Estimation de Fermi

Établissez une suite d'estimations approximatives et évaluez votre marge d'erreur pour chacune. L'outil met alors en évidence la différence entre la valeur intuitive de votre résultat et sa précision véritable.

Exemple résolu — Estimation de Fermi

Estimation	100
Précision habituelle	×2,8
Erreur typique	×2
Pire cas, si chaque erreur va dans le même sens	×46

Ce sont les valeurs affichées par le calculateur à l’ouverture de la page. Modifiez une entrée ci-dessus pour les recalculer.

Chargement de la simulation interactive...

Le pire des cas vaut 729. La réalité est 2,85. 🖖

Réglez six facteurs sur ×3 chacun et comparez le pire des cas et l'erreur typique. Le pire cas, où toutes les hypothèses dévient dans le même sens, est 3⁶ = 729. L'erreur typique est de 2,85, et 86 % du temps vous tombez à un facteur dix près. Cet écart résume toute la méthode. La chaîne de Fermi lui-même est encore plus resserrée, car il connaissait mieux la population de Chicago que le nombre de ménages possédant un piano : elle aboutit à 100 accordeurs avec une fourchette de 2,8, et 98 % du temps à un facteur dix près. Six nombres, aucun n'a été vérifié, et une réponse assez solide pour en débattre.

Multiplier revient à additionner, grâce aux logarithmes 🖖

Les erreurs d'un produit ne s'accumulent pas brutalement, car multiplier des nombres revient à additionner leurs logarithmes. Des variables indépendantes se combinent alors en quadrature. La dispersion de n facteurs croît donc comme √n. Elle ne grandit pas proportionnellement à n. Une chaîne de six paramètres est 2,4 fois plus incertaine qu'un facteur isolé. Elle ne l'est pas six fois plus. L'ajout d'un septième facteur améliore ainsi la précision relative de l'estimation. Modifiez la longueur de la chaîne dans les paramètres pour observer ce phénomène : l'incertitude globale augmente beaucoup moins vite que le pire cas théorique.

Les limites du modèle et le célèbre cas de Drake 🖖

Cliquez sur Quand le modèle échoue. L'outil affiche cinq facteurs à ×3 et un seul à ×10 000. C'est exactement ce que l'équation de Drake exige d'accepter sur la durée d'émission d'une civilisation. La marge d'erreur globale bondit à ×246. Les chances de tomber juste à un facteur dix près chutent à 32 %. La colonne des contributions attribue alors 93 % de l'incertitude à cette unique ligne. La compensation des erreurs requiert impérativement des bornes raisonnables. La population de Chicago est bien connue à 50 % près. Surestimer un paramètre tout en sous-estimant le suivant présente alors un véritable intérêt. Personne ne connaît le dernier facteur de Drake à quatre ordres de grandeur près, ce qui empêche toute annulation des erreurs. La règle du √n devient inutile. La page consacrée à cette équation tire d'ailleurs la même conclusion : un produit mathématique s'effondre toujours sur son maillon le plus faible.

Problèmes entièrement résolus

Litres d'eau qu'une ville de 500 000 boit en un an 7 étapes
Combien de litres d'eau une ville de 500 000 habitants boit-elle en un an ? Estimez chaque nombre, puis calculez ce que ces approximations vous ont coûté.
1. Commencez par la chaîne. L'eau potable uniquement, sans les douches : environ 2 litres par personne et par jour, 365 jours, un demi-million de personnes.
  
  $2 \times 365 \times 500, 000 = 365, 000, 000$
2. Trois cent soixante-cinq millions de litres. Quelle marge d'erreur est permise pour chaque facteur ? La population est un chiffre de recensement, disons donc ×1,2. Les 2 litres sont une vraie supposition (certains en boivent 3, d'autres 1,3), on retient donc ×1,5. Le nombre de jours dans l'année est exact.
  
