Avec Controle dErreur) [Nguyen, 2007], favorise et accel`ere la convergence
de deux facons :
choix des increments en fonction de lerreur possible,
limitation du nombre de reevaluations des derivees partielles.
2.2.1.2
Mise en oeuvre et r
esultats
Lorganigramme de lalgorithme GPACE est presente sur la figure 2.2. Le choix du langage
de programmation sest fait sur les deux principaux crit`eres suivants dutilisation :
Support de programmation libre et gratuit. En developpant un outil sur la base dun
support libre et gratuit, son emploi est rendu independant du materiel et des logiciels
`a licence payante. La diffusion de ce travail est ainsi largement facilitee et permet de
promouvoir les approches probabilistes en durabilite.
Langage de programmation rapide. Dans leur processus iteratif, les algorithmes probabilistes font appel tr`es souvent `a la fonction detat limite G. Meme si lalgorithme utilise
dans ce cas est optimise pour minimiser ces appels, le mod`ele deterministe associe `a G
peut conduire `a des temps de calcul tr`es longs, dautant que les durees de vie specifiees en
terme de durabilite sont importantes.
Parmi les langages informatiques existants, les plus adaptes au calcul scientifique sont le
FORTRAN (FORmula TRANslator) et MATLAB (MATrix LABoratory).
61
D
eveloppement de la m
ethodologie
"
"
$ $ $
,"
"
"
'
&$
"
"
'
&
( ()&
"
&$
*
& + '
+
&$
&
&
&$
&" ,
&
&
&
+ '
+ '
&
&
&
=&
&
(+
&
'
&
&
]'
&
*
*
" "
"#
. . /
'
&
+ '
&
%"$
&
&
(" )"
% & "* %
"
!" # $"
$"&$ "
% %
. 0
& <
' &
&
62
D
eveloppement de la m
ethodologie
Les langages informatiques peuvent se classer en deux categories : les langages interpretes et
les langages compiles. Un programme ecrit dans un langage interprete a besoin dun programme
auxiliaire (linterpreteur) pour traduire au fur et `a mesure les instructions du programme. MATLAB fait partie des langages interpretes.
Un programme ecrit dans un langage compile va etre traduit une fois pour toutes par un
programme annexe, appele compilateur, afin de generer un fichier executable autonome. Cest le
cas du langage FORTRAN. Contrairement au compilateur, linterpr`ete execute les instructions
du programme au fur et `a mesure de leur lecture pour interpretation. Du fait de cette phase sans
traduction prealable, lexecution dun programme interprete est generalement plus lente que le
meme programme compile, surtout si le programme comporte des boucles, comme dans notre
cas. Pour des raisons de rapidite, cest le langage FORTRAN qui a ete choisi.
Le FORTRAN se decline sous differentes formes qui correspondent `a leurs dates de mise `a
jour : du FORTRAN 66 au FORTRAN 03. Le FORTRAN, cree `a lepoque des cartes perforees,
a longtemps garde une certaine rigidite dans la mise en page du fichier source, le code devant,
par exemple, commencer `a partir de la 7e`me colonne et ne pas depasser la 72e`me (les colonnes
73 `a 80 sont reservees `a la numerotation des cartes perforees). Le FORTRAN 90 est une mise `a
jour importante dans levolution du langage puisque les restrictions concernant la mise en forme
des programmes disparaissent.
De plus, il existe des extensions libres, basees sur GCC pour compiler le FORTRAN 77.
GCC, abreviation de GNU Compiler Collection, est le compilateur cree par le projet GNU,
premier projet de production de logiciels libres lance en 1983.
La programmation a donc ete effectuee en FORTRAN 77 puisque les deux crit`eres retenus
de rapidite et de gratuite sont satisfaits.
Le resultat obtenu est lindice fiabilite . Deux autres resultats interessants sont egalement
a mentionner : les coordonnees de P et les facteurs dimportance des variables aleatoires.
`
Les coordonnees du point de conception P sont obtenues dans lespace des variables
aleatoires reduites. Par la transformation probabiliste associee T , les coordonnees seront donnees
dans lespace physique. Elles nous renseignent sur le point le plus probable de defaillance, cesta-dire les valeurs des variables aleatoires pour lesquelles lamorcage de la corrosion est le plus
`
probable.
63
D
eveloppement de la m
ethodologie
~ associe `a un point de la courbe
Lindice de fiabilite etant la norme minimale du vecteur U
1/2
n
X
=
u2j = i
Ui
Ui
j=1
(2.15)
U~
La valeur de i est une mesure de la sensibilite de lindice de fiabilite pour des variations
de la valeur de Ui au point de distance minimum U~ . i est appelee facteurs de sensibilite de la
variable Xi . Ces facteurs verifient la condition suivante :
n
X
i2 = 1
(2.16)
i=1
Les facteurs i2 sont interpretes comme les facteurs dimportance normes des variables
aleatoires associees.
Ainsi, la distance dune coordonnee ui de P par rapport `a sa valeur moyenne indique
limportance de la variable aleatoire Xi : plus cette distance est grande, plus limportance relative
de la variable Xi sur les autres est importante. Par exemple, si linitiation de la corrosion est
obtenue pour un enrobage de 3 cm et une porosite de beton de 10,3 %, et que les valeurs
moyennes associees sont respectivement 5 cm et 10,5 %, lenrobage aura une importance relative
plus forte que la porosite.
2.2.2
Validation
Lalgorithme du GPACE programme sous FORTRAN 77 est valide dans cette partie au
travers de trois exemples : lexemple simple de durabilite en milieu marin, dej`a utilise pour
illustrer lutilisation du reseau bayesien, et deux benchmarks issus de la litterature fiabiliste
concernant des probl`emes de mecanique.
2.2.2.1
Exemple 1 : durabilit
e en milieu marin
Considerons le probl`eme dune structure en beton arme semi-infinie au contact dune solution
de chlorures. Pour le cas o`
u le beton est sature, la diffusion des chlorures dans le beton peut
sexprimer par lequation 1.20, solution de la seconde loi de Fick comme nous lavons vu dans
le chapitre precedent.
64
D
eveloppement de la m
ethodologie
Si, de plus, le beton est initialement sain, la concentration en chlorures totaux dans le beton
2 Da T
(2.17)
Cr
= erf c
Cs
x
r
2 Da tdv
(2.18)
xr = 2 erf c
En posant C0 = 2 erf c1
Cr
Cs
Cr
Cs
p
Da tdv
(2.19)
tdv , la profondeur critique xr se formule :
xr = C0
Da
(2.20)
Enfin, lenrobage des aciers est note e. Afin detudier le probl`eme de corrosion du point de
vue probabiliste, il reste `a definir les variables aleatoires et la fonction detat limite associee. Sa
definition peut etre :
G = e x r = e C0
p
Da
(2.21)
Letat du beton est dit defaillant si la profondeur critique est superieure `a lenrobage, cesta-dire si G 0. Supposons maintenant que les variables aleatoires du probl`eme sont lenrobage
`
e et le coefficient de diffusion Da et que ces deux variables suivent des lois de distribution lognormales. Les param`etres et de ces lois peuvent etre definis par leurs moyennes et leurs
65
D
eveloppement de la m
ethodologie
= ln () 0, 5 ln 1 +
(2.22)
v
u
2 !
u
t
= ln 1 +
(2.23)
Variable aleatoire
Type de loi
Da
e
Log-normale
Log-normale
7 mm2 /an
50 mm
1,89
3,89
0,35
0,20
Tab. 2.1 Param`etres des variables aleatoires du probl`eme de durabilite pour la validation de
la methode GPACE
Le param`etre C0 est une constante qui depend de la concentration critique Cr , de la concentration Cs de la solution de chlorures et de la duree de vie tdv . Les valeurs correspondantes
precedemment definies donnent C0 = 12,73 ans1/2 . La fonction detat limite, les param`etres
du probl`eme et les variables aleatoires sont couples `a lalgorithme du GPACE pour determiner
lindice de fiabilite du beton `a 50 ans. La fonction detat limite etant explicite, la precision
numerique dans cet exemple est donc choisie fine, m = 107 . La valeur obtenue est = 1, 5411.
Le probl`eme ainsi pose permet de calculer la valeur exacte de lindice de fiabilite. En effet,
posons une variable intermediaire = e/xr , le domaine de defaillance est defini par :
G 0 e xr 0 1
(2.24)
Pf = P ( 1)
(2.25)
En outre, la fonction de repartition de est connue puisque Da et e suivent des lois log-
66
D
eveloppement de la m
ethodologie
normales, ce qui implique que ln(Da ) et ln(e) suivent des lois normales. En calculant le logarithme, on obtient :
1
ln () = ln (e) ln (xr ) = ln (e) ln (Da ) ln (C0 )
2
(2.26)
ln() etant une combinaison lineaire de lois normales, ln() est une loi normale, donc suit
une loi log-normale. Pour toute combinaison lineaire de n variables aleatoires Xi independantes,
P
qui suivent des lois normales, la variable Z =
ai Xi est une loi normale de moyenne Z et
decart-type Z tels que :
Z =
n
X
a i Xi
(2.27)
ai 2 Xi 2
(2.28)
i=1
n
X
Z 2 =
i=1
= e
1
Da C0
2
r
=
e 2 +
(2.29)
1
Da 2
4
(2.30)
Variable aleatoire
Type de loi
Log-normale
1,55
0,42
0,41
0,26
Tab. 2.2 Param`etres de la variable intermediaire pour le probl`eme de durabilite pour la validation de la methode GPACE
Compte tenu de ces resultats, la fonction de repartition de est enti`erement determinee. La
valeur de la probabilite de defaillance calculee selon lequation 2.25 vaut Pf = 6,164 %. Lindice
de fiabilite, determine par la fonction de repartition de la loi normale centree reduite selon
67
D
eveloppement de la m
ethodologie
lequation 1.64, est = 1,5411. Lalgorithme du GPACE permet donc de retrouver la valeur
exacte de lindice de fiabilite, `a la precision numerique sur pret.
Des comparaisons similaires sont effectuees pour des durees de vie tdv de 25 et 100 ans qui
correspondent respectivement `a des valeurs de C0 de 9 et 18 ans1/2 . Tous les resultats obtenus
par la methode GPACE sont recapitules dans le tableau 2.3. La valeur de issue du calcul exact
de la probabilite de defaillance Pf est retrouvee dans les trois cas.
tdv (ans)
GPACE
par Pf exacte
25
50
100
2,8590
1,5411
0,2246
2,8590
1,5411
0,2246
2.2.2.2
Le probl`eme etudie est un oscillateur dynamique non lineaire [Gayton et al., 2003] illustre
sur la figure 2.3, compose du syst`eme classique masse m et ressorts (ici deux ressorts de raideurs
respectives k1 et k2 ). Ce syst`eme est non lineaire car la plastification du ressort 2 est possible si
lallongement du ressort atteint la valeur d. Lexcitation du syst`eme se fait par une force F (t),
appliquee de facon constante egale `a F1 pendant une duree t1 . Le mouvement du syst`eme est
caracterise par son deplacement X(t).
68
D
eveloppement de la m
ethodologie
La pulsation propre du syst`eme 0 est definie par :
r
0 =
k1 + k2
m
(2.31)
xm
2F1
=
sin
m02
0 t1
2
(2.32)
Loi de distribution
Moyenne
Ecart-type
m
k1
k2
d
F1
t1
log-normale
log-normale
log-normale
log-normale
log-normale
log-normale
1
1
0,1
0,5
1
1
0,05
0,10
0,01
0,05
0,20
0,20
G = 3 d |xm | = 3 d
sin
t1
2
k1 + k2
(2.33)
Cette fonction est explicite et la precision numerique pour cet exemple est prise tr`es fine, m =
107 . Les resultats obtenus par lalgorithme GPACE, valeur de lindice de fiabilite et coordonnees
du point de conception P dans la base reduite, sont recapitules dans le tableau 2.5.
Resultats
um
uk1
uk2
ud
uF1
ut1
GPACE
Reference
1,832
1,832
-0,138
-0,145
-0,330
-0,330
-0,034
-0,036
-0,640
-0,633
1,271
1,257
1,098
1,117
69
D
eveloppement de la m
ethodologie
2.2.2.3
Le dernier probl`eme etudie est celui dun cylindre nervure (figure 2.4) soumis `a une pression
externe p0 [Gayton et al., 2003]. Sous leffet de cette pression, le cylindre, simplement appuye
en ses extremites, peut ceder par instabilite au voilement.
Les caracteristiques geometriques du cylindre permettent de calculer sa resistance au voilement pn , suivant le mode n. Toutes ces grandeurs sont recapitulees dans les equations suivantes :
pn =
Ee
2 h
R
2
R n 1 + 0, 5 Lc
n2
Ic =
Lc 2
R
+1
n2 1
i2 + R3 L EIc
s
e
2
e3 Le
+ I s + As
+ R Rs Ac Xc2
3
2
(2.34)
(2.35)
pe
Le = R rq
Is =
1, 56
1+
n4
2
e 2
R
(2.36)
n2
e
R
2
2
wf e3f
ef + e
ew h3w
e + hw
+ e w hw R
Rs +
+ wf ef R hw
Rs
12
2
12
2
(2.37)
70
D
eveloppement de la m
ethodologie
As = ew hw + wf ef
(2.38)
Ac = As + eLe
(2.39)
e
1 e2
Xc =
L e + As
+ R Rs
Ac 2
2
(2.40)
ef + e
1
e + hw
Rs =
hw ew R
+ wf ef R hw
As
2
2
(2.41)
Variable
Loi de distribution
Moyenne
Ecart-type
E (Pa)
e (mm)
Ls (mm)
hw (mm)
ew (mm)
wf (mm)
ef (mm)
Normale
Normale
Normale
Normale
Normale
Normale
Normale
2.10 11
24
600
156
10
119,7
24
4.10 9
0,72
18
4,68
0,3
3,59
0,72
G = pn (e, Ls , hw , ew , wf , ef , E) p0
(2.42)
Lexemple `a traiter fait intervenir sept variables aleatoires dans le calcul des param`etres
geometriques necessaires `a la determination de la pression elastique de voilement au mode n.
La precision numerique pour cet exemple est tr`es fine, m = 107 . Les resultats obtenus par
lalgorithme GPACE, valeur de lindice de fiabilite et coordonnees du point de conception P
71
D
eveloppement de la m
ethodologie
dans la base reduite, sont identifies dans le tableau 2.7, et compares avec les valeurs de reference
proposees [Gayton et al., 2003].
Resultats
uE
ue
uLs
uhw
uew
uwf
uef
GPACE
Reference
1,208
1,217
-0,447
-0,450
-0,485
-0,488
0,429
0,428
-0,804
-0,814
-0,032
-0,032
0,282
0,283
-0,336
-0,338
2.3
Mod`
ele d
eterministe
Les mod`eles de diffusion existants ont ete presentes dans la revue bibliographique. Ils se
classent en trois grandes categories :
les mod`eles empiriques,
les mod`eles physiques en diffusion moleculaire fondes sur la loi de Fick,
les mod`eles physiques en diffusion ionique fondes sur la relation de Nernst-Planck.
Dans lapproche probabiliste et le couplage avec lalgorithme du GPACE, le mod`ele de diffusion des chlorures choisi se rev`ele etre un compromis entre trois crit`eres :
Robustesse du mod`ele. Le mod`ele retenu doit pouvoir decrire correctement les phenom`enes
physiques mis en jeu et proposer des predictions avec une precision suffisante.
Complexite du mod`ele. Les temps de calcul ont souvent ete un frein `a lutilisation des
methodes probabilistes. Malgre les moyens de calcul actuels, le mod`ele ne doit pas etre
chronophage et utiliser trop de param`etres dentree. Les durees de vie specifiees en durabilite restent souvent tr`es longues et les algorithmes probabilistes, meme optimises comme
celui du GPACE, font souvent appel au mod`ele deterministe.
Signification physique des param`etres dentree du mod`ele. Les param`etres associes au
mod`ele doivent etre quantifiables `a partir dessais en laboratoire pour pretendre proposer
des lois de distribution realistes des variables aleatoires retenues dans le probl`eme.
72
D
eveloppement de la m
ethodologie
2.3.1
2.3.1.1
Immersion
Pr
esentation
Les mod`eles empiriques necessitent des donnees in situ pour calibrer la solution analytique
de la seconde loi et obtenir les param`etres necessaires `a la prediction du profil en chlorures
dans le materiau. Ces mod`eles sont simples mais ne sont pas retenus dans la methodologie
probabiliste car ils demandent une calibration pour chaque nouveau cas etudie, rendant la portee
du developpement limitee. Les mod`eles physiques fondes sur la loi de Fick sont les plus complets.
Cependant, la quantite de donnees dentree quils requi`erent rend lanalyse statistique associee
fastidieuse. De plus, les schemas numeriques sont trop longs pour que ces mod`eles puissent etre
appeles reguli`erement par lalgorithme probabiliste sans engendrer un temps de calcul global
exorbitant.
La methodologie est developpee dans le cas dun beton immerge dans leau de mer. Le mod`ele
propose est un mod`ele physique non lineaire qui utilise lequation de conservation des chlorures
dans un milieu poreux sature. La description du flux de chlorures est unidimensionnelle et se fait
par lintermediaire de la premi`ere loi de Fick. Lequation 1.19, etablie dans le premier chapitre,
et citee `a nouveau ici, permet de calculer la concentration en chlorures c (mol/m3 ) pour une
abcisse x (m) et un temps dexposition t (s) :
De
2c
2c
c
=
=
D
a
b x2
t
x2
p + d C
c
(2.43)
Les param`etres physico-chimiques associes sont le coefficient de diffusion effectif De (m2 /s),
la porosite p, la masse volumique s`eche d (kg/m3 ), et lisotherme dinteraction des chlorures
Cb (c) (mol/kg de solide). Lequation differentielle `a resoudre est non lineaire car la forme de lisotherme de fixation est prise en compte explicitement, contrairement aux mod`eles empiriques o`
u
lisotherme est considere lineaire (cest-`a-dire que Da est constant, ce qui permet une resolution
analytique par la seconde loi de Fick). Ce mod`ele permet de prendre en compte de facon compl`ete
les param`etres mesurables qui influencent directement la penetration des chlorures : la porosite,
le coefficient de diffusion et lisotherme de fixation des chlorures.
Les interactions varient en fonction de la concentration en chlorures libres dans la solution interstitielle suivant la somme de deux fonctions, lisotherme type Langmuir corrige par
73
D
eveloppement de la m
ethodologie
une fonction puissance type Freundlich, dej`a explicitees dans le premier chapitre. Lexpression
mathematique est rappelee ici :
Cb =
1 1 c
+ 2 c2
1 + 1 c
(2.44)
o`
u Cb (mol/kg de solide) est la quantite de chlorures fixes sur la matrice cimentaire, c (mol/m3
de solution interstitielle) est la quantite de chlorures libres, et 1 , 2 , 1 , 2 sont des coefficients
determines par calage aux resultats experimentaux disotherme de fixation.
Lequation de continuite 2.43 presentee est une equation aux derivees partielles. La solution
analytique ne peut plus etre appliquee au vu de lhypoth`ese presentee pour lisotherme de fixation
et une resolution numerique est proposee. La methode par differences finies est retenue pour
le calcul des derivees partielles. Le developpement en serie de Taylor permet decrire, sous
conditions de derivabilite, les approximations des derivees au premier et au deuxi`eme ordre
dune fonction u(x) lorsque h tend vers 0 :
u (x + h) u (x)
du (x)
dx
h
(2.45)
u (x + h) 2u (x) + u (x h)
d2 u (x)
2
dx
h2
(2.46)
Le schema numerique utilise est une formulation en differences finies semi-implicite, selon une
-methode. Pour une equation `a resoudre de type
du
dt
f un+ , tn+ = (1 ) f (un , tn ) + f un+1 , tn+1
(2.47)
o`
u un est la valeur (connue) de u `a la date tn et un+1 la valeur (encore inconnue) de u `
a la
date tn+1 . Pour le mod`ele Immersion, levaluation est faite au temps t+1/2dt selon la methode
de Cranck Nicolson [Crank et Nicolson, 1947], cest-`a-dire = 1/2.
Ainsi, en combinant ces approximations, lequation 2.43 discretisee en temps et en espace
secrit, avec le pas en temps, h le pas despace, n lindice de temps et i lindice despace :
cn+1
cni
1
i
=
n+1
cn+1
+ cn+1
cni+1 2cni + cni1
i+1 2ci
i1
Da
+
D
a
h2
h2
!
(2.48)
74
D
eveloppement de la m
ethodologie
Les inconnues sont les concentrations aux temps n+1 en chaque noeud i. Lisotherme de
2.3.1.2
Mise en oeuvre et r
esultats
75
D
eveloppement de la m
ethodologie
A chaque noeud i, pour un temps dexposition donne, les concentrations en chlorures libres
et totaux sont determinees. Les noeuds 1 `a N sont les noeuds internes au maillage, pour lesquels
les concentrations sont obtenues par resolution dun schema numerique. Les noeuds 0 et N +1
sont les noeuds o`
u interviennent les conditions aux limites et leurs concentrations seront notees
par la suite respectivement camont et caval .
La reorganisation de lequation 2.48 fait apparatre un schema explicite pour lequel le syst`eme
matriciel `a resoudre est repris dans lequation 2.49, o`
u =
Da
.
2h2
linversion du syst`eme est effectuee et les inconnues des noeuds au temps n+1 sont deduites en
fonction des valeurs des concentrations en chaque noeud au temps precedent n.
1 + 21
1 + 22
..
.
2
..
.
0
..
1 + 2i
..
.
i
..
.
0
..
N 1
1 + 2N 1
cn+1
1
cn+1
2
..
.
0
n+1
0
ci
.
