Reservoir PDF

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE
MINISTERE DE LENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE
UNIVERSITE MOULOUD MAMMERI DE TIZI OUZOU

FACULTE DU GENIE DE LA CONSTRUCTION
DEPARTEMENT DE GENIE CIVIL
MEMOIRE DE MAGISTER
Spcialit : Gnie civil
Option : Gotechnique et environnement
Prsent par :
Melle MILOUDI Nassima
Ingnieur dtat en Gnie Civil
THEME
CONTRIBUTION A LETUDE DE LA VULNERABILITE
DES RESERVOIRS EN BETON
PAR ANALYSE DES COMPOSANTES PRINCIPALES
Mmoire soutenu le : 11/12/2014 devant le jury compos de :

Mr GABI Smail
Professeur (UMMTO)
Prsident
Mme BOUZELHA Karima
Professeur (UMMTO)
Rapporteur
Mr DRIZI Said
Matre de confrences A (UMMTO)
Examinateur
Mr HAMMOUM Hocine
Matre de confrences A (UMMTO)
Examinateur
Mr METNA Boussad
Maitre assistant classe A
Invit
Remerciements
En premier lieu, je remercie Allah le tout-puissant de mavoir aid durant toute ma vie, sans
lui ce manuscrit naurait pas pu voir le jour.
Mes remerciements sadressent aussi ma directrice de
recherche Madame BOUZELHA
Karima, professeur au Dpartement du Gnie Civil de lUniversit Mouloud MAMMERI de

Tizi-Ouzou, pour avoir accept de me diriger et guider dans cette recherche, pour son
soutien inconditionnel, et avec qui j'ai tabli une relation de confiance. Je tiens galement
la remercier pour sa grande disponibilit.
Ce travail naurait pas pu voir le jour sous sa forme actuelle sans lapport de Monsieur
HAMMOUM Hocine, matre de confrences A au Dpartement Gnie Civil de lUniversit
Mouloud MAMMERI de Tizi-Ouzou. Je le remercie pour mavoir aid en me prodiguant
conseils et encouragements. Quil trouve ici lexpression de ma sincre reconnaissance.
Je tiens tout particulirement remercier Monsieur METNA Boussad, matre assistant A

enseignant au Dpartement dAgronomie de lUniversit Mouloud MAMMERI de TiziOuzou. Il m'a guid et m'a aid trouver des solutions pour avancer dans mon travail. Quil
trouve ici toute ma gratitude et mes sincres respects.
Je tiens aussi remercier les membres du jury pour lhonneur quils me font
en acceptant
de juger ce travail.
Je voudrais
galement adresser mes sincres remerciements aux fonctionnaires de lADE
de la dara de Draa Ben Khedda, de Labraa Nath Irathen, et de la commune de Mekla pour
m'avoir accueillie au sein de leur service et offert un cadre propice pour le droulement de
mes expertises.
Je profite pour adresser mes
remerciements galement Monsieur ALICHE Amar,
Doctorant au Dpartement Gnie Civil de lUniversit Mouloud MAMMERI de Tizi-Ouzou,

qui ma accompagn tout au long de ma mission dexpertise.
Jadresse mes remerciements tous mes amis(es) et toute ma famille, tout particulirement
mon pre et ma mre pour leur soutien et leurs encouragements.
Enfin tous ce qui ont contribu
de prs ou de loin llaboration de ce mmoire merci.
mon pre
ma mre
mes frres et surs
tous ceux qui me sont chers
Rsum
Pour prdire le niveau de dgradation et de vieillissement pouvant survenir grande
chelle dans un rservoir de stockage d'eau potable, le concept de vulnrabilit certains
alas naturels (neige, vent, sisme etc.) est utilis. Cette mthode, dite de diagnostic est
base sur le calcul de lindice de vulnrabilit et fait intervenir treize (13) paramtres influents
pour trois types danalyses (environnementale, structurale et fonctionnelle).
Dans le cadre de cette tude, et afin de mettre en valeur la sensibilit de certains de ces
paramtres par rapport dautres et rendre l'information moins redondante, nous utilisons
une mthode statistique dite ACP Analyse en Composantes Principales . Cette mthode qui
fait partie du groupe de mthodes descriptives multidimensionnelles, appeles mthodes
factorielles, consiste transformer des variables lies entre elles (dites "corrles" en
statistique) en nouvelles variables dcorrles les unes des autres. Ces nouvelles variables
sont nommes "composantes principales" (ou axes principaux). LACP a t souvent utilis
dans de nombreux domaines pour sa capacit capturer les relations linaires entre les
variables et les ressemblances entre individus. Ainsi, dans ce travail de recherche, cette
mthode est teste avec succs sur un parc rel compos de 54 rservoirs.
Mots cls : Rservoir en bton, Vulnrabilit, Diagnostic, ACP, Analyse.
Abstract
To predict the level of degradation and aging which can arise on a large scale in a storage
tank of drinking water, the concept of vulnerability with some natural hazards (as snow, wind,
earthquake etc) is used. This method of diagnosis, based on the calculation of vulnerability
index involves thirteen (13) influencing parameters for 3 kinds of analysis (environmental,
structural and functional).
In our study, and to highlight the sensibility of some of these parameters compared with
others and make the information less redundant, we use a statistical method called PCA
(Principal Component Analysis). This method which is a part of the group of
multidimensional descriptive methods called factorial methods consists in transforming linked
variables (said "correlated" in statistic) in new uncorrelated variables. These new variables are
called "main components" (or main axes). The PCA was often used in numerous fields for its
simplicity and its capacity to capture the linear relations between variables and resemblances
between individuals. In this research, this method is successfully tested on a real park
compound of 53 tanks.
Keywords: Concrete tank, Vulnerability, Diagnosis, PCA, Analyses.
Notations
Principales notations rencontres dans la thse par ordre d'apparition.
Symboles
Significations
Units
Nei :
note lmentaire dun rservoir
Pi :
coefficient de pondration dun rservoir
Iv :
indice de vulnrabilit dun rservoir
Ph :
hauteur dun rservoir
m
Pc :
catgorie de terrain
m
Pt :
facteur topographique
m
Ps :
Etat de la surface du rservoir
m
X:
matrice de tableau de donnes
pi :
poids de chaque individu
D:
matrice diagonale des poids
X :
moyenne de chaque variable j
cart type de chaque variable j
matrice des donnes centres
r:
coefficient de corrlation entre les diffrents variables
G:
centre de gravit du nuage de point

Var :
variance de la variable x
COV :
covariance des variables x et y
:
inertie totale du nuage de point

:
valeur propre
Ck :
composante principale
C:
matrice des composantes principales
ui :
axe factoriel
:
matrice des axes principaux
Y:
matrice des donnes centres rduites
R:
matrice des corrlations
indice de significativit (risque derreur)
Fi :
axes principaux
Table des matires
Introduction gnrale
Chapitre 1 : Synthse bibliographique
Introduction ........................................................................................................................... 1
1.1.
Gnralits sur les rservoirs ..................................................................................... 1
1.2.
Etude de la vulnrabilit ............................................................................................ 4
1.3.
Analyse de risques par lestimation de la vulnrabilit des structures ...................... 5
1.4. Diffrentes approches pour lanalyse des risques......................................................... 6

1.4.1. Mthodes internes .................................................................................................... 6
1.4.1.1. Approche par modles physiques ..................................................................... 7
1.4.1.2. La modlisation fonctionnelle par la Sret de Fonctionnement .................... 15
1.4.2. Les mthodes externes ........................................................................................... 21
1.4.2.1. Analyse des risques par expertise .................................................................... 22
1.4.2.2. Analyse des risques partir des statistiques ................................................... 30
Conclusion ........................................................................................................................... 36
Chapitre 2 : Evaluation de la vulnrabilit des rservoirs en bton

vis--vis de certains alas naturels, par une approche par expertise
Introduction ......................................................................................................................... 37
2.1. Evaluation de la vulnrabilit dun rservoir ............................................................... 37
2.2. Evaluation environnementale ....................................................................................... 40
2.2.1. Implantation de louvrage........................................................................................ 40
2.2.2. Zone sismique .......................................................................................................... 41
2.2.3. Type de sol .............................................................................................................. 41
2.2.4. Zone de la neige....................................................................................................... 42
2.2.5. Action du vent ......................................................................................................... 43
2.3. Evaluation structurelle .................................................................................................. 44
2.3.1. Type de structure ..................................................................................................... 44
2.3.2. Type de fondation ................................................................................................... 45
2.3.3. Etanchit des parois ............................................................................................... 46
2.3.4. Etanchit de la couverture ..................................................................................... 47
2.3.5. Dfauts apparents .................................................................................................... 47
2.4. Evaluation fonctionnelle ............................................................................................... 48
2.4.1 Rle du rservoir ...................................................................................................... 48
2.4.2. Importance du rservoir .......................................................................................... 49
2.4.3. Frquence dentretien .............................................................................................. 50
Table des matires
2.5. Classification ................................................................................................................ 50

2.6. Application de la mthode de lindice de vulnrabilit - Etude de cas ........................ 51
2.6.1. Evaluation de la vulnrabilit du rservoir la mise en service en 2010 ............... 53
2.6.2. Evaluation de la vulnrabilit en cours dexploitation (mars 2014) ...................... 54
Conclusion ........................................................................................................................... 61
Chapitre 3 : Expos de la mthode ACP

Introduction ......................................................................................................................... 62
3.1. Dfinition ..................................................................................................................... 62
3.2. Historique ..................................................................................................................... 63
3.3. Champs dapplication .................................................................................................. 63
3.4. Logiciels dapplication ................................................................................................ 63
3.5. Donnes dune ACP ..................................................................................................... 64
3.6. Objectif dune ACP ...................................................................................................... 65
3.6.1. Problmatique ......................................................................................................... 68
3.6.2. Solution .................................................................................................................. 69
3.6.2.1. Principe de construction de lespace factoriel partir du nuage des individus 69
3.6.2.2. Principe de construction de lespace factoriel partir du nuage des variables . 77
3.7. Analyse en composantes principales norme ............................................................. 78
3.7.1. Matrice des donnes centres rduites .................................................................. 78
3.7.2. Matrice de corrlation ........................................................................................... 79
3.7.3. Particularit de lACP norme ............................................................................ 80
3.8. Interprtation des rsultats dune ACP ....................................................................... 80
3.8.1. Etude des individus ................................................................................................ 81
3.8.1.1. Reprsentation des individus dans les nouveaux axes ...................................... 81
3.8.1.2. Qualit de reprsentation des individus ............................................................ 82
3.8.1.3. Interprtation des axes factoriels par les points individus ................................ 83
3.8.2. Etude des variables ................................................................................................. 83
3.8.2.1. Reprsentation des variables dans les nouveaux axes ...................................... 83
3.8.2.2. Etude des liaisons entre les variables ............................................................... 85
3.8.3. Lien entre les deux tudes ...................................................................................... 85
3.9. Individus et variables supplmentaires ....................................................................... 86
Conclusion .......................................................................................................................... 86
Table des matires
Chapitre 4 : Application de lACP un parc de rservoirs

Introduction ......................................................................................................................... 87
4.1. Donnes brute pour lapplication de lACP ............................................................... 87
4.2. LACP est elle applicable ? ........................................................................................ 91
4.2.1. Les donnes sont-elles factorisables ? ................................................................... 91
4.2.1.1. Test de sphricit de Bartlett ............................................................................ 92
4.2.2. La matrice des corrlations est elle singulire? ..................................................... 93
4.3. Vrification des tapes de lACP.............................................................................. 100
4.3.1. Moyennes et carts types des variables ................................................................ 100
4.3.2. Centrage du tableau de donnes (matrice centre) ............................................... 101
4.3.3. Rduction du tableau de donnes (matrice centre rduites) ............................... 102
4.3.4. Matrice des corrlations ....................................................................................... 104
4.3.5. Choix du nombre daxe retenir .......................................................................... 105
4.3.5.1. Vecteurs propres ............................................................................................. 105
4.3.5.2. Valeurs propres et leur variance explique ..................................................... 106
4.3.6. Etudes des variables ............................................................................................. 107
4.3.6.1. Coordonnes factoriels des variables .............................................................. 107
4.3.6.2. Contribution relatives des variables linertie des axes ................................. 108
4.3.6.3. Qualits des reprsentations des variables (cosinus carrs)............................ 109
4.3.6.4. Reprsentation des cercles de corrlations ..................................................... 110
4.3.7. Etude des individus .............................................................................................. 113
4.3.7.1. Coordonnes factoriels des individus ............................................................. 113
4.3.7.2. Contribution relatives des individus linertie des axes ................................ 115
4.3.7.3. Qualits des reprsentations des individus (cosinus carres) ........................... 116
4.3.7.4. Projection des individus dans les plans factoriels ........................................... 118
4.3.8. Lien entre les deux tudes .................................................................................... 120
Conclusion ......................................................................................................................... 123
Conclusion gnrale
Rfrences bibliographiques
Annexes
Liste des figures
Figure 1.1 : Rservoir surlev de 1500 m Boumerdes (Algrie) ....................................... 2

Figure 1.2 : Vue gnrale du rservoir sis Seikh Oumedour ................................................. 2
Figure 1.3 : Vue gnrale du rservoir sis Dar El Beida ....................................................... 3
Figure 1.4 : Rservoir circulaire pos au sol en bton arm ................................................... 3
Figure 1.5 : Rservoir circulaire semi enterr en bton arm ................................................... 4
Figure 1.6 : Analyse hydrodynamique deux degrs de libert selon Housner ....................... 8
Figure 1.7 : Scnario de vieillissement perte de rsistance de la ceinture .............................. 10
Figure 1.8 : Cartographie du noyau central RDC .................................................................... 11
Figure 1.9 : Photo noyau central RDC .................................................................................... 11
Figure 1.10 : Courbe de capacit donne par le pushover (V-Sd) .......................................... 12
Figure 1.11 : Situation du point de performance ..................................................................... 13
Figure 1.12 : Dplacement inter tage .................................................................................... 13
Figure 1.13 : Etat-Limite de glissement dans les barrages poids ........................................... 15
Figure 1.14 : Evaluation de la performance dune digue fluviale tanchit amont, vis-vis du mcanisme drosion interne ......................................................................................... 19
Figure 1.15 : Performance dune digue fluviale vis--vis du mcanisme drosion interne .. 20
Figure 1.16 : Dmarche d'aide l'expertise base sur la capitalisation de la connaissance
experte et du retour d'exprience ............................................................................................. 23
Figure 1.17 : Proportions des dfauts apparents dans le parc expertis ................................. 29
Figure 2. 1 : Organigramme de la mthodologie d'valuation des rservoirs ........................ 38

Figure 2.2 : Carte du zonage de neige dAlgri ..................................................................... 42
Figure 2 .3 : Carte du zonage de vent dAlgrie ..................................................................... 42
Figure 2.4 : Vue gnrale du rservoir de Mouldiouane village N2 ...................................... 53
Figure 2.5 : Fut de ltanchit dtrior................................................................................. 54
Figure 2.6 : Prsence des terres et de la mauvaise herbe sur la toiture ................................... 54
Figure 2.7 : Fuite et suintement sur la paroi de louvrage ...................................................... 55
Figure 2.8 : Efflorescence sur la paroi de louvrage ............................................................... 55
Figure 2.9 : Vannes dgrades et mal entretenue .................................................................... 55
Figure 2.10 : Chambre de vannes inonde............................................................................ 55
Figure 2.11 : Accs dans la chambre des vannes non scuris et absence dchelle pour
laccs la coupole ................................................................................................................... 56
Figure 2.12 : Eclatement du bton ........................................................................................... 56
Figure 2.13 : Dfaut denrobage des aciers avec perte de section et de rsistance ................. 56
Liste des figures
Figure 2.14 : Aciers dnuds et corrods ................................................................................ 57

Figure 2.15 : Fissures et fuites au niveau de la paroi .............................................................. 57
Figure 3.1 : Espace des individus ............................................................................................ 65

Figure 3.2 : Espace des variables ............................................................................................ 65
Figure 3.3 : Nuage des individus ............................................................................................. 66
Figure 3.4 : Nuage des variables ............................................................................................. 68
Figure 3.5 : Reprsentation du nuage deux dimensions ....................................................... 68
Figure 3.6 : Reprsentation du nuage trois dimensions ........................................................ 68
Figure 3.7 : Reprsentation de G dans le repre (O, , , ) ............................................ 71

Figure 3.8 : Reprsentation variables centres dans le repre (G, , , ) ....................... 72

Figure 3.9 : Construction dun espace factoriel....................................................................... 74

Figure 3.10 : Ajustement dun individu i ................................................................................ 74
Figure 3.11 : Reprsentation des individus dans les nouveaux axes ....................................... 81
Figure 3.12: Cercle de corrlation ........................................................................................... 85
Figure 4.1 : Diagrammes des Valeurs propres ...................................................................... 107

Figure 4.2 : Cercle de corrlation des variables dans le plan factoriel (1et 2) ...................... 111
Figure 4.3 : Cercle de corrlation des variables dans le plan factoriel (1et 3) ...................... 112
Figure 4.4 : Reprsentation des individus dans le plan factoriel (1et 2) ............................... 118
Figure 4.5 : Reprsentation des individus dans le plan factoriel (1et 3) .............................. 119
Figure 4.6 : Reprsentation des variables et individus dans le plan factoriel (1et 2) ........... 120
Figure 4.7 : Reprsentation des variables et individus dans le plan factoriel (1et 3) ........... 122
Liste des tableaux
Tableau 1.1: Grille danalyse qualitative des symptmes ...................................................... 17

Tableau 1.2 : Grille danalyse qualitative des phnomnes ................................................... 17
Tableau 1.3 : Grille danalyse qualitative des fonctions ........................................................ 17
Tableau 1.4 : Grille danalyse qualitative de la gravit de la dfaillance de la fonction ....... 18
Tableau 1.5 : Paramtres adopts pour valuer la vulnrabilit des constructions en
maonnerie ............................................................................................................................... 24
Tableau 1.6 : Classes de vulnrabilit et pondration de chacun des paramtres structuraux,
ajusts partir des endommagements observs ...................................................................... 24
Tableau 1.7 : Notes lmentaires (Ki) et les pondrations (Wi) pour chaque paramtre .. 25
Tableau 1.8 : Classification des rservoirs en fonction de leurs indice de vulnrabilit Iv
.................................................................................................................................................. 26
Tableau 1.9 : Classification des paramtres et leur coefficient Ki .......................................... 27
Tableau 1.10: Reprsentation type d'un tableau A.C.P. ........................................................ 31
Tableau 2.1 : Liste des paramtres danalyse.......................................................................... 38

Tableau 2.2: Notes lmentaires de limplantation de louvrage ............................................ 40
Tableau 2.3 : Coefficients de pondration en fonction de la situation gographique ............. 40
Tableau 2.4 : Notes lmentaires de la zone sismique ............................................................ 41
Tableau 2.5 : Coefficients de pondration en fonction du site de louvrage ........................... 41
Tableau 2.6: Notes lmentaires en fonction des conditions du terrain ................................. 41
Tableau 2.7 : Coefficients de pondration en fonction des effets de site ................................ 42
Tableau 2.8 : Notes lmentaires en fonction du zonage de neige ....................................... 43
Tableau 2.9 : Coefficients de pondration en fonction de la forme de la toiture .................... 43
Tableau 2.10 : Notes lmentaires de laction du vent ........................................................... 43
Tableau 2.11 : Notes lmentaires en fonction du type de structure....................................... 45
Tableau 2.12 : Coefficients de pondration en fonction du type de matriaux ....................... 45
Tableau 2.13 : Notes lmentaire en fonction du type de fondations ..................................... 45
Tableau 2.14 : Coefficients de pondration en fonction des tassements de la fondation ........ 46
Tableau 2.15 : Notes lmentaires en fonction du mode dtanchit de la paroi .................. 46
Tableau 2.16 : Coefficient de pondration en fonction de ltat de ltanchit .................... 46
Tableau 2.17 : Notes lmentaires en fonction du type dtanchit de la couverture ........... 47
Tableau 2.18 : Pondration en fonction du degr de satisfaction de ltanchit .................. 47
Liste des tableaux
Tableau 2.19 : Notes lmentaires en fonction de lindice de gravit du dfaut .................... 48

Tableau 2.20 : Coefficients de pondration en fonction de lge de louvrage ...................... 48
Tableau 2.21 : Notes lmentaires du rle de rservoir .......................................................... 48
Tableau 2.22 : Pondration en fonction de ltat de laccessibilit pour entretien ................. 48
Tableau 2.23 : Notes lmentaires en fonction de limportance de louvrage ........................ 49
Tableau 2.24 : Pondration en fonction de la capacit de stockage du rservoir.................... 50
Tableau 2.25 : Notes lmentaires en fonction de la frquence dentretien du rservoir ....... 50
Tableau 2.26 : Grille de hirarchisation dune note partielle dun paramtre......................... 50
Tableau 2.27 : Classification dun rservoir en fonction de son Iv ................................... 51
Tableau 2.28 : Prsentation des rservoirs expertiss ............................................................. 51
Tableau 2.29 : Indice de vulnrabilit au jour de la mise en service en 2010 ........................ 53
Tableau 2.30 : Calcul de l'indice de vulnrabilit au jour de linspection en mars 2014........ 57
Tableau 2.31 : Prsentation de lindice de vulnrabilit des rservoirs expertiss ................ 59
Tableau 3.1: Reprsentation type d'un tableau A.C.P ........................................................... 64
Tableau 4.1 : Donnes brutes (n x p) ...................................................................................... 88

Tableau 4.2 : Tableau trait par StatBox ................................................................................. 90
Tableau 4.3 : Matrice de corrlation ....................................................................................... 93
Tableau 4.4 : Nouveau tableau de donnes ACP .................................................................... 94
Tableau 4.5 : Matrice de corrlation ....................................................................................... 95
Tableau 4.6 : Tableau de donnes finales ............................................................................... 96
Tableau 4.7 : Matrice de corrlation finale ............................................................................. 98
Tableau 4.8 : Table de Bravais-Pearson (Dagnelie, 2011) ...................................................... 99
Tableau 4.9 : Moyenne et carts types des variables ............................................................ 101
Tableau 4.10 : Matrice des donnes centres ........................................................................ 101
Tableau 4.11 : Matrice des donnes centres rduites .......................................................... 103
Tableau 4.12 : Vecteurs propres ............................................................................................ 105
Tableau 4.13 : Valeurs propres et leur variance associ ....................................................... 106
Tableau 4.14 : Coordonnes factoriels des variables ............................................................ 108
Tableau 4.15 : Contribution des variables ............................................................................. 108
Tableau 4.16 : Qualits des reprsentations des variables .................................................... 109
Tableau 4.17 : Coordonnes factoriels des individus ............................................................ 113
Tableau 4.18 : Contribution des variables ............................................................................. 115
Liste des tableaux
Tableau 4.19 : Qualits des reprsentations des individus .................................................... 116

Tableau 4.20 : Contribution des variables la formation de laxe ....................................... 121
Introduction gnrale
Le parc algrien de rservoirs de stockage d'eau potable compte prs de 40 000 rservoirs
et est majoritairement construit en bton (Hammoum et al, 2010). Le retour d'exprience de
prs d'un demi-sicle de gestion a mis en vidence une grande disparit du comportement de
ces ouvrages, qui se manifeste par plusieurs pathologies. Le manque d'entretien de ces
rservoirs, directement exposs aux menaces naturelles amne une acclration du
phnomne de vieillissement. Le diagnostic et lexpertise de ces rservoirs ayant des
pathologies diverses sont des tches complexes.
Un ingnieur expriment peut ds la premire visite connatre l'origine probable du

problme, mais pour un autre moins expriment la mme tche peut devenir difficile. Le
diagnostic reste toujours un exercice dont le niveau de difficult est trs relatif. Devant le
mme problme expos, les solutions proposes par les experts ne sont pas videmment
uniques. Chaque expert interprte le problme selon ses propres connaissances, car il n'existe
pas une loi dite de diagnostic, mais il y a un savoir faire pour le diagnostic. Cest ainsi que
(Hammoum, 2012) sest intress lvaluation de la vulnrabilit des rservoirs en bton
certains alas naturels (sisme, neige et ventetc.), par la dtermination dun indice Iv , en
faisant intervenir 13 paramtres influents (environnementaux, structuraux et fonctionnels).
Pour analyser ces paramtres et mettre en valeur la sensibilit de certains par rapport aux
autres et dans le but de rendre l'information moins redondante, nous utilisons dans le cadre de
ce mmoire, une mthode statistique dite ACP Analyse en Composantes Principales .
Cette mthode, appartenant la famille de l'analyse des donnes et plus gnralement de la
statistique multivarie, permet dexplorer les liaisons entre variables et les ressemblances
entre individus ; ce qui consiste chercher de nouveaux axes vecteurs propres correspondant
aux valeurs propres ordonnes du tableau croisant les individus (rservoirs) et les variables
quantitatives (paramtres).
Dans le cadre de cette tude, et pour appliquer la mthode ACP, nous considrons un
tableau de donnes rectangulaires avec des individus (rservoirs) en lignes et des variables
quantitatives (paramtres) en colonne. Ainsi, pour dmontrer lefficacit de lACP, nous avons
procd lexpertise dun parc de 54 rservoirs dans diffrentes dara (Larbaa Nath Irathen, Draa
Ben Khdda, Mekla) de la wilaya de Tizi Ouzou. Pour rcolter lensemble des informations
ncessaires au calcul des indices de vulnrabilit de diffrents ouvrages, des fiches denqute
conues spcialement pour le terrain (Bouhadoun et al, 2011) sont renseignes lors de
diffrentes missions de terrain effectues durant les annes 2013, 2014.
Introduction gnrale
Ainsi, ce travail de recherche est structur en quatre chapitres :
Le premier chapitre est consacr une tude bibliographique sur les mthodes de diagnostic
et danalyse de risques utilises dans le domaine de gnie civil, savoir les mthodes physiques,
les mthodes par suret de fonctionnement, les mthodes par expertise et enfin mthodes
statistiques en mettant laccent sur la mthode ACP. Ltude de la vulnrabilit des ouvrages
hydrauliques et plus particulirement les rservoirs de stockage deau a fait lobjet de notre
intrt principal.
Le deuxime chapitre est consacr lexpos de la mthode dexpertise dveloppe par
(Hammoum et al, 2012) pour lvaluation de lindice de vulnrabilit des rservoirs de stockage
en bton. Cette mthode est applique lchelle du parc que nous avons expertis et une tude de
cas est expose.
Le chapitre trois prsente la mthode ACP ; savoir lhistorique de la mthode, ses

champs dapplication, les logiciels utiliss ainsi que les diffrentes tapes de calcul et
linterprtation des rsultats dune ACP simple et dune ACP norme.
Le quatrime et dernier chapitre est ddi lapplication de la mthode ACP au parc de
rservoirs expertiss. Pour traiter le tableau de donnes obtenues, constitues de rservoirs en
lignes et de paramtres en colonnes, nous faisons appel au logiciel Stat Box qui est mis
notre disposition par le dpartement dAgronomie de lUMMTO. Ce logiciel est un outil
d'analyse et de traitement statistique compil sous Excel (annexe 2). Les rsultats donns par
Stat Box sont placs dans des feuilles Excel. Les graphiques et les mapping sont
modifiables avec les outils de dessin d'Excel.
Une conclusion gnrale achvera notre tude en essayant de dgager les principaux
rsultats obtenus.
Chapitre 1 :
Synthse bibliographique
Introduction
Les rservoirs de stockage sont considrs comme des ouvrages dart hydrauliques et
occupent une place trs particulire parmi les constructions. Le comportement mcanique
hyperstatique de ces ouvrages et le comportement particulier leffet hydrodynamique font
deux des structures complexes.
Limplantation des rservoirs obit des considrations hydrauliques lies la pression
de service souhaite dont la solution est obtenue par un compromis avec les contraintes
topographiques. Il vient alors que les sites privilgis pour cette implantation sont des
sommets de collines et de monticules ; afin dassurer la charge ncessaire aux abonns.
Cest pour cette raison, que les rservoirs sont soumis des conditions trs rudes. Parmi ces
conditions, nous avons les catastrophes naturelles telles que la neige, le vent et aussi les
tremblements de terre qui sont les plus terrifiants et les plus destructifs. Ces ouvrages
subissent aussi de fortes variations de surcharge dexploitation (eau contenue dans la cuve),
de faon souvent quotidienne et pour certains 3 4 fois par jour durant toute leur longue
priode de vie, ainsi que leffet hydrodynamique suite une excitation sismique. De ce fait,
on constate que les rservoirs sont soumis un rgime svre qui demande un soin
particulier apport leur conception, lors de la phase tude.
Lvaluation de la vulnrabilit est une approche intressante pour la lutte contre le
vieillissement et la dgradation des rservoirs. Elle reprsente un lment cl dans les
stratgies de prvention, voir de rduction du risque. Elle permet de disposer d'un outil
d'aide la dcision dans le cadre de calcul et de leur ralisation. Cest alors, que nous
consacrons ce premier chapitre la dfinition de la vulnrabilit dune structure vis avis de
certains alas naturels (neige, vent, sisme...etc.) et une synthse de travaux qui ont t
raliss et traitant de la question.
1.1. Gnralits sur les rservoirs

On peut classer les rservoirs selon leur position par rapport au sol en deux types ;
savoir le rservoir surlev et le rservoir au sol. Lorsque la topographie permet de disposer
d'un point haut, on construit un rservoir au sol. En revanche, lorsque le terrain ne prsente
pas de point suffisamment lev, on opte pour un rservoir surlev.
Les rservoirs peuvent tre munis dune couverture en coupole ou en dalle plate. La
forme en plan peut tre quelconque. Cependant la plupart du temps, les petits rservoirs se
font carrs ou rectangulaires, mais la forme circulaire est la moins couteuse. Lorsque les
Page 1
Chapitre 1 :
moyens dexcution le permettent, on ralise des rservoirs de forme tronconique et

cylindro-tronconique la place de rservoirs cylindriques de grand volume.
Les rservoirs peuvent tre raliss en maonnerie ou en acier pour de petites capacits.
De nos jours, la plupart des rservoirs sont raliss en bton arm ou en bton prcontraint.
a. Rservoirs surlev
Dans la mesure du possible, ces rservoirs sont placs en altitude pour fournir
passivement de la pression l'utilisateur final. Le remplissage du rservoir se fait par une
pompe d'alimentation de faon automatique, afin de maintenir un niveau constant
lintrieur de celui-ci. De plus, une grande hauteur de rservoir pnalise la phase de
production mais favorise la phase de distribution de leau. Ces rservoirs peuvent tre soit
sur une tour (figure 1.1), soit sur des pylnes de grande hauteur (chteaux deau) (figure
1.2) ou sur un btiment (figure 1.3).
Figure 1.1 : Rservoir surlev de 1500 m3 Benrahmoune (Boumerdes) (Boukais, 2012).
Figure 1.2 : Vue gnrale du rservoir sis Seikh Oumedour (Slimani, 2013).
Page 2
Chapitre 1 :
Figure 1.3 : Vue gnrale du rservoir sis Dar El Beida (Hamitouche, 2012).
b. Rservoirs au sol
Ces rservoirs peuvent tre poss au sol (figure 1.4.), semi enterrs (Figure 1.5) ou
entirement enterrs.
Pour les rservoirs poss au sol (ou trs peu enterr), le radier est toujours plac au contact
du sol sur un bton maigre de 5 10cm dpaisseur (Hammoum, 2012).
Figure 1.4 : Rservoir circulaire pos au sol en bton arm (Hammoum, 2012).
Page 3
Chapitre 1 :
Figure 1.5 : Rservoir circulaire semi enterr en bton arm (Hammoum, 2012).
1.2.
Etude de la vulnrabilit
La vulnrabilit traduit la fragilit dun systme dans son ensemble et sa capacit

surmonter les effets provoqus par lala. Elle est caractristique du systme un moment
donn et est modulable et volutive. Le seuil de vulnrabilit certains alas naturels
(neige, vent, sismeect) sera considr comme tant le niveau moyen de dgradation
un temps donn dun rservoir de stockage.
Les tudes de vulnrabilit ne sont pas uniquement ralises sur des btiments habitables
mais galement sur les ponts, les routes, les installations industrielles, les rseaux de
distribution deau et de gaz, les rseaux lectriques, etc.
On caractrise la vulnrabilit par un indice li la gomtrie de louvrage (dimensions,
hauteur, forme en plan, caractristiques architecturales), lge et aux matriaux de la
construction. Cette notion de vulnrabilit inclut limportance des structures en termes de
cot, mais aussi de vies humaines menaces.
Pour la clart de ce qui suit, il convient de donner ici la dfinition de quelques notions
fondamentales.
Ala
Lala est la probabilit doccurrence dans une rgion et au cours dune priode donne,
dun phnomne pouvant engendrer des dommages.
Risque
Le risque est une mesure d'un danger associant une mesure de l'occurrence d'un
vnement indsirable et une mesure de ses effets ou consquences.
Page 4
Chapitre 1 :
Le risque attach un danger est donc valu par une fonction deux variables. Pour
l'obtenir, on recherche :
1) une mesure de l'occurrence d'un danger (une dfaillance dans l'industrie, un tatlimite en gnie civil).
2) une estimation des effets ou consquences du danger s'il se produisait. Cette
estimation correspond gnralement un cot humain, conomique ou
environnemental (nombre de morts, cot conomique...),
Le risque est souvent exprim par la multiplication de ces deux quantits.
Risque = Alea x Vulnrabilit
Prvention
La seule faon efficace de se protger contre les catastrophes naturelles reste la
prvention. Elle concerne les actions mener, de manire diminuer limpact de ces
derniers sur les pertes humaines et aussi sur le plan conomique. Diminuer le risque ne peut
se faire quen diminuant la vulnrabilit, parce que lala dcoule des contraintes de notre
environnement naturel et ne peut tre modifi. Le rle de lingnieur est de fournir des
procds de construction ou de rhabilitation qui permettent de rduire la vulnrabilit des
nouvelles constructions ainsi que du bti existant.
1.3.
Analyse de risques par lestimation de la vulnrabilit des
structures
La prvention des risques a toujours t une proccupation essentielle des ingnieurs
du gnie civil, que ce soit lors de la conception des ouvrages, de leur construction, ou de
leur exploitation. Ce souci permet d'obtenir des ouvrages fiables, disponibles,
scuritaires..., bref des ouvrages srs, et pourtant cela na pas t formalis par les concepts
de l'analyse de risques. Ainsi, des gnrations d'ingnieurs du gnie civil ont fait et font de
l'analyse de risques sans utiliser ncessairement le cadre et les termes qui ont t consacrs
dans le contexte industriel et appliqus en Sret de Fonctionnement.
Lactivit du gnie civil se positionne prioritairement dans le cycle de vie de
l'exploitation d'ouvrages existants plutt que dans celui de la conception et la construction
d'ouvrages neufs. Les proccupations des ingnieurs du gnie civil se concentrent ainsi
largement sur l'optimisation de la maintenance et l'augmentation de la durabilit. Ensuite, la
pression croissante de la socit, confronte aux risques naturels et technologiques, induit
Page 5
Chapitre 1 :
une demande forte de transparence et d'affichage des risques. Par consquent, on constate
une volont nette de la communaut scientifique du gnie civil de se positionner dans le
domaine de l'analyse de risques.
Certains secteurs du gnie civil prsentent plus d'avance que d'autres. Ainsi, la Sret
de Fonctionnement, partir d'approches dterministes ou fiabilistes, est pratique depuis de
nombreuses annes dans le gnie civil du nuclaire et de l'offshore. Par ailleurs, on tend
analyser partir des statistiques les ouvrages grand linaire, tels que les rseaux enterrs
ou les routes. En revanche, en gnie civil traditionnel (ouvrages d'art, btiment... et de
faon gnrale pour les ouvrages rentrant dans le champ d'application des Eurocodes), on
privilgie les approches physiques et expertes de l'analyse des risques.
Le domaine particulier des barrages dans le gnie civil est intressant, car il sollicite la
mise en uvre de tout l'ventail d'approches de l'analyse de risques. Les modles physiques
sont dploys pour la connaissance fine des mcanismes. Les modles statistiques sont
utiliss en analyse des donnes d'auscultation. Lexpertise est largement mise contribution
en analyse prliminaire et en synthse d'tudes approfondies. Enfin, la Sret de
Fonctionnement applique aux barrages est actuellement en plein dveloppement.
1.4.
Diffrentes approches pour lanalyse des risques
De nombreux gestionnaires de parcs douvrages et dautres organismes ont dvelopp

diffrentes mthodes pour valuer les ouvrages de gnie civil des fins de diagnostic,
danalyse des risques et de programmation dactions de maintenances. Ces mthodes
peuvent tre groupes en deux familles: les mthodes internes et les mthodes externes
d'analyse de risques (Talon et al,
2009), (Zwingelstein, 1996). Pour chacune de ces
familles de mthodes, nous citons les applications remarquables en gnie civil.
1.4.1. Mthodes internes