  $σ_{i} = \frac{ln k _{i}}{3} : \frac{ln 1.5}{3} = 0.234, \frac{ln 1.2}{3} = 0.105$
3. Chaque facteur comportant une incertitude de ×k ajoute ln(k)/√3 à la dispersion du logarithme, et les contributions indépendantes s'additionnent en quadrature.
  
  $σ = 0.23 4^{2} + 0.10 5^{2} = 0.257$
4. Un écart type correspond à un facteur de 1,3. La réponse honnête se situe donc autour de 365 millions de litres, et vous seriez surpris de vous tromper de plus de 30 % environ.
  
  $e^{0.257} = 1.29$
5. Comparez cela avec la crainte naïve. Si vos deux hypothèses déviaient dans le même sens, vous auriez un écart de 1,2 × 1,5 = 1,8. La dispersion réelle est de 1,3, et la différence entre ces deux nombres est la seule raison pour laquelle l'estimation en vaut la peine.
  
  $1.2 \times 1.5 = 1.8 vs 1.29$
6. L'argument en √n exige que les erreurs soient indépendantes. Si vous estimez la population à partir d'un chiffre obsolète et que vous utilisez ensuite ce même chiffre pour déduire le nombre de foyers, vous commettez une seule erreur deux fois, et elle ne se compense pas.
  
  $σ_{tot} = \sum σ_{i}^{2} ⟸ Cov (i, j) = 0$
7. C'est la faille qu'une estimation de Fermi ne peut pas détecter de l'intérieur. Voilà pourquoi la méthode exige des facteurs tirés d'endroits différents : un recensement, un taux physiologique, un calendrier. Trois sources qui peuvent être fausses indépendamment. Une source utilisée trois fois a exactement la même apparence sur la page et vous donne une fourchette illusoire.
  
  $n σ ⟶ n σ (ρ = 1)$
Réponse

Environ 365 millions de litres, et il est peu probable que vous vous trompiez de plus de 30 %. Le pire cas était de 1,8, la fourchette réelle est de 1,3, et l'écart entre les deux constitue la méthode. Le nombre que l'outil ne peut pas vérifier pour vous, c'est de savoir si vos hypothèses étaient réellement indépendantes.
Les battements d'une vie, et si une souris en reçoit vraiment moins 7 étapes
Calculez combien de fois un cœur humain bat au cours d'une vie et quelle est la largeur de la fourchette autour de la réponse. Décidez ensuite si une souris reçoit véritablement moins de battements qu'une personne, ou si elle en a seulement l'air.
1. Cinq lignes, multipliées dans l'ordre qui vous plaît. 70 battements par minute pendant 78 ans donnent environ 2,9 × 10⁹.
  
  $70 \times 60 \times 24 \times 365 \times 78 = 2, 869, 776, 000 \approx 2.9 \times 1 0^{9}$
2. Deux lignes seulement sur les cinq peuvent être fausses. Les minutes dans une heure, les heures dans un jour et les jours dans une année sont des définitions, et la colonne des parts leur accorde à chacune 0 % du doute, tandis que la fréquence cardiaque et la durée de vie en prennent 50 % chacune. Cinq lignes portant l'incertitude de deux.
  
  $σ_{i} = \frac{ln 1.2}{3} = 0.105 (\times 2), σ = 0.105 2 = 0.149$
3. Un écart type revient à un facteur de 1,16, que le panneau arrondit à ×1,2. Si les deux estimations se trompent dans le même sens en même temps, on obtient ×1,4, et comme chacune a été déclarée comme une borne et non comme une tendance, c'est un mur et non une queue de distribution.
  
  $e^{0.149} = 1.16, 1.2 \times 1.2 = 1.44$
4. La réponse se situe donc entre 2,0 et 4,1 milliards, et nulle part ailleurs.
  