0
.
n+1
N 1 cN 1
n+1
1 + 2N
cN
0
(2.49)
21 ) cn1
1 cn2
b1 = 21 camont + (1
+
..
n
n
n
=
bi = i ci1 + (1 2i ) ci + i ci+1
..
n
n
bN = N cN 1 + (1 2N ) cN + N caval
Le probl`eme a ete adimensionnalise pour limiter les erreurs numeriques compte tenu de
lordre de grandeur des differents param`etres du probl`eme (coefficient de diffusion environ de
1012 m2 /s et porosite 102 par exemple). Les transformations suivantes sont utilisees :
(
(2.50)
76
D
eveloppement de la m
ethodologie
Les variables adimensionnelles, notees par un exposant0 , secrivent alors :
0
T = T /DT
L0 = L/L
0
c = c/cmax
0 = /DT
h0 = h/L
(2.51)
D0 = De /De
o`
u T , , L, h, c et De sont respectivement le temps dimmersion, le pas de temps du schema
numerique, lepaisseur de lelement en beton, le pas despace du schema numerique, la concentration en chlorures dans le beton et le coefficient de diffusion effectif des chlorures.
Toutes les resolutions numeriques sont effectuees avec ces variables. A la fin du temps dimmersion, suite au calcul en tout point du maillage des concentrations en chlorures, le resultat
est ramene en variables reelles.
La gestion des conditions aux limites est de deux types : une condition sur la concentration
en amont, cote face expose du beton, et une condition sur le flux des esp`eces en aval.
En amont, les conditions aux limites sont independantes du temps : la concentration camont en
chlorures est determinee en fonction de la salinite moyenne du milieu cmer (conditions aux limites
de type Dirichlet). Cependant, le programme peut facilement evoluer pour que les conditions
aux limites `a lamont soient dependantes du temps en introduisant une loi, de type sinusode
par exemple, pour prendre en compte la variation annuelle de la salinite.
A laval, deux cas sont envisageables :
la surface est egalement exposee aux chlorures `a la meme concentration quen amont.
Lelement de beton est alors divise en deux parties et le profil complet est obtenu par
symetrie. Sur le demi-element, la symetrie impose le flux sortant nul `a lextremite non
exposee, definie comme le noeud aval.
La surface est consideree non-exposee `a une solution. Le maillage est effectue sur lelement
complet et le flux sortant est nul.
Dans les deux cas, le flux des chlorures `a laval est nul (conditions aux limites de type
Neumann). Numeriquement, la concentration caval est donc egale `a la concentration au noeud
N , quel que soit le temps n.
Les conditions initiales sont telles que, en tout point du maillage, la concentration en chlorures
est egale `a la composition de la solution interstitielle cinter au debut de limmersion (typiquement
pour un echantillon sain, la concentration en chlorures est nulle).
77
D
eveloppement de la m
ethodologie
En resume, les conditions initiales et les conditions aux limites sont reprises par les
(
CL :
(2.52)
(2.53)
2.3.2
Validation
Le mod`ele Immersion na pas pour but de se substituer aux mod`eles physiques multiesp`eces. Leur champ de competences est beaucoup plus large, les resultats obtenus plus complets.
Neanmoins Immersion a ete developpe pour repondre `a une approche probabiliste en limitant
les temps de calcul. Dans ce contexte, le mod`ele deterministe doit tout de meme rester robuste
pour etre implante dans la methodologie. Cest pourquoi le champ dapplication dImmersion va
etre compare, ci-apr`es, `a un mod`ele physique complet MsDiff et `a des resultats experimentaux.
2.3.2.1
78
D
eveloppement de la m
ethodologie
mensionnel desp`eces ioniques `a travers un milieu poreux sature, ecrit sous SCILAB, equivalent
libre de MATLAB.
Le mod`ele est une approche multi-esp`eces fondee sur lequation 1.9 de Nernst-Planck qui
donne lexpression compl`ete du flux des differents ions en solution. Lequation de conservation 1.18 est resolue pour chaque esp`ece ionique en presence. Ces equations sont couplees
via le champ electrique local calcule `a partir de lequation de courant 1.11. La condition
delectroneutralite est supposee respectee en tout point de lespace. Enfin, la phase solide peut
etre reactive avec les chlorures, les reactions etant prises en compte au travers de lisotherme
dinteraction 1.14.
MsDiff determine `a chaque pas de temps et en tout point du maillage le champ electrique
ainsi que les concentrations des differentes esp`eces. Les resultats `a lissue de la simulation sont les
profils de concentration et les flux des esp`eces ioniques, ainsi que la distribution de la difference
de potentiel dans le milieu poreux.
Pour cette premi`ere validation, le beton etudie est compose dun ciment CEM I 52,5 R
avec un rapport E/C de 0,4. Les predictions de concentrations en chlorures libres et totaux
obtenues par MsDiff et par Immersion vont etre comparees. Les tableaux 2.8 et 2.9 indiquent
respectivement la formulation du beton et les caracteristiques du ciment.
Composant
Type
Quantite (kg/m3 )
Ciment
Sable
Gravier
Eau
CEM I 52,5 R
0/4 mm
3/8 mm
560
695
825
224
Composant
% en masse de ciment
C3 S
C2 S
C3 A
C4 AF
54
22
6
9
Tab. 2.9 Composition de Bogue du ciment CEM I 52,5 R pour comparaison Immersion-MsDiff
Des mesures de porosite `a leau, de coefficient de diffusion effectif et disotherme dinteraction
79
D
eveloppement de la m
ethodologie
des chlorures ont ete realisees [Khitab, 2005] sur ce beton. Les param`etres dentree necessaires
`a MsDiff et Immersion pour simuler son immersion dans une solution de NaCl `a 28 g/l sont
recapitules dans le tableau 2.10. Les concentrations en hydroxyles, sodium et potassium `a introduire dans MsDiff sont choisies pour satisfaire respectivement un pH de 7, le dosage en NaCl `
a
28 g/l et la condition delectroneutalite. Pour la solution interstitielle du beton, les concentrations sont obtenues pour une composition mesuree sur un materiau similaire [Nugue, 2002].
Param`etre
Unite
Valeur
Epaisseur de lechantillon L
Nombre de noeuds
Duree dimmersion
Pas de temps
Porosite p
Masse volumique specifique s
Coefficients de lisotherme
1
1
2
2
Coefficient de diffusion des chlorures De
Rapport Dion /De (MsDiff uniquement)
Na+
K+
OH
Concentration des esp`eces dans la solution dimmersion
Cl
+
Na (MsDiff uniquement)
K+ (MsDiff uniquement)
OH (MsDiff uniquement)
Concentration initiale des esp`eces en solution interstitielle
Cl
Na+ (MsDiff uniquement)
K+ (MsDiff uniquement)
OH (MsDiff uniquement)
Courant externe applique (MsDiff uniquement)
m`etres
jours
secondes
%
kg/m3
0,05
100
200
10000
16
2716
m2 /s
0,03
0,003
0,00106
0,526
0,8.10 12
0,65
0,96
2,6
mol/m3
mol/m3
mol/m3
mol/m3
500
500
10
10
mol/m3
mol/m3
mol/m3
mol/m3
mA
0
23
156
179
0
Les profils en chlorures libres et totaux calcules `a 200 jours par les deux mod`eles sont
presentes sur la figure 2.6. Les predictions sont sensiblement identiques : lerreur maximum
observee sur les chlorures libres entre Immersion et MsDiff est de 7,5 % (1,72 et 1,6 mol/m3
respectivement, `a labscisse 1,9 cm) et 4,5 % sur les chlorures totaux (28,12 et 26,9 mol/m3 , `
a
80
D
eveloppement de la m
ethodologie
la meme abscisse). Dans la zone de penetration, cest-`a-dire jusqu`a 20 mm, lerreur moyenne
observee aux differents noeuds est de 2,3 % pour les chloures totaux et 1,4 % pour les libres.
Fig. 2.6 Profils en chlorures obtenus par Immersion et MsDiff apr`es 200 jours dimmersion
Les differences observees pour les deux simulations sont acceptables. Pour des temps dexposition plus longs (50 ans par exemple), les ecarts nevoluent pas entre les deux mod`eles. Si le
probl`eme se limite `a limmersion en eau de mer dune structure en beton, leffet multi-esp`eces
peut donc etre neglige. Pour ce domaine dapplication, la prediction du profil en chlorures et la
precision obtenue avec le mod`ele Immersion sont satisfaisantes et justifient ainsi lutilisation de
ce mod`ele simplifie dans la methodologie probabiliste et le couplage avec lalgorithme GPACE.
Les resultats obtenus avec MsDiff sont en revanche plus complets : profils des autres esp`eces
ioniques et distribution de la difference de potentiel dans le beton. Ces informations sont utiles
en recherche pour une analyse plus fine et une meilleure comprehension des mecanismes physicochimiques. Son champ dapplication est egalement plus large puiquil permet de simuler et dexploiter les essais de migration sous champ electrique.
Lutilisation probabiliste de MsDiff pourrait senvisager si le crit`ere damorcage de la corrosion [Cl ]/[OH ] est applique. Cependant, la verification experimentale du profil en hydroxyles
reste delicate [Deby, 2005], rendant ce crit`ere difficilement utilisable.
2.3.2.2
Validation exp
erimentale
Les deux validations suivantes concernent des comparaisons avec des resultats experimentaux
sur mortier et sur beton. Un mortier immerge en conditions de laboratoire est traite dans le
81
D
eveloppement de la m
ethodologie
premier cas. Le deuxi`eme cas etudie concerne une plateforme offshore en mer du Nord, le but
etant de confronter les predictions avec des donnees in situ.
Pour ce premier exemple, le mortier etudie est compose dun ciment CEM I 52,5 PM ES
dont le rapport E/C est de 0,43. Les tableaux 2.11 et 2.12 renseignent sur la formulation et les
caracteristiques du ciment.
Composant
Type
Quantite (kg/m3 )
Ciment
Sable
Superplastifiant
Eau
CEM I 52,5 R
0/4 mm
Glenium 27
617,7
1365
7,72
264
Tab. 2.11 Composition du mortier pour comparaison entre Immersion et les donnees
experimentales
Composant
Si O2
Al2 O3
Fe2 O3
CaO
MgO
SO3
K2 O
Na2 O
Perte au feu
% en masse
21,2
3,5
4,6
64,6
0,6
2,65
0,63
0,17
1,1
Tab. 2.12 Composition chimique du ciment CEM I 52,5 PM ES pour comparaison entre
Immersion et les donnees experimentales
Ce mortier a notamment fait lobjet dune etude sur linfluence de la temperature sur le transport dans les materiaux cimentaires [Nguyen, 2006]. De nombreux essais de caracterisation sur
la porosite, lisotherme de fixation et le coefficient de diffusion ont ete effectues, et les param`etres
necessaires `a Immersion pour mener les predictions sont recapitules dans le tableau 2.13.
Param`etre
Valeur
Epaisseur de lechantillon L
Duree dimmersion
Porosite p
Masse volumique specifique s
Coefficients de lisotherme : 1 , 1 , 2 , 2
Coefficient de diffusion des chlorures De
Concentration en chlorures dans la solution dimmersion
5 cm
180 jours
19,2 %
2734 kg/m3
0,068, 0,0028, 0,011, 0,262
1,86.1012 m2 /s
564 mol/m3
Tab. 2.13 Donnees dentree du mortier de CEM I pour la prediction avec Immersion
Le materiau a egalement subi des essais dimmersion dans une solution en chlorures `a 20 g/l
pendant 6 mois. Les chlorures totaux ont ete extraits par grignotage, attaque acide puis doses
82
D
eveloppement de la m
ethodologie
par titration potentiometrique pour aboutir au profil de penetration experimental. Cinq series
deprouvettes ont ete analysees et lensemble des point experimentaux sont reunis sur la figure 2.7. Les resultats de la prediction obtenue par Immersion pour les chlorures totaux sont
egalement reportes sur la figure 2.7.
Fig. 2.7 Profil en chlorures totaux experimentaux et obtenus par Immersion pour un mortier
de CEM I
La concordance avec les points experimentaux est correcte, notamment quant `a lallure
generale du profil. Un leger decalage par une sous-estimation de la penetration dans le mortier
est toutefois note. Cette erreur peut-etre imputee aux temps dimmersion et `a la maturite du
materiau. Lessai de determination du coefficient de diffusion est effectue sur le mortier mature
a 10 mois, tandis que lessai dimmersion debute sur le mortier age de 1 mois.
`
Une loi devolution temporelle du coefficient de diffusion permet affiner la prediction pour
des materiaux jeunes dans les premiers temps dimmersion. Cependant, cette difference est
rapidement gommee pour des durees dimmersion superieures `a un an [Khitab, 2005]. Lerreur
de modelisation commise nest donc pas prejudiciable puisque les predictions `a effectuer dans la
methodologie probabiliste concerneront des temps beaucoup plus longs.
Pour le deuxi`eme exemple, des donnees experimentales ont ete collectees apr`es 20 ans dexploitation de la plateforme offshore Brent B situee en mer du Nord [Sengul et Gjorv, 2007].
Cet ouvrage, illustre sur la photo 2.8, fait partie des plateformes en beton de type embase
poids construites dans la periode 1973-1975 pour lexploitation petroli`ere en mer du Nord.
Elles se distinguent des jackets metalliques classiques par leur positionnement sous poids
83
D
eveloppement de la m
ethodologie
Type
Quantite (kg/m3 )
Ciment
Sable
Gravier
Superplastifiant
Eau
CEM I
0/10 mm
10/32 mm
Lignosulphonate
425
910
930
3
170
Tab. 2.14 Composition du beton pour comparaison entre Immersion et les donnees
experimentales
Parall`element `a des travaux menes sur la plateforme en 1994, des carottes de beton ont ete
prelevees dans un puits de service, dont une serie en dessous du niveau de la mer `a -11,5 m`etres
de profondeur. Des mesures de masse volumique et porosite ont ete effectuees sur le beton et
le coefficient de diffusion fourni est obtenu par ajustement aux profils mesures. La salinite en
chlorures est de 11 g/l. Ces donnees sont mentionnees dans le tableau 2.15.
Pour la prediction avec le mod`ele Immersion, la capacite de fixation du ciment etant inconnue, des coefficients disothermes mesurees sur des betons de CEM I avec le meme pourcentage
volumique de pate sont utilisees [Truc, 2000].
Les profils experimentaux en chlorures apr`es 20 ans dimmersion ont ete mesures par grignotage puis analyse spectrophotometrique. Ils sont reportes sur la figure 2.9 ainsi que la prediction
84
D
eveloppement de la m
ethodologie
Param`etre
Valeur
Duree dimmersion
Porosite p
Masse volumique s`eche d
Coefficients de lisotherme : 1 , 1 , 2 , 2 (hypoth`ese)
Coefficient de diffusion des chlorures De
Concentration en chlorures de leau de mer
20 ans
11,6 %
2276 kg/m3
0, 0, 0,002, 0,5
0,80.1012 m2 /s
310 mol/m3
Tab. 2.15 Donnees dentree du beton de CEM I pour la prediction avec Immersion
En seloignant des conditions de laboratoire, o`
u les temps dexposition sont assez faibles en
comparaison avec les durees de vie preconisees, et pour lesquelles la mise en oeuvre et lexposition
aux chlorures sont matrisees, les profils de penetration des betons immerges in situ montrent
une forte variabilite. Le profil obtenu avec Immersion concorde cependant avec ces observations
experimentales et reste representatif.
Fig. 2.9 Profils experimentaux en chlorures totaux et profil obtenu par Immersion pour un
beton de CEM I
Pour tenter de comprendre les differences entre les profils mesures, le coefficient de diffusion
est soumis `a une variation de plus ou moins 50 % dans la modelisation. Les resultats sont
presentes sur la figure 2.10. Le fuseau obtenu permet denglober ou de se rapprocher de la
plupart des points experimentaux. Si la porosite et lisotherme de fixation des chlorures sont
egalement modifiees, lensemble des resultats in situ pourraient etre alors approches. Le mod`ele
Immersion est donc capable de predire les profils mesures sur le long terme.
85
D
eveloppement de la m
ethodologie
Fig. 2.10 Profils en chlorures totaux obtenus par Immersion avec variation du coefficient de
diffusion
Au travers de cet exemple, la question generale soulevee par ce travail sur la variabilite des
indicateurs de durabilite est illustree. Les donnees mesurees en laboratoire ne traduisent pas
le realisme des observations sur ouvrage. Un mod`ele deterministe reste donc insuffisant pour
esperer predire correctement la duree de vie des ouvrages en beton.
Les trois exemples traites ont permis de valider lutilisation du mod`ele Immersion pour un
couplage avec lalgorithme GPACE. Les schemas numeriques etant alleges, les temps de calcul
du mod`ele sont plus courts. Latout majeur est de proposer des predictions fondees uniquement
sur des indicateurs de durabilite mesurables, sans laide dautres param`etres inaccessibles. La
constitution dune base de donnees realiste et la definition des lois de distribution associees sera
donc facilitee.
Chapitre 3
Les variables al
eatoires
3.1
Introduction
88
Les variables al
eatoires
89
Les variables al
eatoires
3.2
D
etermination des densit
es de probabilit
e
EcartI =
Iexp Ical
Ical
(3.1)
ErrI = 1 + EcartI =
Iexp
Ical
(3.2)
I = ErrI Ical
(3.3)
Les deux autres variables, porosite et enrobage, sont egalement presentees avec les incertitudes associees. Elles ne font pas lobjet dune prediction par un mod`ele elementaire mais des
erreurs multiplicatives Errp et Erre , `a appliquer aux valeurs moyennes retenues pm et em , sont
egalement definies pour uniformiser les notations sur les variables aleatoires de la methodologie.
90
Les variables al
eatoires
3.2.1
3.2.1.1
Coefficient de diffusion
Ciment CEM I
Ciment (kg/m3 )
Granulats (kg/m3 )
E/C
vp
1-35
1-40
1-50
1-75
2-35
2-40
2-50
2-60
2-75
7-35
7-40
7-75
8-35
8-40
8-50
8-60
8-75
H3
H9
450
420
370
240
450
420
390
310
250
450
420
265
470
440
410
330
270
492
500
420
1695
1692
1689
1812
1695
1692
1646
1737
1784
1854
1851
1900
1819
1813
1762
1848
1886
1845
1832
1685
0,35
0,40
0,50
0,75
0,35
0,40
0,50
0,60
0,75
0,35
0,40
0,75
0,35
0,40
0,50
0,60
0,75
0,3
0,3
0,4
0,36
0,36
0,36
0,32
0,36
0,36
0,36
0,34
0,33
0,30
0,30
0,28
0,31
0,31
0,33
0,30
0,29
0,30
0,31
0,36
91
Les variables al
eatoires
du tableau 3.2.
De = Dpate vp3/2
(3.4)
vp , o`
u vp est la fraction volumique de pate de ciment.
Ce dernier terme tient compte de leffet combine de la dilution et de la tortuosite associee
`a lajout de granulat. Il a ete etabli pour la resolution du probl`eme dhomogeneisation des
proprietes conductrices dun milieu heterog`ene biphasique [Bruggeman, 1935], pate et granulat
dans cette application. Cette relation constitue certes lune des approches les plus simples pour
determiner la diffusivite du beton connaissant celle de la pate de ciment mais elle ne fait intervenir
que la fraction volumique de pate renseignee par la formulation du beton.
La porosite de la pate ppate est calculee par le mod`ele de Powers [Taylor, 2004]. Rappelons
que ce mod`ele est fonde sur un bilan massique et volumique des constituants (phases hydratees
92
Les variables al
eatoires
et anhydres residuels) dune pate de CEM I et fournit `a lequilibre, lorsque lhydratation est
terminee, la composition finale de la pate et sa porosite ppate :
ppate
E/C
E/C
=
0, 53 1
E/C + 0, 32
E/C + 0, 32
(3.5)
Ce calcul necessite le degre dhydratation final . Les observations realisees sur des pates de
CEM I conservees de facon endog`ene `a 20C avec diverses valeurs de E/C initiales (figure 3.2)
permettent dobtenir la relation suivante [Waller, 1999] :
E
= 1 exp 3, 3
C
(3.6)
Fig. 3.2 Degre dhydratation final dun CEM I pour diverses valeurs de E/C [Waller, 1999]
La porosite des pates de CEM I estimee par Powers est une porosite totale generalement
superieure `a la porosite mesuree `a leau ou au mercure [Lovera, 1998]. Or, lobservation montre
qu`a tr`es long terme des grains anhydres subsistent et le ciment natteint jamais une hydratation compl`ete, notamment pour de faibles rapports E/C. La relation 3.6, construite sur ces
remarques, permet devaluer de facon plus juste la porosite par lequation 3.5.
La porosite dune pate de ciment CEM I est calculee simplement par deux relations retenues
pour leur signification physique. Les resultats obtenus sont repris dans la troisi`eme colonne du
tableau 3.2.
La porosite du beton peut etre maintenant determinee par simple dilution :
p = ppate vp
(3.7)
93
Les variables al
eatoires
Les resultats experimentaux Dnssm utilises ici, mesures en migration et regime transitoire,
sont des coefficients de diffusion apparents. Lequation 1.39, etablie dans le chapitre bibliographique, fait le lien avec le coefficient de diffusion effectif experimental du beton De par
lintermediaire de la porosite du beton p :
De = Dnssm p
(3.8)
Lobjectif etant de proposer une loi devolution du coefficient de diffusion effectif des chlorures
sur pate de ciment CEM I, lequation 3.4 permet de deduire le coefficient de diffusion de la p
ate
De,p en fonction de celui du beton :
De,p =
De
3/2
(3.9)
vp
Les resultats sont reportes dans la quatri`eme colonne du tableau 3.2 et les couples de points
(ppate calcule ; De,p ) sont representes sur la figure 3.3.
Fig. 3.3 Loi devolution du coefficient de diffusion effectif des chlorures pour une pate de ciment
CEM I en fonction de sa porosite ppate
La loi devolution du coefficient de diffusion effectif des chlorures en fonction de la porosite
pour une pate de ciment CEM I (representee sur la figure 3.3) est determinee par ajustement
aux points experimentaux. Lequation mathematique est ainsi proposee :
(3.10)
94
Les variables al
eatoires
Finalement, en reprenant lequation proposee 3.4, la relation obtenue pour le mod`ele
(3.11)
Lerreur multiplicative de mod`ele correspondante ErrD sexprime, comme presente en introduction, par le ratio entre une valeur experimentale et sa valeur de calcul :
ErrD =
De exp
De cal
(3.12)
La valeur calculee sur pate et lerreur de mod`ele correspondante sont identifiees respectivement dans les deux derni`eres colonnes du tableau 3.2.
