Empiler des blocs jusqu'à ce que la tour s'effondre. Mais pourquoi cette tour finit-elle toujours par s’effondrer ? Serait-il possible qu'elle se construise à l’infini ? Une étude publiée dans l’International Journal of Solids and Structures, explore les dynamiques fascinantes et complexes de l’empilement de blocs soumis à des aléas. Réalisée par Vincent Denoël, ingénieur à l’Université de Liège cette recherche s’intéresse à la stabilité stochastique des empilements, apportant des éclairages cruciaux pour l’ingénierie, la construction et les sciences des matériaux.
I
maginez une tour de kaplas où chaque bloc est légèrement décalé. À mesure que la tour monte, le désalignement augmente jusqu’à un point de rupture inévitable, une situation bien connue de tous les amateurs de kaplas. Ce phénomène simple, qui fait écho aux jeux de notre enfance, pose une question de stabilité : jusqu’à quelle hauteur peut-on empiler des blocs avant que la structure ne s'effondre ? Vincent Denoël, ingénieur au sein du laboratoire SSD (Structural & Stochastic Dynamics) de l'Université de Liège, a cherché à mieux comprendre ces ruptures afin de développer un modèle statistique qui permettrait de prédire exactement la hauteur critique et les points de rupture en s'intéressant à un empilement aléatoire de blocs dans une configuration où chaque bloc est légèrement désaligné. Et donc comment les petites erreurs de positionnement, lorsqu’on empile des blocs, influencent-elles la stabilité globale de la pile ?
"Modélisées comme des variables aléatoires gaussiennes*, ces erreurs entraînent des désalignements progressifs qui, inévitablement, conduisent à l’effondrement, explique le chercheur. Ce problème dépasse le simple jeu d’enfant consistant à empiler des objets ; il s’agit d’un défi scientifique avec des implications majeures. De la construction de murs en maçonnerie sèche à l’optimisation des systèmes de stockage automatisé, comprendre la nature probabiliste de ces effondrements peut améliorer la sécurité et l’efficacité dans divers domaines."
Vincent Denoël a modélisé cette problématique comme un « problème de premier passage », une approche probabiliste permettant d’analyser les conditions menant à la défaillance d’un système. "À mesure que des blocs sont ajoutés, des désalignements aléatoires modifient progressivement le centre de gravité de la pile. Lorsque ce dernier dépasse une limite critique, la pile s’effondre." Cette approche a révélé deux zones principales de vulnérabilité : la base de la pile, où les erreurs cumulées deviennent insoutenables, et une zone intermédiaire, où des instabilités cachées s’accumulent insidieusement.
La hauteur maximale d’une pile avant son effondrement est inversement proportionnelle au carré de l’amplitude des erreurs de positionnement. Ainsi, de faibles erreurs permettent d’atteindre des hauteurs bien supérieures, tandis que des erreurs plus importantes conduisent à des effondrements rapides. Les simulations de Monte Carlo*, utilisées pour valider le modèle théorique, ont permis de visualiser les comportements des piles. Ces simulations ont confirmé la nature bimodale des points de défaillance, pour une hauteur de chute donnée, et ont mis en évidence la répartition des interfaces faibles au sein des piles.
Cette recherche ne se limite pas à une modélisation abstraite. Ses applications pratiques sont multiples. Dans le domaine de la construction, par exemple, les résultats peuvent aider à concevoir des structures plus stables, même en présence de petites imperfections. Dans les entrepôts automatisés, où l’empilement précis des marchandises est essentiel, les modèles probabilistes issus de cette étude pourraient réduire les risques d’effondrement. De plus, dans des domaines émergents comme la nanotechnologie, où la précision est cruciale, cette étude pourrait inspirer de nouvelles stratégies pour optimiser l’agencement de couches de dépôt de matière à l’échelle microscopique.
Au-delà de ses implications pratiques, cette étude illustre la façon dont une question apparemment anodine peut conduire à des découvertes fondamentales. En combinant des outils de la mécanique, de la dynamique des systèmes et de la théorie des probabilités, la recherche ouvre de nouvelles perspectives sur les interactions entre aléatoire et stabilité. Elle met également en lumière une leçon universelle : l’imprévisibilité, lorsqu’elle est correctement comprise, peut être maîtrisée pour produire des systèmes plus robustes.
Cette étude apporte un éclairage novateur sur la stabilité des structures aléatoires. Elle ne se contente pas de fournir des outils pour prédire et prévenir les effondrements ; elle montre également comment des systèmes imparfaits peuvent être optimisés grâce à une meilleure compréhension de leurs dynamiques intrinsèques. Ce travail constitue un pont entre la curiosité scientifique et l’application pratique, démontrant une fois de plus que même des questions apparemment simples peuvent conduire à des avancées majeures.
Une variable gaussienne, également appelée variable aléatoire normale, est une variable aléatoire dont les valeurs suivent une distribution normale ou gaussienne. Cette distribution est caractérisée par sa courbe en forme de cloche, appelée courbe de Gauss.
Stochastique - provient du grec ancien stochastikos (στόχος), qui signifie "cible" ou "capacité à deviner". Ce terme illustre l'idée d'estimer ou de prévoir quelque chose dans un cadre incertain.
Les simulations de Monte Carlo sont une méthode numérique utilisée pour résoudre des problèmes complexes impliquant de l'incertitude, des systèmes aléatoires ou des variables difficiles à modéliser de manière analytique. Elles reposent sur des techniques de génération de nombres aléatoires pour simuler de nombreux scénarios possibles d'un système ou d'un phénomène, permettant ainsi d'obtenir des estimations statistiques des résultats. Le principe de base consiste à répéter une expérience aléatoire un grand nombre de fois pour observer les variations des résultats et en déduire des propriétés statistiques comme la moyenne, la variance ou la probabilité d'occurrence de certains événements. Plus le nombre de simulations est élevé, plus les résultats sont précis et fiables.
Denoël, V. (2024). Stochastic stability of random stacking of blocks. International Journal of Solids and Structures, 305, 113094.
DOI : 10.1016/j.ijsolstr.2024.113094
Le concours Ma Thèse en 180 secondes vous offre l’opportunité unique de partager votre recherche avec un large public, tout en perfectionnant vos compétences en communication scientifique et en vulgarisation.
De la cathédrale Saint-Paul à Liège jusqu'à la Vallée des Rois en Egypte, des experts de l'ULiège développent des techniques innovantes pour percer les secrets de notre patrimoine culturel et bâti.
Un projet conjoint de design durable entre les universités de Phenikaa, Hanoi (Vietnam) et l’ULiège reçoit un prix pour son caractère innovant.
