Chapitre 2

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/339338938
CALCUL DE LA STABILITÉ DES PENTES
Chapter · February 2020
CITATIONS READS
0 1,370
1 author:
Taleb Hosni Abderrahmane

Centre universitaire de Mila
15 PUBLICATIONS 10 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Soil-Structure Interaction SSI View project
Béton Précontraint View project
All content following this page was uploaded by Taleb Hosni Abderrahmane on 18 February 2020.
The user has requested enhancement of the downloaded file.

Affiliations
Centre Universitaire
Abdelhafid Boussouf
Mila
Laboratoire FIMAS
Université Tahri
Mohamed Bechar
CALCUL DE LA STABILITÉ
DES PENTES
CHAPITRE 2
Mr : Taleb Hosni
Abderrahmane
Dans ce chapitre, nous présentons une introduction sur les
méthodes de calcul de la stabilité des talus, nous allons exposer les Enseignant au centre
calculs avant et après les glissements ; le choix du type de méthode universitaire
de calcul ; notion de coefficient de sécurité ; ensuite les méthodes Abdelhafid Bousouf
d'équilibre limite et leurs hypothèses, et par la suite nous allons Mila
d’autre méthodes d’analyse de la stabilité des talus comme : Les
Algorithmes Génétiques (une brève exposition des exemples E‐Mail
d’utilisation des algorithmes génétiques dans de différents [email protected]
domaines. Ensuite, le principe de base d’un algorithme génétique
CALCUL DE LA STABILITÉ
standard) ; la méthode des différences finies ; méthode des
éléments finis ; méthodes des éléments frontières ; et la méthode
DES
des éléments discrets. PENTES
Ce chapitre sera clôturé par une conclusion.
2020
Sommaire
CHAPITRE 2 : CALCUL DE LA STABILTÉ DES PENTES
2.1 Introduction ............................................................................................................................................................................ 30

2.1.1 Calcul avant les glissements (étude à priori) .......................................................................................... 30
2.1.2 Calcul après les glissements (étude à posteriori) ............................................................................... 31
2.2 Le Choix du type de methode de calcul ........................................................................................................................ 31
2.3 Notion de coefficient de securite ..................................................................................................................................... 32
2.4 Methodes d'equilibre limite et leurs hypotheses ....................................................................................................... 33
2.4.1 Rupture plane...................................................................................................................................................................... 34
2.4.1.1 Stabilité des pentes finies ....................................... ......... .......... .......... .......... .............................................. 34
2.4.1.2 Stabilité des pentes infinies............................................................................................................................... 34
2.4.2 Rupture circulaire ............................................................................................................................................................. 35
2.4.2.1 Méthode globale .................................................................................................................................................... 35
2.4.2.2 Méthodes des tranches principes et hypothèses .................... ............................................................... 36
2.4.2.2 a) Méthode de Fellenius ..................................................... .............................................................................. 38
2.4.2.2 b) Méthode simplifiée de BISHOP .................................. .............................................................................. 39
2.4.3 Glissement quelconque ...................................................... ............................................................................................. 40
2.4.3.1 Méthode simplifiée de JANBU ............................ ............................................................................................. 40
2.4.3.2 Méthode Suédoise Modifiée, U.S. Army Corps of engineering ........................................................ 40
2.4.3.3 Méthode de Spencer, Morgenstern-Price ....................... .......................................................................... 41
2.4.4 Méthode de Raulin, Rouques et Toubol ...................................... .............................................................................. 41
2.4.5 Limitations des méthodes d'équilibre limite ........................... ............................................................................. 42
2.5 D’autre Methodes de calcul de stabilite des pentes .................................................................................................... 43
2.5.1 Méthode d’optimisation par les algorithmes génétique ....................... .................................... 43
2.5.1.1 Principe d’optimisation ................................................................ ........................................... 45
a) Codage, individu, population et espace de recherche ................ .......................................................................... 45
2.5.1.2 Principe de base d’un Algorithme Génétique standard ........... ................................. 46
a) Espace de recherche .......................................................... ................................................................................................ 47
b) Une fonction objective de l’individu ............................... ............................................................................................... 47
c) Codage des variables ........................................................ ..................................................................................................... 47
d) Convergence ............................................................................................................................................................................. 48
e) Sélection ...................................................................................................................................................................................... 48
f) Croisement ................................................................................................................................................................................. 50
g) Mutation ............................................................................ ......................................................................................................... 51
h) critère d’arrêt ............................................ .............................................................................................................................. 52
2.5.2 Modélisation et méthodes numériques .............................................................................................................. 52
2.5.2.1 Méthodes continus .......................................................................................................................................... 53
a) Méthode des différences finies ......................................................................................................................................... 53
b) Méthodes des éléments finies ........................................................................................................................................... 53
c) Méthodes des éléments frontières ................................................................................................................................... 55
2.5.2.2 Méthode discontinue ...................................................................................................................................... 56
a) La méthode des éléments discrets ................................................................................................................................. 56
2.6 Conclusion ........................................................................................................................................................................... 56
Liste des figures
CHAPITRE 2
Figure 2.1: Glissement plane ...................................................................................................................................................... 34
Figure 2.2: Pente finie avec surface de rupture plane ...................................................................................................... 34
Figure 2.3: Pente infinie avec surface de rupture plane et écoulement ................................................................ 35
Figure 2.4: Analyse d’un talus homogène avec φ > 0 ...................................................................................................... 35
Figure 2.5: Exemple d'une rupture circulaire ..................................................................................................................... 36
Figure 2.6: Forces appliquées sur une tranche dans la méthode de Fellenius ...................................................... 38
Figure 2.7 : Forces appliquées sur une tranche dans la méthode de Bishop simplifiée .................................... 39
Figure 2.8 : Inclinaison des forces dans la méthode Suédoise modifiée .............................................................. 41
Figure 2.9 : Coordonnées de la surface de glissement pour la méthode de Spencer ........................................ 41
Figure 2.10 : Schéma de base pour la méthode des Perturbations ......................................................................... 42
Figure 2.11 : Mobilisation de la résistance au cisaillement le long d'un plan de glissement ...................... 43
Figure 2.12 : Organigramme d’un algorithme génétique standard ....................................................................... 47
Figure 2.13 : Représentation d’un individu : (a) codage réel, (b) codage binaire .............................................. 48
Figure 2.14 : La méthode de sélection de la loterie biaisée ............... .......................................................................... 49
Figure 2.15 : Représentation d’une sélection par tournoi d’individus pour un critère de maximisation.
Chaque individu représente une solution possible ......................................................................................................50
Figure 2.16 : Représentation d’un croisement en un point de deux chaînes ...................................................... 50
Figure 2.17 : Représentation d’un croisement en deux points ................................................................................. 51
Figure 2.18 : Représentation d’un croisement uniforme ............................................................................................ 51
Figure 2.19 : Représentation d’une mutation de bits dans une chaîne .................................................................... 52
Liste des tableaux
Tableau 2.1 : Définitions du coefficient de sécurité Différents exemples de définitions d’un

coefficient de sécurité ............................................................................................................................................................. 32
CHAPITRE 02 : CALCUL DE LA STABILITÉ DES PENTES
CALCUL DE LA STABILITÉ DES

PENTES 2
Dans ce chapitre, nous présentons une introduction sur les méthodes de calcul de la
stabilité des talus, nous allons exposer les calculs avant et après les glissements ; le
choix du type de méthode de calcul ; notion de coefficient de sécurité ; ensuite les
méthodes d'équilibre limite et leurs hypothèses, et par la suite nous allons d’autre
méthodes d’analyse de la stabilité des talus comme : Les Algorithmes Génétiques (une
brève exposition des exemples d’utilisation des algorithmes génétiques dans de
différents domaines. Ensuite, le principe de base d’un algorithme génétique
standard) ; la méthode des différences finies ; méthode des éléments finis ; méthodes
des éléments frontières ; et la méthode des éléments discrets. Ce chapitre sera clôturé
par une conclusion.
29
2.1 Introduction
Toutes les méthodes de calcul de la stabilité des pentes nécessiteront de connaitre plusieurs
éléments de base du calcul notamment : la géologie ; les propriétés mécaniques des terrains et/ou
des discontinuités ; la géométrie en deux ou trois dimensions du talus; les conditions
hydrodynamiques; surcharges statiques et dynamiques, etc..
La seule appréciation visuelle de la résistance d'un talus ne donne pas assez d'informations pour
juger de sa stabilité et la marge de sécurité est inconnue [35]. Cette stabilité ne peut être déterminée
que par un calcul basé sur les caractéristiques géotechniques. La sécurité d'une pente ou d'un talus
dépend notamment :
 des propriétés du terrain ;

 de l'inclinaison de la pente ;
 de la profondeur de la tranchée ou de la fouille (hauteur du talus) ;
 des influences météorologiques ;
 de la position de la nappe phréatique et
 des surcharges statiques et dynamiques.
La rupture soudaine d'un talus peut être provoquée par des phénomènes agissant pendant une
courte ou une longue durée :
- phénomènes de longue durée : fluage le long d'une pente, destruction de la structure interne ou
externe, eaux d'infiltration provenant des eaux de recharges d'origine quelconque ou des eaux de
ruissellement.
- phénomènes de courte durée: entaille au pieds du talus, érosion par le ruissellement des eaux de
pluies suivant la ligne de plus grande pente, décharge du pieds du talus, charges au sommet,
destruction de la structure interne du sol par des influences dynamiques, etc. Une combinaison de
ces causes peut également déclencher un éboulement. Les phénomènes de courte durée doivent
être au premier plan des préoccupations lors des travaux d'excavation des pentes.
Deux types de calculs peuvent être réalisés.
2.1.1 Calcul avant les glissements (étude à priori)
On ne connait pas, a priori, la géométrie la plus critique, ni la surface la plus défavorable dans ce
cas. L'objectif du calcul va être de déterminer la surface de glissement, qui, parmi l'infinité de
surfaces de rupture envisageables, sera la plus critique. Le calcul va donc consister à tester le plus
grand nombre de surfaces possible et à trouver par « tâtonnements » la surface la plus défavorable.
Chaque surface testée fera l'objet d'un calcul de stabilité qui fournira, en général la valeur d'un
coefficient de sécurité « Fs ». Fs est le coefficient de sécurité du talus par rapport à la rupture sur la
30
surface envisagée. Le coefficient de sécurité du site sera la plus faible des valeurs de F obtenues. La
surface correspondant au coefficient de sécurité le plus faible est la surface de rupture la plus
probable.
2.1.2 Calcul après les glissements (étude à posteriori) [5]
Il s'agit dans ce cas de comprendre et d'analyser le glissement (notamment pour éviter qu'il ne se
reproduise d'autres glissements dans les mêmes conditions). On va chercher à améliorer la
situation de manière à avoir une sécurité acceptable. Dans ce cas de figure la géométrie de la surface
de rupture est connue (au moins partiellement) et, puisqu'il y a eu rupture, cela signifie que les
terrains avaient atteint leur état limite à la rupture.
L'analyse de stabilité, est une partie importante de la conception des remblais, des pentes, des
excavations, et des barrages, etc....
2.2 Le choix du type de méthode de calcul [5]
Un autre choix important, qui dépend des moyens que l’on peut mettre en œuvre, doit être posé
entre une méthode modélisant toute la masse de sol (méthode des éléments finis) et une méthode
cinématique, définissant une surface de rupture par exemple (méthode d'équilibre limite)
Cependant, avec les possibilités d’analyse d’un grand nombre de courbes de rupture potentielles,
les deux approches se rejoignent. Dans le cas d’une méthode intéressant toute la masse, le calcul
fournira directement la zone de rupture la plus probable, alors qu’une méthode s’appuyant sur une
courbe préalablement définie sera réitérée un grand nombre de fois pour un résultat semblable. Ce
choix doit être fait en examinant les moyens disponibles, le comportement global de la pente, mais
aussi en s’assurant de la possibilité d’obtenir les paramètres de calcul correspondant au modèle.
Le comportement global de la pente correspond à quatre mécanismes qui se traduisent par des
déplacements du sol différemment répartis [36]:
 Pré-rupture, où le comportement du sol est élasto-visco-plastique et où le massif