Formulation
1-35
1-40
1-50
1-75
2-35
2-40
2-50
2-60
2-75
7-35
7-40
7-75
8-35
8-40
8-50
8-60
8-75
H3
H9
Dnssm
(1012 m2 /s)
6,9
12,2
19,9
87,6
3,6
7,1
18,2
31,8
49,4
4,3
420
38,2
5,4
7,3
16,0
25,3
38,5
2,5
2,7
8,1
ppate calculee
(%)
34,9
38,3
44,3
55,6
34,9
38,3
44,3
49,3
55,6
34,9
38,3
55,6
34,9
38,3
44,3
49,3
55,6
31,2
31,2
38,3
De,p
(1012 m2 /s)
4,01
7,79
14,68
86,06
2,09
4,53
13,43
26,90
47,79
2,74
4,54
40,12
3,38
5,02
12,33
22,78
39,73
1,42
1,51
5,17
Dpate calcule
(1012 m2 /s)
3,21
4,99
10,86
47,28
3,21
4,99
10,86
20,98
47,28
3,21
4,99
47,28
3,21
4,99
10,86
20,98
47,28
1,99
1,99
5,00
Erreur
1,25
1,56
1,35
1,82
0,65
0,91
1,24
1,28
1,01
0,85
0,91
0,85
1,05
1,00
1,13
1,09
0,84
0,72
0,76
1,03
Tab. 3.2 Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
betons de CEM I [Tang, 1997]
Ce mod`ele elementaire etabli, dautres resultats experimentaux issus de la bibliographie
peuvent etre compares. Ils vont permettre denrichir la base de donnees sur ErrD et de proposer
une densite de probabilite de cette variable aleatoire. Afin de comparer toutes ces donnees entre
95
Les variables al
eatoires
elles et lequation 3.10 sur un meme graphique, les resultats dessais et les estimations du mod`ele
qui vont suivre sont ramenes `a la pate de ciment si necessaire.
Letude des proprietes diffusionnelles de leau tritiee (HTO) a ete menee pour levaluation de
linfluence des param`etres intrins`eques au materiau cimentaire [Richet et al., 1996]. Le coefficient
de diffusion effectif De,p (HTO) a ete mesure en cellule de diffusion (cf. partie 1.3.1.1) sur des
pates de ciments CEM I pour differents rapports E/C.
Le coefficient de diffusion effectif des chlorures sur pate De,p est deduit de cette mesure en
conservant le rapport entre le coefficient de diffusion propre des chlorures D0,Cl et celui de leau
tritiee D0,HT O . Ils sont definis pour une dilution infinie dans leau et leur valeurs respectives
sont 2,03.109 m2 /s et 2,24.109 m2 /s [Mills et Lobo, 1989]. Le calcul de De,p seffectue :
D0,Cl
= De,p (HT O) 0, 906
D0,HT O
(3.13)
Lensemble des resultats experimentaux, les coefficients de diffusion des chlorures calcules et
les erreurs du mod`ele sont presentes dans le tableau 3.3.
Pate
E/C
1
2
3
4
5
6
7
8
9
10
0,25
0,30
0,35
0,38
0,40
0,42
0,45
0,50
0,60
0,65
ppate calculee
(%)
22,7
31,2
34,9
37,0
38,3
39,6
41,4
44,3
49,3
51,6
De,p (HTO)
(1012 m2 /s)
0,55
1,20
2,60
3,50
4,00
3,80
5,00
8,00
15,00
18,00
De,p
12
(10 m2 /s)
0,50
1,09
2,35
3,17
3,62
3,44
4,53
7,25
13,59
16,31
Dpate calcule
(1012 m2 /s)
1,15
1,94
3,26
4,22
4,81
5,48
7,11
10,50
20,11
26,08
Erreur
0,43
0,56
0,72
0,75
0,75
0,63
0,64
0,69
0,67
0,62
Tab. 3.3 Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
pates ciment de CEM I [Richet et al., 1996]
Dautres resultats de penetration des chlorures dans des pates de ciment CEM I sont exploites [Mejlhede Jensen et al., 1999]. Il sagit dessais dimmersion pour lesquels les profils en
chlorures dans le materiau sont mesures `a la microsonde (mesure de lintensite du rayonnement
X produit entre des electrons incidents et les elements constituants du materiau `a analyser). Les
pates de ciment ont subi une exposition aux chlorures (solution de NaCl `a 3%) pendant 30 jours
96
Les variables al
eatoires
E/C
1
2
3
4
5
6
0,2
0,3
0,4
0,5
0,6
0,7
ppate calculee
(%)
21,8
31,2
38,3
44,3
49,3
53,6
De,p
(1012 m2 /s)
0,80
3,80
11,0
22,0
30,0
36,0
Dpate calcule
(1012 m2 /s)
0,58
1,99
5,00
10,91
20,90
36,56
Erreur
1,36
1,91
2,20
2,02
1,43
0,98
Tab. 3.4 Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
p
ates de ciment de CEM I [Mejlhede Jensen et al., 1999]
Une derni`ere serie de resultats experimentaux est exploitee. Le coefficient de diffusion effectif
des chlorures est mesure en regime permanent dans une cellule de diffusion pour des pates de
ciment CEM I [Ngala et al., 1995]. Les resultats experimentaux, directement comparables `a ceux
du mod`ele elementaire, ainsi que lerreur du mod`ele sont repris dans la tableau 3.5.
Pate
E/C
1
2
3
4
0,4
0,5
0,6
0,7
ppate calculee
(%)
38,3
44,3
49,3
53,6
De,p
12
(10 m2 /s)
3,95
7,80
12,60
21,46
Dpate calcule
(1012 m2 /s)
5,00
10,91
20,91
36,56
Erreur
0,79
0,71
0,60
0,59
Tab. 3.5 Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
p
ates de ciment de CEM I [Ngala et al., 1995]
Tous les resultats experimentaux et la loi devolution du coefficient de diffusion effectif sont
rappeles sur la figure 3.4, o`
u ils sont exprimes par rapport `a la pate de ciment. La tendance
decrite dans les resultats experimentaux est bien reprise par cette loi. Neanmoins, selon les
sources des resultats, le mod`ele sous-estime ou surestime le coefficient de diffusion effectif. Cette
difference pourrait sexpliquer suivant la nature de lessai utilise.
97
Les variables al
eatoires
Fig. 3.4 Loi devolution du coefficient de diffusion effectif sur pate en fonction de la porosite de
la pate de ciment ppate pour un ciment CEM I, et comparaison avec les resultats experimentaux
Au total, quarante resultats de coefficients de diffusion effectifs ont ete utilises. Lhistogramme de lerreur elementaire est construit sur la figure 3.5.
Fig. 3.5 Histogramme de lerreur du mod`ele elementaire sur le calcul du coefficient de diffusion
effectif des chlorures ErrD pour un materiau de CEM I
Le nombre de classes K peut etre determine de facon la plus simple par la relation [Lethielleux, 1999] :
K=
Nv
(3.14)
o`
u Nv est le nombre de valeurs etudiees. En arrondissant `a lentier superieur, sept classes
98
Les variables al
eatoires
sont retenues. Les intervalles h de chaque classe sont definis constants en fonction des valeurs
maximum et minimum (max, min), de telle sorte que :
h=
max min
K
(3.15)
Dans ce cas, la largeur h vaut 0,30. Chaque classe est definie par sa borne superieure, valeur
incluse (par exemple, la classe 0,73 contient les valeurs x pour lesquelles 0, 43 < x 0, 73).
La statistique de base sur lhistogramme de lerreur du mod`ele elementaire ErrD donne une
moyenne de 1,01 et un ecart-type de 0,43.
3.2.1.2
Dans le cas des ciments composes, une demarche identique `a celle definie pour les CEM I
peut etre appliquee :
proposition dun mod`ele elementaire ou dune correction apportee sur le precedent,
collecte de resultats experimentaux,
comparaison mod`ele-essais, calcul de lerreur de mod`ele,
construction de lhistogramme correspondant.
Les
effets
benefiques
dune
substitution
partielle
du
CEM
par
des
additions minerales (cendres volantes, fumees de silice et laitiers) ont ete montres
([Torii et al., 1995] [Ramezanianpour, 1995] [Osborne, 1999]) et sont maintenant admis. La
meilleure resistance aux chlorures `a long terme de ces ciments sexplique par les reactions
dhydratation secondaires des additions. Ces reactions se traduisent par un remplissage de la
structure poreuse qui devient plus fine et plus tortueuse. Il est donc interessant dintegrer ces
additions dans la methodologie generale probabiliste.
Dans le cas des laitiers de haut fourneau, les mecanismes dhydratation, fondes sur des
probl`emes dactivation, sont complexes. Le materiau, thermodynamiquement instable, fait prise
en presence deau mais le durcissement qui en resulte est tr`es lent. Les activants interviennent
alors dans les reactions et accel`erent les phenom`enes. De ce fait, les laitiers permettent difficilement de proposer un mod`ele macroscopique simple, comme pour le CEM I seul, et lemploi dun
tel mod`ele est ecarte pour le moment.
99
Les variables al
eatoires
Pour les ciments avec additions pouzzolaniques (cendres volantes et fumees de silice), dont
les mecanismes dhydratation seront developpes dans la partie 3.2.2.2, deux param`etres de la
composition du beton entrent directement en compte : le rapport E/C et le taux de substitution
s du ciment CEM I. Les donnees `a collecter doivent couvrir les jeux de param`etres possibles
(E/C ;s) pour mener correctement letude statistique.
Des essais de diffusion sous champ electrique ont ete par exemple effectues sur des
betons de plusieurs rapports E/C avec une substitution de 20% du CEM I en cendres volantes [Yang et Wang, 2004]. Les resultats montrent une diminution du coefficient de diffusion
Dnssm de 80 `a 90% en comparaison du meme CEM I pur. Dautres essais avec des taux de substitution differents sont cependant necessaires pour proposer un terme correctif adapte. Une etude
experimentale na pas ete menee, afin de se consacrer au maximum `a laspect methodologique.
Cette etude portera finalement sur les ciments CEM I avec fumees de silice, pour lesquels les
donnees bibliographiques plus nombreuses ont permis de construire lhistogramme de lerreur
du mod`ele destimation du coefficient de diffusion effectif des chlorures.
Afin de prendre en compte linfluence de la fumee de silice sur la diffusivite des chlorures, un
terme correctif est propose. Des informations sur la reduction relative du coefficient de diffusion
effectif dun beton avec fumees de silice sont reprises sur la figure 3.6. Elles proviennent dun
mod`ele de prediction de la diffusivite des betons avec fumees de silice et ont ete validees avec
des donnees experimentales [Song et al., 2007].
Fig. 3.6 Evolution relative du coefficient de diffusion effectif en fonction du taux de remplacement de ciment CEM I en fumees de silice [Song et al., 2007]
100
Les variables al
eatoires
Ce mod`ele, plus complexe, est fonde sur les proprietes porales des hydrates de la pate de
ciment et linfluence de laureole de transition. Les CSH secondaires issus de la reaction pouzzolanique entre la fumee de silice et la portlandite ont une porosite plus faible que les CSH
primaires issus de la reaction dhydratation du CEM I. Le resultat est une densification de la
microstructure, notamment au niveau de laureole de transition, indiquant que la fumee de silice
ameliore la durabilite des betons en diminuant, entre autres, son coefficient de diffusion.
Cette diminution est observable sur la figure 3.6 en fonction du taux de substitution s en
fumees de silice, quel que soit le rapport E/C. Entre 0 et 7%, la reduction est significative, elle
continue dans une moindre mesure jusqu`a environ 15% pour atteindre un palier puis ne plus
evoluer apr`es 17%. Sur la base de ces observations, lexpression mathematique de la correction
est proposee :
Rf s =
11, 3 s + 1
si s 0, 07
Def s
= 1, 9 s + 0, 34 si 0, 07 < s 0, 17
De
0, 02 si s > 0, 17
(3.16)
Cette relation est une moyenne des differentes tendances et ne depend plus que du taux
de remplacement s. La relation est plus approximative mais permettra de regrouper toutes
les erreurs du mod`ele elementaire calculees dans un meme histogramme, independamment du
rapport E/C. Le nombre dinformations `a rassembler pour le traitement statistique sen trouve
de fait diminue.
Pour un beton contenant un ciment de CEM I avec un taux de substitution s en fumees de
silice, le mod`ele peut etre decrit de cette facon :
le coefficient de diffusion effectif est, tout dabord, calcule sur le beton de CEM I en
considerant que la quantite totale C (kg/m3 ) de ciment est uniquement du CEM I. De
plus, la porosite de la pate necessaire au calcul reste celle dune pate de CEM I.
Enfin la correction est apportee en fonction de s suivant lequation 3.16.
Le mod`ele mathematique permettant de calculer le coefficient de diffusion effectif Def s dun
beton de CEM I avec fumees de silice est formule ainsi :
(3.17)
101
Les variables al
eatoires
Il est donc important de noter que dans les formulations de beton qui suivent, la quantite de
ciment C represente la totalite du CEM I et des fumees de silice mais que les calculs sur la p
ate
de ciment de CEM I pure sont effectues en considerant la quantite C. La quantite de fumees de
silice SF (kg/m3 ) se deduit par :
SF = s C
(3.18)
Conformement au developpement de la partie precedente, lerreur du mod`ele ErrDf s devient la nouvelle variable aleatoire pour la methodologie de dimensionnement probabiliste. Les
resultats experimentaux suivants vont permettre de construire la base de donnees sur ErrDf s
et proposer une densite de probabilite de cette variable aleatoire.
Letude sur des betons coules pour une exposition aux chlorures `a Traslovslage sur la c
ote
ouest de la Su`ede est utilisee [Tang, 1997]. Parmi les 39 formulations de betons, 12 utilisent des
ciments de CEM I avec fumees de silice et sont reprises dans le tableau 3.6.
Formulation
3-35
3-40
3-50
3-75
5-40
6-35
6-40
H1
H2
H4
H5
H7
Ciment
(kg/m3 )
450
420
370
240
420
450
420
500
500
420
551
500
Fumees de silice, s
(%)
5
5
5
5
5
5
5
5
5
5
5
5
Granulats
(kg/m3 )
1687
1685
1683
1809
1764
1846
1844
1843
1853
1707
1829
1843
E/C
vp
0,35
0,40
0,50
0,75
0,40
0,35
0,40
0,30
0,30
0,40
0,25
0,30
0,36
0,36
0,36
0,32
0,33
0,30
0,30
0,30
0,30
0,35
0,31
0,30
Tab. 3.6 Composition des betons de CEM I avec fumees de silice etudies [Tang, 1997]
La resistance aux chlorures pour differents rapports E/C et taux de substitution en fumees
de silice [Hooton et al., 1997] a ete etudiee sur une autre serie de betons. Les formulations sont
recapitulees dans le tableau 3.7.
Enfin, dans le cadre dune campagne dessais croises pour linterpretation des differents
essais de diffusion-migration des chlorures, des betons avec fumees de silice on ete examines [Baroghel-Bouny et al., 2002]. Les formulations sont presentees dans le tableau 3.8. Un
102
Les variables al
eatoires
autre beton (M75FS) dediee `a letude de linfluence de la fissuration sur les proprietes de transfert
est repertorie avec ce tableau [Djerbi, 2007].
Formulation
0.35-7
0.35-12
0.40-7
0.45-7
Ciment
(kg/m3 )
375
375
375
375
Fumees de silice, s
(%)
7
12
7
12
Granulats
(kg/m3 )
1987
1987
1881
1828
E/C
vp
0,35
0,35
0,40
0,45
0,25
0,25
0,29
0,31
Tab. 3.7 Composition des betons de CEM I avec fumees de silice etudies [Hooton et al., 1997]
Formulation
B80-S
B80-OA
B80-SN
M75FS
Ciment
(kg/m3 )
455
490
480
382
Fumees de silice, s
(%)
7,7
7
6,2
5,7
betons
de
Granulats
(kg/m3 )
1770
1742
1845
1921
CEM
E/C
vp
0,32
0,35
0,28
0,36
0,33
0,34
0,30
0,27
avec
fumees
de
silice
Les coefficients de diffusion apparents Dnssm mesures en migration sur les betons de Su`ede
sont mentionnes dans le tableau 3.9. Le calcul du coefficient de diffusion effectif necessite la porosite p du beton (equation 3.8), obtenue par dilution en fonction de celle de la pate (equation 3.7).
Dans le cas present et pour la suite du developpement, lhypoth`ese formulee reside dans la
porosite de la pate ppate qui reste celle dune pate de CEM I calculee par Powers et le degre
dhydratation exprime dans lequation 3.6. Le terme correctif Rf s est, en effet, defini par rapport
au coefficient de diffusion dun beton de CEM I seul.
Lensemble des resultats experimentaux, valeurs de calculs et erreurs du mod`ele elementaire
sont repris dans le tableau 3.9.
La deuxi`eme serie de beton a fait lobjet dune immersion dans une solution de NaCl `a 2,8 M
(100 g/l). Le resultat de ces essais est un coefficient de diffusion apparent (cf. partie 1.3.1.2).
Pour en deduire le coefficient de diffusion effectif (equation 1.19), lisotherme de fixation des
chlorures est necessaire :
Cb
D e = D a p + d
c
(3.19)
103
Les variables al
eatoires
Formulation
3-35
3-40
3-50
3-75
5-40
6-35
6-40
H1
H2
H4
H5
H7
Dnssm
(1012 m2 /s)
2,9
4,4
13,4
33,9
3,9
1,6
4,0
0,6
0,3
2,7
0,9
0,6
ppate cal.
(%)
34,9
38,3
44,3
55,6
38,3
34,9
38,3
31,2
31,2
38,3
27,1
31,2
p cal.
(%)
12,6
13,8
15,9
17,8
12,6
10,5
11,5
9,4
9,4
13,4
8,4
9,4
De
12
(10 m2 /s)
0,36
0,61
2,13
6,03
0,49
0,17
0,46
0,06
0,03
0,36
0,07
0,06
De calcule
(1012 m2 /s)
0,31
0,45
0,99
3,73
0,40
0,23
0,34
0,14
0,05
0,43
0,09
0,14
Erreur
1,19
1,34
2,16
1,61
1,24
0,72
1,34
0,41
0,59
0,85
0,88
0,41
Tab. 3.9 Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
betons de CEM I avec fumees de silice [Tang, 1997]
3
3
b
Le terme d C
eaire de lisotherme
c est de lordre de 0,04 (kg/m / m /kg) pour une pente lin
et une concentration en surface de 30 g/l [Baroghel-Bouny et al., 2002]. Afin de calculer le coefficient de diffusion effectif, il faudrait donc multiplier par la porosite majoree de 30 `a 50 % (par
exemple pour une porosite de 10 %, 0,1+0,04). Cependant, dans le cas des concentrations plus importantes, la pente de lisotherme est beaucoup plus faible (la courbe sapplatit dans les grandes
concentrations comme illustre sur la figure 1.5), voire negligeable [Castellote et al., 1999].
La concentration dans ces essais de diffusion etant elevee, le coefficient de diffusion effectif
est deduit uniquement avec la porosite p du beton. Les resultats obtenus, les valeurs de calculs
et lerreur du mod`ele elementaire sont indiques dans le tableau 3.10.
Formulation
0.35-7
0.35-12
0.40-7
0.45-7
Da
(1012 m2 /s)
1,2
1,0
1,2
1,6
ppate cal.
(%)
34,9
34,9
38,3
41,4
p cal.
(%)
8,7
8,7
11,0
12,7
De
(1012 m2 /s)
0,10
0,09
0,13
0,20
De calcule
(1012 m2 /s)
0,08
0,04
0,16
0,31
Erreur
1,23
1,91
0,84
0,26
Tab. 3.10 Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
betons de CEM I avec fumees de silice [Hooton et al., 1997]
Pour les derniers betons etudies, les resultats experimentaux sont tous obtenus en migration.
En regime transitoire, les coefficients de diffusion apparents Dnssm sont transformes en De
tandis quen regime permanent, le resultat est directement un coefficient de diffusion effectif De
104
Les variables al
eatoires
(Dnssm non renseigne). Lensemble des informations et lerreur de mod`ele sont exposes dans le
tableau 3.11.
Formulation
B80-S
B80-OA
B80-SN
M75FS
Dnssm
(1012 m2 /s)
1,2
1,3
-
ppate cal.
(%)
34,9
36,2
31,2
34,9
p cal.
(%)
11,5
12,3
-
De
12
(10 m2 /s)
0,14
0,16
0,1
0,25
De calcule
(1012 m2 /s)
0,12
0,16
0,09
0,31
Erreur
1,17
1,01
1,02
0,81
Tab. 3.11 Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
betons de CEM I avec fumees de silice [Baroghel-Bouny et al., 2002] [Djerbi, 2007]
Enfin, des resultats de penetration des chlorures dans des pates de CEM I avec fumees
de silice sont exploites [Mejlhede Jensen et al., 1999] [Bentz et al., 2000]. Immerges dans une
solution saline, les profils en chlorures sont etablis `a la microsonde. Le coefficient de diffusion
effectif est deduit par ajustement aux profils experimentaux dun mod`ele integrant la fixation des
chlorures [Mejlhede Jensen et al., 1999]. Des mesures avec leau tritiee effectuees sur cellules de
diffusion en regime permanent sont egalement proposees. Les tableaux 3.12 et 3.13 synthetisent
les donnees et lerreur de mod`ele associe.
Pate
E/C
1
2
3
4
5
6
0,30
0,30
0,30
0,30
0,45
0,25
Fumees de
silice, s (%)
3
6
10
20
6
6
ppate cal.
(%)
31,2
31,2
31,2
31,2
41,4
27,1
De,p (HTO)
(1012 m2 /s)
3,80
0,16
De,p
(1012 m2 /s)
0,70
0,15
0,05
0,01
3,44
1,45
Dpate cal.
(1012 m2 /s)
1,28
0,62
0,22
0,04
4,95
3,71
Erreur
0,55
0,24
0,23
0,21
0,69
0,39
Tab. 3.12 Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
p
ates ciment de CEM I avec fumees de silice [Bentz et al., 2000]
Pate
E/C
1
2
3
4
0,50
0,50
0,50
0,50
Fumees de
silice, s (%)
3
6
10
20
ppate cal.
(%)
44,3
44,3
44,3
44,3
De,p
(1012 m2 /s)
13
4,2
1,6
0,30
Dpate cal.
