Université Mostefa Benboulaid Batna 2

Institut d'Hygiène et Sécurité

Laboratoire de Recherche en Prévention Industrielle

Thèse
Pour obtenir le diplôme de Doctorat LMD 3ème cycle en
Hygiène et Sécurité Industrielle
Option : Management des Risques Industriels et Environnementaux

Titre
CONTRIBUTION A L’ETUDE DE LA SECURITE PORTUAIRE :
APPROCHE SYSTEMIQUE ET MANAGERIALE

PAR
SMAIAH MERIEM
SOUTENUE LE : 01/03/2018

Devant le Jury :

- Pr. NAIT SAID RACHID, Professeur à l’université Mostefa Benboulaid Batna 2 Président
- Pr. BAHMED LYLIA , Professeur à l’université Mostefa Benboulaid Batna 2 Rapporteur
- Dr. KHAMARI DALILA, M.C.B à l’université Mostefa Benboulaid Batna 2 Co-rapporteur
- Pr. DJEBABRA MEBAREK , Professeur à l’université Mostefa Benboulaid Batna 2 Examinateur
- Pr. BACHARI NOUR EL ISLAM , Professeur à l’USTHB Alger Examinateur
- Pr. SRAIRI KAMEL, Professeur à l’université de Biskra Examinateur
- Dr. BOUZAHER ABDELHAKIM,M.C.B à l’ ENSM Bou Ismail Invité

1
 Remerciements

Je tiens à exprimer mes plus vifs remerciements à une grande femme, qui malgré les
difficultés rencontrées, veille toujours à m’encourager et à m’orienter pour que je puisse
terminer ce travail, c’est ma directrice de thèse Mme la professeure BAHMED Lylia,

Un remerciement spécial est également exprimé à Mr. Le professeur DJEBABRA Mébarek

qui fut pour moi attentif et disponible pour m’aider à réaliser ce modeste travail, malgré ses
nombreuses charges. Sa compétence, sa rigueur scientifique et sa clairvoyance m’ont
beaucoup appris. Ils ont été et resteront des moteurs de mon travail de chercheur.

J’exprime tous mes remerciements à l’ensemble des membres du jury : Pr. NAIT SAID
RACHI de l’université de Batna2, Pr. DJEBABRA MEBAREK de l’université de Batna2,
Dr. KHAMARI DALILA de l’université de Batna2, Pr. BACHARI NOUR EL ISLAM de
l’université d’Alger, Pr. SRAIRI KAMEL de l’université de Biskra, et Dr.
BOUZAHER ABDELHAKIM de l’Ecole Nationale Supérieure Maritime ENSM de
Bousmail, qui malgré leur charge de travail ont accepté de juger ce mémoire.

Je remercie toutes les personnes que j’ai rencontrées pendant mon stage pratique au port de
Bethioua. Merci pour vos supports et encouragements. Je pense particulièrement à Mr.
BOUZAHER qui n’a jamais hésité à m’aider.

J’adresse toute ma gratitude à tous mes ami(e)s et à toutes les personnes volontaires qui
m’ont aidé dans la réalisation de ce travail. Je remercie particulièrement mes deux étudiants
GHODBANE Youssouf et BARROURA Nidhal, sans oublier Mr. MELLAKHSSOU Sif Eddine
(informaticien et prof de mathématique).

… que toute personne, ayant contribué de prés ou de loin à cette thèse, trouve ici
l’expression de ma profonde gratitude et mon éternelle reconnaissance.

Mme BOULILA Meriem

née SMAIAH

2
 Dédicaces

Je dédie ce travail :
A MON TRES CHER PAPA Abdellah

Une spéciale dédicace à celui qui m’a aidé à découvrir le `savoir' , ce trésor inépuisable. De tous les pères, tu
as été le meilleur, tu as su m’entourer d’attention, m’inculquer les valeurs nobles de la vie, m’apprendre le
sens du travail, de l’honnêteté et de la responsabilité.
Merci d’avoir été toujours là pour moi, un grand soutien tout au long de mes études.
Tu as été et tu seras toujours un exemple à suivre pour tes qualités humaines, ta persévérance et ton
perfectionnisme.
Ce travail est ton œuvre, toi qui m’a donné tant de choses et tu continues à le faire…sans jamais te
plaindre. J'aimerais pouvoir te rendre tout l'amour que tu nous as offerts, mais une vie entière n'y suffirait
pas. J'espère au moins que ce mémoire y contribuera en partie…

A MA TRES CHERE MAMAN Zineb à qui je lui souhaite la guérison et qu’elle soit toujours
résistante. Malgré sa maladie elle sent toujours mes moments de joies et de tristesse. Grâce à toi j’ai
acquis une bonne base d’éducation, de timidité et surtout de responsabilité. Se sont des qualités
nobles sur la base desquelles je dois élever mes enfants. Merci chère Maman…
A MON MARI le plus formidable HAMZA, Tu m’as toujours soutenu, compris et réconforté tu es
et tu resteras toujours ma source d’inspiration. Merci pour ta tendresse, ton attention, ta patience
et tes encouragements ; Merci pour tout…
A MA PETITE PERLE AYA SOPHIA, elle est ma raison de vivre, et la raison pour laquelle je
fais tous ces sacrifices …
A mon beau-père AMOR, et ma belle-mère TATA SABAH qui m’ont toujours aidé à affronter les
difficultés rencontrées lors de la réalisation de ce travail…
A ma jolie et seul sœur SOUMIA, à mes frères que je suis fière d’eux ABDELKADER, ILYES ET
LOTFI…
A ma grande famille, oncles, tantes, cousins et cousines …

Je vous aime tous…

3
 Lexiques et Abréviations

AdD Arbre de Défaillance

AMDE Analyse des Modes de Défaillances et de leurs Effets
APR Analyse Préliminaire des Risques
ARAMIS Méthode intégrée d’analyse des risques pour la prévention des risques
majeurs
ARIA Analyse, Recherche et Informations sur les Accidents (base de données)
ATEX ATmospheres Explosibles (Règlementation)
BLEVE Boiling Liquid Expanding Vapour Explosion
BT Barrières techniques
BU Barrières d’Utilisation
Card Cardinal
CD Cible de Danger
CMA Code Maritime Algérien
CSI Container Security Initiative
DEA DEA Domino Effect Analysis
DF Danger Factor
Dg Dégâts
DS Dictionnaire des suivants
EB Effondrement de Bâtiments
ENS Evènement Non Souhaité
EPA Entreprise Pétrolière d’Arzew
ESDs Evènements Source de danger.
EvR Evènement Redouté
FD Flux de Danger
FREEDOM FREquency Estimation of DOMino accidents
FSA Formal Safety Assessement
GAR Green Amber et Red
GNL Gaz Naturel Liquifié
GPL Gaz de pétrole Liquifié
GT Glissements de Terrains
HAZMIW HAZop, risk Matrixe, What If
HAZOP HAZard OPerability
IACS International Association of Classification Societies
IBC Construction and Equipment of Ships Carrying Dangerous Chemical in
Bulk
Ic Incendie
IDE Instrument of Domino Effect
IGC Construction and Equipment of Ships Carrying gas in Bulk

4
IJEE International Journal of Environmental Engineering
IMDG International Maritime Dangerous Goods
ISM International Safety Management
ISPS Ship and Port Facility Security
LSA Life Saving Appliance
MADS Méthodologie d’Analyse de Dysfonctionnement des Systèmes
MARPOL MARine POLution
MAXCRED MAXimum CREDdible accident analysis
MCAS Maximum-Credible Accident Scenarios
MiniFFECT MINImization of domino eFFECT
MOSAR Méthode Organisée Systémique d’Analyse des Risques
MPR Management Préliminaire des Risques
NFPA National Fire Protection Association
OCDE Organisation de coopération et de développement économiques
OIT Organisation Internationale du Travail
OMCI Organisation Maritime consultatif Intergouvernementale
OMI Organisation Maritime Internationale
ORA Optimal Risk Analysis
OSIRIS Outil de SImulation des RISques
PPRT Plans de Prévention des Risques Technologiques
RC Rupture de Canalisation
SBC Solid Bulk Cargoes
SD Source de Danger
SFC Source, Flux, Cible de danger
SIG Système Informatique géographique
SMAR Spirale de MAnagement des Risques
SOLAS Safety Of Life At Sea
SPE Severity, Probability, Exposure
SS Sous-Système
SST Santé Sécurité au Travail
STCW Seafarer Training, certification and watchkeeping
TORAP TOol for Rapid risk Assessment in Petroleum refinery and
Petrochemical industries
TT Tremblement de Terre
VF Vulnérability Factor

5
 Liste de figures

Figure 1.1- Processus de l’analyse et de l’évaluation des risques 35

Figure 1.2- Le modèle SPE 35
Figure 1.3- Echèle d’évaluation de GAR 35
Figure 1.4- Processus de danger du modèle MADS 36
Figure 2.1-Matrice d’évaluation des risques maritimes. 41
Figure 2.2- Processus simplifié d’effet domino 43
Figure 2.3- Représentation du sous-système sous forme de boite noire 57
Figure 2.4- Scénarios d’autodestruction 57
Figure 2.5-Liens entre les sous-systèmes via les boites noires (scénarios longs) 58
Figure 3.1- Etapes du modèle SMAR proposé 63
Figure 3.2- Digraphes des sous-systèmes de l’exemple d’un tremblement de terre 65
Figure 3.3- Digraphe global des effets dominos d’un tremblement de terre 67
Figure 3.4- Arbre des effets dominos d’un tremblement de terre 68
Figure 3.5-Organigramme de la méthode proposée 69
Figure 3.6- Diagramme de VENN 71
Figure 4.1 -Le port de Bethioua 76
Figure 4.2 -Le système étudié 78
Figure 4.3 -Relation matricielle entre les risques et les facteurs 80
Figure 4.4 -Décomposition des sous-systèmes 82
Figure 4.5 -List of DSEs of accident scenarios 84
Figure 4.6 -Digraphe des sous-systèmes de l’exemple d’application 85
Figure 4.7 -Digraphe global des effets dominos de l’exemple d’application 87
Figure 4.8 -L’AdE correspondant au scénario critique 88
Figure 4.9 -L’AdD correspondant au scénario critique 89
Figure 4.10 -Grille de négociation des objectifs de sécurité 90
Figure 4.11 -Diagramme de VENN des intersections des ensembles VSS1, VSS2, et VSS3 93
Figure 4.12 -Amplitude des effets dominos dans la raffinerie étudiée 94
Figure 4.13 -Graphe de répartition des EvRP 95

6
 Liste de tableaux

Tableau 1.1- Développement des ports de commerce dans le monde 18

Tableau 1.2-Top 20 des sociétés de classification 19
Tableau 1.3-Caractéristiques techniques des navires citernes 20
Tableau 1.4-Caractéristiques techniques des ports d’expédition de GNL/GPL en
Algérie 22
Tableau 1.5-Chronologie des accidents majeurs 23
Tableau 1.6-Retour d’expérience des accidents 25
Tableau 1.7-Principales conventions et codes de l’OMI 30
Tableau 1.8-Modèles d’analyse des risques appliqués en sécurité maritime 33
Tableau 2.1- Différence entre le FSA et l’approche d'évaluation actuelle de la sécurité
maritime 40
Tableau 2.2- Classification des évènements initiateurs des effets domino 42
Tableau 2.3- Méthodologie d’étude des effets domino 45
Tableau 2.4- Outils automatisés et logiciels d’étude des effets domino 50
Tableau 2.5- Etude comparative des méthodologies relatives aux effets domino 53
Tableau 2.6- Etude comparative des logiciels relatifs aux effets domino
et de leurs limites 54
Tableau 2.7-Modélisation des effets domino par le triptyque SFC du modèle MADS 55
Tableau 3.1-Liaisons de base du triptyque « SD-FD-CD » 65
Tableau 3.2-Dictionnaire des nœuds suivants des digraphes de la figure 3.1 66
Tableau 3.3- Tableau des évènements redoutés probables 70
Tableau 4.1 - Liste des ESDs des scénarios d’accident. 83
Tableau 4.2 -Signification des abréviations citées dans la figure 4.6 86
Tableau 4.3 -Scénarios associés au digraphe de la figure 4.7 87
Tableau 4.4 -Synthèse de l’analyse des effets dominos de la figure 4.7 87
Tableau 4.5 -Tableau des évènements redoutés probables 91
Tableau 4.6 -Probabilités des effets dominos dans la raffinerie étudiée 96

7
 Sommaire

Remerciements
Dédicaces
Lexiques et Abréviations
Liste de figures
Liste de tableaux

Introduction générale

Chapitre1 – A propos des risques dans les activités portuaires : cas des ports
pétroliers Algériens
Introduction 16
1.1- Intérêts et enjeux du transport des hydrocarbures par voie maritime 17
1.1-1. Le transport maritime des hydrocarbures au niveau international 17
A. Les grands ports maritimes 17
B. Les sociétés de classification 18
C. Les délégations étatiques 20
1.1-2. Le transport maritime des hydrocarbures au niveau national 20
A. La flotte algérienne 20
B. Terminaux d’hydrocarbures Algériens 21
1.2- Problèmes du transport des hydrocarbures par voie maritime 22
1.2-1. Impacts liés au transport maritime des hydrocarbures au niveau international 22
1.2-2. Impacts liés au transport maritime des hydrocarbures au niveau national 24
1.3- Risques majeurs dans les ports pétroliers 26
1.3-1.1. Incendies/Explosions 26
1.3-1.2. Pollutions 27
1.3-1.3. Boil over 27
1.3-1.4. BLEVE 28
1.3-1.5. Effets Domino 28
1.4- Sécurité du transport des hydrocarbures par voie maritime 29
1.4-1. Aspect règlementaire 29
A. Règlementation maritime internationale 29
B. Règlementation maritime nationale 31
1.4-2. Démarches managériales axées sur la gestion des risques 32
Conclusion 37

Chapitre 2 – Gestion des risques dans les ports pétroliers : cas des risques liés
aux effets domino
Introduction 38

2.1- Gestion des risques industriels dans les ports 39

8
 2.1-1. L’évaluation formelle de la sécurité 39
2.1-2. Conception d’une matrice d’évaluation des risques et indicateurs 40
2.2- Gestion des risques liés aux effets domino dans les ports 41
2.2-1. Caractérisation des effets domino 41
A. Définitions et caractéristiques de l’effet domino 41
B. Sources potentielles de l’effet domino 42
C. Les processus de propagation des effets domino 43
2.2-2. Approches d’étude des effets dominos 44
A. Approches théoriques (méthodologiques) 44
B. Approches pratiques (informatiques) 49
C. Commentaires et discussion des deux approches 52
D. Méthodologie MADS-MOSAR 56
Conclusion 58
Chapitre 3 – Nouvelles propositions d’étude des effets dominos
Introduction 59
3.1- Cadre général de nos contributions : Proposition d’un modèle
Dénommé SMAR 60
3.1-1. Rappels de base 60
3.1-2. Présentation du modèle SMAR 62
3.1-3. Nécessité d’agréger certaines étapes du modèle SMAR
par des méthodes appropriées 63
3.2- Contribution à la modélisation du triptyque SFC du modèle
MADS-MOSAR par digraphes 64
3.2-1. Etapes de l’approche proposée (modèle MADS amélioré) 64
A. Identification des sous-systèmes du système étudié 64
B. Modélisation graphique des sources de dangers 65
C. Regroupement des digraphes des sous-systèmes en un seul digraphe
66
D. Exploitation du digraph global 67
3.2-2. Apports de l’approche proposée 68
3.3- Contribution à la modélisation du triptyque SFC du modèle
MADS-MOSAR par usage de la théorie des probabilités 68
3.3-1. Etapes de l’approche proposée 69
A. Description structurelle et comportementale du système étudié 69
B. Capitalisation des évènements redoutés 70
C. Elaboration d’un diagramme ensembliste 71
D. Déduction des amplitudes des effets domino 71
E. Elaboration de l’espace probabilisable pour la déduction des
probabilités des effets domino 71
3.3-2. Apports de l’approche proposée 72
Conclusion 73

9
Chapitre 4 – Application des propositions d’étude des effets dominos au port de
Bethioua-Algérie
Introduction 75
4.1- Présentation du port étudié 76
4.1-1. Situation géographique 76
4.1-2. Description de l’activité industrielle du port 77
4.2- Evaluation des risques associés à l’activité industrielle du port étudié 78
4.2-1. Evaluation global des risques liés à la manœuvre portuaire 79
4.2-2. Relation entre les conséquences et les accidents 79
4.2-3. Discussion 80
4.3- Modélisation des effets domino par la méthode digraphes 81
4.3-1. Décomposition du système 81
A. Choix de décomposition 81
B. Contextualisation topologique des sous-systèmes 82
4.3-2. Identification des ESDs et des scénarios d’accident 83
A. Identification des ESDs 83
B. Modélisation des processus de danger 85
C. Fusion des digraphes en un seul digraphe 86
4.3-3. Exploration du digraphe global 88
4.4- Quantification de la probabilité d’occurrence des effets domino 91
4.4-1. Description structurelle et comportementale 91
4.4-2. Capitalisation des évènements redoutés 91
4.4-3. Elaboration d’un digramme ensembliste 92
4.4-4. Déduction des amplitudes des effets dominos 94
4.4-5. Elaboration de l’espace probabilisable 95
4.5- Commentaires et discussions des résultats de l’étude des effets domino
du port étudié 97
Conclusion 98

Conclusion générale 100

Références bibliographiques 102

Annexes 111
Annexe 1 – Application de la méthode MADS-MOSAR au port de Bethioua 112
Annexe 2 – Bilans d’accident au niveau du port de Bethioua 117
Annexe 3 – Représentation des plans de danger par le logiciel GéoGebra 120

10
 Introduction générale

Dans la gestion des entreprises, la sécurité industrielle, au sens large du terme,

consiste à garantir la sécurité des biens, des personnes et également la pérennité de
l'entreprise. Il s'agit alors de concilier les exigences de rentabilité à court terme, avec les
exigences de sécurité des biens et des personnes visant à réduire les risques, sur le plan
environnemental, social, et économique, générés par l'activité de l'entreprise (Roncalli, 2001).

Dans les entreprises industrielles, dont les activités présentent des dangers et donc des risques
technologiques avérés ou plausibles, la sécurité industrielle se focalise alors sur l'analyse de
ces risques et sur leur maîtrise.

Un aspect très important de la sécurité industrielle est l’usage de statistiques, permettant de

mieux comprendre quels sont les secteurs les plus touchés par les accidents afin de prendre
des précautions toutes particulières dans ce sens. De toute façon, la sécurité absolue ne peut
jamais être garantie.

Par ailleurs, le concept et la pratique du management sont liés directement à la notion de la

sécurité industrielle. Ils remplacent progressivement celle et ceux qui caractérisent la notion
de gestion. Au fur et à mesure que cette notion de management prend place, nous parlons de
plus en plus de management global intégré. Plusieurs facteurs militent, aujourd’hui, pour une
approche globale (Lesbats, 2012):

- D’une part, les contraintes économiques et les performances recherchées ne permettent

ni le « surdimensionnement », ni la « sur qualité », ni les grandes marges de sécurité,
ni l’exhaustivité dans les contrôles et essais.
- D’autre part, l’assurance n’est plus qu’un moyen limité d’obtenir un dédommagement
et encore à condition d’avoir correctement évalué les risques.

Faute de quoi le dédommagement se révélera insignifiant par rapport aux pertes. Plus encore,
la société s’exprime non plus en terme d’acceptabilité du risque mais de plus en plus en terme
de refus de dommage (le dommage à l’homme et le dommage à l’environnement). Ce
phénomène s’est affermi de façon rapide et s’est imposé solidement comme l’a montré la
réaction de la société française et de communautés avoisinantes à la catastrophe de l’usine
AZF à Toulouse.

L’innovation technologique, la substitution des machines, le transport des matières

dangereuses, l’aviation, le nucléaire, le militaire, le ferroviaire et le domaine maritime naval et
portuaire sont quelques-unes des activités liées à la sécurité industrielle et au management des
risques.

11
Parmi ces domaines d’activité, la mer reste l'un des liens les plus importants de liaison entre
les nations (Grech, 2008). Elle tient une place prépondérante dans la globalisation : cent vingt
mille (120 000) navires battant cent quatre-vingt-dix-huit (198) pavillons assurent le transport
de quatre-vingt-dix (90) % du transit commercial mondial (Coutansais, 2010).

Malgré tous les progrès enregistrés dans le domaine de la navigation maritime, le voyage par
mer comporte nécessairement différents risques (incendie, collision, naufrage,
échouement…). D’où la volonté de la communauté internationale de créer un organisme
onusien dédié au transport maritime appelée Organisation Maritime Internationale (OMI) dont
le rôle principal est de chapoter la législation du droit international en référence aux
conventions adoptées par les membres relatives à la sécurité maritime.

Dans ce contexte plusieurs travaux ont été réalisés par les chercheurs dans les différents volets
de ce domaine de recherche relatif au domaine maritime. A titre d’illustration, nous citons :

- Reconnaissance de comportements de navires dans une zone portuaire sensible par

approches probabiliste et événementielle : Application au Grand Port Maritime de
Marseille (Zouaoui-Elloumi, 2012).
- Les contentieux en transport maritime de marchandises par conteneurs (Cossi Hervé,
2014) ;
- Contribution à l’élaboration d’une méthodologie d’évaluation des risques liés à la
manœuvre portuaire (Bouzaher, 2016) ;

Trois mille (3000) navires sillonnent quotidiennement la Méditerranée, et seuls vingt-sept

(27) accidents aux côtes algériennes (DMMP, 2013), pour se répartir inégalement entre les
dix (10) ports de commerce. Ainsi, sur les deux milliards de tonnes de marchandises circulant
en Méditerranée, vingt-six (26) millions de tonnes de marchandise générale sont destinées aux
ports algériens, à partir desquels sont chargées à l’exportation cent (100) millions de tonnes
d’hydrocarbures. Cette dernière, étant la volonté économique et politique de l’Etat, de vouloir
créer une grande zone industrielle à proximité d’Oran, qui a transformé totalement la ville et
le port d’Arzew, petit port de pêche, est devenu en quelques années un grand port
d’hydrocarbures après l’arrivée du gazoduc puis de l’oléoduc depuis 1960, et après la
découverte de Hassi Messaoud en 1956 (Camps, 1989). D’où l’intérêt que nous accordons à
ce port dans le présent travail.

1- Problématique

D’un point de vue systémique, un terminal pétrolier ou méthanier est un univers

industriel très sensible constitué de différentes parties appelées « sous-systèmes » qui sont
reliées par des actions fonctionnelles très précises qui assurent l’activité économique du
terminal. Le type du risque dans les ports est à la fois industriel et environnemental d’où la
première question de recherche :

Q1 : Est-il possible de gérer ce risque par une démarche inspirée des systèmes de
management et plus précisément sous forme d’une boucle d’amélioration continue ?