Les mthodes internes reposent sur la connaissance profonde du fonctionnement du
systme tudi (un ouvrage en gnie civil). A partir de modlisations, il est alors possible
de prvoir son comportement futur et d'analyser ensuite les risques. Selon le type de
modle dcrivant le systme, on distingue deux approches : La modlisation physique et
La modlisation fonctionnelle par la Sret de Fonctionnement.
Page 6
Chapitre 1 :
1.4.1.1. Approche par modles physiques

Cette approche repose sur la modlisation physique des processus continus ou discrets
de dgradation du systme, en prenant en compte les quations rgissant les phnomnes
internes. Elle implique une connaissance approfondie du systme et sa reprsentation sous
la forme de modles physiques et mathmatiques, appuys par la simulation numrique.
La modlisation physique constitue l'approche privilgie de l'analyse de risques dans
le gnie civil traditionnel. Elle s'intresse aux mcanismes et aux lois de comportement des
matriaux et des structures. Ces dernires annes, elle connat des dveloppements
importants dans le domaine du calcul numrique : lments finis, lments discrets. La
modlisation physique permet d'apprcier la scurit d'un ouvrage vis--vis d'un
phnomne prjudiciable ou de prvoir l'volution d'un comportement. Parmi les modles
physiques nous avons les modles d'tats-limites (intervenant dans les mthodes aux tatslimites).
Les mthodes aux tats-limites
Les modles d'tats-limites s'attachent reprsenter soit les pertes de fonctionnalit
d'un ouvrage (les tats-limites de service), soit les modes de ruine ou les pertes d'quilibre
statique (les tats-limites ultimes). Ainsi, il permet dapprcier la scurit du louvrage en
dterminant les critres de stabilit lis aux tats limites dans les conditions relles
dexploitation. Dans l'approche dterministe, le projeteur s'attache vrifier que les
contraintes dveloppes dans la structure restent infrieures aux contraintes admissibles du
matriau ou de la structure (Hammoum, 2012).
Dans le domaine des rservoirs de stockage des fluides, le modle le plus connu est
celui de Housner. Daprs lEurocode 8 (partie 4 : consacre aux rservoirs), la stabilit
densemble du rservoir vis--vis de leffondrement doit tre satisfaite, sous leffet de
laction sismique lELU. La stabilit densemble se rapportant un comportement de
corps rigide peut tre perdue par glissement ou renversement. Il ya lieu de considrer la
somme des deux moments de renversement (dimpulsion et doscillation). Quant la
vrification au glissement, nous considrons la somme de la force dimpulsion et de la
force doscillation comme rsultante des forces horizontales.
A titre dillustration, la figure 1.6 qui suit prsente la modlisation dun rservoir surlev
sollicit au sisme, tenant compte de leffet hydrodynamique. Ouvrage particulirement
vulnrable ce genre de sollicitation.
Page 7
Chapitre 1 :
Figure 1.6 : Analyse hydrodynamique deux degrs de libert selon Housner (Livaoglu et al, 2006).
Pour tudier laction du liquide sur les parois du rservoir, (Hammoum et al, 2010)
ont utilis lapproche dveloppe par Housner (Housner, 1963), dans laquelle laction du
liquide est dcompose en une action passive provoquant des efforts dimpulsion et une
action active provoquant des efforts doscillation.
Les calculs mens par (Hammoum et al, 2010), ont mis en vidence deux
phnomnes lors dune excitation sismique :
une surtension (contraintes de traction horizontales) des bandes de la paroi circulaire,
laquelle provoquerait une fissuration verticale dans la bande, si elle nest pas absorbe
par des armatures horizontales (cerces) suffisantes.
lapparition de contraintes de traction verticales dans la paroi, qui provoqueraient des
fissurations horizontales, si elles ne sont pas absorbes par des armatures verticales (de
construction ou de rpartition) suffisantes.
Ces deux phnomnes agissant simultanment, provoquent des fissures inclines, laissant
paraitre des suintements qui se manifestent par la prsence dhumidit parfois charge en
sels aprs percolation travers le bton.
Ainsi, (Hammoum et al, 2010) ont montr que la ngligence ou lomission du
phnomne hydrodynamique sous estimait considrablement les contraintes de traction
(horizontales et verticales) agissant dans la paroi. Cette ngligence est la cause principale
de lapparition des fissures obliques sur la paroi du rservoir, localises la liaison paroiradier ; compromettant ainsi ltanchit de louvrage. Ces fissurations constituent une
pathologie trs largement observe sur des rservoirs actuellement en service en Algrie,
particulirement en zone IIb (moyenne sismicit) et zone III (forte sismicit).
Page 8
Chapitre 1 :
Ltude hydrodynamique approche par la mthode analytique de Housner, souvent

mconnue par les ingnieurs civils de bureaux dtudes, sy prte bien la programmation.
Aussi un programme de calcul informatique a t dvelopp sur un classeur Excel. Son
organigramme est prsent ci-dessous :
Organigramme de ltude hydrodynamique approche par la mthode de Housner
(Hammoum et al, 2010).
En utilisant le modle des tats limites, (Hammoum et al, 2012) ont mis en vidence
lorigine du scenario de vieillissement qui a provoqu la rupture de la ceinture suprieure et

du radier de deux rservoirs jumels en bton destins lalimentation en eau potable de la
wilaya de Jijel.
En enchainant les squences chronologiques de dfaillance (figure 1.7), (Hammoum et
al, 2012) ont constat que lespace au dessus des coupoles de couverture qui a t
transform en aire de stationnement des vhicules lourds est source des mcanismes
Page 9
Chapitre 1 :
physiques se produisant au sein du systme et conduisant des pertes ou dgradations de

fonctions.
Les surcharges au dessus de la coupole peuvent provoquer des surtensions au niveau de la
ceinture suprieure. Les surtensions peuvent entrainer leur tour une paufrure du bton,
qui aura pour effet de dnuder les aciers. Ces aciers dnuds laisss lair libre marin
agressif finiront long terme par se corroder. Cette corrosion induira une diminution de la
section des aciers. Le facteur de scurit pris en compte dans les calculs de
dimensionnement, sen trouve ainsi rduit ; ce qui aboutit la perte de fonction de cette
ceinture suprieure. Les oxydes de fer forment autour des armatures une gaine qui, partir
dune certaine importance, peut diminuer leur adhrence au bton. Cette perte
dentranement des barres conduit alors une perte gnrale de la rsistance de la ceinture.
La mobilisation des efforts par les barres en traction de la ceinture suprieure peut tre
modifie par un glissement relatif de lancrage lors de sollicitations, la mobilisation des
efforts se fait alors avec de plus grandes dformations. En dfinitive, la consquence de la
corrosion des armatures du bton arm est laffaiblissement et lappauvrissement des
capacits portantes de la ceinture suprieure. Ce scnario de vieillissement peut tre illustr
par le diagramme de la (figure 1.7).
Figure 1.7 : Scnario de vieillissement perte de rsistance de la ceinture (Hammoum et al, 2012).
Cest ainsi que (Hammoum et al, 2012) ont procd la vrification des contraintes; dans
les diffrents lments des rservoirs ; engendres par les vhicules stationnant au dessus
des coupoles. A travers leurs calculs, ils ont pu dmontrer que lorigine des dsordres est la
surcharge au dessus des coupoles. Ils avaient mis en vidence que la ngligence humaine
ou lignorance des agents de gestion de ce patrimoine a provoqu, sans se douter, les
dsordres irrparables de ces ouvrages, ayant cot lentreprise de gestion une
Page 10
Chapitre 1 :
perturbation dans la distribution en eau potable, une gne des abonns dans leur planning
de distribution et enfin une facture importante en investissement pour la reconstruction de
rservoirs neufs, en remplacement des anciens.
-
(Hamitouche, 2012) a men une analyse linaire dun immeuble surmont dun rservoir
implant Dar El Beida en zone sismique en le modlisant par la mthode des lments fini et
en utilisant le code du calcul Robot. Il a remarqu que le sisme de 2003 qui a endommag
la structure lui a fait subir une augmentation des contraintes dans le noyau central allant
jusqu presque un quart (1/4) de la valeur quelle aurait subit sous le sisme de 1988. Ainsi,
il a pu mettre en vidence les causes des dommages enregistrs sur le noyau central du
rservoir surlev, occasionn par le sisme de 2003 de Boumerds. Un des rsultats mis en
vidence, dans cette tude, est que la cartographie des fissures obtenue par simulation
numrique (cas de rservoir plein) sous le spectre de rponse 2003 (figure 1.8), reproduit
fidlement les fissures rencontres sur le terrain (figure 1.9), ce qui dmontre que le rservoir
tait bien rempli au moment du sisme de 2003.
Figure 1.8 : Cartographie du noyau central RDC (Hamitouche, 2012.)
Figure 1.9 : Photo noyau central RDC (Hamitouche, 2012).

Page 11
Chapitre 1 :
Aussi, dans son tude, (Hamitouche, 2012) propose un programme de rhabilitation et de

renforcement permettant, aprs calcul la rduction des contraintes de 25 % de la valeur quelle
a subit sous le sisme du 21 mai 2003. Ceci permet galement de rduire la priode de
louvrage de 1,46 secondes 1,36 secondes.
(Ait Lhadj, 2013), faisant suite aux travaux menes par (Hamitouche, 2012), a
effectu une analyse non linaire dite pushover du mme immeuble rservoir expertis en
utilisant le logiciel de calcul ETABS , afin de dterminer son comportement dans le
domaine non linaire et dvaluer sa performance sismique.
Au terme de son analyse non linaire, Ait Lhadj a procd au trac de la courbe de
capacit (figure 1.10), du point de performance (figure 1.11) , des dplacements relatifs inter
tages (figure 1.12) et de la demande en ductilit ( D) qui caractrise le degr de pntration
du btiment dans le domaine plastique. Elle a galement dtermin la distribution des rotules
plastiques dans les diffrents lments structuraux poutres, poteaux et noyau central ainsi que
leurs niveaux de dommages correspondant au point de performance.
Figure 1.10 : Courbe de capacit donne par le pushover (V-Sd) (Ait Lhadj, 2013).
Page 12
Chapitre 1 :
Figure 1.11 : Situation du point de performance (Ait Lhadj, 2013).
Figure 1.12 : Dplacement inter tage (Ait Lhadj, 2013).
Aprs lanalyse de ses rsultats, Ait Lhadj a constat que le point de performance de la
structure est estim un amortissement gal 17%, avec un dplacement spectral
correspondant 5,9 cm. Dans le cadre de son tude, elle a propos une chelle du
comportement de la structure comportant quatre couleurs, tels que :
Page 13
Chapitre 1 :
Vert : dfinit un comportement lastique de la structure,
Orange1 : dfinit un comportement lasto-plastique ;
Orange 2 : dfinit le comportement post plastique ;
Rouge : dfinit ltat limite ultime et/ou leffondrement de la structure
En situant le point de fonctionnement sur le spectre de capacit, elle a remarqu que ce

dernier est localise dans la zone orange 1 ; qui dfinie un comportement plastique globale de
la structure ; ce qui signifie que :
le taux dendommagement de cet ouvrage est de lordre 3 ; qui correspond

lapparition des fissures dans quelques lments de ce dernier.
le taux de pntration dans le domaine plastique est estim 2.83.
Ce qui a conduit Ait Lhadj conclure que la structure pourra rsister mieux si elle t
implante dans une zone sismique de faible magnitude.
La mthode aux tats-limites est aussi utilise dans le domaine des barrages.
Les principales actions externes prises en compte dans la justification des barrages sont
le poids propre, la pousse des sdiments se dposant dans la retenue, le cas chant les
actions lies des dispositifs particuliers (tirants d'ancrages, recharge aval...), les actions
variables de l'eau (les pousses hydrostatiques amont et aval, les sous-pressions) et l'action
accidentelle des sismes. Les intensits des actions de l'eau sont obtenues dans les
diffrentes configurations de remplissage de la retenue (le niveau normal d'exploitation, les
plus hautes eaux correspondant la crue de projet, la retenue vide, la vidange rapide pour
les remblais). Les rsistances de matriaux sont obtenues par jugement d'expert partir de
rsultats d'essais sur les matriaux.
On rencontre diffrents tats-limites dans les recommandations. Pour les barrages
poids, on justifie le non glissement de l'ouvrage sur son sol d'assise, le non renversement de
louvrage, le non cisaillement du corps du barrage et la non traction du parement amont.
Les conditions d'tats-limites s'expriment partir d'un modle physique de l'tat-limite et
font intervenir un coefficient global de scurit. La figure 1.13 montre l'exemple de la
justification de l'tat limite de glissement d'un barrage poids (Peyras et al, 2003).
Page 14
Chapitre 1 :
Figure 1.13 : Etat-Limite de glissement dans les barrages poids (Pyras, 2003).
1.4.1.2. La modlisation fonctionnelle par la Sret de Fonctionnement

La Sret de Fonctionnement est dfinie comme la science des dfaillances. L'analyse de
la sret de fonctionnement d'un ouvrage repose sur la prvision de l'volution de sa
performance (aptitude au service, scurit structurale, durabilit), en fonction de
l'environnement et des sollicitations auxquelles il est soumis.
Il existe plusieurs mthodes dvaluation de la vulnrabilit par modlisation fonctionnelle
par suret fonctionnement qui diffrent les unes des autres, et parmi ces mthodes nous
avons lAnalyse des Modes de Dfaillances et de leurs Effets (AMDE), et de leur Criticit
(AMDEC). Nous citons, dans ce qui suit, lapplication de cette dernire dans le domaine de
gnie civil.
Analyse des Modes de Dfaillances, de leurs Effets (AMDE) et de leur Criticit

(AMDEC)
Cest loutil danalyse le plus utilis et lun des plus efficaces parmi lensemble des
techniques inductives disponibles. Introduite dans laronautique depuis 1960, elle sest
peu peu impose dans le spatial, le nuclaire, la chimie, lindustrie automobile...etc. Elle
commence par une description du systme, de sa morphologie et de son fonctionnement.
Ensuite, sont recenses les dfaillances de chaque sous systme ou composants.
La mthode AMDE (Analyse des Modes de Dfaillance et de leurs Effets) est une
mthode inductive danalyse des dfaillances potentielles dun systme. Elle considre,
systmatiquement lun aprs lautre, chaque composant du systme et analyse ses modes de
dfaillances. Un mode de dfaillance est la manire par laquelle le systme tudi ne va
plus remplir sa fonction : chaque fonction non remplie ou mal remplie correspond un
Page 15
Chapitre 1 :
mode dfaillance. Ceux-ci doivent tre quantifis en fonction de diffrents paramtres. On

procde ensuite la hirarchisation des modes de dfaillance.
Lorsque lAMDE globale de tous les composants est termine, une analyse
dvaluation des risques est effectue pour toutes les dfaillances prcdemment
identifies. Lvaluation des risques potentiels se traduit par le calcul de la Criticit,
partir de lestimation du couple indice de gravit et de frquence (probabilit).
Cette criticit permet de :
noter limportance du risque engendr par chaque cause de dfaillance ;
hirarchiser les causes entre elles afin de dterminer celles qui doivent faire lobjet
dune action corrective.
L'indice de Criticit est calcul pour chaque cause de dfaillance, en effectuant le produit
de deux indices : C = F. G
O :
F dsigne lindice de frquence : Il reprsente la probabilit que la cause de

dfaillance apparaisse et qu'elle entrane le mode potentiel de dfaillance considr.
G dsigne lindice de gravit : Il reprsente le niveau de consquences provoques par

lapparition du mode de dfaillance.
Il est bon de noter que plus la probabilit est grande et plus les effets sont jugs graves, plus
la criticit dun mode de dfaillance est alors plus importante et plus il devient ncessaire
de prendre des mesures correctives. La criticit est dfinie comme le risque de dgradation
ou dfaillance dun composant.
(Peyras, 2003) a utilis lAMDE Produit sur les barrages, qui consiste faire une
analyse qualitative sur les trois variables (symptme, phnomne et fonction). Il propose
une grille danalyse qualitative de ltat de chacune des variables de chaque composant du
barrage.
Il dtermine les attributs de la normalit de la variable symptme conformment au tableau
suivant :
Page 16
Chapitre 1 :
Tableau 1.1 : Grille danalyse qualitative des symptmes.

Attributs dtat du symptme
Qualification
symptme normal
symptme lgrement en cart par rapport

ltat normal
symptme en cart sensible par rapport la

normalit
symptme alarmant
Puis donne les attributs dtat de lampleur de la variable phnomne selon la grille
suivante :
Tableau 1.2 : Grille danalyse qualitative des phnomnes.
Attributs dtat du phnomne
Qualification
phnomne absent ou normal
phnomne faible ou lgrement en cart par

rapport l'tat normal
phnomne important
phnomne trs important
Et enfin, donne les attributs dtat de la performance de la fonction selon la grille

suivante :
Tableau 1.3 : Grille danalyse qualitative des fonctions.
Attributs dtat de la fonction
Qualification
Fonction optimale
Fonction correcte
Fonction partielle
Fonction dfaillante
Or, lattribut dtat de la fonction ne peut tre obtenu directement par des symptmes car
ces derniers renseignent les phnomnes (et non pas les fonctions). Il est alors ncessaire de
revenir aux causes de pertes de performance (cest dire les phnomnes) qui sont
lorigine de la perte de performance de la fonction. Dans cette dmarche lanalyse
qualitative dune fonction un instant dobservation T est tablie en considrant :
Page 17
Chapitre 1 :
Lhistorique des n phnomnes lorigine de la dgradation de la fonction, c'est-dire les lois dvolution des attributs dtat des phnomnes entre linstant initial (lors
de la mise en service de louvrage) et linstant dobservation T.
Attribut de la performance de la fonction linstant initiale to.
Sauf que cette manire de faire prsente linconvnient li la difficult dapprcier cette
loi dvolution en fonction du temps. Pour palier cette difficult, et dans le but de
dterminer plus tard la criticit des consquences de la dfaillance dun composant par la
mthode de lAMDEC, il est important de dfinir lindice de gravit des effets de
dfaillance dun composant. Cet indice de gravit renseigne sur la svrit relative leffet
de dfaillance.
Pour apprcier lindice de gravit de la dfaillance de la fonction dun composant,
(Hammoum, 2012) a propos, les attributs dtat de la gravit de la dfaillance fonction du
composant dans le tableau qui suit :
Tableau 1.4 : Grille danalyse qualitative de la gravit de la dfaillance de la fonction.
Attributs dtat de la gravit
de dfaillance de la fonction
Indice de
gravit
Qualification
Niveau 1
Pas de dsordres visibles
Niveau 2
Quelques dfauts, composant

surveiller
Niveau 3
Dfauts spcifiques de gravit

variable
Niveau 4
Dfauts trs important

risque de ruine
et
A partir des mthodes issues de la suret de fonctionnement adaptes au gnie civil
(analyse fonctionnelle, arbres de dfaillances et lAMDE) ; le Cemagref (Centre national du

machinisme agricole, du gnie rural, des eaux et des forets), en collaboration avec
lUniversit Marne la-Valle (laboratoire Gnie urbain, environnement et habitat) et
lUniversit Blaise-Pascal (Laboratoire de gnie civil), ont dvelopp des mthodes
dvaluation de laptitude au service des ouvrages hydrauliques, avec des applications pour
les digues fluviales et les barrages (Serre et al, 2007). Un modle fonctionnel rpondant des
besoins de mthodes dvaluation gnriques et utilisables pour des ouvrages de nature
diffrente a t dvelopp. La modlisation des mcanismes de vieillissement et de rupture
permet de construire des indicateurs structurels reprsentatifs de ltat des ouvrages
hydrauliques. Cette dmarche scientifique a permis dobtenir une bonne exhaustivit des
Page 18
Chapitre 1 :
indicateurs entrant dans lvaluation de la performance des ouvrages, en comparaison avec

une dmarche directe heuristique qui ne permettrait pas de tels rsultats. Fonde sur lanalyse
de la connaissance sur les dfaillances des ouvrages hydrauliques et lappui dun groupe
dexperts conseils, une base de rgles dvaluation des indicateurs structurels a t propose.
Ces rgles intgrent lensemble des informations disponibles sur les ouvrages, celles issues de
la connaissance physique des mcanismes, des donnes dauscultation ou des inspections
visuelles. La prise en compte de la connaissance heuristique des ingnieurs vient complter la
dmarche systmatique du modle thorique fonctionnel, permettant ainsi dobtenir une base
de rgles fonde, dune part, sur une dmarche scientifique rigoureuse, dautre part, sur la
pratique des experts du domaine.
Les indicateurs structurels des ouvrages sont agrgs au moyen dune mthode danalyse
multicritres base de rgles daffectation, permettant ainsi de construire un indicateur de
performance pour chaque mcanisme. Des tests de validation sur des ouvrages rels sont
effectus pour sassurer de la pertinence et de la validit des rsultats obtenus pour
lvaluation de la performance des ouvrages (figure 1.14 et 1.15). Les analyses de sensibilit
montrent une bonne concordance entre la mthode base dindicateurs et des diagnostics
traditionnels. Toutefois, ces tests doivent tre poursuivis sur de nombreux ouvrages afin de
rajouter ou de modifier des rgles daffectation pour augmenter la prcision de la mthode
base dindicateurs.
Figure 1.14 : Evaluation de la performance dune digue fluviale tanchit amont,

vis--vis du mcanisme drosion interne (Serre, 2005).
Page 19
Chapitre 1 :
Figure 1.15 : Performance dune digue fluviale vis--vis du mcanisme drosion interne
(Serre et al. 2007).
La pratique rvle que la mthode base dindicateurs est bien admise parmi les ingnieurs
spcialistes des ouvrages hydrauliques. Cet tat de fait rsulte de lintgration de la dmarche
dingnierie traditionnelle aux rgles daffectation des indicateurs structurels et de
performance. Un autre avantage important de cette mthode, qui est apparu lusage, est
ladaptabilit de la base de rgles : celle-ci peut tre modifie et complte de manire trs
simple. Ainsi, la mthode propose offre une transparence, dans la mesure o toutes les rgles
sont nonces et accessibles aux experts. Ce modle a servi de base plusieurs recherches et
applications.
Dans le domaine des barrages, des bases de connaissances sur les mcanismes et les
historiques de vieillissement ont t dveloppes et sont destines aux experts du domaine
pour laide au diagnostic et lanalyse de risques (Peyras et al, 2006). Dans le domaine des
digues, des mthodes dvaluation de la performance ont t proposes. Elles sont utilises
par les gestionnaires douvrages et intgres dans un systme dinformation gographique
(Serre et al. 2006). Une nouvelle recherche, rcemment engage, vise dvelopper des
mthodes daide lexpertise pour lvaluation de la suret de fonctionnement des barrages en
service (Curt et al.2006).
Page 20
Chapitre 1 :
Pour bien illustrer la mthode de suret de fonctionnement (AMDEC), (Hammoum,
et al, 2014) ont dfini un scnario de vieillissement des rservoirs de stockage qui sont de
typologie varie, htrogne au sein dun mme parc et possdent une documentation
technique incomplte, gnralement inexistante (ouvrages non documents).
Un scnario de vieillissement est dfini comme un enchainement de causes et deffets qui
conduisent la dgradation des caractristiques et proprits de louvrage. (Hammoum et
al, 2014) ont dress les principaux mcanismes de vieillissement des rservoirs en bton
pouvant apparaitre ds la mise en service de louvrage. Ils ont pu rpertorier sept
principaux mcanismes de vieillissement des rservoirs en bton (Scnario 1, 2, ,7) :
- scnario 1 : dformation du sol de fondation,
- scnario 2 : alcali-raction,
- scnario 3 : corrosion des aciers,
- scnario 4 : dgradation des composants par raction avec le milieu (vent, gel, neige),
- scnario 5 : dgradation des enduits tanche,
- scnario 6 : dgradation du revtement dtanchit de couverture,
- scnario 7 : faiblesse du rservoir vis--vis de leffet hydrodynamique.
Leur objectif tait didentifier toutes les fonctions du systme (rservoir) en considrant
chacun de ses composants, pour ensuite identifier leurs modes de dfaillance, leurs causes
et effets. Pour ce faire, ils ont procds lanalyse fonctionnelle externe qui leurs ont
permis dobtenir les fonctions principales et de contrainte accomplies par le systme
considr dans sa globalit. Puis lanalyse fonctionnelle interne ; qui leur ont permis de
dfinir le rle de chaque composant ainsi que les interactions entre ces derniers. Ceci a
aboutit la construction des Blocs Diagrammes Fonctionnels qui ont matrialis les
relations entre les composants du systme et les relations entre les composants et les
milieux extrieurs. A partir des blocs diagrammes fonctionnels, ils ont dtermin les
fonctions de conception des composants du systme.
1.4.2. Les mthodes externes

Les mthodes externes s'appliquent dans des contextes o la modlisation des
mcanismes (physiques ou fonctionnels) n'est techniquement pas possible ou pas adapte
au niveau de proccupation, compte tenu de sa complexit ou de son cot. En fonction des
informations disponibles, on distingue les mthodes bases sur l'analyse statistique et celles
bases sur l'expertise.
Page 21
Chapitre 1 :
1.4.2.1. Analyse des risques par expertise

On dfinit l'expert comme une personne disposant d'un savoir et d'un savoir-faire. Son
raisonnement fait appel ses connaissances thoriques (connaissance fine du systme dont
il est expert) et la longue exprience dont il tire des prcdents et son savoir-faire
(Zwingelstein, 1996). Dans une approche d'analyse de risques base sur l'expertise, l'expert
adopte un raisonnement par analogie : il cherche prvoir les volutions futures des
dgradations d'un ouvrage soumis un mcanisme, en examinant le comportement
d'ouvrages de mme type dj connus de lui. L'expert peut alors valuer le temps ncessaire
pour que de nouvelles dgradations apparaissent et les consquences associes, puis
anticiper les volutions et dfinir les dispositions correctives pertinentes : rparation,
confortement, mesures d'urgence...etc.
Face un parc d'ouvrages htrognes ou d'ouvrages homognes en petit nombre, dans

des contextes d'ouvrages mal connus, les donnes disponibles sont souvent en petite
quantit, incompltes et imprcises (Hammoum, 2012). La faon la plus simple d'valuer
les volutions des ouvrages est alors d'examiner les lois d'volution d'ouvrages existants de
mme conception et ayant connu des mcanismes analogues. Quelques gestionnaires de
parcs d'ouvrages htrognes pratiquent cette approche base sur le retour d'exprience et
appuye par l'expertise, l'instar de la SNCF sur son parc de tunnels en briques (Crmona,
2002).
De rcents travaux ont t mens pour dvelopper l'analyse de risques par expertise
(Peyras et al, 2005). Ils ont consist construire, d'une part, des bases de connaissances sur
les mcanismes, d'autre part, des bases de donnes d'tudes de cas de barrages ayant connu
des dgradations. Par rfrence des ouvrages de mme type et soumis des mcanismes
analogues, ces bases de donnes sont destines aider les experts dans leurs missions de
diagnostic et d'analyse de risques. Cette dmarche d'aide l'expertise, rsume la figure
1.16, est donc base sur la capitalisation de la connaissance experte et du retour
d'exprience.
Ces travaux ont conduit dvelopper des modles gnriques, pouvant s'adapter tous
les mcanismes, permettant de reprsenter la connaissance experte sous forme de scnarios
et d'archiver les tudes de cas sous forme d'historiques de vieillissement. Les bases de
donnes de scnarios et d'historiques de vieillissement sont ensuite destines tre
manipules au moyen d'outils informatiques d'aide l'expertise (Peyras et al, 2005).
Page 22
Chapitre 1 :
Figure 1.16 : Dmarche d'aide l'expertise base sur la capitalisation de la

connaissance experte et du retour d'exprience (Peyras et al, 2005).
En synthse, l'analyse de risques par expertise est mise en uvre dans les contextes o la
modlisation physique ou fonctionnelle n'est pas possible ( un cot raisonnable) et o les
donnes sont peu abondantes. L'expert est alors le seul capable de prvoir l'volution d'un
systme et ses dfaillances potentielles. Certains domaines du gnie civil ont formalis
cette approche par le dveloppement d'outils d'aide l'expertise bass sur la capitalisation
des connaissances experte et du retour d'exprience.
A. Mthode GNDT
En Italie, lutilisation dune technique dvaluation pour assigner des indices de
vulnrabilit a t propose pour la premire fois par (Benedetti et al, 1984).
Cette
technique a t dveloppe par la suite par le Groupe National de Dfense Contre les
Tremblements de Terre (GNDT) du Conseil national de recherche de lItalie (CNR). La
mthode GNDT, maintenant largement utilise, a permis de rpertorier des milliers de
btiments travers lItalie (Augusti et al, 2000). Elle a t tablie en distinguant les
btiments en maonnerie des btiments en bton arm.
Lindice de vulnrabilit des btiments en maonnerie se calcule, en combinant des
informations descriptives (typologiques et qualitatives) et des informations quantitatives
pour paramtres, dcrits au tableau 1.5.
Pour chaque paramtre, on dfinit la classe de vulnrabilit Ivi comprise entre A et D.
la moins vulnrable est la classe A. Elle traduit la conformit de ce paramtre vis--vis de
lintgrit de la structure. La plus vulnrable est la classe D. Elle traduit la situation la plus
Page 23
Chapitre 1 :
dfavorable, tandis que les classes B et C reprsentent des situations intermdiaires.

Tableau 1.5: Paramtres adopts pour valuer la vulnrabilit des constructions en maonnerie.
Paramtre
Type et organisation du systme porteur
Qualit du systme porteur
Rsistance conventionnelle
Implantation et fondations
Planchers et toitures (diaphragme)
Configuration en plan
Configuration en lvation
Maonneries
Toiture
10
lments non structuraux
11
tat de conservation ou maintenance
Lindice de vulnrabilit de base Iv se calcule comme la somme pondre des Ivi. Le

tableau 1.6 montre que chaque paramtre structurel est caractris par une classe de
vulnrabilit entre A et D et par une pondration (Wi) pour tenir compte de limportance
de chacun des paramtres dans le comportement globale de la structure.
Tableau 1.6 : Classes de vulnrabilit et pondration de chacun des paramtres structuraux,

ajusts partir des endommagements observs.
N
Paramtre
Type et organisation du systme porteur
Qualit du systme porteur
Rsistance conventionnelle
Wi
20
45
25
45
0,25
25
45
1,5
Implantation et fondations
25
45
0 ,75
Planchers et toitures (diaphragme)
15
45
Variable
Configuration en plan
25
45
0,5
Configuration en lvation
25
45
Variable
Maonneries
25
45
0,25
Toiture
15
25
45
Variable
10
lments non structuraux
25
45
0,25
11
tat de conservation ou maintenance
25
45
Page 24
Chapitre 1 :
Pour les paramtres 5,7 et 9, la pondration Wi varie entre 0,5 et 1, suivant la classe de
vulnrabilit.
En sinspirant de la mthode GNDT, (Slimani, 2013)
a dvelopp une mthode
dvaluation de la vulnrabilit sismique des rservoirs de stockage deau surleve en se

basant sur des paramtres typologiques (type de systme de contreventement, rgularit en
plan, rgularit en lvation, type de soletc), et sur des paramtres qualitatifs (qualit du
systme de contreventement, qualit des nuds, maintenance et dtailsect) ; celle-ci
permet de classer ces ouvrages en diffrentes classes de vulnrabilit :
- La classe A traduit la conformit du paramtre vis--vis de lintgrit de la structure ;
- La classe C est la plus vulnrable, elle traduit la situation la plus dfavorable ;
- et enfin la classe B reprsente la situation intermdiaire.
Chaque classe est sanctionne par une note lmentaire Ki. Le principe de notation
est fonction de laccroissement du risque de vulnrabilit.
La note lmentaire Ki prend trois valeurs 0 ; 5 ou
15, qui correspondent
respectivement la situation idale, situation intermdiaire et situation critique, comme le

montre le tableau 1.7.
Par ailleurs, des pondrations Wi sont affectes chaque paramtre allant de 0,25
1,75 pour tenir compte de limportance de chacun des paramtres dans le comportement
global de la structure, comme lillustre le tableau 1.7 :
Tableau 1.7 : Notes lmentaires (Ki) et les pondrations (Wi) pour chaque paramtre.
N
Notes lmentaires Ki
paramtres
Pondration
Classe
A
Classe B
Classe
C
Wi
Le comportement au sisme
15
1,75
Entrechoquement
15
1,75
Systme de contreventement
15
1,50
Rgularit en plan
15
1,50
Rgularit en lvation
15
1,50
Type de sol
15
1,00
Implantation du rservoir
15
1,00
Zone sismique
15
1,00
Qualit des nuds
15
0,75
15
0,75
15
0,50
10
Qualit
du
contreventement
systme
de
11
Maintenance
12
Dtails
15
0,25
Page 25
Chapitre 1 :
La note partielle dun paramtre est obtenue par le produit KiWi , et lindice de
vulnrabilit Iv sexprime par la somme des notes partielles des diffrents paramtres :
En considrant tous les paramtres danalyse numrs prcdemment (tableau 1.8), la

classification suivante est propose dans le tableau ci-dessous:
Tableau 1.8 : Classification des rservoirs en fonction de leurs indice de vulnrabilit Iv .
Classe
vert
Orange1
Orange2
Rouge
Iv
0 - 33
33 - 90
90 - 133
133 - 199
Le niveau vert : 0 Iv 33 exprime que le rservoir expertis nest pas vulnrable au

sisme. Louvrage prsente un bon comportement et une bonne rsistance lalea sismique.
Le niveau orange1 : 33 Iv 90 exprime que la rsistance sismique est assez bonne,
donc le rservoir expertis est moyennement vulnrable.
Le niveau orange 2 : 90 Iv 133 exprime que la rsistance sismique est faible, donc le
rservoir expertis prsente une vulnrabilit assez leve.
Le niveau rouge: 133 Iv 199 exprime que les rservoirs ont une rsistance sismique
trs faible et donc le rservoir prsente une vulnrabilit sismique lev.
Les rservoirs appartenant la classe verte ne ncessitent pas dintervention. Celles
appartenant la classe orange (orange 1 et orange 2) ncessitent un renforcement, une
tude dans ce sens devra tre effectue. Quant ceux appartenant la classe rouge, ils
doivent tre vacues immdiatement et dmolis, moins quils nappartiennent un
patrimoine prserv ; dans ce cas une tude particulire devra tre entreprise.
B. Etude de BELHOUENE
(Belhouene, 2006) propose de quantifier la vulnrabilit sismique des btiments en
bton arm, en dveloppant la mthode de lindex de vulnrabilit. Ceci a ncessit la
dfinition des paramtres influents sur la dtermination de cet index, ainsi que de leurs
coefficients de pondration. Lindex ainsi calcul, permet la classification des btiments.
Pour cette classification, elle propose trois classes. La premire regroupe les structures
ayant un bon comportement, la seconde, un comportement moyen et enfin, la troisime
regroupe les constructions ayant une mauvaise tenue au sisme. Elle dveloppe aussi un
code de calcul en langage Delphi. Cet outil dvelopp permet de faire le diagnostic des
btiments existants en bton arm par lanalyse de la vulnrabilit sismique. Cette mthode
Page 26
Chapitre 1 :
est dveloppe en tenant compte de linfluence des lments structuraux et non structuraux
sur la rponse sismique de la construction. Elle consiste attribuer une valeur numrique
chaque btiment, dite index de vulnrabilit Iv, qui est une reprsentation de sa qualit
sismique.
Les paramtres utiliss pour le calcul de lindex de vulnrabilit sont au nombre de
quatorze, dfinis par lapproche experte, base sur le retour dexprience de sismicit en
Algrie. Afin de caractriser chacun des paramtres de ltude, un certain nombre
dinformations sur le btiment est ncessaire, obtenues par le renseignement de fiche
dvaluation ou denqutes dveloppe dans la cadre de cette recherche.
Tableau 1.9 : Classification des paramtres et leur coefficient Ki.
N
Paramtre
Classe A
Classe B
Classe C
Systme de contreventement
0,25
1,25
2,25
Qualit du systme de contreventement
0,25
0,50
0,75
La capacit sismique
0,00
0,25
0,50
Type de sol
0,25
0,50
0,75
Diaphragme horizontal
0,25
0,50
0,75
Rgularit en plan
0,25
0,50
0,75
Rgularit en lvation
0,25
0,75
1,75
Qualit des nouds
0,25
0,50
0,75
Phnomne du poteau court
0,25
0,50
0,75
10
Dtails
0,25
0,50
0,75
11
Maintenance
0,25
0,75
1,25
12
Modifications
0,25
0,50
0,75
13
Entrechoquement
0,25
0,50
0,75
14
Implantation de l'ouvrage
0,25
0,50
0,75
Vulnrabilit des ouvrages hydrauliques

