Monte Carlo methods are computational algorithms that use random sampling to approximate numerical results.Les méthodes de Monte-Carlo sont une classe d'algorithmes de calcul basés sur un échantillonnage aléatoire répété. Elles permettent d'estimer numériquement des intégrales de haute dimension, de résoudre des équations différentielles et des problèmes d'optimisation. L'idée clé : au lieu d'un calcul analytique, on a recours à une expérience statistique. La convergence est lente (l'erreur diminue comme 1/√N), mais ne dépend pas de la dimension, ce qui rend les méthodes indispensables dans les espaces multidimensionnels. En finance, par exemple, elles évaluent le coût d'instruments dérivés complexes, en biologie elles modélisent l'évolution des populations, et en infographie elles créent un éclairage réaliste des scènes (lancer de rayons).
L'idée remonte à l'expérience de Buffon avec le lancer d'aiguille au XVIIIe siècle, mais en tant qu'outil de calcul, elle a pris forme dans les années 1940. Stanislas Ulam, en se remettant d'une maladie, réfléchissait aux réussites et a compris qu'au lieu de dénombrements combinatoires complexes, on pouvait simplement simuler un jeu aléatoire de nombreuses fois et estimer la probabilité de gagner. Il en a discuté avec John von Neumann, et ils ont appliqué l'approche au calcul de la diffusion des neutrons. En 1953 est paru l'article fondateur de N. Metropolis et ses coauteurs sur l'algorithme d'échantillonnage.
Pour estimer l'intégrale I = ∫ f(x) dx, on introduit une densité de distribution p(x) et on génère N points xi ~ p(x). Approximation : I ≈ (1/N) Σ f(xi)/p(xi). En MCMC, on construit une chaîne de Markov avec un noyau de transition assurant l'ergodicité et la stationnarité sur la distribution cible. Pour les distributions complexes, on applique l'échantillonnage par ensemble et le Monte-Carlo hamiltonien, qui utilise les gradients du logarithme de la densité.
Les ingénieurs l'utilisent pour vérifier la fiabilité des ponts, les financiers prédisent les cours des actions, et les physiciens modélisent les réactions nucléaires.
L'exemple le plus connu est le calcul du nombre π : en lançant des points dans un carré avec un cercle inscrit et en comptant le rapport entre ceux qui tombent dans le cercle et le nombre total, on obtient l'approximation 4×(points dans le cercle/total).












