script_269cvmn_269.py

🔷 INFORMATIONS GÉNÉRALES

Champ Détail

Nom du script script_269cvmn_269.py

Version 1.0.0

Date de création 07/03/2026

Auteur / Demandeur IA Générée (Gemini)

Objectif principal Simuler l’évolution dynamique des populations de développeurs et de RH au sein d’une entreprise via le modèle mathématique de Lotka-Volterra.

🎯 DESCRIPTION FONCTIONNELLE

📌 Que fait ce script ?

Le script modélise une analogie « Proie-Prédateur » appliquée au monde de l’entreprise. Il utilise des équations différentielles pour calculer comment la population de développeurs (proies) et celle des RH (prédateurs) s’influencent mutuellement sur une période de 50 ans, en prenant en compte la croissance naturelle, le burnout et les coûts d’entretien.

📌 Problème résolu

Il permet de visualiser les cycles de productivité et de recrutement, illustrant comment une surpopulation de RH peut mener au burnout des développeurs, et comment un déclin des développeurs finit par réduire l’effectif RH par manque de « matière à gérer ».

⚙️ SPÉCIFICATIONS TECHNIQUES

🐍 Environnement

Élément Valeur

Version Python 3.8+

OS cible Tous (Windows / Linux / MacOS)

Mode d’exécution CLI / Script de simulation

📦 Dépendances / Librairies

numpy : Calcul numérique et gestion des tableaux.

scipy (integrate.odeint) : Intégration numérique des équations différentielles.

matplotlib : Génération de graphiques (visualisation).

📥 ENTRÉES (INPUTS)

⚙️ Paramètres du Modèle (Variables internes)

# Nom Type Obligatoire Description Exemple

1 alpha_prod float ✅ Oui Taux de croissance des Devs 0.2

2 beta_burnout float ✅ Oui Impact des RH sur les Devs 0.01

3 delta_rh_eff float ✅ Oui Efficacité de croissance RH 0.01

4 gamma_rh_cost float ✅ Oui Taux de déclin naturel RH 0.4

📂 Sources de données

État initial : Défini en dur dans le code (50 Devs, 10 RH).

Intervalle temporel : Généré via np.linspace(0, 50, 500).

📤 SORTIES (OUTPUTS)

📂 Données en sortie

Type Description

Console (CLI) Affichage du statut de la simulation et des populations tous les 0.5 ans pour les 5 premières années.

Graphique (Matplotlib) Courbes temporelles montrant l’évolution des deux populations (si activé).

🧱 STRUCTURE DU SCRIPT

script_269cvmn_269.py

📌 IMPORTS : numpy, scipy.integrate, matplotlib.pyplot.

📌 CLASSE EcosystemeEntrepriseSim :

__init__() : Initialisation des coefficients.

lotka_volterra_equations() : Définition mathématique du système.

simulate() : Résolution numérique via odeint.

📌 CONFIGURATION : Définition des constantes métier.

📌 VISUALISATION : Fonction plot_dynamics().

📌 MAIN : Calcul et affichage des résultats en console.

🔄 LOGIQUE / ALGORITHME

Initialisation : Définition des taux de croissance et de mortalité.

Calcul Différentiel : Pour chaque point de temps t :

Variation Devs : dtdx​=αx−βxy

Variation RH : dtdy​=δxy−γy

Résolution : odeint calcule l’intégrale pour obtenir les populations à chaque instant.

Affichage : Les résultats sont formatés et imprimés/tracés.

✅ CONTRAINTES & RÈGLES MÉTIER

Règle 1 : Les populations ne peuvent pas être négatives (propriété intrinsèque de Lotka-Volterra si les entrées sont positives).

Règle 2 : La stabilité des cycles dépend du ratio entre les quatre paramètres (α,β,δ,γ).

🧪 TESTS ATTENDUS

# Cas de test Entrée Résultat attendu

1 Équilibre Paramètres stables Courbes oscillatoires régulières.

2 Burnout Total β très élevé Effondrement rapide de la population Devs.

3 Pénurie RH γ très élevé Croissance exponentielle des Devs.

📝 EXEMPLE D’UTILISATION

▶️ Lancement en ligne de commande

Bash

python script_269cvmn_269.py

📋 Exemple de sortie attendue

Plaintext

✅ Simulation Lotka-Volterra de l’écosystème entreprise (Cerf-RH vs Dev) générée pour 50 années.

Aperçu des 5 premières années :

Année 0.0: Devs=50, Cerfs-RH=10

Année 0.5: Devs=52, Cerfs-RH=9

Année 1.0: Devs=55, Cerfs-RH=8