Simulations stochastiques en environnements distribués. Application aux grilles de calcul

Contrary to deterministic models, the execution of stochastic models depends on the realization of random variables. The use of randomness allows to estimate a result often way too long to compute in a deterministic manner. As a counterpart, parameters of the distribution law of the output random variables should be estimated by computing multiple independent replications of the same experiment and therefore requires a significant computation time. Every stochastic simulation comprise by conception a naturally parallel aspect. They should be considered as killerapplications for distributed computing environments allowing to share computing power at a world wide scale, called computing grids. Whereas 50% of the processing cycle of the biggest supercomputer on earth are used for stochastic simulation parallel pseudorandom number generation techniques are neglected. Therefore there is a real risk of producing and publishing erroneous results of stochastic simulations. This PhD presents the state of the art of methods for distributing the replications of stochastic simulations and contribute to their development. It proposes novel methods for insuring traceability in the complex process of distributing stochastic simulations. At the end, it exposes applications in the domains of medical imaging and environmental simulations totaling more than 70 years of computation on a sequential computer.Contrairement aux modèles déterministes, le déroulement d'un modèle stochastique est conditionné par la réalisation de variables aléatoires. L'utilisation de hasard permet d'approcher un résultat le plus souvent incalculable de manière déterministe. En contrepartie, il est nécessaire d'estimer les paramètres des distributions associées aux quantités aléatoires en sortie du modèle stochastique. Ce calcul requiert l'exécution de multiples réplications indépendantes de la même expérience et de ce fait, d'une importante quantité de calcul. Toutes les simulations stochastiques comportent par conception un aspect naturellement parallèle. Elles représentent ainsi une des applications phares pour l'utilisation d'environnements de calculs distribués permettant de partager de la puissance de calcul à l'échelle mondiale, appelée grille de calcul. Bien que 50% des cycles des plus gros supercalculateurs de la planète soient consommés par des calculs stochastiques, les techniques de génération parallèle de nombres pseudoaléatoires sont méconnues. Il existe de ce fait un risque bien réel de produire et de publier des résultats de simulations stochastiques erronés. Cette thèse présente l'état de l'art des méthodes pour la distribution des réplications de simulations stochastiques et contribue à leur développement. Elle propose ainsi des méthodes novatrices permettant d'assurer une traçabilité dans le processus complexe de distribution de simulations stochastiques. Elle expose enfin des applications dans les domaines de l'imagerie médicale nucléaire et des simulations environnementales totalisant plus de 70 années de calcul sur un ordinateur séquentiel