(1012 m2 /s)
6,94
3,38
1,57
0,21
Erreur
1,87
1,24
1,02
1,43
Tab. 3.13 Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
p
ates ciment de CEM I avec fumees de silice [Mejlhede Jensen et al., 1999]
105
Les variables al
eatoires
Au total, trente resultats de coefficients de diffusion effectifs ont ete recueillis. Lhistogramme
de lerreur elementaire est construit sur la figure 3.7. Lerreur du mod`ele int`egre tous les resultats,
independamment du rapport E/C et du taux de substitution en fumees de silice s. Le nombre
de classes K, calcule par lequation 3.13, est de six et la largeur h vaut 0,40. La statistique de
base sur ErrDf s donne une moyenne de 0,98 et un ecart-type de 0,47.
Fig. 3.7 Histogramme de lerreur du mod`ele elementaire sur le calcul du coefficient de diffusion
effectif des chlorures ErrDf s pour un materiau de CEM I avec fumees de silice
Pour les erreurs ErrD et ErrDf s des deux mod`eles elementaires de calcul des coefficients
de diffusion, les ecarts-types obtenus peuvent sembler importants mais traduisent la dispersion
experimentale sur cet indicateur de durabilite. Les differents protocoles de mesure, en diffusion,
migration sous champ electrique, regime permanent ou transitoire, permettent de calculer le
coefficient de diffusion effectif avec des hypoth`eses identifiees dans le chapitre bibliographique.
Les ecarts-types sur le coefficient de diffusion sont aussi le reflet dune non-uniformisation des
techniques de mesure. La variabilite obtenue nest donc pas uniquement intrins`eque au materiau.
Lutilisation des ecarts-types proposes, meme sils peuvent etre juges importants, permet donc
de rester conforme `a la realite experimentale observee.
De plus, lecart-type du mod`ele avec fumees de silice est leg`erement plus eleve que celui
du CEM I seul. La correction proposee Rf s , independantes du rapport E/C, int`egre une variabilite supplementaire due `a lintroduction de ces additions (voir figure 3.6). Neanmoins, une
amelioration de ce terme correctif nest pas necessaire compte tenu de la faible difference entre
les ecarts-types de ErrD et ErrDf s .
106
Les variables al
eatoires
3.2.2
3.2.2.1
Ciment CEM I
fixation
des
chlorures
obtenues
sur
des
hydrates
La capacite de fixation a ete examinee pour des hydrates synthetises [Hirao et al., 2005] :
107
Les variables al
eatoires
portlandite CH, silicate de calcium hydrate CSH, ettringite AFt, et monosulfoaluminate AFm.
Pour chaque hydrate, une isotherme de fixation est proposee par exposition `a des solutions
de chlorures `a differentes concentrations [Tang et Nilsson, 1993]. Letude est completee par des
observations au microscope electronique `a balayage. Il apparat que la portlandite et lettringite
nont aucune capacite de fixation contrairement aux AFm, responsables de la formation des sels
de Friedel, et aux CSH. Les isothermes obtenues sont presentees sur la figure 3.8.
La relation suivante [Hirao et al., 2005] permet de calculer la quantite de chlorures fixes par
les hydrates Cb (mmol/g de ciment) en fonction de la concentration en chlorures libres c (mol/l).
Elle est definie comme la somme des chlorures fixes par les CSH et les AFm dont les proportions
sont exprimees en pourcentage de la masse de ciment :
Cb = 0, 62
%CSH
%AF m
2, 65 c
+ 1, 38 c0,58
1 + 2, 65 c
100
100
(3.20)
Le reste de letude retiendra cette forme mathematique de lisotherme de fixation. Elle suppose cependant la determination des quantites dhydrates de la pate de ciment.
Lhypoth`ese selon laquelle la pate de ciment est principalement composee de CSH, CH,
AFm et AFt (ou hexahydrates C3 AH6 ) [Adenot, 1992] est adoptee. Lestimation des quatre
phases hydratees dun ciment CEM I `a partir de la composition en oxydes du ciment utilise ce
syst`eme [Bary et Sellier, 2004], ecrit en nombre de moles :
SiO2 = CSH
(3.21)
108
Les variables al
eatoires
ErrC =
Cb (c) exp
Cb (c) cal
(3.22)
Les isothermes sont mesurees sur deux mortiers de CEM I 52,5 PM ES CP2 [Nguyen, 2006]
du Val dAzergues (Lafarge) et 42,5 [Bigas, 1994] de Ciment dOrigny (Holcim), et deux betons
de rapport E/C differents `a base de CEM I 52,5 N [Arliguie et Hornain, 2007] de Couvrot
(Calcia). Trois autres betons sont etudies `a base de ciments CEM I designes HS65 et
EZ375 [Larsen, 1998], le premier ciment (High-Strength low-alkali) etant tr`es utilise en
Norv`ege et le second en Australie. Le tableau 3.14 indique les compositions chimiques des ciments
CEM I presentes.
Les formulations des betons et mortiers sont reprises dans le tableau 3.15 ainsi que le degre
dhydratation final calcule par la relation 3.6.
Composant
(% en masse)
Designation
52,5 PM ES
42,5
HS65
EZ375
52,5 N
Si O2
Al2 O3
Fe2 O3
CaO
MgO
SO3
K2 O
Na2 O
Perte au feu
21,2
19,6
21,41
19,41
20,3
3,5
4,8
5,57
4,93
5,26
4,6
3,2
3,34
2,86
2,24
64,6
64,1
63,27
61,55
63,71
0,6
0,9
1,4
1,85
1,12
2,65
3,3
2,8
3
3,49
0,63
0,6
0,79
1,79
1,1
0,17
0,2
0,33
0,32
0,08
1,1
2,6
0,98
0,69
2,2
Tab. 3.14 Composition chimique des ciments CEM I 52,5 PM ES [Nguyen, 2006],
42,5 [Bigas, 1994], HS65 et EZ375 [Larsen, 1998], 52,5 N [Arliguie et Hornain, 2007]
Formulation
M1
M2
C1
C2
C7
B30
B60
Designation
ciment
52,5 PM ES
42,5
HS65
HS65
EZ375
52,5 N
52,5 N
Ciment
(kg/m3 )
617,7
519
607
475
475
306
440
Granulats
(kg/m3 )
1365
1524
1507
1507
1507
1843
1771
E/C
0,43
0,50
0,40
0,60
0,60
0,65
0,40
0,76
0,81
0,73
0,86
0,86
0,88
0,73
Tab. 3.15 Composition des materiaux de CEM I etudies [Nguyen, 2006] [Bigas, 1994]
[Larsen, 1998] [Arliguie et Hornain, 2007]
109
Les variables al
eatoires
Les points experimentaux, correspondants aux chlorures fixes pour une certaine concentration
en chlorures, sont obtenus pour un materiau donne selon la methode la plus couramment utilisee.
Des morceaux dechantillon M1, M2, B30 et B60 sont concasses puis exposes aux chlorures `
a
differentes concentrations [Tang et Nilsson, 1993].
Une autre technique de mesure des isothermes est appliquee `a C1, C2 et C7. Des disques de
beton de diam`etre 100 mm et depaisseur 4 `a 5 mm ont ete exposes aux chlorures. La solution
interstitielle est extraite (dispositif de piston actionne par une presse afin de recueillir la solution
dans le materiau [Larsen, 1998]) afin dobtenir les chlorures dans les pores du materiau. Les
chlorures totaux sont mesures par attaque `a lacide nitrique puis dosage potentiometrique.
Formulation
M1
M1
M1
M2
M2
M2
M2
M2
C1
C1
C2
C2
C7
B30
B30
B30
B30
B30
B60
B60
B60
B60
B60
CSH
(kg/kgciment )
0,456
0,456
0,456
0,450
0,450
0,450
0,450
0,450
0,446
0,446
0,524
0,524
0,475
0,509
0,509
0,509
0,509
0,509
0,422
0,422
0,422
0,422
0,422
AFm
(kg/kgciment )
0,156
0,156
0,156
0,207
0,207
0,207
0,207
0,207
0,159
0,159
0,188
0,188
0,201
0,239
0,239
0,239
0,239
0,239
0,199
0,199
0,199
0,199
0,199
c
(g/l)
5
10
20
1
5
9,5
20
40
9
18
9
18
20
2
3,5
9
17,5
35
2
2
2
2
2
Cb
Cb calcule
(0,01 kg/kgciment )
0,813
0,518
0,978
0,792
1,276
1,145
0,303
0,196
0,560
0,602
0,833
0,878
0,913
1,312
1,303
1,822
0,883
0,744
0,801
1,086
0,813
0,876
1,163
1,277
1,451
1,329
0,231
0,327
0,500
0,527
0,769
0,971
1,270
1,410
2,000
1,970
0,326
0,271
0,326
0,271
0,326
0,271
0,326
0,271
0,326
0,271
Erreur
1,57
1,23
1,11
1,54
0,93
0,95
0,70
0,71
1,19
0,74
0,93
0,91
1,09
0,71
0,95
0,79
0,90
1,01
1,20
1,12
0,94
0,97
1,03
Tab. 3.16 Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
materiaux de CEM I [Nguyen, 2006] [Bigas, 1994] [Larsen, 1998] [Arliguie et Hornain, 2007]
Le tableau 3.16 reference dans lordre pour chaque formulation, les CSH et AFm calculees
par le syst`eme dequation 3.21 ponderee par le degre dhydratation, les valeurs experimentales
des chlorures libres c et fixes Cb , les quantites de chlorures fixes calculees par lequation 3.20 et
110
Les variables al
eatoires
Fig. 3.9 Comparaison entre les quantites mesurees de chlorures fixes et le mod`ele elementaire
propose pour lisotherme de fixation
Lhistogramme de lerreur elementaire est construit sur la figure 3.10. Le nombre de classes
K est de six et la largeur h vaut 0,17. La statistique de base sur lhistogramme de lerreur du
mod`ele elementaire ErrC conduit `a une moyenne de 1,01 et un ecart-type de 0,23.
Fig. 3.10 Histogramme de lerreur du mod`ele elementaire sur le calcul des chlorures fixes ErrC
pour un materiau de CEM I
111
Les variables al
eatoires
Le nombre de resultats utilises dans la construction de ErrC est plus faible que pour le coefficient de diffusion. Le protocole experimental de mesure des isothermes etant delicat (preparation
des echantillons et dosages chimiques), la bibliographie est souvent moins fournie. Neanmoins,
lecart-type obtenu sur ErrC atteste dune bonne adequation entre les phenom`enes physiques
retenus, leurs equations et les resultats experimentaux.
3.2.2.2
Dans le mod`ele elementaire de calcul du coefficient de diffusion effectif des chlorures, seules les
fumees de silice ont ete traitees comme addition minerale. Une correction est donc apportee aux
isothermes de fixation des chlorures pour les ciments de CEM I avec fumees de silice uniquement.
Une reaction secondaire se produit puisque la silice reagit avec la portlandite du clinker et
forme des CSH differents de ceux apparus lors de la reaction primaire du clinker. Ils presentent
en general un rapport C/S de lordre de 1,1 `a 1,2 [Adenot, 1992]. Pour simplifier, la reaction
pouzzolanique consideree secrit en nombre de moles :
CH + SiO2 = CSH
(3.23)
h
i
E
f s = 1 exp 3, 3 CCEM
I
n
o
CHf s
FS
E
= 0, 6 min CCEM I ; 1,3
exp 1, 6 CCEM
I
(3.24)
CH = 0, 42 C3 S + 0, 13 C2 S
o`
u CH (kg/kg de CEM I) est la portlandite estimee dans le cas du CEM I seul, CCEM I et
FS les quantites de CEM I et de fumees de silice (kg/m3 ). C3 S et C2 S (kg/kg de CEM I) sont
112
Les variables al
eatoires
determines par la composition de Bogue [Bogue, 1952] appliquee au clinker seul lorsquils ne
sont pas proposes dans les references bibliographiques. Le calcul de f s , introduit dans la feuille
de calcul du tableur, est implicite mais la convergence est obtenue rapidement au bout de trois
ou quatre iterations.
La quantite totale de CSH dans la pate de ciment augmente en comparaison du CEM I
seul. Toutefois, la creation de CSH secondaires rend les CSH primaires inaccessibles `a la
fixation des chlorures pour cause de densification de la microstructure [Dizayee et al., 2007]
[Bentz et al., 2000]. Tous les CSH ne sont donc pas pris en compte en calculant les chlorures
fixes dans lequation 3.20. La relation suivante est proposee en vue destimer la quantite de CSH
disponibles (CSHdispo ) pour fixer les chlorures :
(3.25)
Dans les calculs, la fumee de silice est consideree composee dune quantite massique constante
en SiO2 de 95 %. Une fois obtenus, les resultats sont confrontes `a des donnees experimentales
bibliographiques afin devaluer lerreur de mod`ele ErrCf s . Le coefficient 0,5 de lequation 3.25
a ete obtenu par ajustement aux premiers resultats puis conserve par la suite.
Les isothermes sont determinees sur un beton C5 de CEM I HS65 avec 10 % de fumees
de silice et, en proportions identiques, une pate P12 du meme ciment et une pate P16 de CEM
I EZ375 [Larsen, 1998]. Trois mortiers M10FS, M30FS et M50FS utilisent un CEM I 52,5 N
avec respectivement 10, 30 et 50 % de fumees de silice [Dizayee et al., 2007].
Formulation
C5
P12
P16
M10FS
M30FS
M50FS
Ciment
(kg/m3 )
475
1090
1090
500
500
500
Fumees de silice, s
(%)
10
10
10
10
30
50
Granulats
(kg/m3 )
1507
1563
1563
1563
E/C
f s
0,6
0,6
0,6
0,42
0,42
0,42
0,79
0,79
0,79
0,65
0,71
0,79
Tab. 3.17 Composition des materiaux de CEM I avec fumees de silice etudies [Larsen, 1998]
[Dizayee et al., 2007]
La composition chimique du CEM I 52,5 N des trois mortiers netant pas precisee, celle
dej`a utilisee pour ce type de ciment est reprise [Arliguie et Hornain, 2007]. Les formulations des
113
Les variables al
eatoires
betons, pates et mortiers sont indiquees dans le tableau 3.17 ainsi que le degre dhydratation
final f s calcule par la relation 3.24. Il est `a souligner que la quantite de ciment C comprend le
CEM I et les fumees de silice.
Le tableau 3.18 reprend dans lordre, pour chaque formulation, les CSH calcules dans le
syst`eme dequation 3.21, ponderes par le degre dhydratation et corriges avec lequation 3.25,
les AFm, les valeurs experimentales des chlorures libres c et fixes Cb , les quantites de chlorures
fixes calculee par lequation 3.20 et lerreur de mod`ele ErrCf s .
Formulation
C5
C5
C5
C5
C12
C12
C12
C12
P16
P16
P16
P16
M10FS
M10FS
M10FS
M10FS
M10FS
M30FS
M30FS
M30FS
M30FS
M30FS
M50FS
M50FS
M50FS
M50FS
M50FS
CSHdispo
(kg/kgciment )
0,289
0,289
0,289
0,289
0,289
0,289
0,289
0,289
0,242
0,242
0,242
0,242
0,182
0,182
0,182
0,182
0,182
0,148
0,231
0,406
0,599
0,862
0,101
0,101
0,101
0,101
0,101
AFm
(kg/kgciment )
0,155
0,155
0,155
0,155
0,155
0,155
0,155
0,155
0,166
0,166
0,166
0,166
0,160
0,160
0,160
0,160
0,160
0,135
0,135
0,135
0,135
0,135
0,107
0,107
0,107
0,107
0,107
c
(g/l)
34
41
79
80
18
19
53
54
18,5
19
52,5
56,5
2
3,5
9
18
35,5
2
3,5
9
18
35,5
2
3,5
9
18
35,5
Cb
Cb calcule
(0,01 kg/kgciment )
1,253
0,874
1,911
1,301
2,468
1,747
1,987
1,756
1,253
0,874
9,999
0,903
1,253
1,464
1,126
1,472
1,278
0,866
0,873
0,881
1,456
1,443
0,873
1,490
0,159
0,184
0,227
0,289
0,545
0,509
0,681
0,751
0,704
1,073
0,091
0,196
0,182
0,196
0,341
0,196
0,522
0,196
0,568
0,196
0,091
0,118
0,182
0,184
0,341
0,323
0,499
0,478
0,545
0,686
Erreur
1,69
1,47
1,41
1,13
1,43
1,11
0,86
0,76
1,48
0,99
1,01
0,59
0,86
0,78
1,07
0,91
0,66
0,61
0,78
0,84
0,87
0,66
0,77
0,98
1,05
1,05
0,79
Tab. 3.18 Comparaison entre le mod`ele elementaire et les donnees experimentales issues de
materiaux de CEM I avec fumees de silice [Larsen, 1998] [Dizayee et al., 2007]
Les resultats du tableau 3.18 indiquent que plus la quantite de fumees de silice est importante,
moins les CSHdispo et les AFm sont nombreux. Cest la consequence directe de lequation 3.25
114
Les variables al
eatoires
qui reduit les CSH disponibles pour fixer les chlorures, dautant plus que les CSH secondaires
sont importants. Cette relation nest cependant pas lineaire car si la proportion de fumees de
silice augmente, la quantite de CEM I diminue et par consequent, celle de portlandite necessaire
a la reaction pouzzolanique egalement. De meme, avec la reduction de la proportion en CEM I,
`
les AFm de lhydratation primaire deviennent moins repandus.
Vingt sept resultats de chlorures fixes ont ete rassembles. Lhistogramme de lerreur
elementaire est propose sur la figure 3.11. Le nombre de classes K est de six et la largeur h
de 0,22. La statistique de base sur lhistogramme de lerreur du mod`ele elementaire ErrCf s
conduit `a une moyenne de 0,99 et un ecart-type de 0,29.
Fig. 3.11 Histogramme de lerreur du mod`ele elementaire sur le calcul des chlorures fixes
ErrCf s pour un materiau de CEM I avec fumees de silice
Lecart-type obtenu dans cette etude est superieur `a celui de ErrC . La correction proposee
fait intervenir un coefficient 0,5 pour la reduction des CSH disponibles par ajustement aux
premiers resultats experimentaux. Une meilleure prediction peut etre envisagee en ameliorant
cette correction.
Les ecarts-types (autour de 25 %) et les moyennes (centrees sur 1) obtenus sur les erreurs
multiplicatives ErrC et ErrCf s des mod`eles elementaires de calcul des chlorures fixes temoignent
dune prediction satisfaisante. Lutilisation dune telle methode dans le cas des ciments de CEM I
avec ou sans fumees de silice permet deconomiser des essais disotherme dinteraction souvent
longs et fastidieux.
115
Les variables al
eatoires
3.2.2.3
Compl
ements
3.2.3
Autres variables al
eatoires
Les autres variables aleatoires de la methodologie probabiliste quil reste `a caracteriser sont :
la porosite,
lenrobage.
116
Les variables al
eatoires
La porosite est un indicateur de premier ordre dans levaluation et la prevision de la durabilite. Il apparat alors interessant dans cette methodologie de conserver une mesure de porosite
a leau, simple `a obtenir, qui servira de garde fou afin de sassurer, par exemple, de lordre
`
de grandeur du coefficient de diffusion effectif calcule. En outre, la porosite pilote partiellement dautres indicateurs et intervient directement dans le mod`ele Immersion pour le calcul du
coefficient de diffusion apparent.
Contrairement au beton et `a ses caracteristiques, lenrobage ne pourra pas quant `a lui etre
teste ou mesure en amont de la prediction. Lenrobage constitue une donnee de la methodologie
probabiliste, definie reglementairement. Il sagit de sassurer que pour une duree de vie, un
materiau et un enrobage fixes, la probabilite de defaillance soit acceptable. En revanche, il faut
tenir compte de sa variabilite et lui affecter un ecart-type realiste, etabli `a partir du retour
dexperiences sur chantier.
3.2.3.1
Porosit
e
La porosite est determinee suivant une mesure de porosite accessible `a leau par pesee hydrostatique selon le mode operatoire AFPC-AFREM [AFPC, 1997]. Avec trois essais permettant
de mesurer p1 , p2 et p3 , la valeur moyenne pm retenue dans la methodologie probabiliste sera
pm = (p1 + p2 + p3 )/3.
Dans la plupart des cas, la distribution experimentale des valeurs de porosite sur un beton
donne conduit `a une repartition suivant une loi normale avec un coefficient de variation inferieur `a
5 % [AFPC, 1997] [Arliguie et Hornain, 2007]. Cependant, `a lechelle de louvrage, des etudes de
variabilite spatiale ont montre que le coefficient de variation pouvait atteindre 10 %. Par exemple,
pour la plateforme offshore Brent B presentee au chapitre precedent [Sengul et Gjorv, 2007], les
mesures de porosite sur les carottes prelevees conduisent `a un coefficient de variation de 11,5 %.
Une erreur multiplicative sur la porosite Errp peut etre definie comme pour les mod`eles
elementaires :
p = Errp pm
(3.26)
117
Les variables al
eatoires
Dans les mod`eles elementaires de calcul du coefficient de diffusion effectif des chlorures, les
erreurs correspondantes ErrD et ErrDf s ont ete determinees sur des betons coules en laboratoire.
La variabilite spatiale sur ouvrage nest donc pas prise en compte. Ces erreurs correspondent `
a
lincertitude sur le calcul en integrant neanmoins la variabilite sur les essais de diffusion comme
il a ete discute precedemment.
La porosite de la pate de ciment introduite pour le calcul du coefficient de diffusion dans
lequation 3.4 est obtenue avec le mod`ele de Powers mais nest pas remplacee par la valeur pm
maintenant determinee par porosite accessible `a leau. En revanche, la porosite etant au coeur
du pilotage du coefficient de diffusion, il est souhaitable que la variabilite spatiale soit integree
dans le mod`ele elementaire. Elle est introduite au travers de Errp , ce qui conduit `a estimer le
coefficient de diffusion de la facon suivante pour un beton de CEM I :
(3.27)
3.2.3.2
(3.28)
Enrobage
Dans la methodologie, lenrobage est defini reglementairement. Cette valeur est logiquement retenue comme la moyenne qui lui est associee. Les conditions de realisation sur chantier
conduisent toutefois `a une variabilite de lenrobage.