Ce risque industriel/environnemental est causé en réalité par des évènements redoutés en

cascades dénommés effets domino. D’où les deux autres questions de recherche :

12
 Q2 : Quelles sont les approches d’étude de ces effets domino et quelles sont leurs limites ?

Q3 : Est-il possible de surmonter ces limites afin d’intégrer ces approches dans la gestion
« spirale » des risques industriels/environnementaux survenus dans les ports ?

2- Objectifs

L’objectif de la présente thèse consiste à répondre aux questions clés de notre

recherche doctorale. Plus précisément, notre objectif est double :

i- il consiste, d’une part, en une contribution à l’analyse méthodologique de l’état

sécuritaire au niveau des ports algériens par la proposition d’une démarche de
management des risques maritimes appelée « Spirale de MAnagement des Risques
–SMAR- »basée sur l’approche de l’amélioration continue, afin de bien maitriser
les risques et de juguler leur propagation.
Pour assurer l’amélioration continue du système de management des risques au
niveau du port, nous avons opté pour la Roue de Deming fondée sur l’amélioration
continue par des mesures préventives et des barrières de sécurité, et par
l’application de la réglementation relative au domaine maritime.
Le choix de la spirale est motivé par le fait qu’elle porte en elle-même beaucoup
de complexité tout en restant élégante, et elle est infinie dans ses dimensions, ce
qui signifie qu’elle peut envelopper par sa grandeur tout phénomène aussi épars
qu’il soit tel que l’effet domino qui constitue le danger le plus complexe et le plus
étendu.

ii- et, d’autre part, en une tentative de modélisation des phénomènes d’effet domino
qui peuvent se déclencher dans un terminal méthanier ou pétrolier algérien. La
difficulté majeure de ce travail réside dans l’inexistence, à notre connaissance,
d’une telle étude dans les travaux de recherches relatifs à la sécurité des terminaux
algériens.
L’effet domino n’est signalé que comme phénomène qui peut se produire sans
qu’il ne soit soumis à une modélisation qui peut le prévoir. En conséquence, notre
stratégie est d’établir un ordre dans notre analyse de ce phénomène, dont le but est
d’apporter au moins une nouvelle vision par la théorie des graphes des relations
existantes entre les sous-systèmes du système étudié, et de faire une étude
probabiliste quant à l’occurrence de ce phénomène complexe.

3- Hypothèses de recherche

Partant de ce qui précède, nos hypothèses de recherches sont les suivantes :

Hypothèse 1 – La capitalisation du management des risques portuaires n’est

possible que par l’action d’amélioration continue. Le modèle
SMAR proposé est une matérialisation de cette capitalisation.
Hypothèse 2 – Le modèle SMAR nécessite des approfondissements par des
outils appropriés notamment pour l’étude des phénomènes
particuliers tels que les effets dominos.

13
 Hypothèse 2.1 – La théorie des graphes constitue un outil adéquat à la
modélisation des effets dominos

Hypothèse 2.2 – La théorie des ensembles constitue une approche idéale à la

quantification des grandeurs du risque (probabilité et gravité)
associé aux effets dominos.

4- Organisation de la thèse

Pour atteindre les objectifs assignés à notre recherche doctorale, le présent manuscrit
est subdivisé en quatre chapitres :

• Dans le premier chapitre, intitulé « A propos des risques dans les activités portuaires :
cas des ports pétroliers Algériens», nous proposons de donner une image sur : les
terminaux d’hydrocarbures en Algérie, la flotte algérienne, la sécurité maritime, les
risques liés aux activités portuaires, et l’aspect règlementaire dans le monde et
particulièrement en Algérie.
• Le deuxième chapitre est consacré à la « Gestion des risques dans les ports
pétroliers : cas des risques liés aux effets dominos ». En effet, dans ce chapitre et
parmi les risques liés aux activités portuaires, nous nous focalisons en particulier sur
les risques d’effets dominos où une revue de la littérature sur les deux tendances
théoriques et pratiques de l’analyse des effets dominos sera présentée. Ce chapitre se
termine par des commentaires sur les outils d’analyse des effets dominos afin de
frayer le chemin à nos principales contributions que nous détaillerons dans les deux
chapitre suivants.
• Le troisième chapitre est consacré à l’étude des effets domino où de nouvelles
propositions d’étude des effets domino feront l’objet de ce chapitre. En effet, le long
du troisième chapitre nous présentons nos propositions pour l’analyse des effets
dominos. La première contribution sera une proposition d’une nouvelle méthode dite
« Spirale de Management des Risques (SMAR) ». Cette nouvelle méthode proposée
nous conduit à l’approfondir avec deux autres contributions qui traitent directement de
la modélisation de l’effet domino par la théorie des graphes, et de la quantification des
probabilités d’occurrence de ces effets dominos par la théorie des ensembles et la
théorie des probabilités.
Pour rappel, l’ensemble de nos contributions a fait l’objet de valorisations
scientifiques dans des revues internationales de renommée établie.
• Le quatrième chapitre axé sur l’application des propositions d’étude des effets
dominos au port de Bethioua-Algérie permet d’illustrer les contributions développées
dans le chapitre précédent en vue leur validation sur un cas réel qui relève de
l’industrie pétrolière.

Cette thèse s’achèvera par une conclusion générale dans laquelle nous repositionnerons
l’ensemble de nos développements en regard des objectifs initiaux de l’étude et afin
d’affirmer les hypothèses annoncés ci-dessus.

Le schéma préconisé pour la structuration de la présente thèse de doctorat est fourni ci-après.

14
Ch. 1 A propos des risques dans les activités portuaires : cas
des ports pétroliers Algériens. Contribution : Revue
bibliographique

Ch. 2 Gestion des risques dans les ports pétroliers : cas des
risques liés aux effets dominos

Contributions :
Ch. 3 Nouvelles propositions d’étude des effets domino propositions de trois
modèles d’étude des
effets domino

Ch. 4 Application des propositions d’étude des effets domino Contribution :

validation des
au port de Bethioua-Algérie
modèles proposés

15
 Chapitre 1
A PROPOS DES RISQUES DANS LES ACTIVITES
PORTUAIRES : CAS DES PORTS PETROLIERS
ALGERIENS

Introduction

Les estimations préliminaires indiquent que le volume du commerce mondial a progressé de

3,4% en 2014, c’est le même taux qu’en 2013, les volumes additionnels ont dépassé 300
millions de tonnes, ce qui porte le total à 9.84 milliards de tonnes. On estime que le vrac sec a
représenté plus des deux tiers du total, et les cargaisons pétrolières et gazières représente un
taux de 28,7% du total du transport maritime mondial en 2014 (CNUCED, 2015).

Selon les estimations, le commerce mondial de GNL et du GPL a progressé de 12,7% en 2014
pour atteindre 71 millions de tonnes. Cette croissance s’explique principalement pour les
méthaniers et les pétroliers (Clarkson, 2015). Les pays industrialisés et développés
participent fortement à l’activité maritime, mais aussi les importations chinoises et indiennes
de GNL ont contribué à l’augmentation du transport des produits pétroliers et gaziers et aidé
à absorber une grande partie de la capacité des navires gaziers et pétroliers.

Vu l’intérêt que présente l’activité maritime portuaire sur le plan économique pour les villes
côtières (ou littorales), ce chapitre a pour but de faire le point sur les risques liés aux
activités portuaires. C’est un bilan qui doit être précédé, logiquement, par un état de
connaissances inhérentes au transport maritime des hydrocarbures à travers le monde et en
Algérie. Cet état de connaissance, nous permet de préciser les enjeux de cette activité
notamment sur le plan de la sécurité des ports que nous détaillerons dans la dernière partie
du présent chapitre.

16
1.1- Intérêts et enjeux du transport des hydrocarbures par voie maritime

De nos jours, 80 % des échanges commerciaux planétaires s’effectuent par voie

maritime et passent par les ports (CESE, 2016). Commandant la vie économique
internationale, les grands ports maritimes mondiaux sont devenus les baromètres de la
mondialisation.

Le fret pétrolier représente, presque, près d’un tiers du commerce maritime mondial
(CNUCED, 2015). En conséquence, de très importantes quantités de pétrole brut et de
produits pétroliers raffinés circulent par bateau entre lieux de production, lieux de raffinage et
centres de consommation.

Dans la suite de cette section, nous présentons un bilan de données relatives au transport
maritime des hydrocarbures aux niveaux international et national.

1.1-1. Le transport maritime des hydrocarbures au niveau international

En 2011, le transport de pétrole brut par voie maritime au niveau international s’est
élevé à 1,78 milliard de tonnes. Le chiffre pour les produits raffinés et le gaz liquéfié a atteint
1,05 milliard de tonnes dont environ 230 millions de tonnes pour le GNL (Colton 2011).

Le transport de pétrole brut domine donc toujours, mais avec une évolution marquée au cours
des dernières années en faveur des produits raffinés. En effet et depuis 2006, le volume de
pétrole brut transporté n’a pratiquement pas varié, alors que le tonnage de produits raffinés (et
de gaz) a augmenté de 15 % (CNUCED, 2012) Le mouvement devrait se poursuivre dans les
années avenir pour causes des bouleversements du monde du raffinage : construction de
raffineries géantes dans les pays producteurs (notamment dans le Golfe), nouvelles capacités
exportatrices des Etats-Unis, et besoins grandissants des pays émergents.

Dans la suite de cette section nous détaillerons les grands ports maritimes, les sociétés de
classification et les délégués étatiques.

A- Les grands ports maritimes

En raison des nombreux enjeux économiques, stratégiques, sécuritaires auxquels ils

doivent faire face, et en raison également de la multiplicité de leurs activités logistiques et
commerciales et de la compétition croissante qu’ils se livrent entre eux, les grands ports
maritimes doivent sans cesse adapter leurs modes de gouvernance aux règles et aléas de la
mondialisation.

Le tableau 1.1 de la page suivante illustre la chronologie de l’existence des ports de

commerce dans le monde.

17
Tableau 1.1 : Développement des ports de commerce dans le monde
Source : (CNUCED, 2007)
Période Commentaires
e
Fin XIX siècle- Avec la révolution industrielle, début de la spécialisation entre ports de
début XXe siècle commerce, de pêche et militaire. La configuration des ports évolue avec
l’apparition des grands entrepôts, des lignes de chemin de fer et des
grues. Les docks s'étendent et les professions se spécialisent. Le
balisage et l'assistance aux navires se développent.
1910 La Royal Navy britannique adopte une alimentation au fioul, et non plus
au charbon, pour ses nouveaux navires. Début de l'ère du pétrole dans le
domaine du transport maritime.
Années 1950-1960 Premier port du monde depuis la fin du XIXe siècle, le port de
New York connaît un déclin relatif en raison de l'essor de la façade
Pacifique pour le commerce et de la concurrence du transport aérien
pour les voyageurs. Il perd son rang de première place portuaire du
monde au profit de Rotterdam.
Années 1960-1970 Le développement de l’aviation de ligne amorce un déclin rapide du
transport maritime de passagers. Le moteur Diesel devient le standard
de motorisation du transport maritime (bateaux armés ou non).
Années 1970-1980 Les deux chocs pétroliers donnent un coup de frein à l’activité du
transport et des ports maritimes. Début de la construction du plus grand
port artificiel au monde, à Jebel Ali aux Émirats arabes unis.
Début 1980 La généralisation des conteneurs, inventés en 1956 sur le terminal de
Newark aux États-Unis, entraîne une baisse significative du coût du fret
maritime et une hausse des échanges maritimes. Dans le sillage de la
croissance japonaise, les ports nippons dominent les échanges
maritimes en Asie.
1986 Singapour devient, pour une vingtaine d’années, le plus grand port
mondial en tonnage.
1992 La connexion Rhin-Main-Danube dynamise les ports belges et
néerlandais du Range nord-européen (Northern Range) qui regroupe les
ports situés entre Le Havre et Hambourg.
2001 Dans un livre blanc, l’Union européenne met en avant l’importance du
transport maritime et définit le concept d’autoroutes de la mer comme
alternative aux autoroutes terrestres.
2002 Au lendemain des attentats du 11 Septembre, les États-Unis adoptent
la Container Security Initiative (CSI) destinée à garantir la sécurité de la
chaîne logistique en identifiant les conteneurs « à risque » le plus en
amont possible.
2005-2010 Shanghai devient le premier port du monde en tonnage et pour les
conteneurs.
2015 Effectuant 80 % du trafic commercial mondial, le transport maritime est
un marché qui représenterait près de 1 500 milliards d'euros.

18
 B- Les sociétés de classification

A l’origine de l’activité des sociétés de classification, le secteur maritime a permis à ces

dernières d’acquérir des compétences dans le domaine des "contrôles techniques et
documentaires" (Gallais, 2012). En règle générale, les sociétés de classification, offrent aux
armateurs un accompagnement de référence concernant la gestion et le maintien d’un système
de sécurité adéquat à bord de leurs navires (Chung, 2013).

Les sociétés de classification sont chargées de la vérification de la conformité des navires.

Cette vérification donne lieu à des inspections ou visites. Elles sont des organismes
indépendants qui fixent des normes pour la conception, la maintenance et la réparation des
navires (Kristiansen, 2005). Lorsque la visite est satisfaisante, le navire se voit délivrer un
certificat qui lui permettra de certifier sa conformité auprès des autorités du monde entier.
Aussi, les certificats doivent pouvoir être facilement examinés à bord des navires, à tout
moment (SOLAS).

L’association internationale des sociétés de classification (International Association of

Classification Societies, IACS) est une organisation professionnelle renforcée. Treize
sociétés de classification sur plus d’une cinquantaine, qui revendiquent cette appellation dans
le monde, sont regroupées au sein de l’IACS (Tableau 1.2-) (Gallais, 2012). Née en 1968,
l’objectif de l’IACS est de promouvoir des normes les plus sûres et de les faire appliquer de
manière uniforme. Pour cela, l’IACS édicte des règlements de classe et ses membres doivent
s’y référer à la place de leurs propres règlements de classe.

Depuis 1969, venant renforcer cette prérogative normative, l’IACS est membre consultatif de
l’OMI. L’IACS exerce une certaine discipline professionnelle dans le sens où elle travaille à
l'uniformisation des prescriptions et participe au processus réglementaire de l’OMI.

Tableau 1.2 : Top 20 des sociétés de classification.

Source : (Gallais, 2012).
Nom Nom Tonnage classé (tpl) Nombre de navires
Nippon Kaiji Kyokay 303 763 7 713
American Bureau of Shipping 263 308 9 673
Lloyd’s Register 258 912 8 705
Det Norske Veritas 211 119 5 752
Germanischer Lloyd 128 295 7 062
Bureau Veritas 114 272 9 427
China Classification Society 72 870 2 683
Korean Register of Shipping 64 045 2 327
Registro Italiano Navale 30 245 3 055
Russian Maritime Reg. Shipping 14 662 4 091
India Register of Shipping 7 349 822
BiroKlasifikasiIndonesia 7 093 2 999
Vietnam Register 2 768 814
Polski Rejestr of Shipping 1 682 332
International Reg. of Shipping 1 247 128
Panama Maritime Doc. Services 1 130 44

19
Isthmus Bureau of Shipping 1 093 73
China Corp. of Shipping 953 113
Turku LoyduVakfi 854 372
Croatian Register of Shipping 754 179

C- Les délégations étatiques

Les conventions sont particulièrement importantes car ce sont des instruments

juridiques ayant force obligatoire. Tout État qui ratifie une convention ou qui y adhère, est
tenu de lui donner effet en incluant dans ses textes juridiques nationaux, les prescriptions
énoncées par la dite convention (Adjrahoua, 2010).

Un État peut également intervenir dans la régulation de l’industrie maritime à titre d’État
côtier. L’État côtier effectue un suivi du trafic, ce qui peut impliquer une obligation de
notification de la part du navire lorsqu’il entre dans les eaux territoriales de l’État côtier
(Ringbom, 2008).Ces délégations étatiques ne sont pas généralisées dans les grandes nations
maritimes qui peuvent entretenir des corps de fonctionnaires spécialisés pour le contrôle des
navires. Ce n'est en fait que l'aspect ingénierie et contrôle de la construction qui est ainsi
sous-traité par les experts des sociétés de classification.

1.1-2. Transport maritime des hydrocarbures au niveau national

A partir des années soixante, la demande sur les navires citernes transporteurs de GNL
et GPL a augmenté en fonction de l’augmentation de la consommation des produits pétroliers
et de gaz naturel à travers le monde. L’Algérie est un pays producteur et exportateur de GNL
et de GPL, donc l’existence d’une flotte maritime c’est imposée pour permettre le transport
de ces produits. Depuis octobre 1997, Le groupe pétrolier SONATRACH détient 100% du
capital de la société de transport Hyproc Shipping Company.

A- La flotte maritime Algérienne

L’Algérie dispose d’une flotte maritime composée de plusieurs navires de commerce

répartis entre méthaniers et pétroliers (EPA, 2014), avec une capacité totale de 956 000 m3.
Les caractéristiques techniques de cette flotte sont résumées dans le tableau suivant.

Tableau 1.3:Caractéristiques techniques des navires citernes.

Source :(EPA, 2016).
Nom du navire Vitesse Longueur Tirant Capacité Date de Age Type
en nœud hors tout d’eau démarrage
max
1 Larbi Ben 19,4 266,7 10,85 129767 1977 40
M’Hidi
2 Bachir Chihani 19,4 266,7 10,85 129767 1979 38
Méthanier

3 Mustapha Ben 19,8 278 ,21 12,8 125260 1976 41

Boulaid
4 AbaneRamdane 20.2 274,22 13 ,32 126130 1981 36
5 Didouche 20 274,22 13 ,32 126130 1980 37

20
 Mourad
6 Lala Fatma 19 - - 145500 2004 13
N’soumer

7 Berge Arzew 19 - - 13800 2004 13

8 Cheikh - - - 75 000 2007 10

Pétrolier
Bouamama
9 Cheikh El - - - 75 500 2009 8
Mokrani
10 Raoudhelfares 16 ,5 174,2 9,5 35000 2010 7

Les cargaisons liquides transportées peuvent être classées dans trois catégories:

- Les hydrocarbures : pétrole brut ou produits raffinés. Les navires qui effectuent ces
transports sont appelés pétroliers.
- Les produits chimiques transportés sur des navires appelés chimiquiers.
- Les gaz liquéfiés transportés soit à très basse température, soit sous pression sur
des navires appelés gaziers (méthanier et les transporteurs de GPL).

B- Terminaux d’hydrocarbures Algériens

La date de 1964 correspond au lancement de la construction du premier complexe de

production de GNL, le GL4Z dénommé alors CAMEL (Compagnie Algérienne du Méthane
Liquéfié). Ainsi, les productions cumulées depuis 1964 des quatre complexes de liquéfaction
de GNL (GL4Z, GL1K, GL1Z et GL2Z) ont atteint respectivement 83 500 343 m 3, 218 677
511 m3, 331 305 502 m3 et 366 562 057 m3 (EPA, 2014).

Pour répondre à une demande de GNL de plus en plus importante, SONATRACH compte
consolider sa position dans le bassin méditerranéen et européen, tout en renforçant sa
présence sur d’autres marchés internationaux, notamment américains et asiatiques. A cet effet,
un programme de développement a été lancé pour la réalisation de deux grands projets de
production GNL: Ces deux grands projets sont entrés en production, respectivement en
novembre 2011 et novembre 2012.

Il est important de rappeler que tous les terminaux gaziers, qu’ils soient au départ ou à
l’arrivée, et pour du GPL ou du GNL, ont une caractéristique commune, à savoir que le
transfert du gaz, de terre à navire ou vice versa se fait sous la forme liquide.

Au départ, il y a une usine de liquéfaction du gaz naturel (GNL/GPL), c’est le cas de Skikda
et Arzew. Ces usines ont des installations très complexes du point de vue technique et très
onéreuses. De plus, leur coût de fonctionnement est très élevé car la liquéfaction du méthane
ou du pétrole consomme beaucoup d’énergie : surtout celle du méthane qui consomme 4 à 5
fois plus que n’importe quel autre hydrocarbure. Les terminaux méthaniers sont toujours
situés le plus loin possible des autres installations portuaires, pour des raisons de sécurité, et
quelque fois à l’entrée immédiate du port (Chameroy et Bourieres, 1977).

21
 La côte algérienne est dotée de plusieurs ports commerciaux parmi lesquels se trouve des
terminaux d’hydrocarbures destinés à l’exportation de pétrole et de gaz (Skikda, Bejaia,
Arzew et Béthioua). Cependant, si nous nous limitons qu’aux ports d’hydrocarbures il y en a
trois dont les caractéristiques sont résumées par le tableau suivant.

Tableau 1.4 : Caractéristiques techniques des ports d’expédition de GNL/GPL en Algérie.

Source : (EPA, 2016).
Ports Nb de Volume de Nb de bras Débit Tirant Longueur
quais reception (m3) de chargement d’eau
chargement ( m3/h) (m)
1 2 réceptions de
Béthioua 4 40000à 125000 et 5 4.103 à 13.5
2 pour 50000 à 10. 103

Maximum
125000
2 Arzew 1 25000 à 50000 4 Maximum 9.8
103

3 Skikda 2 25000à 90000 2 Maximum 9.8

103

Le tableau ci-dessus montre que les ports de Béthioua et d’Arzew restent les plus importants
vue leur capacité d’accueil et de chargement. Par contre, celui de Skikda ne peut réceptionner
que des méthaniers de petite taille.

1.2- Problèmes du transport des hydrocarbures par voie maritime

Le transport d'hydrocarbure et de gaz liquéfié par voie maritime est une activité
majeure pour l'approvisionnement en énergie à travers le monde. Il reste néanmoins un
transport à risque aux vues des matières transportées et de leurs contraintes de
conditionnement.

1.2-1. Impacts liés au transport maritime des hydrocarbures au niveau international

La taille des bateaux ne cesse de croître et implique pour les ports des investissements
massifs. En effet et depuis 1997, la capacité moyenne des ports de commerce a été multipliée
par trois en 2012 (CNUCED, 2012). Conséquemment, ce développement implique des
impacts sur les plans économique, social, et environnemental.

En effet, depuis toujours le coût du transport dépend de la distance à parcourir et de la

manière dont les matériaux sont acheminés. Malgré cela, depuis cinquante ans, ce coût du
transport n'a cessé de diminuer dans le temps, par exemple le prix de transport du pétrole
maintenant amené par pipelines au diamètre et débits jamais atteints auparavant, ou par
tankers ayant des capacités de chargement de plus en plus grandes ;aussi, l'exigence de
sécurité dans le transport maritime n'a qu'un impact très faible sur le coût du transport.

22
L'évolution du coût du transport passe aussi par une réduction des coûts de maintenance et par
une meilleure gestion des facteurs qui provoquent des frais supplémentaires (gestion
administrative, gestion interne,...). À long terme, les facilitations que nous apportent le
multimédia et la technologie créent une baisse des coûts mais au profit du facteur humain qui,
lui aussi, engendre des frais supplémentaires.

Par ailleurs, l'abandon progressif des pétroliers à simple coque au profit de pétroliers à double
coque aura un impact sur les prix. Mais l'impact de cette mesure est estimé à environ
0,10 dollar par baril (CNUCED, 2015), soit un dixième du coût du transport (qui lui-même ne
représente que 5 à 10 % du coût total du produit).