Parmi les tudes les plus intressantes dans le cadre de ce domaine, on trouve
les travaux faits par lquipe de
G. Mathieu au Cemagref (Aix en
Provence,
France) qui ont t repris, et ont t adapt au contexte Algrien par (Hammoum,
2012).
- (Mathieu et al, 1990) ayant travaill sur des ouvrages hydrauliques (barrages,
rservoirs), ont propos une classification des ouvrages selon lindice de gravit, en se
basant sur les dfauts apparents. Six classes sont dfinies, dont la gravit va en croissance
de A vers F.
Classe A : ouvrage en bon tat (neuf ou ancien), sans dfaut.
Page 27
Chapitre 1 :
Classe B : dfauts existants ds la naissance de louvrage et sans consquence importantes

autres questhtiques.
Classe C : dfauts dont lvolution peut se faire anormalement.
Classe D : dfauts rvlateurs dune volution de la dgradation dun ouvrage. Ils sont
rangs en trois sous classe :
classe D1. Dfauts qui indiquent un dbut dvolution.
classe D2. Dfauts qui indiquent une volution avance pour des pices (ou
ouvrage) qui ne sont pas en contact avec des liquides.
classe D3. Dfauts qui indiquent une volution avance pour des pices (ou
ouvrage) en contact avec des liquides.
Classe E : dfauts qui traduisent de faon trs nette une modification du comportement
de la structure et qui mettent en cause la dure de vie de louvrage.
Classe F : dfauts indiquant la proximit dun tat limite et ncessitant soit une
restriction dutilisation, soit la mise hors service de louvrage.
Aprs lexpertise de louvrage, en se basant sur les dfauts enregistrs sur ce dernier, un
classement de louvrage dans une chelle croissante dvaluation des dsordres est effectu.
Celle-ci est constitue de quatre niveaux variant de 1 4 qui prennent en compte les six
classes de dfauts apparents expos prcdemment. Les diffrents niveaux de dsordre sont
donns comme suit :
Niveau 1 : Regroupe les Classe A et classe B, Peu ou pas de dsordres visibles. Rien
signaler de particulier. Suivi et entretien normale de louvrage (annuel ou biannuel, suivant
la nature et destination).
Niveau 2 : Classe C, quelques dfauts, ouvrages surveiller.
Niveau 3 : Regroupe les Classe D et classe E, dfaut spcifique de gravit variable.
Demande un suivi et des investigations.
Niveau 4 : Classe F, louvrage ne peut pas assurer sa fonction en toute fiabilit. Le
risque de ruine est important. Il faut envisager ventuellement des solutions
confortatives de premire urgence et/ou la dmolition de louvrage.
Les travaux de Hammoum sur un large parc de rservoirs que compte la wilaya de Jijel ont
aboutis un inventaire de dfauts structuraux classs conformment la classification
tablie par (Mathieu et al, 1990), avec les modes de rparations possibles.
Page 28
Chapitre 1 :
- (Hammoum et al, 2012) se sont intress
lvaluation de la vulnrabilit des
rservoirs en bton certains alas naturels (sisme, neige et ventetc.), par la dtermination
dun indice Iv en faisant intervenir 13 paramtres influents (environnementaux,
structuraux et fonctionnels). Lexpos de cette mthode ferra lobjet du deuxime chapitre de
ce mmoire.
Aussi, il a essay dapporter des solutions aux problmes de pathologies, diagnostic et
rparation, en dfinissant une mthodologie dvaluation et des modes de rparation
possibles. Ceci se traduit en pratique par un ou plusieurs dfauts constats et par une ou
plusieurs mthodes de renforcement qui doivent conduire un confortement de qualit et de
fiabilit.
(Saradouni, 2013) sest inspir des travaux de (Hammoum, 2012) pour expertiser un
parc de retenues collinaires
de la wilaya de Tizi Ouzou, travers leurs indices de
vulnrabilit. Les retenues expertises sont de type homogne, ralises en remblai compact.
Cette mthodologie a permet une valuation simple et rapide de leur vulnrabilit. La
dtrmination de lindice de vulnrabilit dans le cycle de vie des retenues collinaies a
montr travers lxpertise des retenues tudis, quau dela dun certain degr de
dgradation les consquences sur le comportement de la structure nest plus ngligables. La
structure, aprs rhabilitation gangne de la performance mais ne revient jamais son tat
initial.
Elle a montr que plusieurs pathologies sont prsentes sur le parc expertis dans la
wilaya de T.O (figure 1.17).
Figure 1.17 : Proportions des dfauts apparents dans le parc expertis.
La prsence de vgtation, la corrosion et le colmatage des vannes, lobturation et /ou

Page 29
Chapitre 1 :
lendommagement des vacuateurs de crue et les fuites (suintements) sont des pathologies
rencontres sur toutes les retenues du parc expertis (taux de 100%).
Le dfaut dornirages occupe la seconde place dans les dfauts les plus frquemment
rencontrs avec un taux allant de 65%.
Viennent par la suite les glissements, les ravines, les affaissements et les fissures, avec
un taux variant de 45 % 20 %. Leurs proportions sont proches les uns des autres.
Enfin sont classes en dernier les terriers, leffet de batillage, lenvasement de la cuvette
et lrosion du corps de la digue avec un taux infrieur 20%.
1.4.2.2. Analyse des risques partir des statistiques

Quelques domaines particuliers du gnie civil permettent une dmarche d'analyse de
risques partir des statistiques. Il s'agit toujours de contextes o les donnes sur les
dfaillances des ouvrages sont abondantes et on trouve des traitements dans les ouvrages
grand linaire, tels que les routes ou les rseaux enterrs. Dans ces domaines, on recherche
les corrlations entre les dfaillances (fissuration ou dformation d'une chausse ; fissures,
cassures ou fuites d'une canalisation) et un certain nombre de facteurs explicatifs (ge,
matriaux de la structure, environnement du systme...). Une fois tablie l'influence des
principaux facteurs, il est alors possible de prvoir les dfaillances d'un ouvrage en fonction
de la valeur des paramtres qui lui sont propres (son ge, sa composition, son
environnement).
En synthse, l'analyse de risques partir des statistiques est mise en uvre en gnie
civil ds lors qu'il est possible d'tablir des corrlations entre les dfaillances et des facteurs
explicatifs. Cela suppose en corollaire de disposer de donnes abondantes sur les
dfaillances des ouvrages. Elles permettent la prvision de l'volution du comportement
d'un ouvrage (prvision des dplacements, des pressions interstitielles...) et l'anticipation
des phnomnes indsirables. Il s'agit d'une approche puissante pour l'analyse de risques
attachs aux mcanismes caractre irrversible.
A travers notre tude, faisant la continuit des travaux de (Hammoum et al, 2012),
nous utilisons une mthode mathmatique dite analyses en composantes principales
ACP pour maitre en valeur la sensibilit de certains paramtres influents prix en
considration dans la mthode dexpertise.
Page 30
Chapitre 1 :
La
mthode ACP
appartient la famille de l'analyse
des donnes et plus
gnralement de la statistique multivarie (ADM). Elle permet dexplorer les liaisons entre
variables et les ressemblances entre individus qui consistent chercher de nouveaux axes
vecteurs propres correspondant aux valeurs propres ordonnes du tableau 1.10 croisant les
individus et les variables quantitatives (Duby et al, 2006).
Tableau 1.10: Reprsentation type d'un tableau A.C.P.
Individus/ Variables
Var1varjVarp
Ind1
.
.
Indi
Xij
.
.
indn
L'ADM regroupe un ensemble de mthodes statistiques utilises pour analyser les
donnes caractrises par le fait qu' chaque individu statistique sont associes plusieurs
valeurs observes. Ces mthodes d'analyses sont fondes, soit sur les mathmatiques
mthodes d'analyse factorielle, soit sur l'informatique qualifie le plus souvent
d'automatique. Elles se distinguent les unes des autres selon les types de donnes dcrites
sur les individus et prsentes sous forme de tableaux.
Et parmi les mthodes danalyse factorielle on retrouve:
rgression linaire simple ;
rgression linaire multiple ;
analyse en composantes principales (ACP);
analyse factorielle des correspondances (AFC);
analyse des correspondances multiples (ACM); ..ect
A. Principe et condition dapplication de lanalyse factorielle

Lanalyse factorielle est une mthode descriptive (par opposition aux mthodes
explicatives que nous avons vues auparavant). Il ny a plus de variables explicatives et
expliquer. On tudie lensemble des corrlations entre variables quantitatives pour lACP et
qualitatives pour lAFC.
Page 31
Chapitre 1 :
Historiquement, il sagit de lun des plus anciennes mthodes danalyse des donnes
(Philippeau, 1986). Mais les applications informatiques ont considrablement modifi les
conditions et modalits dapplication, en rendant notamment possible le traitement dun
trs grand nombre de donnes. Cest enfin la mthode la plus connue et la plus utilise en
sciences sociales.
B. Objectifs et conditions dutilisation

Lobjectif principal est la structuration des variables, cest--dire la rduction des colonnes
de la matrice des donnes : on veut rsumer linformation.
Pour ce faire, on remplace les variables initiales par un nombre plus restreint de variables
dites composites (ou facteurs ), obtenues par regroupement des variables initiales
les plus corrles entre elles.
Cela ncessite :
1.
un nombre dindividu suprieur 15
2.
quil y ait plus dindividus que de variables
C. Mthodes danalyse factorielle

C.1. Rgression linaire
Elle est dfinit par la rgression linaire simple et la rgression linaire multiple :
C.1.1. Rgression linaire simple

En statistiques, plusieurs problmes consistent dfinir la relation qui existe entre deux
variables statistiques. Nous appelons rgression linaire lajustement dune droite au nuage
statistique dune srie de couples de donnes.
Ainsi, une rgression linaire simple va permettre de rsumer, dinterprter et de
prvoir les variations dun caractre dit dpendant (y) en fonction dun autre dit
indpendant (x) et ce en utilisant une droite. Le calcul de cette droite repose sur la mthode
des moindres carrs.
C.1.2. rgression linaire multiple

Le modle de rgression linaire multiple est loutil statistique le plus habituellement
mis en uvre pour ltude de donnes multidimensionnelles. Cas particulier de modle
linaire, il constitue la gnralisation naturelle de la rgression simple.
Page 32
Chapitre 1 :
Une variable quantitative y dite expliquer (ou encore, rponse, exogne, dpendante) est
mise en relation avec p variables quantitatives x1,... xp dites explicatives (ou encore de
contrle, endognes, indpendantes, rgresseurs), suppose non alatoires.
Par exemple, une analyse de rgression multiple peut rvler une relation positive entre la
demande de lunettes de soleil et diffrents caractres dmographiques (ge, salaire) des
acheteurs de ce produit. La demande augmente et baisse avec les variations de ces
caractristiques.
Lutilisation de la rgression linaire nest pas rserve uniquement la lanalyse

technique. Elle est utilise dans des domaines et secteurs varis. Nous prsenterons dans ce
qui suit un exemple qui illustre cette approche classique de la rgression linaire.
La rgression linaire a t utilise pour lanalyse de la maladie de trachome en
fonction de paramtres biogographiques. Le trachome est une maladie contagieuse qui se
transmet denfant enfant ou de mre enfant. Linfection se manifeste ds la premire
anne et la prvalence augmente trs rapidement pour atteindre un maximum qui serait
dautant plus prcoce que le niveau de lendmie est lev. Dans une tude
pidmiologique ils ont remarqu quau Soudan la prvalence du trachome actif est
inversement corrle avec la pluviomtrie et lhygromtrie. Et dans l'enqute nationale
ralise au Mali, il a t observ que le trachome actif tait plus frquent dans les rgions
sches du nord comme Gao ou Tombouctou (Laffly, 2006).
C.2. Analyse factorielle des correspondances (AFC)

Lanalyse factorielle des correspondances, note AFC, est une analyse destine au
traitement des tableaux de donnes o les valeurs sont positives et homognes comme les
tableaux de contingence (qui constituent la majeure partie des tableaux traits par cette
mthode), elle cherche dcrire la liaison entre deux variables qualitatives.
LAFC a t introduite de faon complte dans les annes 60 par JP BENZECRI. Les
composantes principales sont toujours obtenues partir de la distance entre les diffrents
points des nuages multidimmensionnels, mais les points ont des coordonnes qui ont subis
une transformation pralable permettant de conserver une mtrique identique celle de
lACP pour calculer ces distances.
Le but principal de lAFC reste donc le mme ; lire linformation contenue dans un
espace multidimensionnel par une rduction de la dimension de cet espace tout en
conservant un maximum de linformation contenu dans lespace de dpart.
LAFC a t utilis pour ltude des peuplements benthiques (le benthos est l'ensemble
Page 33
Chapitre 1 :
des organismes aquatiques vivant proximit du fond des mers et ocans, des lacs et cours
d'eau) de la cote catalane Franaise (Guille et al, 1975). Lapplication de lanalyse
factorielle des correspondances a t utilise par Guille en 1970 (Guille et al, 1975), il a
dmontr linfluence prpondrante de la composition granulomtrique du substrat sur la
rpartition des benthontes est mise en vidence dans les conditions physiographiques
particulires de la rgion tudie.
Remarque : Un tableau de contingence est une mthode de reprsentation de donnes
dcoulant dun comptage. Les donnes sont rassembles dans un tableau avec le caractre
auquel elles sont relies.
C.3. Analyse des correspondances multiples (ACM)

Lanalyse des correspondances multiples (ACM) est la mthode factorielle de
rduction de dimension pour lexploration statistique de donnes qualitatives complexes.
Cette mthode est une gnralisation de lAnalyse Factorielle des Correspondances,
permettant de dcrire les relations entre p (p > 2) variables qualitatives simultanment
observes sur n individus. Elle est aussi souvent utilise pour la construction de scores
comme pralable une mthode de classification ncessitant des donnes quantitatives.
Malgr des proprits communes, lACM est une mthode bien distincte de lanalyse
factorielle des correspondances (AFC) adapte, aux tableaux de contingence.
Nous nous plaons donc dans la situation o nous disposons de N individus
statistiques, dcrits par q variables nominales ou ordinales X1, X2, ..., Xq. L'ACM vise
mettre en vidence :
- les relations entre les modalits des diffrentes variables ;
- ventuellement, les relations entre individus statistiques ;
- les relations entre les variables, telles qu'elles apparaissent partir des relations entre
modalits.
(LObservatoire National des Maladies du Bois de la Vigne, 2003-2005) a utilis lACM
pour dresser
un tat des lieux de la rpartition, de la frquence et de lintensit de
lexpression des symptmes foliaires des maladies du bois, pour rpondre objectivement
la question de leur progression ventuelle dans le vignoble franais. En effet, suite
l'interdiction de l'utilisation de l'arsnite de soude en traitement dhiver de la vigne, le 8
novembre 2001, les viticulteurs ne disposent plus daucune mthode de lutte chimique
curative contre les principales maladies du bois de la vigne.
Page 34
Chapitre 1 :
C.4. Analyse en composante principale (ACP)

L'Analyse en composantes principales (ACP) consiste transformer des variables lies
entre elles (dites "corrles" en statistique) en nouvelles variables dcorrles les unes des
autres. Ces nouvelles variables sont nommes "composantes principales", ou axes
principaux. Elle permet au praticien de rduire le nombre de variables et de rendre
l'information moins redondante.
Lanalyse en Composante Principale a t utilise dans la rgion dAnnaba pour la
dtection de dfauts avec applications aux paramtres de pollution de la rgion dAnnaba
(Bara et al, 2009). La dtection de dfauts est devenue de plus en plus importante pour la
surveillance des processus cause de la demande croissante de la haute performance, du
gain, ainsi que de la ncessit accrue de la scurit et de la fiabilit des systmes
dynamiques. Dans le cadre gnral de la surveillance des systmes, lapproche connue de
lAnalyse en Composante Principale (ACP) a t choisi. LACP a t souvent utilis pour
sa simplicit et sa capacit capturer les relations linaires entre les variables du processus
ltat stationnaire. Cependant cette mthode montre des limitations traiter les donnes
industrielles qui gnralement prsentent un caractre non linaire multi-chelle,
impliquant des vnements dont le comportement change dans le domaine temporel et
frquentiel. Cette tude sest appui sur la modlisation par lACP non linaire laide des
rseaux de neurones artificiels (RNAs), pour extraire linter-corrlation non linaire entre
les variables et de lanalyse en ondelette pour dcomposer chaque signal de capteur en
signaux dapproximation et de dtails diffrentes chelles. Les contributions de chaque
variable pour chaque chelle ont t collectes dans des matrices spares. Un modle
ACP non linaire est alors construit pour chaque matrice pour extraire la corrlation non
linaire entre les variables prsentes dans chaque chelle (Bara et al, 2009).
diffrence entre lACP et lAFC

LAFC offre la particularit (contrairement aux ACP) de fournir un espace de
reprsentation commun aux variables et aux individus. Pour cela lAFC raisonne partir de
tableau rduit ou de frquences.
LACP se fait dans un cadre diffrent ; les variables sont quantitatives et donc il est
possible de faire des oprations mathmatiques sur les valeurs des variables.
Page 35
Chapitre 1 :
Conclusion
Plusieurs approches dvaluation de la vulnrabilit dune structure donne ont t
dveloppes afin de rduire les pertes et les dommages dus aux alas naturels. Ces
approches diffrent les unes des autres en cout, en moyens utiliss et en prcision. Le choix
du type dapproche dpend de lobjectif de lvaluation, de la disponibilit des donnes et
de la technologie utilise.
Dans ce chapitre, nous avons prsent les mthodes les plus connues destimation de
la vulnrabilit. La comprhension de la structure et la recherche des critres structuraux
peuvent savrer complexes. Il faut donc trouver un quilibre entre les moyens mis en
uvre, les mthodes applicables et les rsultats recherchs. Dautre part, ces mthodes
varient suivant leurs degrs de prcision et de sophistication ; ce qui engendre des cots
dapplication importants ou des incertitudes leves cause de la complexit des
informations recherches.
En sinspirant des travaux de diffrentes mthodes suscites, tout particulirement sur
lanalyse des risques partir des statistiques, nous utilisons pour la premire fois une
mthode dite ACP afin dtudier les liaisons entre variables et les ressemblances entre
individus
pour viter la redondance de certains paramtres prix en considration par
(Hammoum, 2012) par la mthode dexpertise des rservoirs de stockage deau. Cette
mthode sera prsente au troisime chapitre.
Page 36
Chapitre 2 :
Evaluation de la vulnrabilit des rservoirs en bton vis--vis de certains alas naturels, par une
approche par expertise
Introduction
Le diagnostic et lanalyse de risque peuvent tre raliss par expertise pure dans le cadre
dtudes prliminaires ou de diagnostic rapide. Cette approche qui fait appel linspection
visuelle est pratique par les experts lorsquils ne disposent pas de donnes suffisantes sur
louvrage. Un ingnieur expriment peut ds la premire visite connatre l'origine probable
du problme, mais pour un autre moins expriment la mme tche peut devenir difficile. Le
diagnostic reste toujours un exercice dans le niveau de difficult est trs relatif. Devant le
mme problme expos, les solutions proposes par les experts ne sont pas videmment
uniques. Chaque expert interprte le problme selon ses propres connaissances, car il n'existe
pas une loi dite de diagnostic, mais il y a un savoir faire pour le diagnostic.
Dans certaines situations durgence (aprs un grave sisme, ou une forte crue), la tche de
diagnostic exige au mme temps rapidit et efficacit. Dans ces situations exceptionnelles, il y
a toujours une insuffisance dexperts, si bien quon est amen faire participer les ingnieurs
les moins expriments dans la tche de diagnostic.
Cest ainsi que
nous exposons, dans ce chapitre, une mthode simple et pratique
permettant un professionnel (technicien ou ingnieur) en gnie civil ou mme un architecte

nayant pas des comptences pour valuer rapidement la prsomption de vulnrabilit vis-vis de certains alas naturels (vent, neige, sisme,etc.) dun ouvrage hydraulique, en les
guidant dans leur diagnostic. Cette mthode dveloppe par (Hammoum, 2012) consiste
identifier plusieurs facteurs. Leur identification permet de prserver un rservoir de stockage
contre les alas futurs.
2.1. Evaluation de la vulnrabilit dun rservoir

(Mathieu, 2003) a propos une mthode dvaluation applicable aux rservoirs ayant
pour but dindiquer les ouvrages qui ont un environnement sensible, un caractre stratgique
important et ceux qui prsentent ou non des dsordres structurels visuels de gravit variable.
Cette mthode est base sur diffrents types danalyses ; structurelle, fonctionnelle et
environnementale, comme le montre lorganigramme ci-aprs (figure 2.1). Une fiche
descriptive permet la collecte des informations gnrales de louvrage ; elle comporte le nom
ou le lieu dit du site, ses coordonnes gographiques afin de permettre le gocodage et son
implantation future dans un SIG, les donnes sur son exploitation et enfin lhistorique des
dsordres enregistrs dans le pass.
Page 37
Chapitre 2 :
Mthodologie dvaluations
Ouvrages hydrauliques
Fiche descriptive douvrages
Evaluation Environnementale
Evaluation fonctionnelle
Evaluation structurelle
Figure 2. 1 : Organigramme de la mthodologie d'valuation des rservoirs

(Mathieu, 2003).
En se basant sur cette approche, (Hammoum et al, 2012) se sont intresss lvaluation de
la vulnrabilit dun rservoir donn en bton vis--vis de certains alas naturels (sisme,
vent, neige,.), par la dtermination dun indice Iv. Pour le calcul de cet indice, il a fait
intervenir treize (13) paramtres qui sont rsums dans le tableau 2.1.
Tableau 2.1 : Liste des paramtres danalyse.
Type d'analyse
Analyse environnementale
Analyse structurelle
Analyse fonctionnelle
N
1
2
3
4
5
6
7
8
9
10
11
12
13
Dsignation des
paramtres
Implantation du rservoir
Zone sismique
Type de sol
Zone de la neige
Zone du vent
Type de la structure
Type de fondation
Etanchit des parois
Etanchit de la couverture
Dfauts apparents
Rle de rservoir
Importance du rservoir
Frquence dentretien
Chacun des treize paramtres sera sanctionn par une note lmentaire Nei. Le principe de
notation choisi correspond
aux critres damplification des notes en fonction de
laccroissement des risques de vulnrabilit. Chaque lment de notation est affect dun
coefficient Pi de pondration.
La note lmentaire Nei de chaque paramtre est comprise entre 1 et 4 : 1 correspond la
situation idale et 4 la situation critique avec des notes intermdiaires. Il en est de mme des
poids de pondration Pi dont les valeurs varient de 1 4 : 1 pour une pnalisation minimale
Page 38
Chapitre 2 :
du paramtre et 4 pour une pnalisation maximale en considrant des situations

intermdiaires.
Une plage dvaluation plus large obligerait plus de finesse dans lanalyse ; ce qui peut
donner lieu des controverses au sein dun mme groupe dexpert, qui aurait analyser un
mme dfaut ou pathologie. Donc une analyse sur un nombre important de valeurs pose des
difficults de recoupement des classes qualitatives et vite ainsi une divergence danalyse
entre experts. Lexprience du Cemagref, dans le domaine dvaluation des dgradations des
ouvrages hydrauliques a montr quune analyse 4 valeurs est bien adapte au diagnostic
rapide. Cest pour ces raisons numres que nous avons adopt une analyse qualitative des
tats sur quatre valeurs pour les dfauts et dgradations.
La note partielle dun paramtre est alors obtenue par le produit (Nei .Pi) et lindice de
vulnrabilit Iv sexprime comme la somme des notes partielles des diffrents paramtres :
13
Iv = N .P = Ne + Ns + N
ei i
f
i =1
Nous dsignons par (Ne, Ns, Nf) les notes globales respectivement de lanalyse
environnementale, de lanalyse structurelle et de lanalyse fonctionnelle.
Le choix des paramtres 1, 2, 3, 4 et 5 de lanalyse environnementale est dict par des
considrations dimplantations topographiques et hydrauliques au moment de la conception
de ltude. Par consquent, la note globale de lanalyse environnementale Ne reste constante
dans le temps.
Les paramtres 6, 7, 8, 9 et 10 caractrisent ltat des diffrents lments structuraux du
rservoir au moment de linspection visuelle par lingnieur expert. Elle rsulte des
dommages et vieillissement cumuls suite aux attaques et agressions dordre naturels (neige,
vent, sisme, gel). A cet effet, la note globale de lanalyse structurelle Ns est variable dans
le temps.
Les paramtres 11, 12 et 13 ont un rapport avec les enjeux, la vocation et de lusage de leau
du rservoir. Pour cette raison, la note globale de lanalyse fonctionnelle Nf demeure
constante dans le temps, sauf si le gestionnaire dcide de lui changer daffectation.
La notion de lindice de vulnrabilit est lie linstant o lon inspecte le rservoir. Il vient
quun mme rservoir peut avoir plusieurs indices de vulnrabilits durant son cycle de vie. Si
nous considrons que Ivo est lindice de vulnrabilit linstant initial o le rservoir est mis
en service, aprs une dure t dexploitation, cet indice va passer Iv1 (Iv1 > Ivo). Son tat de
dgradation et son tat de vieillissement atteint dans le temps va le rendre plus vulnrable aux
alas naturels qu son tat initial. Par consquent, pour faire baisser lindice de vulnrabilit,
Page 39
Chapitre 2 :
il est ncessaire dagir directement sur les paramtres de la note globale de lanalyse
structurelle Ns, et ce en passant par un projet de rhabilitation ou de rparation du rservoir.
2.2. Evaluation environnementale

2.2.1. Implantation de louvrage
Un rservoir est expos diverses agressions de son milieu dimplantation naturel ; tels
que les carts de temprature, lhumidit, la prsence et lattaque par les chlorures, leffet du
gel et du dgel et lair marin. Limplantation de louvrage est aborde ici sous le double
aspect de la climatologie et de lhydrologie. Le dcoupage climatique de lAlgrie peut tre
reprsent globalement par cinq zones. Pour chaque zone, nous
proposons une note
lmentaire, tel que lillustre le tableau 2.2.

Tableau 2.2: Notes lmentaires de limplantation de louvrage.
N
1
2
3
4
5
Lieu dimplantation de louvrage

Montagne :
Prcipitations importantes avec plusieurs mois conscutifs denneigement.
Valles du tell :
climat froid et humide faibles amplitudes thermiques avec des chutes de neige
abondantes.
Hauts plateaux et Nord de lAtlas Saharien :
climat froid et sec en hiver et chaud et sec en t avec de forts carts de temprature.
Grandes tendues sahariennes :
climat froids et sec en hiver avec de forts carts de temprature, chaud et sec en t.
Rgion ctire : climat humide avec des embruns en bord de mer. Milieux agressif
par la prsence deaux plus ou moins salines.
Nei
1
2
2
3
4
Les pondrations Pi sont dtermines partir du paramtre hydrologique (tableau 2.3). Trois
lois rgissent la rpartition des pluies en Algrie et ont t dfinies par Seltzer en 1946,
comme suit :
- la hauteur de pluie augmente avec laltitude. Elle est plus leve sur les versants exposs aux
vents humides que sur les autres,
- elles augmentent de lOuest vers lEst,
- elles diminuent mesure quon sloigne de littoral mditerranen vers le sud.
Tableau 2.3 : Coefficients de pondration en fonction de la situation gographique.
N
1
2
3
4
Situation gographique.
Rservoir situ sur la bande nord - Est de lAlgrie
Rservoir situ sur la bande nord au centre de lAlgrie
Rservoir situ sur la bande nord - Ouest de lAlgrie
Rservoir situ au sud de lAlgrie
Pi
4
3
2
1
Page 40
Chapitre 2 :
2.2.2. Zone sismique

En Algrie, le critre de zonage sismique (DTR B-C 2-48, 2003), classe le territoire en
quatre zones de sismicit croissante. Nous proposons pour les diffrentes zones les notes
lmentaires donnes dans le tableau 2.4.
Tableau 2.4 : Notes lmentaires de la zone sismique.
N
1
2
3
4
5
Zone
Zone 0
Zone I
Zone IIa
Zone IIb
Zone III
Sismicit
ngligeable
Faible
moyenne
moyenne
Eleve
Nei
1
1
2
3
4
Par ailleurs, les coefficients de pondration Pi dpendent du risque majeur que reprsente le
rservoir pour les vies humaines, consquences conomiques et sociales comme cela a t
observ lors des sismes survenus en Algrie (El Asnam 1980, Oued Djer 1988, Tipaza 1989,
Mascara 1994 et Boumerdes 2003). Ces coefficients sont dtermins selon la nature du site
dimplantation (tableau 2.5).
Tableau 2.5 : Coefficients de pondration en fonction du site de louvrage.
N
1
2
3
4
Site dimplantation de
louvrage
En rase compagne
En milieu rural
Dans une zone industrielle
En milieu urbain
Pi
1
2
3
4
2.2.3. Type de sol

Laspect gologique est pris en compte en analysant la catgorie du site dimplantation
qui est fonction des proprits mcaniques du sol (tableau 2.6). Les sites sont classs en
quatre catgories par le Rglement Parasismique Algrien (DTR B-C 2-48, 2003) en fonction
de la vitesse moyenne de londe de cisaillement Vs.
Tableau 2.6: Notes lmentaires en fonction des conditions du terrain.
N
1
2
3
4
Type de sol
Catgorie S1
Catgorie S2
Catgorie S3
Catgorie S4
Nature de sol
Sol rocheux
Sol ferme
Sol meuble
Sol trs meuble
Vitesse moyenne
Vs 800 m/s
Vs 400 m/s
Vs 200 m/s
Vs < 200 m/s
Nei
1
2
3
4
Les poids Pi sont dtermins par certains effets du site dimplantation (liqufaction des sables,
Page 41
Chapitre 2 :
le glissement de terrain, prsence de faille en surface et les boulements rocheux) qui peuvent
considrablement amplifier les oscillations du sol et provoquer la perte de tout ouvrage de
gnie civil, mme parasismique. Les ouvrages qui y sont implants peuvent parfois subir des
charges sismiques jusqu cinq fois plus leves que les constructions similaires situes dans
une zone moins dangereuse (Zacek, 2004). Il est donc impratif den tenir compte dans une
tude de vulnrabilit et le recours un gotechnicien ou gologue serait souhaitable. En
rsum, nous pouvons dfinir les poids Pi comme indiqu dans le tableau 2.7.
Tableau 2.7 : Coefficients de pondration en fonction des effets de site.
N
1
2
3
4
Effet de site dimplantation de louvrage

Risque de liqufaction de sol en milieu alluvionnaire
Prsence de faille en surface
Risque dboulement rocheux
Risque de glissement de terrain
Pi
1
2
3
4
2.2.4. Zone de la neige

Le Rglement Neige et Vent 99 (DTR C 2-4.7, 2000) dresse une carte de neige en
dcomposant le territoire Algrien en quatre zones. La surcharge de neige sur le sol Sk par
unit de surface est fonction de la localisation gographique (zone) et de laltitude H par
rapport au niveau de la mer (tableau 2.8).
Figure 2.2 : Carte du zonage de neige dAlgrie.
Figure 2 .3 : Carte du zonage de vent dAlgrie.
Page 42
Chapitre 2 :
Tableau 2.8 : Notes lmentaires en fonction du zonage de neige.
N
1
2
3
4
Zone de neige
Zone A
Zone B
Zone C
Zone D
Nei
4
3
2
1
Notons que pour la zone D dans le dsert Algrien, nous observons plutt lensablement des
terrasses de couverture. La pondration Pi du paramtre de zone de neige est dtermine par la
forme de la toiture ; selon qu'elle favorise ou non l'accumulation de la neige (tableau 2.9).
Tableau 2.9 : Coefficients de pondration en fonction de la forme de la toiture.
N
1
2
3
4
Toiture de couverture
En forme de voute
En pentes un ou deux versants
A versants multiples ou redans
Avec discontinuits de niveaux marques ou horizontales
Pi
1
2
3
4
2.2.5. Action du vent

Le Rglement Neige et Vent 99 a recours la notion de vitesse de rfrence du vent Vref
pour le dcoupage du territoire Algrien, en trois zones de vent. Vref est dfinie comme une
vitesse moyenne sur dix minutes mesure dans les conditions conventionnelles avec une
priode de retour de 50 ans. Le tableau 2.10 donne les notes lmentaires correspondant
laction du vent.
Tableau 2.10 : Notes lmentaires de laction du vent.
N
1
2
3
4
Zones de vent
Pas daction de vent
Zone I
Zone II
Zone III
Vitesse de rfrence Vref [m/s]

--25
28
31
Nei
1
2
3
4
Les coefficients de pondration Pi seront dtermins en se rfrant au Rglement Neige et

Vent pour tenir compte des facteurs de site pouvant amplifier leffet du vent sur le rservoir :
Hauteur du rservoir
- rservoir enterr : Ph = 0.25,

- rservoir semi enterr : Ph = 0.50,
Page 43
Chapitre 2 :
- rservoir au sol : Ph = 0.75,

- rservoir surlev : Ph = 1.00.
Catgorie de terrain
- en bord de mer, au bord d'un plan d'eau offrant au moins 5 km de longueur au vent, rgions
lisses et sans obstacles : Pc = 0.25,
- rgions de culture avec haies et avec des petites fermes, maisons ou arbres. Pc = 0.50,
- zones industrielles ou suburbaines, forts : Pc = 0.75,
- zones urbaines dont au moins 15% de la surface est occupe par des btiments de hauteur
moyenne suprieure 15 m : Pc = 1,00.
Facteur topographique
- Site 1 : site plat aux alentours des valles et oueds sans effet d'entonnoir : Pt = 0.25,
- Site 2 : site aux alentours des valles et oueds avec effet d'entonnoir : Pt = 0.50,
- Site 3 : site aux alentours des plateaux : Pt = 0.75,
- Site 4 : site montagneux ou aux alentours des collines : Pt = 1,00.
Etat de la surface du rservoir
- Lisse (bton lisse, peinture lisse, paroi bien enduite) : Ps = 0.25,

- Peu rugueux (bton moyennement rugueux, paroi mal enduite) : Ps = 0.50,
- Rugueux (bton rugueux, paroi non enduite) : Ps = 0.75,
- Trs rugueux (ondulations, nervures, plissements) : Ps = 1.00.
Le coefficient de pondration Pi sera donn par la somme des pondrations partielles des
quatre facteurs.
Pi=Ph+Pc+Pt+Ps
2.3. Evaluation structurelle

2.3.1. Type de structure
La connaissance du systme structurel et de la nature des matriaux avec lesquels sont
raliss les lments structuraux est indispensable pour comprendre le comportement du
rservoir vis vis dune excitation sismique pour pouvoir ainsi donner des explications
probables aux dommages observs. Les notes lmentaires correspondant aux types de
structures sont illustres sur le tableau 2.11.
Page 44
Chapitre 2 :
Tableau 2.11 : Notes lmentaires en fonction du type de structure.
N
1
2
3
4
Type de structure
Rservoir enterr
Rservoir semi enterr
Rservoir pos au sol
Rservoir surlev (chteau deau)
Nei
1
2
3
4
Les coefficients Pi sont dtermins en fonction du type de matriaux utiliss pour la

ralisation des lments structuraux de louvrage (tableau 2.12).
Tableau 2.12 : Coefficients de pondration en fonction du type de matriaux.
N
1
2
3
4
Type de matriaux des lments Pi

Charpente mtallique
1
Bton prcontraint
2
Bton arme
3
Maonnerie
4
2.3.2. Type de fondation