Des etudes sur ouvrages ont montre quun coefficient de variation de 20 % peut etre affecte `
a
lenrobage [Casciati et al., 1991] (par exemple pour un enrobage de 5 cm, lecart-type associe est
de 1 cm). Cette valeur peut sembler importante mais traduit une qualite courante dexecution
des constructions.
Ces resultats ont ete confirmes plus recemment par des techniques dauscultation non destructives [Breysse et al., 2008]. Le pont en beton arme Barra au Portugal (figure 3.12) a fait
lobjet dune campagne dessais sur plusieurs de ses piles afin de mesurer les enrobages.
Plusieurs echelles ont ete retenues pour letude : larmature, une surface dun m`etre carre
et une partie de louvrage. Le type darmatures, horizontales ou verticales, est distingue pour
118
Les variables al
eatoires
e = Erre em
3.3
(3.29)
Actualisation bay
esienne des densit
es de probabilit
e
Un des points forts de lapproche bayesienne est lintegration iterative des retours
dexperiences. Le recalcul des densites probabilite est effectue `a la lumi`ere de nouvelles observations sur les variables aleatoires. La base de donnees constituee pour le coefficient diffusion
et lisotherme dinteraction evolue et senrichit pour affiner les predictions probabilistes.
3.3.1
3.3.1.1
Pr
esentation du r
eseau bay
esien
Construction du r
eseau
Un reseau bayesien permet de representer de mani`ere simple et concise les liens entre les
differentes variables, aleatoires ou non, du probl`eme. Toutes les informations concernant les lois
119
Les variables al
eatoires
precedemment etablies, les erreurs des mod`eles, les param`etres de composition du beton et les
resultats de prediction sont synthetises sur un meme graphique. La figure 3.13 represente le
reseau bayesien associe `a un beton de CEM I.
Le logiciel Netica [Netica, 2008] est utilise pour construire ce reseau. Deux types de variables
sont implantes :
les param`etres constants, representes par leur denomination entouree par un cercle,
les variables aleatoires, representees par leur denomination et lhistogramme correspondant.
Fig. 3.13 Reseau bayesien associe `a la durabilite des betons en environnement marin
Les constantes peuvent etre modifiees en fonction de chaque cas detude. Par exemple, pour
un beton dont la composition chimique et la formulation sont donnees, les valeurs calculees des
hydrates CSH et AFm, la fraction volumique de pate, la teneur en ciment et la porosite de la
pate de ciment de CEM I sont introduites. La mesure de porosite accessible `a leau permet de
120
Les variables al
eatoires
121
Les variables al
eatoires
nest ainsi appliquee `a la porosite de la pate ppate dans le calcul de De labo. Seule la variabilite
due `a ErrD est introduite. En revanche, dans le calcul de Cxt, la variabilite spatiale de la
porosite sur ouvrage est prise en compte dans le calcul du coefficient de diffusion effectif comme
mentionne dans lequation 3.27. Ce calcul intermediaire napparat pas sur le reseau tel quil est
presente car le nombre de noeuds disponibles dans Netica en version libre est atteint (15 noeuds
maximum).
Lorganisation de ce reseau est fondee sur les deux methodes dactualisation suivantes :
lactualisation directe de ErrD qui porte sur des observations issues dessais de diffusionmigration en laboratoire,
lactualisation indirecte de ErrD et de ErrC qui seffectue `a partir de profils experimentaux
en chlorures totaux issus de betons in situ.
Dans la cas dun beton de CEM I avec fumees de silice, le reseau bayesien poss`ede exactement
la meme structure. Les histogrammes de ErrD et ErrC sont remplaces par ceux de ErrDf s et
ErrCf s (figures 3.7 et 3.11). Le terme correctif Rf s pour le coefficient de diffusion napparat
pas sur le graphique car le nombre maximum de noeuds est atteint. Il est introduit directement
dans les noeuds associes `a Delabo et Cxt. Lutilisateur doit etre vigilant et ne pas oublier de le
modifier suivant le beton etudie.
3.3.1.2
Mod`
ele de diffusion associ
e
Dans la construction du reseau bayesien, le mod`ele de diffusion utilise nest pas le mod`ele
numerique Immersion, mais un mod`ele simplifie fondee sur la fonction erreur erf . Deux raisons
principales sont `a lorigine de ce choix.
Le logiciel Netica ne permet pas actuellement le couplage avec un mod`ele numerique. Seules
des equations analytiques peuvent etre utilisees pour traiter les liens de dependance. La fonction
erreur erf , `a la base de tous les mod`eles analytiques de penetration des chlorures, est cependant
disponible.
Si lactualisation dun seul param`etre discret est relativement aisee, le passage `a plusieurs
param`etres dun syst`eme requiert lutilisation doutils numeriques co
uteux en temps de calcul
(nombreuses simulations necessaires pour calculer les tables de probabilites conditionnees). Si
chaque iteration fait appel `a un mod`ele de durabilite lui meme co
uteux, les temps de calcul
peuvent devenir prohibitifs.
122
Les variables al
eatoires
3.3.2
M
ethodes dactualisation
Le reseau bayesien etant operationnel, les deux methodes dactualisation des densites de
probabilite sont presentees.
3.3.2.1
Des essais de migration en regime transitoire ont ete effectues au cours de cette th`ese pour le
groupe de travail GT1-1 du projet ANR APPLET afin de mesurer le coefficient de diffusion des
chlorures sur des eprouvettes de controle issues dun beton fabrique sur chantier. Deux chantiers
douvrage dart ont ete selectionnes :
le tunnel de lautoroute A86 pour lequel un beton C50/60 est mis en oeuvre,
le viaduc de Compi`egne o`
u un beton C35/45 est utilise.
Le deuxi`eme chantier nayant demarre que fin 2007, seuls les resultats de lautoroute A86
sont exploitables et exposes dans cette partie. Le beton a ete fabrique `a partir dune centrale de
chantier. Le ciment utilise un CPA CEM I 52,5 CP2 de lusine de Dannes (Holcim) pour lequel
des cendre volantes allemandes de SAFAMENT KWD sont ajoutees. La composition du beton
est reprise dans le tableau 3.19.
Formulation
C50/60
Ciment
(kg/m3 )
430
Cendres volantes
(%)
18,6
Granulats
(kg/m3 )
1850
E/C
vp
0,40
0,30
Tab. 3.19 Composition du beton C50/60 du tunnel de lautoroute A86 pour le projet APPLET
123
Les variables al
eatoires
Fig. 3.14 Histogramme du coefficient de diffusion effectif du beton C50/60 mesure en regime
transitoire sous champ electrique pour le projet APPLET
Ce beton utilisant des cendres volantes ne rentre pas dans le champ dapplication des mod`eles
elementaires de calcul du coefficient de diffusion developpes. Neanmoins plusieurs constatations
peuvent etre formulees.
La variabilite mesuree sur cette campagne dessais est tr`es inferieure `a celle obtenue pour
les erreurs des mod`eles elementaires et imputee aux differents protocoles de mesure et aux
hypoth`eses de calcul de coefficient de diffusion effectif. En revanche, dans le cas present, le
meme essai etant reconduit systematiquement avec les memes conditions de preparation des
echantillons, le coefficient de variation est diminue de plus de moitie. Cette dispersion ne traduit
plus quune variabilite du materiau lui meme, des differentes gachees et de la mesure (pour un
124
Les variables al
eatoires
protocole donne). Une uniformisation des techniques de mesure permettra donc de diminuer les
ecarts-types des mod`eles elementaires.
Lhistogramme de ces valeurs experimentales permet egalement de mener une actualisation des densites de probabilite grace au reseau bayesien construit. Le mod`ele elementaire de
prediction du coefficient de diffusion effectif dun beton de CEM I avec cendres volantes peut
etre construit en utilisant un terme correctif comme dans le cas des fumees de silice. Supposons
que ce mod`ele ait pu etre compare avec suffisamment de valeurs experimentales pour constituer
lhistogramme de lerreur associee.
Lhypoth`ese formulee dans cet exemple est que les histogrammes des erreurs de mod`ele du
beton de CEM I, dej`a repris dans le reseau sur la figure 3.13, sont utilises.
Des mesures de porosite `a leau sur ce beton effectuees au LML de Lille donne une porosite
moyenne de 10,5 %. Les quantites dhydrates sont estimees en transposant le comportement
des cendres volantes `a celui de la fumee de silice en terme de reaction pouzzolanique pour les
CSH secondaires. Le taux de substitution en cendres volantes etant de moins de 20 %, le terme
correctif du coefficient de diffusion Rcv est evalue `a 0,4, soit une reduction de 60 %. Les autres
125
Les variables al
eatoires
param`etres constants sont egalement introduits dans le reseau et repris dans le tableau 3.20. Le
reseau bayesien de ce beton est expose sur la figure 3.15.
tnrc
(kg/m3 )
430
CSH AFm
(kg/kgciment )
0,3
0,1
vp
0,30
ppate
(%)
38,3
p
(%)
10,5
ms
(kg/m3 )
2700
Rcv
0,4
x
(cm)
2
t
(annees)
20
cref
(g/l)
18
Tab. 3.20 Constantes du reseau bayesien sur le beton C50/60 du tunnel de lautoroute A86
pour le projet APPLET
Lhistogramme des mesures effectuees pour le projet APPLET peut etre introduit dans le
reseau bayesien en tant que nouvelles observations. Netica calcule alors la vraisemblance de ces
observations (Delabo en grise) comme mentionne sur la figure 3.16.
126
Les variables al
eatoires
Pour actualiser lhistogramme de ErrD , la formule de Bayes (equation 1.70) presentee dans
la partie 1.5.1.2 est appliquee. Elle relie la vraisemblance des observations et les distributions a
priori. Lutilisation de Netica permet dassocier une confiance sur les resultats observees et sur
les distributions initiales sous forme dun nombre dexperiences.
Dans lexemple propose, la confiance initialement accordee `a ErrD est de 40 experiences, ce
qui correspond au nombre de points ayant permis de construire lhistogramme, tandis que celle
accordee `a la vraisemblance sur ErrD varie suivant les deux cas extremes :
une experience est retenue dans le cas o`
u la campagne dessais nest pas satisfaisante,
trente experiences (soit 100% de confiance) sont retenues dans le cas o`
u la campagne
dessais du projet APPLET sest deroulee dans des conditions parfaitement controlees et
les hypoth`eses de calcul de De sont assurees.
La figure 3.17 represente les histogrammes actualises de ErrD dans ces deux cas : `a gauche,
une experience et `a droite trente experiences.
Fig. 3.17 Comparaison de lactualisation effectuee avec le beton C50/60 du projet APPLET
suivant la confiance accordee aux resultats
Lactualisation proposee est conforme `a ce qui est attendu. Dans le cas o`
u la confiance est la
plus faible, lecart-type sur ErrD na pas evolue tandis quavec une confiance maximum, lecart-
127
Les variables al
eatoires
type est passe de 0,45 `a 0,36 puisque les resultats de la campagne dessais donnent un coefficient
de variation faible (13 %).
En pratique, la confiance 100 % ne peut pas etre accordee aux resultats de la campagne
APPLET car les hypoth`eses permettant de calculer le coefficient de diffusion effectif en regime
transitoire sous champ electrique sont nombreuses et quelques fois discutees.
Lexemple reste theorique car le cas des cendres volantes na pas ete traite pour les mod`eles
elementaires. Les resultats dactualisation ne pourront donc pas etre integres. Neanmoins, lutilisation du reseau bayesien et la facilite dactualisation ont ete montres. De plus, la confiance
accordee aux resultats permet de garder un oeil critique sur les mesures pour ne pas deteriorer,
par exemple, les densites de probabilite issues dune base de donnees de qualite par des resultats
peu convaincants.
De la meme facon, en collaboration avec le LPEE au Maroc, une approche performantielle
et probabiliste a ete developpee et mise en place sur un chantier de renovation en front de mer
`a Casablanca. Pendant toute la duree de travaux, des indicateurs de durabilite ont ete mesures
par le LPEE sur des eprouvettes de controle. Le beton etudie est un BHP `a base de cendres
volantes et de fumees de silice dont la formulation, notee F6, est reprise dans le tableau 3.21.
Formulation
F6
Ciment
(kg/m3 )
424
Cendres volantes
(%)
15
Fumees de silice
(%)
5
Granulats
(kg/m3 )
1802
E/C
vp
0,34
0,32
128
Les variables al
eatoires
3.3.2.2
Linteret de travailler sur des reseaux bayesiens reside egalement dans lactualisation indirecte des donnees `a laquelle lutilisateur peut sadonner comme expose dans la partie 1.5.2.3 du
chapitre bibliographique. En effet, le mod`ele de comportement du syst`eme etant juge satisfaisant pour la penetration des chlorures dans un beton immerge, des observations sur les profils
en chlorures peuvent etre portees sur le reseau bayesien et permettre alors une actualisation des
erreurs des mod`eles elementaires.
Un exemple est propose `a partir de resultats de profils en chlorures etablis sur des blocs
massifs prismatiques en beton mis en contact avec de leau salee dans des containers. Le beton
etudie est compose de CEM I dont la formulation est reprise dans le tableau 3.22. La composition
mineralogique du ciment est mentionnee dans le tableau 3.23.
Une partie des elements en beton etait immergee en permanence, une autre soumise `a des
cycles dhumidification-sechage grace `a un syst`eme de pompe et la partie superieure etait en
zone atmospherique. Les containers etant stockes sur la ville maritime de Fiskeback en Su`ede,
la solution a ete renouvelee en continu par leau de la mer Baltique (condition a1) dont la
129
Les variables al
eatoires
salinite en chlorures est estimee `a 10,5 g/l. Pour dautres containers, leau de mer utilisee etait
artificielle (condition a3) avec une concentration en chlorures mesuree `a 10,3 g/l. Les cycles
dhumidification-sechage ont egalement ete modifies suivant les containers (condition b11 et b14)
avec de leau de mer artificielle, sans consequence pour cet exemple qui sappuie uniquement sur
les zones immergees en permanence.
Formulation
Ciment (kg/m3 )
Granulats (kg/m3 )
E/C
vp
1-40L
420
1692
0,40
0,36
Tab. 3.22 Composition du beton 1-40L expose `a leau de mer [Tang, 1997]
Composant
C3 S
C2 S
C3 A
C4 AF
% en masse de ciment
59
17
15
Tab. 3.23 Composition mineralogique du ciment CEM I du beton 1-40L [Tang, 1997]
Apr`es un an dexposition, des carottages ont ete effectues sur les blocs en beton suivant les
trois ambiances dexposition et les conditions de lessai. Les profils en chlorures ont ete etablis
par grignotage, attaque `a lacide nitrique et dosage potentiometrique au nitrate dargent. Les
resultats de quatre profils sont indiques sur la figure 3.19 ainsi que la prediction obtenue avec le
mod`ele de diffusion simplifie utilise pour le reseau bayesien.
Fig. 3.19 Profils experimentaux du beton 1-40L expose `a leau de mer [Tang, 1997] et prediction
du mod`ele simplifie
130
Les variables al
eatoires
Les param`etres utilises pour la prediction sont reportes dans le tableau 3.24. La porosite du
beton nayant pas ete mesuree, elle est deduite de la porosite de la pate, elle-meme calculee par
le mod`ele de Powers, par simple dilution.
tnrc
(kg/m3 )
420
CSH AFm
(kg/kgciment )
0,45
0,15
vp
0,36
ppate
(%)
38,3
p
(%)
13
ms
(kg/m3 )
2650
x
(cm)
1,5
t
(annees)
1
cref
(g/l)
10,5
Condition
a1
a3
b11
b14
0,026
0,102
0,07
0,129
Tab. 3.25 Chlorures totaux mesures dans le beton 1-40L `a 1,5 cm apr`es un an dexposition
Toutes ces informations permettent de renseigner le reseau bayesien illustre sur la figure 3.20
qui fournit lhistogramme du coefficient de diffusion effectif et celui de la concentration en
chlorures totaux `a la profondeur 1,5 cm pour un temps dexposition dune annee.
131
Les variables al
eatoires
Pour cet exemple, seule la profondeur 1,5 cm, representative de la dispersion observee sur
les profils, est etudiee, meme si la meme demarche `a toutes les profondeurs disponibles devrait
etre effectuee. Les resultats experimentaux `a cette abscisse sont repris dans le tableau 3.25.
Ces quatre resultats sont ajoutes sur le reseau sous forme dun histogramme sur la variable
Cxt. Chaque valeur appartenant `a un intervalle unique, la frequence 25 % est systematiquement
reportee sur lhistogramme. La vraisemblance associee `a ces observations est illustree sur la
figure 3.21.
Fig. 3.21 Vraisemblance des observations sur les profils en chlorures `a labscisse 1,5 cm
Une confiance de 1 est apportee `a chaque concentration mesuree, soit une confiance de
4 apportee `a lhistogramme des observations. Pour les erreurs de mod`ele ErrD et ErrC , la
confiance retenue correspond aux nombres de resultats initiaux, respectivement 40 et 23. Les
histogrammes actualises de ErrD et ErrC sont presentes sur la figure 3.22 et compares avec
ceux initialement disponibles.
Dans les deux cas, la moyenne sur le coefficient de diffusion est leg`erement augmentee ainsi
que lecart-type sur ErrD pour passer de 0,45 `a 0,46. En revanche, pour la fixation des chlorures
ErrC , ce dernier na pas change, et ce malgre le nombre de resultats initiaux inferieurs `a ceux
132
Les variables al
eatoires
de ErrD . Ceci indique une plus grande sensibilite du coefficient de diffusion que de la fixation
des chlorures.
Fig. 3.22 Comparaison des histogrammes de ErrD et ErrC avant et apr`es actualisation sur
les profils en chlorures du beton 1-40L
Cet exemple permet dillustrer lactualisation des densites de probabilite de mani`ere indirecte
grace au reseau bayesien. Loutil est operationnel pour implanter des resultats experimentaux
de profils en chlorures et parvenir `a enrichir la base de donnees.
Neanmoins, lutilisation encore un peu fastidieuse du reseau ne transparat pas dans ce
developpement. Netica calcule parfaitement les vraisemblances des observations, mais lapprentissage ne seffectue pas automatiquement si les resultats obtenus lors de cette phase ne correspondent pas `a une densite de probabilite unique sur lhistogramme `a actualiser. Il faut alors
rentrer `a la main les densites de probabilite pour que loperation dactualisation ait lieu.
Les limites de Netica sont donc atteintes dans les probl`emes purement physiques pour lesquels les variables aleatoires ne peuvent pas se resumer `a des possibilites binaires. Parmi les
outils de reseaux bayesiens, une Toolbox MATLAB developpee `a Berkeley, BNT [Murphy, 2001],
est disponible librement et semble mieux adaptee aux probl`emes physiques notamment car le
couplage avec un mod`ele numerique sur MATLAB est rendu possible. En revanche, aucune interface graphique nest disponible et le reseau bayesien est directement programme dans une
133
Les variables al
eatoires
page Script de MATLAB. Ce programme sadresse donc `a des specialistes et le transfert vers
dautres utilisateurs non inities parat difficile.
Dans la gamme des logiciels libres, Netica reste pour le moment le meilleur outil, en particulier pour sa simplicite de comprehension grace `a une interface graphique qui permettra `
a la
plupart des chercheurs de travailler sur les reseaux bayesiens afin de contribuer `a levolution des
bases de donnees.
Chapitre 4
Application probabiliste
4.1
Introduction
136
Application probabiliste
137
4.2
Application probabiliste
Aspects r
eglementaires
4.2.1
4.2.1.1
Dimensionnement
Classe dexposition et dur
ee dutilisation
Les textes normatifs pour la durabilite des betons sappuient sur la notion de classes dexposition. Il sagit de definir le type dactions et de pathologies qui peuvent sexercer sur le materiau
en fonction de lenvironnement dans le lequel louvrage, ou une partie douvrage, va etre expose.
Ces classes permettent dimposer des performances de durabilite minimum du beton en specifiant
des exigences sur la formulation.
La norme NF EN 206-1 [AFNOR, 2004], en conformite avec lEurocode 2 [AFNOR, 2005],
definit 18 classes dexposition regroupees par risque de corrosion (XC, XD, XS) et dattaques
(XF, XA). Elles dependent des actions et conditions environnementales dans lesquelles le beton
evolue.
Chaque partie douvrage peut etre soumise simultanement `a plusieurs types dactions. Il
convient de preciser la combinaison de classes dexposition. Le beton doit alors satisfaire les
limites applicables qui sont les plus exigeantes sur ses proprietes.
XS1
XS2
XS3
Description de lenvironnement
Exemples informatifs
Structures `a proximite
dune cote (entre 500 m et
1 km de la mer)
Elements de structures marines
Elements de structures marines
Parties douvrages situees
entre 0 et 500 m de la mer
138
Application probabiliste
concernes par ce type dactions environnementales. Le tableau 4.1 decline les trois sous ensembles
de la classe XS en indiquant la description de lenvironnement et des exemples informatifs.
Le champ dapplication du mod`ele deterministe etudie ici permet de traiter uniquement la
classe XS2. Seules les exigences associees `a cette classe denvironnement sont abordees par la
suite.
Les Eurocodes accentuent la prise en compte de la durabilite en considerant la notion de
duree dutilisation du projet. Ces durees sont definies dans lEurocode 0 [AFNOR, 2003]. Elle
correspond `a la periode au cours de laquelle la structure doit rester utilisable en etant entretenue,
mais sans quil soit question de reparations majeures.
4.2.1.2
Les Eurocodes sont fondes sur la notion dEtats Limites. Leur utilisation permet de definir
letat dacceptation de la structure vis-`a-vis dun crit`ere de performance. Deux etats limites sont
a distinguer [AFNOR, 2003] :
`
lEtat Limite de Service (ELS) qui sapplique lorsque sont consideres aussi bien le fonctionnement de la structure, ou des elements structuraux, en utilisation normale, le confort
des personnes et laspect de la construction,
lEtat Limite Ultime (ELU) qui concerne la securite des personnes et/ou la securite de la
structure.
Concernant la durabilite, la duree de vie des structures en beton est agencee suivant deux
periodes qui pilotent le processus de degradation [Tuuti, 1982] comme illustre sur la figure 4.2 :
une periode dincubation pendant laquelle les agents agressifs transitent dans le materiau
mais les processus physico-chimiques de la corrosion ne sont pas amorces. Elle correspond
donc au temps necessaire pour que les aciers soient depassives par la penetration des
chlorures.