est un milieu continu, sans zone de discontinuité, les déformations sont quasi
homogènes ;
 Rupture, où une partie du massif se déplace par rapport à l’autre, le modèle de sol
est élasto-plastique, voire rigide-plastique ;
 Post-rupture, où une partie du sol se déplace sur l’autre, comme un écoulement
visqueux et avec une vitesse appréciable ;
 Réaction, quand la partie du sol ayant déjà glissé et s’étant stabilisée, le mouvement
reprend sur une surface, suivant un comportement rigide-plastique;
31
La distinction entre ces quatre mécanismes est fondamentale pour une étude fiable des pentes, et
ceci va bien sûr influer sur le choix d’une méthode de calcul. Elle permet de choisir entre les types
de méthodes. D'une façon générale, il y a deux tâches couplées principales dans l'analyse de
stabilité de pente :
1. Le calcul du facteur de la sécurité
2. Localisation de la surface critique de glissement (la ligne de glissement)
2.3 Notion de coefficient de sécurité
Dans le paragraphe précédent nous avons parlé sur le terme de coefficient de sécurité. Ce
coefficient est utilisé dans les calculs à la rupture. Il permet d'apprécier la marge de sécurité vis à
vis de la rupture. Il existe plusieurs définitions possibles du coefficient de sécurité ; chacune
présente des avantages et des inconvénients.
Le coefficient de sécurité peut être défini de plusieurs façons. Si les données géotechniques
nécessaires sont définies, le calcul de la stabilité des pentes peut être effectué à l’aide d’une des
méthodes de calcul connues. Le principe de calcul consiste à déterminer le facteur de sécurité Fs
par lequel il faut diviser la résistance de la surface de glissement pour que la masse potentiellement
stable soit à la limite de l’équilibre. Pour évaluer la stabilité d’une pente, l’ingénieur doit choisir
entre plusieurs définitions du coefficient de sécurité, ce coefficient peut être un rapport de forces,
de moments, de grandeurs par rapport à une grandeur limite comme le montre le tableau suivant
:
Tableau 2.1 Définitions du coefficient de sécurité Différents exemples de définitions d’un coefficient de
sécurité, [37]
Définition Formule
rapport de contraintes 𝐹𝑠 = 𝜏𝑚𝑎𝑥 ⁄𝜏
rapport de forces 𝐹𝑠 = 𝐸𝑟𝑒𝑠𝑖𝑠𝑡 ⁄𝐸𝑚𝑜𝑡𝑒𝑢𝑟
rapport de moments 𝐹𝑠 = 𝑀𝑟𝑒𝑠𝑖𝑠𝑡 ⁄𝑀𝑚𝑜𝑡𝑒𝑢𝑟
rapport de grandeurs Par ex : 𝐻⁄𝐻𝑚𝑎𝑥
Dès que l'ingénieur fait un choix et calcule le coefficient de sécurité, la surface de rupture
déterminante, trouvée par essais et erreurs, est celle qui fait paraître le plus petit coefficient de
sécurité.
Ce facteur de sécurité minimal à adopter dépendra du type d'ouvrage et de son utilisation. Il est
évident que pour des ouvrages dont la stabilité doit être garantie à tout prix (risque pour les
personnes, site exceptionnel…), le facteur de sécurité Fs doit être élevé, tandis que pour certains
sites peu importants ou pour certains ouvrages courants, et lorsqu’il n’y a pas de risque pour la vie
humaine, on peut accepter des valeurs plus faibles (valeur courante de Fs est de 1.5).
32
2.4 Méthodes d'équilibre limite et leurs hypothèses
Il existe de nombreuses méthodes pour déterminer la surface critique d'une pente et le facteur de
sécurité qui lui est associé. Toutes ces méthodes dites d'équilibre limite ont en commun la même
difficulté qui est de trouver à la fois :
1 la surface critique ;
2 les contraintes normales et tangentielles le long de cette surface ; et
3 le facteur de sécurité (sur le critère de rupture) en partant des équations d'équilibre.
Quand on étudie la stabilité d'un massif, deux cas de figure peuvent se présenter
1 Soit il n'y a pas de surface de glissement préférentielle, c'est le cas des sols relativement
homogènes ne présentant pas de discontinuités géologiques, la surface sur laquelle il
pourrait y avoir rupture n’est pas connue. Elle est alors définie sur la base d’un
coefficient de sécurité minimal et d’une rupture cinématiquement possible. Afin de
préciser la surface de rupture la plus critique et le coefficient de sécurité qui lui est
associé, on utilise généralement des méthodes à l’équilibre limite itérées de nombreuses
fois.
2 Soit la masse rigide en glissement se déplace le long d’une surface de géométrie bien
définie, c’est le cas des massifs rocheux fracturés, pour lesquels la cinématique du
mouvement est conditionnée par les discontinuités et leur orientation spatiale. C’est
aussi le cas pour les sols lorsqu’il peut y avoir mouvement le long d’une surface de
glissement préexistante.
Dans les deux cas, le comportement du géomatériaux est supposé suivre la loi de Mohr-Coulomb,
qui donne la résistance au cisaillement à la rupture : τ = c' +σ ' tan φ '. Les méthodes dites à
l’équilibre limite sont très appropriées car on peut écrire facilement les équations qui relient les
variables, mais, sauf pour les cas les plus simples, le nombre d'inconnues est bien supérieur au
nombre d’équations. Pour pouvoir résoudre les équations, il faut alors introduire des hypothèses
supplémentaires et simplificatrices de manière à égaler le nombre d’inconnues et le nombre
d’équations. Dans ce chapitre, nous n’avons pas présenté tous les détails ni toutes les méthodes
classiques, qui par ailleurs ont été développées depuis longtemps par beaucoup de chercheurs.
L'analyse traditionnelle de la stabilité des pentes, par les méthodes d’équilibre limite, emploie des
évaluations simples pour chaque valeur des variables dans les équations de stabilité. Ces dernières
décennies, l’outil numérique a permis de les numériser tout en donnant la possibilité d’inclure
plusieurs variables [38].
33
2.4.1 Rupture plane
Dans la mesure où certains glissements de pentes naturelles se produisent le long de

discontinuité plane, des méthodes simples fréquemment utilisées permettent l’analyse de ce
type de problèmes.
Figure. 2.1 Glissement plane
2.4.1.1 Stabilité des pentes finies

Méthode de Culmann, 1886 : Cette méthode est basée sur les hypothèses que la surface de
rupture est plane et que le milieu est homogène, sans présence d’eau.
Figure. 2.2 Pente finie avec surface de rupture plane, [39]
En faisant l’équilibre des forces s’exerçant sur le coin susceptible de glisser, on obtient le coefficient
de sécurité et la hauteur critique suivants :
4𝑐 sin 𝛽 . cos 𝜑 (2.1)

𝐹𝑠 = [ ]
𝛾𝐻 1 − cos(𝛽 − 𝜑)
4𝑐 𝑠𝑖𝑛 𝛽 . 𝑐𝑜𝑠 𝜑 (2.2)

𝐻𝑐𝑟 = [ ]
𝛾 1 − 𝑐𝑜𝑠(𝛽 − 𝜑)
2.4.1.2 Stabilité des pentes infinies (1910)
La méthode est utilisée pour un milieu homogène avec ou sans écoulement parallèle l’inclinaison
de la pente.
34
Figure. 2.3 Pente infinie avec surface de rupture plane et écoulement, [39]
L’équilibre des forces s’exerçant sur une tranche de largeur quelconque donne le coefficient de
sécurité et la hauteur critique indépendants de cette dernière :
𝑐 𝛾 ′ 𝑡𝑎𝑛 𝜑 (2.3)
𝐹𝑠 = +
𝛾𝑠𝑎𝑡 𝐻 𝑐𝑜𝑠 2 𝛽 . 𝑡𝑎𝑛 𝛽 𝛾𝑠𝑎𝑡 𝑡𝑎𝑛 𝛽
𝑐 (2.4)
𝐻𝑐𝑟 =
cos2 𝛽 (𝛾𝑠𝑎𝑡 tan 𝛽 − 𝛾 ′ tan 𝜑)
2.4.2 Rupture circulaire
La grande variété des méthodes pour l’analyse de la stabilité des pentes en rupture circulaire
ou quelconque peut, en général, être divisée en deux classes principales :
2.4.2.1 Méthode globale
Méthode de Taylor (Méthode du cercle de frottement, 1937) : Dans ce cas, la masse de sol sujette
au glissement est prise en totalité pour l’étude de l’équilibre. Cette méthode est pratique quand le
sol qui forme la pente est supposé être homogène, bien que ce soit rarement le cas pour les pentes
naturelles.
Figure 2.4 Analyse d’un talus homogène avec 𝜑 > 0 [39]
𝐶𝑑 (2.5)
𝐶𝑑 =
𝐴𝐶
35
Plusieurs épreuves doivent être faites pour obtenir la surface de rupture la plus critique où la
cohésion développée est un maximum. Ainsi, il est possible d’exprimer la cohésion développée
maximale le long de la surface critique comme suit :
𝐶𝑑 = 𝛾. 𝐻. 𝑚𝑡 (2.6)
Avec : 𝑚𝑡 = 𝑓(𝛼 ′ , 𝛽, 𝜃, 𝜑): Coefficient de stabilité dépendant de la géométrie de la pente. Ses

valeurs pour différentes valeurs de 𝜑 et 𝛽 sont triées à partir d’un abaque.
2.4.2.2 Méthodes des tranches principes et hypothèses
Le principe de base de toutes ces méthodes est de découper le volume de sol étudié en un certain
nombre de tranches et d'appliquer les différentes forces, [38] comme le montre à titre indicatif la
figure. 2.5.
Figure. 2.5 Exemple d'une rupture circulaire
Comme on peut le voir sur la figure. 2.5, les forces agissant sur la tranche peuvent être définies
Comme suit :
W : poids total de la tranche de largeur b et de hauteur h
N , T : composantes normale et tangentielle de la force agissant à la base de la tranche
X, E = composantes verticale et horizontale des forces inter tranches
b = épaisseur de la tranche (b = l.cos α)