Le transport du gaz nécessite des investissements très lourds mais, en termes de coût
d'importation par unité d'énergie, le gaz est moins cher que le pétrole. Par ailleurs, le transport
des matières dangereuses a un impact négatif sur la population.

Enfin, les préoccupations environnementales constituent un autre défi majeur. Dans un monde
qui se destine à vivre en ville et au bord de l’eau, les nuisances portuaires ne sont plus
forcément les bienvenues. La contrainte environnementale, liée souvent à des zonages de
protection de la nature littorale et estuarienne, est à la base d’une conflictualité nouvelle,
relayée par des mobilisations citoyennes de mieux en mieux organisées. Ces problématiques
liées à l’usage de l’espace littoral, conjuguées aux recours aux acteurs entrepreneuriaux dans
le cadre de la libéralisation des activités, renvoient le port à son territoire (CNUCED, 2007).

Après avoir présenté les différents impacts du transport maritime, dans la suite de ce chapitre,
nous nous focalisons sur les impacts d’ordre sécuritaires et environnementaux. Plus
précisément, nous présentons un bilan des accidents survenus dans les ports à travers le
monde.

Par exemple, en France la base de données ARIA, a identifié 18 469 accidents de Décembre
2008 à Janvier 1992 et 1073 autres de Janvier à Décembre 2008 (Kadri, 2013), dont ces
accidents, les incendies et les rejets de matières dangereuses sont les événements les plus
fréquents avec 60 % et 44 % respectivement en 2008. A cela s’ajoute, les explosions et la
projection de fragments (missiles) qui sont les grands événements qui peuvent générer des
effets domino dans les sites industriels, d'où la nécessité de prévenir et d'atténuer ces
événements.

Le tableau suivant résume la chronologie des accidents majeurs survenus dans les ports
internationaux.

Tableau 1.5:Chronologie des accidents majeurs

Source :(Réalisé par nos soins).
Date Localisation Type d’accident Victimes et dégâts
1966 Feyzin –France Incendie d'une industrie 18 morts
pétrochimique
1974 Flixborough - Explosion sur un site 28 morts
Grande Bretagne industriel
1976 Seveso –Italie Fuite de dioxine d'une usine Pas de mort sur le coup,
chimique mais

23
 37 000 personnes touchées
1983 France Explosion attentat aéroport 8 morts, 60 blessés
d’Orly
1984 Bhopal – Inde Fuite d'un gaz toxique Environ 2 500 morts et
250000 blessés

1984 Mexico-Mexique Explosion d'une citerne de Plus de 500 morts et 7 000

gaz de pétrole liquéfié blessés
1988 Mer du Nord Une fuite de gaz suivie d’une 167 morts
explosion sur la pateforme
pétrolière Piper-Alpha
1992 Stade de Furiani Effondrement 18 morts, 2300 blessés
1995 Stations de métro Pollution sur sarin 12 morts, 5000 blessés
Tokyo
2001 New-York, World Attentats, 3000 morts, 2000 disparus
Trade Center Effondrement
2001 Toulouse - France Explosion d'un site industriel 30 morts et plus de 2 500
blessés
2004 Skikda - Algérie Explosion dans une raffinerie 27 Morts
pétrochimique
2005 Buncefield- Un incendie dans un terminal 43 blessés
Angletaire pétrolier
2005 Madrid, gare Explosion 198 morts, 2000 blessés
d’Atocha
2009 Andrézieux- Deux explosions successive 2 morts et 6 blessés
Bouthéon- France dans une usine pétrochimique
classée Seveso
2010 Gaulfe du La plateforme pétrolière 11 morts
Mexique Deepwater Horizan au large
de la Louisiane provoque une
des plus grave marrées noires
2012 Venezuela Un incendie à la raffinerie 48 morts
d’Amuay au Venezuela fait
suite à une explosion causée
par une fuite de gaz
2013 Qingdao- Chine Explosion d’un oléoduc dans 47 morts
le port de qingdao
2016 Tultepec- Le marché aux feux 36 morts et 70
Mexique d’artifices subit une série blessés
d’explosions dévastatrices

1.2-2. Impacts liés au transport maritime des hydrocarbures au niveau national

L’Algérie ne fait pas exception par rapport au reste du monde en termes des impacts
dus au transport maritime des hydrocarbures. C’est pour cette raison, nous nous focalisons sur
les accidents survenus aux niveaux des ports algériens car ces évènements ont un lien direct
avec la suite de notre travail développé dans cette thèse.

24
En effet, on se souvient de l’émoi suscité par l’échouage, en 2003 du navire «Batna» et le
même jour, le naufrage du navire « Bechar », à quelques mètres du port d’Alger, ce qui a
causé la perte de 13 membres de son équipage.

Ce naufrage, n’est malheureusement que le plus apparent des accidents portuaires. Et pour ne
citer que les plus importants, nous citerons également: les incendies de 2005 dans le terminal
pétrolier de Skikda et dans le terminal à conteneur d’Alger, la pollution de 2007 par les
hydrocarbures dans le port de Skikda, et la fuite de gaz ammoniac de 1985 dans le port de
Annaba, qui a provoqué une panique générale de la population portuaire et même de la ville.

Ces accidents majeurs ainsi que d’autres (incendie du pétrolier « ACINA » survenu dans le
port d’Arzew en 1990) ont les faits marquants suivants : conséquences dévastatrices et
lourdes sur les plans humains, environnementaux et matériels, récurrence dans leurs
occurrences. D’où la nécessité de les étudier de manière plus profonde afin d’y faire face.

Notons enfin, que les ports algériens ont connus d’autres accidents moins graves. A ce propos
et à titre de rappel, le tableau suivant regroupe ce type d’accidents survenus au niveau du port
de Béthioua qui sera retenu dans la suite de nos travaux présentés dans cette thèse de doctorat.

Tableau 1.6: Retour d’expérience des accidents survenus dans le port de Béthioua.
Source : (Bilan EPA, 2014).
Situation d’accident Evènement redouté
2006 Fuite d’hydrocarbure (pétrole brut) Dégagement du produit inflammable sur
survenu au niveau du poste B2 le site.
Incendie en rade Présence du condensat à proximité des
travaux à chaud des pipe-lines.
2008 Collision (navire « CERAUSEA » - Perte d’équilibre du navire CERAUSEA
quais)
2009 Incendie à bord du navire « HASSI Détérioration du câblage et du réseau
R’MEL » électrique
Un colis lourd a tombé de la grue Détachement du câblage de chargement
du colis
2010 Abordage entre 2 remorqueurs Perte de direction du remorqueur R1
2011 Pollution au niveau du bassin de Mauvais soutage à quai
Bethioua, coté P1/P2/P3.
2012 pollution au niveau du port de Bethioua Pollution marine
(poste M2)
Collision + incendie Fausse manœuvre du pilote
Le navire « CAPE BRINDISI »
2013 Nappe de pollution d’hydrocarbures Pollution marine
mélangés avec du sable, port de
Bethioua B2.
Un examen approfondi du bilan des impacts dus au transport maritime des hydrocarbures à
travers le monde (y compris l’Algérie) montre, d’une part, que ce bilan est lourd et, d’autre
part, qu’il est nécessaire de ne plus se contenter d’un simple récit d’accidents survenus dans
les ports mais d’analyser ces accidents en termes de risques majeurs.

25
Dans ce contexte, l'analyse quantitative de ces risques maritimes requiert l'identification des
dangers et des accidents potentiels et permet ainsi l'évaluation des conséquences, des
fréquences, ou de la probabilité d’occurrence des risques (Projet Rabaska, 2006). L’analyse
des risques d’accidents technologiques majeurs porte sur les installations dont les risques
pourraient causés des impacts, souvent soudains et immédiats, sur la population et les
éléments sensibles du milieu. Le cas des incidents survenus au niveau des ports maritimes ou
à bord des navires de commerce dont l’impact est parfois très grave sur l’être humain, la
marchandise , le navire et l’environnement marin, d’où l’utilité de l’analyse qui permet de
connaître ces risques afin d’en planifier la gestion. Selon l’information disponible et le but
recherché par la réalisation d’une analyse de risques d’accidents majeurs ; l’analyse de risques
peut être qualitative ou quantitative (Theberge, 2002).

De plus, l’analyse (qualitative ou quantitative) des risques d’accidents majeurs est fortement
conditionnée par le type même du risque d’accidents majeurs. A ce propos, plusieurs types de
risques sont détaillés dans la littérature. Nous les rappelons dans la section suivante.

1.3- Risques majeurs dans les ports pétroliers

Un risque majeur est un événement incertain dont les effets négatifs sont considérables
et dont la réalisation est souvent, mais pas toujours, faiblement probable. Les géographes et
de nombreux spécialistes découpent cette notion en trois termes (AFNOR, 2002) : l'aléa, qui
est l'événement incertain lui-même, les enjeux, qui sont les valeurs socio-économiques ou
écologiques soumises aux effets de l'aléa quand il survient, et la vulnérabilité, qui fixe le
degré plus ou moins grand auquel ces effets détruisent les enjeux.

Le risque majeur appartient au domaine du risque collectif ou sociétal (SDACR, 2005) et

l'accident par lequel il se réalise implique en général non seulement des dommages élevés en
valeur, mais aussi des populations importantes qui sont touchées (exemples : en
France : tempête Xynthia (Hallegatte et Przyluski, 2012)en février-mars 2010 sur la côte
Atlantique, inondations de juin 2010 dans le Var en France (Martin, 2010), et explosion
d'AZF (Guillaume, 2009)à Toulouse en 2001).

Dans le domaine de transport des hydrocarbures et de leur stockage, les risques majeurs sont
de types : incendies/explosions, pollutions (marines ou atmosphériques), Boil-over, BLEVE,
et les effets domino. En conséquence, la suite de cette section sera consacrée à la présentation
de ces risques.

1.3-1. Incendies/Explosions

Les risques d’incendie et d’explosion sont des sujets permanents de préoccupation pour
de nombreuses entreprises. Un incendie est une combustion qui se développe de manière
incontrôlée, en dégageant de fortes quantités de chaleur, des fumées et des gaz polluants et
même toxiques (INRS, 2004).Une explosion est une réaction brusque d’oxydation ou de
décomposition entraînant une élévation de température, de pression ou les deux
simultanément(EN, 2000).

Les causes d'incendies/explosions sont nombreuses, mais la majeure partie des incendies a
une origine humaine (imprudence, malveillance, mauvaise préparation aux catastrophes

26
naturelles telles que tremblements de terre, tsunamis...) ou causes techniques, dont par
exemple réactions chimiques très exothermiques, les contextes d'atmosphères explosives
(Tazieff, 1988 ; Martin, 2008). En effet, les incendies et les explosions sont à l’ origine de
blessures graves voire de décès, et de dégâts matériels considérables. Chacun de ces risques
fait l’objet d’une démarche de prévention spécifique dont l’objectif prioritaire est d’agir avant
que le sinistre ne survienne.

La lutte contre le risque d’incendie impose de mettre en place des mesures techniques et
organisationnelles visant à supprimer tout départ de feu ainsi qu’à limiter la propagation et les
effets d’un incendie.

Pour prévenir le risque d’explosion, la priorité est d’empêcher la formation d’atmosphères

explosive (ATEX). A défaut, il faut éliminer les sources d’inflammation et mettre en œuvre
des mesures permettant d’atténuer les effets potentiels d’une explosion.

1.3-2. Pollutions

La pollution industrielle désigne la part de la pollution de l'environnement directement

induite par l'industrie quand elle introduit des altéragènes biologiques, physiques (dont les
radiations telles que la radioactivité ou dans la lumière artificielle quand elle perturbe
l'environnement nocturne), chimiques ou organiques, affectant de manière plus ou moins
importante le fonctionnement de l'écosystème (OCDE, 1974 ).

Cette pollution correspond à une contamination plus ou moins durable (selon le type de
polluant, dégradable, biodégradable ou non-biodégradable) des compartiments
des écosystèmes que sont l'air, eau, sol ou le réseau trophique ou de l'être humain. Elle se
quantifie souvent par rapport à un seuil, mais il faudrait aussi tenir compte des synergies entre
polluants. Dans le domaine maritime on distingue deux types de pollution : pollution marine
due au diversement d’un produit chimique dans la mer générant une nappe de pollution et
pollution atmosphérique due aux rejets des torches dans les raffineries pétrolières.

Pour la prévention, les industriels trouvent que c’est difficile d’éviter ce risque vue
l’industrialisation puissante et le développement rapide. Pour cela les industriels veillent
toujours à minimiser les dégâts des pollutions en utilisant des moyens techniques et
organisationnels pour éviter au maximum la propagation des nappes et des nuages de
pollution.

1.3-3. Boil-over

Le NFPA (National Fire Protection Association - USA) propose une définition précise
du phénomène (NFPA, 2002) :« Le terme de Boil-over est attribué à un événement survenant
lors d’un incendie de certains hydrocarbures contenus dans un réservoir à ciel ouvert,
lorsqu’une soudaine augmentation de l’intensité du feu est observée, accompagnée de
l’expulsion de l’hydrocarbure hors du réservoir, après une longue période de combustion
régulière. Le Boil-over a lieu lorsque les résidus de combustion, issus de la surface en feu,
deviennent plus denses que les hydrocarbures non brûlés et sombrent formant une couche
chaude qui progresse vers le fond plus rapidement que la régression de la surface de liquide.
Lorsque cette couche chaude, également appelée onde de chaleur, atteint l’eau ou une

27
émulsion d’eau dans l’hydrocarbure située en fond de bac, l’eau est d’abord surchauffée,
puis portée à ébullition de façon quasi explosive entraînant le débordement du bac. »

D’après Laurant (2003), un Boil-over est une transformation d’un liquide en vapeur d’eau
dans un réservoir en feu contenant des produits pétroliers. Cette dernière définition montre
bien que ce phénomène est à l’origine de violentes projections de combustible, du
bouillonnement du contenu du bac, de l’extension des flammes et de la formation d’une boule
de feu.

Egalement, cette dernière définition explicite les conditions d’occurrence de ce phénomène

qui se résument essentiellement par les deux faits suivants : la surface du liquide est en feu, la
présence d’eau dans le fond du réservoir. D’où la création de la boule de feu ainsi que la
libération des produits pétroliers dans l’atmosphère.

1.3-4. BLEVE

Le BLEVE (Boiling Liquid Expanding Vapour Explosion), ou Vaporisation explosive

d’un liquide porté à ébullition, peut-être défini comme « la vaporisation violente à caractère
explosif consécutive à la rupture d’un réservoir contenant un liquide à une température
significativement supérieure à sa température d’ébullition à la pression atmosphérique »
(Leprette, 2002). Tous les stockages de gaz liquéfiés sous pression sont susceptibles d’être le
siège d’un BLEVE. En effet, le BLEVE est associé avant tout à un changement d’état à
caractère explosif, et non à une réaction de combustion. Aussi, il n’est pas nécessaire que le
produit concerné soit inflammable pour parler de BLEVE.

L’occurrence d’un BLEVE est liée à la rupture brutale d’un réservoir de gaz liquéfié,
survenant lorsque le réservoir est soumis à une agression thermique ou mécanique. Le
phénomène de BLEVE est donc l’effet domino d’un événement précurseur tel que l'impact
d'un projectile, l'échauffement par un feu de torche impactant, un sur-remplissage, … .

Les effets d’un BLEVE sur l’environnement se manifestent généralement de trois manières :
effets de pression (propagation d’une onde de surpression), effets missiles (projection de
fragments à des distances parfois très importantes) et effets thermiques (dans le cas d’un
BLEVE de gaz liquéfié inflammable, rayonnement de la boule de feu).

1.3-5. Effets Domino

Les effets domino consistent en une séquence d’événements interdépendants

susceptibles de produire en chaîne des dommages importants voire d’ordre catastrophique
dans une installation industrielle et son environnement. Il s’agit plus précisément d’un ou
plusieurs événements dits primaires (origines) qui se propagent et provoquent des événements
secondaires dont les conséquences se superposent voire amplifient celles du ou des
événements primaires.

L'analyse statistique des accidents domino (Abdolhamidzadeh et al, 2010), montrent que la
fréquence des accidents domino est élevée dans les usines des procédés chimiques et de
transport. Récemment, l’analyse historique des accidents domino (Clini et al, 2009) où ils ont
étudié 261 accidents impliquant les effets domino, montre que, en plus des causes de

28
défaillances mécaniques et les événements externes, la fréquence des accidents domino causés
par le facteur humain est relativement élevée, d'où l'importance d'intégrer les facteurs humains
et organisationnels dans l'étude des chaînes en cascades. Malgré cela, des catastrophes en
cascade restent relativement peu étudiés, peu d'attention portée sur l’étude des vecteurs
d’intensification des effets domino, les méthodes disponibles dans la littérature sont limitées
dans leur capacité à gérer la complexité de ce phénomène (Bahman et al, 2010).

Par ailleurs, un inventaire des accidents domino qui se sont produits sur la période de 1917
jusqu’à 2009 a montré que 30% de ces accidents sont enregistrés dans la période 2000-2009
(Kadri, 2014). Cette étude montre également que les explosions sont les causes les plus
fréquentes des effets domino (57%), suivis par les incendies (43%).

Vu l’ampleur des conséquences associées à ce phénomène, d’une part, et ses origines qui
correspondent aux autres risques majeurs tels que les incendies/explosions, d’autre part,
l’étude et l’analyse approfondies de l’effet domino fera l’objet du prochain chapitre.

1.4- Sécurité du transport des hydrocarbures par voie maritime

La sécurité a souvent été considérée comme un élément crucial dans presque toutes les
opérations maritimes (Jalonen, 2009). Partant de ce constat, l’objectif principal dans le
développement de la sécurité maritime est la prévention des accidents. Dans ce contexte,
l’examen des facteurs de prévention montre que la sécurité maritime se compose des facteurs
culturels et contextuels qui créent des attitudes et des comportements qui influent sur la santé
et la sécurité au travail (Håvold, 2007).

Pour rappel, la sécurité maritime est la combinaison de mesures préventives visant à protéger
le domaine maritime contre : les effets du danger accidentel ou naturel, les préjudices, les
dommages à l'environnement, le risque ou la perte (Fransas et al, 2012).

Selon Hill (2007), la sécurité maritime est l’activité qui cherche à sauver la vie humaine, de
garantir la sécurité des navires et des marchandises, de protéger l'environnement marin et de
préserver les actifs économiques et sociaux maritimes dont les communautés dépendent.

Les deux définitions précédentes montrent que la sécurité maritime englobe la sécurité de la
vie humaine et la protection des biens en mer contre les menaces environnementales et
opérationnelles, ainsi que la sécurité de l'environnement maritime contre la pollution par les
navires (Urbański et al, 2009).

Un état d’art de la sécurité maritime aux niveaux international et national est rappelé ci-après.

1.4-1. Approche règlementaire

A- Règlementation maritime internationale

Au niveau international et plus précisément au niveau européen, il y a lieu de citer la

directive cadre de juin 1989 qui propose des «mesures pour encourager l’amélioration de la
santé et de la sécurité des travailleurs» (directive 89/391/CEE, 1989). Cette directive
pose les principes généraux du management de la SST applicables à toute organisation :

29
intégration de mesures préventives dans toutes les activités ; mise en place de personnes
compétentes pour le management de la sécurité ; évaluation des risques et identification des
dangers ; consultation des travailleurs ; formation, information, participation du personnel;
surveillance médicale ; premiers secours et évacuation ; documentation en place.

Rappelons également qu’en matière de la règlementation maritime internationale, les

organisations internationales jouent depuis des années un rôle considérable dans l’élaboration
des normes de la sécurité maritime. Cette concertation a commencé au 19𝑒 siècle par la
recherche d’une certaine uniformisation des règles, usages et coutumes nationales, relatives à
la prévention des accidents maritimes. Dans cette coopération interétatique qui devient chaque
jour de plus en plus nécessaire, un rôle fondamental est joué par les organisations
internationales en général et par l’Organisation Maritime Internationale (OMI) ainsi que
l’Organisation Internationale du Travail (OIT) en particulier.

Dans ce que suit, nous nous limitons à l’OMI qu’est crée en 1948 sous le nom d’Organisation
Maritime consultatif Intergouvernementale (OMCI). L’OMI est une institution spécialisée des
Nations Unies qui compte en 2009, 169 états membres et trois membres associés. Son siège se
situe à Londres et l’Algérie a adhéré en 1963.

Les buts de cette l’organisation sont les suivants (OMI, 2011):

o Collaboration entre les états membres dans le domaine de la règlementation maritime ;

o Adoption des normes de sécurité ;
o Prévenir les pollutions du milieu marin par les navires et installations portuaires ;
o Encourager l’abandon des mesures discriminatoires, en vue de mettre les ressources
des services maritimes à la disposition du commerce mondial sans discrimination.

L’OMI a accompli une œuvre considérable, principalement à travers l’élaboration de plus de

55 conventions et protocoles, et plus de 25 codes (OMI, 2014). Ces conventions et codes
reflètent le rôle fondamental de l’OMI dans la prise en charge de la sécurité maritime.

Le tableau suivant rappel parmi ces conventions et codes, les plus importants.