Apr`es la depassivation, la corrosion devient possible. Sa progression, qui depend des conditions dexposition de louvrage, peut conduire `a la ruine. Cette phase correspond `a une
periode de propagation.
Differents etats limites possibles pour lesquels la structure doit etre dimensionnee peuvent
ainsi etre definis [DURACRETE, 2000] :
ELS 1 : depassivation des armatures,
139
Application probabiliste
Fig. 4.2 Evolution de la corrosion des aciers dans le beton [Tuuti, 1982]
Classe de
consequences
CC1
CC2
CC3
Description
Consequence peu elevee en termes
de perte de vie humaine, et
consequences economiques, sociales ou
denvironnement faibles ou negligeables
Consequence moyenne en termes
de perte de vie humaine, consequences
economiques, sociales ou
denvironnement considerables
Consequence elevee en termes
de perte de vie humaine, ou
consequences economiques, sociales
ou denvironnement tr`es importantes
Exemples de batiments
et de travaux de genie civil
Batiments agricoles normalement
inoccupes (par exemple, batiments
de stockage), serres
Batiments residentiels et de
bureaux, batiments publics
o`
u les consequences de la defaillance seraient moyennes (par
exemple batiment de bureaux)
Tribunes, batiments publics o`
u
les consequences de la
defaillance seraient elevees
(par exemple salle de concert)
LEurocode 0 [AFNOR, 2003] definit trois classes de fiabilite (RC1, RC2 et RC3) representant
chacune delle un indice de fiabilite minimum recommande. Ces classes de fiabilite sont `a associer
aux classes de consequence definies dans le tableau 4.2 [AFNOR, 2003].
140
Application probabiliste
Le tableau 4.3 presente les indices de fiabilite minimum et les probabilites de defaillance
Pf maximums correspondantes associees aux classes de fiabilite RCi pour un Etat Limite Ultime
ou de Service et une duree de reference de 50 ans.
Classe de Fiabilite
ELU
ELS
RC1
RC2
RC3
3,3 / 103
3,8 / 104
4,3 / 105
1,5 / 0,067
-
Dans les normes europeennes, la valeur de 1,5 est proposee pour lindice de fiabilite, sans
pour autant preciser letat limite de service (ELS1, ELS2, ELS3).
Le domaine de validite du mod`ele deterministe de comportement utilise dans la methodologie
permet de traiter lELS1, qui sera donc letat limite retenu. Lindice de fiabilite vise `a 50 ans
sera de 1,5. Ces deux choix permettent de rester en accord avec les etudes dej`a entreprises :
lELS1 est celui utilise dans lapproche performantielle de la durabilite [AFGC, 2004] o`
u
la duree de vie des structures en beton arme est evaluee `a partir de la duree de la periode
dincubation,
lindice de fiabilite 1,5 est celui systematiquement applique pour lamorcage de la corrosion [Schiessl et al., 1997] [DURACRETE, 2000]
Lobjectif de dimensionnement probabiliste est donc de sassurer que pour un materiau et un
enrobage donnes, la probabilite de damorcage de la corrosion, caracterise par une concentration
critique, est inferieure `a 6,7 %, cest-`a-dire que lindice de fiabilite est superieur `a 1,5.
4.2.2
4.2.2.1
Mat
eriau
Formulation
Le document de reference pour le choix de formulation dun beton est la norme NF EN 2061 [AFNOR, 2004]. Les valeurs limites pour la composition et les proprietes pour chaque classe
dexposition sont precisees sur les crit`eres suivants :
rapport Eauef f icace /Liantequivalent maximal,
classe de resistance minimale du beton,
141
Application probabiliste
Classe
dexposition
Eef f /Leq
maximum
Teneur minimale en
liant equivalent
XS2
0,55
C 30/37
330 kg/m3
Nature du
ciment
Ciment de caracteristique complementaire PM
Tab. 4.4 Specifications relatives aux betons immerges dans leau de mer
Dautres exigences portent sur les additions en fonction de leur type. Pour les fumees de silice
qui sont traitees dans cette etude, la quantite dadditions A et de ciment C doivent respectees
le rapport suivant :
A
0, 1
A+C
(4.1)
CEM I
CEM II/A
10 % (et
C3 A+0,27C3 S
23,5 %)
10 %-
Al2 O3
MgO
8%
3%
4%
SO3
3%
2,5 %
si
si
C3 A 8 % C 3 A > 8 %
3%
0,2 %
0,5 %
Tab. 4.5 Specifications relatives aux ciments CEM I PM et CEM II/A PM [AFNOR, 2001]
Les ciments PM qui rentrent dans la cadre de cette etude grace aux mod`eles elementaires
developpes sont :
des CEM I chimiques complementaires,
des CEM II/A dont la teneur en fumees de silice est inferieure `a 10 %.
142
Application probabiliste
Ces ciments presentent des teneur en C3 A inferieures ou egales `a 10 % pour limiter lagression
des sulfates sur le beton au cours de la prise et ulterieurement. En outre, ils doivent respecter
les conditions recapitulees dans le tableau 4.5.
4.2.2.2
Enrobage
Lenrobage des armatures represente la distance entre la surface du beton et lacier le plus
proche. Il est essentiel pour assurer la durabilite du materiau en protegeant lacier de la corrosion
le temps de la penetration des chlorures. LEurocode 2 [AFNOR, 2005] definit les r`egles de calcul
de lenrobage.
Lenrobage nominal cnom est celui precise sur les plans dexecution et constitue la reference
pour la fabrication et la pose des armatures. Il peut sexprimer comme etant la somme de
lenrobage minimal cmin et dune marge de securite cdev pour prendre en compte les tolerances
dexecution [AFNOR, 2005] :
(4.2)
cmin = M ax
cmin,b
cmin,dur + cdur,y cdur,st cdur,add
(4.3)
10mm
Avec :
cmin,b : enrobage minimal pour les exigences dadherence acier-beton,
cmin,dur : enrobage minimal vis-`a-vis de conditions environnementales, fonction de la classe
dexposition et de la classe structurale,
cdur,y : marge de securite dont la valeur recommandee est 0,
143
Application probabiliste
cdur,st : reduction de lenrobage minimal dans le cas dutilisation dacier inox par exemple,
cdur,add : reduction de lenrobage minimal dans le cas de protections complementaires.
Il reste `a definir la classe structurale de louvrage pour determiner cmin,dur . Elle peut etre
comprise entre S1 et S6. La classe structurale `a utiliser pour les batiments et ouvrages de genie
civil courants, dimensionnes pour une duree dutilisation de 50 ans, est S4.
Des modulations sont `a apporter suivant la classe dexposition et sont reprises dans le tableau 4.6 pour la classe XS2 [AFNOR, 2005].
Crit`ere
Duree dutilisation
Modulation
(+/- nbre de classes)
100 ans, +2
25 ans, -1
Classe de resistance
du beton
C40/50, -1
C60/75, -2
Nature du
liant
0
Enrobage
compact
-1
Tab. 4.6 Modulation de la classe structurale pour la classe dexposition XS2 [AFNOR, 2005]
Pour les ouvrages de genie civil en site maritime, les travaux dentretien et de maintenance
sont delicats `a cause des contraintes daccessibilite. Ainsi, les ponts et ouvrages en site maritime sont classes dans la categorie S6. Les eventuelles minorations de classes peuvent ensuite
seffectuer.
Lobtention dune bonne compacite de lenrobage sapplique par exemple aux produits
prefabriques.
Le tableau 4.7 indique la valeur de cmin,dur en fonction de la classe structurale obtenue pour
la classe dexposition XS2 [AFNOR, 2005].
Classe structurale
S1
S2
S3
S4
S5
S6
cmin,dur (mm)
25
30
35
40
45
50
Tab. 4.7 Valeurs de cmin,dur pour la durabilite en classe dexposition XS2 [AFNOR, 2005]
Lenrobage
minimal
cmin,b
pour
les
exigences
dadherence
doit
respecter
trois
144
Application probabiliste
4.3
Exemple
Un exemple complet est etudie dans cette partie pour illustrer la methodologie et exploiter
les resultats de fiabilite obtenus.
4.3.1
4.3.1.1
Donn
ees d
etude
Mat
eriau
Type
Quantite (kg/m3 )
Ciment
Sable
Petit gravillons
Gros gravillons
Superplastifiant
Eau
400
823
187
861
3
160
Le ciment CEM I est utilisable pour la construction en environnement marin puisquil est
labelise PM ES. La composition chimique est reprise dans le tableau 4.9.
145
Application probabiliste
Composant
Si O2
Al2 O3
Fe2 O3
CaO
MgO
SO3
K2 O
Na2 O
Perte au feu
% en masse
22,84
2,7
1,84
67,41
0,81
2,23
0,23
0,14
1,72
Tab. 4.9 Composition chimique du ciment CEM I 52,5 PM ES CP2 pour lexemple dapplication
de la methodologie probabiliste
Un beton avec 40 % de substitution du CEM I par des fumees de silice a ete formule pour
letude des bas pH. Neanmoins, il ne permet pas une application en environnement marin
conformement `a la norme NF EN 206-1 [AFNOR, 2004] qui limite `a 10 % le taux de remplacement. Ses caracteristiques mesurees permettront dajuster celles du beton fictif utilise
dans cet exemple.
La valeur optimale de substitution est de lordre de 7 %, puiquau del`a la diminution du
coefficient de diffusion est moins significative (figure 3.6). Cest donc sur cette base que le beton
de CEM I avec fumees de silice est formule dans cette etude. La composition reste identique `a celle
presentee dans le tableau 4.8. Les quantites de CEM I et de fumees de silice sont modifiees pour
devenir respectivement 372 kg/m3 et 28 kg/m3 . Les fumees de silice employees sont composees
de SiO2 `a 95 %.
4.3.1.2
Param`
etres physiques et r
eglementaires
Les param`etres physiques minimums pour apprehender la durabilite des betons, porosite `
a
leau et resistance en compression, ont ete mesures [Codina et al., 2008] sur le beton de CEM I
note (1) et celui avec 40 % de fumees de silice note (3). Les informations sont recapitulees dans
le tableau 4.10.
Nature du ciment
Resistance en compression
Porosite
(1) CEM I
(3) CEM I + 40 % de fumees de silice
(2) CEM I + 7 % de fumees de silice
72
80
74*
10,7
14,4
11,3*
* estime
Tab. 4.10 Caracteristiques des betons `a letat durci [Codina et al., 2008]
Le beton avec le liant (2) presente une porosite plus elevee que le ciment (3). Ces resultats ont
dej`a ete observes sur des betons contenant une grande quantite dajouts [Carcasses et al., 2005].
146
Application probabiliste
Les caracteristiques du beton (2) etudie dans cet exemple sont deduites par une simple relation
lineaire et reprises dans le tableau 4.10.
Les autres proprietes physiques des deux betons necessaires pour mener letude sont mentionnees dans le tableau 4.11 :
la fraction volumique de pate deduite de la formulation,
le degre dhydratation calcule par les relations 3.6 et 3.24 pour le CEM I avec ou sans
fumees de silice,
la porosite de la pate de CEM I calculee par Powers selon lequation 3.5 et le degre
dhydratation du CEM I,
les quantites de CSH et dAFm obtenues par le syst`eme dequations 3.21 ajustees par
pour le CEM I, la reaction pouzzolanique 3.23 etant introduite pour les fumees de silice,
les coefficients de diffusion moyens calcules par lequation 3.11 corrigee par la relation 3.16
pour les fumees de silice.
Nature
du ciment
(1)
(2)
degre
dhydratation
0,73
0,67
Porosite de la
pate de CEM I
ppate (%)
38,3 %
38,3 %
CSH AFm
dispo
(kg/kgciment )
0,475 0,127
0,323 0,109
Coefficient de
diffusion moyen
De,m (m2 /s)
0,79.1012
0,17.1012
147
Application probabiliste
Celle-ci peut etre tr`es differente suivant le site retenu (de quelques grammes `a plus de 200 g/l
dans les cas extremes). En revanche, pour une position geographique donnee, les variations de
salinite sont tr`es faibles. Des suivis de variations saisonni`eres et interannuelles de la salinite dans
le golfe du Maine dans lAtlantique Nord Ouest ont montre une amplitude de moins de 1 g/l
sur une base de 31 `a 35 g/l suivant la profondeur [Petrie et al., 1996], comme illustre sur la
figure 4.3.
4.3.1.3
Variables al
eatoires, fonction performance
Les variables aleatoires definies dans le chapitre precedent ont vu leur densite de probabilite
construite sous forme dhistogramme pour les erreurs des mod`eles elementaires ErrD , ErrDf s ,
ErrC et ErrCf s . Seuls des ecarts-types ont ete affectes `a Errp et Erre pour la porosite et
lenrobage en fonction de donnees experimentales observees.
Neanmoins, lapplication de lalgorithme de gradient projete GPACE necessite des donnees
dentree continues definies par leur loi de distribution et les param`etres associes. Des lois de
148
Application probabiliste
Fig. 4.4 Lois de distribution des erreurs ErrD ErrDf s des mod`eles elementaires de calcul du
coefficient de diffusion effectif des chlorures
Fig. 4.5 Lois de distribution des erreurs ErrC ErrCf s des mod`eles elementaires de calcul des
chlorures fixes
Ladequation entre les histogrammes observes et les lois de distribution peut etre verifiee
au moyen de tests statistiques. Les effectifs theoriques, provenant dun calcul analytique sur la
loi de distribution, et les effectifs observes, issus des histogrammes, sont compares pour chaque
149
Application probabiliste
classe de valeurs. Les ecarts calcules permettent ensuite de conclure sur lhypoth`ese formulee
sur la loi de distribution avec un degre de confiance associe.
Le test le plus couramment utilise est le test du 2 (khi-deux) [Chernoff et Lehmann, 1954].
Soient n valeurs regroupees dans m classes auxquelles sont associees les valeurs xi de la variable
aleatoire X. La loi de distribution supposee permet de definir pour chaque classe i la probabiP
2
lite pi = P [X = xi ]. Les effectifs mesures etant oi , la quantite Q = m
i=1 (oi n pi ) /n pi
represente dune certaine facon la distance entre les donnees et la loi de probabilite supposee.
Q represente une realisation dune variable aleatoire qui derive dune loi du 2 `a (m 1)
degres de liberte. Etant donne un risque derreur dans lhypoth`ese de la loi (la valeur 5 % est la
plus souvent choisie), la probabilite donnee par les tables de depassement de la valeur calculee
Q donne alors une indication sur le realisme de lhypoth`ese.
La variable aleatoire ErrDf s est choisie comme illustration de ce test car, dapr`es les figures 4.4 et 4.5, elle semble etre la moins en adequation avec la loi log-normale proposee. Le
tableau 4.12 synthetise les etape du calcul de Q. Lhistogramme dErrDf s est construit avec 31
valeurs regroupees en 6 classes (n = 31 et m = 6) representees par leur valeur xi .
xi
Observations oi
0,21
0,60
0,99
1,38
1,77
2,17
1
7
7
11
2
3
P
: n = 31
Probabilites
theoriques
pi
0,1 %
19,5 %
40,3 %
23,8 %
10,0 %
3,8 %
Effectifs theoriques n pi
0,02
6,05
12,49
7,39
3,10
1,19
(oi n pi )2
n pi
0,96
0,13
4,31
1,18
0,60
1,09
P
: Q = 8, 28
150
Application probabiliste
ont ete definies au sein du chapitre precedent. Les ecarts-types sont definis pour tenir compte
de la variabilite sur ouvrage. Des lois de distribution log-normales sont affectees car des
resultats de mesures ont conduits `a observer ce type de lois sur les densites de probabilite [Arliguie et Hornain, 2007] [AFPC, 1997] [Casciati et al., 1991] et elles restent le plus souvent employees [AFGC, 2004] [DURACRETE, 2000].
Le tableau 4.13 reprend lensemble des informations sur les variables aleatoires : loi de distribution, moyenne, ecart-type et coefficient de variation.
Variable aleatoire erreur
multiplicative
Errp
ErrD
ErrC
Erre
ErrDf s
ErrCf s
Variable physique
associee
Porosite
Coeff. de diffusion
Isotherme de fixat
Enrobage
Coeff. de diffusion
Isotherme de fixat
Loi de
distribution
Log-normale
Log-normale
Log-normale
Log-normale
Log-normale
Log-normale
Moyenne
Ecart-type
1
1,01
1,01
1
0,98
0,99
0,1
0,43
0,23
0,2
0,47
0,29
Coefficient
de
variation (%)
10
42,5
22,8
20
47,9
29,3
E (Errp , ErrD , ErrC , Erre ) = Erre cnom dCritique (Errp , ErrD , ErrC )
E (Err , Err
p
Df s , ErrCf s , Erre ) = Erre cnom dCritique (Errp , ErrDf s , ErrCf s )
(4.4)
La resistance R est consideree comme etant la variable aleatoire enrobage e = Erre cnom .
La sollicitation S est la profondeur critique dCritique dans le beton pour laquelle la concentration
en chlorures totaux est superieure `a la concentration critique.
4.3.2
4.3.2.1
R
esultats
Indice de fiabilit
e et facteurs dimportance
Le niveau de securite preconise par lEurocode 0 (=1,5 `a 50 ans) pour la classe dexposition
XS est evalue. Pour cela, levolution de lindice de fiabilite en fonction du temps dimmersion
dans leau de mer est presente sur la figure 4.6 pour les deux betons.
151
Application probabiliste
Fig. 4.6 Evolution dans le temps de lindice de fiabilite pour les betons de CEM I et CEM I
avec fumees de silice
Lindice refl`ete le risque damorcage de la corrosion des armatures du beton. La fiabilite
diminue de facon significative en fonction du temps, ce qui traduit la penetration des chlorures
dans le beton avec un avancement de la profondeur critique dCritique , entranant une reduction
de la marge de securite.
Pour le beton de CEM I, lindice de fiabilite apr`es 1 an dexposition passe de la valeur 3,69 `
a
0,22 au bout de 15 ans. En termes de probabilite conventionnelle de defaillance (equation 1.64),
celle-ci augmente de 0,01 % `a 40 % entre 1 et 15 ans. Passe 17 ans, lindice de fiabilite est
inferieur `a 0 (Pf > 50 %).
Dans lespace probabilise reduit, lindice de fiabilite est nul lorsque les valeurs des variables
aleatoires sont centrees sur la moyenne. Le calcul associe conduit en moyenne `a une depassivation
des armatures au bout de 17 ans. Du point de vue probabiliste, lindice de fiabilite cible preconise
par lEurocode 0 [AFNOR, 2003] est 1,5 (Pf = 6, 7 %). Cette limite est atteinte au bout de 7 ans,
ce qui signifie que le crit`ere de securite (Probabilite de depassivation inferieure `a 6,7 %) nest
plus assure entre 7 et 17 ans. Le dimensionnment vis-`a-vis de lELS est incorrect dans les deux
cas mais la difference entre le calcul deterministe et probabiliste est du simple au double.
Pour le beton avec fumees de silice, lutilisation des additions permet une diminution du
coefficient de diffusion, ce qui se traduit par un indice de fiabilite plus eleve que pour le beton
de CEM I. La valeur de 4,84 apr`es 1 an dexposition chute `a 0,28 au bout de 50 ans pour etre
egale `a 0 autour des 60 ans.
Le calcul deterministe indique une atteinte de la concentration critique en chlorures `a larmature au bout 60 ans. En revanche, la valeur de lindice cible de survient apr`es 20 ans
152
Application probabiliste
dexposition, ce qui est incompatible avec les 50 ans requis pour assurer un bon niveau de
securite. En consequence, il ny a pas lieu detre surpris dune apparition precoce de la corrosion
avec un calcul deterministe `a 50 ans.
Les resultats du calcul de fiabilite permettent dobtenir les coefficients dimportances,
presentes dans la partie 2.2.1.2, des quatre variables aleatoires du probl`eme. Le tableau 4.14
reprend les differentes valeurs pour le beton CEM I avec et sans fumees de silice qui restent
constants au cours du temps dexposition.
Variable
Errp
Erre
ErrD
ErrC
ErrDf s
ErrCf s
Beton
CEM I
52,7 %
25,3 %
21,9 %
0,1 %
-
Beton
CEM I avec
fumees de silice
56,4 %
20,3 %
22,4 %
0,1 %
153
Application probabiliste
coherent dobserver au bout de 10 ans dimmersion dans leau de mer un indice de fiabilite
superieur dans le cas des fumees de silice, comme illustre sur la figure 4.6.
De plus, si lon sinteresse par exemple `a lerreur sur le coefficient de diffusion et sur les
chlorures fixes pour le beton de CEM I, lamorcage de la corrosion `a 10 ans necessite que ErrD
passe de 1,01 `a 1,09 et ErrC de 1,01 `a 0,98 (tableau 4.15). Le coefficient dimportance de la
variable aleatoire ErrD est alors superieur `a celui de ErrC (tableau 4.14).
Variable
p = Errp pm (%)
e = Erre cnom (cm)
ErrD
De = ErrD De,m (Errp ) (m2 /s)
ErrC
ErrDf s
Def s = ErrDf s Def s,m (Errp ) (m2 /s)
ErrCf s
Beton CEM I
P
Moyenne
11,4
10,7
4,5
5
1,09
1,01
0,99.1012 0,79.1012
0,98
1,01
-
Tab. 4.15 Comparaison entre les coordonnees du point de conception dans lespace physique
et les valeurs moyennes des variables aleatoires pour les betons de CEM I avec ou sans fumees
de silice apr`es 10 ans dexposition
154
4.3.2.2
Application probabiliste
Am
elioration de la qualit
e, d
etermination des enrobages
Pour sassurer dun dimensionnement probabiliste correct, plusieurs solutions peuvent etre
envisagees :
modifier la formulation du beton,
ameliorer sa qualite de fabrication,
modifier lenrobage des armatures.
Les deux derni`eres pistes sont explorees dans les developpement qui suivent.