α = angle que fait la base de la tranche avec l’horizontale
R = rayon du cercle de rupture de centre o
l = longueur du plan de glissement de la tranche
x = bras de levier du poids des terres
Définissons les efforts comme suit:
̅= σ l et 𝑇̅ = 𝝉𝒎 l
𝑁 (2.7)
Où m 𝝉𝒎 est la contrainte de cisaillement mobilisée à la base de la tranche qui peut être exprimée
36
Par : 𝜏 (2.8)
𝜏𝑚 =
𝐹𝑠
Où 𝜏 est donnée par l'équation de Mohr- Coulomb :
τ = c' + (σ − u) tan 𝜑′ (2.9)
𝐹𝑠 est le facteur de sécurité par lequel la résistance au cisaillement du sol doit être réduite pour
amener la masse de sol dans un état d'équilibre limite.
Il vient alors
𝜏 𝑙 (2.10)
𝑇̅ = 𝑙 = [𝑐́ + (𝜎 − 𝑢) tan 𝜑́ ]
𝐹𝑠 𝐹𝑠
Où
1 (2.11)
𝑇̅ = ̅ − 𝑢𝑙)𝑡𝑎𝑛 𝜑 ́ ]
= [𝑐𝑙 ́ + (𝑁
𝐹𝑠
Pour une tranche : en projetant verticalement toutes les forces :
̅ cos 𝛼 + 𝑇̅ sin 𝛼 = 𝑊 − (𝑋𝑅 − 𝑋𝐿 )

𝑁 (2.12)
Si on remplace ̅
T par sa valeur (équation (2.11)), on obtient :
1 (2.13)
̅ = [𝑊 − (𝑋𝑅 − 𝑋𝐿 ) −
𝑁 (𝑐́ 𝑙 sin 𝛼 − 𝑢𝑙 tan 𝜑́ sin 𝛼)]⁄𝑚𝛼
𝐹𝑆
Où
tan 𝜑́ (2.14)
𝑚𝛼 = cos 𝛼 (1 + tan 𝛼 )
𝐹𝑆
En projetant horizontalement toutes les forces :
𝑇̅ 𝑐𝑜𝑠 𝛼 − 𝑁
̅ 𝑠𝑖𝑛 𝛼 + 𝐸𝑅 −𝐸𝐿 = 0 (2.15)
Si on remplace ̅
T par sa valeur (équation (2.11)), on obtient :
1 (1.16)
̅ sin 𝛼 −
𝐸𝑅 −𝐸𝐿 = 𝑁 ̅ − 𝑢𝑙) tan 𝜑́ ] cos 𝛼
[𝑐́ 𝑙 + (𝑁
𝐹𝑆
On peut définir le coefficient de sécurité comme suit :
1. soit on le définit à partir de l'équilibre moment de toutes les forces et on va le désigner

par 𝐹𝑚 ;
2. soit on le définit à partir de l'équilibre global des forces horizontales, les unes tendant
à bouger la masse de sol, les autres tendant à la stabiliser, et on va le désigner par 𝐹𝑓 .
Equilibre global des moments :

∑ 𝑊 . 𝑥 = ∑ 𝑇̅ . 𝑅 (2.17)
37
̅ par sa valeur (l'équation (2.11)) et x par Rsinα :

Et si on remplace T
̅ − 𝑢𝑙) tan 𝜑̇ ]
∑[𝑐́ 𝑙 + (𝑁 (2.18)
𝐹𝑚 =
∑ 𝑊 sin 𝛼
Equilibre global des forces :
En absence de tout chargement de la masse de sol étudiée :
∑ 𝐸𝑅 – 𝐸𝐿 = 0 (2.19)
∑ 𝑋𝑅 – 𝑋𝐿 = 0 (2.20)
D'où, l'équation (2.16) donne :
̅ − 𝑢𝑙) tan 𝜑̇ ] cos 𝛼

∑[𝑐́ 𝑙 + (𝑁 (2.21)
𝐹𝑓 = ̅ sin 𝛼
∑𝑁
En général, les deux facteurs de sécurité sont assez proches et BISHOP [1955] montre que 𝐹𝑚 est
moins sensible aux hypothèses sur les forces inter tranches, [40].
Pour trouver les deux facteurs de sécurité 𝐹𝑚 et 𝐹𝑓 , certaines hypothèses doivent être posées pour
résoudre les équations. A titre indicatif, nous citons certaines méthodes d’équilibre limite et leurs
hypothèses :
2.4.2.2 a) Méthode de Fellenius
Hypothèses, [41] :
 la méthode suppose une surface de glissement circulaire et divise le talus en tranches
 elle néglige les forces entre les tranches (verticales et horizontales), figure. 2.6 a
̅ devient :
partir des équations (2.12) et (2.15), la force normale N
̅ ̅ (2.22)
⟹ {𝑁 cos 𝛼 + 𝑇 sin 𝛼 = 𝑊 ⟹ 𝑁
̅ = 𝑊 cos 𝛼
̅
𝑇 cos 𝛼 − 𝑁̅ sin 𝛼 = 0
Figure. 2.6 Forces appliquées sur une tranche dans la méthode de Fellenius
38
La méthode de Fellenius vérifie l'équilibre global des moments tout en négligeant les forces entre
̅ par
tranches comme nous venons de le voir, ce qui fait qu'en remplaçant dans l'équation (2.18) 𝑁
̅ = 𝑊. 𝑐𝑜𝑠𝛼) on aura :
la valeur trouvée (𝑁
∑ 𝑐́ 𝑙 + (𝑊. 𝑐𝑜𝑠𝛼 − 𝑢𝑙) tan 𝜑̇ (1.23)

𝐹𝑚 =
∑ 𝑊 sin 𝛼
C'est une méthode moins précise que les autres méthodes des tranches et elle est sûre pour des
sols homogènes seulement.
2.4.2.2 b) Méthode simplifiée de BISHOP
Hypothèses, [42] :
 la méthode suppose une surface de glissement circulaire
 elle néglige les forces verticales entre les tranches (figure. 2.7).
Figure 2.7 Forces appliquées sur une tranche dans la méthode de Bishop simplifiée
La méthode de Bishop vérifie l'équilibre des moments ainsi que l'équilibre vertical pour chaque
tranche, mais elle néglige l'équilibre horizontal des forces.
L'équilibre vertical donne l'équation (2.13) et d'après l'hypothèse faite sur les forces entre les
tranches (X R – X L = 0), nous aurons :
1 (2.24)
̅ = [𝑊 −
⟹𝑁 (𝑐́ 𝑙 sin 𝛼 − 𝑢𝑙 tan 𝜑́ sin 𝛼)]⁄𝑚𝛼
𝐹𝑠
̅ dans l'équation (2.18) nous aurons :

Si on remplace 𝑁
∑ [[𝑐́ 𝑙 𝑐𝑜𝑠𝛼 + (𝑊 − 𝑢𝑙 𝑐𝑜𝑠𝛼) tan 𝜑́ ]]⁄𝑚𝛼 (2.25)

𝐹𝑚 =
∑ 𝑊 sin 𝛼
Ou
tan 𝜑́ (2.26)
𝑚𝛼 = 𝑐𝑜𝑠𝛼 (1 + tan 𝛼 )
𝐹𝑚
Nous constatons que le coefficient de sécurité 𝐹𝑚 (dû à l'équilibre moment) se retrouve dans les
deux membres de l'équation, et donc, la résolution passe par des techniques itératives.
Généralement, on prend la valeur du coefficient obtenue avec la méthode de Fellenius comme point
39
de départ de cette itération. Cette méthode est plus précise que celle de Fellenius et le calcul se
prête particulièrement bien au traitement par ordinateur.
2.4.3 Glissement quelconque
Beaucoup d’autres méthodes d’équilibre limite ont été développées pour une surface de rupture
potentielle de forme quelconque et chacune d’elles a des hypothèses spécifiques.
Les méthodes des tranches élargies pour n’importe quelle forme de surface de rupture sont par
exemple celles de Janbu, Spencer, Morgenstern-Price, Sarma, et la méthode d’équilibre limite
généralisée notée dans ce qui suit GLE, …
2.4.3.1 Méthode simplifiée de JANBU
Hypothèses, [43] :
 la méthode suppose une surface de glissement quelconque (non circulaire)

 elle suppose que les forces entre les tranches sont horizontales.
La méthode de Janbu vérifie l'équilibre des forces horizontales et verticales tout en négligeant
l'équilibre des moments, ce qui aboutit à l'équation (2.21) :
̅ − 𝑢𝑙) 𝑡𝑎𝑛 𝜑́ ] 𝑐𝑜𝑠 𝛼

∑[𝑐́ 𝑙 + (𝑁 (2.27)
𝐹𝑓 = ̅ 𝑠𝑖𝑛 𝛼
∑𝑁
Et si on projette parallèlement à la base de la tranche, cette équation équivaut à:
̅ − 𝑢𝑙) tan 𝜑́ ]⁄cos 𝛼