La particularit des rservoirs est quils subissent de fortes variations de surcharge
dexploitation (eau contenue dans la cuve), de faon souvent quotidienne et pour certains 3
4 fois par jour durant toute leur longue priode dexploitation (Mathieu, 2003). Le type de
fondation nous renseigne sur le comportement densemble du rservoir vis--vis de ces
chargements cycliques. Une note est alors associe chaque type de fondation (tableau 2.13).
Tableau 2.13 : Notes lmentaire en fonction du type de fondations.
N
1
2
3
4
Type de fondation
Puits ou pieux
Radier gnral
Semelles continues
Semelles isoles
Nei
1
2
3
4
Comme le sol de fondation subit un chargement cyclique (plusieurs fois par jour), le
mcanisme physique mis en jeu est le tassement de la fondation. Ce phnomne, frquemment
rencontr, gnre des fissures dans la structure ainsi que des dsordres importants ou localiss
dans un lment rsistant qui peuvent entrainer la limitation ou linterdiction de lexploitation
du rservoir. Cest pour cette raison que les poids Pi sont dtermins compte tenu des
tassements ventuels subits par la fondation (Tableau 2.14).
Page 45
Chapitre 2 :
Tableau 2.14 : Coefficients de pondration en fonction des tassements de la fondation.
N
1
2
3
4
Etat des tassements

Pas de tassements apparents
Dbut dvolution du tassement avec arrt
Tassement indiquant une volution avance
Tassement qui traduit une modification du comportement de la
structure
Pi
1
2
3
4
2.3.3. Etanchit des parois

Les rservoirs sont classs selon leur mode dtanchit (Ducrot et al, 1999) comme
suit :
- classe A : ouvrages dont l'tanchit est assure par la structure seule,
- classe B : ouvrages dont l'tanchit est assure par la structure, complte par un
revtement d'impermabilisation,
- classe C : ouvrages dont l'tanchit est assure par un revtement d'tanchit, adhrant
ou indpendant du support, la structure n'assurant qu'une fonction mcanique,
- classe D : ouvrages construits l'aide d'lments prfabriqus.
Ce qui nous amne proposer les notes lmentaires du tableau 2.15, en fonction des classes
dtanchit. Quant aux poids Pi, ils sont dtermins en fonction du degr de satisfaction de
cette tanchit tels que donns au tableau 2.16.
Tableau 2.15 : Notes lmentaires en fonction du mode dtanchit de la paroi.
Mode dtanchit de la paroi
1
2
3
4
Nei
Classe A
Classe B
Classe C
Classe D
1
2
3
4
Tableau 2.16 : Coefficient de pondration en fonction de ltat de ltanchit.
N
1
2
3
4
Etat de ltanchit de la
paroi
Satisfaisante
Assez satisfaisante
Moyennement satisfaisante
Insatisfaisante
Pi
1
2
3
4
Page 46
Chapitre 2 :
2.3.4. Etanchit de la couverture

Les
notes lmentaires sont alloues en fonction du type de revtement ralis
conformment au tableau 2.17. Quant aux poids Pi, ils sont dtermins en fonction du degr
de dgradation et par voie de consquence de ltat de satisfaction de cette tanchit comme
indiqu au tableau 2.18.
Tableau 2.17 : Notes lmentaires en fonction du type dtanchit de la couverture.
N
1
2
3
4
Type de couverture
Revtement par imprgnation de surface
Revtement de type enduit
Revtement rsine synthtique
Revtement par membrane
Nei
1
2
3
4
Tableau 2.18 : Pondration en fonction du degr de satisfaction de ltanchit.
N
1
2
3
4
Etat de ltanchit de la couverture

Neuve, pas de dsordres visibles, satisfaisante
Peu de dsordres visibles, assez satisfaisante
Vtuste, moyennement satisfaisante
Dgrade, insatisfaisante
Pi
1
2
3
4
2.3.5. Dfauts apparents

Pour les dfauts rencontrs, le support cette tude est la connaissance experte contenue
dans la documentation technique relative la pathologie des rservoirs. Prs dune centaine
de dfauts apparents sur les rservoirs en bton arm, bton prcontraint et en maonnerie ont
t recenss par Mathieu. Il associe chaque dfaut un indice de gravit et propose un mode
de rparation du dfaut et dresse galement une chelle croissante dvaluation des dsordres
constitue de quatre niveaux (Mathieu et al, 1996).
- Niveau 1 : Peu ou pas de dsordres visibles. Rien signaler de particulier. Suivi et entretien
normal de louvrage (annuel ou biannuel, suivant nature et destination).
- Niveau 2 : Quelques dfauts, ouvrage surveiller.
- Niveau 3 : Dfauts spcifiques de gravit variable. Demande un suivi et des investigations.
- Niveau 4 : Louvrage ne peut assurer sa fonction en toute fiabilit. Le risque de ruine est
important. Il faut envisager ventuellement des solutions confortative de premire urgence
et/ou la dmolition de louvrage.
Ce qui nous amne proposer les notes lmentaires du tableau 2.19. Le dfaut apparent na
Page 47
Chapitre 2 :
de sens, que si on lui associe lge de louvrage. Ce qui nous amne proposer les
coefficients de pondrations Pi contenus dans le tableau 2.20.
Tableau 2.19 : Notes lmentaires en fonction de lindice de gravit du dfaut.
N
1
2
3
4
Indice de
gravit
Niveau 1
Niveau 2
Niveau 3
Niveau 4
Nei
1
2
3
4
Tableau 2.20 : Coefficients de pondration en fonction de lge de louvrage.
N
1
2
3
4
Age de louvrage
Age du rservoir infrieur 10 ans
Age compris entre 11 ans et 20 ans
Age compris entre 21 ans et 30 ans
Age du rservoir suprieur 30 ans
Pi
1
2
3
4
2.4. Evaluation fonctionnelle

2.4.1. Rle du rservoir
Lintrt accord un rservoir par le gestionnaire du patrimoine de rservoirs de
stockage est fonction du rle quil occupe dans le systme dalimentation. La note lmentaire
accorde ce paramtre dpend de la position du rservoir dans le schma dalimentation en
eau potable comme indiqu au tableau 2.21. Quant aux poids Pi, ils sont dtermins en
fonction de ltat de laccessibilit pour lentretien ou la rparation de louvrage expertis
comme propos au tableau 2.22.
Tableau 2.21 : Notes lmentaires du rle de rservoir.
N
1
2
3
4
Rle du rservoir dans le systme dalimentation

Rservoir brise charge ou de transit
Rservoir de distribution
Rservoir de tte (ou rservoir tampon)
Rservoir de station de pompage
Nei
1
2
3
4
Tableau 2.22 : Pondration en fonction de ltat de laccessibilit pour entretien.
N
1
2
3
4
Etat de laccessibilit du rservoir

Accessibilit par route revtue
Accessibilit par piste carrossable
Accessibilit par sentier piton
Rservoir inaccessible
Pi
1
2
3
4
Page 48
Chapitre 2 :
2.4.2. Importance du rservoir

En sinspirant du RPA 2003, les btiments (aliments par les rservoirs) peuvent tre
classs en quatre groupes dusage, en fonction de leur importance vis--vis de la protection
des personnes (abonns) abrites, des biens conomiques et culturels de la communaut quils
reprsentent.
- Groupe 1A : Btiments dimportance vitale qui doivent demeurer oprationnels aprs un
sisme majeur pour les besoins de la survie de la rgion, de la scurit publique, de la dfense
nationale et le btiment abritant les centres de dcisions stratgiques.
- Groupe 1B : Btiments de grande
importance abritant frquemment de grands
rassemblements de personnes, tels quune grande mosque, des btiments usage de bureaux,
des btiments industriels et commerciaux, scolaires, universitaires, constructions sportives et
culturelles, pnitenciers, grands htels, bibliothques ou darchives dimportance rgionale,
muse, tablissements sanitaires autres que ceux du groupe 1A et les centres de production
ou de distribution dnergie.
- Groupe 2 : Ouvrages courants ou dimportance moyenne tels que btiments dhabitation
collective ou usage de bureaux, btiments pouvant accueillir au plus 300 personnes
simultanment tels que, des btiments usage de bureaux, des btiments industriels, des
parkings de stationnement publics,...
- Groupe 3 : Ouvrages de faible importance tels que les btiments industriels ou agricoles
abritant des biens de faibles valeurs, btiments risque limit pour les personnes et les
constructions provisoires
Nous pouvons alors dduire que lintrt accord un rservoir dpend aussi de la suret de
distribution de leau aux btiments abritant les usagers. Ce qui nous amne proposer les
notes lmentaires du tableau 2.23.
Tableau 2.23 : Notes lmentaires en fonction de limportance de louvrage.
Importance du rservoir
Nei
1
2
3
Le rservoir alimente des btiments du groupe 3

Le rservoir alimente des btiments du groupe 1B
1
2
3
Le rservoir alimente des btiments du groupe 1A
Le second aspect qui mrite dtre abord pour complter la scurit et la suret de
distribution des abonns est la capacit de stockage. Cest dans cette optique que nous
proposons des poids Pi en fonction de la capacit de stockage du rservoir comme indiqus
Page 49
Chapitre 2 :
au tableau 2.24.
Tableau 2.24 : Pondration en fonction de la capacit de stockage du rservoir.
N
1
2
3
4
Capacit de louvrage
entre 0 500 m3
entre 500 m3 et 1 000 m3
entre 1000 m3 et 2 000 m3
suprieur 2 000 m3
Pi
1
2
3
4
2.4.3. Frquence dentretien

La matrise du vieillissement des rservoirs en service ne peut tre assure que par des
oprations d'entretien et de rparation. Cette opration influe directement sur le niveau de
vulnrabilit des rservoirs. Ce qui nous amne proposer les notes lmentaires donnes au
tableau 2.25.
La pondration considrer pour ce paramtre est le rle du rservoir dans le rseau
dalimentation et son importance dans la distribution des abonnes. Or ces paramtres ont
dj t abords plus haut. Ce qui nous amne considrer une pondration gale 1 pour
toutes les frquences dentretien.
Tableau 2.25 : Notes lmentaires en fonction de la frquence dentretien du rservoir.
N
1
2
3
4
Frquence
dentretien
Mensuelle
Trimestrielle
Semestrielle
Annuelle
Nei
1
2
3
4
2.5. Classification
Pour un critre donn, nous pouvons construire une grille dvolution de sa note partielle
(Nei.Pi), en tenant compte de tous les scnarios possibles. Les rsultats obtenus sont illustrs
sur le tableau 2.26.
Pondration Pi
Tableau 2.26 : Grille de hirarchisation dune note partielle dun paramtre.
1
2
3
4
Note lmentaire Nei

1
2
3
4
1
2
3
4
2
4
6
8
3
6
9 12
4
8
12 16
Page 50
Chapitre 2 :
En considrant tous les critres danalyse numrs prcdemment au nombre de treize, nous
proposons la classification suivante, rpartie en quatre niveaux de vulnrabilit :
Tableau 2.27 : Classification dun rservoir en fonction de son Iv .
Niveau de vulnrabilit
Indice de vulnrabilit Iv 13
Vert
-
Orange 1
49 49
Orange 2
- 87 87
Rouge
- 136 136 - 196
- Le niveau vert : 13 IV 49 : Le rservoir expertis nest pas vulnrable. Louvrage

prsente un bon
comportement aux alas naturels et ne ncessite pas une attention
particulire aprs sa ralisation et sa mise en service. Seules les interventions ordinaires

priodiques sont ncessaires.
- Le niveau orange 1 : 49 IV 87 : Le comportement aux alas naturels est assez bon. Le
rservoir est moyennement vulnrable.
- Le niveau orange 2 : 87 IV 136 : Le rservoir a une tenue et un comportement faible
aux alas naturels. Il prsente une vulnrabilit assez leve.
- Le niveau rouge : 136 IV 196 : Le rservoir a une trs faible tenue aux alas donc une
vulnrabilit trs leve. Par consquent, le rservoir doit tre mis hors service ou dfaut en
situation de restriction dutilisation, immdiatement.
2.6. Application de la mthode de lindice de vulnrabilit - Etude de cas

En vue de lapplication de la mthode dindice de vulnrabilit, nous avons choisi
dexpertiser un parc de 24 rservoirs de stockage deau potable dans deux daras : Draa Ben
Khedda et Larbaa Nath Irathen, et dans la commune de Mekla, rajouts au parc de rservoir
dj expertises par (Bouhadoun et al, 2011) dans la dara de Larbaa Nath Irathen, pour avoir
un total de 54 rservoirs (tableau 2.28).
Notons que la fiche denqute que nous avons utilis, lors de notre expertise, est celle
dveloppe par (Bouhadoun et al, 2011). Un exemple de cette fiche renseigne est donne en
annexe 1 pour le cas du rservoir de Draa Ben Khedda.
Tableau 2.28 : Prsentation des rservoirs expertiss.
Rgion dtude (dara)
Larbaa Nath Irathen
Nom du site
code
Dsignation des rservoirs
Adnis
Rservoir Irdjen de capacit 150 m3
Ait hague
Ait halli
Ait yacoub
Page 51
Chapitre 2 :
Draa Ben Khedda
Boudjlil
Ibhlal
Mehriz
Mestigua
Monobloc1
Monobloc2
10
SR1
11
SR2
12
SR3
13
Taghanimt
Taksebt
Tala amara
14
15
16

Tansaout
17
Tamazirt 1
18
Tamazirt 2
19
Zone insustrielle
20
Rservoir Irdjen de capacit 2 x 1500 m3
Ath ighil
Mouldioune village
Mouldioune zone
Touaresse
Touaresse
SR1
SR2
chef lieu
Maassal
Chef lieu 1
Chef lieu 2
kef laagab
Baghdad
Ait Saada (ouarezki)
Ait Saada bas
Ait Saada haut
Tighilt Tiguerfiouine
Telta 1
Telta 2
Adjaba
Avarane 1
Avarane 2
Herrouka 1
Herrouka 2
Ibhlal 1
Ibhlal 2
Megdoul 1
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
Rservoir DBK de capacit 200 m3

Rservoir Sidi Naaman de capacit 1000 m3
Rservoir Tadmait de capacit 1000 m3
Rservoir Tirmitine de capacit 250 m3
Page 52
Chapitre 2 :
Mekla
Megdoul 2
Menacera
chef lieu 1
chef lieu 2
SRI Chaibe
SR2 Djamaa N Saridj
SR3 Djamaa N Saridj
48
49
50
51
52
53
54

Rservoir Mekla de capacit 500 m3
Louvrage qui fera lobjet dune tude de cas est le rservoir N22, implant
Mouldiouane village, dara Draa Ben Khedda. Ce rservoir circulaire pos au sol que nous
avons expertis en mars 2014 est de capacit 200 m3 (figure 2.4). Il a t ralis en 1988.
Figure 2.4 : Vue gnrale du rservoir de Mouldiouane village N21 (Photo MILOUDI, 2014).
2.6.1. Evaluation de la vulnrabilit du rservoir de Mouldiouane village la

mise en service en 1988
Lindice de vulnrabilit simul au jour de la mise en service, en 1988, est illustr dans
le tableau 2.29.
Tableau 2.29 : Indice de vulnrabilit au jour de la mise en service en 1988.
Paramtre
Note lmentaire
Nei
1
2
3
4
5
Montagne
Zone sismique IIa
Sol meuble, type S3
Zone A
Zone de vent I
1
2
3
4
2
Rservoir pos au sol
Coefficient de pondration
Bande nord centre
Milieu rural
Risque de glissement
Toiture en forme de coupole
Ph = 0.75, Pc = 0,50,
Pt = 1.00, Ps = 0.25.
bton arme
Pi
Nei . Pi
3,00
2,00
4,00
1,00
2,50
3,00
4,00
12,00
4,00
5,00
3,00
9,00
Page 53
Chapitre 2 :
7
8
9
Radier
classe B
revtement par enduit
2
2
2
10
11
12
Niveau 1
Btiments du groupe 2
1
2
2
13
Annuelle
Pas de tassement
Etanchit satisfaisante
Neuve, pas de dsordres visibles,
satisfaisante
Rservoir g de 1 an
Accessible par route revtue
Capacit 200 m3
1,00
1,00
1,00
2,00
2,00
2,00
1,00
1,00
1,00
1,00
2,00
2,00
1,00
4,00
52,00
Indice de vulnrabilit Iv
La valeur de lindice de vulnrabilit (49 IV = 52.00 87) simule au jour de la mise en

service en 1988 classe le rservoir, en orange 1. Il prsente une vulnrabilit moyenne aux
diffrents alas naturels ; celle-ci tant pnalis par :
- sa nature de sol : il est de type meuble avec un risque de glissement,
- son environnement : le rservoir est non cltur, et est situ cot des habitations ce qui est
sujette au vandalisme.
2.6.2. Evaluation de la vulnrabilit au jour de lexpertise (mars 2014)

a. Pathologies rpertoris
Le complexe dtanchit de la couverture ralis par un revtement de type enduit, se

trouve dans un tat vtuste (figure 2.5, 2.6)
Figure 2.5 : Fut de ltanchit dtrior.
Figure 2.6 : Prsence des terres et de la mauvaise

herbe sur la toiture.
Etanchit des parois
Ltanchit du rservoir est assure par un revtement de type enduit de ciment

hydrofug en couche paisse suprieure 2.5 mm (Hammoum, 2012). Ltanchit du
Page 54
Chapitre 2 :
rservoir est de classe B (ouvrage dont l'tanchit est assure par la structure, complte par
un revtement dimpermabilisation). Le degr de satisfaction de ltanchit est mdiocre et
ceci se traduit par la prsence de plusieurs points de fuites et suintement autour de la paroi
(figure 2.7), et par le dveloppement de deux phnomnes sur la paroi qui sont : lalcali
raction et efflorescence (figure 2.8).
Figure 2.7 : Fuite et suintement sur

la paroi de louvrage.
Figure2.8 : Efflorescence sur la paroi de

louvrage.
Chambre des vannes
Lexpertise du rservoir a rvl les anomalies suivantes :

-
vannes dgrades et mal entretenues (figure 2.9),
chambre de vannes inonde par labsence de systme dvacuation des eaux

(figure 2.10),
chelle extrieure pour accs la coupole inexistante (figure 2.11),
accs dans la chambre des vannes non scuris (figure 2.11).
Figure 2.9 : Vannes dgrades et mal

entretenue.
Figure 2.10 : Chambre de vannes inonde.
Page 55
Chapitre 2 :
Evaluation de la vulnrabilit des rservoirs

r
en bton vis--vis
vis de certains alas naturels, par une
Figure 2.11 : Accs

ccs dans la chambre des vannes non scuris et absence dchelle pour
laccs la coupole.
b. Dfauts apparents
Les dsordres observs sur le rservoir, aprs expertise visuelle, sont prsents sur les
figures (2.12, 2.13, 2.14, 2.15) qui suivent :
Figure 2.12 : Eclatement du bton.
Figure 2.13 : Epaufrure et dfaut

d
denrobage des
aciers avec perte de section et de rsistance.
rsistance
Page 56
Chapitre 2 :
Figure 2.14 : Aciers dnuds et corrods.
Figure 2.15 : Fissures et fuites au niveau de

la paroi.
Selon la classification de Mathieu et au vu des dfauts numrs plus haut, nous

dduisons que le rservoir expertis est class indice de gravit de niveau 3(dfauts
spcifiques de gravit variable ncessitant un suivi et des investigations). Ces dfauts
traduisent de faons trs nettes une modification du comportement de la structure et qui
mettent en cause la dure de vie de louvrage.
Dtermination de lindice de vulnrabilit
Nous donnons ci-aprs les paramtres de lvaluation ayant subit des variations (tableau
2.30).
Tableau 2.30 : Calcul de l'indice de vulnrabilit au jour de linspection en mars 2014.
Paramtre
Note lmentaire
Nei
Coefficient de pondration
1
2
3
4
5
Montagne
Zone sismique IIa
Sol meuble, type S3
Zone A
Zone de vent I
1
2
3
4
2
6
7
Rservoir pos au sol

Radier
3
2
8
9
classe B
revtement par enduit
2
2
Bande nord centre

Milieu rural
Risque de glissement
Toiture en forme de coupole
Ph = 0.75, Pc = 0,50,
Pt = 1.00, Ps = 1.00.
bton arme
Dbut dvolution de tassement
avec arrt
Etanchit insatisfaisante
Moyennement satisfaisante
10
11
12
Niveau 3
Btiments du groupe 2
3
2
2
Rservoir g de 26 ans
Accessible par route revtue
Capacit 200 m3
Pi
Nei . Pi
3,00
2,00
4,00
1,00
3,25
3,00
4,00
12,00
4,00
6,50
3,00
2,00
9,00
4,00
4,00
4,00
8,00
8,00
3,00
1,00
1,00
9,00
2,00
2,00
Page 57
Chapitre 2 :
13
Annuelle
1,00
Indice de vulnrabilit Iv
4,00
75,50
La valeur de lindice de vulnrabilit obtenue aprs expertise [49 < (IV=75,50) < 87] classe le
rservoir expertis toujours en orange 1. Il prsente une vulnrabilit moyenne aux diffrents
alas naturels.
Par procds analogue, nous avons dtermins les indices de vulnrabilit des diffrents rservoirs
expertiss. Les rsultats sont donnes ci-aprs (tableau 2.31) :
Page 58
Chapitre 2 :
Evaluation de la vulnrabilit des rservoirs en bton vis--vis de certains alas naturels, par une approche par expertise
Tableau 2.31 : Rsultats de lindice de vulnrabilit des rservoirs expertiss.
Note partiel
Environnementale
Paramtres
Structurelle
Fonctionnelle
code
Implantation
de l'ouvrage
Zone
sismique
Type de
sol
Action de la
neige
Action
de vent
Type de la
structure
Type des
fondations
Etanchit de la
paroi
Etanchit de la
couverture
Dfauts
apparents
Rle de
rservoir
Importance
de louvrage
Frquence
de
lentretien
Nom du site
Iv
Niveau de
gravit
Niveau 3
Adnis (Irdjen)
5.5
12
70.5
Ait hague (Irdjen)
53
Niveau 2
Ait halli (Irdjen)
12
5.5
12
66.5
Niveau 3
Ait yacoub (Irdjen)
53
Niveau 2
Boudjlil (Irdjen)
52
Niveau 3
Ibhlal (Irdjen)
6.5
58.5
Niveau 3
Mehriz (Irdjen)
5.5
51.5
Niveau 2
Mestigua (Irdjen)
5.5
12
65.5
Niveau 3
Monobloc1 (Irdjen)
12
52
Niveau 1
Monobloc2 (Irdjen)
10
52
Niveau 2
SR1 (Irdjen)
11
6.5
60.5
Niveau 3
SR2 (Irdjen)
12
52
Niveau 1
SR3 (Irdjen)
13
5.5
52.5
Niveau 2
Taghanimt (Irdjen)
14
5.5
12
64.5
Niveau 3
Taksebt (Irdjen)
15
6.5
51.5
Niveau 3
Tala amara (Irdjen)
16
48
Niveau 2
Tansaout (Irdjen)
17
5.5
48.5
Niveau 2
Tamazirt 1 (Irdjen)
18
57
Niveau 2
Tamazirt 2 (Irdjen)
19
51
Niveau 2
Zone insustrielle (Irdjen)
20
12
12
12
79
Niveau 3
Ath Ighil (Irdjen)
21
12
67
Niveau 3
Mouldioune village (DBK)
22
12
6.5
75.5
Niveau 3
Mouldioune zone (DBK)
23
5.5
545
Niveau 3
Touaresse (DBK)
24
12
5.5
12
77.5
Niveau 3
Touaresse (DBK)
25
12
72
Niveau 2
SR1 (Sidi Naaman)
26
12
5.5
59.5
Niveau 2
SR2 (Sidi Naaman)
27
12
5.5
54.5
Niveau 1
chef lieu (Sidi Naaman)
28
12
5.5
12
71.5
Niveau 3
Page 59
Chapitre 2 :
Evaluation de la vulnrabilit des rservoirs en bton vis--vis de certains alas naturels, par une approche par expertise
Maassal (Sidi Naaman)
29
64
Niveau 1
Chef lieu 1 (Tadmait)
30
12
4.5
74.5
Niveau 3
31
12
63
Niveau 3
kef laagab (Tadmait)
32
12
72
Niveau 3
Baghdad (Tadmait)
33
12
60
Niveau 3
Ait Saada ouarezki

(Tadmait)
34
12
68
Niveau 3
Ait Saada bas (Tadmait)
35
60
Niveau 3
Ait Saada haut (Tadmait)
36
5.5
50.5
Niveau 1
(Tadmait)
37
66
Niveau 3
Telta 1 (Tadmait)
38
12
5.5
72.5
Niveau 3
Telta 2 (Tadmait)
39
12
5.5
65.5
Niveau 2
Adjaba (Tirmitine)
40
5.5
12
61.5
Niveau 3
Avarane 1 (Tirmitine)
41
12
5.5
12
12
75.5
Niveau 3
42
12
61
Niveau 3
Herrouka 1 (Tirmitine)
43
12
66
Niveau 3
44
5.5
56.5
Niveau 2
Ibhlal 1 (Tirmitine)
45
57
Niveau 2
46
48
Niveau 1
Megdoul 1 (Tirmitine)
47
5.5
56.5
Niveau 1
48
5.5
49.5
Niveau 3
Menacera (Tirmitine)
49
5.5
51.5
Niveau 2
chef lieu 1 (Mekla)
50
12
12
69
Niveau 3
chef lieu 2 (Mekla)
51
12
4.5
12
63.5
Niveau 3
SRI Chaibe (Mekla)
52
12
5.5
12
71.5
Niveau 3
SR2 Djamaa N Saridj

(Mekla)
53
12
62
Niveau 3
SR3 Djamaa N Saridj

(Mekla)
54
5.5
65.5
Niveau 3
Page 60
Chapitre 2 :
Conclusion
La mthodologie base dindice, prsente dans ce chapitre, permet une valuation simplifie
et rapide de la vulnrabilit des rservoirs en bton arm, comme nous lavons montr travers
lexpertise dun parc de 54 rservoirs dans la wilaya de Tizi-Ouzou.
Pour une analyse plus pousse des paramtres danalyse, nous proposons une mthode
statistique dite ACP ; pour explorer les liaisons existantes entre ces diffrents paramtres afin de
mieux apprcier cette vulnrabilit. Cest ainsi que nous consacrons le chapitre qui suit lexpos
de cette mthode.
Page 61
Chapitre 3
Expos de la mthode ACP
Introduction
Les mthodes multifactorielles permettent d'obtenir des reprsentations graphiques qui
constituent le meilleur rsum possible de l'information contenue dans un grand tableau de
donnes. Pour cela, il faut consentir une perte d'information afin de gagner en lisibilit. En
fonction des phnomnes que l'on veut tudier et de la nature du tableau de donnes dont on
dispose, on appliquera telle ou telle mthode multifactorielle (ACP, AFC, ACMetc.). En
effet, il n'existe pas une mthode factorielle d'analyse des donnes, mais un ensemble de
mthodes, reposant toutes sur les mmes thories mathmatiques.
Dans le cadre de cette tude, nous nous basons sur la mthode ACP pour analyser les 13
paramtres dfinis dans la mthode de lindice de vulnrabilit expose au 2me chapitre, afin
de dfinir les corrlations existantes entre ces derniers pour viter la redondance. lchelle
dun parc de rservoir expertis, celle-ci nous permettra de ressortir les ressemblances
existantes entre les diffrents individus (rservoirs).
Cest ainsi que nous consacrons ce troisime chapitre la prsentation de la mthode et
linterprtation des rsultats de ce dernier.
3.1. Dfinition
LAnalyse en Composantes Principales (ACP) fait partie du groupe des mthodes
descriptives multidimensionnelles appeles mthodes factorielles, qui consiste transformer
des variables lies entre elles (dites "corrles" en statistique) en nouvelles variables
dcorrles les unes des autres. Ces nouvelles variables sont nommes "composantes,
principales", ou axes principaux. Elle permet au praticien de rduire le nombre de variables et
de rendre l'information moins redondante.
Il s'agit d'une approche la fois gomtrique (les variables tant reprsentes dans un
nouvel espace, selon des directions d'inertie maximale) et statistique (la recherche portant sur
des axes indpendants expliquant au mieux la variabilit (la variance) des donnes).
Lorsquon veut compresser un ensemble de p variables alatoires, les q premiers axes de
l'analyse en composantes principales sont un meilleur choix, du point de vue de l'inertie ou de
la variance.
LA.C.P. permet dexplorer les liaisons entre variables et les ressemblances entre
individus.
Page 62
Chapitre 3
3.2. Historique
Lanalyse en composantes principales est la plus utilise des analyses multivaries. Cest
aussi la plus ancienne. Ses fondements datent de 1901 quand Karl PEARSON en a conu les
ides essentielles deux dimensions (Benzkri, 1973). Il
prolonge ses travaux dans le
domaine de la rgression et des corrlations entre plusieurs variables. Pearson utilise ces
corrlations non plus pour expliquer une variable partir des autres (comme en rgression),
mais pour dcrire et rsumer l'information contenue dans ces variables.
Sa gnralisation a t faite en France en 1933 par Harold HOTELLING qui en a fait une
premire publication sous forme actuelle plusieurs dimensions. Elle a attendu les ordinateurs
vers les annes 1960 pour tre mise en pratique par J-P Benzcri (Duby et al, 2006).
3.3. Champs dapplication

Les champs d'application sont aujourd'hui multiples, allant de la biologie la recherche
conomique et sociale, et plus rcemment le traitement d'images. L'ACP est majoritairement
utilise pour :
l'tude et la visualisation des corrlations entre les variables, afin ventuellement de

limiter le nombre de variables mesurer par la suite ;
l'obtention de facteurs non corrls qui sont des combinaisons linaires des variables
de dpart, afin d'utiliser ces facteurs dans des mthodes de modlisation ; telles que la
rgression linaire, la rgression logistique ou l'analyse discriminante ;
la visualisation des observations dans un espace deux ou trois dimensions, afin

d'identifier des groupes homognes d'observations, ou au contraire des observations
atypiques.
3.4. Logiciels dapplication

Les logiciels utilisant la mthode ACP sont : XLSTAT, StatBox, SPSS et R. Ils
permettent de raliser diverses analyses factorielles. Les donnes sont gres partir du
logiciel Microsoft Excel et les sorties seffectuent dans des feuilles de calculs Excel.
Remarque
Pour lapplication dune ACP, il faut sassurer que les donnes sont quantitatives. Dans la
pratique, on considre souvent les variables qualitatives comme des quantitatives. Par
exemple, dans les enqutes de satisfaction les variables qualitatives ordinales possdent les
modalits suivantes :
Page 63
Chapitre 3
Pas du tout satisfait ; plutt pas satisfait ; moyennement satisfait ; plutt satisfait ; Tout fait
satisfait. On considre que ces modalits correspondent une note donne par lindividu avec
1 pour pas du tout satisfait, 2 pour plutt pas satisfait etc. Et on obtient ainsi une variable
quantitative discrte que lon pourra utiliser en ACP.
En pratique on sautorise une certaine libert dinterprtation qui na pas de fondement
statistique. En effet, 4 est suprieur 2, ce qui traduit bien que plutt satisfait indique une
satisfaction suprieure plutt pas satisfait . Mais, mathmatiquement, 4 est le double de 2
; et rien ne justifie le fait que plutt satisfait traduise une satisfaction deux fois plus
importante que plutt pas satisfait .
LACP ne sait pas traiter les donnes manquantes et les valeurs identiques. Certains
logiciels proposent de supprimer les individus possdant des donnes manquantes ou des
valeurs identiques, alors que dautres vont remplacer la donne manquante par un zro.
3.5. Donnes dune ACP

LACP sintresse des tableaux de donnes rectangulaires avec des individus en lignes
et des variables quantitatives en colonnes (tableau 3.1). L'ACP vise dcrire graphiquement
un tableau de donnes d'individus n avec leurs variables quantitatives p de grande taille :
Tableau 3.1: Reprsentation type d'un tableau A.C.P.
Individus/ Variables
Var1varjVarp
Ind1
.
.
Indi
Xij
.
.
indn
Un tel tableau de donnes sera tout simplement une matrice relle n lignes (les
individus) et p colonnes (les variables) (formule 3.2) :
X= (xij) i=1 n;
(3.1)
j=1, q, k, p
Page 64

Chapitre 3

(3.2)
3.6. Objectif dune ACP

On dispose dun tableau de donnes Xij. On peut interprter gomtriquement les lignes et
les colonnes du tableau de donnes par des points dans deux espaces diffrents : lespace des
individus (figure 3.1) et/ou lespace des variables (figure 3.2).
1
1
P
1
i
i
n
n
Rp
Rn
Var 1
Var p
Figure 3.1 : Espace des individus (Husson, 2009).
Ind1
Ind i
Figure 3.2 : Espace des variables (Husson, 2009).
lespace des individus
Dans lespace des individus (figure 3.1), les axes reprsentent les variables et les individus
sont reprsents comme un nuage de points dun ensemble dindividus. Etudier les individus
Page 65
Chapitre 3
revient considrer ce nuage de points dans un espace Rp, avec p le nombre de variables ;
cela revient tudier les lignes du tableau 3.1.
Dans lespace des individus, chacun de ces derniers est reprsent par un point et
lensemble forment ainsi un nuage de points. Le but de lACP est de visualiser ce nuage dans
un espace de faible dimension le plus fidlement possible.
Nous identifierons lindividu i avec le point ligne xi.= (xi1,.,xip) qui sera considr
comme un point dans un espace affine (lespace des individus) p dimension.
Lanalyse du nuage des individus utilise la notion fondamentale de distance.

Pour faire une reprsentation gomtrique, il faut choisir une distance entre deux points
de lespace.
1 individus = une ligne du tableau un point dans un espace p dimensions
Si j=1 : on a une reprsentation axiale ;
Si j=2 : on peut construire un nuage de point avec la rgression simple ;
Si j=3 : on peut avoir une reprsentation plus difficile en 3 dimensions ;
Si j=4 : impossible reprsenter mais le concept est simple ; pour cela on doit dfinir
la notion de ressemblance.
On peut dire que deux individus se ressemblent sils sont proches, et la ressemblance entre
deux individus est mesure par la distance euclidienne.
La distance utilise par lACP dans lespace p dimensions ou sont reprsents
les units, est la distance euclidienne classique. La distance euclidienne entre deux
individus et (figure 3.3) scrit :
,

(3.3)
Rp
ei
ei
O
j
xi
Figure 3.3 : Nuage des individus (Husson et al, 2009).
Page 66
Chapitre 3
Deux points sont trs proche si les p coordonnes de ces deux points sont trs proche
(mmes valeurs pour ces diffrentes variables).
Remarque
Pour permettre de donner chaque individus la mme importance dans le calcul de la
distance, on suppose que tous les individus ont le mme poids et il est gale a
Chaque individu i est muni dun poids tel que 0 et
1
Dans le cas le plus usuel de poids gaux, la matrice diagonale des poids
O I est la matrice identit.

