Cette étude traite de deux défauts courants dans le domaine de la quantification de l'incertitude : d'une part l'hypothèse de distribution normale pour les grandeurs physiques non négatives, d'autre part l'utilisation de méthodes d'échantillonnage ou de discrétisation pour la propagation de l'incertitude d'intervalle. La première partie se concentre sur l'hypothèse de la distribution normale et son impact sur le calcul des moments et des probabilités de dépassement, à travers un cas simple mais représentatif. L'étude révèle et souligne les problèmes graves que l'hypothèse normale peut entraîner, indiquant que cette hypothèse peut avoir un impact négatif significatif sur les résultats de quantification de l'incertitude. Imposer une distribution normale aux grandeurs physiques non négatives conduit intrinsèquement à des propriétés indésirables, telles que l'inexistence des moments de la réponse cible ou des queues de probabilité de dépassement déraisonnablement épaisses. La deuxième partie explore la propagation de l'incertitude d'intervalle sous les angles analytique et numérique. Les preuves des deux côtés montrent que l'utilisation de méthodes d'échantillonnage pour traiter l'incertitude d'intervalle est à la fois très inefficace et inexacte. Nous démontrons par des exemples que la propagation de l'incertitude d'intervalle par échantillonnage sous-estime gravement le comportement des pires cas du problème étudié, tout en entraînant un coût informatique prohibitif.

quantification de l'incertitude;analyse de fiabilité;simulation de Monte Carlo;distribution normale;analyse d'intervalle