∑ [𝑐́ 𝑙 + (𝑁 (2.28)
𝐹𝑓 =
∑ 𝑊 tan 𝛼
Ce coefficient de sécurité 𝐹𝑓 est corrigé par un facteur 𝐹0 dépendant de l'allure de la courbe de

rupture et des propriétés du sol : 𝐹′𝑚 =𝑓0 . 𝐹𝑓.
2.4.3.2 Méthode Suédoise Modifiée, U.S. Army Corps of Engineers
Hypothèses, [44] :
 la méthode suppose également une surface de glissement quelconque (non
circulaire)
 contrairement à la méthode de Janbu, elle suppose que les forces entre les
tranches sont inclinées parallèlement à la pente moyenne (figure. 2.8).
Comme la méthode de Janbu, elle vérifie l'équilibre horizontal et vertical des forces, mais elle
néglige l'équilibre des moments.
40
Figure 2.8 Inclinaison des forces dans la méthode Suédoise modifiée
Cette méthode est moins précise qu'une solution avec l'équilibre complet des forces et dépend de
l'hypothèse faite sur l'inclinaison des forces entre les tranches.
2.4.3.3 Méthode de Spencer, Morgenstern-Price
Hypothèses, [45-46] :
 la méthode suppose une surface de glissement non circulaire.
 elle suppose que les forces entre les tranches sont parallèles entre elles afin de
rendre le problème déterminé (figure. 2.9).
 elle suppose aussi que la force normale N agit au centre de la base de chaque
tranche
Figure. 2.9 Coordonnées de la surface de glissement pour la méthode de Spencer
Cette méthode vérifie l'équilibre horizontal et vertical des forces, l'équilibre des moments en un
point quelconque; et détermine également l'inclinaison des forces entre les tranches, ce qui donne
une inconnue supplémentaire. Cette méthode est précise et elle est applicable à toutes les
géométries et types de sol.
2.4.4 Méthode de Raulin, Rouques et Toubol
Méthode des Perturbations, 1974 : La méthode des Perturbations est une méthode globale qui
vérifie les trois équations de la statique. Elle permet de calculer le coefficient de sécurité, mais
également le lobe des contraintes normales le long de la surface de rupture potentielle. Elle est
41
particulièrement utilisée pour le calcul de la stabilité en rupture quelconque d’un milieu stratifié
avec une présence d’eau. Elle inspire son nom du fait que la contrainte s’appliquant sur une facette
portée par la courbe de rupture est une perturbation de la contrainte de Fellenius.
Figure. 2.10 Schéma de base pour la méthode des Perturbations, [39]
On suppose connaître le long de la courbe de rupture une répartition de la contrainte normale 𝜎

suivant l'expression suivante :
𝜎 = 𝜎0 (𝛿 + 𝜅 . 𝜒 ) (2.29)
Avec
𝜎0 : Valeur initiale approchée de la contrainte ; 𝛿, 𝜅: Deux scalaires inconnus que le calcul
définira ; 𝜒: Paramètre de perturbation
2.4.5 Limitations des méthodes d'équilibre limite :
1. La difficulté de toutes ces méthodes d'équilibre limite est qu'elles sont fondées sur
l'hypothèse de la division de la masse susceptible de glisser en tranches et ceci implique
des hypothèses supplémentaires sur les forces entre tranches et par conséquent sur
l'équilibre. Pour toutes les méthodes qui satisfont à toutes les conditions d'équilibre,
FREDLUND et al. montrent que les hypothèses faites n'ont aucun effet significatif sur le
coefficient de sécurité ; par contre, dans les méthodes qui satisfont uniquement
l'équilibre des forces, le coefficient de sécurité est affecté d'une façon significative par
l'inclinaison supposée des forces entre tranches, [47] c'est pourquoi ces méthodes sont
moins utilisées par rapport aux méthodes qui satisfont à toutes les conditions
d'équilibre.
2. Dans l'analyse de la stabilité par les méthodes d'équilibre limite, le comportement du

sol est supposé rigide parfaitement plastique, donc elles ne donnent aucune
informations sur les déplacements.
42
3. Le coefficient de sécurité Fs est supposé identique en chaque point du plan de

glissement. Or nous voyons sur la figure. 2.11 que la résistance au cisaillement ultime
n'est pas nécessairement mobilisée simultanément le long de la surface de glissement.
4. Pour des géométries complexes, il peut y avoir un minimum local qui reste non détecté
et des surfaces de rupture complexes (non circulaires) peuvent être difficilement
détectables.
Figure. 2.11 Mobilisation de la résistance au cisaillement le long d'un plan de glissement, [26]
2.5 D’autres méthodes de calcul de stabilité des pentes
Plusieurs auteurs ont proposé des méthodes de calcul de la stabilité des terrains plus ou moins
efficaces. Un mouvement de terrain présente différentes phases, différents mécanismes de rupture
et différents matériaux. Deux aspects de ces différences sont d’ordre géométrique et doivent être
connus pour pouvoir être décrits par le programme de calcul (il s’agit de la stratigraphie
caractérisant le sous-sol et du régime hydraulique du site). L’étude d’un glissement nécessite donc
de savoir si le problème est celui d’un instant donné ou si l’évolution est la clé de l’étude. Les
données du problème vont dépendre de ce choix ; si le temps est pris en compte, le volume des
données et le temps de leur acquisition vont être très importants. Le choix de la méthode
appropriée au cas étudié dépend de plusieurs paramètres : les moyens disponibles, le
comportement global de la pente et aussi de la possibilité d’obtenir les paramètres de calcul
correspondant au modèle, [48].
2.5.1 Méthode d’optimisation par les Algorithmes Génétiques
La méthode d’optimisation par algorithme génétique est initialement développée par John Holland
[49] sur les systèmes adaptatifs remontent à 1962, elle utilise à la fois les principes de la survie des
structures les mieux adaptées et les échanges d’informations pseudo-aléatoires pour former un
43
algorithme d’exploration qui possède certaines caractéristiques de l’évolution des espèces. La

théorie de l’évolution de Charles Darwin [50] décrit l’évolution des systèmes biologiques selon le
principe de la sélection naturelle. C’est sur ce concept d’évolution que se base la notion d’algorithme
génétique. Dans un algorithme génétique la sélection au fil des générations s’opère sur des individus.
Ces individus évoluent ensuite selon des mécanismes génétiques de croisements et de mutation.
Les algorithmes génétiques ont fait la preuve de leur capacité dans de nombreuses études théoriques
et expérimentales. Pour Forrest [51] et Goldberg [52], ces mécanismes de sélection, croisement et
mutation permettent aux algorithmes génétiques d’évoluer vers les solutions d’un problème
d’optimisation. Cependant, il est important de souligner que par cette méthode seule une petite
partie de l’espace de recherche est examinée. Il n’est donc pas raisonnable de penser qu’un
algorithme génétique identifie l’optimum global de l’espace, il identifie uniquement les bonnes
régions de l’espace. Mais, la puissance d’un algorithme génétique est de converger rapidement vers
une zone privilégiée de l’espace de recherche. L’optimisation par algorithmes génétiques a montré
son efficacité dans de nombreux domaines.
Plus particulièrement, les algorithmes génétiques permettent de résoudre une large gamme de
problèmes géophysiques ou géotechniques. En géophysique, Gallagher et Sambridge [53-54]
utilisent des algorithmes génétiques pour le calage de propagations d’ondes sismiques. Pour eux, le
risque des méthodes de type Monte Carlo est de réaliser un grand nombre de calculs inutiles dans
des zones défavorables de l’espace de recherche. Il est préférable d’utiliser un algorithme génétique
car il combine la robustesse de l’exploration Monte Carlo à une exploitation efficace de l’information.
McCombie et Wilkinson [55] utilisent quant à eux un algorithme génétique pour résoudre des
problèmes de stabilité de pentes. Par une étude comparative entre un algorithme génétique et une
optimisation classique de type Monte Carlo, ils montrent que cette méthode est plus efficace qu’une
méthode traditionnelle d’optimisation numérique pour la caractérisation d’une surface de rupture
circulaire critique et du coefficient de sécurité correspondant. Zolfaghari et al. [56] étendent ces
résultats aux surfaces de rupture non circulaires. Ils montrent que grâce à cet algorithme génétique,
une surface de rupture non circulaire avec un coefficient de sécurité minimal est identifiable en un
faible temps de calcul. Ils conseillent d’appliquer ce type d’approche aux problèmes de stabilité de
barrages en terre, de pentes naturelles ou à tout autre problème géotechnique à une ou plusieurs
couches. De même, Goh [57] utilise un algorithme génétique pour la recherche de surfaces critiques
de glissement dans une analyse de stabilité multi-coins. Il montre que cette méthode est
suffisamment robuste pour traiter des problèmes multicouches et de couches minces. Sarat Kumar
Das [58] a utilisé un algorithme génétique à codage réel pour trouver la surface de rupture réelle et
le coefficient de sécurité correspondant par la méthode d’analyse de stabilité des trois coins.
De même pour Mendjel et al. [59-60] ont montré qu’une solution proche de l’optimum peut être
déterminée après le calcul d’une petite fraction de l’espace de recherche pour l’identification de
coefficient de sécurité minimal et de surface circulaire de la rupture correspondante.
44
Levasseur et al. [61-66] et Malécot et al. [67]en géotechnique expliquent quant à eux qu’un algorithme
génétique permet d’identifier un plus grand nombre de paramètres ainsi que des paramètres
corrélés ou peu sensibles contrairement aux méthodes de gradient qui fonctionnent plus
difficilement dans ces cas.
Levasseur [63] a posé la problématique d’analyse inverse en géotechnique comme suit : quelles
informations concernant les paramètres constitutifs du sol est-il possible d’obtenir à partir de mesures
géotechniques in situ ?
Ainsi, l’optimisation par algorithme génétique s’avère être un outil puissant pour optimiser des
problèmes variés de géotechnique. Cependant comme le souligne Goh [57], le principal inconvénient
des algorithmes génétiques par rapport aux autres méthodes est la puissance informatique
nécessaire pour mener l’optimisation. Le coût de calcul d’une optimisation par algorithme génétique
est supérieur à celui nécessaire à toute autre méthode d’optimisation. Pour Simpson et Priest [68],
un algorithme génétique est une méthode fortement probabiliste. Plus le problème est mal posé, plus
le coût de calcul augmente [54], il est donc difficile de savoir à l’avance le nombre d’évaluations
nécessaires à l’identification de l’optimum.
Les algorithmes génétiques ont comme principal objectif d’améliorer une solution. Leur priorité est
d’atteindre rapidement une performance de niveau satisfaisant. Ils isolent rapidement des zones
intéressantes d’un espace de recherche, et n’ont besoin que des valeurs de la fonction à optimiser
associée à chaque individu. Cette caractéristique fait des algorithmes génétiques une méthode très
générale comparée à beaucoup de méthodes d’exploration. Pour Renders [69] les algorithmes
génétiques sont une classe de stratégies de recherche réalisant un compromis équilibré et
raisonnable entre l’exploration et l’exploitation de l’espace de recherche [70].
2.5.1.1 Principe d’optimisation
Après avoir définit les paramètres à optimiser, l’algorithme génétique recherche la ou les extrema
d’une fonction définie sur un espace de données. Pour l’utiliser on définit les principales étapes
d’optimisation par les points suivants :
a) Codage, individu, population et espace de recherche
La concaténation des paramètres recherchés forme un individu, les individus sont codés sous formes
(décimal, analogique ou binaire), comme le souligne Magnin [71], le codage binaire facilite le codage
de toutes sortes d’objets : des réels, des entiers, des chaines de caractères…
Renders [69] précise qu’il garantit une meilleure indépendance du codage par rapport au problème.
Une population est un ensemble de N individus individus (chromosomes). Chaque individu est un
vecteur de N paramètre paramètres il est représenté sous forme d’une chaine de N bit bits contenant
toute l’information nécessaire à la description d’un point dans l’espace de recherche.
45
Levasseur [63] montre que l’algorithme génétique se caractérise par des constantes telles que la
taille de la population N individus et la longueur de la chaine de bits N bit. La taille de l’espace de
recherche doit être choisie en fonction des bornes minimale Pi min et maximale Pi max supposées
pour chaque paramètre Pi. La taille de la chaine de bits doit être choisie en fonction de l’incertitude
ΔPi acceptée sur l’évaluation des paramètres définit comme suit :
2.5.1.2 Principe de base d’un Algorithme Génétique standard
Un algorithme génétique standard nécessite en premier le codage de l’ensemble des paramètres