!" # 0
0
0

0
0
0$

;
(3.4)
(3.5)
(3.6)
lespace des variables
Dans lespace des variables (figure 3.2), les axes reprsentent les individus et les variables
sont reprsents comme un nuage de points dun ensemble de variables. Etudier les variables
revient considrer ce nuage de point dans un espace Rn, avec n le nombre dindividu; cela
revient tudier les colonnes du tableau 3.1.
Les p colonnes peuvent tre considres comme p points dans un espace vectoriel n
dimensions dans Rn. Cet espace est appel lespace des variables.
Si les valeurs prises par deux variables sont trs voisines pour lensemble des individus,
ces variables seront prsentes par des variables trs proches (ce qui peut signifier que les
variables mesurent la mme chose ou encore quelles sont lies par une relation particulire).
Pour chaque variable alatoire j on dfinit sa moyenne par :
Et son cart type par :

X'&

( )* *-+x-( X'& .
(3.7)
(3.8)
On peut alors dfinir la corrlation entre les variables, cela revient tudier la forme du
nuage.
Le cosinus de langle form par 2 variables (figure 3.4) est gal au coefficient de
corrlation linaire entre ces variables :
Page 67
Chapitre 3
/012
367679
45,48
:;::67:
45
48
>
>
>@A <=5 <=8
?
>
?
>
)>@A<=5 B >@A<=8 B
C ,

(3.9)
Tout en sachant quun coefficient de corrlation entre les variables de x et y est gale :
C<D
EFG<,D
HGIJ< HGIJD
cos , N
(3.10)
Rn
l
xik
Figure 3.4 : Nuage des variables (Husson et al, 2009).
3.6.1. Problmatique
Difficult mettre en vidence les relations globales existantes entre les variables ds que
p>3, et les ressemblances entre individus ds que n>3, car impossibles de les visualiser.
Figure 3.5 : Reprsentation du

nuage deux dimensions
Figure 3.6 : Reprsentation du

nuage trois dimensions
Page 68
Chapitre 3
3.6.2. Solution
Condenser linformation du tableau de manire retirer les relations vraiment
caractristiques (proximits entre variables et individus), ceci en limitant la perte
dinformation. C--d dterminer un sous-espace de dimension q<p (q nouveaux axes) (ou
q<n), sur lequel projeter les nuages de points relatifs au tableau de donnes qui soit :
- comprhensible par lil : q faible, de prfrence q=1,2 ou 3 ;
- le moins dformant possible (projection la plus fidle possible)
Ce sous-espace est appel espace factoriel du nuage.
Lobtention des q nouveaux axes nous permettra de travailler sur une image rduite du
nuage du point de dpart. Et c'est cette image rduite donc beaucoup plus accessible
notre observation que nous examinerons pour dcrire et analyser les donnes du tableau
initial.
3.6.2.1. Principe de construction de lespace factoriel partir du nuage des individus

On effectue un changement de repre, passant du repre dfini par les p variables un
repre de dimension p le moins dformant possible pour le nuage. Il sera dfini par p
nouveaux axes, appels axes factoriels ou axes principaux.
On retient ensuite les q premiers axes du nouveau repre, ce qui nous donnera lespace
factoriel de dimension q. Il permet de rcuprer les liens les plus significatifs contenus dans le
tableau.
Les p axes factoriels sont dfinis squentiellement :
- On dtermine laxe (premier axe factoriel) sur lequel le nuage se dforme le moins
possible en projection, c d le premier axe factoriel est donc l'axe selon lequel est
prserv, par projection, le maximum de la dispersion initiale des points du nuage.
- On cherche un second axe, sur lequel le nuage se dforme le moins en projection, aprs
le premier axe, tout en tant orthogonal au premier,
- On ritre jusqu lobtention de p axes.
Un facteur est une variable composite fabrique partir des variables d'origine; il
s'exprime comme combinaison linaire des anciennes variables. Le 1er axe factoriel
correspond la variable composite qui diffrencie le mieux les individus.
Page 69
Chapitre 3
a. Comment obtenir une dformation minimale ?

Chacune des n lignes du tableau X peut tre considre comme un vecteur, ou encore un
point de Rp. Lensemble du tableau constitue alors un nuage de n points.
LACP vise fournir une image simplifie du nuage de point qui soit la plus fidle
possible. Elle permet davoir une ide sur les distances entre individus, cela revient trouver
un sous espace qui rsume le mieux les donnes, c.--d. une image est bonne si elle restitue le
plus fidlement possible le nuage originale.
Pour avoir une bonne qualit dune image il faut :
-
restituer le plus fidlement la forme gnrale du nuage. Les points doivent tre
bien spar pour permettre de visualiser les distances entre les individus, donc cela
revient augmenter la dispersion, i.e. la variabilit (linertie), du nuage ;
ne pas perturber les distances entre individus.
a.1. Choix de lorigine du nuage dindividus (vecteur moyen ou centre de gravit)

Le point o correspondant au vecteur de coordonnes toutes nulles nest pas forcement une
origine satisfaisante, car si les coordonnes des points du nuage des individus sont grandes, le
nuage est loign de cette origine. Il apparait plus judicieux de choisir une origine lie au
nuage lui-mme: le centre de gravit du nuage (figure 3.5), cela va permettre au nuage dtre
plus dispers.
Le centre de gravit G du nuage des individus est alors le point dont les coordonnes sont
les valeurs moyennes des variables :

.
.
.
T
X
T
.
. X
S
W

S
O P
Q S
W S . W
W
.
S
W
S W
.
S
W
.
.

R. V
R
V

YYYY
.
.
T X
. W
SYYYY

S . W
S . W
.
RYYYY
.Z V
(3.11)
Comme nous considrons chaque variable, comme chaque individu, ayant le mme
poids, G a alors pour coordonnes dans le repre : (O,; ,; ,;)

YYYY
.
.
T X
S . W
._ W
67 SYYYY
]^
S . W
.
YYYY
R. V
[A [B [\
(3.12)
Page 70
Chapitre 3
Sous forme graphique :
Figure 3.7 : Reprsentation de G dans le repre (O, ; , ; , ;) (Duby et al, 2008).

fg
fh
fi
Prendre G comme origine, conformment la figure prcdente, revient alors travailler

sur le tableau des donnes centres :
. . .
b
e
.
a
d
.
a d
.

.

. d
E a
.
a
d
.
a
d

`

.

.

. c
(3.13)
Centrer les donnes ne modifie pas la forme du nuage, a revient juste translater le
nuage vers une autre origine qui est le centre de gravit du nuage.
Remarque: La matrice des donnes centres contient les coordonnes centres (que nous
noterons Xcij) des individus dans le repre (G,;, ; , ;). Nous nous placerons dans la suite
[A [B [\
toujours dans ce repre pour le nuage de points des individus et nous prendrons O=G (figure
3.6)
Et sous forme graphique :
Page 71
Chapitre 3
Figure 3.8 : Reprsentation des variables centres dans le repre (G, ; , ; , ;) (Duby et al, 2008).
fg
fh
fi
a.2. Quantification de la qualit de limage

On quantifie la qualit dune image avec la notion de dispersion ou de variabilit appel
inertie (formules (3.14), (3.15)) qui n'est autre que la mesure des dispersions,
qui est
lquivalent dune variance (formule (3.11)) mais gnralis plusieurs dimensions. Si cette
inertie est grande, cela signifie que le nuage est trs dispers, tandis que si elle est petite,
alors le nuage est trs concentr sur son centre de gravit.
a.2.1. dtermination de la matrice de variance covariance

Avant de dterminer le plan factoriel, nous allons chercher dtecter les liens possibles
entre les variables, pour cela nous devons dterminer la matrice variance-covariance afin de
connaitre la variabilit du nuage.
Nous rappelons que la variance et la covariance entre deux variables et est donne par :
Varm m
(3.14)
'
COVmp * *- x- y- X' Y
(3.15)
Et
Soit Xc la matrice des donnes centres. Pour avoir la matrice des variances covariances
nous allons pr-multiplie la matrice des donnes centres par sa transpose. La somme des
lments de la diagonale principale (des variances), la trace par dfinition, reprsente l'inertie
du nuage de points (formule 3.16).
La matrice des variances - covariances est gale :
Page 72
Chapitre 3
v!C /0v , /0v ,

b
e
.
a
d
.
a
d

s Et Xu a /0v , v!C /0v , d
.
a
d
.
a
d
` /0v
, /0v
, v!Cw c
(3.16)
Nous voyons facilement que la matrices des covariances et au coefficient 1/n prs de la
matrice des produit scalaires canoniques des vecteurs de la matrice des donnes centres (en
d'autres termes, chaque composante de la matrice des covariances est gale au produit scalaire
des variables centres).
a.2.2. Calcul de linertie totale du nuage des individus

On note IG le moment dinertie du nuage des individus par rapport au centre de gravit G :
^

O, x

w .
(3.17)
Ce moment dinertie totale est intressant car cest une mesure de la dispersion du nuage
des individus par rapport son centre de gravit.
Remarque :
On peut voir, en inversant lordre des signes sommes, que IG peut aussi scrire sous la
forme suivante :
^
y

. z s!Cv )

(3.18)
Ou Var (vj) est la variance empirique de la variable vj. Sous cette forme, on constate que
linertie totale est gale la trace de la matrice de variance-covariance des p variables vj :
^
{C!/s v |
Avec | les valeurs propres de la matrice des variances-covariances :

dets | 0 { | | |Z
(3.19)
(3.20)
Une valeur propre reprsente la variance des individus sur laxe correspondant.
a.3. Interprtation de lespace factoriel du nuage de points individus

Chaque axe factoriel k, de vecteur directeur uk, reprsente une nouvelle variable Ck de
dimension p (figure 3.7), construite comme combinaison linaire des variables (axes) de
dpart, appele composante principale (formule (3.21)). La coordonne cik dun individu i
donn sur cet axe correspond la valeur de la composante principale prise par cet individu.
Page 73
Chapitre 3
Les composantes principales sont construites de manire restituer la majeure partie de

linformation du tableau, (elles dforment le moins possible linformation). La premire
composante principale sera une combinaison linaire des variables de dpart de dispersion
maximale (cest--dire celle qui ont la plus grande variance). Les axes quelles dterminent
sont des axes principaux (formules (3.18)) et
les formes linaires associes sont des
facteurs principaux.
Figure 3.9 : Construction dun espace factoriel (Duby et al, 2008).
Pour pouvoir trouver la meilleure image approche du nuage, il faut que laxe sur lequel
on projette le nuage permette une dispersion maximale, pour cela on doit dterminer les axes
factoriels (axes principaux) par le principe dajustement ou par calcul numrique.
a.3.1. Dtermination des axes principaux

Ajustement du nuage des individus
Le principe dajustement est de perdre le moins dinformation possible, c-a-d chercher un

sous espace qui permet de voir au mieux le nuage des individus.
i
min
G
u
max
ui
Figure 3.10 : Ajustement dun individu i (Husson, 2009).
Page 74
Chapitre 3
Pour trouver laxe factoriel (facteur) qui dforme le moins possible le nuage, il faut que la
distance
Ox soit grande ;
Donc : Ox grand x Petit avec x axe (Pythagore) On doit maximiser la
sommeOx ;
- maximiser Ox revient trouver le meilleur plan, avec x plan (donc la

dispersion soit la plus grande possible).
Le meilleur plan contient le meilleur axe factoriel: pour trouver le meilleur plan on
doit trouver le meilleur axe et ensuite trouver un axe orthogonale au premier axe
(x x ) et qui maximise linertie projete Ox ;
- Puis on cherche un 3me axe, orthogonale au deux premiers et dinertie maximum.
calcul numrique des axes principaux
On appelle axes principaux dinertie les axes de direction des vecteurs propres.
Un vecteur dit vecteur propre par une application linaire si lapplication ne fait que
modifier sa taille sans changer sa direction.
Un vecteur propre x de composante ( x, x,..) Associ la valeur propre doit vrifier la
relation :
0
T X
T0X
s |
S . W S . W
.
.
R.V
R.V
Tel que V est la matrice des variances-covariances.
(3.21)
Le premier axe est celui associ la plus grande valeur propre | ;
Le deuxime axe est celui associ la deuxime valeur propre | ;

Et ainsi de suite
a.3.2. Slection du nombre q axes factoriels retenir

La slection du nombre daxes retenir est une tape importante dune ACP. Les critres
utiliss sont en gnral empiriques : la mthode du coude qui consiste dtecter un coude sur
le diagramme des valeurs propres, ou le critre de Kaiser. Ce dernier consiste ne retenir que
les valeurs propres suprieures la moyenne ; et lorsquon est dans une ACP norme la
somme des valeurs propres est gale au nombre p de ces valeurs propres, et la moyenne des
valeurs propres est donc gale 1. On ne retiendra donc par le critre de Kaiser que les
valeurs propres suprieures 1.
Page 75
Chapitre 3
a.3.3. Pourcentage dinertie explique

Le pourcentage de variance explique par les axes factoriels retenus est obtenu par la somme
de leurs valeurs propres divise par la trace. Cette valeur permet d'valuer en quelque sorte la
quantit d'information initiale recueillie par chaque axe.
Le % d'inertie (ou "variance" du nuage ou "dispersion") explique par un axe factoriel
=
?
=@A =
100
(3.22)
Elle mesure la part dinertie explique par laxe u i
a.3.4. Dtermination des composantes principales

La matrice de variance-covariance est diagonalise. Les lignes et colonnes de cette
matrice correspondent de nouvelles variables appeles composantes principales ;
A chaque axe est associe une composante principale.
La composante c1 est le vecteur renfermant les coordonnes de projections des individus
sur laxe 1
La composante c2 est le vecteur renfermant les coordonnes de projections des individus
sur laxe 2
Pour obtenir ces coordonnes, on crit que chaque composante principale est une
combinaison linaire des variables initiales de la forme :
Pour i=1
/ x x x
(3.23)
Les composantes principales forment le vecteur :
Tel que :

x x x
/
X T x x x X
/
T X T
.
.
WS
W
S . WS
S
W
S
W
S . W S
.
.
WS
W
.
.
.
R/
V R
w
V Rx
xw x
V
(3.24)

T X
.
WEst la matrice des donnes centres
E S
S
W
.
S
W
.
w
R
V
Et
Page 76
Chapitre 3
x x x

T x x x X
.
W Est la matrice des axes principaux
S
S
W
.
S
W
.
w
w
w
Rx x x V
On a :
/
/
/

/
/
/

T . X
T . X
T . X
/ S . W et / S . W et. /
S . W
S W
S W
S W
.
.
.

/
/
R V
R V
R
V
Donc les variables des composantes principales forment une matrice C = X
(3.25)
La variance dune composante principale est gale linertie apporte par laxe
principale qui lui est associ
1er composante c1
variance : 1
2eme composante c2
3
eme
composante c
variance : 2
variance : 3
Ces p composantes principales Ci sexpriment comme combinaison linaire des anciennes

variables. Elles sont telles que la somme des carrs de leurs corrlations avec les anciennes
variables soit maximum.
Les composantes principales sont non corrles deux deux
En effet, les axes associs sont orthogonaux. Des graphes sont alors dessins croisant les
composantes principales, tant pour les variables que pour les individus, sparment car
linterprtation ne suit pas les mmes principes. Les graphes des variables comprennent le
cercle des corrlations.
3.6.2.2. Principe de construction de lespace factoriel partir du nuage des variables

Mme rgle que pour les individus, cela consiste rechercher des axes orthogonaux qui
permettent de reprsenter au mieux les variables, et la fin on obtiendra des espaces
factoriels identique ceux obtenu par lajustement de lensemble des individus.
Page 77
Chapitre 3
3.7. Analyse en composantes principales norme

Dans les paragraphes prcdents, nous avons tudi une ACP simple, pour laquelle, non
seulement tous les individus ont le mme poids dans lanalyse, mais aussi, toutes les variables
sont traites de faon symtrique (on leur fait jouer le mme rle) et les nouveaux axes sont
issus de la matrice de variance-covariance empirique des variables (formule (3.13)). Cela pose
parfois des problmes. Le premier reproche fait par des praticiens est que, si les variables
initiales sont htrognes, comme par exemple des poids, des tailles et des ges. Quel sens
peut-on donner aux composantes principales qui sont alors des combinaisons linaires de
variables htroclites ? Le deuxime reproche, est que si on change dunits sur ces variables,
on peut changer compltement les rsultats de lACP. Le dernier reproche vient du fait quune
variable contribuera dautant plus la confection des premiers axes, que sa variance est forte.
Pour chapper tous ces problmes, on cherche normaliser les variables et travailler
sur des variables sans dimension. Il y a plusieurs faons de normaliser les variables, mais la
plus couramment utilise est celle qui consiste diviser les valeurs des variables par leur
cart-type, cest--dire que lon travaille sur des variables centres et rduites.
Centrer les donnes revient travailler sur des variables sans unit, et la rduction permet
daccorder la mme importance chaque variable, ne pas rduire permet de donner plus
dimportance aux variables qui ont une variabilit plus grande (une variance plus grande).
Cest--dire lopration de rduction diminue limportance des variables les plus disperses,
elle peut inversement, augmenter limportance des variables peu disperses ! A la limite, une
variable qui aurait peu prs la mme valeur pour tous les individus (donc avec un cart-type
faible) se verrait attribuer le mme poids que les autres variables alors que le bon sens nous
obligerait lliminer.
3.7.1. Matrice des donnes centres rduites

. La matrice des donnes centres rduites (sans dimensions) est alors :
. / . / . /
b
e
.
a
d
.
a
d
a . / + . ./ . / d
.
a
d
.
a
d
`
. /
. /
. / c
(3.26)
Si nous notons / la matrice diagonale suivante :
Page 78
Chapitre 3
Nous avons alors :
1/
/
0

0

1/
(3.27)
E /
(3.28)
Remarque:
Dans le cas o les variables sont centres rduites, la moyenne de la variable N. est nulle
et donc sa variance est alors 1 (ce qui revient dire que la norme de la variable centre rduite
est de norme unitaire)
3.7.2. Matrice de corrlation

La matrice des corrlations des variables initiales permet de voir si l'analyse peut tre
globalement possible. En effet, une des conditions de mise en uvre est que les variables
initiales soient corrles, sinon, le nombre de dimensions ne peut-tre rduit. On ne peut
rsumer que ce qui est partiellement redondant et li. Il faut donc quun maximum de valeurs
de la matrice des corrlations soit proche de 1 en valeur absolue.
Pour avoir la matrice de corrlation nous allons pr-multiplie la matrice des donnes
centres rduite par sa transpose ; on aura alors :
avec :
1 /0C , /0C ,
b
e
.
a
d
.
a
d

Et Yu
a /0C , 1 /0C , d
.
a
d
.
a
d
` /0C
, /0C
, 1 c
/0C + , . C + , .
EFG<= ,<>
= >
(3.29)
(3.30)
Puisque les variables sont centres rduites, la variance de chaque variable vaut 1. Donc
linertie totale est alors gale p le nombre de variable.
Rappelons que les matrices des covariances et de corrlations sont toutes deux des
matrices carres et symtriques.
Reprsenter le nuage de points des donnes centres rduites ne modifie rien la forme
de celui-ci. En effet, la diffrence entre les deux n'est qu'un changement d'chelle.
Page 79
Chapitre 3
L'information intressante pour les individus est la distance entre les points. En effet, plus
cette distance sera grande entre deux individus . et . plus les deux individus seront
diffrents et mieux on pourra les caractriser. Mais, il faut d'abord choisir une distance. Nous
prenons une autre distance euclidienne que la distance euclidienne classique, la distance
choisie est alors:
. .
>B
+ .
(3.31)
Cette nouvelle distance ne traite plus les variables de faon symtrique, mais elle permet
de faire jouer un rle quitable chacune dentre elles.
3.7.3. Particularit de lACP norme

Les particularits de lACP norme par rapport lACP simple proviennent du fait que la
matrice de corrlation R na que des 1 sur sa diagonale principale. Cela entraine que sa trace
est toujours gale p. On a vu que la trace de la matrice est gale linertie totale du nuage
calcule avec la distance euclidienne que lon a choisie.
Linertie totale du nuage des individus dans Rp est donc toujours gale p dans toute
lACP norme. Cette particularit donne une rgle supplmentaire pour choisir le nombre
daxes que lon va garder pour les interprtations, fonde sur le raisonnement suivant : on a p
valeurs propres dont la somme vaut p ( puisque lon a vu que linertie totale est aussi gale
la somme des valeurs propres), on peut ne considrer comme significatives que les valeurs
propres dont la valeurs est suprieure 1 et leur somme vaut p. cest bien sur une rgle
empirique mais qui peut servir de guide pour le choix de la dimension du sous-espace que
lont veut garder.
Une autre particularit de lACP norme est que la reprsentation des variables avec les
cercles de corrlation correspond exactement la reprsentation des variables dans Rn que
lon aurait construite si lon avait adopt la mme dmarche que celle qui a servi pour la
reprsentation des individus dans Rp .
3.8. Interprtation des rsultats dune ACP

Un des points les plus dlicats de lACP est dapprcier la perte dinformation engendre
par la rduction de la dimension. On a vu prcdemment que la qualit de reprsentation du
nuage dans le sous-espace factoriel est exprime par le pourcentage dinertie explique.
Cette mesure globale doit tre complte par dautres considrations comme la
reprsentation des individus et des variables dans ce sous-espace factoriel. Il peut en effet
Page 80
Chapitre 3
arriver que les axes retenus, bien que reprsentant une part importante de linertie globale du
nuage, ne suffisent pas expliquer correctement certains individus ou variables : deux
individus peuvent tre proches en projection sur les axes factoriels retenus tout en tant trs
loigns en ralit, si leurs reprsentations sur ces axes ne sont pas de bonne qualit.
La qualit de reprsentation dune variable j sur le qme axe factoriel est exprime par le
coefficient de corrlation linaire entre la variable initiale et la nouvelle variable, composante
principale. La valeur de cette corrlation sera galement trs importante pour interprter les
nouveaux axes factoriels en fonction des variables initiales.
Donc lACP peut contenir deux tudes :
-
ltude des individus ;
ltude des variables.
3.8.1. Etude des individus

Il sagit dexhiber les relations entre individus du fait de leur proximit. Cela consiste
dfinir la ressemblance des individus de point de vue de lensemble des variables, pour
permettre didentifier des sous-ensembles d'individus afin de constituer une classification c-d construire des groupe dindividus ; donc les individus appartenant un mme groupe
seront trs proche du point de vue des variables, et ils seront trs loigns des individus dun
autre groupe.
3.8.1.1. Reprsentation des individus dans les nouveaux axes

Pour faire la reprsentation des individus dans les plans dfinis par les nouveaux axes
(figure 3.9), il suffit de calculer les coordonnes des individus dans les nouveaux axes. Pour
obtenir N coordonne de lindividu sur laxe , on projette orthogonalement le vecteur
O sur cet axe.
Figure 3.11 : Reprsentation des individus dans les nouveaux axes (Duby et al, 2008).
Page 81
Chapitre 3
Remarque
Lorientation des axes est compltement arbitraire et peut diffrer dun logiciel lautre.
Le signe des coordonnes des individus sur un axe na donc pas de signification. En revanche,
la comparaison des signes peut sinterprter. Si deux individus et ont sur un axe , le
premier une coordonne positive et le second une coordonn ngative, cela signifie quils
sopposent sur cet axe.
3.8.1.2. Qualit de reprsentation des individus

Les individus contribuant la formation dun axe sont ceux dont les coordonnes sur cet
axe sont les plus lev en valeur absolue.
Lorsque des points projections des individus sont loigns sur un axe (ou sur un plan), on
peut assurer que les points reprsentants ces individus sont loigns dans lespace. En
revanche, les deux individus dont les projections sont proches sur un axe (ou sur un plan)
peuvent ne pas tre proches dans lespace.
Pour interprter correctement la proximit des projections de deux individus sur un plan, il
faut donc sassurer que ces individus sont bien reprsents dans le plan. Pour que lindividu
soit bien reprsent sur un axe (ou sur un plan, ou un sous-espace), il faut que langle entre le
vecteur
O et laxe (ou le plan, ou le sous-espace) soit petit. On calcul donc le cosinus de cet
angle, ou plutt le carr du cosinus, plus le cosinus est grand, plus lindividu sera proche de
laxe factoriel et donc sera bien reprsent sur cet axe.
012

367679B
= ,8
B
67
=
(3.32)
Le cosinus carr est appel contribution relative du plan lindividu. Plus un individu est
proche du plan plus langle est faible plus le cosinus carr est proche de 1. Les contributions
absolues expriment limportance de chaque individu dans la cration des axes par rapport aux
autres individus.
Puisque tous les individus ont le mme poids. Un individu contribuera dautant plus la
confection dun axe, que sa projection sur cet axe sera loigne du centre de gravit du nuage.
Inversement, un individu dont la projection sur un axe sera proche du centre de gravit
contribuera faiblement linertie porte par cet axe. On se sert de ces contributions pour
interprter les nouveaux axes de lACP en fonction des individus.
Page 82
Chapitre 3
3.8.1.3. Interprtation des axes factoriels par les points individus

Les proximits et les oppositions entre individus, par l'analyse de leurs points communs,
aident aussi la comprhension des nouveaux axes. Les individus proches ont des profils
semblables. Une analyse typologique peut prciser ces regroupements. Les individus placs
au centre du graphique doivent tre analyss comme moyens . Lanalyse est sensible aux
individus trs diffrents. Pour ne pas trop falsifier lanalyse, il est possible de les considrer
comme des individus supplmentaires.
On peut interprter le graphe dindividus grce aux variables ; pour cela on va calculer la
corrlation entre la variable et laxe factoriel. Si la variable est trs lie laxe factoriel cela
voudra dire que les valeurs de la variable sont trs lies aux coordonnes de laxe, donc la
corrlation est proche de 1. Si nous avons une corrlation ngative, cela voudra dire que les
individus qui prennent de faibles valeurs pour la variable prennent de fortes valeurs sur laxe
factoriel.
3.8.2. Etude des variables

Il sagit dexhiber les relations entre variables du fait de leurs corrlations, cela consiste
rechercher les ressemblances entre variables ; c--d trouver la liaison qui existe entre ces
variables. Ces liaisons sont linaires simple, trs frquente et rsument de nombreuses
liaisons.
3.8.2.1. Reprsentation des variables dans les nouveaux axes

Les variables nont pas la mme signification que les individus, pour bien reprsenter les
variables on peut faire le raisonnement suivant : les individus sont reprsents dans lespace
des anciennes variables, en faisant le changement de base de cet espace. Les nouveaux axes
sont des combinaisons linaires des anciens axes et peuvent tre considrs comme de
nouvelles variables combinaisons linaires des anciennes.
Ces nouvelles variables sont les composantes principales
Il est alors intressant de voir comment les anciennes variables sont lies aux nouvelles, et
pour cela on calcule les corrlations des anciennes variables avec les nouvelles.
a. Corrlation entre les composantes principales et les variables dorigine

Il est souvent utile dtudier les corrlations entre les variables dorigine x et les nouvelles
variables c (les xi sont toujours supposs centrs pour simplifier les critures)
Les corrlations entre les axes factoriels et les variables initiales indiquent la qualit de
Page 83
Chapitre 3
reprsentation de la variable sur l'axe. Les coordonnes des variables sont gales aux
corrlations avec les axes. Plus une corrlation entre une variable et un axe est forte, plus la
variable est proche de laxe.
Il ne faut interprter les axes qu' partir des variables les mieux reprsentes, cest--dire
celles dont la corrlation est proche de 1 en valeur absolue. Autrement dit, les variables bien
reprsentes dans le plan sont proche du cercle des corrlations. La proximit entre points
variables n'est exploitable que si ces points sont proches de la circonfrence appele cercle
des corrlations.
Ce nest pas la distance au centre quil faut interprter mais les angles entre les variables
et avec les axes. Des variables qui forment un angle nul entre elles sont corrles, celles qui
font un angle droit ne sont pas corrles, et celles qui prsentent un angle plat sont corrles
ngativement, car cela signifie que le cosinus de langle du vecteur joignant lorigine au point
reprsentant la variable avec le plan est, en valeur absolue, proche de 1. Plus une variable est
corrle avec un axe plus elle est proche de celui-ci.
La corrlation entre une composante principale cj et une variable xi est gale :
C
EFGIJI
E[E> <=
HGIJI
E[ E> HGIJI
E[ <=
/ x
Or
(3.33)
(3.34)
Corrlation positive C 1
Corrlation ngative C 1
Corrlation nulle
C 0
La reprsentation des anciennes variables se fera en prenant comme coordonnes des

anciennes variables leurs coefficients de corrlation avec les nouvelles variables. On
obtient alors ce que lon appelle le cercle de corrlation , dnomination qui vient du
fait quun cercle coefficient de corrlation variant entre -1 et +1, les reprsentations des
variables de dpart sont des points qui se trouvent lintrieur dun cercle de rayon 1
(figure 3.10).
Page 84
Chapitre 3
Le cercle de corrlation sera complter en reliant son centre aux diffrents points variables
de faon obtenir les directions de ces variables. En ACP contrairement une Analyse
Factorielle des correspondances, linterprtation des variables se fait a partir de leurs
directions (figure 3.10).
1
1
-1
Figure 3.12: Cercle de corrlation (Duby et al, 2008).
3.8.2.2. Etude des liaisons entre les variables

Sur le graphique du cercle des corrlations, on peut aussi interprter les positions des
anciennes variables les unes par rapport aux autres en termes de corrlation. Deux points trs
proches du cercle des corrlations, donc bien reprsentes dans le plan, seront trs corrles
positivement entres elles ;
Si elles sont proche du cercle, mais dans des positions symtriques par rapport lorigine,
elles seront trs corrles ngativement, ceci signifie que lune augmente quand lautre
diminue.
Deux variables proches du cercle des corrlations et dont les vecteurs qui les joignent
lorigine forment un angle droit, ne seront pas corrles entre elles.
Il faut, pour interprter correctement ces graphiques des cercles de corrlation, se
souvenir quun coefficient de corrlation est une mesure de liaison linaire entre deux
variables, et quil peut arriver que deux variables trs fortement lies aient un coefficient de
corrlation nul ou trs faibles, si leur liaison nest pas linaire.
3.8.3. Lien entre les deux tudes

Comme on travail sur un mme tableau de donnes, il existe alors un lien entre les deux
tudes.
Page 85
Chapitre 3
Lors de la construction des groupes dindividus, on aura besoin dutiliser les variables afin
de caractriser ces diffrents groupes. De mme, lorsquon doit tudier les liaisons entre les
diffrentes variables, avoir des individus spcifique, c--d des
individus extrme, trs
particulier peut tre un plus pour la dduction de la liaison entre ces variables.
3.9. Individus et variables supplmentaires

Il arrive que lon veuille faire apparaitre dans les reprsentations graphiques certains
individus sans quils interviennent dans la dtermination des axes. Cela peut tre le cas de
nouveaux individus que lon veut simplement positionner par rapport aux autres sans que les
positions de ceux-ci soient influences par les nouveaux. On dit quils sont des individus
supplmentaires.
Il en est de mme pour les variables. On peut, par exemple, vouloir reprsenter une
variables qui dpend de faon synthtique des p variables choisies pour faire lACP (variable
expliquer), afin de mieux comprendre comment cette variable est lie aux anciennes, mais
on ne souhaite pas quelle intervienne dans la confection des axes car ses liaisons avec les p
variables de dpart fausseraient la reprsentation si elle faisait partie intgrante de lACP.
Elles sont appeles variables supplmentaires.
Pour reprsenter un individu supplmentaire, il suffit dexprimer les coordonnes de cet
individu dans la nouvelle base des axes principaux, de ce fait on multipli laxe principale par
les coordonnes centrs rduite de lindividu supplmentaire. Pour une variable
supplmentaire, il suffit de calculer ses coefficients de corrlation empiriques avec les
composantes principales.
La plus part des logiciels proposent des options permettant de le faire.
Conclusion
Aprs avoir expos le principe de la mthode ACP. Nous allons passer, au prochain
chapitre, son application un parc de 54 rservoirs dans la wilaya de Tizi-Ouzou.
Pour pouvoir traiter le tableau de donnes, nous faisons appel au logiciel Stat Box. Ce
dernier a t mis notre disposition par le dpartement dagronomie dont les tapes sont
exposes en annexe 2.
Page 86
Chapitre 4
Application de lACP un parc de rservoirs
Introduction
Afin danalyser les 13 diffrents paramtres (environnementaux, structuraux et
fonctionnels) pris en compte par (Hammoum, 2012) pour le calcul de lindice de vulnrabilit
des rservoirs, et dterminer les paramtres les plus influents ; autrement dit rendre
l'information moins redondante, nous appliquons dans ce chapitre la mthode dite ACP
(chapitre 3). Celle-ci consiste traiter le tableau de donnes obtenues par la mthode
dexpertise, qui est constitu de rservoirs en lignes et des diffrents paramtres en colonnes
tenant compte de la variable "indice de vulnrabilit Iv". Etant donn la dimension de la
matrice (54x14), nous avons fait appel au logiciel Stat Box pour le traitement des donnes et
la conception des graphiques et organigrammes.
4.1. Donnes brutes pour lapplication de lACP

Les donnes sont sous la forme dun tableau n lignes et p colonnes, que lon stocke sous
la forme dune matrice X (n p). Les rservoirs en nombre de 54 seront en lignes, et les
paramtres en nombre de 14 seront en colonnes. L'ACP va procder au traitement dun
ensemble de variables corrles en un nombre rduit de facteurs non corrls.
Afin daccorder la mme importance chaque variable, nous traitons ce tableau de
donnes par une analyse en composantes principales norme (chapitre 3).
Les donnes variables-individus sont prsentes au tableau 4.1.
Page 87
Chapitre 4
Tableau 4.1 : Donnes brutes (n x p).

Paramtres
Nom du site
Adnis (Irdjen)
Ait hague (Irdjen)
Ait halli (Irdjen)
Type
de
sol
Action
de la
neige
4
2
8
8
4
4
5.5
5
9
6
2
2
6
2
6
2
12
8
6
6
1
1
4
4
12
5.5
12
Implantation
Zone
de l'ouvrage sismique
code
Iv
1
2
70.5
53
3
3
66.5
Action Type de
Etanchit
Importance Frquence
Type des Etanchit
Dfauts
Rle de
de
la
de la
de
de
fondations de la paroi
apparents rservoir
vent structure
couverture
louvrage lentretien
Ait yacoub (Irdjen)
53
Boudjlil (Irdjen)
52
Ibhlal (Irdjen)
58.5
6.5
Mehriz (Irdjen)
51.5
5.5
Mestigua (Irdjen)
65.5
5.5
12
Monobloc1 (Irdjen)
52
12
Monobloc2 (Irdjen)
10
52
SR1 (Irdjen)
11
60.5
6.5
SR2 (Irdjen)
12
52
SR3 (Irdjen)
13
52.5
5.5
Taghanimt (Irdjen)
14
64.5
5.5
12
Taksebt (Irdjen)
15
51.5
6.5
Tala amara (Irdjen)
16
48
Tansaout (Irdjen)
17
48.5
5.5
Tamazirt 1 (Irdjen)
18
57
Tamazirt 2 (Irdjen)
19
51
Zone insustrielle (Irdjen)
20
79
12
12
12
Ath Ighil (Irdjen)
21
67
12
Mouldioune village
(DBK)
22
75.5
12
6.5
23
545
5.5
24
25
77.5
72
3
3
8
8
12
12
4
4
5.5
6
9
9
2
4
6
2
4
4
12
8
2
2
6
6
4
4
Mouldioune zone
(DBK)
Touaresse (DBK)
Touaresse (DBK)
Page 88
Chapitre 4
SR1 (Sidi Naaman)
SR2 (Sidi Naaman)
chef lieu (Sidi Naaman)

26
27
28
59.5
54.5
71.5
3
3
3
4
4
4
12
12
12
4
4
4
5.5
5.5
5.5
9
9
9
2
2
2
4
2
8
2
2
4
4
2
12
2
1
2
4
4
2
4
4
4
Maassal (Sidi Naaman)
29
64
30
74.5
12
4.5
31
63
12
kef laagab (Tadmait)

Baghdad (Tadmait)
Ait Saada ouarezki
(Tadmait)
Ait Saada bas (Tadmait)
Ait Saada haut (Tadmait)
(Tadmait)
Telta 1 (Tadmait)
Telta 2 (Tadmait)
32
33
72
60
3
3
4
4
12
12
4
4
5
4
9
6
2
2
6
4
6
4
9
9
6
2
2
2
4
4
34
68
12
35
36
60
50.5
3
3
2
2
8
8
4
4
6
5.5
6
9
2
4
4
2
6
2
9
1
4
4
2
2
4
4
37
66
38
39
72.5
65.5
3
3
4
4
12
12
4
4
5.5
5.5
9
9
2
2
6
4
4
2
9
2
8
8
2
6
4
4
Adjaba (Tirmitine)
40
61.5
5.5
12
41
75.5
12
5.5
12
12
42
61
12
43
66
12
44
56.5
5.5
45
57
46
48
47
56.5
5.5
48
49.5
5.5
Menacera (Tirmitine)
49
51.5
5.5
chef lieu 1 (Mekla)
50
69
12
12
chef lieu 2 (Mekla)
51
63.5
12
4.5
12
SRI Chaibe (Mekla)
52
71.5
12
5.5
12
53
62
12
54
65.5
5.5
SR2 Djamaa N Saridj

(Mekla)
SR3 Djamaa N Saridj
(Mekla)
Page 89
Chapitre 4
Remarque :
Comme nous lavons dj soulign, lACP ne sait pas traiter les valeurs identiques dune
variable pour tous les individus. Pour permettre Stat Box de traiter ce tableau de donnes,
nous avons procd llimination de toutes ces variables ayant une mme valeur ; comme
"limplantation de louvrage", "laction de la neige" et "la frquence dentretien". Ainsi, le
nombre de variables est rduit 11 (tableau 4.2) :
Tableau 4.2 : Tableau trait par Stat Box.
Action Type de
Etanchit Etanchit
Importance
Type des
Dfauts
Rle de
de
la
de la
de la
de
fondations
apparents rservoir
paroi
couverture
louvrage
vent structure
Zone
sismique
Type
de sol
59.5
42
55.5
42
41
47.5
40.5
54.5
41
41
49.5
41
41.5
53.5
40.5
37
37.5
46
40
68
56
4
2
4
2
2
2
4
4
4
4
4
4
2
4
4
4
2
4
4
2
8
8
12
4
3
8
3
8
12
6
8
8
8
8
4
4
4
4
3
12
5.5
5
5.5
5
6
6.5
5.5
5.5
4
5
6.5
6
5.5
5.5
6.5
5
5.5
5
6
6
9
6
9
6
9
9
9
6
9
9
9
9
9
9
9
9
9
6
9
9
2
2
4
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
6
2
4
2
4
8
6
6
2
2
6
2
2
2
4
2
2
2
6
4
64.5
12
6.5
43.5
5.5
66.5
61
48.5
8
8
12
12
43.5
Iv
12
8
12
8
6
6
2
12
1
2
6
2
4
12
6
6
4
8
2
12
6
6
2
6
6
3
6
6
4
8
4
4
6
2
1
2
6
6
4
6
1
1
1
1
1
1
1
1
1
1
2
2
1
1
2
1
1
1
2
3
6
2
2
6
2
2
2
4
2
2
2
2
2
8
2
2
2
8
2
12
2
12
5.5
6
9
9
2
4
6
2
12
8
2
2
6
6
12
5.5
4
4
2
12
5.5
60.5
12
5.5
12
53
63.5
12
4.5
52
12
61
12
49
12
57
12
49
39.5
5.5
55
Page 90
Chapitre 4
61.5
54.5
50.5
4
4
12
12
5.5
5.5
9
9
2
2
6
4
9
2
8
8
2
6
4
2
6
5.5
12
64.5
12
5.5
12
12
50
55
45.5
46
37
12
5.5
2
4
4
4
2
4
4
45.5
5.5
38.5
40.5
58
5.5
5.5
12
52.5
12
4.5
60.5
51
54.5
12
5.5
5.5
12
2
2
2
12
12
4
4
6
12
12
4.2. LACP est elle applicable ?