  $[\frac{2.87 \times 1 0 ^{9}}{1.44}, 2.87 \times 1 0^{9} \times 1.44] = [1.99 \times 1 0^{9}, 4.13 \times 1 0^{9}]$
5. Reprenons les cinq mêmes lignes pour deux autres animaux : les trois définitions inchangées, deux nouvelles estimations. Une souris à 600 battements par minute vivant 2 ans, un éléphant à 30 battements par minute vivant 60.
  
  $600 \cdot 60 \cdot 24 \cdot 365 \cdot 2 = 6.3 \times 1 0^{8}, 30 \cdot 60 \cdot 24 \cdot 365 \cdot 60 = 9.5 \times 1 0^{8}$
6. Les deux estimations de l'éléphant sont plus lâches que celles de l'humain : accordez-leur ×1,5 chacune. Sa fourchette atteint alors 2,1 × 10⁹, et la fourchette humaine commence à 2,0 × 10⁹. Les deux se touchent, et la comparaison ne tranche rien.
  
  $k = 1.5 : [\frac{9.5 \times 1 0 ^{8}}{2.25}, 9.5 \times 1 0^{8} \times 2.25] = [4.2 \times 1 0^{8}, 2.1 \times 1 0^{9}]$
7. Resserrez-les. Une fréquence cardiaque et une durée de vie se mesurent toutes deux, donc ×1,2 est honnête pour un animal que quelqu'un a étudié, et l'éléphant plafonne alors à 1,4 × 10⁹ contre un plancher humain de 2,0 × 10⁹. Cette fois les fourchettes se séparent.
  
  $k = 1.2 : [\frac{9.5 \times 1 0 ^{8}}{1.44}, 9.5 \times 1 0^{8} \times 1.44] = [6.6 \times 1 0^{8}, 1.4 \times 1 0^{9}]$
Réponse

Environ 2,9 × 10⁹ battements, avec une fourchette honnête de 2,0 à 4,1 × 10⁹. Trois des cinq lignes sont des définitions et ne portent aucune part du doute, ce qui explique que cinq facteurs se comportent ici comme deux. Un humain reçoit effectivement plusieurs fois plus de battements qu'une souris ou un éléphant, mais l'estimation ne le dit qu'une fois les hypothèses propres à l'animal resserrées à ×1,2. À ×1,5 les fourchettes se recouvrent et l'écart entre les deux estimations ponctuelles ne signifie rien, et c'est la question à poser sur deux estimations quelconques avant de croire à la différence entre elles.

$σ = \sum_{i} σ_{i}^{2}, σ_{i} = 0 ⟺ k_{i} = 1$

Parcours

Ordres de grandeur

Références (2)

Why independent errors combine in quadrature rather than accumulating Taylor, J. R. (1997). An Introduction to Error Analysis: The Study of Uncertainties in Physical Measurements (2nd ed.). University Science Books — Chapter 3, on propagation for products and quotients.
The piano-tuner problem itself Weinstein, L. and Adam, J. A. (2008). Guesstimation: Solving the World's Problems on the Back of a Cocktail Napkin. Princeton University Press.

Par l’équipe 42Math · Mis à jour 2026-08-25

Vérifié sur des sources publiées. Corrections bienvenues. Politique éditoriale · Corrections

Toutes les leçons : Mathématiques →

Exemples de problèmes

Accordeurs à Chicago - C'est la célèbre série d'estimations de Fermi. Aucun chiffre n'a été vérifié. Le calcul donne 100 accordeurs avec une marge d'erreur honnête d'un facteur 2,8, et transforme ainsi six vagues approximations en une information tout à fait exploitable.
Battements d'une vie - Chaque paramètre est connu avec une précision d'au moins 20 %. L'incertitude disparaît presque. Le résultat atteint 2,9 milliards de battements et se situe à un facteur 1,2 de la réalité.
Quand le modèle échoue - On compte cinq facteurs à ×3 et un seul à ×10 000. L'incertitude explose jusqu'à ×246. La probabilité de tomber juste à un facteur dix près chute à 32 %. C'est l'écueil principal de l'équation de Drake, et aucune moyenne ne pourra jamais le corriger.