du problème d’optimisation en une chaîne de longueur finie. Le principe d’un AG est simple, il s’agit
de simuler l’évolution d’une population d’individus jusqu’à un critère d’arrêt. On commence par
générer une population initiale d’individus (solutions) de façon aléatoire. Puis, à chaque génération,
des individus sont sélectionnés, cette sélection est effectuée à partir d’une fonction objective. Puis,
les opérateurs de croisement et de mutation sont appliqués et une nouvelle population est créée. Ce
processus est itéré jusqu’à un critère d’arrêt. La figure 2.12 présente le principe d’un Algorithme
Génétique standard [72].
L’algorithme génétique débute par la génération d’une population initiale et l’évaluation de la
fonction objective de tous les individus qui composent cette première population. Puis, des individus
sont sélectionnés pour la reproduction selon le principe de la survie du plus adapté. Ensuite, des
individus enfants (ou les descendants) sont générés en appliquant les deux opérateurs génétiques
suivants : le croisement et la mutation. Ces enfants sont placés dans une nouvelle population P(t) et
vont se substituer, en tout ou en partie, à la population de la génération précédente. De nouvelles
populations d’individus vont ensuite se succéder, d’une génération (t) à la génération (t+1), chaque
génération représentant une itération jusqu’à l’atteinte du critère d’arrêt [72].
46
Figure. 2.12 Organigramme d’un algorithme génétique standard [72]
Un algorithme génétique est défini sur un espace de recherche. Pour l'utiliser, on doit disposer des
éléments suivants :
a) Espace de recherche
La taille de la population initiale est le nombre d’individus dans la population [73]. Si la taille est trop
petite, L’algorithme génétique peut converger trop rapidement vers un mauvais individu, par contre
si elle est trop grande, l’évaluation des individus peut être très longue et le temps de calcul
d’algorithme peut s’avérer très important [72]. Les individus de la population initiale sont initialisés
de façon aléatoire.
b) Une fonction objective de l’individu
Cette fonction évalue l’adaptation de chaque individu de la population à la solution recherchée (la
solution optimale) [74].
c) Codage des variables
Dans l’algorithme génétique de base, tel qu’il a été fondé par Holland, les paramètres à optimiser
sont formés de 1 et 0. Dans ce cas, chaque paramètre réel est codée par son équivalent en binaire et
l’individu obtenu est représenté par une chaîne codée de plusieurs paramètres représentant une
solution particulière pour la fonction objective, figure (2.13 b). De nouvelles versions d’algorithme
génétique sont apparues. Elles ne ce basent plus sur le codage binaire mais elles travaillent
47
directement sur les paramètres réels. Ces versions sont appelées algorithmes génétiques codés réels
figure (2.13 a). Le codage binaire c'est le plus utilisé de point de vue informatique, nous utilisons
dans cette thèse un codage binaire.
Figure. 2.13 Représentation d’un individu : (a) codage réel, (b) codage binaire
Un des avantages du codage binaire est que l’on peut ainsi facilement coder toutes sortes d’objets :
des réels, des entiers, des valeurs booléennes, des chaînes de caractères… Cela nécessite simplement
l’usage de fonctions de codage et décodage pour passer d’une représentation à l’autre. Rappelons
que dans cette thèse les paramètres sont supposés réels.
d) Convergence
Beaucoup de variantes de l’algorithme génétique ont été proposées pour résoudre les problèmes
d’optimisation, mais tous les algorithmes génétiques sont basés sur trois composantes qui
constituent un algorithme génétique simple : opérateurs de sélection, de croisement et de mutation.
e) Sélection
Cet opérateur est chargé de définir quels seront les individus de population initiale qui vont être
dupliqués dans la nouvelle population et vont servir de parents. Cet opérateur est peut-être le plus
important puisqu’il permet aux individus d’une population de survivre, de se reproduire ou de
mourir. En règle générale, la probabilité de survie d’un individu sera directement reliée à son
efficacité relative au sein de la population [52 ;75 ;76]. On trouve essentiellement trois types de
méthodes de sélection différentes :
1- La méthode de la loterie biaisée (roulette wheel),
2- La sélection par tournois,
3- La méthode élitiste.
48
1- La loterie biaisée
Cette méthode est la plus connue et la plus utilisée. Avec cette méthode chaque individu a une chance
d'être sélectionné proportionnellement à sa performance, donc plus les individus sont adaptés au
problème, plus ils ont de chances d'être sélectionnés. Pour utiliser l'image de la roue du forain,
chaque individu se voit attribué un secteur dont l'angle est proportionnel à son adaptation, sa fitness
[76]. On fait tourner la roue et quand elle cesse de tourner on sélectionne l'individu correspondant
au secteur désigné par une sorte de curseur, curseur qui pointe sur un secteur particulier de celle-ci
après qu'elle se soit arrêté de tourner (figure 2.14).
Figure. 2.14 La méthode de sélection de la loterie biaisée [ 76]
Cette méthode, bien que largement répandue, à pas mal d'inconvénients :

• En effet, elle a une forte variance. Il n'est pas possible que sur n sélections successives à désigner
les parents de la nouvelle génération, la quasi-totalité, voire pire la totalité des n individus
sélectionnés soient des individus ayant une fitness vraiment mauvaise et donc pratiquement aucun
individu a forte fitness fait partie des parents de la nouvelle génération.
Ce phénomène est bien sûr très dommageable car cela va complètement à l'encontre du principe des
algorithmes génétiques qui veut que les meilleurs individus soient sélectionnés de manière à
converger vers la solution la plus optimale possible [76]
• A l'inverse, on peut arriver à une domination écrasante d'un individu localement supérieur. Ceci
entraînant une grave perte de diversité. Imaginons par exemple qu'on ait un individu ayant une
fitness très élevée par rapport au reste de la population, disons dix fois supérieure, il n'est pas
possible qu'après quelques générations successives on se retrouve avec une population ne contenant
que des copies de cet individu. Le problème est que cet individu avait une fitness très élevée, mais
que cette fitness était toute relative, elle était très élevée mais seulement en comparaison des autres
individus. On se retrouve donc face à un problème connu sous le nom de convergence prématurée,
l'évolution se met donc à stagner et on n’atteindra alors jamais l'optimum, on restera bloqué sur un
optimum local [76]. Malgré tout, il est conseillé d'opter plutôt pour une autre méthode de sélection.
49
2- La sélection par tournoi Consiste à tirer aléatoirement (k) individus de la population, sans tenir
compte de la valeur de leur fonction d’adaptation, et de choisir le meilleur individu parmi les k
individus [72]. On refait cette procédure jusqu’à ce que la nouvelle population soit complète, lorsque
k = 2, la sélection est dite par tournoi binaire (figure 2.15).
Figure. 2.15 Représentation d’une sélection par tournoi d’individus pour un critère de
maximisation. Chaque individu représente une solution possible [72]
3- La méthode élitiste
Cette méthode consiste à sélectionner les N individus dont on a besoin pour la nouvelle génération
en prenant les N meilleurs individus de la population après l'avoir triée de manière croissante selon
la fitness de ses individus (correspondant aux plus faibles valeurs de la fonction objective). Cette
approche assure la conservation d’un plus grand nombre d’individus performants d’une génération
à une autre. La méthode élitiste augmente significativement les performances de l’algorithme
(stabilité, efficacité et rapidité de convergence) [63].
f) Croisement
Le croisement permet de créer de nouvelles chaînes en échangeant de l’information entre deux

chaînes. Le croisement s’effectue en deux étapes. D’abord les nouveaux éléments produits par la
reproduction sont appariés, ensuite chaque paire de chaînes subit un croisement comme suit : un
entier k représentant une position sur la chaîne est choisi aléatoirement entre 1 et la longueur de
chaîne (l) moins un (l - 1) [72]. Deux nouvelles chaînes sont créées en échangeant tous les caractères
compris entre les positions k +1 et l inclusivement. L’exemple suivant (figure 2.16) montre deux
chaînes (A1 et A2) de longueur l= 5 appartenant à la population initiale. Les deux nouvelles chaînes
(A3 et A4) appartenant à la nouvelle population sont obtenues par croisement à la position k = 4 [72]
A1 0110|1 A3 0110|0
→
A2 1100|0 A4 1100|1
Avant croisement Après
Figure. 2.16 Représentation d’un croisement en un point de deux chaînes [72].
50
Il existe d’autres opérateurs de croisement :

- Croisement en deux points : on choisit au hasard deux points de croisement et on échange les
parties de chaîne situées entre ces deux points (figure 2.17).
A1 00|0100|111 A3 00|1011|111
→
A2 11|1011|000 A4 11|0100|000
Avant Après
Figure. 2.17 Représentation d’un croisement en deux points [ 72].
- Croisement uniforme : dans ce type de croisement, on utilise un masque de croisement, qui

consiste en un vecteur généré aléatoirement, de longueur identique aux chaînes parents, et composé
de 0 et 1. Lorsque le bit du masque vaut 0, l’enfant hérite le bit du premier parent, sinon il hérite de
celui du second parent [72]. Le second enfant est le complémentaire du premier. Ce croisement peut
être considéré comme une généralisation du croisement multipoint sans connaissance préalable du
point de croisement (figure 2.18).
A1 001010 (Parent 1)
A2 011111 (Parent 2)
Masque 001101
A3 001111 (Enfant 1)
A4 011010 (Enfant 2)
Figure. 2.18 Représentation d’un croisement uniforme [ 72]
Cependant, le croisement à un point ne se révèle réellement efficace que dans un nombre limité de
cas. De meilleurs résultats sont obtenus en étendant ce principe en utilisant plusieurs points de
coupures de chromosomes [77]. Cette opération peut même être généralisée jusqu’au cas limite
correspondant à un croisement uniforme [78].
Dans ce cas, chaque gène des deux individus parents est échangé avec une probabilité donnée.
L’exécution de l’opération de croisement dépend du résultat de tirage d’un nombre aléatoire par
rapport à la probabilité du croisement pc qui peut varier ou rester fixe (entre 0.50 et 0.90) [79].
L’opérateur de croisement favorise l’exploration de l’espace de recherche. On peut noter aussi que
le nombre de points de croisements ainsi que la probabilité de croisement Pc permet d'introduire
plus ou moins de diversité.
g) Mutation
La mutation est exécutée seulement sur une seule chaîne. Elle représente la modification aléatoire
et occasionnelle de faible probabilité de la valeur d’un caractère de la chaîne, pour un codage binaire
cela revient à changer un 1 en 0 et vice versa [72]. On peut aussi prendre pm = 1 / l où l est la longueur
de la chaîne de bits codant notre individu [76]. Cet opérateur introduit de la diversité dans le
51
processus de recherche des solutions et peut aider l’algorithme génétique à ne pas stagner dans un
optimum local (figure 2.19).
011001
↓
011011
Figure. 2.19 Représentation d’une mutation de bits dans une chaîne [72]
L’opérateur de mutation apporte aux algorithmes génétiques la propriété d’ergodicité de parcours