Tableau 1.7: Principales conventions et codes de l’OMI

Source :(Kristiansen, 2005).
Convention sur la sauvegarde cette convention a contribué à la construction et à l’équipement de
de la vie humaine en mer sécurité des navires par l’adoption de normes très strictes. La
(Safety of Life at Sea - SOLAS a été amendée par l’OMI à plusieurs reprises jusqu’à sa
SOLAS 74-), forme actuelle avec treize chapitres dont chacun d’eux traite un
aspect de la sécurité du navire et des équipages.
Convention sur la prévention Instaurée après le naufrage du pétrolier Torrey Canyon en 1967,
de la pollution des navires provoquant une grande pollution maritime. Cette convention a pour
(Prevention of pollution from but de prévenir la pollution marine par les activités liées au transport
Ships - MARPOL73/78-). maritime sous toutes ces formes (Hydrocarbures, produits
chimiques, matières dangereuses, ordures ménagères, eaux usées et
la pollution atmosphérique par les gaz d’échappement).
Convention sur la prévention C’est un véritable code de conduite des navires en mer dans le but
des abordages en mer d’éviter les collisions des navires en mer.
(Preventing Collisions at Sea -

30
COLREGS1972-)
Convention sur les lignes de Elle impose à tout navire de commerce de disposer sur sa coque des
charges des navires, créée en marques qui limitent le poids de sa cargaison, car il est reconnu
1966 : (Load Line 1966 – depuis longtemps que les restrictions sur les tirants d’eau, pour
Loadlines66-) lequel un navire peut être chargé, apportent une contribution
significative à sa sécurité
Convention sur la formation Son dernier amendement fut en 2010 à Manille ; cette convention
standard, certificats et la veille concerne la formation et la certification des équipages des navires,
des gens de mer (Seafarer en imposant des formations initiales et continues couvrant tous les
Training, certification and aspects techniques de la fonction de chaque membre d’équipage à
watchkeeping - STCW1978-) bord des différents types de navires.
Code ISPS (Ship and Port Ce code concerne la sureté des navires et des installations portuaires
Facility Security) de 2004 (sous l’influence des Etats Unis après les attentats de New York de
2001et l’attaque contre le navire de guerre 6 « USS Code » qui
faisait escale dans le port d'Aden, au Yémen en 2000).
Code ISM (International L’adoption de ce code, par la résolution A.741 (18) de l’OMI en
Safety Management) 1993, est le résultat d’une action entreprise de longue date pour
introduire la prise en compte du facteur humain dans la
réglementation de la sécurité maritime. Le drame du Herald of free
Entreprise aurait pu être évité, si le code ISM été en vigueur. Ce
code est un outil international obligatoire de prévention des
accidents en mer, constitué essentiellement d’une gestion des
ressources humaines de la compagnie maritime tant à terre qu’à
bord de chacun de ses navires.
Code LSA (Life Saving Relative aux moyens de sauvetage réglementaires à bord des
Appliance) navires.
Code IMDG (International Le classement, le transport, la ségrégation et l’arrimage à bord des
Maritime Dangerous Goods) navires, des marchandises Dangereuses transportées en colis.
Code IBC (Construction and S’applique aux navires Citernes transportant des produits chimiques
Equipment of Ships Carrying en vrac (construction et équipements de ce type de navire).
Dangerous Chemical in Bulk -
1987-)
Code IGC (Construction and Construction and Equipment of Ships Carrying gas in Bulk (1987).
Equipment of Ships Carrying S’applique aux navires Citernes transportant du gaz liquéfié (GPL,
gas in Bulk -1987-) GNL, etc..) en vrac (construction et équipements de ce type de
navire).
Code SBC (Solid Bulk pour le transport du vrac solide (Charbon, minerai, etc...)
Cargoes)

Parallèlement à ces conventions et codes, l'OMI a développé plus de 700 recommandations et

des guides pour une meilleure gestion de la sécurité des navires.

L’approche prescriptive traditionnelle émanant de l’autorité publique impose jusque dans

les années 1970-1980 à l’industriel un certain nombre de prescriptions, de normes techniques
auxquelles il doit se conformer et d’exigences formulées en terme de moyens. Mais les
autorités publiques et industriels prennent collectivement conscience à cette période de la
difficulté de l’approche à couvrir l’ensemble des risques et à suivre les évolutions
technologiques rapides du monde industrielles. Cette approche traditionnelle conduisait
parfois l’industriel à se conformer à des prescriptions techniques inappropriées voire
obsolètes (Cambon, 2007). Contribuant alors à une inhomogénéité dans la protection face
aux risques, et plus gravement, l’incitait par ailleurs. Se limiter à un simple respect de

31
la règlementation sans pour autant l'encourager à s’impliquer véritablement en terme de
sécurité ni à adopter une démarche préventive d’amélioration continue.

B- Règlementation maritime nationale

Le dispositif règlementaire Algérien en matière du transport maritime est matérialisé

par le Code Maritime Algérien (CMA) qui a fait l’objet de modifications au début des années
90 afin de le mettre en harmonie avec la réalité économique (loi n°98-05, 1998).Ces
modifications ont :

- touché le navire, sa nationalité; l’exploitation commerciale,

- touché la libéralisation des transports maritimes et de régime de responsabilité du
transporteur,
- apporté une révolution dans le domaine de l’exploitation portuaire en ouvrant les
activités de manutention et d’acconage au privé.

Le CMA avec ses 889 articles constitue à lui seul une référence incontournable pour garantir
des conditions de vie et de travail normales aux gens de mer à bord des navires de commerce.
Le CMA est très clair sur les critères d’engagement d’un navire de commerce pour battre un
pavillon national comme il définit avec précision les conditions de recrutement des équipages
ainsi que les postes de travail et les mesures à prendre pour assurer un bien-être et une sécurité
à bord (Smaiah et Bahmed, 2011).

Le CMA ne s’aligne pas nécessairement sur les conventions internationales les plus
«modernes». Par contre, si l’Algérie a adhéré ou ratifié une convention internationale le CMA
peut s’inspiré de la concurrente de celle-ci pour organiser sa législation interne. A ce propos,
l’Algérie a adhéré à la convention de Bruxelles de 1925 sur les privilèges et hypothèques,
mais s’inspire de la convention de Bruxelles de 1967 pour organiser ce domaine. Le CMA
renvoie purement et simplement à la convention de Bruxelles du 25 Août 1924 dans sa
version originelle pour ce qui concerne les transports maritimes sous connaissement ratifiée
par l’Algérie mais il fait référence au protocole modificatif de 1968 (art.805), il renvoie
directement à la convention de Bruxelles de 1957 sur la limitation de responsabilité des
propriétaires de navires (art.96), à la convention de Bruxelles de 1969 sur la responsabilité
civile pour les dommages dus à la pollution par les hydrocarbures (art.121),la convention de
Bruxelles de 1967 en matière de transport de bagages par mer (art.824).

1.4-2. Démarches managériales axées sur la gestion des risques

La pratique de la gestion des risques est riche par sa capacité d’adaptabilité à des
situations diverses. Afin d’illustrer nos propos, nous rappelons que la littérature spécialisée
dans le domaine de la gestion des risques maritimes confirme l’existence de nombreux
modèles (tableau 1.8).

32
Tableau 1.8 : Modèles d’analyse des risques appliqués en sécurité maritime.
Source : (Réalisé par nos soins).
Model INOUE C’est un modèle quantitatif appliqué en 2000 dans les ports du Japon. Ce
modèle évalue la difficulté du navire-manipulation provoquée par un
secteur de manœuvre restreint ou par des embouteillages ou par une
combinaison de chacun des deux. Il inclut des critères d'acceptation basés
sur la perception du marin de la sécurité. Il permet également de fournir
des informations sur le degré de difficulté du navire-manipulation et
permet, en conséquence, une meilleure conception de l'infrastructure
(INOUE, 2000).
Modèle Ce modèle est appliqué sur la grande zone maritime du détroit de Messine
Kristiansen de l’Italie. La sécurité de la navigation dans le détroit de Messine a été
analysée avec le soutien d’une approche micro-simulation. Toute la
question décrit un système intéressant pour l’évaluation de la sécurité
(Gattuso et al, 2009).
Le processus de l'analyse et l'évaluation du risque, selon (Kristiansen,
2005), peuvent être articulés dans différentes phases décrites par la figure
1.1.
Modèles Ce modèle développe un processus d’évaluation des risques maritimes
SPE(Severity, selon les étapes synthétisées par la figure 1.2.
Probability,
Exposure)
Modèle GAR Des soucis plus généraux de risque qui comportent la planification
(Green Amber d'opérations ou des risques de réévaluation pendant que des étapes
et Red). importantes sont réalisées peuvent être abordés en utilisant le modèle
GAR. Une enquête des accidents de la garde côtière a identifié 6 éléments
qui affectent le risque en fonctionnement : surveillance, planification,
choix de l’équipe, capacité et qualification de l’équipe, environnement et
complexité de tâche.
Ces éléments sont incorporés dans le modèle de GAR qui permet
l’évaluation des risques. Ce modèle, qui est largement applicable par les
officiers de port, est synthétisé par la figure 1.3.

33
 Definition of the Problem and description of the system

Identification of the hazards

Analysis of the frequency Modeling of the consequences

Estimate of the risk

Analysis
Evaluation using the criteria of the risk

Safety measures (control options of the risk)

Ring of
feedback
Cost-benefit evaluation

Conclusions and recommendations

Evaluation

Source : (Kristiansen, 2005).

Figure 1.1 : Processus de l’analyse et de l’évaluation des risques d’après le modèle
Kristiansen.

34
 WHAT IS INVOLVED IN
ACCOMPLISHING THE TASK?

WHAT ARE THE HAZARDS ASSOCIATED

WITH THE ELEMENTS REQUIRED FOR
TASK ACCOMPLISHMENT?

SEVERITY PROBABILITY EXPOSURE

WHAT ARE THE WHAT IS THE PROBABILITY HOW MUCH ARE
POTENTIAL LOSSES? OF A MISHAP OCCURRING? RESOURCES EXPOSED?

WHAT IS THE LEVEL OF RISK?

IS THIS LEVEL OF RISK

MANAGEABLE BY THE UNIT?

YES NO

CONTROL RISK COMMUNICATE

• PERSONAL PROTECTIVE WITH
EQUIPMENT MISSION
• ENGINEERING CONTROLS COORDINATOR
• TRAINING & AWARENESS
• LIMIT NUMBER OF EVENTS

PERFORM
PERFORM AS
MISSION
DIRECTED

MONITOR THE
SITUATION

Source :(TCTSG 8/89, 2010).

Figure 1.2 : Etapes du modèle SPE.
0 23 4060

10 20 30 40 50

GREEN AMBER RED

(Lowrisk) (Caution) (HighRisk)
Source :(TCTSG 8 /89).
Figure 1.3 : Echèle d’évaluation de GAR.

35
Il est important de signaler qu’au niveau des ports algériens, certains modèles du tableau
précédent sont d’usage répondu. C’est le cas des deux modèles SPE (Severity, Probability and
Exposure) et GAR (Green, Amber and Red) qui sont combinés avec le Référentiel
Investigations des Accidents et Incidents du Groupe SONATRACH (Sonatrach, 2009).

De même, il est à signaler que d’autres démarches de management des risques sont également
très utilisées dans le domaine de la sécurité maritime. C’est le cas de MADS que nous
rappelons ci-après.

Le modèle MADS (Méthodologie d’Analyse de Dysfonctionnement des Systèmes) est une

conceptualisation d’une approche systémique du risque d’accident. Le danger est représenté
comme un ensemble de processus conduisant à un processus principal représentant le flux de
danger pouvant être généré par un système source de danger (Mazouni, 2008).

Selon Saoulé (2002) : « Le flux de danger peut être constitué d’énergie, de matière ou
d’information. Il est généré par un événement (ou processus) initiateur d’origine interne ou
externe. Ceci se déroule en plusieurs phases, d’abord l’occurrence d’un facteur de
déclenchement (événement initiateur) qui génère un flux de danger entre les constituants du
système global faisant de l’un d’eux une source et d’un autre une cible de danger. Un
Evénement Non Souhaité (ENS) se produit alors et peut générer un dommage subi par la ou
les cibles, qui peut être de surcroît accru par un processus renforçateur ».

Le modèle MADS, appelé aussi Univers du danger, est un outil initialement à vocation
pédagogique qui permet de construire et de comprendre la problématique de l’analyse des
risques. Il est construit sur les bases des principes de la modélisation systémique développés
par Le Moigne (1977).

Selon ce modèle, l’univers du danger est formé de deux systèmes appelés système source de
danger et système cible, en interaction et immergés dans un environnement dit actif (figure
1.4).

Source : Perilhon.1, 1996).

Figure 1.4: Processus de danger du modèle MADS.

36
La figure 1.4, suscite les remarques suivantes :

- les interactions entre ces deux systèmes se font sous forme de processus : c’est-à-dire
d’échange de flux de matière, d’énergie, d’informations entre les deux systèmes, dans
le temps, l’espace et la forme,
- le flux de danger est également appelé l’Événement Non Souhaité (ENS) ou parfois
l’Événement Redouté (EvR),
- le flux de danger agit sur le système cible. Sa rupture d’équilibre peut concerner sa
structure et/ou son activité et/ou son évolution, et est appelée effet du danger,
- le système source de danger est l’émetteur du flux de danger. Sa rupture d’équilibre
peut concerner sa structure et/ou son activité et/ou son évolution et/ou son interaction
avec l’environnement, et est appelée source de flux de danger,
- le processus de danger est réversible c’est-à-dire qu’un système source peut devenir
système cible et vice-versa. Les systèmes sources et les systèmes cibles pris en compte
sont : un ou des individus, une ou des populations, un ou des écosystèmes, un ou des
systèmes matériels ou symboliques (savoirs, savoir-faire, données...),
- les « éléments orientés » source-flux-cible sont « immergés » dans un environnement
actif appelé champ de danger.

Conclusion
Le long de la première partie de ce chapitre, nous avons fait une synthèse sur les
données relatives au transport maritime (données historiques du trafic maritime, coûts du
transport maritime, les projets de développement et leurs incidences sur le transport des
hydrocarbures) tant au niveau international que national.

Dans la deuxième partie, l’intérêt est porté essentiellement sur les risques et la sécurité
maritime. Comme il est signalé dans ce premier chapitre les risques majeurs relatifs aux
transports des hydrocarbures et à leur stockage multiples incendies/explosions, pollutions,
boil-over, et les effets dominos.

Dans le chapitre suivant, nous revenons avec plus de détails sur ce dernier type des risques,
les effets dominos. En effet, ce phénomène sera abordé de manière plus concise en termes
d’approches d’études.

37
 Chapitre 2
GESTION DES RISQUES DANS LES PORTS
PETROLIERS : CAS DES RISQUES LIES AUX EFFETS
DOMINO

Introduction

Dans le domaine des risques liés aux sites industriels, les accidents causés par les
effets domino « chaîne d’accidents » sont les plus destructeurs. En effet, ces accidents peuvent
causer des conséquences graves à la population, aux structures, à l’environnement et même à
la société.

En plus de leus caractères destructifs s’ajoute la fréquence d'occurrence des effets domino
qui est de plus en plus élevée en raison (Kadri et al, 2014): du développement croissant des
complexes industriels, de la proximité des installations industrielles, du stockage de
substances dangereuses, des réseaux de transport et de la croissance de la population.

La diversité de ces facteurs est encore plus critique qu’elle est souvent liée à l'émergence de
nouvelles menaces qui exploitent les actes de malveillance et les erreurs humaines.

Par ailleurs, la littérature aborde dans plusieurs études les effets domino. Nous retrouvons de
nombreux exemples d’accidents industriels et de catastrophes bien réelles dans la littérature
qui ont causé des séquences (chaînes) d’accidents très graves. Des situations (incendie,
explosion, projection de fragments et de rejets toxiques) générées par un accident primaire
(naturel ou technologique) peuvent générer des accidents secondaires d'ordre plus élevé et
plus grave. Cet enchaînement de processus catastrophiques successifs est appelé chaîne en
cascade ou effet domino.

L’effet domino est responsable de plusieurs accidents catastrophiques dans les industries
chimiques et les zones de stockage. On peut noter aussi que les accidents causés par des
chaines en cascade (cascade d’événements) sont parmi les plus graves accidents relatifs aux

38
sites industriels. Par conséquent, le risque de l'effets domino est largement reconnu dans la
législation depuis la directive « Seveso I » (European Community Directive (82/501/EEC)),
qui exige l'évaluation des effets domino dans l'analyse de la sécurité industrielle. En outre, la
deuxième directive «Seveso II» (directive (96/82/CE)) a étendu ses exigences à l'évaluation
des effets domino non seulement à l'intérieur du site industriel, mais aussi à proximité de ce
dernier. Malgré ces exigences, les effets domino restent relativement peu étudiés
comparativement aux autres risques majeurs évoqués dans le chapitre précédent (Laurent,
2003).

Ce chapitre a pour but de faire le point sur l’effet domino afin de cibler les pistes
d’exploration qui méritent des approfondissements ultérieurs (chapitres suivants). Cette revue
des effets domino dans les ports est, logiquement, précédée par la gestion des risques d’une
manière générale dans les ports.

2.1- Gestion des risques industriels dans les ports

Dans le chapitre précédent, nous avons montré que les activités maritimes sont des
activités à hauts risques. D’un point de vue systémique, il s’agit de systèmes à risques
technologiques et naturels. Pour chaque système de transport d’hydrocarbures maritime, les
risques sont inhérents : aux installations qui définissent le système, aux activités exercées, aux
acteurs impliqués (aussi bien ceux qui causent les risques que ceux qui les subissent) et au
périmètre d’impacts potentiels de ces risques lorsqu’ils se produisent.

Pour faire face à ces risques, plusieurs orientations ont été développées par les chercheurs qui
activent dans le domaine de la sécurité maritime. Nous rappelons dans ce qui suit deux
orientations qui illustrent nos propos.

2.1.1- L’évaluation formelle de la sécurité

L'un des objectifs le plus important de l'OMI, dans les années 2000, est l’introduction
de l'analyse et de l'évaluation des risques, comme un outil visant à améliorer la sécurité
maritime, y compris la protection de la vie humaine, l'environnement marin et les biens.

L’OMI était jusque-là, une institution réactive1 car elle réagissait suite à des événements et
catastrophes maritimes, par des règlements et des directives introduites par les conventions
internationales (SOLAS, MARPOL,…).

Afin d’évoluer vers une autre approche proactive de la sécurité maritime, une méthodologie
d’Evaluation Formelle de la Sécurité (FSA) a été instaurée comme support au processus de
décision à l’OMI afin d’avoir des procédures plus rationnelles basées sur une approche
proactive. En effet, la FSA est une nouvelle approche de la sécurité maritime qui combine
diverses techniques pour développer des évaluations proactives des risques (Chung, 2013).

Les différences entre les deux visions de la sécurité maritime (visions réactive et proactive)
sont résumées dans le tableau suivant.

1
Dans le passé, la gestion de la sécurité par une réglementation adéquate était généralement introduites à la suite
d'un accident / incident ou une série d'accidents / incidents (NZMSA, 2004).

39
Tableau 2.1 : Différence entre le FSA et l’approche d'évaluation actuelle de la sécurité maritime.
Source : (Besse, 2004).
Approche proactive (FSA) Approche réactive
- Proactive, en essayant d'identifier tous - Réactive, en réponse aux accidents.
les dangers imaginables avant qu'ils ne
conduisent à des accidents.
- Règlement, conformément aux objectifs - Amendement continu de la
de sécurité. réglementation.
- Des règlements normatifs.
- Englobe des aspects techniques, - Contient des exigences essentiellement
organisationnels et humains. techniques.
- Coût de la sécurité identifiée.
L’approche FSA est un processus rationnel et systématique d'évaluation des risques et
d'évaluation des coûts et avantages des différentes options pour réduire ces risques (Lois et al,
2004). C’est une méthodologie structurée et systématique visant à renforcer la sécurité
maritime (Hu et al, 2007) le risque était une question centrale car il est souvent associé à la
sécurité (Mabrouki et al, 2013).

Pour l’OMI, l’FSA permet d’évaluer les coûts et les avantages de ces options visant à réduire
ces risques. L’FSA est une méthodologie à la fois qualitative et quantitative tenant compte des
mesures de gestion du trafic des navires existant dans la zone ou de celles que l’on envisage
d’y mettre en œuvre (Trbojevic et Carr, 2000 ; Degré, 2003).

2.1.2- Conception d’une matrice d’évaluation des risques et indicateurs

La seconde tendance concerne l’évaluation des risques maritimes moyennant les
matrices des risques (Fumey, 2001). Parmi les travaux récents dans ce contexte, citons la
matrice des risques développée par Bouzaher et ses collaborateurs (2015).

C’est une matrice composée de quatre (4) niveaux de probabilité (fréquence) et quatre (4)
niveaux de gravité (figure 2.1). Pour chaque catégorie, et selon les incidents signalés, sont
affectés par des indicateurs appropriés qui rendent le processus d'évaluation plus clair avec
une détermination précise des priorités.

Les principaux risques identifiés sont évalués pour dégager leurs priorités respectives ; et pour
chaque groupe de risques est assigné un facteur de risque bien défini. Cette approche nous
permet d’évaluer l’impact de chaque facteur de risque, ce qui représente un écart ou lacune
dans le processus, et ce, finalement, nous facilite le traitement de chaque risque, en identifiant
aisément les réponses appropriées pour son apaisement.

40
 Source : (Bouzaher et al, 2015).
Figure 2.1:Matrice d’évaluation des risques maritimes.

2.2. Gestion des risques liés aux effets domino dans les ports
2.2-1. Caractérisation des effets domino
A- Définitions et caractéristiques de l’effet domino
Les effets domino consistent en une séquence d’événements interdépendants
susceptibles de produire en chaîne des dommages importants voire d’ordre catastrophique
dans une installation industrielle et son environnement. Il s’agit plus précisément d’un ou
plusieurs événements dits primaires (origines) qui se propagent et provoquent des événements
secondaires dont les conséquences se superposent voire amplifient celles du ou des
événements primaires.

Lees (1980) a donné une première définition des effets domino qui sont considérés comme un
facteur pouvant prendre en compte les dangers qui peuvent se produire si les fuites d'une
matière dangereuse peuvent conduire à l'escalade de l'incident. Une seconde définition est
fournie par le même auteur (Lees, 1996) qui définit un accident de domino comme un
événement dont la conséquence provoque un événement distinct dans une unité distincte.

41
D’autres auteurs ont contribué à leur tour pour définir les effets domino (Bagster et Pitblato,
1991;Delvosalle, 1996;Gledhill et lines, 1998). Cependant, la définition qui a attiré notre
attention est celle de Cozzani et Salzano (2004). En effet, d’après ces deux auteurs, un
événement domino accidentel sera considéré comme un accident dans lequel un événement
primaire se propage à l'équipement voisin, déclenchant un ou plusieurs événements
secondaires ayant des conséquences globales plus graves que celles de l'événement primaire.

A partir de cette définition, quatre éléments fondamentaux caractérisent un effet domino:

- un scénario accidentel primaire qui initie l’effet domino (événement primaire ou

initial qui déclenche la séquence accidentelle),
- l'effet de propagation qui suit l’événement principal, dû à l'effet des « vecteurs
d'intensification » causés par l’événement primaire,
- un ou plusieurs scénarios d'accident secondaire, affectant la même ou d’autres unités
cibles d’une installation industrielle,
- l’intensification des conséquences d’un événement primaire, due aux effets des
scénarios secondaires.

La notion d’intensification, évoquée ci-dessus, correspond à un processus qui favorise la

dégradation des biens et l’atteinte aux personnes au cours du développement de l’effet
domino, i.e. qui a tendance à augmenter les dommages.

B- Sources potentielles de l’effet domino

Les sources potentielles de l’effet domino sont de natures diverses, d’une part, et sont
liées à des événements initiateurs variés, d’autre part. Ces sources sont distinguées de manière
générale par la nature des risques associés qui peuvent être d’ordre naturel ou anthropique
(tableau 2.2) c’est à dire, risques technologiques et organisationnels - non intentionnels- et les
risques de malveillances –intentionnels-.

Tableau 2.2 : Classification des évènements initiateurs des effets domino

Source :(Kadri et al, 2014)
Risques Origines Exemples
Climatiques feux de forêt, inondations, crues et ruissellements, avalanches,
cyclones et tornades, tempêtes, orages, effets de changements
Naturels

climatiques (Krausmann et Mushtaq, 2008 ).