Fig. 4.7 Evolution dans le temps de lindice de fiabilite pour le beton de CEM I, fabrique en
qualite courante ou amelioree
Fig. 4.8 Evolution dans le temps de lindice de fiabilite pour le beton de CEM I avec fumees
de silice, fabrique en qualite courante ou amelioree
Une amelioration de la qualite dexecution de louvrage permet de diminuer les ecarts-types
sur les variables aleatoires. Les figures 4.7 et 4.8 presentent respectivement levolution temporelle
de lindice de fiabilite pour le beton de CEM I et le beton de CEM I avec fumees de silice dans
155
Application probabiliste
le cas dune meilleure qualite de fabrication. Les courbes dej`a obtenues sur la figure 4.6 sont
egalement reprises.
Les calculs ont ete effectues en diminuant, environ de moitie, les coefficients de variation sur
les erreurs multiplicatives :
lecart-type sur Errp est ramene `a 0,05,
ceux sur ErrD et ErrDf s `a 0,20
et celui sur Erre `a 0,1.
Le soin apporte `a la realisation permet dobserver une meilleure securite. Lindice de fiabilite
cible est maintenant atteint `a 11 ans pour le beton de CEM I et `a 35 ans pour le beton avec
additions. Ce nest cependant pas suffisant pour le dimensionnement probabiliste car la valeur
de = 1, 5 nest pas encore atteinte `a 50 ans.
De plus, il est constate que pour les temps dexposition les plus longs, les courbes pour la
qualite standard et la qualite superieure sont convergentes. Les valeurs des variables aleatoires
sont tr`es proches des valeurs moyennes autour lindice de fiabilite = 0 et linfluence de lecarttype devient alors negligeable. Le dimensionnent probabiliste, aux echeances pour lesquelles
lindice de fiabilite est presque nul, revient en quelques sorte `a effectuer un calcul deterministe.
Quels que soient les ecarts-types appliques, la valeur de = 1, 5 ne sera jamais atteinte pour les
deux betons.
La solution daugmenter les enrobages pour satisfaire aux crit`eres de fiabilite `a 50 ans est
presentee sur la figure 4.9. La qualite standard dexecution sur chantier est utilisee.
Fig. 4.9 Evolution de lindice de fiabilite `a 50 ans en fonction de lenrobage nominal moyen
pour les betons de CEM I et CEM I avec fumees de silice
156
Application probabiliste
Lindice de fiabilite de 0,28, obtenu `a 50 ans sur la figure 4.6 pour le beton avec additions,
est repris pour lenrobage de 5 cm. Dans le cas du CEM I, lepaisseur de beton conduisant `a
une valeur de positive commence `a 7,5 cm. Ensuite, lenrobage permettant datteindre lindice
cible 1,5 `a 50 ans est 14 cm pour le beton de CEM I et de 7,5 cm pour le beton avec fumees de
silice. Les valeurs obtenues sont particuli`erement elevees et irrealistes compte tenu des risques
de fissuration importants pour des zones de beton de cette epaisseur non armees.
4.3.2.3
Discussion
Les resultats du dimensionnement probabiliste precedent sont pessimistes mais des etudes
similaires aboutissent au meme type de conclusion. Une analyse probabiliste de la plateforme
offshore Brent B a montre que la probabilite de depassivation etait superieure `a 10 % apr`es 20
ans dexploitation [Sengul et Gjorv, 2007].
Dans lexemple traite, la prise en compte de la variabilite des param`etres physiques conduit
a doubler voire `a tripler les enrobages reglementaires. Meme si des desordres parfois importants
`
apparaissent in situ, les probabilites de defaillance calculees semblent elevees. La formulation du
beton de CEM I et sa resistance mecanique indiquent pourtant un beton de bonne qualite. Les
exigences de la norme NF EN 206-1 (tableau 4.4 et equation 4.1) [AFNOR, 2004] sont egalement
pleinement remplies, les param`etres de formulation etant eloignes des prescriptions limites.
157
Application probabiliste
fiabilite est tracee pour le beton de CEM I au bout de 50 ans dexposition. Lenrobage est maintenu `a 5 cm et les caracteristiques initiales du beton sont utilisees (qualite courante dexecution).
La valeur de devient positive pour un seuil damorcage de la corrosion double, soit 0,8 % de
chloures totaux par rapport `a la masse de ciment. Levolution de lindice de fiabilite est ensuite
lineaire pour atteindre la valeur cible de 1,5 correspondant `a un seuil de depassivation de 1,1 %.
Dans la partie 1.2.1.1 du chapitre bibliographique, une revue des seuils damorcage est proposee. Le tableau 1.1 indique des valeurs moyennes comprises entre 1,5 et 2,2 % dans le cas dun
beton de CEM I immerge dans leau de mer.
Afin de quantifier la fiabilite des profils obtenus in situ par carottage, grignotage, attaque
acide et dosage, des tests de repetitivite ont ete effectues sur differents echantillons stockes
dans les meme conditions et analyses par deux chercheurs [Bonnet et al., 2007]. En integrant
la distribution statistique de lerreur experimentale de mesure, la probabilite damorcage de
la corrosion est determinee. Elle est inferieure `a 90 % si la concentration en chlorures totaux
nexc`ede pas 1 % en masse de ciment.
Le seuil de 1 % correspond environ au fractile `a 90 % des lois de distribution proposees dans
le meme tableau 1.1. Cette valeur est retenue pour la suite de letude du dimensionnement probabiliste. Elle est utilisee uniquement comme valeur deterministe car les lois de distribution du
tableau 1.1 conduisent `a des valeurs potentielles de chlorures totaux impossibles avec les conditions environnementales de letude. Pour un materiau comme le beton de CEM I precedemment
etudie, immerge dans leau de mer `a 16,5 g/l de chlorures, la quantite de chlorures totaux
maximum observable est de lordre de 2 % en masse de ciment.
En utilisant ce nouveau crit`ere, lindice de fiabilite obtenu `a 50 ans pour un enrobage 5 cm
est decrit dans le tableau 4.16. Les enrobages permettant de satisfaire le crit`ere = 1, 5 sont
egalement mentionnes.
Enrobage (cm)
5
6
Beton CEM I
Indice de fiabilite
1,09
1,48
Enrobage (cm)
Indice de fiabilite
5
2,58
3
1,65
Beton CEM I avec fumees de silice
Tab. 4.16 Indices de fiabilite `a 50 ans obtenus avec le crit`ere damorcage de la corrosion `a 1 %
de chlorures totaux en masse de ciment, pour les betons de CEM I avec ou sans fumees de silice
158
Application probabiliste
Pour le beton de CEM I, lindice cible nest pas encore atteint. Une leg`ere modification
de la formulation peut permettre dobtenir le crit`ere de fiabilite sans pour autant augmenter
lenrobage nominal reglementaire.
Dans le cas du beton avec addition de fumees de silice, lenrobage nominal pourrait etre
descendu jusqu`a 3 cm. En revanche, il est inferieur au cmin `a respecter de 4 cm. La variabilite
des differents param`etres etant objectivement prise en compte, le dimensionnent probabiliste
permet de saffranchir du cdev = 1 cm de lEurocode 2 [AFNOR, 2005] en assurant la securite
de la partie douvrage immergee. La concentration critique de 1 % de chlorures totaux en masse
de ciment est finalement retenue `a defaut de connaissance plus precise.
Ce seuil pourra neanmoins evoluer ou etre probabilise par la suite. Dans cette attente, la valeur choisie permet de proposer un dimensionnement probabiliste realiste des parties douvrages
immergees dans leau de mer. Les resultats ne conduisent pas `a un surdimensionnement exagere
mais permettent, en revanche, dassurer une prise en compte objective des incertitudes afin de
mieux matriser les risques de corrosion.
Une derni`ere remarque concerne les coefficients dimportance. Le tableau 4.17 synthetise les
valeurs obtenues avec le seuil de 1 % en masse de chlorures totaux en comparaison avec celui `a
0,4 %.
Variable
Errp
Erre
ErrD
ErrC
ErrDf s
ErrCf s
Beton CEM I
Seuil 0,4 % Seuil 1 %
52,7 %
50,4 %
25,3 %
16,8 %
21,9 %
14,4 %
0,1 %
14,4 %
-
Tab. 4.17 Evolution des coefficients dimportance des variables aleatoires en fonction du seuil
damorcage de la corrosion
159
Application probabiliste
Fig. 4.11 Profil de prediction du beton 1-40L expose `a leau de mer et seuils damorcage de la
corrosion
Pour illustrer cette remarque, la figure 4.11 reprend le profil de prediction du beton 1-40L
etudie dans la partie 3.3.2.2 sur lequel sont reportes les seuils damorcage de la corrosion `
a 0,4
et 1 % de chlorures totaux en masse de ciment.
4.4
Outil simplifi
e pour ling
enierie
La demarche probabiliste presentee est donc applicable de facon compl`ete depuis les param`etres de composition du beton jusquaux resultats de fiabilite. Le lien entre la methodologie
construite en recherche et lapplication ulterieure en ingenierie reside dans le recours `a un mod`ele
simplifie.
Plutot que de proposer un outil dont lalgorithme de fiabilite peut se reveler etre une bote
noire pour les non-inities, lutilisation dun mod`ele de prediction simplifie fonde sur la notion
de coefficients de securite et de valeurs caracteristiques est developpe dans ce qui suit. Cette
demarche est qualifiee de niveau 1, ou semi-probabiliste, comme presente dans la partie 1.4.2.2
du chapitre bibliographique.
Les resultats complets de fiabilite ne sont pas inutiles car ce sont eux qui vont permettre de
calculer, pour chaque variable aleatoire, les valeurs caracteristiques et dajuster les coefficients
de securite.
160
4.4.1
Application probabiliste
Mod`
ele de diffusion simplifi
e
Le mod`ele simplifie de penetration des chlorures detaille dans cette partie est utilise pour
une approche semi-probabiliste de la durabilite. Il a ete egalement developpe pour le reseau
bayesien presente dans la partie 3.3.1, le logiciel Netica ne permettant dexploiter que des mod`eles
analytiques de comportement.
4.4.1.1
D
eveloppement
La finalite du mod`ele simplifie est detre utilisable sur un tableur de type EXCEL de Microsoft, ou CALC dOpenOffice, sans recours `a un outil de calcul numerique. Limplantation la
plus simple dans un tableur consiste `a sappuyer sur la solution analytique de la seconde loi de
Fick fondee sur la fonction erf , applicable dans les memes conditions que le mod`ele Immersion.
En conservant les meme notations que le reseau bayesien (figure 3.13), la concentration en
chlorures totaux C(x, t) (% en masse de beton) `a une abcisse x (m) et un temps dexposition t
secrit :
C(x, t) =
tot
Cref
erf c
2 Da t
(4.5)
tot (% en masse de b
eton) represente la concentration en chlorures totaux dans le beton
Cref
associee `a la concentration en chlorures dans leau de mer cref (g/l), pour la profondeur x = 0,
cest-`a-dire la partie de beton en contact direct avec leau de mer.
Le coefficient de diffusion apparent Da (m2 /s) est fonction du coefficient de diffusion effectif
De (m2 /s) et de lisotherme de fixation des chlorures Cb (c) (mol/kg de beton), comme explicite
dans la partie 1.2.2.4 :
Da =
De
b
p + d C
c
(4.6)
161
Application probabiliste
Fig. 4.12 Comparaison entre lisotherme de fixation des chlorures compl`ete (equation 3.20) et
des isothermes lineaires
Pour valider ce choix, les profils de prediction en chlorures totaux apr`es 15 ans dexposition
sont representes sur la figure 4.13. Le mod`ele simplifie avec lisotherme lineaire = 1/2 conduit
`a une sous-estimation de 30 `a 40 % entre les abcisses 2 et 5 cm. La difference est dautant plus
prejudiciable que lalgorithme probabiliste deplace lenrobage dans cette zone, ce qui conduirait
162
Application probabiliste
Fig. 4.13 Comparaison entre des profils en chlorures totaux calcules par Immersion et par le
mod`ele simplifie
Le mod`ele de comportement nest donc pas satisfaisant. Ceci sexplique par une valeur
trop faible du coefficient de diffusion apparent due `a une mauvaise adequation entre la derivee
moyenne de lisotherme compl`ete et la pente de lisotherme pour = 1/2. Cette derni`ere etant
plus elevee, le denominateur de Da augmente, entranant une diminution du coefficient de diffusion. Le crit`ere = 1/2 est donc adapte `a une estimation globale des chlorures fixes mais pas
a une prediction de profil.
`
Afin dameliorer le mod`ele simplifie, les isothermes lineaires pour = 1 et = 2 ont ete
tracees sur la figure 4.12. La valeur = 2 presente une pente de lisotherme la plus parall`ele `a la
derivee moyenne de lisotherme compl`ete. La prediction associee est affinee et permet de proposer
un resultat conforme au mod`ele numerique notamment pour les cinq premiers centim`etres.
La valeur = 2 est retenue pour etre utilisee dans le mod`ele simplifie. Grace aux quantites
de CSH et dAFm calculees pour le mod`ele elementaire de lisotherme de fixation, la pente K
de lisotherme lineaire secrit :
K (2 cref ) =
Cb (2 cref )
2 cref
(4.7)
x
tot
r
C(x, t) = Cref
erf c
De
2 p+ K 2c
t
(
)
d
ref
(4.8)
163
Application probabiliste
tot . Lisotherme de fixaUne remarque importante concerne le calcul des chlorures totaux Cref
tion compl`ete est utilisee pour determiner le point Cb (cref ) afin que le depart du profil en
chlorures concide bien avec celui obtenu par le mod`ele numerique Immersion.
4.4.1.2
Validation
La validation partielle du mod`ele analytique simplifie fonde sur la fonction erf a dej`
a ete
effectuee :
en comparant la prediction avec le mod`ele plus robuste Immersion dans la partie
precedente 4.4.1.1,
en confrontant les profils obtenus `a des resultats experimentaux comme dans la partie 3.3.2.2 sur la figure 3.19
Le mod`ele simplifie peut maintenant etre valide pour le calcul de lindice de fiabilite. Il est
couple avec lalgorithme GPACE et lexemple complet traite dans la partie 4.3 est repris. Les
resultats des indices de fiabilite obtenus avec Immersion et le mod`ele analytique sont reportes
dans le tableau 4.18. Les erreurs relatives sont comprises entre 0 et 13,6 %. Lerreur relative
globale, calculee sur sept simulations, est de 2,8 %. Ces resulats indiquent une bonne confiance
dans le mod`ele simplifie et son utilisation en contexte probabiliste.
Temps (annees) :
Beton
CEM I
Beton CEM I
avec fumees
de silice
Immersion
Mod`ele simplifie
Erreur relative (%)
Immersion
Mod`ele simplifie
Erreur relative (%)
10
15
20
25
3,69
3,65
1,1
4,83
4,84
0,2
1,71
1,64
4,1
3,08
3,06
0,6
0,74
0,73
1,3
2,27
2,25
0,9
0,22
0,19
13,6
-
1,15
1,15
0
0,28
0,29
3,6
valeur n
egative ou non calcul
ee
Tab. 4.18 Comparaison des indices de fiabilite obtenus avec lalgorithme GPACE couple au
mod`ele de diffusion Immersion ou au mod`ele simplifie
Le mod`ele simplifie developpe dans cette etude, en complement des mod`eles elementaires de
calcul du coefficient de diffusion et de lisotherme de fixation des chlorures, permet de disposer
dun outil simple et robuste pour la prediction des profils en chlorures dans les parties douvrages
immergees.
164
Application probabiliste
Toutes les donnees dentree et les differentes equations sont rassemblees dans des feuilles de
calcul operationnelles et utilisables avec un simple tableur.
4.4.2
Approche semi-probabiliste
Dans cette partie, les approches de niveau 1 semi-probabilistes sont developpees. Le calcul des
coefficients de securite est propose de facon theorique puis un jeu de coefficients est ajuste pour
traiter la durabilite de parties douvrages immerges dans leau de mer par le mod`ele simplifie.
4.4.2.1
Coefficients de s
ecurit
e, valeurs repr
esentatives
s d = s s k
rd =
rk
r
(4.9)
rk
> s sk
r
(4.10)
Le point de conception P est utilise dans le calcul des coefficients de securite . Dans lespace
physique des variables aleatoires, les trois points remarquables sont identifies sur la figure 4.14 :
P (m) , pour lequel les variables aleatoires sont centrees sur les valeurs moyennes,
165
Application probabiliste
P (k) , o`
u les variables aleatoires sont representees par leurs valeurs representatives ou caracteristiques,
P , le point de conception, pour lequel lamorcage de la corrosion est la plus probable
puisque le distance entre P (m) et P est la plus faible.
Fig. 4.14 Representation graphique des coefficients de securite pour les approches semiprobabilistes
Les coefficients de securite sont calcules `a partir des coordonnees du point de defaillance P ,
qui jouent le role de valeurs de calcul dans la relation 4.9. Une fois obtenus, ces coefficients sont
appliques dans les r`egles de dimensionnement usuelles.
Plus generalement, dans le cas dune fonction de performance pour laquelle lequation de la
~ = 0, la r`egle de dimensionnement semi-probabiliste secrit sous forme
defaillance secrit G(X)
dune relation entre les valeurs caracteristiques et les coefficients de securite :
G ({xk , X }i ) > 0
(4.11)
Pour les variables aleatoires Xi de resistance, les valeurs de calcul xd,i sont divisees par Xi
et multipliees dans le cas des sollicitations.
166
Application probabiliste
Le calcul des coefficients de securite peut etre effectue dans un ensemble de points du domaine
de definition de la r`egle usuelle de dimensionnement pour un niveau de fiabilite vise. A chaque
point correspond un jeu de coefficients. Un jeu unique est finalement retenu pour etre propose
aux futurs concepteurs afin dassurer la securite sur un domaine de validite sans avoir `a effectuer
une analyse de fiabilite compl`ete.
Le calage des coefficients de securite peut faire appel `a des techniques doptimisation en utilisant une fonction de penalite couplee aux facteurs de sensibilite [Lemaire, 2008]. Une approche
simple est retenue dans lapplication au mod`ele simplifie de durabilite.
4.4.2.2
Application au mod`
ele simplifi
e de durabilit
e
167
Application probabiliste
teindre la valeur cible de = 1, 5. Dans notre cas, une fois le beton formule et les param`etres
environnementaux donnes, le seul levier de fiabilite est lenrobage. La valeur de 5 cm est la limite
superieure fixee dans cette etude.
Composant
(% en masse)
Denomination
a
b
Si O2
Al2 O3
Fe2 O3
CaO
MgO
SO3
K2 O
Na2 O
Perte au feu
22,84
21,2
2,7
3,5
1,84
4,6
67,41
64,6
0,81
0,6
2,23
2,65
0,23
0,63
0,14
0,17
1,72
1,1
Tab. 4.19 Composition chimique des ciment CEM I 52,5 PM ES CP2 (a) et CEM I 52,5 PM
ES (b) pour la determination des coefficients de securite
Beton
1
2
3
4
5
Ciment
(kg/m3 )
400 (a)
350 (a)
440 (b)
425 (b)
350 (a)
Granulats
(kg/m3 )
1871
1950
1771
1912
2125
E/C
vp
0,4
0,4
0,4
0,34
0,36
0,29
0,26
0,33
0,28
0,20
ppate
(%)
38,3
38,3
38,3
34,1
35,6
p
(%)
10,7
10,0
12,5
9,5
7,5
0,73
0,73
0,73
0,67
0,69
CSH AFm
kg/kgciment
0,475 0,127
0,475 0,127
0,441 0,151
0,407 0,139
0,450 0,120
Beton
1
2
3
4
5
1,09
1,07
0,51
1,47
1,50
em
(cm)
5
5
5
4,5
4
p
(%)
11,3
10,7
12,9
11,1
8,3
ErrD
ErrC
1,10
1,10
1,01
1,17
1,16
1,09
1,08
1,03
1,14
1,17
e
(cm)
4,48
4,47
4,71
3,92
3,49
Errp
ErrD
ErrC
Erre
1,17
1,10
1,16
1,15
1,13
1,16
1,15
1,15
Tab. 4.21 Coefficients de securite sur les betons de CEM I etudies, pour lindice de fiabilite
cible = 1, 5 `a 50 ans
Toutes les variables aleatoires associees au materiau (Errp , ErrD et ErrC ) sont des variables
de sollicitation `a multiplier par le coefficient de securite , tandis que pour lenrobage, (Erre ),
variable de resistance, est `a diviser par . Ses coefficients sont donnes pour les valeurs moyennes
168
Application probabiliste
des erreurs multiplicatives. Etant donne que celles-ci sont centrees ou tr`es proches de 1, cela
revient `a appliquer directement sur les valeurs moyennes des variables physiques, p, De , Cb ,
ou lenrobage e.
A laide des resultats du tableau 4.21, les coefficients de securite proposes pour les betons de
CEM I sont les suivants :
p = 1, 20
D = 1, 20
= 1, 20
C
e = 1, 15
(4.12)
1% (p
p, D De , C Cb ) 0
(4.13)
Les valeurs maximales observees dans le tableau 4.21 ont ete retenues. Lanalyse proposee
netant pas exhaustive, les coefficients de securite ont ete arrondis leg`erement en exc`es pour
prevenir deventuels cas o`
u ils ne conviendraient pas.
Pour les trois premiers beton de CEM I, le dimensionnement probabiliste nest pas possible
pour = 1, 5 et un enrobage maximum fixe `a 5 cm. Lapplication de ces coefficients pour
la determination des valeurs de calcul penalisera donc un peu plus ces trois betons dans le
sens de la securite. La methode de dimensionnement consiste alors `a changer de ciment pour
assurer le niveau de fiabilite. Neanmoins, les recherches entreprises dans le domaine de la fissuration [CEOSFR, 2008] permettront peut-etre de proposer des enrobages superieurs `a 5 cm.
Dans lexamen des betons de CEM I avec additions, sont utilises les deux ciments PM ES
precedents, auxquels des substitutions en fumees de silice `a des taux s differents sont effectuees.
Les formulations des betons 1, 2 et 3 sont reprises dans le tableau 4.22 pour viser, en fonction
de lenrobage et du taux de substitution s, lindice de fiabilite = 1, 5. Un beton 4 de rapport
E/C = 0, 49 est egalement evalue pour balayer les compositions potentielles conformes `a la
norme NF EN 206-1.