de l’espace [80-83]. Cette propriété montre que l’AG est capable d’atteindre tous les points de
l’espace des solutions, sans pour autant avoir la nécessité d’énumérer l’ensemble de points de
l’espace. D’un point de vue théorique, les propriétés de convergence des algorithmes génétiques sont
fortement dépendantes de cet opérateur. Il garantit ainsi que l’optimum global peut être atteint.
En effet, une mutation pouvant intervenir de manière aléatoire au niveau de n'importe quel bit, on
a la certitude mathématique que n'importe quel permutation de notre chaîne de bits peut apparaître
au sein de la population et donc que tout point de l'espace de recherche peut être atteint. Grâce à
cette propriété on est donc sûr de pouvoir atteindre l'optimum global [76]. L'opérateur de mutation
modifie donc de manière complètement aléatoire les caractéristiques d'une solution, ce qui permet
d'introduire et de maintenir la diversité au sein de notre population de solutions. Cet opérateur
dispose de deux grands avantages [76] : - Il garantit la diversité de la population, ce qui est
primordial pour les algorithmes génétiques ; - Il permet d'éviter un phénomène connu sous le nom
de dérive génétique. On parle de dérive génétique quand certains paramètres favorisés par le hasard
se répandent au détriment des autres et sont ainsi présents au même endroit sur tous les individus.
Le fait que l'opérateur de mutation puisse entraîner de manière aléatoire des changements au niveau
de n'importe quel bit permet d'éviter l'installation de cette situation défavorable [84].
h) critère d’arrêt
Les critères d’arrêt se résument généralement en [85] : - Arrêt un nombre d'itérations fixé à priori ;
- Arrêt lorsque la population cesse d’évoluer ou en présence d’une population homogène.
Un algorithme génétique dépend des paramètres précédents qui sont fixés à l’avance et dont dépend
fortement la convergence de l’algorithme.
2.5.2 Modélisation et méthodes numériques
Une brève introduction s'impose à propos des termes de modélisation et de simulation. La

modélisation est la représentation mathématique d'un système réel dans un contexte et une
problématique donnés. La simulation est la programmation et la manipulation du modèle sur
ordinateur, ainsi que l'analyse des résultats. Les méthodes numériques de modélisation, on peut
les distinguées en deux grands familles : les modèles continus et les modèles discontinus, et nous
allons expliquer quelques méthodes brièvement.
52
2.5.2.1 Méthodes continus
a) Méthode des différences finies
La méthode des différences finies est peut-être la plus ancienne des techniques numériques sa
première application est attribuée à Runge (1908), [5]. Comme la méthode des éléments finis, elle
passe par la discrétisation du domaine modélise en éléments dont les sommets constituent les
nœuds du maillage. Mais, à la différence de la méthode des éléments finis pour laquelle les variables
d'espace (contraintes et déplacements) varient à travers chaque élément au moyen d'une fonction
d'interpolation, dans la méthode des différences finies, ces variables ne sont définies qu'aux nœuds
du maillage. Quant à la technique de résolution utilisée pour résoudre l'ensemble des équations
algébriques constituées, la méthode des différences finies ne construit pas une matrice globale de
rigidité du système, mais procède à une résolution locale pas à pas, concernant un élément et ses
proches voisins, d'équations jugées indépendantes dans la mesure ou le pas de calcul (pas de
temps) est suffisamment petit pour que la conséquence d'un résultat ne puisse physiquement pas
se propager d'un _élément _a un autre, durant ce pas de calcul. Dans la méthode des éléments finis
la résolution est implicite mais dans la méthode des différences finies est explicite. Cette méthode
permet de prendre en compte de grands déplacements et elle s'avère très efficace en particulier
pour les problèmes dynamiques. En revanche les temps de calcul peuvent devenir excessifs pour
des problèmes statiques. L'avantage principal de la méthode des différences finies sur celle des
éléments finis, réside dans la simplicité qu'elle présente pour l'introduction de lois de
comportement non linéaires, et pour permettre ainsi, sans effort de programmation important, de
modéliser de grands déplacements.
b) Méthode des éléments finis
La méthode des éléments finis est une méthode mathématique qui permet la résolution d'équations
différentielles. Elle a été développée dans les années 60 et permet de décrire le comportement
global d'une structure complexe à partir de fonctions simples et paramètres définies pour chaque
zone du modèle. La méthode des éléments finis repose sur un découpage de l'espace selon un
maillage. D'habitude l'on choisit un maillage carré ou triangulaire mais rien n'interdit de choisir
des maillages plus complexes. Il n'est pas non plus nécessaire que le maillage soit régulier et l'on à
tendance à resserrer le maillage près des endroits d'intérêts, cependant il faut veiller à avoir des
éléments faiblement distordus (se rapprocher d'un polygone régulier). Plus ce maillage est
resserre plus la solution que l'on obtient par la méthode des éléments finis sera précise. Cette
méthode consiste à résoudre de manière discrète une équation aux dérivées partielles dont on
cherche une solution approchée. Elle comporte des conditions aux limites permettant d'assurer
l'existence et l'unicité de la solution. La discrétisation du problème consiste à vérifier les équations
de base en un nombre limité de points (nœud). Ainsi, on obtient une formulation algébrique du
53
problème initial. La solution algébrique obtenue correspond aux composantes de la solution

approchée du problème pour les éléments. Pour chaque élément, une relation matricielle
élémentaire pouvant se mettre sous la forme générique {Fe} = [Ke].{Ue} est définie. {Fe} représente
le vecteur force agissant aux nœuds de l'élément et {Ue} les déplacements nodaux. [Ke] est la
matrice de rigidité élémentaire. Les matrices de rigidité élémentaires de chaque élément sont
assemblées pour former un système matriciel global {Fe} = [Ke].{Ue} qui doit être inversé avant
d'être résolu. La solution en déplacement obtenue, permet de déterminer pour chaque élément ces
déformations. Pour plus détails, nous invitons à voir chapitre 3 (méthode des éléments finis).
Plusieurs travaux ont été réalisés dans le domaine des éléments finis, on peut citer les travaux de
référence de DHATT et al, [86], ou Zienkiewicz et al. [87], l’application de Vengeon et al. [88], les
travaux de SU K. et al. [89], ... Plusieurs types de calcul peuvent être réalisés sur un modèle
géotechnique d’éléments finis. L’analyse du comportement d’un versant naturel instable nécessite
d’effectuer des calculs à la rupture. Lorsqu’une pente naturelle se rompt, la résistance mobilisée
n’est plus suffisante pour s’opposer aux efforts moteurs mobilisés le long de la surface de rupture.
La méthode des éléments finis permet l’analyse de la stabilité des versants en utilisant la méthode
Phi/c réduction. Un coefficient dit « coefficient de sécurité F » est utilisé pour la détermination de
l’état de stabilité du terrain. Le versant peut être considéré dans un état stable, si le coefficient de
sécurité est supérieur à 1 (MASEKANYA), [38]. Ce coefficient est déterminé par la méthode des
éléments finis par la réduction des caractéristiques de résistance au cisaillement jusqu’à la rupture
du versant. Le coefficient de sécurité est considéré égal au facteur de réduction de la résistance.
Plusieurs chercheurs ont utilisé la méthode Phi/C réduction pour l’analyse de la stabilité des pentes
; on peut citer les travaux de : SAN, MATSUI et KATSURAYA, [90] ; SAN et MASUI, [91] ; Ugai, [92] ;
MASEKANYA [38], etc. Ce type de calculs permet l’étude de la propagation de la rupture du versant
et de l’évolution du coefficient de sécurité. La méthode Phi/c réduction peut se résumer en trois
étapes principales : Étape 1. Application du poids propre et de l'état de contrainte initial du modèle.
Étape 2. À partir de l'équation de Mohr-Coulomb et de la définition du coefficient de sécurité, le
coefficient de sécurité Fs est évalué par réduction des paramètres de résistance, d'où, l’écriture des
fonctions suivantes :
𝜏 𝑐 tan 𝜑 𝜏 (2.30)
= +𝜎 𝑜𝑢 𝑐𝑟 + 𝜎 tan 𝜑𝑟
𝐹𝑠 𝐹𝑠 𝐹𝑠 𝐹𝑠
Dans ce cas on obtient :

𝑐 tan 𝜑 (2.31)
𝑐𝑟 = 𝑒𝑡 𝜑𝑟 = 𝑎𝑟𝑐 tan ( )
𝐹𝑠 𝐹𝑠
Étape 3. La procédure de la deuxième étape est répétée en incrémentant le facteur de réduction