Dans la thorie, comme dans la pratique, lACP se met en uvre sur la matrice de
variance-covariance ou sur la matrice des corrlations (chapitre 3). Le logiciel Stat Box
sintresse la matrice des corrlations. En effet, raliser une ACP sur la matrice de variancecovariance n'limine pas les dimensions individuelles de chacune des variables tudies. Ce
problme est automatiquement rgl avec la matrice des corrlations.
Nous verrons dans les sections qui suivront, les diffrentes tapes de ltude de cette
matrice de corrlations.
Il est bon de souligner, quil existe des cas ou lACP est totalement injustifie. Il ne suffit
pas d'avoir un tableau croisant des variables quantitatives et des individus pour se jeter dans
une ACP ; encore faut-il que ce tableau vrifie au pralable certains critres.
4.2.1. Les donnes sont-elles factorisables ?

On parle de la factorisation des variables lorsquil existe un lien entre elles. Ce lien,
traduit par la prsence de corrlations, permet dextraire les composantes principales. En
effet, on peut considrer lACP comme une compression de linformation ainsi, lide sousjacente ces indicateurs (variables) est la suivante : est-ce quil est possible dobtenir un bon
rsum de linformation ? Ceci nest possible que si les donnes prsentent une certaine
redondance. Si les variables sont parfaitement corrles, un seul axe factoriel suffit, il
restituera 100% de linformation disponible. A linverse, si elles sont deux deux
orthogonales, a fortiori si elles sont deux deux indpendantes, le nombre adquat de facteurs
Page 91
Chapitre 4
retenir est gal au nombre de variables. Dans ce dernier cas, la matrice de corrlation
(implique dans le calcul de la solution) est la matrice unit (ou matrice identit).
Une premire stratgie consiste simplement inspecter la matrice de corrlation. Les lments
hors diagonale prennent des valeurs faibles (en valeur absolue) lorsque les variables sont peu
lies entres elles. Il est ds lors illusoire desprer obtenir un rsum efficace en un nombre de
facteurs rduit.
Certaines variables sont fortement corrles et dautres moins. Il est difficile de donner une
valeur seuil partir de laquelle il faut dcider que des liaisons exploitables existent. Il sagit
avant tout davoir une impression gnrale de corrlation en consultant la matrice.
Avant dappliquer la mthode ACP il ya lieu de vrifier deux tests :
-
test de sphricit de Bartlett
singularit de la matrice de corrlation
4.2.1.1. Test de sphricit de Bartlett

Il est recommand de vrifier le test de sphricit de Bartlett avant dentamer le calcul de
lACP. Ce test propose une mesure globale en sappuyant sur une dmarche statistique. Il vise
dtecter dans quelle mesure la matrice de corrlation calcule partir de nos donnes
(matrice observe) diverge significativement de la matrice unit. Il vrifie l'hypothse nulle
selon laquelle toutes les corrlations seraient gales zro. On doit donc tenter de rejeter
l'hypothse nulle c--d que le test doit tre significatif. Si lindice de significativit (le
risque derreur) tend vers 0.00, il est trs significatif. Lorsquil est infrieur 0.05, il est
significatif, entre 0.05 et 0.10, il est acceptable et au dessus de 0.10 on rejette lapplication
de lACP (Ruben, 2011). Ce test est trs sensible au nombre de cas et il est presque toujours
significatif lorsque le nombre de cas est grand, donc ces rsultats sont intressants presque
uniquement lorsqu'il y a moins de 5 cas par variable. En ce sens, le rejet de lhypothse nulle
ne garantit pas ncessairement que lACP donne de bons rsultats. A linverse, si le test de
Bartlett ne nous permet pas de rejeter lhypothse nulle, nous sommes en prsence dune
situation vraiment extrme o lACP nest pas justifie.
videmment, nous souhaitons vivement que ce test soit significatif pour nous autoriser
rejeter lhypothse nulle didentit indiquant labsence de corrlation significative entre nos
variables.
Pour rpondre toutes ces questions, dans un premier temps, il convient dobserver la
matrice des corrlations obtenu par Stat Box (tableau 4.3). Si plusieurs variables sont
Page 92
Chapitre 4
corrles, la factorisation est possible. Si non, la factorisation na pas de sens et nest donc pas
conseille.
Tableau 4.3 : Matrice de corrlation.
Iv
Zone
Type
sismique de sol
Action
de vent
Type de
Type des
la
fondations
structure
Etanchit
de la paroi
Etanchit
Importance
Dfauts Rle de
de la
de
apparents rservoir
couverture
louvrage
Iv
0.42
0.65
0.08
-0.05
0.16
0.52
0.59
0.72
0.01
0.34
Zone
sismique
0.42
0.40
-0.25
-0.24
0.08
0.19
-0.06
0.17
-0.30
0.61
0.65
0.40
-0.26
-0.17
0.22
0.21
0.16
0.25
-0.18
0.38
0.08
-0.25
-0.26
0.48
0.23
0.26
0.08
0.02
-0.05
-0.05
-0.05
-0.24
-0.17
0.48
0.15
0.02
0.01
-0.25
-0.08
-0.10
0.16
0.08
0.22
0.23
0.15
-0.04
0.01
0.03
-0.22
0.04
0.52
0.19
0.21
0.26
0.02
-0.04
0.04
0.33
-0.05
0.15
0.59
-0.06
0.16
0.08
0.01
0.01
0.04
0.50
0.05
-0.01
0.72
0.17
0.25
0.02
-0.25
0.03
0.33
0.50
-0.07
-0.12
0.01
-0.30
-0.18 -0.05
-0.08
-0.22
-0.05
0.05
-0.07
-0.20
0.34
0.61
0.38
-0.05
-0.10
0.04
0.15
-0.01
-0.12
-0.20
Type de sol
Action de
vent
Type de la
structure
Type des
fondations
Etanchit
de la paroi
Etanchit
de la
couverture
Dfauts
apparents
Rle de
rservoir
Importance
de louvrage
Le test de sphricit de Bartlett (le risque derreur) est calcul et affich par le logiciel
Stat Box. Cependant, pour le tableau de donnes que nous avons trait, il na pas t affich.
Ceci ne nous permet donc pas dtablir une quelconque conclusion sur ces rsultats. La raison
est due vraisemblablement au fait que nous avons pris en considration la variable Iv (indice
de vulnrabilit) qui est une combinaison linaire avec les autres variables (chapitre 2).
4.2.1.2. La matrice des corrlations est elle singulire?

Toujours par rapport la matrice des corrlations, il peut arriver que nous soyons dans un
cas de corrlation parfaite : on parle de singularit de la matrice des corrlations, c'est--dire
que lune des variables est parfaitement corrle avec une autre variable ou avec une
combinaison linaire de variables. Pour tester la corrlation parfaite, il faut calculer le
dterminant de la matrice. Par dfinition, une matrice singulire est de dterminant nul (0)
(elle nest donc pas inversible).
Imaginez, par exemple que dans notre base de donnes, nous ayons la variable moyenne
reprsentant la moyenne des diffrentes variables. Cette variable serait obtenue en faisant la
moyenne arithmtique, pondre par les coefficients. La variable moyenne serait donc
parfaitement corrle avec lensemble des variables, puisqutant une combinaison linaire de
ces dernires. Dans ce cas, une ACP serait injustifie. Mieux (Field, 2000) suggre quon ne
devrait jamais procder une ACP si le dterminant de la matrice des corrlations est
Page 93
Chapitre 4
infrieur 10-5. Dans le cas o le dterminant serait 1, la matrice sapparente alors la

matrice identit (tous les termes sauf ventuellement ceux de sa diagonale, sont nuls) ; ce qui
traduit une absence totale de corrlation entre les variables. Une ACP serait totalement
absurde. Il faut s'assurer que la matrice de corrlation soit de dterminant non nul, et diffrent
de lunit. Le test de sphricit de Bartlett nous permet de vrifier lhypothse (nulle).
Quen est-il de notre matrice des corrlations ?
Grace au logiciel Excel, on a pu calculer le dterminant de la matrice de corrlation qui
est gale -2.12 x 10-17. Le dterminant est infrieur 0, cela signifie que notre matrice est
singulire. La raison est que la variable Iv (indice de vulnrabilit) est obtenue en faisant la
somme des autres variables, qui est donc parfaitement corrle avec lensemble des variables,
puisquelle est une combinaison linaire de ces dernires.
Afin de poursuivre notre ACP,
nous devons supprimer cette colonne Iv. Ainsi nos
nouvelles variables seront rduites 10 (tableau 4.4) :

Tableau 4.4 : Nouveau tableau de donnes ACP.
Zone
Type
sismique de sol
Action Type de
Etanchit Etanchit
Importance
Type des
Dfauts
Rle de
de
la
de la
de la
de
fondations
apparents rservoir
vent structure
paroi
couverture
louvrage
12
8
12
8
6
6
2
12
1
2
6
2
4
12
6
6
4
8
2
12
6
6
2
6
6
3
6
6
4
8
4
4
6
2
1
2
6
6
4
6
1
1
1
1
1
1
1
1
1
1
2
2
1
1
2
1
1
1
2
3
12
6
2
2
6
2
2
2
4
2
2
2
2
2
8
2
2
2
8
2
12
2
8
2
6
2
4
2
4
4
2
2
12
8
4
2
2
2
2
1
6
6
4
4
4
2
4
2
2
2
4
4
4
4
4
4
2
4
4
4
2
4
4
2
8
8
12
4
3
8
3
8
12
6
8
8
8
8
4
4
4
4
3
12
5.5
5
5.5
5
6
6.5
5.5
5.5
4
5
6.5
6
5.5
5.5
6.5
5
5.5
5
6
6
9
6
9
6
9
9
9
6
9
9
9
9
9
9
9
9
9
6
9
9
2
2
4
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
6
2
4
2
4
8
6
6
2
2
6
2
2
2
4
2
2
2
6
4
12
6.5
5.5
8
8
4
4
12
12
12
12
5.5
6
5.5
5.5
9
9
9
9
2
4
2
2
Page 94
Chapitre 4
12
5.5
12
12
4.5
12
12
12
12
4
6
2
4
4
4
8
8
12
12
5.5
5
5.5
5.5
9
9
9
9
4
2
2
2
2
6
6
4
2
4
4
2
6
12
2
4
4
4
2
4
2
2
2
2
4
4
6
1
9
9
2
4
4
8
8
2
4
2
6
12
12
5.5
12
5.5
12
5.5
4
4
4
4
4
8
8
4
4
8
5
5
5.5
5.5
5.5
9
9
9
9
9
2
2
2
2
2
4
2
4
4
4
8
6
4
4
4
12
12
12
8
8
5
4.5
5.5
5
5.5
6
3
9
6
9
2
2
2
2
2
4
4
6
4
4
12
4
1
1
3
2
4
2
8
1
2
2
2
4
4
2
12
12
12
12
9
4
4
4
4
3
3
3
2
2
4
Par la suite, visualisons la nouvelle matrice de corrlation (tableau 4.5), donnes par Stat
Box:
Tableau 4.5 : Matrice de corrlation.
Zone
sismique
Type
de sol
Action
de vent
Type de
la
structure
Type des
fondations
Etanchit
de la paroi
Etanchit
de la
couverture
Dfauts Rle de
apparents rservoir
Importance
de
louvrage
Zone
sismique
Type de sol
0.40
-0.25
-0.24
0.08
0.19
-0.06
0.17
-0.30
0.61
0.40
-0.26
-0.17
0.22
0.21
0.16
0.25
-0.18
0.38
Action de
vent
-0.25
-0.26
0.48
0.23
0.26
0.08
0.02
-0.05
-0.05
Type de la
structure
-0.24
-0.17
0.48
0.15
0.02
0.01
-0.25
-0.08
-0.10
Type des
fondations
0.08
0.22
0.23
0.15
-0.04
0.01
0.03
-0.22
0.04
Etanchit
de la paroi
Etanchit
de la
couverture
Dfauts
apparents
0.19
0.21
0.26
0.02
-0.04
0.04
0.33
-0.05
0.15
-0.06
0.16
0.08
0.01
0.01
0.04
0.50
0.05
-0.01
0.17
0.25
0.02
-0.25
0.03
0.33
0.50
-0.07
-0.12
-0.30
-0.18
-0.05
-0.08
-0.22
-0.05
0.05
-0.07
-0.20
0.61
0.38
-0.05
-0.10
0.04
0.15
-0.01
-0.12
-0.20
Rle de
rservoir
Importance
de
louvrage
Page 95
Chapitre 4
Le test de sphricit de Bartlett :

-
lindice de signification (risque derreur) donns par Stat Box est gal 0.05 (5%).
Nous pouvons donc rejeter lhypothse nulle dabsence de corrlation significative
entre les variables. Autrement dit, la corrlation entre les variables est significative ; ce
qui veut dire que notre ACP est acceptable.
Le dterminant de cette nouvelle matrice est gale : 0.08. Il est diffrent de 1 et est
suprieur 10-5. Nous concluons que notre matrice nest pas singulire.
Ainsi, nous venons de voir deux indices (le dterminant et le test de sphricit de Bartlett)
lesquels nous ont aid vrifier si dans lensemble une matrice de corrlation possde les
proprits souhaites pour lanalyse en composantes principales. Il est galement important
dexaminer chacune des variables de faon individuelle pour nous assurer que chacune delles
est en relation avec lensemble des autres variables. En inspectant, une par une, pour chaque
range de la matrice de corrlation (tableau 4.5), nous constatons que les variables dmontrent
gnralement au moins une corrlation substantielle avec une autre lexception du "type de
fondation".
Lorsque nous sommes en prsence de ce type de variables qui nest en corrlation avec
aucune autre dans la matrice, il est recommand de la retrancher et de reprendre le calcul de
lACP, car toutes les variables doivent faire partie de la solution, c'est--dire tre corrles
minimalement avec une variable. Sinon, elles constituent des cas aberrants et doivent par
consquent tre retires de l'analyse. Cela va diminuer la perte dinformation et donc
maximiser la variance explique par les q axes choisis.
Pour relancer encore une fois Stat Box, nous retiendrons 9 variables (tableau 4.6) :
Tableau 4.6 : Tableau de donnes finales.
Zone
Type
sismique de sol
Action Type de Etanchit Etanchit

Importance
Dfauts
Rle de
de
la
de la
de la
de
apparents rservoir
vent structure
paroi
couverture
louvrage
5.5
12
12
5.5
12
6.5
5.5
5.5
12
12
Page 96
Chapitre 4

4
6.5
5.5
5.5
12
6.5
5.5
12
12
12
12
12
6.5
5.5
12
5.5
12
12
12
5.5
12
5.5
12
5.5
12
12
4.5
12
12
12
12
5.5
12
5.5
12
5.5
5.5
12
12
5.5
12
12
12
12
5.5
5.5
5.5
5.5
12
12
12
4.5
12
12
5.5
12
12
5.5
La nouvelle matrice de corrlation est donne par Stat Box comme suit (tableau4.7) :
Page 97
Chapitre 4
Tableau 4.7 : Matrice de corrlation finale.

Zone
Type
sismique de sol
Zone
sismique
Type de sol
Action de
vent
Type de la
structure
Action
de vent
Type de
la
structure
Etanchit
de la paroi
Etanchit
de la
couverture
Dfauts
Rle de
apparents rservoir
Importance
de
louvrage
0.40
-0.25
-0.24
0.19
-0.06
0.17
-0.30
0.61
0.40
-0.26
-0.17
0.21
0.16
0.25
-0.18
0.38
-0.25
-0.26
0.48
0.26
0.08
0.02
-0.05
-0.05
-0.24
-0.17
0.48
0.02
0.01
-0.25
-0.08
-0.10
Etanchit
de la paroi
Etanchit
de la
couverture
Dfauts
apparents
0.19
0.21
0.26
0.02
0.04
0.33
-0.05
0.15
-0.06
0.16
0.08
0.01
0.04
0.50
0.05
-0.01
0.17
0.25
0.02
-0.25
0.33
0.50
-0.07
-0.12
Rle de
rservoir
-0.30
-0.18
-0.05
-0.08
-0.05
0.05
-0.07
-0.20
Importance
de louvrage
0.61
0.38
-0.05
-0.10
0.15
-0.01
-0.12
-0.20
Le test de sphricit de Bartlett est gal 0.05. Ainsi, nous pouvons rejeter lhypothse
nulle dabsence de corrlation significative entre les variables. Autrement dit, la corrlation
entre les variables est significative, cela veut dire que notre ACP est bien acceptable.
Le dterminant de cette nouvelle matrice est gal 0.10. Il est diffrent de 1 et est
suprieur 10-5. Nous concluons que notre matrice nest pas singulire.
Maintenant que nous avons notre matrice de corrlation finale, il ya lieu de connaitre le
seuil de corrlation significative.
coefficient de corrlation de Bravais-Pearson r
Le coefficient de corrlation r de Bravais-Pearson est un indice statistique qui
exprime l'intensit et le sens (positif ou ngatif) de la relation linaire entre deux variables
quantitatives. Cest une mesure de la liaison linaire, c'est dire de la capacit de prdire une
variable x par une autre y l'aide d'un modle linaire.
Il permet de mesurer l'intensit de la liaison entre deux caractres quantitatifs. C'est donc
un paramtre important dans l'analyse de lACP. En revanche, ce coefficient est nul (r = 0)
lorsqu'il n'y a pas de relation linaire entre les variables (ce qui n'exclut pas l'existence d'une
relation autre que linaire). Par ailleurs, le coefficient est de signe positif si la relation est
positive (directe, croissante) et de signe ngatif si la relation est ngative (inverse,
dcroissante).
Le coefficient r de Bravais-Pearson entre deux variables x et y se calcul partir de la
covariance et des cart-types conformment la formule (3.7).
Page 98
Chapitre 4
Lorsque r est calcul sur un chantillon, on est amen tester sa significativit. Pour
un risque d'erreur alpha () fix, le degr de signification varie en fonction du nombre
d'individus de la distribution. Quand ce nombre augmente, le seuil infrieur de signification
diminue. La table de Bravais-Pearson (tableau 4.8) fournit les valeurs r critiques au-del
desquelles les coefficients de corrlation de Pearson obtenus sont significatifs. Pour des
chantillons de taille n, le degr de libert d.d.l = n-2.
-
si r calcul est strictement infrieur r critique, au seuil choisi et ddl=n-2,

il nest pas possible de conclure une relation entre les deux variables.
si r calcul est suprieur ou gale r critique, il existe bien une relation entre
les deux variables. A ce moment-l, le signe de r calcul va permettre dindiquer le
sens de la liaison.
Nous prsentons ci-dessous (tableau 4.8) la table de Bravais-Pearson aux niveaux de

signification = 0,1 (10%), 0.05 (5%), 0.02 (2%), 0.01 (1%), 0.001 (0.1%).
Tableau 4.8 : Table de Bravais-Pearson (Dagnelie, 2011).
0.1
0.05
0.02
0.01
0.001
0.988
0.997
0.9995
0.9999
0.900
0.950
0.980
0.990
0.999
0.805
0.878
0.934
0.959
0.991
0.729
0.811
0.882
0.917
0.974
0.669
0.754
0.833
0.874
0.950
0.622
0.707
0.789
0.834
0.924
0.582
0.666
0.750
0.798
0.898
0.549
0.632
0.716
0.765
0.872
0.521
0.602
0.685
0.735
0.847
10
0.497
0.576
0.658
0.708
0.823
11
0.476
0.553
0.634
0.684
0.801
12
0.458
0.532
0.612
0.661
0.780
13
0.441
0.514
0.592
0.641
0.760
14
0.426
0.497
0.574
0.623
0.741
15
0.412
0.482
0.558
0.606
0.724
16
0.400
0.468
0.542
0.590
0.708
17
0.389
0.456
0.528
0.575
0.693
18
0.378
0.444
0.516
0.561
0.678
19
0.369
0.433
0.503
0.549
0.665
20
0.360
0.423
0.492
0.537
0.652
21
0.352
0.413
0.482
0.526
22
0.344
0.404
0.472
0.515
23
0.337
0.396
0.462
0.505
ddl
Page 99
Chapitre 4

24
0.330
0.388
0.453
0.496
25
0.323
0.381
0.445
0.487
26
0.317
0.374
0.437
0.479
27
0.311
0.367
0.430
0.471
28
0.306
0.361
0.423
0.463
29
0.301
0.355
0.416
0.456
30
0.296
0.349
0.409
0.449
0.554
35
0.275
0.325
0.381
0.418
0.518
40
0.257
0.304
0.358
0.393
0.498
45
0.243
0.288
0.338
0.372
0.464
50
0.231
0.273
0.322
0.354
0.443
60
0.211
0.250
0.295
0.325
0.407
70
0.195
0.232
0.274
0.303
0.397
80
0.183
0.217
0.256
0.283
0.356
90
0.173
0.205
0.242
0.267
0.337
100
0.164
0.195
0.230
0.254
0.321
0.597
Dans le cas de notre tude, le nombre dindividus est gal 54. Donc le ddl vaut 52. Du
tableau 4.8, nous obtenons par interpolation rcritique = 0.268. Cela signifie quau del de cette
valeur toutes les corrlations sont significatives. Stat Box traite ce calcul automatiquement,
toutes les corrlations qui sont apparues en gras, dans la matrice de corrlation (tableau 4.7),
sont significatives.
4.3. Vrification des tapes de lACP

4.3.1. Moyennes et carts types des variables
La moyenne empirique du tableau 4.6 est son centre de gravit. Pour trouver le Barycentre,
cela revient centrer le tableau de donnes (tableau 4.6), c--d trouver le vecteur G de
dimension p qui a pour lment les moyennes par variable (chapitre 3).
La moyenne et lcart type des variables sont dtermins partir du logiciel Stat Box
conformment aux relations (3.4) et (3.5) respectivement. Les rsultats sont illustrs sur le
tableau 4.9 ci-dessous :
Page 100
Chapitre 4
Tableau 4.9 : Moyenne et carts types des variables.

Zone sismique
Type de sol
Action de vent
Etanchit de la paroi
Dfauts apparents
Rle de rservoir
Importance de louvrage
Moyennes
4.07
8.50
5.44
8.28
4.22
3.89
7.06
4.00
2.54
Ecarts-types
1.49
3.22
0.54
1.41
1.79
2.48
3.96
1.91
1.58
4.3.2. Centrage du tableau de donnes (matrice centre)

Centrer les donnes ne modifie pas la forme du nuage de points de donnes
dans
lespace, cela revient juste translater le nuage vers une autre origine qui est le centre de
gravit du nuage (chapitre 3).
La matrice centre est dtermine partir du calcul conformment la relation (3.10).
Les rsultats sont illustrs sur le tableau 4.10 ci-dessous. Les nouvelles valeurs reprsentent
les nouvelles coordonnes des points variables par rapport au barycentre.
Tableau 4.10 : Matrice des donnes centres.

Zone
Type de
sismique
sol
Action
de vent
Type de la
structure
Etanchit
de la paroi
Etanchit
Importance
Dfauts
Rle de
de la
de
apparents rservoir
couverture
louvrage
-0.07
-0.50
0.06
0.72
1.78
2.11
4.94
2.00
-1.54
-2.07
-0.50
-0.44
-2.28
-2.22
-1.89
0.94
2.00
-1.54
-0.07
3.50
0.06
0.72
-0.22
-1.89
4.94
-2.00
-1.54
-2.07
-4.50
-0.44
-2.28
-2.22
2.11
0.94
2.00
-1.54
-2.07
-5.50
0.56
0.72
-0.22
-1.89
-1.06
2.00
-1.54
-2.07
-0.50
1.06
0.72
3.78
-1.89
-1.06
-1.00
-1.54
-0.07
-5.50
0.06
0.72
1.78
-1.89
-5.06
2.00
-1.54
-0.07
-0.50
0.06
-2.28
1.78
0.11
4.94
2.00
-1.54
-0.07
3.50
-1.44
0.72
-2.22
-1.89
-6.06
0.00
-1.54
10
-0.07
-2.50
-0.44
0.72
-2.22
-1.89
-5.06
4.00
-1.54
11
-0.07
-0.50
1.06
0.72
1.78
-1.89
-1.06
0.00
-0.54
12
-0.07
-0.50
0.56
0.72
-2.22
-1.89
-5.06
0.00
-0.54
13
-2.07
-0.50
0.06
0.72
-2.22
-1.89
-3.06
2.00
-1.54
14
-0.07
-0.50
0.06
0.72
-2.22
4.11
4.94
-2.00
-1.54
15
-0.07
-4.50
1.06
0.72
-0.22
-1.89
-1.06
-3.00
-0.54
16
-0.07
-4.50
-0.44
0.72
-2.22
-1.89
-1.06
-2.00
-1.54
17
-2.07
-4.50
0.06
0.72
-2.22
-1.89
-3.06
2.00
-1.54
18
-0.07
-4.50
-0.44
-2.28
-2.22
4.11
0.94
2.00
-1.54
19
-0.07
-5.50
0.56
0.72
1.78
-1.89
-5.06
0.00
-0.54
20
-2.07
3.50
0.56
0.72
-0.22
8.11
4.94
2.00
0.46
Page 101
Chapitre 4
21
-0.07
-0.50
0.56
0.72
1.78
-1.89
4.94
2.00
-1.54
22
-0.07
3.50
1.06
0.72
3.78
4.11
1.94
-2.00
-0.54
23
-0.07
-0.50
0.06
0.72
-2.22
-1.89
-4.06
0.00
1.46
24
3.93
3.50
0.06
0.72
1.78
0.11
4.94
-2.00
3.46
25
3.93
3.50
0.56
0.72
-2.22
0.11
0.94
-2.00
3.46
26
-0.07
3.50
0.06
0.72
-0.22
-1.89
-3.06
-2.00
1.46
27
-0.07
3.50
0.06
0.72
-2.22
-1.89
-5.06
-3.00
1.46
28
-0.07
3.50
0.06
0.72
3.78
0.11
4.94
-2.00
-0.54
29
-0.07
-0.50
0.56
0.72
-0.22
4.11
-3.06
0.00
1.46
30
3.93
3.50
-0.94
-2.28
1.78
2.11
1.94
0.00
3.46
31
3.93
3.50
-0.44
-2.28
1.78
-1.89
-4.06
-2.00
3.46
32
-0.07
3.50
-0.44
0.72
1.78
2.11
1.94
2.00
-0.54
33
-0.07
3.50
-1.44
-2.28
-0.22
0.11
1.94
-2.00
-0.54
34
-0.07
3.50
-0.44
0.72
1.78
2.11
1.94
-2.00
-0.54
35
-2.07
-0.50
0.56
-2.28
-0.22
2.11
1.94
0.00
-0.54
36
-2.07
-0.50
0.06
0.72
-2.22
-1.89
-6.06
0.00
-0.54
37
-0.07
-0.50
-0.44
0.72
1.78
0.11
1.94
0.00
1.46
38
-0.07
3.50
0.06
0.72
1.78
0.11
1.94
4.00
-0.54
39
-0.07
3.50
0.06
0.72
-0.22
-1.89
-5.06
4.00
3.46
40
-0.07
-4.50
0.06
0.72
-0.22
2.11
4.94
-2.00
-0.54
41
-0.07
3.50
0.06
0.72
-2.22
8.11
4.94
0.00
-0.54
42
-0.07
3.50
-0.44
-2.28
1.78
-1.89
-4.06
0.00
3.46
43
-0.07
-4.50
0.56
0.72
1.78
0.11
4.94
0.00
1.46
44
-0.07
-4.50
0.06
0.72
-0.22
0.11
0.94
-1.00
-0.54
45
-0.07
-0.50
-0.44
0.72
-0.22
0.11
-3.06
0.00
-0.54
46
-0.07
-0.50
-0.44
0.72
-2.22
-1.89
-6.06
-2.00
-0.54
47
-0.07
-4.50
0.06
0.72
-0.22
0.11
-6.06
4.00
1.46
48
-0.07
-4.50
0.06
0.72
-0.22
-1.89
-4.06
-3.00
1.46
49
-0.07
-0.50
0.06
0.72
-0.22
-1.89
-5.06
-2.00
-0.54
50
3.93
3.50
-0.44
-2.28
-0.22
-1.89
4.94
0.00
0.46
51
1.93
3.50
-0.94
-5.28
-0.22
-1.89
4.94
0.00
0.46
52
-0.07
3.50
0.06
0.72
1.78
0.11
4.94
0.00
-0.54
53
-0.07
-0.50
-0.44
-2.28
-0.22
0.11
4.94
0.00
-0.54
54
-0.07
-0.50
0.06
0.72
-0.22
2.11
1.94
-1.00
1.46
4.3.3. Rduction du tableau de donnes centres (matrice centre rduite)

La rduction permet daccorder la mme importance pour toutes les variables. Ne pas
rduire permet de donner plus dimportance aux variables qui ont une variabilit plus grande
(une variance plus grande).
La matrice centre rduite est dtermine partir du calcul conformment la relation
(3.23). Les rsultats sont illustrs sur le tableau 4.11 ci-dessous. Les nouvelles valeurs
reprsentent les valeurs centres avec la mme importance.
Page 102
Chapitre 4
Tableau 4.11 : Matrice des donnes centres rduites.