Géologiques mouvements de terrain et séismes, tsunamis, éruptions
volcaniques et autres émanations naturelles (gaz, … etc.)
(Steinberg et al, 2008).
Extraterrestre Meteorites (très rare)
Technologiques Défaillances techniques (El Hajj, 2013)
Organisationnelles Problèmes de management (El Hajj, 2013)
Anthropiques

Humaines Erreurs humaines, non-respect des procédures(Mohaghegh et

Mosleh, 2009)
Malveillantes Vols, sabotages actions revendicatives ou de vengeances,
dégradations diverses (dont occasionnelles), attentats. Ces
actions peuvent viser les matériels, mais aussi les informations
sensibles ou les personnels (Piwowar et al., 2009).

42
Rappelons que les risques, présentés dans le tableau précédent, peuvent être combinés ce qui
complique notablement leurs analyses et ce d’autant que leurs natures parfois très différentes
impliquent des processus de propagation variés. Cela conduit également à l’exploitation de
méthodes d’analyse de natures également diverses (déterministes, probabilistes voire
possibilistes et de natures qualitatives).

C- Les processus de propagation des effets domino

Les processus de propagation sont directement liés à : la source potentielle,
l’événement initiateur associé, et à son environnement immédiat appelé aussi «champ de
danger ».

D’après Kadri (2014), l’effet domino est décrit par un processus physico-chimique mais aussi
informationnel dont les conditions d’évolution sont d’ordre : physiques (atmosphérique,
géologique, hydrologique), matérielles (bâtiments, installations, voiries…), écologiques
(végétations, animaux), informationnelles (détections et observations, systèmes
d’information) et humaines (comportements individuels, organisation et logistique,
démographie locale…).

Une illustration schématique du processus de l’effet domino est fournie par la figure 2.1 où un
accident dit primaire est déclenché dans une installation appelée également primaire.
L’évènement initiateur de l’effet domino est traduit par le flux de danger issu de l’installation
primaire. Les conséquences de ce flux de danger sont matérialisées au niveau de l’installation
dite secondaire (installation cible). Evidemment, les effets produits par l’accident primaire
peuvent se traduire sur les installations voisines et vice-versa car l’accident secondaire d’un
premier effet domino devient à son tour un accident primaire d’un second effet domino et
ainsi de suite.

Rayonnement Ondes de pression

thermique Missiles
Installation tertiaire
« cible »

Installation primaire
Installation secondaire
« source »
« cible »
Flux de
danger

Accident primaire
Source : (Laurant, 2003)
Figure 2.2- Processus simplifié d’effet domino.
La figure ci-dessus montre également que les effets du premier évènement sont généralement
de natures (Laurant, 2003) : thermique, mécanique, toxique et de leurs combinaisons.

43
Par ailleurs, les processus issus des risques naturels sont souvent générateurs de modes
communs dès leur origine, comme des défaillances technologiques voire organisationnelles ou
humaines simultanément à différents niveaux sans que ceux-ci n’aient de relations physiques
ou fonctionnelles directes, et les processus d’origines technologiques et organisationnelles
induisent la propagation d’effets domino qui relèvent des phénomènes suivants : incendie,
explosion et rejet toxique, ainsi que leurs combinaisons.

Notons enfin que du point de vue des facteurs humains, la propagation des mouvements de
panique, de la rumeur, du stress et leurs conséquences organisationnelles sont également des
effets notables des accidents primaires générateurs d’effet domino.

2.2-2. Approches d’études des effets domino

La littérature spécialisée dans l’étude des effets domino montre l’existence de deux
approches (Kadri et Chatelet, 2014 ; INERIS, 2015 : l’une est théorique et l’autre est
pratique).

Laurant (2003) qualifie la première approche de théorique et en conséquence la seconde

dédiée aux outils informatiques est dite pratique.

A- Approche théorique
L’approche théorique est composée de méthodes et démarches développées pour
l’étude des cas particuliers des effets domino.

Les méthodes les plus répandues, qui sont résumées dans le tableau des pages suivantes,
montrent la forte dépendance entre les méthodologies d’étude des effets domino et les codes
informatiques. En effet, le tableau des pages suivants montre que les méthodologies d’étude
des effets domino sont souvent supportées par des logiciels informatiques.

44
Tableau 2.3 : Méthodologie d’étude des effets domino
Source :(Kadri et al, 2014).
Libellé (auteur) Caractérisation Principales étapes
Domino Effect Analysis Les caractéristiques à prendre en Deux niveaux composent cette procédure :
–DEA- (Khan et considération dans cette méthodologie - Le niveau « I » est une analyse détaillée permettant d'identifier les
Abbassi, 2001) sont: la forme et le matériau de unités qui peuvent être considérées comme des cibles d'effets domino.
construction de l’unité cible, le procédé Pour cela les valeurs seuils des différents effets physiques sur les
industriel et les conditions opératoires, équipements (cibles) sont utilisées (surpression de 0,7 atm, charge
les propriétés et quantités des substances thermique de 37 kW/m 2 , et une vitesse de fragment supérieure à 75 m
chimiques utilisées, la localisation de / s à condition qu’il rentre en collision avec une cible).
l’unité cible en termes de distance et le - Le niveau « II » qu’est une analyse complémentaire exigée si les
degré de liaison, la météorologie et valeurs estimées de ces paramètres sont plus élevées que les valeurs
surtout la direction dominante du vent. seuils. A ce niveau « II », une analyse détaillée doit être faite pour
- vérifier l’existence d’effet domino, en utilisant les dommages potentiels
de l’événement primaire et les caractéristiques de l’unité secondaire.
Maximum-Credible Cette méthodologie permet d’évaluer Les étapes de cette méthodologie sont les suivantes :
Accident Scenarios, tous les scénarios d’accidents crédibles Sa première étape consiste à développer tous les scénarios d’accident
MCAS, (Khan, 2001) dans une unité industrielle. possibles. Dans la deuxième étape, les rayons de dommage sont calculés
pour chaque scénario moyennant deux indices (Khan et Abassi, 1998) :
- indice de dommage d’explosion et d’incendie (FEDI, Fire and
Explosion Damage Index) pour les substances inflammables,
- indice de dommage toxique (TDI, Toxic Damage Index) pour les
substances toxiques.
Dans la troisième étape, la probabilité de chaque scénario est estimée par
le biais des données industrielles spécifiques (taux de défaillance des
différents composants (équipements) utilisés dans l’unité concernée ou
les données disponibles dans la littérature (fréquence d’occurrence de
même événement dans les des conditions similaires).
Si l’accident est jugé crédible, une estimation plus précise de sa
probabilité d’occurrence fera l’objet de la quatrième et dernière étape.

45
Safety, Credible Il s’agit de développer une combinaison méthodologique Chaque étape de cette méthodologie a fait l’objet d’un
Accidents, and pour une approche plus réaliste et plus fiable pour développement informatique :
Probabilistic Fault Tree l’évaluation efficace des mesures de sécurité et de contrôle o l’identification des dangers en utilisant les
Analysis, SCAP & des risques. indices :FEDI (Fire and Explosion Damage Index)
PFTA,(Khan et al., et TDI (Toxic Damage Index),
2001 ; Khan et al., 2002) o l'évaluation quantitative des risques par : MCAA et
MAXCRED,
l’analyse probabiliste par arbre de défaillance et l’outil
automatisé PROFAT.
Méthode intégrée ARAMIS, qui permet l'identification des risques Les principales étapes de cette méthodologie sont :
d’analyse des risques d'accidents majeurs, est fondée principalement sur - Identification des scenarios accidents
pour la prévention des l'utilisation de diagramme «nœud papillon» composé d'un - Evaluation de l’indice S relative à la cartographie
accidents majeurs, arbre de défaillance et d'un arbre d’événement. L’apport de la sévérité du site industriel
ARAMIS, (Oliviers et majeur d’ARAMIS est de définir en précisant la structure - Evaluation de l’indice M relatif à l’influence du
Bruno, 2006 ; Christian de nœud papillon: la liste des équipements, les événements management de la sécurité.
et al, 2006) potentiels critiques et leurs conséquences. Les événements
critiques ont été définis soit par une perte de confinement
pour les fluides ou une perte d'intégrité physique pour les
matières solides et la description du site industriel, y
compris les substances chimiques utilisées, produites ou
stockées.
Optimal Risk Analysis, C’est une méthodologie développée pour l’industrie Elle est composée de quatre étapes : identification et
ORA, (Abassi et Khan, pétrochimique. sélection des dangers, évaluation des risques (qualitative
2001) Les exigences de cette méthodologie sont les suivantes : et probabiliste), quantification et estimation des risques.
l’utilisation des réservoirs de petite capacité dans le
stockage des substances chimiques, l’inspection régulière
et approfondie des équipements des installations, et un
espace suffisant devait être maintenu entre les réservoirs de
stockage (distance de sécurité), et installés dans les locaux
de stockage et les zones sensibles.

46
Méthodologie Cette méthodologie utilise :les données disponibles pour L’objectif de cette méthodologie est de :
Analytique pour l’évaluation de la fréquence et la magnitude des o Identifier les scénarios d'accident (événement
l’Evaluation Quantitative événements sismiques ainsi que les modèles de probabilité secondaire) qui peuvent suivre l’événement
des Risques industriels de défaillance des équipements disponibles (courbes de sismique,
dus aux accidents vulnérabilité ou de fragilité) pour évaluer la probabilité de o Evaluer la crédibilité des événements accidentels,
générés par les dommages causés aux équipements. o Evaluer les conséquences des scénarios possibles.
Evènements Sysmiques La méthodologie est supportée par le logiciel SIG
(Antonioni et al, 2007) (Geographic Information System) pour faciliter l'évaluation
des séquences d'événements qui sont susceptibles d'être
générées par les dégâts d’un événement sismique dans une
installation industrielle. Le logiciel permet également le
calcul et la représentation des courbes de risque individuel
et social dû aux accidents industriels déclenchés par un
événement sismique.
Méthode d’évaluation La méthodologie est spécifique aux risques générés par la Les principales étapes de la méthodologie sont :
quantitative des risques foudre - la caractérisation des événements externes
générés par la foudre (fréquence et gravité),
(Renni et al, 2009) - l'identification des équipements cibles, et les
scénarios de référence,
- l'estimation de la probabilité des dommages, et
évaluation des conséquences pour les événements,
- l’évaluation de la fréquence / probabilité pour
chaque combinaison d’événements.
Méthodologie d’Analyse La méthodologie SIGALEA est supportée par le logiciel Cette méthodologie permet :
Cartographique des SIG qui contient deux modules : module de géolocalisation - de réaliser la cartographie des zones d’effets des
Risques –SIGALEA- des phénomènes dangereux et module d’analyse spatiale et phénomènes dangereux, que doit comporter
(INERIS, 2007) de cartographie. réglementairement l’Étude De Dangers (EDD) ;
- d’évaluer l’impact d’une installation ou d’un
établissement sur la cartographie des aléas d’un site
PPRT.

47
Méthodologie HAZMIW C’est une combinaison de l’analyse Hazop, What-If et Le but de cette combinaison est de constituer un outil de
(Reniers et al, 2005) Risque Matrix. méta-technique pour optimiser l'organisation des
performances d'analyse des dangers dans les sites
industriels. Ce dernier vise à concevoir un système de
prévention des accidents dominos externe (External
Domino Accident Prevention–EDAP-).
L'objectif de ce dernier est d’identifier les dangers
externes ainsi que l’évaluation des risques dominos
externes.
Modélisation de la Inspirée de la modélisation de la panique des La méthodologie s’intéresse à deux groupes de
propagation de la automobilistes, cette méthodologie permet d’étudier la populations : la population susceptible d'être infectée (Sp)
panique (Damienne, diffusion de la panique dans une population suite aux et la population infectée (I). La diffusion de la panique est
2005) effets domino. matérialisée par un taux de contact et le flux de
contagion qui représente la population atteinte par la
panique. Cette population quitte le groupe Sp pour
alimenter le groupe I. La panique se développe par effet
de contact.
Méthodologie Cette méthodologie se focalise sur l’évaluation de la Ce système est défini comme la combinaison des
FREEDOM - fréquence des effets domino par la simulation équipements présents dans site industriel qui sont en
(FREquency Estimation comportementale du système étudié. interaction.
of DOMino accidents- La simulation est basée sur les durées de vie moyenne des
(Bahman et al, 2006) équipements.

48
 B- Approches pratiques
Un retour rapide sur le contenu du tableau 2.3 montre que les méthodologies décrites
dans ce tableau sont caractérisées par deux faits marquants : le premier fait est que chaque
méthodologie est typique à un cas particulier et le second réside dans le support informatique
associé à certaines méthodologies.

En effet, les outils informatiques développés pour l’étude des effets domino sont d’une grande
utilité pour la quantification des fréquences ou de la gravité de ces effets. A ce propos, un
grand nombre de codes informatiques ont été développés indépendamment des méthodologies
précédentes (tableau 2.4).

49
Tableau 2.4 : Outils automatisés et logiciels d’étude des effets domino
Source : (Kadri et al, 2014)
Dénomination de l’outil Caractérisation Modules et versions améliorées
MAXimumCREDible Ce logiciel, développé par s’intéresse à La première version de ce logiciel permet la simulation des
accident analysis l’évaluation rapide des risques dans les accidents et l’estimation de leurs dommages potentiels. Il s’agit
(MAXCRED)(Khan et industries de transformation chimique. donc d’une analyse quantitative des risques qui permet de
Abassi, 1996) générer les différents scénarios d'accidents crédibles et quantifie
les dommages qu’ils peuvent causer. Cette information peut alors
être utilisée dans le développement des stratégies pour la
prévention des accidents et d’atténuation leurs effets d’impacts.
Vu l’intérêt du logiciel dans l’étude des effets domino, des
versions d’amélioration ont fait l’objet de développements par les
mêmes auteurs (MAXCRED-II et III).

DOMIno eFFECT (Nguyen, Ce logiciel est codé en C++. Il se compose Chaque module est constitué de plusieurs sous-modules et des
2009 ; Khan and abassi, de six modules principaux : données fonctions qui permet d’estimer :
2009) d’entrée, scénario d'accident, analyse, o Les risques d'incendie, d'explosion, intoxication et la
domino, graphiques et l’interface utilisateur. combinaison de ces derniers ;
o La probabilité d'un deuxième accident qui peut être déclenché
par un accident primaire ;
o Les scénarios de deuxième accident, leurs dommages
potentiels et la probabilité de causer un troisième accident.

ATLANTIDE (Sabatino et Pour évaluer les conséquences des L’application d'ATLANTIDE est appropriée pour le stockage de
al, 2000) événements accidentels qui peuvent se GPL et les 8 installations de transformation (les rejets liquides, la
produire dans des sites de stockage, un dispersion des gaz et d'autres phénomènes tels que le BLEVE et
logiciel ATLANTIDE a été développé. la boule de feu). Ce code utilise des arbres d’événement pour
évaluer tous les scénarios possibles, depuis l’événement
accidentel initial, en tenant compte des conditions
météorologiques, les différentes libérations, le mode et d'autres
caractéristiques typiques aux installations du site.

50
 Le logiciel comprend quatre modules qui sont : module de
génération de scénarios, module d'analyse des conséquences,
module fichier et module graphique.

TORAP(TOol for Rapid risk Ce logiciel peut être appliqué dans Il est composé des modules suivants : génération des scénarios
Assessment inPetroleum l'évaluation des risques d'accidents d’accident, analyse des conséquences, vérification des degrés les
refinery and Petrochemical (incendies, explosions et les rejets toxiques) plus élevés d'accidents et caractérisation du scénario d'accident le
industries)(Khan et al, 2001) dans les raffineries pétrolières et les plus pénalisant.
industries pétrochimiques.

DOMINOXL(Delvosalle et Ce logiciel est développé pour les zones Les zones en question sont déterminées en additionnant le
al, 2002) d'équipement dangereux dans un groupe nombre des effets domino primaires par installation conduisant à
d'installations chimiques d’un site industriel. un facteur de dangerosité (DF). De même, les zones les plus
vulnérables sont également déterminées en additionnant le
nombre des effets dominos d’une installation, puis l'examen
d'une installation secondaire d'un niveau de protection donné. Ce
calcul aboutit à un facteur de vulnérabilité (VF).
GeOsiris(Tixier et Rault- Ce logiciel est un outil de simulation des GeOsiris est un couplage de deux logiciels:
Doumax, 2002 ;Tixier et al., accidents industriels impliquant des effets - OSIRIS est un Outil de SImulation des RISques relatifs à la
2002) dominos. libération/ rejet des substances toxiques et gaz, explosions et
incendies,
- Geoconcept est un système d'information géographique
(SIG) qui permet le traitement des informations
géographiques.
MINImization of domino Ce logiciel permet de déterminer la position Le logiciel MiniFFECT montre la position de chaque unité en
eFFECT (MiniFFECT) des unités ou/et installations chimiques et la coordonnées cartésiennes. Lorsque les unités explosives sont
position optimale afin de minimiser l’effet placées dans la première étape, les n unités explosives peuvent
(Lee et al,2005)
domino dans les installations industrielles en être répartir de telle manière à minimiser les effets dominos en
utilisant des approches de programmation tenant compte de taille arbitraire du site. Ce logiciel prend en
non linéaire. compte trois principaux facteurs d'effet domino: thermique,
surpression effet des missiles.

51
DomPrevPlanning (Reniers Pour déterminer par ordre de priorité les Ce logiciel est basé sur trois documents principaux : Instrument
et Dullaert, 2007) effets dominos dans une zone industrielle, de l’effet Domino (IDE), Manuel des figures de défaillance de la
sur un seul ou bien plusieurs niveaux dans le fréquence, et Guide pour l’évaluation quantitative des risques.
site, les auteurs ont proposé un outil Cette stratégie permet :
informatique automatisé DomPrevPlanning o l’analyse des risques dominos,
o la comparaison des installations d'une zone industrielle, et
o la classification des d'installations chimiques qui sont
susceptibles de provoquer les effets d'intensification,
Cette classification peut être alors utilisée pour prendre des
décisions dans les zones complexes d’effets dominos et la
hiérarchisation des risques.

52
 C- Commentaires et discussions des deux approches
Malgré leur usage répondu, les méthodologies et les logiciels informatiques décrits
précédemment sont spécifiques à des cas particuliers. D’où leur limite majeure qui réside à
l’étude partielle des effets domino (Clini et al, 2009 ; Kadri et al, 2014). Une autre limite
inhérente aux outils informatiques est leurs coûts d’acquisition qui sont excessifs.

Les tableaux suivants résument les limites des principales méthodologies et logiciels
développés dans la littérature.

Tableau 2.5: Etude comparative des méthodologies relatives aux effets domino.
Source : (Kadri et al, 2013).
Méthode Domaine Objet/Principe Limites
d’application
DEA Industrie D’une unité à • reste assujetti à la pertinence du découpage du
chimique une autre si système en unités,
possible • besoin de valeurs seuils plus génériques,
• ne prend pas en considération le facteur humain.
MCAS Industrie Local à l’unité • ne prend pas en considération la propagation
chimique Classification d’effet domino inter-unités,
matières des • se limite à la classification des scénarios primaires
toxiques et Scénarios sans étudier les scénarios de degré plus élevés,
inflammables • ne prend pas en considération le facteur humain
comme un paramètre qui peut influencer le
processus,
• n’explicite pas le processus de génération des
scénarios.
SCAP Industrie Evaluation des • reste dépendant d’autres approches (MCAS,
risques et PFTA,…).
mesure de
sécurité
ARAMIS Industrie Identification • ne traite l’aspect d’effet domino que partiellement,
chimiqueet des • ne prend pas en considération les risques d’origine
stockage risques (nœud naturels,
papillon) • n’intègre pas le facteur humain.
Propagation Risque naturel Paniques des • limitée au module de la panique, sans prendre en
de (Inondation) Automobilistes considération les autres facteurs qui peuvent
lapanique favoriser ou modérer l’effet domino.
Evaluation Risque naturel Evaluation de • manque de données pour caractériser l’événement
quantitative (sismique) PGA initiateur,
des risques (Peak Ground • méthode analytique très générale qui n’intègre pas
sismiques Acceleration) le facteur humain.
HAZWIM Industrie Analyse des • spécifique au traitement des accidents dominos
dangers externes au site industriel,
• dépendantd’autresapproches (Hazop, what-if,...)
FREEDOM Industrie Comportement • traite les effets domino qu’en interne par rapport au
de site,
système multi- • ne prendre en considération les autres systèmes
unité, environnant,
défaillance d’un • ne prend comme critère que la défaillance des
équipement composants

53
Tableau 2.6: Etude comparative des logiciels relatifs aux effets domino et de leurs limites.
Source : (Kadri et al, 2013).
Logiciel Domaine Objet/Fonctionnement Limites
d’application
MAXCRED Industrie de Simulation et estimation • seule la dernière version
transformation des dommages (MAXCRED-III) traite
chimique partiellement de la cascade
d’événements.
DOMInoeFFECT Industrie Simulation et estimation • ne traite que les scénarios
(chimique et des risques inflammables et toxiques sans
pétrochimique) inflammables et prendre en considération les
toxiques risques naturels,
• ne prend pas en considération le
facteur humain comme des
événements primaires qui
peuvent influencer la chaîne
d’accident.
ATLANTIDE Stockage de Evènements accidentels • outil spécifique au risque de
GPL et les dans des sites de stockage,
installations de stockage • ne traite pas proprement les
Transformation effets dominos, se limite à
l’étude de danger à l’intérieur de
même site.
TORAP Raffineries Risques dans les • spécifique à l’industrie
pétrolières et installations pétrolière,
les industries pétrochimiques et • prise en compte partielle des
pétrochimiques pétrolières accidents dominos,
• n’intègre pas les accidents
d’origine naturelle et humaine.
DOMINOXL Industrie Zones / installations • se limite à traiter l’effet domino
chimique vulnérables, dans une seule installation,
énumération des effets • ne prendre pas en considération
dominos l’intensification des effets dans
d’autres installations
environnantes.

GeOsiris Industrie Simulation des • ne traite que les scénarios avec

chimique et accidents domino substances inflammables et
transformation toxiques,
• prend en considération les
risques naturels,
• ne prend pas en considération
les facteurs humains et
organisationnels.
MiniFFECT Industrie Minimisation les effets • ne prend en compte que les
chimique des risques dominos unités d’une installation
industrielle,

54
 • ne prendre pas en compte les
structures environnantes et les
écosystèmes.
DomPrevPlanning Industrie Risques domino, • évaluation des effets dominos
(zones classification des limitée l'intérieur du site
industrielles) installations industriel,
• ne prend pas en considération la
propagation des effets hors sites,
• ne prend pas en considération
les facteurs humains et
organisationnels.

Les limites évoquées dans les deux derniers tableaux nous incitent à œuvrer dans le choix
d’une nouvelle méthodologie permettant l’étude systématique des effets domino. A ce
propos, le modèle MADS semble être le plus adéquat. En effet, Laurant (2003) recommande
l’usage de ce modèle qui synthétise le processus des effets domino par le triptyque
« Source  Flux de Danger  Cible (SFC)» (tableau 2.7).