des caractéristiques de résistance au cisaillement (le coefficient Fs) jusqu'à non convergence du
calcul, autrement dit jusqu'à la rupture du versant. La valeur critique de Fs devient le coefficient de
sécurité pour le talus considéré.
54
c) Méthodes des éléments frontières
Cette méthode est plus récente que les deux méthodes précédentes. On l'utilise pour analyser les
problèmes linéaire, statique, dynamique et thermique. Elle simule également le milieu continu et
le calcul se limite juste aux La méthode des éléments finis est une méthode et s'effectue au moyen
d'équations différentielles partielles, ce qui n'est pas le cas des autres méthodes. La méthode
requiert des systèmes d'équations beaucoup plus simples que celles des éléments finis et n'exige
pas de temps de calcul importants. L'introduction des données et la sortie des résultats sont d'un
emploi facile. Elle est particulièrement efficace et économique pour déterminer les réponses du
comportement aux frontières que l'on a définies. Toutefois cette méthode ne considère qu'une loi
de comportement linéaire. Et nous avons aussi les méthodes discontinues comme ”extended finite
element method” (XFEM), “numerical manifold method” (NMM), “discontinuum deformation
analysis“ (DDA), et “discrete element method“ (DEM).
2.5.2.2 Méthode discontinue
a) La méthode des éléments discrets
Les modèles numériques basés sur la DEM se composent d’un ensemble de grains virtuels pouvant
s’interpénétrer au voisinage des contacts. Ils constituent des assemblages assimilables à des
milieux granulaires réels. Ces modèles ont donc l’avantage de pouvoir reproduire les
caractéristiques physiques ou géométriques des matériaux à simuler. Cette partie présente des
résultats et des observations collectées de la littérature. Elle touche aussi sur les difficultés que
peut présenter la modélisation du comportement mécanique d’un milieu granulaire et plus
particulièrement les sols pulvérulent. Les modèles d’éléments discrets intéressent des disciplines
variées. Pour la plus grande partie, ils ont été développés à l’origine dans le but de résoudre des
problèmes faisant intervenir des phénomènes non cohésifs. Il serait intéressant d'analyser leur
évolution. Dans la seconde moitié du 20ème siècle, de nombreuses méthodes numériques discrètes
ont été développées pour étudier le comportement des milieux granulaires. La première
présentation a été faite par Cundall, (1971) [93], pour l’étude de stabilité de joints rocheux de
grande taille, représentés par des éléments virtuels bidimensionnels polygonaux. Il simule les
interactions au niveau des contacts dont les déplacements sont régis par le principe fondamental
de la dynamique. Très vite, les modèles discrets ont été appliqués à l’étude des milieux granulaires
comme les sols. Il existe de nombreux modèles numériques basés sur la DEM. Ils peuvent être
classés suivant divers paramètres : les schémas d’intégration, la rotation et la déformabilité des
éléments, les algorithmes de détection des contacts, les lois de contacts, etc. Toutes ces méthodes
ont été déjà bien détaillées, dans les ces références, Cundall et Hart, [94]. Muller, (1996) [95],
Cambou et Jean (2001), [96]. Parmi ces méthodes la Dynamique Moléculaire Allen and Tildesley,
(1987) [97], et la Dynamique des Contacts Moreau, (1994, 2000), [98-99]. Jean, (1999) [100], et
55
Radjai, (1998) [101]. Elles sont les mieux adaptées pour les milieux granulaires et conçoivent
différemment la base même des lois de contacts. Elles ont comme point commun qu’elles mettent
en œuvre la discrétisation dans le temps des équations de la dynamique. La modélisation
numérique discrète a été utilisée pour de multiples applications. Durant la dernière décennie, elle
a permis des études relatives à de nombreux thèmes de recherche : - La stabilité de pentes
rocheuses Deluzarche et al., (2003a) [102] ; - Les impacts de matériaux rocheux Kecili-Laouafa et
Nicot, (2004) [103] ; - Application de la méthode des éléments discrets aux calculs des ouvrages en
sol renforcés par géosynthétique Letnh et al., (2007), [104].
Conclusion
Dans ce chapitre nous avons présentés études de calcul avant et après les glissements. Plusieurs
méthodes d’analyse de la stabilité des terrains existent, et nous avons donnés le choix du type de
méthode de calcul. Toutes les méthodes, évaluer la stabilité de pente par le coefficient de sécurité
et la surface de glissement. Les méthodes les plus utilisées ont été exposées dans ce chapitre, les
méthodes d'équilibre limite sont les plus classiques en mécanique des sols mais elles nécessitent
une prédétermination des lignes de rupture (ou une recherche automatique du minimum parmi un
ensemble de courbes). Ces dernières peuvent être groupés en trois grandes catégories : rupture
plane (finie et infinie) ; rupture circulaire ; et finalement les ruptures quelconque, le malheur de
ces méthodes est les inconvénients de fournir des informations sur l’évolution du mouvement et la
variation progressive de la géométrie du versant au cours du mouvement. Par ailleurs, il y a
d’autres méthodes prenant en considération les limitations des méthodes d’équilibre limite. Parmi
ces méthodes nous avons la technique des algorithmes génétique. Cette dernière justifie son intérêt
pour plusieurs domaines ainsi que la géotechnique, cette méthode été utilisé et pour l’analyse de
la stabilité des talus, en déterminant la surface de glissement critique et le coefficient de sécurité
minimal correspondant. L’algorithme génétique est une méthode stochastique itérative
d’optimisation. Les paramètres optimaux caractérisant un algorithme génétique varient d’un
problème à un autre. Il semble peu réaliste d’attaquer le problème de front, en analysant
mathématiquement et rigoureusement les phénomènes intervenants dans les algorithmes
génétiques, pour essayer d’en tirer une théorie applicable à tout type de problème géotechnique.
Cependant, il est important de bien choisir les paramètres caractérisant les algorithmes génétiques
pour leur bonne utilisation. Nous avons aussi exposé les méthodes continus (méthode des
différences finies ; méthode des différences finies ; et méthodes des éléments frontières) et les
méthodes discontinue (La méthode des éléments discrets). La modélisation du phénomène de
glissement par la méthode d’éléments finis ont connu un large champ d’utilisation, au cours de ces
dernières années. Cette méthode nécessite la connaissance des caractéristiques de déformabilité
du massif, la méthode des éléments finis est possible de faire de la position de la ligne de rupture
critique automatique.
56
RÉFÉRENCES BIBLIOGRAPHIQUES
[34] Leroueil, S. Natural slopes and cuts: movement and failure mechanisms.
Géotechnique, 51(3): 197-243. 2001.
[35] Andres, F. et Wulliman, R. Travaux en tranchée. 2ème Edition Française,
Baufachverlag S.A. Zurich. 1986.
[36] Vaunat J., Leroueils., Faure R.M. Slope mouvements: a geotechnical perspective,
7th IAEG congress, Lisbonne, pp. 1637-1646, 1994.
[37] Lambe T.W. Predictions in soils engineerings, Geotechnique, 23, 1973.
[38] Jean-Pierre MASEKANYA. Stabilité des pentes et saturation partielle Etude
expérimentale et modélisation numérique. Thèse de Docteur en Sciences de l'Ingénieur.
Université de Liège. 2007.
[39] Nordine M. Z. Contribution a l’étude numérique de la stabilité des pentes sous
chargement dynamique et de leur renforcement par Plaxis 2D, Mémoire de Master,
Université Abou-Bekr Belkaïd, Tlemcen, Algérie. 2010.
[40] Bishop A.W. The use of the slip circle in the stability analysis of slopes, Géotechnique,
5 (1), pp. 7-17, 1955.
[41] Fellenius W. – Erdstatische berechnungen mit reibung und kohaesion. Berlin, Ernst,
1927.
[42] Bishop A.W. - The influence of progressive failure on the choice of the method
of stability analysis, Géotechnique, 21 (2), pp. 168-172, 1971.
[43] Janbu N. - Application of composite slip surfaces for stability analysis. Eur. Conf.
Stability Earth Slopes, Stockholm, 3, pp. 9-43, 1954a.
[44] U.S. Army Corps of Engineers – Engineering and Design: Stability of Earth and Rock-
Fill Dams, Engineer Manual EM 1110-2-1902, Department of Army, Corps of
Engineers, Office of the Chief of Engineers, Washington, DC, April, 1970.
[45] Spencer E. – A method of analysis of the stability of embankments assuming parallel
inter-slice forces, Geotechnique, 17(1), pp.11-26, 1967.
[46]Morgenstern N.R., Price V.E. – The analysis of the stability of general slip surfaces,
Geotechnique, 15(1), pp.79-93, 1965.
[47] Fredlund D.G., KRAHN J. - Comparison of slope stability methods of analysis.
Canadian Geotechnical Journal, 14, pp. 429-439, 1977.
[48] Faure R.M. L'évolution des méthodes de calcul en stabilité de pentes, Partie I,
méthodes à la rupture, Revue Française de Géotechnique, 92 (3), 2000.
[49] Holland. J.H. Adaptation in natural and artificial systems : an introductory analysis
with applications to biology, control and artificial intelligence. Bradford Books edition,
1992.
[50] Darwin. C. Ebauche de l’origine des espèces. Diderot - Paris, 1844.
[51] Forrest. S. Genetic algorithms: principles of natural selection applied to computation,
Science, Vol. 261, pp. 872–878, 1993.
[52] Goldberg. D.E. Genetic algorithms in search, optimization and machine learning.
Addison Wesley, Massachusetts, USA, 1989.
[53] Gallagher. K. and M. Sambridge. Genetic algorithms: a powerful tool for largescale
nonlinear optimization problems. Computers and Geosciences, Vol. 20, N°7, pp.1229–
1236, 1994.
[54] Gallagher. K, M. Sambridge, and G. Drijkoningen. Genetic algorithms : an evolution
form monte carlo methods for strongly non-linear geophysical optimisation problems.
Geophysical research letters, Vol. 18, N°12, pp.2177–2180, 1991.
[55] McCombie. P. and P. Wilkinson. The use of the simple genetic algorithm in finding
the critical factor of safety in slope stability analysis. Computers and Geotechnics, Vol. 29,
pp. 699–714, 2002.
[56] Zolfaghari AR, Heath A.C., and P.F. McCombie. Simple genetic algorithm search for
critical non-circular failure surface in slope stability analysis. Computer and Geotechnics,
Vol. 32, pp. 139–152, 2005.
[57] Goh A.T.C. Genetic algorithm search for critical slip surface in multiple-wedge
stability analysis. Canadian Geotechnical Journal, Vol. 36, pp.382–391, 1999.
[58] Das S. K. Slope stability analysis using genetic algorithm. Research Scholar,
Department of Civil Engineering, Indian Institute of Technology Kanpur, India, 2005.
[59] Mendjel D, M. Hamami et S. Messast, Identification de surfaces de rupture d’un
talus par algorithme génétique, 1er Symposium méditerranéen de géotechnique
(SMGE’09), Alger, Algérie, pp. 467-471, 2009.
[60] Mendjel D. and S. Messast, Genetic algorithm search for critical slip surface in slope
stability analysis, Third Euro Mediterranean Symposium on Advances in Geomaterials
and Structures, Djerba, Tunisia, 2010.
[61] Samarajiva P, E.J. Macari, and W. Wathugala. Genetic algorithms for the calibration of
constitutive models of soils. International Journal of Geomechanics, Vol. 5, N°3, pp. 206–
217, 2005.
[62] Levasseur S, Y. Malécot, M. Boulon, and E. Flavigny. Analyse inverse d’une courbe
pressiomètrique par algorithme génétique. In Symposium International ISP5/PRESSIO
Paris, France, 2005.
[63] Levasseur S. Analyse inverse en géotechnique : développement d’une méthode
à base d’algorithmes génétiques. Thèse de Doctorat, Université Joseph Fourier –Grenoble
I, 2007.
[64] Levasseur S, Y. Malécot, M. Boulon, and E. Flavigny. Soil parameter identification
using a genetic algorithm. International Journal for Numerical and Analytical Methods
in Geomechanics, in press, 2007.
[65] Levasseur S, Y. Malecot, M. Boulon and E. Flavigny. Statistical inverse analysis based
on genetic algorithm and principal component analysis: Method and developments using
synthetic data, Int. J. Numer. Anal. Meth. Geomech, Vol. 33, pp.1485–1511, 2009.
[66] Levasseur S, Y. Malecot, M. Boulon and E. Flavigny. Statistical inverse analysis based
on genetic algorithm and principal component analysis: Applications to excavation
problems and pressuremeter tests, Int. J. Numer. Anal. Meth. Geomech, Vol. 34, pp. 471–
491, 2010.
[67] Malécot Y, Levasseur S, Boulon M, and Flavigny E. Inverse analysis on in situ