Zone
sismique
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
-0.05
-1.39
-0.05
-1.39
-1.39
-1.39
-0.05
-0.05
-0.05
-0.05
-0.05
-0.05
-1.39
-0.05
-0.05
-0.05
-1.39
-0.05
-0.05
-1.39
-0.05
-0.05
-0.05
2.64
2.64
-0.05
-0.05
-0.05
-0.05
2.64
2.64
-0.05
-0.05
-0.05
-1.39
-1.39
-0.05
-0.05
-0.05
-0.05
-0.05
-0.05
-0.05
Type
de sol
-0.16
-0.16
1.09
-1.40
-1.71
-0.16
-1.71
-0.16
1.09
-0.78
-0.16
-0.16
-0.16
-0.16
-1.40
-1.40
-1.40
-1.40
-1.71
1.09
-0.16
1.09
-0.16
1.09
1.09
1.09
1.09
1.09
-0.16
1.09
1.09
1.09
1.09
1.09
-0.16
-0.16
-0.16
1.09
1.09
-1.40
1.09
1.09
-1.40
Action
de vent
0.12
-0.80
0.12
-0.80
1.04
1.95
0.12
0.12
-2.63
-0.80
1.95
1.04
0.12
0.12
1.95
-0.80
0.12
-0.80
1.04
1.04
1.04
1.95
0.12
0.12
1.04
0.12
0.12
0.12
1.04
-1.72
-0.80
-0.80
-2.63
-0.80
1.04
0.12
-0.80
0.12
0.12
0.12
0.12
-0.80
1.04
Type de
Etanchit
la
de la paroi
structure
0.51
-1.62
0.51
-1.62
0.51
0.51
0.51
-1.62
0.51
0.51
0.51
0.51
0.51
0.51
0.51
0.51
0.51
-1.62
0.51
0.51
0.51
0.51
0.51
0.51
0.51
0.51
0.51
0.51
0.51
-1.62
-1.62
0.51
-1.62
0.51
-1.62
0.51
0.51
0.51
0.51
0.51
0.51
-1.62
0.51
0.99
-1.24
-0.12
-1.24
-0.12
2.11
0.99
0.99
-1.24
-1.24
0.99
-1.24
-1.24
-1.24
-0.12
-1.24
-1.24
-1.24
0.99
-0.12
0.99
2.11
-1.24
0.99
-1.24
-0.12
-1.24
2.11
-0.12
0.99
0.99
0.99
-0.12
0.99
-0.12
-1.24
0.99
0.99
-0.12
-0.12
-1.24
0.99
0.99
Etanchit
Importance
Dfauts
Rle de
de la
de
apparents rservoir
couverture
louvrage
0.85
-0.76
-0.76
0.85
-0.76
-0.76
-0.76
0.04
-0.76
-0.76
-0.76
-0.76
-0.76
1.66
-0.76
-0.76
-0.76
1.66
-0.76
3.27
-0.76
1.66
-0.76
0.04
0.04
-0.76
-0.76
0.04
1.66
0.85
-0.76
0.85
0.04
0.85
0.85
-0.76
0.04
0.04
-0.76
0.85
3.27
-0.76
0.04
1.25
0.24
1.25
0.24
-0.27
-0.27
-1.28
1.25
-1.53
-1.28
-0.27
-1.28
-0.77
1.25
-0.27
-0.27
-0.77
0.24
-1.28
1.25
1.25
0.49
-1.02
1.25
0.24
-0.77
-1.28
1.25
-0.77
0.49
-1.02
0.49
0.49
0.49
0.49
-1.53
0.49
0.49
-1.28
1.25
1.25
-1.02
1.25
1.04
1.04
-1.04
1.04
1.04
-0.52
1.04
1.04
0.00
2.09
0.00
0.00
1.04
-1.04
-1.57
-1.04
1.04
1.04
0.00
1.04
1.04
-1.04
0.00
-1.04
-1.04
-1.04
-1.57
-1.04
0.00
0.00
-1.04
1.04
-1.04
-1.04
0.00
0.00
0.00
2.09
2.09
-1.04
0.00
0.00
0.00
-0.97
-0.97
-0.97
-0.97
-0.97
-0.97
-0.97
-0.97
-0.97
-0.97
-0.34
-0.34
-0.97
-0.97
-0.34
-0.97
-0.97
-0.97
-0.34
0.29
-0.97
-0.34
0.92
2.19
2.19
0.92
0.92
-0.34
0.92
2.19
2.19
-0.34
-0.34
-0.34
-0.34
-0.34
0.92
-0.34
2.19
-0.34
-0.34
2.19
0.92
Page 103
Chapitre 4
44
-0.05
-0.05
-0.05
-0.05
-0.05
-0.05
2.64
1.29
-0.05
-0.05
-0.05
0.00
45
46
47
48
49
50
51
52
53
54
-1.40
-0.16
-0.16
-1.40
-1.40
-0.16
1.09
1.09
1.09
-0.16
-0.16
0.00
0.12
-0.80
-0.80
0.12
0.12
0.12
-0.80
-1.72
0.12
-0.80
0.12
0.00
0.51
0.51
0.51
0.51
0.51
0.51
-1.62
-3.75
0.51
-1.62
0.51
0.00
-0.12
-0.12
-1.24
-0.12
-0.12
-0.12
-0.12
-0.12
0.99
-0.12
-0.12
0.00
0.04
0.04
-0.76
0.04
-0.76
-0.76
-0.76
-0.76
0.04
0.04
0.85
0.00
0.24
-0.77
-1.53
-1.53
-1.02
-1.28
1.25
1.25
1.25
1.25
0.49
0.00
-0.52
0.00
-1.04
2.09
-1.57
-1.04
0.00
0.00
0.00
0.00
-0.52
0.00
-0.34
-0.34
-0.34
0.92
0.92
-0.34
0.29
0.29
-0.34
-0.34
0.92
0.00
Les donnes sont centres et rduites, c'est--dire que chaque variable a une moyenne nulle et
une variance gale 1.
4.3.4. Matrice des corrlations

La matrice des corrlations est dtermine partir du logiciel Stat Box conformment
la relation (3.26). Les rsultats sont illustrs sur le tableau 4.7.
On peut dduire les corrlations significatives grce la table de Bravais-Pearson, mais il
existe des niveaux de signification.
Comme notre seuil minimal de risque derreur = 0.05 (seuil critique), donc :
-
au seuil des 5 %, nous avons des corrlations significatives (*) ;
au seuil des 1 %, nous avons des corrlations hautement significatives (**) ;
au seuil des 0.1 %, nous avons des corrlations trs hautement significatives (***).
Voyons notre matrice de corrlation :

Nous avons :
-
une corrlation significative (*) ngative entre :

"zone sismique" et "rle de rservoir" (r = -0.30) ;
une corrlation significative positive entre :

"tanchit de la paroi" et "dfauts apparents" (r = 0.33);
des corrlations hautement significatives (**) positives entre :

" importance de louvrage" et "type de sol" (r = 0.38) ;
"zone sismique et type de sol" (r = 0.40) ;
des corrlations trs hautement significatives (***) positives entre :

"action du vent" et "type de structure" (r = 0.48) ;
Page 104
Chapitre 4
"tanchit de la couverture" et "dfauts apparents" (r = 0.50) ;

"zone sismique" et "importance de louvrage" (r = 0.61).
Les variables corrls ngativement sont des variables de sens opposs ; autrement dit
lorsque lune augmente lautre diminue. Les
variables corrles positivement sont des
variables presque identiques et voluent dans le mme sens.
4.3.5. Choix du nombre daxe retenir

Deux critres empiriques sont vrifier pour slectionner le nombre daxes :
-
critre du coude de Cattell : le Graphique des valeurs propres (figure 4.1) donne une
reprsentation graphique des informations sur les valeurs propres de chaque facteur
prsentes dans le tableau 4.12. Dans cette reprsentation, il faut rechercher le point
(un dcrochement ou coude) de cassure qui reprsente le nombre de facteurs au-del
duquel l'information ajoute est peu pertinente. Nous slectionnons les axes avant le
dcrochement. Plus la courbe est accentue, plus il apparat qu'un petit nombre de
facteurs explique la majeure partie de la variance. A partir du moment o la courbe
devient presque une ligne droite horizontale, il apparat que les facteurs subsquents
apportent peu de nouvelles informations.
Critre de Kaiser : comme nous somme en ACP norme, on ne retiendra que les axes
associs des valeurs propres suprieures 1.
Avant de passer la slection des axes, visualisons le tableau des vecteurs propres et valeurs
propres.
4.3.5.1. Vecteurs propres

Les vecteurs propres sont les axes principaux dinertie maximum associs aux valeurs
propres. Ils sont donns par le logiciel Stat Box conformment la relation (3.18). Les
rsultats sont illustrs sur le tableau 4.12 ci-dessous :
Tableau 4.12 : Vecteurs propres.
Zone sismique
Type de sol
Action de vent
Dfauts apparents
Rle de rservoir
F1
0.52
0.47
-0.24
-0.29
0.22
0.11
0.27
-0.23
0.42
F2
-0.15
0.05
0.41
0.18
0.40
0.52
0.55
0.01
-0.19
F3
0.17
-0.01
0.48
0.51
0.25
-0.26
-0.30
-0.37
0.35
F4
0.03
-0.10
0.09
-0.26
0.64
-0.42
-0.03
0.57
0.04
F5
-0.01
0.23
0.05
0.26
-0.19
0.42
-0.26
0.63
0.45
F6
-0.31
0.73
-0.28
0.33
0.18
-0.20
-0.11
0.00
-0.32
F7
0.57
-0.25
-0.35
0.57
0.00
-0.07
0.24
0.22
-0.24
F8
0.20
0.33
0.51
-0.06
-0.49
-0.40
0.35
0.22
-0.12
F9
-0.47
-0.14
-0.25
0.22
-0.08
-0.30
0.53
-0.01
0.53
Page 105
Chapitre 4
Comme nous avons une matrice de corrlation carre 9 lignes et 9 colonnes, nous aurons 9
vecteurs propres et 9 valeurs propres.
4.3.5.2. Valeurs propres et leur variance explique

Les valeurs propres reprsentent la variance explique par chaque facteur. Comme nous
sommes dans une ACP norme, la trace de la matrice de corrlation est gale la somme des
variances qui est linertie total de nuage du point. La qualit globale des reprsentations est
mesure par la part dinertie explique qui est une mesure de la dispersion des observations
autour du centre de gravit (la moyenne).
Les vecteurs propres et le pourcentage des variances (inertie) sont dtermins partir du
logiciel Stat Box conformment aux relations (3.17) et (3.19) respectivement. Les rsultats
sont illustrs sur le tableau 4.13 ci-dessous :
Tableau 4.13 : Valeurs propres et leur variance associ.
Valeur
propre
% variance
% cumul
F1
F2
F3
F4
F5
F6
F7
F8
F9
Somme
2.38
1.66
1.52
0.93
0.84
0.65
0.44
0.37
0.20
9.00
26.48
26.48
18.47
44.95
16.92
61.87
10.34
72.21
9.29
81.50
7.22
88.72
4.87
93.59
4.16
97.75
2.25
100.00
100.00
On remarque que la somme des valeurs propres est gale p nombre des variables.
Effectivement comme les variables sont centres rduites (qui est loption par dfaut du
logiciel Stat Box), la variance de chaque variable valait 1. Donc linertie totale est alors
gale p le nombre de variables de dpart.
Les vecteurs dont >1 sont : F1, F2 et F3

Le premier axe prsente un taux dinertie de 26.48% ;
Le deuxime axe prsente un taux dinertie de 18.47 % ;
Le troisime axe prsente un taux dinertie de 16.92% ;
Le Critre de Kaiser nous conduit retenir 3 axes
Visualisons le diagramme des valeurs propres (figure 4.1) :
Page 106
Chapitre 4
Coupure
Figure 4.1 : Diagrammes des Valeurs propres.
La rgle de coude consiste couper lboulis des valeurs propres lendroit ou celui-ci
possde un coude. Son but est dobtenir le maximum dinertie conserve avec le minimum de
facteurs. On observe une chute importante partir du 3me axe (de 16.92% 10.34% de
linertie). Nous retenons 3 axes, ce qui reprsente presque 62% de linertie totale.
4.3.6. Etudes des variables

4.3.6.1. Coordonnes factorielles des variables
Les nouvelles variables, associes aux axes factoriels, sont appeles facteurs ou
composantes principales. Elles s'expriment comme combinaisons linaires des variables
initiales. Les coefficients de ces combinaisons linaires sont fournis par le logiciel Stat Box
(tableau 4.14) conformment la relation (3.21) ; c'est eux qui dfinissent les nouveaux axes :
-
ils permettent de calculer les nouvelles coordonnes d'un point-variable partir

des anciennes ;
ils permettent galement de voir le poids d'une ancienne variable dans la dfinition
d'un facteur. Le reprage des variables d'origine, correspondant aux coefficients les
plus levs en valeur absolu, permet de dgager une interprtation des facteurs. Cette
interprtation est facilite par l'examen des corrlations "anciennes- nouvelles"
variables (qui sont d'ailleurs proportionnelles aux coefficients) reprsentes dans le
cercle des corrlations (figure 4.2 et 4.3).
Le nombre maximum de composantes principales quil est possible dextraire dune

matrice de corrlation est gal au nombre de variables dans la matrice.
Page 107
Chapitre 4
Tableau 4.14 : Coordonnes factorielles des variables.

F1
F2
F3
Zone sismique
0.81
-0.20
0.21
Type de sol
0.73
0.07
-0.01
Action de vent
-0.37
0.53
0.60
-0.45
0.23
0.63
0.33
0.51
0.31
0.17
0.67
-0.32
Dfauts apparents
0.41
0.71
-0.37
Rle de rservoir
-0.35
0.01
-0.46
0.65
-0.24
0.43
Les variables qui ont plus contribu la formation de laxe 1 sont :

"zone sismique", "type de sol" et "importance de louvrage".
"Etanchit de paroi", "tanchit de la couverture" et "dfauts apparents".
"Action de vent", "type de la structure" et "rle du rservoir".
4.3.6.2. Contribution relatives des variables linertie des axes

La contribution relative des variables linertie des axes est donne par le logiciel Stat
Box. Les rsultats sont illustrs dans le tableau 4.15 ci-dessous :
Tableau 4.15 : Contribution des variables linertie des axes.
Zone sismique
Type de sol
Action de vent
Dfauts apparents
Rle de rservoir
F1
27.51
22.28
5.60
8.52
4.69
1.16
7.12
5.16
17.96
F2
2.36
0.29
17.21
3.31
15.94
27.18
30.13
0.01
3.58
F3
2.87
0.01
23.25
26.17
6.37
6.63
8.92
13.79
11.99
100.00
100.00
100.00
Les trois variables "zone sismique", "type de sol" et "importance de louvrage" expliquent
elles seules 67.75% de la formation du premier axe.
Les trois variables "tanchit de la paroi", "tanchit de la couverture" et "dfauts
apparents" expliquent elles seules 73.25% de la formation du deuxime axe.
Page 108
Chapitre 4
Les trois "variables action du vent", "type de structure" et "rle du rservoir" expliquent
elles seules 63.22% de la formation du troisime axe.
4.3.6.3. Qualit de reprsentation des variables (cosinus carrs)

Pour interprter correctement la proximit de projection dune variable sur un plan, il faut
sassurer que cette variable soit bien reprsente dans le plan. Pour cela, nous devons calculer
le cosinus de cet angle, ou plutt le carr du cosinus. Plus le carr du cosinus est grand, plus
la variable sera proche de laxe factoriel et donc sera bien reprsente sur cet axe.
Le cosinus de langle entre laxe factoriel et la variable nest autre que la corrlation entre
laxe factoriel et la variable initiale indiquant la qualit de reprsentation de la variable sur
l'axe. Plus une corrlation entre une variable et un axe est forte, plus la variable est proche de
laxe.
La qualit de reprsentation des variables est dtermine partir du logiciel Stat Box
conformment la relation (3.29). Les rsultats sont illustrs sur le tableau 4.16 ci-dessous :
Tableau 4.16 : Qualits des reprsentations des variables (cos2).
Zone sismique
Type de sol
Action de vent
Dfauts apparents
Rle de rservoir
F1
0.66
0.53
0.13
0.20
0.11
0.03
0.17
0.12
0.43
F2
0.04
0.00
0.29
0.06
0.27
0.45
0.50
0.00
0.06
F3
0.04
0.00
0.35
0.40
0.10
0.10
0.14
0.21
0.18
rcritique= 0.268. Au del de cette valeur toutes les corrlations sont significatives. Les variables
"zone sismique", "type de sol" et "importance de louvrage" sont proches du premier axe
factoriel et sont bien reprsent sur cet axe. Les variables "action du vent", "tanchit de la
paroi", "tanchit de la couverture" et "dfauts apparents" sont proches du deuxime axe
factoriel et sont bien reprsent sur cet axe. Les variables "action du vent" et "type de
structure" sont proches du troisime axe factoriel et sont bien reprsent sur cet axe. Toute
fois, la variable "rle du rservoir" intervient plus dans la formation des axes quon a
limins.
Pour le bon choix des axes principaux, il y a lieu de vrifier que les variables contribuant
la formation de ces derniers soient corrles positivement. Dans notre cas, nous avons :
Page 109
Chapitre 4
1er axe F1, nous avons des corrlations positives entre :

-
"zone sismique" et "type de sol" (**) ;
"zone sismique" et "importance de louvrage" (***);
"importance de louvrage" et "type de sol" (**).
2me axe F2, nous avons une corrlation positive entre :

-
"tanchit de la couverture" et "dfauts apparents" (***).
"tanchit de la paroi" et "dfauts apparents" (*).

-
"action du vent" et "type de structure" (***).
Ce qui confirme bien le bon choix de nos axes F1, F2 et F3.

-
Par ailleurs, en visualisons le tableau 4.16, nous dduisons que les variables qui ont plus
contribues la formation des axes F1, F2 et F3 respectivement sont "la zone sismique", le
"dfaut apparent" et "le type de structure".
4.3.6.4. Reprsentation des cercles de corrlations

Lexamen des plans factoriels permettra de visualiser les corrlations entre les variables.
A chaque point-variable dans le cercle des corrlations (figure 4.2, 4.3), on associe un point
dont la coordonne sur un axe factoriel est une mesure de la corrlation entre cette variable et
le facteur. Dans l'espace de dimension p, la distance des points-variables l'origine est gale
1. Donc par projection sur un plan factoriel, les points-variables s'inscrivent dans un cercle de
rayon 1 le cercle des corrlations et sont d'autant plus proche du bord du cercle que le point
variable est bien reprsent par le plan factoriel, c'est--dire que la variable est bien corrle
avec les deux facteurs constituant ce plan. Attention ! Les variables qui ne sont pas situes au
bord du cercle dans un plan factoriel ne sont pas corrles avec les deux facteurs reprsentes.
Elles ne servent pas l'interprtation et l'effet de perspective empche d'interprter la
proximit de deux variables (voir d'autres plans factoriels, o la corrlation sera plus forte).
L'angle entre 2 point-variables, mesur par son cosinus est gal au coefficient de corrlation
linaire entre les 2 variables conformment la relation (3.6).
Ainsi, si les points sont trs proches donc les variables qui forment un angle nul entre
elles sont trs fortement corrles. Celles qui font un angle droit ne sont pas corrles, et
celles qui prsentent un angle plat sont corrles ngativement donc les points sont opposs,
Page 110
Chapitre 4
car cela signifie que le cosinus de langle du vecteur joignant lorigine au point reprsentant la
variable avec le plan est, en valeur absolue, proche de 1. Plus une variable est corrle avec
un axe plus elle est proche de celui-ci.
Le cercle des corrlations (figure 4.2, 4.3) permet de voir, parmi les variables initiales, les
groupes de variables trs corrles entre elles. Pour interprter un axe, on examine les
coefficients de la combinaison linaire qui le dfinissent ou bien, si on prfre, on examine sa
corrlation avec les anciennes variables en observant le cercle des corrlations (ou le tableau
donnant ces corrlations). Une variable qui a une coordonne faible, donc un coefficient
faible, ne sert pas pour l'interprtation d'un facteur.
a. Cercle de corrlation des variables dans le plan factoriel (1-2)

Variables (axes F1 et F2 : 45 %)
1,5
1
Etanchit de la
couverture
-- axe F2 (18 %) -->
Dfauts apparents
Action de vent
0,5
Type de sol
0
Rle de rservoir
Zone sismique
Importance de
louvrage
-0,5
-1
-1,5
-1,5
-1
-0,5
0,5
1,5
-- axe F1 (26 %) -->
Figure 4.2 : Cercle de corrlation des variables dans le plan factoriel (1-2).
Les variables qui sont bien reprsents (celles qui sont proche du cercle de corrlation)
sont : "dfauts apparents"," type de sol", "zone sismique"; ce qui veut dire que ces variables
sont bien corrles avec les deux facteurs constituant ce plan.
Page 111
Chapitre 4
visualisons les corrlations entre les variables :

Les variables qui sont proches entre elles, donc qui sont corrles positivement sont :
"zone sismique" et "importance de louvrage" ;
"zone sismique" et "type de sol" ;
"tanchit de la couverture" et "dfauts apparents" ;
"tanchit de la paroi" et "dfauts apparents",
Les variables qui ont le plus contribu la formation des axes sont celles qui sont proches
de laxe et loin du centre de gravit.
Les variables qui ont le plus contribu la formation de laxe 1 sont : "zone sismique", "type
de sol" et "importance de louvrage".
Les variables qui ont le plus contribu la formation de laxe 2 sont : "tanchit de la
couverture", "tanchit de la paroi" et "dfauts apparents".
b. Cercle de corrlation des variables dans le plan factoriel (1- 3)
Variables (axes F1 et F3 : 43 %)
1,5
-- axe F3 (17 %) -->
Action de vent
0,5
Importance de
louvrage
Zone sismique
Type de sol
Etanchit de la
couverture
Rle de rservoir
-0,5
Dfauts apparents
-1
-1,5
-1,5
-1
-0,5
0,5
1,5
-- axe F1 (26 %) -->
Figure 4.3 : Cercle de corrlation des variables dans le plan factoriel (1-3).
Page 112
Chapitre 4
Les variables qui sont bien reprsentes (celles qui sont proche du cercle de corrlation)
sont : "importance de louvrage", "zone sismique" et "type de sol", ce qui veut dire que ces
variables sont bien corrles avec les deux facteurs constituant ce plan.
visualisons les corrlations entre les variables :
Les variables qui sont proches entre elles, donc qui sont corrles positivement sont :
"zone sismique" et "type de sol" ;
"importance de louvrage" et "zone sismique" ;
"tanchit de la couverture" et "dfauts apparents" ;
"action du vent" et "type de structure".
Les variables qui ont le plus contribu la formation des axes sont celles qui sont proches
de laxe et loin du centre de gravit.
Les variables qui ont le plus contribu la formation de laxe 1 sont : "zone sismique", "type
de sol".
Les variables qui ont le plus contribu la formation de laxe 3 sont : "action de vent", "type
de la structure" et "rle du rservoir".
Remarque :
La lecture des cercles des corrlations nous a confirm les conclusions retenues par
linterprtation des diffrents tableaux.
4.3.7. Etude des individus

4.3.7.1. Coordonnes factorielles des individus
Les coordonnes factorielles des individus sont obtenues par une projection orthogonale
de lindividu sur laxe factoriel. Le reprage des individus contribuant la formation dun axe
correspond au coefficient le plus lev en valeur absolue.
Les coefficients de ces coordonnes factorielles sont fournis par le logiciel Stat Box. Les
rsultats sont illustrs sur le tableau 4.17 ci-dessous :
Tableau 4.17 : Coordonnes factorielles des individus.
N
1
2
3
4
5
6
7
8
9
10
F1
-0.29
-1.08
0.36
-1.49
-2.76
-1.41
-1.87
0.25
-0.21
-1.93
F2
1.86
-0.99
0.62
-0.21
0.25
1.59
-0.45
1.05
-2.48
-1.66
F3
-0.75
-2.36
0.15
-2.77
0.06
1.64
0.43
-1.64
-1.02
-0.97
Page 113
Chapitre 4

11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
-0.79
-1.33
-2.19
-0.21
-1.26
-1.24
-2.77
-0.70
-1.58
-0.07
-0.68
0.73
-0.51
3.43
2.46
0.62
0.36
1.20
-0.16
4.14
3.58
0.58
1.78
1.06
-0.52
-1.88
0.68
0.04
0.31
-0.37
0.58
1.93
-0.14
-0.85
-0.43
-0.72
-1.38
-0.50
-0.63
2.90
3.04
0.72
0.73
0.43
0.82
-1.01
-0.77
1.37
0.29
-1.17
-0.84
0.00
-0.20
3.09
1.40
3.00
-1.49
0.48
-0.59
-0.85
-1.57
1.81
0.74
-0.66
-1.96
1.01
-1.03
0.99
1.07
-1.32
0.28
0.98
-1.33
1.21
2.17
-1.54
1.39
0.24
-0.62
-1.92
-0.94
-1.12
-0.95
-0.79
-1.35
1.38
0.10
0.63
1.61
0.90
-0.53
-0.75
1.92
-0.10
-0.51
-2.75
1.48
-1.02
0.11
1.42
0.82
1.77
1.95
1.41
1.47
0.72
0.85
-0.58
1.12
-0.76
-2.04
0.01
-1.08
0.31
0.28
-0.50
0.83
-0.03
-1.34
0.28
0.95
0.29
-0.06
0.48
0.28
1.70
1.13
-0.88
-2.64
0.05
-1.75
0.43
Les individus qui ont le plus contribu la formation de laxe 1 sont :

5, 7, 10, 12, 13, 16, 17, 19, 24, 25, 30, 31, 34, 36, 37, 42, 44, 47, 50 et 51 ;
1, 3, 9, 14, 20, 21, 22, 23, 27, 28, 32, 38, 40, 41, 43, 45, 46, 52 et 54 ;
2, 4, 6, 8, 11, 15, 18, 26, 29, 33, 35, 39, 48, 49 et 53 ;
Page 114
Chapitre 4
4.3.7.2. Contribution relatives des individus linertie des axes

La contribution relative des individus linertie des axes est donne par le logiciel Stat
Box. Les rsultats sont illustrs sur le tableau 4.18 ci-dessous :
Tableau 4.18 : Contribution des variables.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
F1
0.06
0.90
0.10
1.72
5.92
1.53
2.70
0.05
0.03
2.89
0.49
1.37
3.72
0.03
1.24
1.20
5.97
0.38
1.93
0.00
0.36
0.42
0.20
9.16
4.72
0.30
0.10
1.11
0.02
13.31
9.96
0.26
2.48
0.87
0.21
2.76
0.36
0.00
0.08
0.11
0.26
2.91
0.01
0.56
0.14
0.41
1.47
0.19
F2
3.86
1.09
0.43
0.05
0.07
2.80
0.22
1.23
6.86
3.07
0.75
1.13
0.67
2.09
0.10
1.53
0.79
0.00
0.04
10.66
2.18
10.03
2.46
0.25
0.39
0.80
2.76
3.66
0.61
0.48
4.28
1.14
1.17
1.09
1.27
1.94
0.08
1.08
1.97
1.63
5.24
2.63
2.14
0.06
0.43
4.09
0.99
1.41
F3
0.69
6.78
0.03
9.30
0.00
3.26
0.22
3.25
1.27
1.15
3.14
0.99
0.34
0.68
4.47
0.01
0.32
9.17
2.66
1.26
0.01
2.44
0.82
3.81
4.62
2.40
2.62
0.63
0.87
0.40
1.53
0.70
5.04
0.00
1.41
0.11
0.10
0.30
0.84
0.00
2.19
0.09
1.10
0.10
0.00
0.28
0.10
3.50
Page 115
Chapitre 4

49
50
51
52
53
54
0.31
6.56
7.18
0.40
0.41
0.14
1.01
0.70
2.04
2.11
0.01
0.44
1.55
0.95
8.50
0.00
3.74
0.22
Les quinze individus 5, 7, 12, 13, 17, 24, 25, 30, 31, 36, 37, 42, 44, 47 et 50 expliquent eux
seuls 76.08% de la formation du premier axe.
Les vingt trois individus 1, 3, 9, 10, 14 16, 20, 21, 22, 23, 27, 28, 32, 34, 38, 39, 40, 41, 43,
45, 46, 52 et 54 expliquent eux seuls 64.75% de la formation du deuxime axe.
Les seize individus 2, 4, 6, 8, 11, 15, 18, 19, 26, 29, 33, 35, 48, 49, 51 et 53 expliquent eux
seuls 53.35% de la formation du troisime axe.
4.3.7.3. Qualits des reprsentations des individus (cosinus carrs)

Pour interprter correctement la proximit de projection dun individu sur un plan, il faut
sassurer que cet individu soit bien reprsent dans le plan. Pour cela, nous devons calculer le
cosinus de cet angle, ou plutt le carr du cosinus. Plus le cosinus est grand, plus lindividu
sera proche de laxe factoriel et donc sera bien reprsent sur cet axe.
Le cosinus de langle entre laxe factoriel et lindividu nest autre que la corrlation entre
laxe factoriel et lindividu initial indiquant la qualit de reprsentation de lindividu sur l'axe.
Les coordonnes des individus sont gales aux corrlations avec les axes. Plus une corrlation
entre un individu et un axe est forte, plus lindividu est proche de laxe.
La qualit de reprsentation des individus est dtermine partir du logiciel Stat Box
conformment la relation (3.29). Les rsultats sont illustrs sur le tableau 4.19 ci-dessous :
Tableau 4.19 : Qualits des reprsentations des individus (cos2).
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
F1
0.01
0.12
0.02
0.19
0.86
0.16
0.41
0.01
0.00
0.35
0.11
0.34
0.68
0.01
0.17
F2
0.62
0.10
0.07
0.00
0.01
0.20
0.02
0.15
0.45
0.26
0.11
0.19
0.09
0.23
0.01
F3
0.10
0.59
0.00
0.66
0.00
0.22
0.02
0.37
0.08
0.09
0.44
0.16
0.04
0.07
0.40
Page 116
Chapitre 4

16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
0.22
0.86
0.04
0.33
0.00
0.07
0.04
0.06
0.70
0.36
0.08
0.02
0.17
0.00
0.84
0.65
0.06
0.26
0.21
0.04
0.52
0.15
0.00
0.01
0.02
0.02
0.32
0.00
0.27
0.11
0.08
0.19
0.03
0.11
0.62
0.42
0.12
0.11
0.08
0.19
0.08
0.00
0.01
0.53
0.30
0.65
0.51
0.01
0.02
0.16
0.29
0.38
0.10
0.02
0.19
0.20
0.09
0.19
0.17
0.26
0.03
0.13
0.14
0.25
0.31
0.20
0.29
0.02
0.24
0.56
0.09
0.18
0.24
0.05
0.08
0.46
0.00
0.16
0.00
0.03
0.65
0.29
0.06
0.00
0.14
0.16
0.19
0.22
0.43
0.25
0.06
0.13
0.02
0.06
0.11
0.34
0.00
0.17
0.01
0.03
0.03
0.05
0.00
0.12
0.01
0.14
0.03
0.00
0.04
0.01
0.40
0.34
0.06
0.32
0.00
0.62
0.08
rcritique= 0.268. Au del de cette valeur toutes les corrlations sont significatives.
Les individus 5, 7, 10, 12, 13, 17, 19, 24, 25, 30, 31, 36, 42, 44, 50 et 51 sont proches du
premier axe factoriel et sont bien reprsents sur cet axe.
Les individus 1, 9, 20, 21 22, 23, 27, 28, 41, 43, 46, et 52 sont proches du deuxime axe
factoriel et sont bien reprsents sur cet axe.
Les individus 2, 4, 8, 11, 15, 18, 19, 26, 33, 48, 49, 51 et 53 sont proches du troisime axe
factoriel et sont bien reprsents sur cet axe.
Les individus 3, 6, 14, 16, 29, 32, 34, 35, 37, 38, 39, 40, 45, 47 et 54 interviennent plus dans
la formation des axes que nous avons limins.
Page 117
Chapitre 4
4.3.7.4. Projection des individus dans les plans factoriels

Lexamen des plans factoriels permettra didentifier les individus qui ont contribu la
formation des axes. Lorsque des points de projections des individus sont loigns des axes
(ou dun plan), nous pouvons nous assurer que les points reprsentants ces individus sont
loigns dans lespace.
Puisque tous les individus ont le mme poids, un individu contribuera dautant plus la
confection dun axe que sa projection sur cet axe sera loigne du centre de gravit du nuage.
Inversement, un individu dont la projection sur un axe sera proche du centre de gravit
contribuera faiblement linertie porte par cet axe.
La Projection de nos individus (rservoirs) au nombre de 54 sont projets dans les plans
factoriels 1-2 (figure 4.4) et 1-3 (figure 4.5) respectivement.
a. Plan factoriel (1- 2)
Individus (axes F1 et F2 : 45 %)
20
22
41
1
6
-- axe F2 (18 %) -->
21
28
1443
40
35
15
8
38
29
3
11
52
32
34
54
24
37
53
44
18
19 4
7
17
-1
25
45
13
47
36
2
12 16
49
48
33
39
27
23
10
51
42
46
-2
30
50
26
31
9
-3
-4
-3
-2
-1
-- axe F1 (26 %) -->
Figure 4.4 : Reprsentation des individus dans le plan factoriel (1- 2).
Page 118
Chapitre 4
Les individus qui sont bien reprsents sont loin du centre de gravit. Nous distinguons
les individus auxquels sont affects les numros suivants (Tableau 4.1) :
1, 5, 9, 10, 17, 20, 22, 23, 24, 25, 27, 28, 30, 31,33, 36, 42, 41, 46, 50 et 51; ce qui veut
dire que ces individus sont loigns dans lespace, sont bien disperss.
b. Plan factoriel (1- 3)

Individus (axes F1 et F3 : 43 %)
3
25
15
6
24
48
11
19
27
49
12
7
36
47
16
17
28
54
37
3
52
40
42
34
38
1
10
39
45
13
-1
31
43
29
23
46
44
21
22
26
30
14
32
50
20
35
9
41
8
53
-2
33
2
51
18
4
-3
-4
-4
-3
-2
-1
- - a xe F 1 ( 2 6 %) - - >
Figure 4.5 : Reprsentation des individus dans le plan factoriel (1- 3).
Les individus qui sont bien reprsents (ceux qui sont loin du centre de gravit) sont
donns ci aprs conformment au tableau 4.1:
2, 4, 5, 6, 8, 10, 11, 13, 15, 17, 18, 19, 24, 25, 28, 30, 31, 33, 42, 48, 50, 51 et 52 ; ce qui
veut dire que ces individus ce qui veut dire que ces individus sont loigns dans lespace,
sont bien disperss.
Page 119
Chapitre 4
4.3.8.. Lien entre les deux tudes

Lexamen de ces graphiques permettra didentifier les groupes dindividus ayant pris des
valeurs proches sur certaines variables.
Pour la construction des groupes dindividus nous nous basons sur les individus qui ont
des corrlations significatives (> rcritique) avec les axes considrs. Lutilisation
utilisation des variables
permettra de caractriser
triser ces diffrents groupes.
Puisque nous avons deux axes, nous aurons quatre groupes : 2 groupes par axe (un
groupe dfinissant les individus dont les coordonnes
coordonn s sur laxe sont ngatives
ngati
et un groupe
dfinissant les individus dont les coordonnes
coordonn sur laxe sont positives)
a. projection des individus et variables dans le plan factoriel (1- 2)

2
Figure 4.6 : Reprsentation des variables et individus dans le plan factoriel (1-2).
Page 120
Chapitre 4
laxe 1 (couleur rouge)

Le premier groupe dindividus dont les coordonnes sur laxe 1 sont positives contient
les individus suivants : 24, 25, 30, 31, 42, 50 et 51.
Le deuxime groupe dindividus dont les coordonnes sur laxe 1 sont ngatives contient
les individus suivants : 5 ,10 ,12 ,13 ,17 ,19 ,36.
Nous savons que les variables qui ont plus contribu la formation de laxe 1 sont la
"zone sismique", "le type de sol" et "limportance de louvrage". Leurs coordonnes sur laxe
1 sont positives (elles se trouvent droite de laxe). De ce fait, nous dduisons que ce sont ces
deux groupes dindividus qui ont contribu la corrlation de ces variables. Le groupe
dindividus qui se trouve droite ont de fortes valeurs pour ces variables et ceux qui se
trouvent gauche ont de faibles valeurs pour ces variables ; comme le montre le cas des
individus 5 et 51 du tableau 4.20.
Tableau 4.20 : Contribution des variables la formation de laxe 1.
Zone sismique
Type de sol
Importance de
louvrage
Boudjlil N5
chef lieu 2 Mekla N51
12
laxe 2 (couleur bleu)

Le premier groupe dindividus, dont les coordonns sur laxe 2 sont positifs contient les
individus suivants : 1, 14, 21, 28, 41, 43, 52.
Le deuxime groupe dindividus dont les coordonns sur laxe 2 sont ngatifs contient les
individus suivants : 9, 23, 27, 46.
Nous savons que les variables qui ont plus contribu la formation de laxe 2 sont
"tanchit de la paroi", "tanchit de la couverture" et
"dfaut apparents". Leurs
coordonnes sur laxe 2 sont positives (elles se trouvent en haut de laxe).
Le groupe dindividus qui se trouve en haut ont de fortes valeurs pour ces variable, et
celui qui se trouve en bas ont de faibles valeurs pour ces variables.
Page 121
Chapitre 4
b. projection des individus et variables dans le plan factoriel 1- 3
Figure 4.7 : Reprsentation des variables et individus dans le plan factoriel (1et 3).
laxe 1 (couleur rouge)

Dans ce plan factoriel 1-3
1 nous retrouvons les mmes informations concernant les
individus et les variables avec le plan factoriel 1-2.
laxe 3 (couleur verte)

verte
Le premier groupe dindividus dont les coordonnes
coordonn sur laxe 3 sont positives contient
les individus suivants : 11,, 15, 19, 22, 48, 49.
Page 122
Chapitre 4
Le deuxime groupe dindividus dont les coordonnes sur laxe 3 sont ngatives contient les
individus suivants : 2, 4, 8, 18, 33, 51, 53.
Nous savons que les variables qui ont plus contribu la formation de laxe 3 sont
"action du vent" et "type de structure". La figure 4.7 montre que les coordonnes de ces
variables sont positives. Elles se trouvent ainsi en haut de laxe 3.
De ce fait, le groupe dindividus se trouvant en haut de laxe 3 ont de fortes valeurs pour
ces variables, et celui qui se trouve en bas ont de faibles valeurs pour ces variables.
Les individus appartenant aux diffrents groupes constitus sont ceux qui ont particip
la prsence de corrlations significatives entre les diffrentes variables comme illustr
dans la matrice de corrlation (tableau 4.7). Nous pouvons alors dire que les individus se
trouvant dans un mme groupe se ressemblent du point de vu de ces variables.
Conclusion
Dans le cadre de ce chapitre, nous avons analys les 13 paramtres (environnementaux,
structuraux et fonctionnels), pris en considration dans le calcul de lindice de vulnrabilit Iv,
lchelle dun parc de 54 rservoirs ; par la mthode danalyse en composante principale (ACP).
Comme nous lavons montr en section (4.2.1), il ne suffit pas d'avoir un tableau croisant des
variables quantitatives et des individus pour appliquer une ACP ; encore faut-il que ce tableau
vrifie au pralable la factorisation des donnes. Celle-ci consiste vrifier la prsence dun
lien entre les variables par la prsence de corrlation significatives ; qui nous permettra
dextraire les composantes principales. Pour dduire ce lien, il ya lieu de vrifier deux tests :
le test de sphricit de Bartlett (risque derreur) et la non singularit de la matrice de
corrlation. Le seuil minimal du risque derreur rcritique, obtenu dans notre cas, est gal
0.268. Ce qui signifie quau del de cette valeur toutes les corrlations sont significatives.
Le choix des axes principaux est effectu en se basant sur deux critres, dabord le critre
du coude de Cattell, qui consiste rechercher le point (un dcrochement ou coude) de cassure
qui reprsente le nombre de facteurs au-del duquel l'information ajoute est peu pertinente ;
puis le critre de Kaiser, qui consiste ne retenir que les axes associs des valeurs propres
suprieures 1. Dans notre cas, nous avons retenu trois axes principaux F1, F2 et F3. Ces
axes prsentent 62% de linertie totale (c--d de linformation initiale). Le reste de
linformation est port par les autres axes non retenus.
Les rsultats obtenus montrent que les variables ayants contribues la formations des
trois axes principaux F1, F2 et F3 sont corrles positivement ; ce qui confirme le bon choix
de ces axes :
Page 123
Chapitre 4

-

-
"tanchit de la paroi" et "dfauts apparents" (*).