Tableau 2.7 : Modélisation des effets domino par le triptyque SFC du modèle MADS
Source :(Laurant, 2003)
Source de danger Flux de danger Cible de danger
Incendie Rayonnement Stockage de produits solides
Feux de flaque thermique Stockage sous pression
Feux de bac Stockage atmosphérique
Jet enflammé
Boilover
BLEVE
Explosion gaz et vapeurs Surpression Stockage cryogénique
Explosion de poussières Equipements de chargement et de
BLEVE déchargement
Explosion gaz et vapeurs Missiles Equipement de process
Explosion de poussières
BLEVE Réseaux de canalisation
Fuite toxique Nuage toxique Opération en salle de contrôle

Vu l’intérêt que présente le modèle MADS pour l’étude des effets domino, nous présentons
de manière détaillée ce modèle dans la section suivante.

D- Méthodologie MADS-MOSAR
Pour rappel, le modèle MADS est orienté vers la modélisation du processus de
danger (Le Moigne, 1994).Cette modélisation est précédée, dans un premier temps, par une
représentation générale des sous-systèmes sources et cibles et, dans un deuxième temps, par
une représentation des processus sources de dangers et des processus susceptibles de subir
l'effet du danger.

55
La modélisation du processus de danger est basée sur la trilogie de MADS dénommée
« Source-Flux-Cible (SFC) ». Cette modélisation est immergée dans un champ de danger qui
peut influencer les sous-systèmes sources et cibles et, donc, le flux de dangers.

L’objectif principal de la méthode MADS-MOSAR est d’identifier les dysfonctionnements

issus de l’entité considérée ou de son environnement, et dont les enchaînements peuvent
conduire à un Evénement non Souhaité, ou ENS, susceptible d’atteindre un système cible.
Plus largement, cette méthode cherche à "identifier, évaluer, maîtriser, gérer les processus de
danger" (Perilhon, 1996) en mettant en évidence les scénarios possibles d’accidents et en
déterminant les barrières de prévention et de protection à mettre en place pour neutraliser les
événements initiateurs de ces scénarios (Instn, 1996). A cette fin, la phase de modélisation est
la première étape de la méthode où l’analyse des risques débute par la décomposition du
système en sous-systèmes. Le découpage le plus courant est le découpage géographique
(Instn, 1996), toutefois la décomposition systémique peut également être réalisée sur la base
d’un découpage hiérarchique ou fonctionnel (Gardes et al,1999).

L’identification des systèmes sources de dangers est la seconde phase de la méthode où l’on
cherche à identifier, pour chaque sous-système et de manière systématique, tous les éléments
(matériels, humains, etc.) qui peuvent être source2 de danger pour l’entité considérée (Instn,
1996).

L’identification des scénarios d’accidents est une phase plus complexe que les précédentes.
Elle est composée des étapes suivantes (Perilhon, 1996):

o identification des ENS,

o représentation simplifiée sous forme de boîte noire,
o établissement des scénarios d’enchaînement d’ENS,
o présentation sous forme de pré-arbres logiques. L’identification des ENS et plus
largement des processus de danger selon la méthode MADS-MOSAR consiste à
identifier, pour chaque source de danger, les flux de danger issus du système source
considéré et pouvant affecter un système cible. A cette fin, cette méthode propose un
tableau de saisie préétabli permettant de faire figurer le chaînage événement
initiateur, événement initial et événement principal.

Les processus de danger identifiés sont ensuite représentés sous la forme de boîtes noires
(figure 2.3), selon les règles de passage suivantes :

o chaque sous-système donne lieu à une boîte noire,

o chaque événement initiateur donne lieu à un événement en entrée de la boîte noire,
o chaque événement principal donne lieu à un événement en sortie de la boîte noire.

2
Pour aider l’analyste dans l’identification des sources de dangers, la méthode MADS-MOSAR propose une
grille de référence, non exhaustive, des types de systèmes sources de dangers.

56
 Evénements
Evénements
initiateurs
Sous système terminaux
interne ou
externes

Source : (Perilhon, 1996).

Figure 2.3: Représentation du sous-système sous forme de boite noire.
L’utilisation de cette représentation schématique permet de visualiser les scénarios
d’accidents où l’on distingue deux types de scénarios d’accidents : les scénarios
d’autodestruction, également dits "scénarios courts" internes à chaque sous-système (figure
2.4) et les scénarios de destruction, également dits "scénarios longs" représentant les
interférences entre plusieurs sous-systèmes (figure 2.5).

Evénements
Evénements Sous système terminaux
initiateurs

Source :(Perilhon, 1996).

Figure 2.4: Scénarios d’autodestruction.

Evénement Sous Evénement terminal de SS1

initiateur de système
SS1 1 Sous Evénements
système terminaux de
Evénement 3 SS3
initiateur de
SS3

Evénement
Sous Evénement
initiateur de
système terminal de
SS2
2 SS2

Source : (Perilhon, 1996).

Figure 2.5: Liens entre les sous-systèmes via les boites noires (scénarios longs).

57
Les scénarios d’accidents décrits lors de la phase précédente identifient les principaux risques
de l’entité considérée et sont désignés par les ENS finaux. L’objet de la présente phase est
d’évaluer l’importance de chaque ENS à l’aide des méthodes d’évaluation des risques
(analyse qualitative, analyse quantitative) afin d’estimer leur impact en termes de probabilité
et de gravité sur les cibles possibles (INSTN, 1996). Une fois évalués, les scénarios
d’accidents sont hiérarchisés par ordre d’importance en référence à une matrice des
risques.L’application de cette méthode à un port algérien est fournie en annexe 2.

Conclusion
Dans ce chapitre, nous nous sommes focalisés en particulier sur les effets domino où
la revue de la littérature montre l’existence de quatre vecteurs par lesquels un effet domino
peut se propager d'une unité (ou d’un site) à une autre. Ces vecteurs sont : l’incendie,
l’explosion, le rejet de matières toxiques et les autres rejets dangereux. De même, cette revue
de littérature nous a permis de rappeler les principales méthodes existantes et les logiciels
utilisés pour l’étude et l’analyse des effets dominos (chaînes en cascade). Un constat général
sur cette revue est que ces méthodes et outils sont spécifiques pour certains types de vecteurs
d’intensification. A ce propos et à notre connaissance, il n’existe pas à ce jour, une méthode
générale (ou un modèle générique) qui prenne en compte les effets des accidents domino en
raison de leurs complexités associées à leur caractère émergent.

Le modèle MADS-MOSAR, certes, constitue une alternative prometteuse pour pallier à cette
contrainte de la spécificité des méthodes quant à l’étude des effets domino. Cependant, la
notion de boites noires utilisée dans ce modèle pose également des problèmes de leurs
exploitations en vue de déduire les scénarios d’accidents. S’intégrant dans ce contexte, nous
avons jugé utile de contribuer modestement à solutionner ce problème de boites noires dans
un premier temps et de proposer, dans un second temps, une méthode gouvernée par
l’approche théorique qui a le mérite d’évaluer à la fois la gravité et la fréquence du risque
majeur causé par l’effet domino. Ces deux contributions sont cadrées par un modèle de
management dénommé SMAR qui sera détaillé dans le chapitre suivant.

58
 Chapitre 3
NOUVELLES PROPOSITIONS D’ETUDE DES EFFETS
DOMINO

Introduction

L’évolution technologique et la complexité des systèmes techniques du monde

industriel semblent prendre une longueur d’avance sur les méthodes d’analyse et
d’évaluation des risques (Orfanos et al, 2011;Zaghi et al, 2005 ). Ceci est vrai surtout dans
les pays non producteurs de technologie de pointe où des méthodes obsolètes sont encore
utilisées par manque d’actualisation et de modernisation des moyens utilisés (Chiappori,
1996). Par ailleurs, le retour d’expérience sur les accidents survenus dans les pays en voie de
développement à l’image de l’Algérie (Chettouh et al, 2016) montre que les enquêtes qui se
déclenchent ne remettent pas en cause la pertinence des méthodes d’analyse des risques mais
soulignent souvent des défaillances techniques et/ou humaines (Young, 2013; Vallée et al,
2012 ).

Certes, des enquêtes poussées sur les accidents survenus montrent que les causes profondes
sont d’ordre managérial et organisationnel et donc du niveau décisionnel (Arena et al, 2010).
Et pourtant ce sont les informations fournies par les méthodes d’analyse des risques qui ont
servi de base à la décision (Demichela and Camuncoli, 2014).

L’analyse historique des accidents domino où 261 accidents impliquant les effets dominos,
montre que, en plus des causes de défaillances mécaniques et des événements externes, la
fréquence des accidents dominos causés par le facteur humain est relativement élevée, d'où
l'importance d'intégrer ces facteurs dans l'étude des chaînes en série (Clini et al, 2009). Les
méthodes disponibles dans la littérature sont limitées dans leur capacité à proposer des
solutions pour gérer la complexité de ce phénomène (Bahman et al. 2010).

A ce propos, une nouvelle méthode de Management des risques de type « effets domino » dite
Spirale de MAnagement des Risques SMAR (Smaiah and Bahmed, 2017) proposée. Cette

59
méthode vise deux objectifs : la modélisation de l’effet domino par la théorie des graphes et le
calcul des probabilités d’occurrences des effets dominos.

3.1- Cadre général de nos contributions : Proposition d’un modèle dénommé SMAR
Rappelons que la problématique inhérente aux méthodes d’analyse des risques est sa
capacité à répondre aux exigences simultanées de l’identification des dangers et de
l’évaluation des risques qui leurs sont associés. En effet, cette problématique émerge plus
dans les domaines industriels les plus complexes (c’est le cas par exemple de la pétrochimie
et le transport maritime) où les méthodes d’analyse des risques telles que l’Analyse
Préliminaire des Risques (APR), l’Analyse des Risques et d’Exploitation ou HAZard and
OPerability (HAZOP), l’Analyse des Modes de Défaillances et de leurs Effets (AMDE),
l’Arbre de Défaillance (AdD) se trouvent dissociées les unes des autres ; ceci nuit
considérablement à l’efficacité du processus de management des risques. En outre, il existe un
clivage entre les analyses des risques qualitatives et les analyses quantitatives (Kremljak and
Kafol, 2014). C’est ce qui a conduit les industriels à adopter des démarches systémiques et
managériales à l’image de la méthode MADS-MOSAR et Management Préliminaire des
Risques (MPR).

A ce propos, nous rappelons que la méthode MPR est basée sur un processus accidentel
générique permettant de canaliser les mécanismes de capitalisation et d’exploitation des
connaissances relatives aux scénarios d’accident (Mazouni, 2007). Par contre, la méthode
MADS-MOSAR est du type méthode intégrée (INERIS, 2002) dans le sens où elle permet de
canaliser l’usage simultané des méthodes d’analyse des risques évoquées ci-dessus.

A notre avis, le mérite que possède la méthode MADS-MOSAR par rapport à la MPR réside
dans sa capacité à réussir l’articulation des méthodes d’analyse des risques ce qui permet de
solutionner en grande partie le problème de ces méthodes évoqué précédemment qui réside
dans le déploiement de ces méthodes de manière fragmentaire et sans démarche guide
(Perilhon, 1996).

Par ailleurs, signalons que cet avantage de la méthode MADS-MOSAR risque d’être masqué
par la complexité et la lourdeur du déploiement de cette méthode. Afin de surmonter cette
contrainte, un modèle de la Spirale de MAnagement des Risques (SMAR) appliquée aux
risques des effets dominos est proposé dans cette étude (Smaiah and Bahmed, 2017).

3.1-1. Rappels de base

Il est important de rappeler auparavant que le but du modèle SMAR est d’apporter aux
décideurs les éléments leur permettant de prendre la bonne décision quant à la maîtrise des
risques industriels. Or, cette maîtrise dépend en grande partie de la capacité du modèle
proposé à intégrer les évaluations qualitatives et quantitatives des risques ainsi que sa capacité
à intégrer le facteur humain.

Avant de découvrir ces capacités du modèle SMAR, il est opportun de rappeler que le
qualificatif risque d’après Desroches (2005) est généralement associé à la potentialité
d’occurrence d’un Evènement Non-Souhaitable (ENS). Plus précisément, cette potentialité est
consécutive au dépassement d’un seuil de criticité d’un risque (Bassetto et al, 2011).

60
La concrétisation du risque sous forme de pertes humaines, matérielles ou financières illustre
les conséquences d’un accident lui-même. Ce dernier est décrit par la présence de trois
évènements séquentiels (OIT, 1991) : un danger, une situation dangereuse et un accident. Ce
séquencement montre qu’en l’absence du danger il ne peut être identifié les évènements
conduisant aux situations dangereuses ; car, une situation dangereuse n’est qu’un état d’un
système en présence de dangers.

Partant de ces définitions, nous pouvons déduire que le risque est la mesure de l’instabilité de
la situation dangereuse et de la potentialité d’accident (Desroches, 2005).

Au mot risque sont associés des vocables divers mais les plus répondus sont les
suivants (Flanagan and Norman, 1993) : analyse, évaluation et maîtrise.

Bien que ces trois termes soient associés au risque, ils traduisent en réalité les actions
associées au triptyque : danger  risque  sécurité. En effet, ce triptyque illustre deux faits
marquants : d’une part, la distinction entre danger et risque dans le sens où le risque est la
mesure du danger et, d’autre part, le rôle primordial que joue le risque en tant que trait
d’union entre les termes « danger » et « sécurité ».

Un examen plus approfondie de ce triptyque montre qu’au terme :

- « danger » est associé l’action d’identification des dangers. Cette action n’est autre
qu’une analyse des risques moyennant des méthodes d’analyse des risques déjà
évoquées dans la section précédente (cf. §3.4) ;
- « risque » on effectue une évaluation des risques dans le but de les hiérarchiser en
fonction de leur criticité ;
- « sécurité » est logiquement associée l’action de maîtrise des risques par ordre de
priorité compte tenu de leurs criticités respectives.

Le séquencement des actions (analyse  évaluation  maîtrise) montre la place importante

qu’occupe l’analyse des risques dans toute étude de sécurité des installations et des sites
industriels. En effet, l’exhaustivité d’analyse des risques conditionne en grande partie la
pertinence de l’évaluation des risques considérée comme étant l’aide à la prise de décision. De
même, la pertinence de l’évaluation des risques conditionne l’efficacité de la maîtrise des
risques par le biais des barrières de sécurité matérielles et organisationnelles. En conséquence
l’exhaustivité de l’analyse des risques dépend de la capacité des méthodes d’analyse des
risques à réussir des évaluations qualitatives et/ou quantitatives.

Une autre importance de l’analyse des risques est également confirmée par la littérature
spécialisée dans le domaine du management des risques où l’analyse des risques occupe une
place de choix (Bjegra and Aven, 2015). A ce propos, nous rappelons que le management des
risque est un processus de définition, d’évaluation et de la mise en œuvre des actions
préventives et correctives afin d’éviter ou de corriger les conséquences du risque (Berg et al,
2008).

D’après cette définition, nous constatons que le processus de management des risques
démarre avec l’analyse des risques qui permet d’identifier les dangers présents dans une
organisation. Cette étape est donc capitale car elle permet au management de s’assurer que les

61
dépenses réalisées sont nécessaires à l’atteinte des objectifs de l’organisation par rapport à sa
stratégie globale capitalisée par des « besoins de sécurité » (Smaiah and Bahmed, 2017).

Afin de confirmer l’intérêt de l’analyse des risques en management des risques en se basant
sur le référentiel « besoin de sécurité », nous signalons que les activités du management des
risques se résument en (Kirchsteiger, 2002) :

- une analyse des risques qui permet, non seulement, d’identifier les risques mais
également les besoins de sécurité.
- une conception permettant de produire une architecture en fonction des besoins
précédemment identifiés.
- un développement permettant d’implémenter les contrôles de sécurité pour satisfaire
aux besoins exprimés.
- un test qui permet de tester les contrôles et de s’assurer que les décisions prises en
fonction de ceux‐ci réduisent effectivement les risques identifiées à un niveau
acceptable.
- une maintenance qui permet de réexaminer les contrôles lorsqu’il y a un changement,
une mise à jour ou une irrégularité.

Le modèle SMAR présenté dans la section suivante permet, non seulement, de surmonter les
contraintes relatives aux méthodes d’analyse des risques évoquées ci-haut mais également il
s’inspire des principales activités du management des risques rappelés ci-dessus.

3.1-2. Présentation du modèle SMAR

Le modèle de la Spirale de MAnagement des Risques (SMAR) reprend les activités du

management des risques d’une manière plus conviviale en référence à la roue de Deming
(Deming, 1993). En effet, SMAR procède d’abord à l’analyse d’un site ou une installation
industrielle considéré comme étant un système. Lors de cette analyse, l’intérêt est porté sur le
diagnostic des points faibles et des points forts des sous-systèmes retenus dans la
décomposition du système étudié pour, ensuite, établir une approche managériale qui prenne
en considération le contexte du système étudié.

Le choix de la spirale est motivé par le fait qu’elle permet de mieux structurer les différentes
activités du management des risques tout en veillant à leur interdépendance sous forme de
boucle, d’une part et elle permet de repérer avec simplicité les étapes à suivre dans le
management des risques, d’autre part. Autrement dit, le recours à la forme spirale de
management des risques est d’attirer l’attention des managers sur la nécessité d’améliorer
sans cesse le plan d’action matérialisé par les barrières de sécurité.

Dans le modèle SMAR que nous proposons, la spirale symbolise le cheminement vers la
solution. Nous commençons notre spirale à partir d’un point choisi sur le contour pour nous
acheminer vers le centre, c.-à-d. nous procédons de l’extérieur vers l’intérieur (figure 3.1).

62
 Début : définition
du système

Décomposition
du système

Régulation

Evaluation de la Identification des ESDs et de

démarche scénarios d’accident
Efficace

Oui
2 ème
niveau de maitrise
Non
Exploitation du digraphe
et prise de décision global : 1er niveau de
maitrise des risques
Maintenir la
démarche

Etude probabiliste de Classification

l’effets dominos des ESDs
Evaluation
des ESDs
• BT+BU
• Règlementation

Pente de l’amélioration continue

Source : (Smaiah and Bahmed, 2017).

Figure 3.1 : Etapes du modèle SMAR proposé.

3.1-3. Nécessité d’agréger certaines étapes du modèle SMAR par des méthodes appropriées

Rappelons que le modèle SMAR peut être décomposée en 3 parties :

- une première partie 3 relative à : la définition du système et sa décomposition,

l’identification des ESDs « évènements sources de danger » et exploitation du
digraphe global (1er niveau de maitrise des risques).
- Une deuxième partie4axée sur : la classification des ESDs, l’évaluation des ESDs et
étude de l’effet domino.
- Une troisième et dernière partie dédiée : au 2ème niveau de maitrise des risques et
évaluation5 de la démarche.

3
Cette partie est abordée par la théorie des graphes pour définir les scénarios courts et longs. Dans cette partie et
après l’identification des ESDs, une modélisation graphique des scénarios courts et longs est réalisée à l’aide de
la « théorie des graphes ».
4
Cette partie est détaillée par une méthode inspirée de la théorie des probabilités.
5
Après la prise de décision en matière de maitrise et de contrôle des risques, une vérification de l’adaptabilité de
la méthode proposée dans le domaine d’application doit être réalisée.

63
3.2- Contribution à la modélisation du triptyque SFC du modèle MADS-MOSAR par
usage de la théorie des graphes
L'étape importante dans le processus de contrôle des risques et de sécurité industrielle
est d'identifier les mesures de contrôle des risques. Par conséquent, l'analyse des risques doit
tenir compte de la complexité du système qu’est exposé à des accidents causés par des
interactions dysfonctionnelles entre les composants du système (Leverson, 2004). Dans ce
contexte, l'approche systémique est la démarche qui permet d'analyser le système et de
formaliser les interactions entre ses composantes.

Pour rappel, le modèle MADS-MOSAR est orienté vers la modélisation du processus de

danger (Le Moigne, 1994). Cette modélisation est précédée, dans un premier temps, par une
représentation générale des sous-systèmes sources et cibles et, dans un deuxième temps, par
une représentation des processus sources de dangers et des processus susceptibles de subir
l'effet du danger.

La modélisation du processus de danger est basée sur la trilogie de MADS-MOSAR

dénommée « Source-Flux-Cible (SFC) ». Cette modélisation est immergée dans un champ de
danger qui peut influencer les sous-systèmes sources et cibles et, donc, le flux de danger.

La méthode MADS-MOSAR permet de schématiser le processus des effets domino sous

forme de boites noires. L’exploitation de ces boites pour la déduction des scénarii courts et
longs est basée sur l’expérience des usagers de ce modèle. D’où la difficulté rencontrée par
certains praticiens du modèle MADS-MOSAR non expérimentés pour la modélisation des
effets dominos. Pour surmonter cette difficulté, notre proposition présente une modélisation
de boites noires du modèle de dangers MADS-MOSAR sous forme de réseaux qui permettent
une meilleure exploration du triptyque « Source-Flux-Cible (SFC) » qui interviennent dans le
processus des effets dominos (Smaiah et al, 2017).

3.2-1. Etapes de l’approche proposée (Modèle MADS amélioré)

L’adaptation du modèle MADS-MOSAR aux effets domino que nous proposons est
matérialisée par quatre étapes explicitées ci-après.

A- Identification des sous-systèmes du système étudié

Cette première étape débute par une identification des sous-systèmes:

S = {SS1, SS2, …, SSn} (1)

Cette détermination des sous-systèmes est ensuite affinée sous forme d’une description
relationnelle :

RSSi = {SSj, SSk, …,SSm} ; jkmI (2)

Pour illustrer cette étape, nous considérons l’exemple d’un effet domino d’un tremblement de
terre où l’on retient les deux sous-systèmes :

S = {SS1= milieu urbain ; SS2 = milieu environnant} (3)

64
La description relationnelle de ces deux sous-systèmes est représentée par les relations
suivantes :

RSS1 = {SS2} ; RSS2 = {SS1} (4)

B- Modélisation graphique des processus de dangers

Au cours de cette étape, l’intérêt est porté sur la modélisation des processus de danger
par sous-systèmes. A ce propos, dans chaque sous-système, le processus de danger est
modélisé par le biais du triptyque SFC où l’on distingue trois cas de base résumés par le
tableau 3.1. Pour une meilleure exploitation de ces cas de liaisons, nous proposons de
représenter les trois types de liaisons sous forme de digraphes où les nœuds correspondent soit
aux sources ou bien et/ou aux cibles de dangers. Les arcs orientés représentent les flux de
dangers.

Tableau 3.1 : Liaisons de base du triptyque « SD-FD-CD ».

Source : (Smaiah et al, 2017).

Type de liaison Modélisation Digraphe correspondant

Linéarisation SD  FD  CD FD

SD CD

Conjonction SDi DF  CD SDi

FD
CD
SDj
FD
SDj
Disjonction SD  FD CDi FD
CDi
 CDJ SD
FD CDj

L’illustration de cette étape sur l’exemple du tremblement de terre nous permet d’obtenir les
digraphes de la figure 3.2.