geotechnical measurements using a genetic algorithm. In Proceedings of the 9th Int.
Symposium on Numerical Models in Geomechanics, Ottawa, Canada, pp. 223–228, 2004.
[68] Simpson. A.R. and S.D. Priest. The application of genetic algorithms to
optimisation problems in geotechnics. Computer and Geotechnics, Vol. 15, pp. 1–19,
1993.
[69] Renders J.M. Algorithmes génétiques et réseaux de neurones. Hermès, 1994.
[70] Mendjel Djenatte. Thèse de Doctorat. Analyse Inverse Dans Le Calcul Geotechnique
Application au Calcul de la Stabilité des Talus. Université Badji-Mokhtar-Annaba. 2012.
[71] Magnan V. Optimisation et algorithmes génétiques, 2001.
[72] Drdi, L. Les Algorithmes génétiques. Thèse de doctorat en Géoscientifique. INRS-
ETE, Québec, 2005.
[73] Vallée T. et M. Yildizoglu. Présentation des algorithmes génétiques et de leurs
applications en économie. Addison Wesley Longman, 2001.
[74] Cadieux S. Reconnaissance et comptage de silhouettes de poissons, Mémoire de
maîtrise en génie électrique. Université de Sherbrooke, Canada, 2002.
[75] Alliot J. M. et N. Durand. Algorithmes génétiques, Cépadues éditions, 2005.
[76] Souquet A. et F. G. Radet. Algorithmes génétiques. Thèse d'étude de fin d'année, 2004.
[77] Spears W.M. et K. A. De Jong. An analysis of multi-point crossover. In Rawlins, G. J. E.,
editor, Foundations of Genetic Algorithms. Morgan Kaufmann Publishers, 1991.
[78] Syswerda G. Uniform Crossover in genetic algorithms; Procedings of the third
conference on genetic algorithms. Morgan Kaufmann Publisher, 1989.
[79] Srinivas N. et K. Deb. Multiobjective optimization using nondominated sorting
in genetic algorithms. Evolutionary Computation, vol. 2, n° 3, pages 221-248, 1994.
[80] Fogel L.J, Owens A.J. et Walsh M.J. Artificial intelligence through simulated evolution.
J. Wiley, Chichester, UK, 1966.
[81] Langdon W.B. Genetic programming and data structure: genetic programming + data
structures = automatic programming, Boston. Kluwer Academic Publishers, 1998.
[82] Ryan C. Automatic re-engineering of sotware using genetic programming. Kluwer
Academic Publishers, 2000.
[83] Cerrolaza M. et W. Annicchiarico. Genetic algorithms in shape optimization. Kluwer
Academic Publishers, 1999.
[84] Moussaoui Moufida. Thèse de Docteur. L’analyse Inverse des Problèmes
Géotechniques Applications des Méthodes d’optimisations Stochastiques. Université du
20 Aout 1955 Skikda. 2013.
[85] Picarougne F. Recherche d'information sur internet par algorithmes
évolutionnaires. Thèse de doctorat en informatique, Université de tours, France, 2004.
[86] Dhatt G., Touzot G. Une présentation de la méthode des éléments finis. Maloine
(Paris) et les Presses de l'Université Laval (Québec), 1981.
[87] Zienkiewicz O.C., TAYLOR R.L. The finite element method (Fifth edition),
Butterworth-Heinemann, 2000.
[88] Vengeon J-M., Giraud A., Antoine P. et Rochet L. Contribution à l’analyse de la
déformation et de la rupture des grands versants rocheux en terrain cristallophylien –
Canadian Geotechnical Journal, Vol. 36, p. 1123-1136. 1999.
[89] Su K., Merrien-Soukatchoff V. et Thoraval A. Modélisation du comportement
hydromécanique des milieux fracturés. Résultats issus des projets – DECOVALEX III et
BENCHPAR, BET 2001 (Bilan des travaux et des études), Document ANDRA. 2001.
[90] San K.C., Matsui T., Katsuraya R. Some aspect of the slope stability analysis by shear
strength reduction technique – Proc. Symposium on Geology and Slope Failure, JSSMFE,
pp. 43-48. 1990.
[91] San K.C., Matsui T. Finite element slope failure prediction by shear strength
reduction technique – Proc. Symposium on Natural Disaster Reduction and Civil
Engineering, JSCE, Osaka, pp. 359-366. 1991.
[92] Ugai K. Availability of shear strength reduction method in stability analysis – suchi-
to-Kiso, 38(1), pp.67-72. 1990.
[93] Cundall, P.-A. Cundall. A computer model for simulating progressive large scale
movements in blocky rock systems. In Proceedings of the Symposium of the
InternationalSsociety of Rock Mechanics, Vol.1 (II-8): 132-150, 1971.
[94] Cundall et Hart P.-A. Cundall and R-D. Hart. Numerical modelling of discontinua,
Engineering. Computations, 101-113, 1992.
[95] Müller D. Muller. Techniques informatiques efficaces pour la simulation des milieux
granulaires par la méthode des éléments discrets. Thèse de Doctorat de l’EPFL de
Lausanne, 1996.
[96] Cambou et Jean B. Cambou and M. Jean. Micromécanique des matériaux granulaires,
Hermès science publication (Ed.), Paris, 2001.
[97] Allen and Tildesley, M.-P. Allen and D.-J. Tildesley. Computer simulations of
liquids. Oxford Science Publications., 1987.
[98] Moreau, J.-J. Moreau. Some numerical methods in multibody dynamics : application
to granular materials. European journal of mechanics. A. Solids. Vol. 13(4) :93-114, 1994.
[99] Moreau, J.-J. Moreau. Contact et frottement en dynamique des systèmes de corps
rigides. Revue Européenne des Eléments Finis, Vol. 9: 9-28, 2000.
[100] Jean, M. Jean. The non-smooth contact dynamics method. Computer Methods
in Applied Mechanics and Engineering, Vol. 177: 235-257, 1999.
[101] Radjai, D.-E. Wolf, M. Jean, and J.-J. Moreau. Bimodal character of stress
transmission in granular packings. Physical Review Letters, Vol.80 (1): 61-64, 1998.
[102] Deluzarche, R. Dedecker, F. Fry, J.-J. Static and dynamic analysis of stability of rocky
slopes via particle methods. Numerical Modeling in Micromechanics via Particle Methods.
Proc. of the First International PFC Symposium (Gelsenkirchen, Germany, 6/7 November
2002), Konietzky, 219-224, 2003a.
[103] Kecili-Louafa and F. Nicot. Modélisation numérique de l’impact d’un bloc rocheux
sur un éboulis : Analyse stochastique des coefficients de réflexion, Revue française de
géotechnique, Vol. 109 : 87-97, 2004.
[104] Letnh., O. Ple, P. Villard. Application de la méthode des éléments discrets aux calculs
des ouvrages en sol renforcés par géosynthétique. CD-ROM, Nancy, France, 4 - 6 juin 2008.
View publication stats

Chapitre 2

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 2

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

Chapitre 2

Transféré par

Droits d'auteur :

Formats disponibles

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

CALCUL DE LA STABILITÉ DES PENTES

Chapter · February 2020

Taleb Hosni Abderrahmane

Soil-Structure Interaction SSI View project

Béton Précontraint View project

The user has requested enhancement of the downloaded file.

CHAPITRE 2 : CALCUL DE LA STABILTÉ DES PENTES

2.1 Introduction ............................................................................................................................................................................ 30

Liste des figures

Liste des tableaux

Tableau 2.1 : Définitions du coefficient de sécurité Différents exemples de définitions d’un

CALCUL DE LA STABILITÉ DES

 des propriétés du terrain ;

Deux types de calculs peuvent être réalisés.

2.1.1 Calcul avant les glissements (étude à priori)

2.1.2 Calcul après les glissements (étude à posteriori) [5]

2.2 Le choix du type de méthode de calcul [5]

 Pré-rupture, où le comportement du sol est élasto-visco-plastique et où le massif

2.3 Notion de coefficient de sécurité

2.4 Méthodes d'équilibre limite et leurs hypothèses

2.4.1 Rupture plane

Dans la mesure où certains glissements de pentes naturelles se produisent le long de

Figure. 2.1 Glissement plane

2.4.1.1 Stabilité des pentes finies

Figure. 2.2 Pente finie avec surface de rupture plane, [39]

4𝑐 sin 𝛽 . cos 𝜑 (2.1)

4𝑐 𝑠𝑖𝑛 𝛽 . 𝑐𝑜𝑠 𝜑 (2.2)

2.4.1.2 Stabilité des pentes infinies (1910)

2.4.2 Rupture circulaire

2.4.2.1 Méthode globale

Figure 2.4 Analyse d’un talus homogène avec 𝜑 > 0 [39]

Avec : 𝑚𝑡 = 𝑓(𝛼 ′ , 𝛽, 𝜃, 𝜑): Coefficient de stabilité dépendant de la géométrie de la pente. Ses

2.4.2.2 Méthodes des tranches principes et hypothèses

Figure. 2.5 Exemple d'une rupture circulaire

W : poids total de la tranche de largeur b et de hauteur h

N , T : composantes normale et tangentielle de la force agissant à la base de la tranche

X, E = composantes verticale et horizontale des forces inter tranches

b = épaisseur de la tranche (b = l.cos α)

Où 𝜏 est donnée par l'équation de Mohr- Coulomb :

τ = c' + (σ − u) tan 𝜑′ (2.9)

Pour une tranche : en projetant verticalement toutes les forces :

̅ cos 𝛼 + 𝑇̅ sin 𝛼 = 𝑊 − (𝑋𝑅 − 𝑋𝐿 )

En projetant horizontalement toutes les forces :

On peut définir le coefficient de sécurité comme suit :

1. soit on le définit à partir de l'équilibre moment de toutes les forces et on va le désigner

Equilibre global des moments :

̅ par sa valeur (l'équation (2.11)) et x par Rsinα :

En absence de tout chargement de la masse de sol étudiée :

̅ − 𝑢𝑙) tan 𝜑̇ ] cos 𝛼

2.4.2.2 a) Méthode de Fellenius

∑ 𝑐́ 𝑙 + (𝑊. 𝑐𝑜𝑠𝛼 − 𝑢𝑙) tan 𝜑̇ (1.23)

2.4.2.2 b) Méthode simplifiée de BISHOP

̅ dans l'équation (2.18) nous aurons :

∑ [[𝑐́ 𝑙 𝑐𝑜𝑠𝛼 + (𝑊 − 𝑢𝑙 𝑐𝑜𝑠𝛼) tan 𝜑́ ]]⁄𝑚𝛼 (2.25)

2.4.3 Glissement quelconque

2.4.3.1 Méthode simplifiée de JANBU

 la méthode suppose une surface de glissement quelconque (non circulaire)

̅ − 𝑢𝑙) 𝑡𝑎𝑛 𝜑́ ] 𝑐𝑜𝑠 𝛼