Lindice de fiabilite = 1, 5 est vise pour le calcul des coefficients de securite en jouant
sur le taux de substitution en fumees de silice et lenrobage. Les resultats sont indiques dans le
169
Application probabiliste
tableau 4.23.
Beton
1
2
3
4
Ciment
(kg/m3 )
400 (a)
350 (a)
440 (b)
355 (b)
s
0,04
0,04
0,05
0,08
Granulats
(kg/m3 )
1871
1950
1771
1936
E/C
vp
0,4
0,4
0,4
0,49
0,29
0,26
0,33
0,27
ppate
(%)
38,3
38,3
38,3
43,7
p
(%)
11,1
10,4
12,9
12,5
f s
Rf s
0,70
0,70
0,60
0,74
0,55
0,55
0,44
0,19
CSH AFm
kg/kgciment
0,365 0,117
0,365 0,117
0,240 0,119
0,250 0,140
Tab. 4.22 Composition des betons de CEM I avec fumees de silice et param`etres physicochimiques pour la determination des coefficients de securite
Beton
1
2
3
4
1,47
1,51
1,50
1,55
em
(cm)
4,5
4,7
4
5
p
(%)
12,2
11,5
14,4
14,2
ErrDf
s
ErrCf
s
1,13
1,15
1,11
1,15
1,17
1,16
1,17
1,10
e
(cm)
3,99
4,18
3,56
4,40
Errp
ErrDf s
ErrCf s
Erre
1,10
1,11
1,12
1,14
1,15
1,17
1,13
1,17
1,18
1,17
1,18
1,11
1,13
1,12
1,12
1,14
Tab. 4.23 Coefficients de securite sur les betons de CEM I etudies, pour lindice de fiabilite
cible = 1, 5 `a 50 ans
A laide de cette analyse, les coefficients de securite proposes pour les betons de CEM I avec
fumees de silice afin dassurer le niveau de securite requis sont les suivants :
p = 1, 15
Df s = 1, 20
Cf s = 1, 20
e = 1, 15
(4.14)
Les coefficients de securite `a appliquer aux valeurs moyennes des param`etres physicochimiques et geometriques des betons de CEM I, avec ou sans fumees de silice, sont finalement
assez proches. Lutilisation du mod`ele simplifie de diffusion des chlorures permet deffectuer
lanalyse semi-probabiliste grace aux feuilles de calcul developpees sur un tableur.
Lapplication dun jeu de coefficient unique conduira la plupart du temps `a un leger surdimensionnment. Elle permet toutefois dassurer de facon tr`es simple le niveau de fiabilite preconise
par les Eurocodes `a lELS pour les utilisateurs, en charge du calcul de la durabilite des parties
immergees douvrages mais non inities aux techniques de fiabilite.
Ces coefficients seront proposes `a titre definitif en menant une analyse de fiabilite compl`ete
170
Application probabiliste
de niveau 2 pour dautres materiaux. Il convient de sassurer quil nexiste pas de cas pour
lesquels les coefficients de securite proposes sont insuffisants.
Conclusion g
en
erale et perspectives
La corrosion est principalement responsable de la degradation des ouvrages de genie civil en
beton arme. En environnement marin, la penetration des chlorures dans le beton peut conduire
`a lamorcage et au developpement de la corrosion des armatures. Les normes, les recommandations et les r`egles de lart permettent dassurer la qualite du beton et contribuent `a sa durabilite.
Cependant, il est observe une fluctuation des indicateurs de durabilite due `a la variabilite de
fabrication du beton ou des materiaux qui le constituent. Le dimensionnement actuel du beton
denrobage, dedie `a proteger les premiers aciers, est empirique et ne prend pas en compte explicitement cette variabilite. Ce travail de th`ese propose une approche integrant la composition
du beton et la variabilite des param`etres physiques associes `a la diffusion des chlorures dans la
zone denrobage, en vue dune prediction objective et probabiliste de la durabilite.
La methodologie compl`ete de dimensionnement de la durabilite des parties douvrages en
beton, immergees dans leau de mer, est exposee. En concentrant la prediction uniquement sur la
periode dincubation de la corrosion, la duree de service des ouvrages est quantifiee objectivement
au travers de lindice de fiabilite , synonyme de probabilite dinitiation de la corrosion. La
determination de prend en compte les incertitudes liees `a la mise en oeuvre, au materiau
lui-meme et aux mesures. Laide `a la decision, relative au niveau de securite souhaitable, passe
par lEurocode 0 [AFNOR, 2005]. Ce dernier propose de valeurs cibles de lindice de fiabilite
suivant louvrage et la duree de reference associee.
Dans lapproche globale, lalgorithme probabiliste GPACE de calcul de est couple au
mod`ele deterministe de diffusion Immersion. Le niveau 2 de lapproche de dimensionnement
est une mise en oeuvre partielle des methodes probabilistes. Fonde sur une approximation de
la surface detat limite, le niveau 2 reste le plus efficace et le plus couramment utilise. Outre
la probabilite conventionnelle de defaillance, les coordonnees du point de conception P et les
172
Conclusion g
en
erale et perspectives
coefficients dimportance fournissent des informations precieuses sur la hierarchisation des incertitudes des donnees. Le mod`ele de penetration des chlorures sappuie sur trois indicateurs de
durabilite mesurables et pertinents : la porosite, le coefficient de diffusion effectif et lisotherme
de fixation des chlorures. Ils constituent, avec lenrobage des armatures, les quatre variables
aleatoires retenues.
Dans ce contexte, la connaissance des lois de distribution etant fondamentale, des mod`eles
elementaires physiques sont utilises. Une interpretation statistique des donnees issues de la
litterature est effectuee afin de construire une base de donnees realiste. Le recours `a une
representation adimensionnelle des variables aleatoires est utilisee, permettant ainsi de rassembler un nombre dinformations consequentes et de proposer les histogrammes des densites de probabilite. Une meilleure evaluation de la fiabilite suppose de reduire lincertitude en completant
les echantillons des variables aleatoires. Un reseau bayesien a ete cree pour actualiser les connaissances. Les nouveaux resultats sont integres facilement `a laide dune representation graphique
avec la possibilite dajuster le niveau de confiance des sources dinformation.
Lapplication compl`ete de la methodologie est proposee en conformite avec les preconisations
en vigueur dans les Eurocodes. Levolution temporelle de lindice de fiabilite temoigne du niveau
de securite au cours de la vie de louvrage. La comparaison avec lindice de fiabilite cible de
1,5 `a 50 ans permet dassurer un dimensionnement probabiliste au niveau de securite requis.
Dans le cas contraire, de nouvelles exigences sur la formulation du beton, les enrobages ou
la qualite de fabrication peuvent etre formulees. De meme, loptimisation des enrobages peut
etre demontree pour des betons dont les proprietes de transfert sont ameliorees par lemploi
dadditions minerales.
La methodologie de dimensionnement probabiliste est donc tout `a fait compatible avec lapproche performantielle de la durabilite des betons [AFGC, 2004]. Cette complementarite a ete
illustree au travers des campagnes experimentales du projet ANR APPLET et de la collaboration initiee avec le LPEE au Maroc, dans lesquelles cette th`ese sest inscrite. En associant les
methodes probabilistes aux etapes de specifications relatives aux indicateurs de durabilite, de
qualification des formulations de beton et de prediction de la duree de vie, lapproche performantielle pourrait etre enrichie et pourrait integrer la variabilite des differents param`etres pour
un niveau de securite requis.
Leffort realise sur les variables aleatoires et le mod`ele de diffusion permet de synthetiser
173
Conclusion g
en
erale et perspectives
les connaissances acquises depuis plusieurs annees en recherche sur les chlorures et la durabilite
des betons. Le developpement du mod`ele semi-probabiliste constitue un outil de choix dans
le transfert des connaissances vers lingenierie. Cet outil suppose la definition de coefficients
partiels de securite et de valeurs representatives qui sont calculees par les mod`eles elementaires
pour le coefficient de diffusion et lisotherme de fixation, mesurees pour la porosite et definies
reglementairement pour lenrobage. La feuille de calcul associee, pratique et sappuyant sur un
mod`ele simplifie de diffusion, est operationnelle et utilisable sur un tableur.
Afin de mettre en oeuvre les differentes etapes de la mecanique probabiliste transposees `
a la
durabilite et de prouver la faisabilite de la methodologie compl`ete, certaines restrictions, quil
conviendrait de lever, ont ete formulees. Les additions minerales, cendres volantes et laitiers,
sont `a integrer. Dans ce but, la meme demarche, fondee sur la notion derreur multiplicative,
reste `a appliquer lorsque le recueil des donnees experimentales sera suffisant en vue de construire
les histogrammes associes et proposer des lois de distribution realistes.
Le mod`ele de comportement developpe permet de traiter uniquement les parties douvrages
immergees. Il doit evoluer vers un mod`ele encore plus robuste capable de gerer les zones de
marnage et les embruns. Neanmoins, un travail important sur la lisibilite et lacquisition des
donnees dentree, mesurables et quantifiables par des essais en laboratoire, est preconise pour
respecter lesprit de la demarche entreprise et convaincre ainsi de lapplication des methodes
probabilistes.
Le seuil damorcage de la corrosion est encore un point discute. La concentration critique,
seuil damorcage de la corrosion, varie de facon importante suivant le materiau et les conditions
environnementales. La valeur retenue pour le dimensionnement et le calage des coefficients partiels de securite pourra evoluer suivant les conclusions des nouveaux travaux de recherche. Une
loi de distribution pourra egalement etre proposee et lutilisation en ce sens dun reseau bayesien
semble etre une piste prometteuse en deployant, par exemple, les techniques dactualisation indirecte `a partir dobservations in situ.
Enfin, il convient de souligner le caract`ere general de la methodologie probabiliste qui inclut
les processus physico-chimiques, un outil dactualisation pour traiter la variabilite des param`etres
du mod`ele de comportement et les methodes de fiabilite en accord avec les derniers r`eglements
en vigueur. Cette etude peut etre envisagee comme la trame generale applicable aux autres
probl`emes de dimensionnement de la durabilite.
Bibliographie
[AASHTOT259, 1980] AASHTOT259 (1980). Standard test method for resistance of concrete
to chloride ion penetration. American Association of State Highway and Transportation Officials.
[Adenot, 1992] Adenot, F. (1992). Durabilite des betons : caracterisation et modelisation des
processus physiques et chimiques de degradation du ciment. Th`ese de doctorat, Universite
dOrleans France.
[AFGC, 2004] AFGC (2004). Conception des betons pour une duree de vie donnee des ouvrages.
Documents scientifiques et techniques, Association Francaise de Genie Civil.
[AFNOR, 2001] AFNOR (2001). Ciment - partie 1 : composition, specifications et crit`eres de
conformite des ciments courants. Association Francaise de NORmalisation, NF EN 197-1.
[AFNOR, 2003] AFNOR (2003). Eurocodes structuraux - base de calcul des structures. Association Francaise de NORmalisation, NF EN 1990.
[AFNOR, 2004] AFNOR (2004). Beton - partie 1 : specifications, performance, production et
conformite. Association Francaise de NORmalisation, NF EN 206-1.
[AFNOR, 2005] AFNOR (2005). Calcul des structures en beton - partie 1-1 : r`egles generales
et r`egles pour les batiments. Association Francaise de NORmalisation, NF EN 1992-1-1.
[AFNOR, 2006] AFNOR (2006). Ciments pour travaux `a la mer. Association Francaise de
NORmalisation, NF P15-317.
[AFPC, 1997] AFPC (1997). Recommended test methods for measuring the parameters associated to durability. Proceedings des Journees Techniques AFPC-AFREM : Durabilite des
Betons, Dec. 11-12.
176
BIBLIOGRAPHIE
[Alonso et al., 2000] Alonso, C., Andrade, C., Castellote, M. et Castro, P. (2000). Chloride threshold values to depassivate reinforcing bars embedded in a standardized opc mortar.
Cement and Concrete Research, 30:10471055.
[Amiri et al., 2001] Amiri, O., At-Mokhtar, K., Dumargue, P. et Touchard, G. (2001).
Electrochemical of chloride migration in cement-based materials. part ii : Experimental study,
calculation of chloride flux. Electrochimica Acta, 46:35893597.
[Andrade, 1993] Andrade, C. (1993). Calculation of chloride diffusion coefficients in concrete
from ionic migration measurements. Cement and Concrete Research, 23:724742.
[Arliguie et Hornain, 2007] Arliguie, G. et Hornain, H. (2007). Grandeurs associees `
a la
durabilite des betons (GranDube). Presses Ecole Nationale Ponts et Chaussees.
[Baroghel-Bouny et al., 2002] Baroghel-Bouny, V., Belin, P., Castellote, M., Rafa, N.,
Rougeau, P. et Yssorches-Cubaynes, M. P. (2002). Which toolkit for durability evaluation
as regards chloride ingress into concrete ? part i : comparaison between various methods for
assessing the chloride diffusion coefficient of concrete in saturated conditions. Proceedings of
the Third RILEM workshop on Testing and Modelling Ingress into Concrete, pages 105136.
[Baron et Ollivier, 1992] Baron, J. et Ollivier, J. P. (1992). Durabilite des betons. Presses
Ecole Nationale Ponts et Chaussees.
[Bary et Sellier, 2004] Bary, B. et Sellier, A. (2004).
calcium transfer model for carbonation of concrete. Cement and Concrete Research, 34:1859
1872.
[Beaudoin et al., 1990] Beaudoin, J. J., Ramachandran, V. S. et Feldman, R. F. (1990).
Interaction of chloride and c-s-h. Cement and Concrete Research, 20:875883.
[Bentz et al., 2000] Bentz, B. A., Mejlhede Jensen, O., Coasts, A. M. et P., G. F. (2000).
Influence of silica fume on diffusivity in cement-based materials. i. experimental and computer
modelling studies on cement pastes. Cement and Concrete Research, 30:953962.
[Bigas, 1994] Bigas, J. P. (1994). La diffusion des ions chlore dans les mortiers. Th`ese de
doctorat, INSA Toulouse France.
[Bogue, 1952] Bogue (1952). La chimie du ciment Portland. Eyrolles.
177
BIBLIOGRAPHIE
[Bonnet et al., 2007] Bonnet, S., Schoefs, F., Rosquoet, F. et Khelidj, A. (2007). Statistical study on total chloride profiles. CONSEC07 Concrete under Severe Conditions, Environment and Loading:127134.
[Breysse et al., 2008] Breysse, D., Yotte, S., Salta, M., Schoefs, F., Ricardo, J. et Pereira, E. (2008). Uncertainties in ndt condition assessment of corroding structures in marine
environment. Proceedings of the First International Conference Construction Heritage in
Coastal and Marine Environments (MEDACHS).
[Bruggeman, 1935] Bruggeman, V. D. A. G. (1935). Calculation of various physical constants
from heterogeneous substances. Annalen der Physisk, 5(24):636679.
`re, L. (2007). Prevision et evaluation de la fissura[Buffo-Lacarri`ere, 2007] Buffo-Lacarrie
tion precoce des ouvrages en beton. Th`ese de doctorat, Universite de Toulouse France.
[Carcasses et al., 2005] Carcasses, M., Julien, S. et Schiettekate, M. (2005). Conclusions
on the performance of materials based on chlortest project. European Project Chlortest,
Alicante.
[Casciati et al., 1991] Casciati, F., Negri, I. et Rackwitz, R. (1991). Geometrical variability in structural members and systems. Joint Committee on Structural Safety, Working
Document, 1.
[Castellote et al., 1999] Castellote, M., Andrade, C. et Alonso, C. (1999). Chloride binding isotherms in concrete submitted to non steady state migration experiments. Cement and
Concrete Research, 29:17991806.
[CEB, 1989] CEB (1989). Comite euro-international du beton, durable concrete structure. Bulletin 182.
[CEOSFR, 2008] CEOSFR (2008). www.ceosfr.org. Projet national CEOSFR, Comportement
et Evaluation des Ouvrages Speciaux - Fissuration Retrait.
[Chernoff et Lehmann, 1954] Chernoff, H. et Lehmann, E. L. . (1954). The use of maximum
likelihood estimates in 2 tests for goodness-of-fit. The Annals of Mathematical Statistics,
25:579586.
[ChlorTest, 2004] ChlorTest (2004). Models for chloride ingress into concrete : a critical
analysis. EU project WP 4, Task 4.1.
178
BIBLIOGRAPHIE
[Codina et al., 2008] Codina, M., Cau-dit Coumes, C., Le Bescopc, P., Verdier, J. et Ollivier, J. P. (2008). Design and characterization of low-heat and low-alkalinity cements.
Cement and Concrete Research, 38:437448.
[Collepardi et al., 1970] Collepardi, M., Marcialis, A. et Turriziani, R. (1970). The kinetics of chloride ions penetration in concrete (in italian). Il Cemento, 67:157164.
[Crank et Nicolson, 1947] Crank, J. et Nicolson, P. (1947). A practical method for numerical
evaluation of solutions of partial differential equations of the heat conduction type. Proceedings
of the Cambridge Philosophical Society.
[Deby, 2005] Deby, F. (2005). Etude preliminaire au developpement dune methode probabiliste
de la prediction de la duree de vie dun ouvrage en environnement marin. Memoire de D.E.A.,
Universite Paul Sabatier Toulouse France.
[Ditlevsen et Madsen, 1996] Ditlevsen, O. et Madsen, H. O. (1996). Structural reliability
methods. J. Wiley & Sons.
[Dizayee et al., 2007] Dizayee, K., Gallias, J. L., Bigas, J. P. et Noumowe, A. (2007). Influence of mineral admixtures and cement on the chloride binding capacity of mortars. Proceedings of the international symposium on Concrete under Severe Conditions, pages 343350.
[Djerbi, 2007] Djerbi, A. (2007). Influence de lendommagement mecanique sur la permeabilite
au gaz et sur la diffusion des ions chlorures des betons. Th`ese de doctorat, Universite de
Nantes France.
[DURACRETE, 2000] DURACRETE (2000). General guidelines for durability design and
redesign.
[Fienberg, 2005] Fienberg, S. E. (2005). When did bayesian inference become bayesian ?
Bayesian Analysis, 1:140.
[Fluge, 2001] Fluge, F. (2001). Marine chlorides. a probabilistic approach to derive durability
related provisions for ns-en 206-1. The Norwegian Road Administration, Report n19/DP1 B4
of the R&D project (Life time of concrete structures).
[Gayton et al., 2003] Gayton, N., Bourinet, J. M. et Lemaire, M. (2003). Cq2rs : a new
statistical approach to the reponse surface method for reliability analysis. Structure Safety,
25:99121.
179
BIBLIOGRAPHIE
180
BIBLIOGRAPHIE
181
BIBLIOGRAPHIE
182
BIBLIOGRAPHIE
[Sengul et Gjorv, 2007] Sengul, O. et Gjorv, E. (2007). Chloride penetration into a 20 years
old north sea concrete platform. CONSEC07 Concrete under Severe Conditions, Environment
and Loading:107116.
[Song et al., 2007] Song, H. W., Juang, J. C., Saraswathy, V. et Byun, K. J. (2007). An
estimation of the diffusivity of silica fume concrete. Building and Environment, 42:13581367.
[Tang, 1996] Tang, L. (1996). Electrically accelerated methods for determining chloride diffusivity in concrete - current development. Magazine of Concrete Research, 48(176):173179.
[Tang, 1997] Tang, L. (1997). Chloride penetration profiles and diffusivity in concrete under
different conditions, publication p-97 :3. Rapport technique, Chalmers University od Technology, Goteborg, Sweden.
[Tang, 1999] Tang, L. (1999). Concentration dependence of diffusion and migration of chloride
ions. part 2. experimental evaluations. Cement and Concrete Research, 29:14691474.
[Tang et Nilsson, 1992] Tang, L. et Nilsson, L. O. (1992). Rapid determination of chloride
diffusivity in concrete by applying an electrical field. ACI Materials Journals, pages 4953.
[Tang et Nilsson, 1993] Tang, L. et Nilsson, L. O. (1993). Chloride binding capacity and
binding isotherms of opc pastes and mortars. Cement and Concrete Research, 23:247253.
[Taylor, 2004] Taylor, H. F. W. (2004). Cement chemistry. Thomas Telford edition.
[Torii et al., 1995] Torii, K., Sasatani, T. et Kawamura, M. (1995). Effects of fly ash, blast
furnace slag, and silica fume on resistance of mortar to calcium chloride attack. Proceedings
of Fifth International Conference on Fly Ash, Silica Fume, Slag, and Natural Pozzolans in
Concrete, American Concrete Institute, SP-153, 2:931949.
[Truc, 2000] Truc, O. (2000). Prediction of Chloride penetration into saturated concrete - Multispecies approach. Th`ese de doctorat, Chalmers Univ. of Tech. Goteborg Sweden, INSA Toulouse France.
[Truc et al., 2000] Truc, O., Ollivier, J. P. et Carcasses, M. (2000). A new way for determining the chloride diffusion coefficient in concrete from steady state migration test. Cement
and Concrete Research, 30:217226.
[Tuuti, 1982] Tuuti, K. (1982). Corrosion of steel in concrete. CBI, Report Fo 4.82 Stockholm.
183
BIBLIOGRAPHIE
[Van Brakel et Heertjes, 1974] Van Brakel, J. et Heertjes, P. M. (1974). Analysis of diffusion in macroporous media in terms of a porosity, a tortuosity and a constrictivity factor.
International Journal of Heat and Mass Transfer, 17:10931103.
[Waller, 1999] Waller, V. (1999). Relations entre composition des betons, exothermie en cours
de prise et resistance en compression. Th`ese de doctorat, Ecole Nationale des Ponts et
Chaussees Paris FRANCE.
[Yang et Wang, 2004] Yang, C. C. et Wang, L. C. (2004). The diffusion characteristic of
concrete with mineral admixtures between salt ponding test and accelerated chloride migration
test. Materials Chemistry and Physics, 85:266272.
"#!$ %##&
! !
"
!
' (
#
$"
!
"#
%##&
&
'
'
%
'
'
)
'
'
**
&
'
'
'
'
'
'
'
'
!)
2
.4
. !
'
,
'
'
'$ '
'
'
!'
'$
!)+)
-
'
'
'
'
"0#33
'
'
! )
"' $
'
'
'
0"1 ,
'
*)
'
'(
'
%
'
'
!)
! !
'
'