TT RC Ic TT GT
EB Dg
EB
Dg

(a) Digraphe SS1 : « Milieu urbain » (b) Digraphe SS2 : « Milieu environnant »
Légende :TT = Tremblement de Terre ; RC = Rupture de Canalisation ;Ic = Incendie ;
EB = Effondrement de Bâtiments ; GT = Glissements de Terrains ; Dg = Dégâts

Source : (Smaiah et al, 2017).

Figure 3.2 : Digraphes des sous-systèmes de l’exemple d’un tremblement de terre.
Il est important de rappeler que les digraphes de la figure 3.2 sont du type r-appliqué où r
indique le nombre maximal des arcs ayant les mêmes extrémités initiale et finale (Diestel,
2005). Conséquemment, les digraphes SS1 et SS2 de la figure 3.2 sont du type 1-appliqué et

65
 ils sont formés : de nœuds (3 pour le digraphe SS1 et 2 pour celui de SS2) et d’arcs (2 pour
le digraphe SS1 et 1 pour celui de SS2).

Les digraphes des sous-systèmes peuvent être capitalisés sous forme de dictionnaire des
nœuds suivants. Le tableau suivant illustre le cas du digraphe de la figure 3.2.

Tableau 3.2 : Dictionnaire des nœuds suivants des digraphes de la figure 3.2.
Source : (Smaiah et al, 2017).
Nœud (Nij) Dictionnaire des suivants
Liste (DS-Nij) Cardinal (Cij)
i = 1 Digraph SS1 j = 1 TT Ic ; Dg 2
j = 2 Ic Dg 1
j = 3 Dg - 0
i = 2 Digraph SS2 j = 1 TT Dg 1
j = 2 Dg - 0

C- Regroupement des digraphes des sous-systèmes en un seul digraphe

Le but de cette étape est l’élaboration d’un digraphe global des effets domino.
Evidemment, la fusion des différents digraphes associés aux sous-systèmes en un seul
digraphe est effectuée dans le respect des relations structurelles de la figure 3.2.

Pour illustrer nos propos, cette fusion s’effectue en deux temps :

i) Dans un premier temps, aux niveaux des nœuds des digraphes des sous-systèmes qui
partagent la même dénomination des sources et/ou des cibles de dangers (cas des
nœuds TT et Dg dans les digraphes de la figure 3.2).

L’algorithme de cette fusion est le suivant :

Pour l’ensemble des digraphes des différents sous-systèmes (à répéter pour

l’ensemble des nœuds de chaque digraphe) :

o Identifier les nœuds ayant la même dénomination (cas des nœuds N11 et N21 dans
le tableau 3.2 où N11=TT et N21=Dg).
o Pour chacun de ces nœuds, déduire :
▪ Le nombre de fois qu’il se trouve dans les sous-systèmes (2 fois pour les deux
nœuds TT et Dg)
▪ Le cardinal de la liste des nœuds suivants dans le digraphe global :
𝑔
𝐶 𝑁𝑜𝑢𝑒𝑑 = Max (Cardinaux des DS-Nij dans les sous-systèmes) (5)

▪ La liste des nœuds suivants dans le digraphe global :

g
DS-NNoeud = ⋃Cg DS-Nij (6)
Noeud

L’illustration de ces deux formules sur les nœuds TT et Dg nous permet

g g g g
d’obtenir : CTT = 3 ; CDg = 0 ; DS-NTT = {Ic, Dg, Dg} et DS-NDg = {}

66
 Signalons qu’en référence à la théorie des graphes, le digraphe global de la figure 3.2
est du type biparti. En conséquence, les digraphes des différents sous-systèmes sont
donc partiels. De même, nous remarquons que le digraphe global de la figure 2 est du
type 2-appliqué car les arcs EB et GT ont les mêmes extrémités initiale et finale. Nous
pouvons, d’ailleurs, déduire de l’algorithme précédent le type du digraphe global
moyennant l’expression suivante :
g
r = Max (cardinaux des DS-Ni ) ; i = 1.. Nombre de nœuds fusionnés (7)

L’illustration de cette fusion des nœuds identiques permet d’obtenir le digraphe global
représenté par la figure 3.2.

TT RC Ic
EB
EB
Dg
GT

Source : (Smaiah et al, 2017).

Figure 3.3 : Digraphe global des effets dominos d’un tremblement de terre.
ii) Dans un second temps, le digraphe global est finalisé en se référant aux relations entre
les différents sous-systèmes. Afin de mieux finaliser le digraphe global, nous pouvons
s’inspirer également de la théorie des graphes où l’intérêt sera porté sur la saturation
des nœuds pour finaliser le digraphe global. Dans le cas de la figure 3.3, le couplage
est maximum voir même parfait.

Rappelons que dans la figure 3.3, TT est une source de danger, Dg est une cible de
danger tandis que Ic est à la fois source et cible de danger.

D- Exploitation du digraphe global

Cette étape consiste en une exploitation des scénarios issus du réseau global
moyennant la caractérisation des effets dominos (Kadri et Châtelet, 2013) :

- nature de l’évènement primaire à l’origine des séquences accidentelles,

- évènements résultants qui définissent les effets dominos primaire, secondaire,
… etc.,
- sous-systèmes affectés par les effets dominos et (iv) intensification des
conséquences dues aux effets dominos.

Notons que la finalité de l’analyse et la modélisation des effets dominos est bien leurs
maitrises par des mesures de sécurité appropriées. Ces mesures sont cadrées par des objectifs
de sécurité. Pour une meilleure détermination du niveau de sécurité requis, nous proposons au
cours de cette dernière étape de représenter le digraphe global sous forme d’arbre à plusieurs
niveaux et où chaque niveau correspond aux effets dominos. C’est à ce niveau que le 1 er
niveau de maitrise des risques doit être réalisé par l’allocation des barrières de sécurité
nécessaires.

67
Pour illustrer nos propos, nous nous intéressons à l’arborescence du nœud TT (cf. figure 3.3)
qui n’est pas l’extrémité d’aucun nœud. Tous les nœuds de l’arborescence sont répartis en
niveaux :

Niveau i = Distance (nœud de départ, nœuds suivants) = i ; i (8)

Afin d’illustrer nos propos, la figure 3.4 représente l’arbre correspondant au digraphe de la
figure 3.3.

Evènement Niveau 1 = 1er Niveau 2 = 2ème

initiateur effet domino effet domino

TT Ic
Dg

Dg

Source : (Smaiah et al, 2017).

Figure 3.4 : Arbre des effets dominos d’un tremblement de terre.

3.2-2. Apports de l’approche proposée

A l’instar des résultats issus de l’exemple d’illustration, nous constatons que le modèle
MADS adapté aux effets domino permet de décrire la succession des effets domino. L’usage
du digraphe comme support graphique nous a permis de mieux distinguer entre les sources et
les cibles de dangers, d’une part, et les flux de dangers d’autre part.

La représentation des boites noires sous forme de réseaux permet d’identifier les scénarios
courts d’une manière plus fine et plus courte. La fusion des digraphes pour l’obtention d’un
digraphe global a permis d’identifier les scénarios longs, ainsi que l’intersection des sous-
systèmes, cela nous permet de déduire les chemins décrivant un effet domino.

Un autre apport de la méthode déployée dans cette étude est la prise en considération du
facteur humain. A ce propos, il est important de rappeler que les recherches et études réalisées
sur les effets dominos ont souvent tendance à négliger ce facteur (Zi-jian et al, 2016; Robert
and Morabito, 2013; Abdolhamidzadeh et al 2010; Esteban, 2013). D’où le mérite de notre
contribution.

Le digraphe global obtenu nous a permis de déduire les scénarii longs de manière aisée.
L’analyse multicritères des scénarios caractérisant les effets dominos nous a permis de :
déduire le scénario critique, faciliter le choix du type des barrières de sécurité, ainsi le nombre
nécessaire en fonction de la criticité de chaque chemin.

D’autres intérêts de cette modélisation est la possibilité de déduire les modèles classiques
d’analyse des risques (fault tree and event tree) et par voie de conséquence, la possibilité
d’effectuer des traitements quantitatifs (calculs probabilistes des ENS). Mais l’intérêt majeur
réside dans l’usage de ces arbres pour l’allocation des barrières de sécurité.

68
3.3- Contribution à la modélisation du triptyque SFC du modèle MADS-MOSAR par
usage de la théorie des probabilités
Malgré l’ampleur des effets domino, ces derniers restent relativement peu étudiés par
des approches purement théoriques. A ce propos, Lees (1996) évoque deux approches
théoriques d’analyse des effets dominos : (i) une première approche à probabilités fixes et à
conséquences aggravées (Latha et al, 1992) et (ii) une seconde à dommages fixes et à
probabilités augmentées (Bagster and Pitblado, 1991).

S’intégrant dans ce contexte, l’objet de cette contribution est de tenter de gérer la complexité
des effets dominos par le biais d’une approche théoriques mixte et plus précisément
analytique. C’est une approche rationaliste qui a le mérite de nous fournir les moyens de relier
avec clarté les interactions entre les évènements causaux de l’effet domino ; ce qui nous
permet de proposer une classification de ces évènements considérés comme redoutés. L’usage
de la théorie des ensembles ainsi que celle des graphes nous permet également de déduire les
probabilités d’occurrences des effets dominos.

3.3-1. Etapes de l’approche proposée

La méthode proposée est composée de six étapes synthétisées par la figure 3.5.

Description structurelle et comportementaleSubdivision de

l’installation en sous-systèmes, et liste des évènements redoutés probables.

❖Capitalisation des évènements redoutésNombre des sous-systèmes

affectés par une EvR redoutés probables

Elaboration d’un diagramme ensemblisteMeilleure mise en évidence

des interactions entre les sous-systèmes de l’installation à étudier

Déduction des amplitudes des effets dominos

Elaboration de l’espace probabilisableDéduction des probabilités

associées aux effets dominos

Source : (Réalisé par nos soins).

Figure 3.5 : Organigramme de la méthode proposée.
A- Description structurelle et comportementale du système étudié
Dans la figure 3.5, la première étape est une description structurelle de l’installation
étudiée, considérée comme étant un système, sous forme de sous-systèmes. Ainsi, toute
installation étudiée sera exprimée sous forme :

69
 S = {SS1, SS2, …, SSn} (9)

Cette subdivision de l’installation est ensuite complétée par une description comportementale
du système étudié sous forme d’Evènements Redoutés(EvRi) où chaque EvR est décrit, à son
tour en termes d’affection des différents sous-systèmes de l’installation.

Pour cela, ces EvRs constituent un ensemble V que nous détaillerons en sous-ensembles
fournis par la relation suivante :

V = {VSS1, VSS2, …,VSSn} ; i = 1..n (10)

Avec : n est le nombre de sous-systèmes de l’installation à étudier.

B- Capitalisation des évènements redoutés

Notons que pour des raisons de forme, cette description relationnelle des EvRs est
capitalisée dans cette étape par un tableau (tableau 3.3) des EvRs probables dont la dernière
colonne totalise le nombre d’affection des sous-systèmes de l’installation par une EvR

[1 .. n] ; n est le nombre de sous-systèmes de l’installation à étudier (11)

Tableau 3.3 : Tableau des évènements redoutés probables.

Source : (Réalisé par nos soins).
Symbole Dénomination Vss1 Vss2 Vssi Vssi+1 Notation 
EvR1
EvR2
EvR3
EvRn
Signalons que SSi+1 représente le sous-système « environnement » qui doit apparaitre dans
n’importe quelle installation.

L’intérêt des notes obtenues de ces différentes affections des sous-systèmes de l’installation à
étudier est évident. En effet, une note de valeur « i » correspond à l’affection de « i » sous-
systèmes (avec i = 1.. nombre de sous-systèmes de l’installation). Evidemment, si i=1, l’EvR
en question ne déclenche pas d’effet domino. Par contre, à partir de deux affections, l’EvR en
question est susceptible de déclencher un effet domino avec une gravité proportionnelle au
nombre d’affection. Conséquemment, cette gravité est maximale si la majorité des sous-
systèmes sont affectés par un EvR.

Conformément aux étapes de la méthode proposée, le tableau 3.3 est représenté sous forme
d’un diagramme ensembliste. L’univers complet est constitué de différentes parties que nous
divisons en deux ensembles :

V = VSS1U VSS2U …. U VSSiU Vssi+1 (12)

VG = VSS1U VSS2U…. U VSSi (13)

L’équation (13) permet d’écrire :

70
 G = {SS1, SS2,…,SSi} (14)

Dans la suite de cette étude nous nous limitons à l’ensemble V G afin d’exclure les EvRs
d’ordre naturel ou autres qui nécessitent une recherche plurisectorielle (services de :
météorologie, marine, la sûreté, …).

La représentation du tableau 3.3 sous forme d’un diagramme ensembliste est fourni par la
figure 3.6 où les sous-ensembles Vss1, Vss2,…,Vssi et Vssi+1sont mis sous forme de
diagramme de VENN.

C- Elaboration d’un diagramme ensembliste

L’étape 3 de la méthode proposée consiste en une élaboration d’un diagramme
ensembliste de VENN (Vissio, 1972) qui permet de faire ressortir les intersections possibles
entre tous les sous-ensembles Vssi (où i = 1.. nombre de sous-systèmes de l’installation)
constituant les EvRs pouvant apparaitre dans les différents sites de l’installation.

V
T
VG

A C J
L S b3
E H b2
b1
Q P
N
b5
I G
B
b4 b6
U O

K R W X
b7
V
b8

VSS1 VSS2 VSS3

Source : (Vissio, 1972).
Figure 3.6 : Diagramme de VENN.

D- Déduction des amplitudes des effets domino

L’étape 4 permet d’affiner la notation des EvRs en quantifiant les effets dominos
possibles sur l’installation à étudier dans une échelle de 4 amplitudes de degrés 1, 2, 3, et 4.
Les EvRs en décroissant d’une amplitude à une autre augmentent la gravité de l’effet domino
probable.

71
 E- Elaboration de l’espace probabilisé pour la déduction des probabilités des effets
dominos
La dernière étape de la méthode proposée consiste en une élaboration de l’espace
probabilisable (V, T (V)) qui permet de déduire les probabilités des effets domino. Au cours
de cette étape, certaines opérations s’avèrent nécessaires : élaboration de l’univers des EvRs,
calcul de la tribu T engendrée par l’ensemble de ces EvRs, et enfin la construction d’une
mesure pour obtenir l’espace probabilisable, ensuite c’est la déduction des probabilités
d’occurrence des effets domino.

i- Elaboration de l’univers des EvRs : pour cela, nous considérons l’ensemble V des
EvRs probables. Notons que pour réduire le cardinal de l’univers V, nous
considérons uniquement les EvR de VG avec l’hypothèse que les EvRs affectant le
SSi+1 (l’environnement ) ne sont pas pris en considération parce que SSi+1 est
considéré comme absorbant de tous les EvRs apparaissant dans G. Autrement dit, le
sous-système environnement apparait comme le réceptacle de tous les EvRs. En
conséquence, nous aurons :

Card P(V)= 2card(VG) (15)

ii- Diagramme de VENN représentant VG :nous rappelons qu’un arc reliant deux
sommets SSi et SSj signifie que VSSi ∩ VSSj ≠ Ø. La pondération des arcs par un
coefficient k tel que k = Card (VSSi∩VSSj) nous permet d’obtenir le graphe de la
figure 3.6.

iii- Tribu engendrée par VG : dans le diagramme de VENN de la figure 3.6, les sous-
ensembles bi (i = 1..n) permettent d’écrire :

∑𝑐𝑎𝑟𝑑
𝑖=1
(𝑏)
𝐶𝑎𝑟𝑑 (b𝑖 ) = 𝐶𝑎𝑟𝑑 (𝑉𝐺 ) (16)

∑𝑐𝑎𝑟𝑑(𝑏′)
𝑖=1 𝐶𝑎𝑟𝑑 (b𝑖 ) = 𝐶𝑎𝑟𝑑 (𝑉) (17)

Avec : b' = {b1, b2, b3, b4, b5, b6,b7, b8} constitue une partition de V

b = {b1, b2, b3, b4, b5, b6,b7} constitue une partition VG

Avec l’hypothèse du non prise en compte des EvRs du sous-système environnement

(SS i+1), on se limite au calcul de la tribu engendrée par b.

Cette tribu contient alors, 2card(b) évènements, et l’espace probabilisable est le

suivant :

E = (VG, T (b)) (18)

iv- Construction d’une mesure permettant la déduction des probabilités d’occurrence

des effets dominos par le biais des relations suivantes :
𝒫
𝒯(𝐵) →[0,1] (19)

72
 𝑐𝑎𝑟𝑑𝐴
A P (A) = (20)
𝑐𝑎𝑟𝑑𝑉𝐺

3.3-2. Apports de l’approche proposée

La complexité du phénomène d’effet domino, d’une part, et l’ampleur de ses

conséquences, d’autre part, nous ont incités à proposer sa modélisation par un outil
mathématique des ensembles.

L’outil mathématique proposé permet d’illustrer son efficacité notamment le diagramme de

VENN dont l’intersection doit être vide, la tribu T engendrée par les EvRs et l’espace
probabilisable qui permet de calculer les probabilités de l’effet domino.

Cette représentation ensembliste nous a permis d’étudier l’intersection, la réunion et les

partitions de tous les diagrammes du triptyque « source de danger  flux de dangers  cible
de danger » qui caractérisent le système étudié, ce qui permet de dégager les EvRs communs à
tous les sous-systèmes qui constituent à notre point de vue une première facilité de prévoir
d’où peut démarrer un effet domino sans aucune étude additive, cela signifie que l’utilisation
du langage des ensembles permet une classification plus précise des EvRs quel que soit leurs
nature. Cet outil mathématique constitue une approche globale mais précise de l’effet domino.

L’ensemble des résultats présentés dans la section précédente montre que la méthode
proposée basée sur le couplage de la théorie des ensembles et la théorie des graphes permet de
procéder de manière plus fine à l’étude des intersections entre les éléments des sous-
ensembles de chaque ensemble VSSi. Dans ce contexte, une seconde représentation de chaque
ensemble VSSi sous forme d’un digraphe, où les sommets sont les évènements et les liaisons
entre eux signifient le déclenchement d’un évènement par un autre, permet de faire apparaitre
les sommets les plus critiques grâce à la notion des degrés. Ce qui nous permet de trier à
l’intérieur de ces ensembles VSSi les EvRs les plus dangereux sources d’effet domino.
Conséquemment, l’utilisation simultanée des intersections et des degrés permet de dégager la
liste réduite des EvRs pouvant déclencher les effets dominos d’amplitude plus au moins
grande.

Enfin l’utilisation de la théorie des probabilités nous a permis de construire un espace

probabilisé sur l’installation étudiée constitué de 26 = 64 évènements déclencheurs d’effet
domino et les évènements générateurs des 64 évènements par la base des atomes
évènementielles B= {b1, b2, b3, b5, b6, b7}. A ce propos, nous signalons que la notation
d’atomes se justifie par le fait que l’intersection de deux quelconques des 6 évènements est
vide, et leur réunion donne VG.

Conclusion
Dans ce chapitre, nous avons abordé le problème de la modélisation de l’effet domino.
Pour solutionner ce problème, nous avons proposé une adaptation du modèle de danger
MADS cadré par le triptyque SFC.

Le mérite de cette adaptation est la prise en considération des facteurs humains et

organisationnels comme des paramètres qui peuvent initier, influencer ou aggraver les effets
domino. Les supports graphiques retenus permettent de mieux capitaliser cette prise en
considération de ces paramètres.

73
Les apports multiples de la méthodologie suggérée pour la modélisation des effets domino
sont discutés dans cette étude et d’autres apports peuvent être envisagés. C’est le cas,
d’ailleurs, de la transformation du digraphe global sous forme d’un réseau probabiliste où
chaque flux de danger est quantifié par un couple de probabilité et de durée : sa probabilité
d’occurrence et la durée de déclanchement de l’effet domino au niveau des cibles qui lui sont
associées dans le réseau.

Ceci nous permet de déduire d’une autre manière le scénario critique et de valider, par voie
de conséquence, l’approche multicritères utilisée dans cette étude.

Par ailleurs, l’approche théorique abordée dans la deuxième partie de ce chapitre a le mérite
d’étudier l’effet domino avec une vision inspirée de la théorie des ensembles et des graphes
qui sont complémentaires. Indépendamment des résultats obtenus et des apports
incontestables de notre approche, des efforts de recherche sont encore nécessaire pour
enrichir cette approche notamment par la prise en considération du facteur temps où le
phénomène d’effet domino peut être modélisé comme un système dynamique qui prenne en
compte, non seulement, la dépendance des paramètres physiques mais aussi d’autres réalités
caractérisant le phénomène telles que : le système d’intervention/mitigation, le facteur
humain et organisationnel, la logistique, et aussi, l'intervention (matérielles et humaines) en
temps réel.

74
 Chapitre 4
APPLICATION DES PROPOSITIONS D’ETUDE DES
EFFETS DOMINOS AU PORT DE BETHIOUA-
ALGERIE

Introduction

Dans notre étude, l’évaluation des risques est un processus qui consiste à évaluer les
risques pesant sur la sécurité des personnes, les installations portuaires, les navires et
l’environnement marin. Le port est un lieu de travail complexe où se croisent plusieurs types
d’activités qui engendrent, à leur tour, plusieurs risques en dehors de ceux provenant des
accidents majeurs et par la suite des effets domino dont les conséquences seront
dévastatrices.

En Algérie, et au niveau des terminaux, les risques sont de type incendie, explosion, pollution
marine et/ou atmosphérique, dégâts humaines, échouage des navires, risque de pilotage,
risque de collision... La combinaison entre au moins deux accident provoque début d’un effet
domino.

Alors, dans ce chapitre, il sera question de l’application des contributions proposées dans le
chapitre précédent. Cette application est faite au niveau du port de commerce algérien
Bethioua dont son activité principale est le chargement, le déchargement et le transport des
hydrocarbures. Les résultats obtenus seront les réponses de la problématique principale de
recherche posée au niveau de l’introduction générale.

Rappelons que’en Algérie, les ports de commerce sont ceux de Skikda , Béjaya, Alger, et
Bethioua. Ce dernier reste toujours le plus grand et la source principale de l’économie
nationale, d’où réside notre choix d’application, avec perspective de généralisation sur les
autres ports Algériens.

75
4.1- Présentation du port étudié
4.1-1. Situation géographique
Situé à sept kilomètre à l’Est du port d’Arzew, le port de Bethioua est une construction
récente (1975-1978). Il constitue un élément essentiel dans la chaine d’expédition de GPL et
il a connu les premiers chargements en 1978. A vocation essentiellement gazière, ce port n’en
assure pas moins des transbordements d’autres produits tels que le GNL, le Condensât et les
produits raffinés du pétrole.

Le port est protégé par un brise-lames de 2,2 kilomètres et de deux jetées de 01 kilomètre
chacune, totalisant un plan d’eau de 192,5 hectares. Il dispose d’un terre-plein de 36 hectares
et de 10 postes de chargement totalisant 4520 mètres avec des profondeurs de 13,5 à 23,5
mètres adaptés aux gros tonnages.