-
"action du vent" et "type de structure" (***).
Par ailleurs, les rsultats des corrlations montrent que les variables qui ont le plus
contribu la formation des axes F1, F2 et F3 respectivement sont la zone sismique, le dfaut
apparent et le type de structure. La lecture des cercles des corrlations (graphique variables)
nous a confirm les conclusions retenues par linterprtation des diffrents rsultats.
Cependant, les variables nayant pas particip la formation de ces axes, ont plus contribues
la formation des axes limins telle que le rle du rservoir.
Dautre part, la qualit de reprsentations des individus est dtermine de la mme
manire, partir du seuil minimal rcritique = 0.268. Au del de cette valeur toutes les
corrlations sont significatives. Plus une corrlation entre un individu et un axe est forte, plus
lindividu est proche de laxe donc sera bien reprsent sur cet axe. Par ailleurs, lexamen des
graphiques des variable individus a permis didentifier les groupes dindividus ayant pris des
valeurs proches sur certaines variables. C--d que les individus appartenant aux diffrents
groupes constitus sont ceux qui ont particip la prsence de corrlations significatives entre
les diffrentes variables comme illustr dans la matrice de corrlation (tableau 4.7). Nous
pouvons alors dire que les individus se trouvant dans un mme groupe se ressemblent du
point de vu de ces variables. Nous pouvons dcomposer le parc tudi en trois ensembles
composs chacun groupe dindividus semblables comme suit :
Ensemble 1 : les rservoirs Ait hague (LNI), Ait yacoub (LNI), Mestigua (LNI), SR1
(LNI), Taksebt (LNI), Tamazirt 1 (LNI), Tamazirt 2 (LNI), SR2 (Sidi Naaman), Ait saada
ourazki (Tadmait), Menacera (Tirmitine), Chef lieu 1 (Mekla), SR1 Chaib( Mekla), SR3
Djamaa N Saridj (Mekla) se ressemblent du point de vu des variables action du vent et type
de la structure, puisquils ont contribu leur corrlation.
Page 124
Chapitre 4
Ensemble 2 : Les rservoirs Boudjlil (LNI), Mehriz (LNI), Monobloc 2 (LNI), SR2
(LNI), SR3 (LNI), Tansaout (LNI), Tamazirt 2 (LNI), Touaresse (DBK), SR1 (Sidi Naaman),
Chef lieu 2 (Tadmait), Kef laagab ( Tadmait), Herrouka 1 (Tirmitine), Chef lieu 2 (Mekla),
SR1 Chaibe (Mekla) se ressemblent du point de vu des variables zone sismique, type de sol et
importance de louvrage, puisquils ont contribu leur corrlation.
Ensemble 3 : Les rservoirs Adnis (LNI), Monobloc 1 (LNI), Taghanimt (LNI),
Taghanimtt (LNI), Mouldiouane village (DBK), Chef lieu (Sidi Naaman), Maassal (Sidi
Naaman), SR2 (Sidi Naaman), Kef laagab (Tadmait), Ait saada bas (Tadmait), Telta 2
(Tadmait), Avarane 2 (Tirmitine), Herrouka 2 (Tirmitine), Megdoul 1 (Tirmitine),
SR2
Djamaa N Saridj (Mekla) se ressemblent du point de vu des variables tanchit de la

couverture, tanchit de la paroi et dfauts apparents.
Page 125
Conclusion gnrale
Afin de rduire les pertes et les dommages des structures sous leffet de certains alas
naturels (neige, vent, sisme etc.), plusieurs approches dvaluation de la vulnrabilit
dune structure donne ont t dveloppes ; savoir les mthodes physiques, les mthodes par
suret de fonctionnement, les mthodes par expertise et enfin mthodes statistiques. Ces
approches diffrent les unes des autres en cot, en moyens utiliss et en prcision. Le choix
du type dapproche dpend de lobjectif de lvaluation, de la disponibilit des donnes et de
la technologie utilise.
Dans ce mmoire, nous avons prsent les mthodes les plus connues destimation de la
vulnrabilit, et tout particulirement la mthode dexpertise dveloppe par (Hammoum et
al. 2012), pour valuer rapidement la prsomption de vulnrabilit dun rservoir donn en
bton vis--vis de certains alas naturels (vent, neige, sisme,etc.), par la dtermination
dun indice de vulnrabilit Iv. Celle-ci fait intervenir treize (13) paramtres influents pour
trois types danalyses (environnementale, structurelle et fonctionnelle).
Cette mthode dindexe a t teste avec succs lchelle dun parc de 54 rservoirs que
nous avons expertis dans diffrentes dara (Larbaa Nath Irathen, Draa Ben Khdda, Mekla) de
la wilaya de Tizi Ouzou. Des fiches
denqutes conues spcialement pour le terrain
(Bouhadoun et al, 2011) ont t renseignes lors de nos diffrentes missions de terrain, que
nous avons effectues durant les annes 2013-2014, et ce pour rcolter lensemble des
informations ncessaires au calcul des indices de vulnrabilit des diffrents ouvrages.
En sinspirant des travaux de diffrentes mthodes suscites, tout particulirement pour
lanalyse des risques partir des statistiques, nous avons utilis, pour la premire fois, une
mthode dite ACP pour analyser les diffrents paramtres influents, pris en compte dans le
calcul de lindice de vulnrabilit. Cette mthode permet dune part didentifier les paramtres
les plus influents et dautre part de rendre l'information moins redondante.
Nous avons procd au traitement dun tableau de donnes rectangulaires avec des
individus (rservoirs) en lignes et des variables quantitatives (paramtres) en colonnes. Vu la
dimension de cette matrice (54 lignes et 14 colonnes), nous avons fait appel au logiciel Stat
Box pour la conception des diffrents graphiques et organigramme. Ce dernier nous a
permis danalyser les rsultats, et den ressortir ce qui suit :
La qualit de reprsentation des variables et individus est dtermine partir du logiciel
Stat Box. Le seuil minimal du risque derreur obtenue rcritique est gale 0.268. Au del de
cette valeur toutes les corrlations entre variables sont significatives.
Les rsultats obtenus montrent que les variables ayants contribues la formation des
trois axes principaux retenus F1, F2 et F3, pour un taux dinformation de 62% suivant les
Conclusion gnrale
critres du coude de Cattell et le critre de Kaiser, sont corrles positivement ; ce qui

confirme le bon choix de nos axes :
-
Les paramtres "zone sismique", "type de sol" et "importance de louvrage" sont

physiquement indpendants mme sils prsentent une corrlation qui dsigne une liaison, ou
une combinaison linaire entre eux.
-
"tanchit de la paroi et dfauts apparents" (*).

-
"action du vent et type de structure" (***).
Nous remarquons que la corrlation entre les paramtres ayant contribus la formation
des axes F2 et F3 sont physiquement dpendants, c d quil existe un lien physique et rel
entre ces diffrents paramtres :
"tanchit de la couverture" et "dfauts apparents",
"tanchit de la paroi" et "dfauts apparents".
"action du vent" (dpendant de la forme de la structure) et le "type de la structure".
Lexamen des graphiques variables individus nous a permis, par ailleurs didentifier les
groupes dindividus ayant pris des valeurs proches sur certaines variables, c..d. que les
individus appartenant un mme groupe ont contribu la corrlation de ces variables et se
ressemblent du point de vues de ces variables ; comme nous lavons dtaill en conclusion du
chapitre 4.
Perspectives
A lissu de ce travail de recherche, plusieurs pistes souvrent nous et qui peuvent
constituer de potentielles perspectives pour de futurs travaux de recherches (thses) :
Conclusion gnrale
Afin de valoriser les corrlations obtenues pour les diffrents paramtres pris en
compte par (Hammoum, 2012), pour le calcul de lindice de vulnrabilit, il nous
semble important dtudier les liaisons linaires existantes entre ces derniers. Ceci
nous permettra de comprendre le comportement de ces variables les unes par rapport
aux autres pour voir dans quelle mesure une variable dominante peut absorber une
autre variable moins prpondrante.
Il serait intressant de crer un vecteur, que nous pourrons appeler vecteur de

rfrence , qui nous permettrait de reconstituer le cycle de vie de chaque individu
(rservoir) du mme parc.
AIT LHADJ L. Analyse non linaire dun immeuble surmont dun rservoir deau potable,
par la mthode Pushover, Mmoire de master 2
en Gnie Civil,
Universit Mouloud
MAMMERI de Tizi-Ouzou, 2013.

AUGUSTI G, CIAMPOLI M, Heritage buildings and seismic reliability. Progress in
Structural Engineering and Materials, vol 2, no2, pp 225-237, 2000.
BARA O, TAREK K, DJEGHABA M. Analyse en Composante Principale Multi-Echelle
Non Linaire pour la dtection de dfauts avec applications aux paramtres de pollution de la
rgion dAnnaba, Dpartement Electronique, Universit Badji-Mokhtar, Annaba. 2009.
BELHEOUANE F.I. Dtermination de l'indice de vulnrabilit pour les btiments en bton
arm, Mmoire de Magister en gnie civil, Universit de Blida, juin 2006.
BENZECRI J-P. Analyse des donnes T2, Universit de Paris, Ed. Dunod, Paris, Bruxelles
Montral, 1973.
BERTRAND F, MAUMY M, FUSSLER L, KOBES N, SAVARY S, GROSMAN J.
Analyses factorielles et rgressions logistiques ralises partir de donnes rcoltes dans le
cadre de lobservatoire national des maladies du bois de la vigne. 39me Journes de
statistique de la SFdS, Angers, France ,2007.
BOUHADOUN D, BELKACEM F. Evaluation dun patrimoine de rservoirs par la
dtermination de lindice de vulnrabilit dans un systme dinformation gophysique,
Mmoire de master 2 en Gnie Civil, Universit Mouloud MAMMERI de Tizi-Ouzou,
2011.
BOUKAIS S. Etude dun chantillon deau tronconique de capacit 1500 m3 implant
Benrahmoune, Boumerdes, Mmoire dingnieur en gnie civil, CHA, USTHB, 2012.
CREMONA C. Application des notions de fiabilit la gestion des ouvrages existants.
Association Franaise de Gnie Civil, 451 p, 2002.
CURT C, PEYRAS L, BOISSIER D. Formalisation et intgration des connaissances pour
lvaluation de la performance des barrages. 15me Congrs Lambda Mu, Lille, France.
Institut pour la maitrise des risques et la suret de fonctionnement, Bagneux (France),
Octobre 2006.
DAGNELIE P. Statistique thorique et applique, infrence statistique une et deux

dimensions, 3me dition de Boeck Universit, 2011.
DTR B-C 2-48. Rgles parasismiques algriennes (addenda 2003), CGS, Alger, juin 2003.
DTR B-C 2-4.7. Rglement neige et vent 1999, Ministre de l'habitat, Alger, juillet 1999.
DUBY C, ROBIN S. Analyse en Composantes Principales, Institut National Agronomique
Paris Grignon, 2006.
DUCROT B., FARGEOT B., MATHIEU G. L'tanchit des ouvrages en bton de
stockage et de transport de l'eau, partie 2, Annales du BTP, Editions ESKA, N 04, sept. oct.
1999.
DUMOLARD P. Donnes gographiques, analyse statistique multivarie, Lavoisier, Paris,
Got 315, 2011.
DURAND C. L'analyse factorielle et l'analyse de fidlit, Notes de cours et exemples,
Universit de Montral dpartement de sociologie, 2003.
FIELD A P. Discovering Statistics Using SPSS for Windows: Advanced Techniques for the
Beginner, Sage Publications, 496 pages, 2000.
FONTAINE A. Diagnostic des exploitations maraichres du projet Gamour, Mmoire de
master 2 en Gnie Urbain et Environnement, Universit Bretagne, Saint-Denis, 2009.
FRANOIS B. Gestion optimale dun rservoir hydraulique multiusages et changement
climatique, Modles, projections et incertitudes, Thse de doctorat en Terre, Univers et
Environnement, Universit de Grenoble, 2013.
GOUET J-P. PHILIPPEAU G. Les comparaisons de moyennes et de variances. Application
l'agronomie, LAVOISIER S.A.S, 56p, 1986.
GUILLE A, PONGE J-F. Application de lanalyse des correspondances ltude du
peuplement benthique de la cote catalane franaise, annales de linstitut Ocanographique 51 ,
pp 223-235, 1975.
HAMITOUCHE S. Expertise dun immeuble-rservoir de capacit 1000 m3en zone sismique

avec programme de rhabilitation, Mmoire de master 2 en Gnie Civil, Universit Mouloud
MAMMERI de Tizi-Ouzou, 2012.
HAMMOUM H. Diagnostic et analyse de risques lies au vieillissement des rservoirs en
bton arm. Dveloppement de mthodes daide lexpertise, Thse de doctorat es science en
Gnie Civil, Universit Mouloud MAMMERI de Tizi-Ouzou, 2012.
HAMMOUM H, BOUZELHA K, AIT AIDER. H, HANNACHI. N E. Tanks criticality
assessment by the dependability method. Case study, Engineering Failure Analysis, Ed.
Elsevier, 41 (2014) 1022, (http://dx.doi.org/10.1016/j.engfailanal.2013.07.016).
HAMMOUM H, BOUZELHA K, BOUHADOUN D, BELKACEM F. Evaluation de la
vulnrabilit aux alas naturels dun parc de rservoirs en bton dans un systme
dinformation gographique, Annual Conference of the Canadian Society for Civil
Engineering 2011, Ed. Curran Associates, Inc., New York, USA, dcembre 2011, Volume 1,
pp. 271-281, ISBN: 978-1-61839-218-3 (www.proceedings.com).
HAMMOUM H, BOUZELHA K, HANNACHI N.E. Analyse hydrodynamique dun
rservoir circulaire en bton arm, pos au sol, annales du BTP, N 2-3, Paris, avril juin
2010, Editions ESKA, (http://congres.eska.fr/pdf/ABTP%202-3%202010.pdf), ISSN 12709840, Paris. pp. 13-22.
HAMMOUM H, BOUZELHA K, HANNACHI N.E. Analyse dun scenario de
vieillissement de deux rservoirs jumels par un calcul aux tats limites, annales du BTP, N
5, 2012, Editions ESKA, Paris. pp. 51-60. ISSN 1270-9840. (www.eska.fr).
HAMMOUM H, BOUZELHA K, HANNACHI N.E, SERRE D. Vulnerability assessment
of the concrete tanks storage at natural hazards, in : M. Grantham, V. Mechtcherine, U.
Schnech (Eds.), Concrete solutions, Ed. Taylor and Francis Group CRC Press, London,
United Kingdom, 2012, pp. 4553., ISBN : 978-0-415-61622-5. (www.crcpress.com).
HOUSNER G. W. Dynamic analysis of fluids in containers subjected to acceleration, in
Nuclear Reactors and Earthquakes, Report No. TID 7024, U. S. Atomic Energy Commission,
Washington DC, 1963.
HUSSEN F, SEBASTIEN L, JEROME P. Analyse de donnes avec R, Presses
Universitaires de Rennes, 2009.
LAFFLY D. Cours de Rgression multiple : principes et exemples dapplication, Universit

de Pau et des Pays de lAdour, 2006.
LEFEBVRE J. Introduction aux analyses statistiques multidimensionnelles, 2me dition
Masson, Paris, 1980.
LIVAOGLU R, DOGANGUN A. Simplified seismic analysis procedures for elevated tanks
considering fluidstructuresoil interaction, Journal of Fluids and Structures, pp 421439,
2006.
MATHIEU G. Mthodologie d'valuation des ouvrages hydrauliques en bton applique un
patrimoine, Annales du BTP, N 5-6, 2003.
MATHIEU G. et al. Recommandations professionnelles pour le calcul, la ralisation et
l'tanchit de rservoirs, cuves, bassins, chteaux d'eau enterrs, semi-enterrs, ariens,
ouverts ou ferms, Annales ITBTP N 486, 1990.
PEYRAS L, Diagnostic et analyse de risques lis au vieillissement des barrages dveloppement de mthodes daide lexpertise, Thse de doctorat, Universit Blaise Pascal,
Clermont II, 2003.
PEYRAS L, BOISSIER D. Du retour dexprience en gnie civil, 13me rencontre
universitaires de gnie civil, 2005.
PEYRAS L, ROYET P, BOISSIER D. Dam ageing diagnosis and risk analysis:
Development of methods to support expert, Can. Geotech. J. volume 43, 2006.
PHILIPPEAU G. Comment interprter les rsultats dune analyse en composantes principale
(cours), Universit Claude Bernard Lyon 1, volume 63, Novembre 1986.
RABIA A, ALIOUA M. Analyse non linaire dun rservoir deau surlev tronconique par
la mthode Pushover, Mmoire de master 2 en Gnie Civil, Universit Mouloud MAMMERI
de Tizi-Ouzou, 2013.
RAKOTOMALALA R. Cours danalyse de corrlation, Etude des dpendances - Variables
quantitatives, Universit Lumire Lyon, 2012.
RAVEAUX R. Cours de statistiques : Analyse en Composantes Principales, Laboratoire L3I
Universit de La Rochelle, Octobre 2008.
ROGER K-V. Comment cartographier les donnes par lanalyse en composantes principales
(cours), Facult dAgronomie Universit de Kinshasa, Rpublique dmocratique du Congo,
Dcembre 2009.
RUBEN D. Le test de sphricit de Bartlett et les mesures d'adquacit de l'chantillonnage
avant une ACP, publi le 4 Aout 2011. (http://ouvrepot.over-blog.com/article-le-test-desphericite-de-bartlett-et-les-mesures-d-adequacite-de-l-echantillonnage-avant-toute-acp80884843.html).
SARADOUNI F. Contribution ltude de la vulnrabilit des retenues collinaires vis - avis des alas naturels, dans un systme dinformation gographique (SIG), Mmoire de
Magister en Gnie Civil, Universit Mouloud MAMMERI de Tizi-Ouzou, 2013.
SARRE I-A. Elaboration de programmes de dimensionnement de rservoirs en bton arme,
application sur la conception des ouvrages hydrauliques en bton arme du projet
d'alimentation en eau potable Mbane en Sngal, Thse dingniorat en Gnie Civil,
Universit Cheikh Anta Diop de Dakar, 2009.
SERRE D. valuation de la performance des digues de protection contre les inondations Modlisation de critres de dcision dans un systme dinformation gographique, Thse de
doctorat, Universit de marne la valle, 2005.
SERRE D, PEYRAS L, CURT R.C, BOISSIER D, DIAB Y. Evaluation des ouvrages
hydrauliques de gnie civil, revue canadienne de gotechnique, volume 44, 2007.
SLIMANI D. Analyse du risque sismique des rservoirs surlevs par la mthode de lindice
de vulnrabilit, Thse de master 2 en Gnie Civil, Universit Mouloud MAMMERI de TiziOuzou, 2013.
TALON A, BOISSIER D, PEYRAS L. Analyse des risques : Identification et estimation,
dmarches danalyses des risques, mthodes qualitatives danalyse de risque, universit
numrique ingnierie et technologie, mars 2009.
VANEUKEM S. Cours dHydraulique gnrale, Hydraulique applique la voirie, page 136,
Septembre 2009.
ZARROUK F. Cours de statistiques distance: Etude de la relation entre deux variables (le
coefficient de corrlation), Institut Suprieur Du Sport et de lEducation Physique de lKsarSaid en Tunisie, 2011-2012.
ZACEK M. Guide dvaluation de la prsomption de vulnrabilit aux sismes des btiments
existants, collection conception parasismique, mai, 2004.
ZWINGELSTEIN G. La maintenance base sur la fiabilit. Guide pratique d'application de
la RCM. Paris: Herms Editions, 666 p, 1996.
Annexe 1 :
Exemple de fiche denqute renseigne
Annexe 1
Fiche denqute du rservoir de Mouldiouane village
1. Fiche descriptive de louvrage

Wilaya : Tizi-Ouzou
Dara : Draa Ben Khedda
Commune : Draa Ben Khedda
Lieu dit : Mouldiouane village
Coordonnes (systme de projection : UTM) :
X : 559 m
Y : 382m
Figure 1.1 : Vue gnrale du rservoir de Mouldiouane village.
Date de visite : mars 2014

Capacit de louvrage : 200 m3
Forme de louvrage :
Circulaire (X)
Carr ( )
Rectangulaire ( )
Quelconque ( )
Date de mise en service : 1988

Personnes rencontres sur site : Agent
Clture : non cltur
Nom de lingnieur charg de lexpertise :
-
N MILOUDI (tudiante en magister, dpartement gnie civil)
A ALICHE (tudiant en doctorat, dpartement gnie civil)
2- Evaluation environnementale
2.1. Implantation de louvrage
Paramtres hydrogologiques
Au sud du pays
Sur la bande
nord
l'ouest de
pays
2
Milieu dsertique
Milieu rural
Zone industrielle
Milieu urbain
Pi
Implantation de louvrage
Nei
Montagne
1
Valles et pleine
2
Haut plateau et Nord de lAtlas Saharien 2
Grandes tendues sahariennes
3
Rgion ctire
4
Sur la bande
nord au centre
de pays
Sur la bande nord

l'est de pays
4
X
2.2. Zone sismique

Lieu dimplantation
Pi
Zone sismique
Zone 0
Zone I
Zone IIa
Zone IIb
Zone III
Nei
1
1
2
3
4
Annexe 1 :
2.3. Type de sol

Les conditions de terrain
risque de
liqufaction
Prsence de failles
Pi
Nei
Type de sol
Catgorie S1 (Sol rocheux)
Catgorie S2 (Sol ferme)
Catgorie S3 (Sol meuble)
Catgorie S4 (Sol trs meuble)
Risque
d'boulement
rocheux
3
Risque de Glissement
de terrain
4
1
2
3
4
2.4. Action de la neige et de sable

Les conditions de
terrain
En forme de
voute
En pente un ou
deux versant
Pi
Type de sol
Zone D
Zone C
Zone B
Zone A
Nei
1
2
3
4
A versant
multiples ou
deux redans
3
A versants
multiples ou
deux redans
4
2.5. Action de vent

Zone de vent
Nei
Pas daction
1
Hauteur de rservoir
Ph
Hauteur <5m :
0,25
Hauteur de 5 10m : 0,50
Hauteur de 10 15m : 0,75
Hauteur >15m :
1.00
Zone I
Zone II
2
3
X
Pi=Ph+Pc+Pt+Ps
Catgorie de terrain
Site topographique
Pc
Pt
Catgorie I :
0,25
Site 1 :
0,25
Catgorie II :
0,50
X
Site II :
0,50
Catgorie III :
0,75
Site III :
0,75
Catgorie IV :
1,00
Site IV :
1,00
X
Zone III
4
Etat de surface
Ps
En arc :
0,25
Rectiligne :
0,50
Circulaire :
0,75
Carre :
1,00
3. Evaluation structurelle
3.1. Type de structure
Les conditions de terrain
Pi
Type de sol
Nei
Rservoir enterr
charpente
mtallique
1
Bton
prcontraint
2
Bton arm
Maonnerie
Rservoir semi enterr
Rservoir pos au sol
Rservoir surlev
3.2. Type de fondation

Etat de tassement
Pas de tassement
Pi
Type de fondation
Nei
Puits ou pieux
Radier gnral
Semelle continues
Dbut d'volution de
tassement avec arrt
2
Tassement indiquant
une volution avance
3
Tassement qui traduit une

modification de comportement
4
Annexe 1 :
3.3. Etanchit de la paroi

Etat de ltanchit
Pi
Type de fondation
Nei
Classe A
1
Classe B
Classe C
Classe D
Assez
Satisfaisante
2
Satisfaisante
1
Moyennement
satisfaisante
3
Insatisfaisante
4
3.4. Etanchit de la couverture

Etat de ltanchit
Pi
Type de la couverture
Nei
revtement par imprgnation de surface
revtement de type enduit
revtement rsine synthtique
revtement par membrane
Satisfaisante
Assez Satisfaisante
Moyennement
satisfaisante
Insatisfaisante
3.5. Dfauts apparents

Age de louvrage
Pi
Infrieur 10 ans
entre 11 ans et 20 ans
entre 21 ans et 30 ans
Suprieur 30 ans
Indice de gravit
Nei
Niveau 1
Niveau 2
Niveau 3
Niveau 4
4. Evaluation fonctionnelle
4.1. Rle dun rservoir dans un rseau
Etat daccessibilit de louvrage
Accessible par
route revtue
Accessible par route

carrossable
Accessible par sentier

piton
Retenue
inaccessible
Pi
Destination de louvrage
Rservoir brise charge ou de transit
Rservoir de tte
Rservoir de station de pompage
Nei
1
2
3
4
4.2 Importance du rservoir

Capacit de louvrage
Pi
Nei
1
2
Le rservoir alimente des btiments du groupe IB 3
Le rservoir alimente des btiments du groupe 1A 4
Entre 0 et 500
m3
Entre 500m3 et
1000 m 3
Entre 1000 m3 et
2000 m 3
Suprieur
2000m3
Annexe 1 :
4.3. Frquence dentretien

Frquence de lentretien
Nei
Mensuelle
1
Trimestrielle
2
Semestrielle
3
Annuelle
4
X
5. Dfauts apparents
Figure 1.2 : Eclatement du bton.
Figure 1.3 : Dfaut denrobage des aciers avec

perte de section et de rsistance.
Figure 1.4 : Aciers dnuds et corrods.
Figure 1.5 : Fissures et fuites au niveau de la

paroi.
Figure 1.6 : Fuite et suintement sur

la paroi de louvrage.
Figure 1.7 : Efflorescence sur la paroi de

louvrage.
Annexe 1 :
Figure 1.8 : Vannes dgrades et mal entretenue.
Figure 1.9 : Chambre de vannes inonde.
Annexe 2
Prsentation sommaire du logiciel Stat Box Pro 6.40
Annexe 2
2.1. Dfinition
Stat Box est un logiciel d'analyse et de traitement statistique entirement intgr dans
Excel et adapt au monde agricole (Gouet. 1974). Il est simple utiliser, accessible et riche
en fonctions statistiques. Ce Logiciel bnfici dune puissance et dune richesse danalyse
qui permet de gagner du temps en travaillant dans un environnement familier. Il lit les
donnes provenant dExcel et utilise ce dernier
comme un diteur de rapports. Les
graphiques et les mappings sont modifiables avec loutil de dessin dExcel.

Le logiciel Stat Box intgre les fonctions suivantes :
statistiques descriptives : tris plat et tris croiss, nombreux graphiques, box-plots,

nuages, histogrammes, secteurs,
tests paramtriques et non-paramtriques,
de nombreux codages, ajustement une loi de probabilit,
prise en compte du poids des individus et des valeurs manquantes,
ACP, AFC, ACM, CAH, rgressions multiples, Anova, Ancova,
prvision court terme (lissage exponentiel Holt-Winters et mthode des 3 alphas),
redressement, chantillonnage, MDS, Modle linaire gnral sur un nombre illimit

de facteurs,
rgression logistique, neuronale, PLS, etc.,
enfin, arbres de segmentation mthode CHAID et CART.
2.2. Historique
Stat Box est un logiciel drivant du logiciel STAT ITCF dit chez Grimmersoft
spcialis dans le dveloppement doutils danalyses statistiques. Grimmersoft est lun des
tout premiers diteurs de logiciels sur micro-ordinateurs avec le lancement en 1987 d'une
application de traitement denqutes. Lditeur adopte en 1991 linterface graphique
Microsoft Windows et va jouer partir de cette date un rle prcurseur dans lutilisation des
outils de dveloppement Microsoft. Le logiciel Stat Box de Grimmersoft commercialis est
en effet le premier outil danalyse statistique dvelopp partir du tableur Microsoft Excel.
Rapidement adopt par une large communaut dacteurs du secteur agricole, Stat Box est
devenu loutil statistique de rfrence pour lanalyse des essais en agriculture.
Annexe 2
2.3. Etape de calcul dune ACP sous Stat Box

2.3.1. Lancement de Stat Box
Avant de lancer Stat Box, il faut dabord lancer Excel 2003. Stat Box tant intgr dans
Excel, il est charg automatiquement par celui-ci lors de son dmarrage. Il faut donc
sassurer dtre sur la feuille contenant les donnes analyser.
2.3.2. Types de donnes

Stat Box contrle la nature des valeurs des donnes en fonction de la structure algbrique
de la variable attendue :
quantitatives (numrique, continue)
qualitatives
Les variables quantitatives ne peuvent pas comporter de texte. Les variables qualitatives
peuvent comporter des valeurs numriques ou du texte, toutes les valeurs tant traites
indiffremment par Stat Box sous la forme de chanes de caractres.
2.3.3. Gestion des donnes

2.3.3.1. Lecture des donnes dans la feuille
Stat Box slectionne automatiquement les variables disponibles et leur type. De ce fait,
plusieurs rgles doivent tre vrifies :
la feuille Excel doit comporter uniquement nos donnes sous la forme dun tableau
rectangulaire (figure 2.1). Rien dautre ne doit se trouver dans la feuille. Najoutez
pas en bas du tableau, par exemple, des calculs complmentaires ou des
commentaires. Stat Box considrera ces informations comme appartenant au tableau
de donnes.
Stat Box lit les premires lignes pour identifier la nature des donnes : texte ou
numriques. Si vous mlangez le type de donnes, Stat Box ne pourra fonctionner
correctement.
Annexe 2
Figure 2.1 : Tableau de donnes trait par Stat Box.
Remarques :
viter, sur la ligne des libells, que deux variables aient le mme nom. Seule la
premire sera prise en compte.
Si vous dsirez changer de donnes, vous pouvez changer de feuille ou effectuer des
modifications sur la feuille en cours et relancer Stat Box.
2.3.3.2. Lancement de Stat Box

Aprs avoir ouvert le tableau de donnes, on lance Stat Box aprs avoir slectionn la
mthode ACP (figure 2.2).
Figure 2.2 : Slection de la mthode ACP.
Annexe 2
Selon les mthodes, tous les types de variables ne seront pas disponibles. En slection
manuelle, il appartiendra lutilisateur de contrler que la slection de donnes contenant le
type de donnes attendu pour la mthode en cours.
Chaque variable sera identifie dans les boites de dialogue par son nom prcd dun code
indiquant son type :
T pour les variables comportant du texte
N pour les variables numriques
S pour les variables codes
Comme lACP traite des variables quantitatives, lindice N pour chaque variable (figure 2.3).
Figure 2.3 : Visualisation de lindice N pour les valeurs quantitatives.
Annexe 2
2.3.4. Mise en uvre

2.3.4. 1. Affichage de donnes
Slectionnez lensemble des variables contrler en les plaant dans la liste de droite (figure
2.4).
Figure 2.4 : Interface de donnes.
Individus/variables : Coch cette option pour prciser que nos donnes sont sous la forme
dun tableau de n individus en lignes et de p variables en colonnes.
Rsultats/individus : Cochez cette option pour obtenir les rsultats et les graphes sur les
individus.
Nombre de facteurs : Choisir le nombre de facteur (axes principaux) que lon veut avoir, par
dfaut Stat Box choisis 4.
Libell des individus : Chaque individus est reprsents par des codes 1, 2, 3,... A chaque
modalit 1, 2, 3, correspond un libell (figure 2.5, 2.6).
Annexe 2
Figure 2.5 : interface de donnes.
Figure 2.6 : Reprsentations des individus par des codes dans le fichier rsultats.
Annexe 2
2.3.4. 2. Options
Cette interface, prsent dans presque toutes les mthodes, propose les options statistiques
ou de calculs pour la mthode en cours.
Pour accder aux options du logiciel, cliquez sur Options , la boite suivante apparait
(figure 2.7) :
Figure 2.7 : Interface options.
Variables supplmentaires : Slectionnez lensemble des variables supplmentaires en les

plaant dans la liste de droite.
Variables qualitative supplmentaires : dans notre cas nous navons pas de variables
qualitatives supplmentaires.
Individus supplmentaire : il nya pas ncessairement dindividus supplmentaires
Estimation des valeurs manquantes par la moyenne de la variables : sil nya pas de valeurs
manquantes, il nya pas lieu de cocher cette case.
Poids : Cochez cette case si vous dsirez pondrer les donnes, puis slectionnez la variable
de pondration. Les valeurs manquantes dans les poids sont cumules avec les valeurs
manquantes dans les donnes.
Type dACP : afin de permettre a Stat Box dafficher la matrice de corrlation dans le fichier
rsultats, il ya lieu de choisir la matrice de corrlation de Pearson dans la case type dACP).
Rotation des axes : Slectionner sans rotations des axes.
Annexe 2
Option des mapping

Une fois coch les options choisis, on appuis sur OK. Une fentre des options des graphes
vas apparaitre (figure 2.8).
Figure 2.7 : Onglet option des graphes.
Cette option permet de choisir les nombres de plan daxes affichs dans le fichier rsultats.
Pour notre cas, nous avons choisis les plans (F1.F2), (F1.F3) ; le plan (F2.F3) nous donnera
les mmes informations que les deux plans choisis.
Nombre dindividus max affichs : par dfaut Stat Box choisis 100. Dans notre cas, le
nombre dindividus (rservoirs) expertiss est de 54.
2.4. Performances
2.4.1. Temps de calcul
Les calculs sont gnralement assez rapides, sauf dans le cas des modules faisant appel
des mthodes itratives doptimisation ou la programmation dynamique (algorithme de
Fisher) o les temps de calcul peuvent tre levs, selon le paramtrage utilis et/ou la taille
des jeux de donnes.
2.4.2. Temps daffichage

Laffichage des tableaux de rsultats dans une feuille Excel est assez rapide pour un petit
nombre dindividus, plus le nombre dindividus augmente plus laffichage sera long. Aussi,
lorsquil y a lieu de traiter de grands jeux de donnes, il faut prendre garde aux options qui
sont proposes dans les botes de dialogue au sujet de laffichage de certains rsultats, par
exemple :
la matrice de corrlation dans lanalyse en composantes principales (ACP),
les matrices dinertie dans lanalyse factorielle discriminante (AFD),
Annexe 2
la matrice de proximit dans la classification ascendante hirarchique (CAH).
Laffichage des graphiques se fait en mme temps que laffichage des tableaux de
rsultats. Cependant, il est ncessaire de faire attention aux options proposes lors de
laffichage. En dehors des problmes de lisibilit des graphiques, vitez par exemple de
reprsenter 500 observations dans une ACP, car le temps daffichage sera excessivement
long.

Reservoir PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Reservoir PDF

Transféré par

Droits d'auteur :

Formats disponibles

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

MINISTERE DE LENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE

UNIVERSITE MOULOUD MAMMERI DE TIZI OUZOU

Mmoire soutenu le : 11/12/2014 devant le jury compos de :

Mme BOUZELHA Karima

Matre de confrences A (UMMTO)

Matre de confrences A (UMMTO)

Maitre assistant classe A

Mes remerciements sadressent aussi ma directrice de

recherche Madame BOUZELHA

Karima, professeur au Dpartement du Gnie Civil de lUniversit Mouloud MAMMERI de

Je tiens tout particulirement remercier Monsieur METNA Boussad, matre assistant A

galement adresser mes sincres remerciements aux fonctionnaires de lADE

Je profite pour adresser mes

remerciements galement Monsieur ALICHE Amar,

Doctorant au Dpartement Gnie Civil de lUniversit Mouloud MAMMERI de Tizi-Ouzou,

Enfin tous ce qui ont contribu

de prs ou de loin llaboration de ce mmoire merci.

Principales notations rencontres dans la thse par ordre d'apparition.

note lmentaire dun rservoir

coefficient de pondration dun rservoir

indice de vulnrabilit dun rservoir

hauteur dun rservoir

Etat de la surface du rservoir

matrice de tableau de donnes

poids de chaque individu

matrice diagonale des poids

moyenne de chaque variable j

cart type de chaque variable j

matrice des donnes centres

coefficient de corrlation entre les diffrents variables

centre de gravit du nuage de point

covariance des variables x et y

inertie totale du nuage de point

matrice des composantes principales

matrice des axes principaux

matrice des donnes centres rduites

matrice des corrlations

indice de significativit (risque derreur)

Table des matires

Gnralits sur les rservoirs ..................................................................................... 1

Etude de la vulnrabilit ............................................................................................ 4

Analyse de risques par lestimation de la vulnrabilit des structures ...................... 5

1.4. Diffrentes approches pour lanalyse des risques......................................................... 6

Chapitre 2 : Evaluation de la vulnrabilit des rservoirs en bton

Table des matires

2.5. Classification ................................................................................................................ 50

Chapitre 3 : Expos de la mthode ACP

Table des matires

Chapitre 4 : Application de lACP un parc de rservoirs

Liste des figures

Figure 1.1 : Rservoir surlev de 1500 m Boumerdes (Algrie) ....................................... 2

Figure 2. 1 : Organigramme de la mthodologie d'valuation des rservoirs ........................ 38

Liste des figures

Figure 2.14 : Aciers dnuds et corrods ................................................................................ 57

Figure 3.1 : Espace des individus ............................................................................................ 65

Figure 3.8 : Reprsentation variables centres dans le repre (G,  ,  , ) ....................... 72

Figure 3.9 : Construction dun espace factoriel....................................................................... 74

Figure 4.1 : Diagrammes des Valeurs propres ...................................................................... 107

Liste des tableaux

Tableau 1.1: Grille danalyse qualitative des symptmes ...................................................... 17

Tableau 2.1 : Liste des paramtres danalyse.......................................................................... 38

Liste des tableaux

Figure 3.8 : Reprsentation variables centres dans le repre (G, , , ) ....................... 72