L’ensemble de ces installations est complété par trois postes en mer ouverte et de deux bouées
S.P.M pour les V.L.C.C chargeant jusqu’à 300 000 tonnes. La figure 4.1 montre le grand port
de Bethioua.

Source : (Google Earth, 2016).

Figure 4.1: Le port de Bethioua.

76
4.1-2. Description de l’activité industrielle du port

Notre étude est appliquée à un terminal au niveau du port de Bethioua. Le

fonctionnement principal de ce terminal est de charger les produits GNL/GPL, des bacs de
stockage vers les navires citernes par le biais des bras de chargement.

Les manières de segmenter le contexte sont multiples mais il faut remarquer que pour un
découpage donné définissant le système à analyser, le reste du contexte se trouve dans
l’environnement du système. Ainsi, quelque soit la situation de la frontière retenue entre le
système et son environnement, la somme des deux redonne toujours l’ensemble du contexte.

Le système le plus dangereux dans ce contexte est l’installation de chargement de GPL/GNL,

elle sera donc le système sur lequel va porter l’analyse.

La figure 4.2 montre la procédure complète de l’opération, c'est-à-dire le chargement, le

transport et puis le déchargement du produit GPL/GNL.

77
 Phase de
chargement et
son installation

Système étudié

Phase de
déchargement
et son
installation
Terminal GPLier

Source :(EPA, 2015).

Figure 4.2 : Le système étudié.

4.2- Evaluation des risques associés à l’activité industrielle du port étudié

Dans le but de la réalisation d'une évaluation efficace des risques, quatre (4) niveaux
de probabilité (fréquence) ont été mis en place avec quatre (4) niveaux de gravité (Bouzaher

78
et al, 2015). Pour chaque catégorie, et selon les incidents signalés, sont affectés par des
indicateurs appropriés qui rendent le processus d'évaluation plus clair avec une détermination
précise des priorités.

4.2-1. Evaluation globale des risques liés à la manœuvre portuaire

La réalisation d’une telle matrice d’évaluation se fait à travers 2 étapes principales (Bouzaher
et al, 2015):

• 1ère étape : Les priorités sont identifiées et mises par rapport à la synthèse des
évaluations individuelles de chaque risque.
• 2ème étape : L'impact (conséquence) de chaque facteur de risque sur chaque risque est
analysé et évalué en conséquence afin de modéliser la relation entre chaque facteur de
risque et les risques identifiés. Cela, aidera à apporter une méthode facile pour montrer
clairement et facilement, d’une première vue, où sont les grandes priorités en fonction
de l'atténuation du risque lié à la manœuvre dans les ports.

La criticité des risques est calculé sur la base de la probabilité d’occurrence (P) et la gravité
(G) qui sont évaluées sur la base du jugement d’experts par rapport au retour d’expériences
(REX) sur les 136 incidents survenus, dans les ports algériens, lors des manœuvres des
navires, entre 1988 et 2014 (DMMP,2014).

4.2-2. Relation entre les conséquences et les accidents

La fréquence et les conséquences possibles de tels événements, justifie une analyse

préliminaire, y compris un examen de ces 136 événements qui se sont produits lors de la
manœuvre d’'accostage des navires dans les ports algériens. Pour chaque événement, nous
avons identifié le facteur le plus important.

La figure 4.3 ci-dessous, montre la relation matricielle entre les facteurs et les risques. Cette
répartition est effectuée sur la base de quatre facteurs principaux, qui sont directement
impliqués dans l'exploitation des navires dans les ports à savoir : « Humain », « Moyens », «
Environnement » et « Management ».

79
 Source :(Bouzaher et al., 2015).
Figure 4.3 : Relation matricielle entre les risques et les facteurs.

Il est clair, à partir de cette évaluation que le facteur humain a une grande influence sur la
manœuvre d’accostage des navires dans des conditions de sécurité optimale.

En raison de la configuration de la coque, la nature et la puissance de la machine et de

l'efficacité de l'appareil à gouverner, chaque navire possède des caractéristiques de
manipulation manœuvrière uniques. Le temps de réaction de la machine et du gouvernail sont
directement associés à la taille du navire. En général, plus le navire est grand, plus la distance
d'arrêt, la distance pour modifier le cap ou le temps pour stabiliser le navire seront plus
considérables. Chaque action doit être planifiée à l'avance et pleinement prises en temps
opportun pour obtenir les résultats escomptés.

La rentabilité d'un navire exige de le faire fonctionner à pleine charge ou aussi près que
possible de sa capacité maximale de chargement.

D'autre part, les caractéristiques limitées des ports algériens par rapport aux profondeurs des
plans d'eau, ainsi que la taille des quais disponibles, sont un véritable obstacle pour
l'accostage de certains navires.

4.2-3. Discussion

La conception d'une matrice d'évaluation des risques liés à la manœuvre portuaire

efficace nécessite des indicateurs clairs, appropriés et harmonisés (Bouzaher, 2016). Ces
indicateurs sont étroitement liés avec les scénarios d'accidents. Ils sont également appropriés
aux caractéristiques des ports algériens et les profils spécifiques des principaux acteurs. Ceci
est important, car des solutions et des recommandations efficaces dépendent fortement sur ces
aspects.

80
Prenant l’aspect des scénarios d’accident, les risques de manouvre listés dans le tableau 2.2
(chap2) peuvent être considérés comme des évènements initiaux qui conduisent à un
enchainement des évènements résultant des conséquences catastrophiques. Pour cela une
étude complémentaire qui analyse des effets dominos au niveau des ports algériens est
suggérée dans la suite de ce chapitre.

4.3- Modélisation des effets domino par la théorie des graphes

Pour rappel parmi les méthodes utilisées pour les études des effets dominos le modèle
de danger MADS qui permet de schématiser le processus des effets dominos sous forme de
boites noires. L’exploitation de ces boites pour la déduction des scénarii courts et longs est
basée sur l’expérience des usagers de ce modèle. D’où la difficulté rencontrée par certains
praticiens du modèle MADS non expérimentés pour la modélisation des effets dominos. Pour
surmonter cette difficulté, notre contribution est basée sur une modélisation de boites noires
du modèle de dangers MADS sous forme de réseaux qui permettent une meilleure exploration
du triptyque « Source-Flux-Cible (SFC) » qui interviennent dans le processus des effets
domino.

L’amélioration du modèle MADS proposée porte justement sur ses boites noires qui doivent
être substitués par une représentation graphique plus pertinente : par réseaux où les nœuds
correspondent soit aux sources ou bien aux cibles de dangers et les arcs qui les séparent
correspondent aux flux de dangers.

La modélisation par réseaux des scénarii courts et longs dans le port pétrolier de BETHIOUA
est réalisée en quatre étapes détaillées ci-après.

4.3-1. Décomposition du système

A. Choix de décomposition

Dans le cas de l’installation de chargement du GPL, ceci conduit à 3 sous-systèmes

plus les deux sous-systèmes de l’Environnement et de l’Opérateur :

- SS 1 : Bac de stockage et ses équipements

- SS 2 : La pompe et le poste de chargement
- SS 3 : Navire citernes et ses équipements.
- SS 4 : Opérateur.
- SS 5 : Environnement.

Pour l’environnement spécifique directement lié à l’installation on trouve , la plateforme

industrielle comprend une concentration élevée de complexes pétrochimiques et de raffinage à
haut risque (05 complexes de liquéfaction, une raffinerie, un complexe de production de
méthanol et résines, un complexe d'ammoniac, etc.), une centrale électrique de capacité
960MV, six unités de production (Hélium, Azote, engrais liquides, gaz industriel,
emballage…), un réseau de pipe provenant des champs pétrolifères de Hassi Messaoud et
Hassi Rmel et un ensemble d'unités de prestation de service dans les domaines de
maintenance industrielle, de génie civil et de formation de personnel.

81
 B. Contextualisation topologique des Sous-systèmes:

Les relations entre ces sous-systèmes sont les suivantes :

𝑅𝑆𝑆1 = {𝑆𝑆2 ,𝑆𝑆3 ,𝑆𝑆4 ,𝑆𝑆5 }

𝑅𝑆𝑆2 = {𝑆𝑆1 ,𝑆𝑆3 ,𝑆𝑆4 ,𝑆𝑆5 }
𝑅𝑆𝑆3 = {𝑆𝑆1 ,𝑆𝑆2 ,𝑆𝑆4 ,𝑆𝑆5 }
𝑅𝑆𝑆4 = {𝑆𝑆1 ,𝑆𝑆2 ,𝑆𝑆3 ,𝑆𝑆5 }
{𝑅𝑆𝑆5 = {𝑆𝑆1 ,𝑆𝑆2 ,𝑆𝑆3 ,𝑆𝑆4 }
Notre espace topologique est constitué par les données de la figure 4.4 (le port de Béthioua),
dans ce port nous isolons pour les besoins de la décomposition la jetée n°1, ou a accosté le
navire Rhoudh Elfares, le 12 mais 2011 vers 9h pour un chargement de GPL :

- le SS1 est en terre ferme à savoir les bacs de stockage,

- es trois autres sous-systèmes (SS2, SS3, SS4) baignent dans la jetée avec la remarque
très importante qu’ils sont typologiquement dans un espace très réduis, et il y a même
plus, le SS4 à l’intérieur du SS3.

SS5
SS1

SS3
SS2

SS4 SS5

Source : (Google Earth, 2016).

Figure 4.4 : Décomposition des sous-systèmes.

4.3-2. Identification des ESDs et des scénarios d’accident

A. Identification des ESDs

Pour rappel, les accidents probables dans un port à hydrocarbures sont : Incendie, Explosion,
Pollution, et Dégâts humaines. L’évaluation des risques débute avec le repérage des
Evènements Sources de Dangers (ESDs) dans les scénarios d’accident retirés avec l’assistance
du personnel spécialisé au niveau du port de Bethioua. Le tableau ci-dessous a été établi à
partir des données de bilan d’accidents durant 3 ans (de 2011 à 2013).

82
Tableau 4.1: Liste des ESDs des scénarios d’accident.
Source: (EPA, 2015).
N° DSEs Accident scenarios
Pollution Fire Explosion Human
Casualties
01 Shock   
02 Human error    
03 Corrosion   
04 Wear 
05 Break of the loading arms  
06 Connection error   
07 Sabotage   
08 Level detectors failure   
09 Faulty electric grounding   
10 Product leak  
11 Leakage   
12 Fire nearby 
13 Valves failure 
14 Suppression 
15 Faulty degassing  
16 Earthquake, storm, thunderstorm  
17 Worn or rigid mooring line 
18 Wear of scales 
19 Tiredness 
20 Lack of training 
21 Dangerous context 
22 MR diminution   
23 Thermal flow  
24 Vessel movement 
25 Filling error 

Pour le risque de pollution, les résultats ci-dessus montrent que sur un total de 25 ESDs, 14
ESDs générant la pollution. Si l’on considère l’équiprobabilité d’occurrence des ESDs, le
pourcentage d’occurrence du risque de pollution est de 56%. Cette valeur est considérée
comme non tolérable car à long terme le port étudié sera exposé à une pollution dont les
conséquences sont irréversibles à la fois sur les milieux écologiques que l’environnement
marin.

Les risques d’incendie et d’explosion viennent en seconde position en termes de pourcentage

d’occurrence (52%). A l’origine de l’occurrence de ces deux risques figurent 13 ESDs (cf.
tableau 4.1). Ce pourcentage montre le lien étroit entre les occurrences des incendies et les
explosions. En effet, souvent un incendie dans un site industriel provoque une explosion et
vice-versa.

Enfin, le tableau 4.1 montre que pour le risque de dégâts humains, le personnel du port étudié
est exposé à des accidents dont l’occurrence est plus réduite que les risques précédents (32%).

83
Ces ESDs sont ensuite hiérarchisés en ordre croissant de leur criticité. Cette hiérarchisation
est matérialisée grâce à une grille de criticité des risques à quatre niveaux (Figure 4.5).
Dans cette grille, l’’axe vertical représente la gravité occasionnée par l’avènement des ESDs.
L’échelle de cette gravité est échelonné du tolérable (G = 1) au catastrophique (G = 4).
L’axe horizontal représente les fréquences d’occurrences des ESDs. Pour rappel, ces
occurrences sont aléatoires mais les fréquences d’apparition de certains d’entre eux sontplus
grandes que d’autres. La hiérarchisation des ESDs selon leurs fréquences d’occurrence est
réalisée dans cette étude en référence au retour d’expérience sur les accidents majeurs
survenus dans les ports algériens et dans le monde.

Seriousness

3
Very dangerous events

Shock, corrosion, connection error,

Human error, sabotage

faultyelectric grounding, MR

2
Dangerous events

diminution, leakage

arms, product leak, climate

Less dangerous events
Breaking of the loading

change, thermal flow,

degassing

1
Tolerable Events
Wear, level detectors failure, fire nearby, valves
failure, suppression, worn or rigid mooring line,
wear of scales, tiredness, lack of training,
dangerous context, vessels’ movement, filling
error

2/25 6/25 5/25 12/25

Occurrence
Source : (Smaiah and Bahmed, 2017).
Figure 4.5 : Amplitudes des effets domino de l’exemple d’application.

D’après la figure 4.5 on distingue 4 catégories de classification des ESDs (Smaiah and
Bahmed, 2017) :

- Catégorie 1 dite tolérable caractérisée par la facilité d’endiguer les effets des ESDsdu
faitqu’ils ne causent qu’un seul accident (pollution, incendie, explosion, ou dégâts
humains).
- Catégorie 2 dite dangereuse matérialisée par l’occurrence des couples d’accidents.
Dans ce contexte, trois couples d’accidents ont été identifié :
o Couple (Pollution, Incendie) identifié trois fois et dont les causes sont : rupture
des bras de branchement, écoulement de produit et catastrophes naturelles ;
o Couple (Pollution, Explosion) identifié une fois pour cause d’un mauvais
dégazage ;
o Couple (Incendie, Explosion) identifié également une fois pour cause d’un flux
thermique.

84
 - Catégorie 3 qualifiée de très dangereuse matérialisée par l’occurrence séquentielle de
trois d’accidents. Dans ce contexte, deux triplets d’accidents ont été identifié :
o Triplet (Pollution, Incendie, Explosion) identifié cinq fois et dont les causes
sont : choc, corrosion, erreur de branchement, fuite de toute nature et
diminution des résistances des matériaux ;
o Triplet (Incendie, Explosion, Dégâts humains) identifié une seule fois pour
cause de la mauvaise mise à terre.
- Catégorie 4 considérée comme catastrophique pour cause d’occurrence séquentielle
de quatre accidents. Dans ce contexte, un quadruplet d’accidents (Pollution, Incendie,
Explosion, Dégâts humains) est identifié pour causes : de sabotage et d’erreurs
humaines.

B. Modélisation des processus de dangers

La modélisation des processus de dangers permet d’obtenir les digraphes des cinq sous-
systèmes qui sont fournis par la figure 4.6.

(DG-SS1) (DG-SS2)

(DG-SS3)

(DG-SS5)
(DG-SS4)

Source : (Smaiah et al, 2017).

Figure 4.6 : Digraphe des sous-systèmes de l’exemple d’application.

Cette représentation graphique remplace les 5 boites noires des mêmes 5 sous-système étudiés
par la méthode MADS-MOSAR dans son étape « identification des scénarios d’accident » -
module A- (Smaiah et Benharket, 2011), c’est dans cette représentation graphique que réside
l’intérêt d’améliorer la méthode MADS-MOSAR par la substitution des boites noires par des
graphes orientés inspirés de la théorie des graphes.

85
Un autre intérêt de cette représentation graphique, c’est de donner une spécificité à touts les
ESDs probables cités dans le tableau 4.1, alors ces ESDs devront ensuite répartis en trois
types : Source, Flux et Cible de danger.

D’autres évènements sont rajoutés dans la figure 4.6 selon le besoin de notre étude de cas et
en fonction de notre décomposition systémique.

Toutes les abréviations citées dans la figure 4.6 sont résumées par le tableau 4.2.

Tableau 4.2 : Signification des abréviations citées dans la figure 4.6.

Source : (Smaiah et al, 2017).
Sous-système Source et/ou cible de danger Flux de danger
SS1 DV = Dysfonctionnement des Vannes Ft = Fuite
DP = Diversement de Produit FH = Flux tHermique
Ic = Incendie Pj = Projectiles
Ex = Explosion
Dg = Dégâts
SS2 Ch = Choc RC = Rupture de Canalisation
MB = Mauvais Branchement FH = Flux tHermique
DP = Diversement de Produit Pj = Projectiles
Ic = Incendie
Ex = Explosion
Dg = Dégâts
SS3 DN = Déséquilibre du Navire MN = Mouvement du Navire
FC = Fissure de la coque Ft = Fuite
DP = Diversement de Produit FH = Flux tHermique
Ic = Incendie Pj = Projectiles
Ex = Explosion
Dg = Dégâts
SS4 MF= Manque de Formation EH = Erreur Humaine
FS = Fatigue & stresse FH = Flux tHermique
ANC = Action Non Conforme
MB = Mauvais Branchement
SS5 TO = Tempête&Orage MP = Mer Perturbée
GV =Grandes Vagues

C. Fusion des digraphes en un seul digraphe

L’application de l’algorithme présenté dans la section 3.2-1-C du chapitre3 permet de

fusionner tous les nœuds dits identiques (figure 4.7).

Le digraphe global est ensuite complété par action sur le nœud GV qui n’est pas saturé
compte tenu des relations entre les différents sous-systèmes (cf. l’expression RSS5 dans la
relation 9).

86
 MN

Ft

MN
MN

Source: (Smaiah et al, 2017).

Figure 4.7 : Digraphe global des effets dominos de l’exemple d’application.

Par application de la relation (7), nous remarquons que le digraphe global de la figure 4.7 est
du type 3-appliqué car le cardinal du dictionnaire des nœuds suivants du nœud GV est égal à
trois.

A partir de ce digraphe global, nous déduisons les scénarios regroupés dans le tableau 4.3.

Tableau 4.3 : Scénarios associés au digraphe de la figure 4.7.

Source: (Smaiah et al, 2017).
Scenario 1 = MF-ANC-MB-Ic- Ex-Dg Scenario 7 = DN-FC-DP- Ex-Dg
Scenario 2 = DV-DP-Ic- Ex-Dg Scenario 8 = TO-GV- FC-DP-Ic- Ex-Dg
Scenario 3 = DV-DP-Ex-Dg Scenario 9 = TO-GV- FC-DP-Ex-Dg
Scenario 4 = Ch-DP-Ic- Ex-Dg Scenario 10 = TO-GV-DP-Ic- Ex-Dg
Scenario 5 = Ch-DP-Ex-Dg Scenario 11 = TO-GV-DP-Ex-Dg
Scenario 6 = DN-FC-DP-Ic- Ex-Dg Scenario 12 = TO-GV-FS- ANC-MB-Ic- Ex-Dg
En se basant sur les caractéristiques des effets dominos, l’analyse de ces scénarios est
résumée par le tableau suivant.

Tableau 4.4 : Synthèse de l’analyse des effets dominos de la figure 4.7.

Source: (Smaiah et al, 2017).
Scénario Nature de Nb. SSi impactés Intensification des conséquences
l’évent. 1aire d’effets des effets dominos
dominos
1 Humain 5 4 Intense
2 Technique 4 2 Moins intense
3 Technique 3 2 Moins intense
4 Technique 4 4 Intense
5 Technique 3 4 Intense
6 Technique/ 5 4 Intense

87
 organisationnel
7 Technique/ 4 4 Intense
organisationnel
8 Naturel 6 5 très intense
9 Naturel 5 5 très intense
10 Naturel 5 5 très intense
11 Naturel 4 5 très intense
12 Naturel 7 5 très intense

3.3-3. Exploration du digraphe global

D’après le tableau précédent, nous déduisons le scénario le plus critique qu’est le

scénario 12 où l’effet domino est de niveau 7 et il touche les 5 sous-systèmes avec des
conséquences très intenses. L’AdE correspondant à ce scénario d’accident est représentée par
la figure 4.8.

Evènement 1er effet 2ndeffet 3rd effet 5th effet 6theffet 7theffet
4th effet
initiateur domino domino domino domino domino domino
domino

Scénario
critique

Source : (Smaiah et al, 2017).

Figure 4.8 : L’AdE correspondant au scénario critique.

L’AdD correspondant à ce scénario critique est représentée par la figure 4.9.

88
 FIRE

Leakage Source of ignition

Lk

BC OP Electrostatic

Others

spark
TS Over flow of Failure of
LT the tank grounding
Rupture ignition
of the
tank

atmospheric Loading
conditions not stoped
(Sm)
Source : (Smaiah et al, 2017).
Figure 4.9 : L’AdD correspondant au scénario critique.

L’analyse multicritères des scénarios caractérisant les effets dominos nous a permis de
déduire le scénario critique (n°12, dans notre cas) dont la nature de l’évènement initiateur est
humaine ; ce qui confirme l’intérêt de considérer les erreurs humaines dans l’analyse des
effets dominos. Compte tenu de ce constat, il est nécessaire de renforcer les Barrières de
sécurité Techniques (BT) dédiés aux flux Ft et FH (dont les sources de dangers correspondent
aux dysfonctionnements matériels) par des Barrières d’Utilisation (BU) destinées à maitriser
les erreurs humaines.

Le choix entre ces deux types de barrières de sécurité s’effectue en se référant aux objectifs de
sécurité et de la criticité des scénarios. Pour le cas du scénario critique, nous retenons : 7BU
et 5 BT.

89
 Probabilité

Sc4/Sc5 Sc8/Sc9
4 Sc6/Sc7 12 16
3 6 Sc1 Sc12
9 12

6 Sc10/Sc11

2 4 Sc2/Sc3 8
3
1 2 4

Gravité
Source : (Smaiah et al, 2017).
Figure 4.10 : Grille de négociation des objectifs de sécurité.

La capitalisation du digraphe global par l’arbre d’évènements permet de représenter de

manière concise les effets dominos. Mieux encore, une exploration horizontale de l’AdE
permet d’allouer les barrières retenues sur les différents effets dominos moyennant l’usage de
la stratégie suivante :

SCi = ED1 ED2 … EDi

NBS = PBS + QBS + … + ZBS .

Tel que: N = P + Q + …+ Z.
Avec: SCi est le ième scenario, EDi est le ième effet domino et NBS est le nombre des barrières
de sécurité.
Pour le cas du scenario 12, on obtien:
𝑆𝐶12 = 𝐸𝐷𝐼 ∩ 𝐸𝐷2 ∩ 𝐸𝐷3 ∩ 𝐸𝐷4 ∩ 𝐸𝐷5 ∩ 𝐸𝐷6 ∩ 𝐸𝐷7
{
8 = 2𝑇𝐵 + 1𝑈𝐵 + 1𝑈𝐵 + 1𝑈𝐵 + 1𝑇𝐵 + 1𝑇𝐵 + 1𝑇𝐵

Un autre apport de la méthode proposée dans cette étude est la possibilité d’affiner un effet
domino par exploration verticale des différents niveaux de l’AdE. En effet, il suffit de
considérer un effet domino d’un niveau donné sous forme d’un évènement redouté (ENS) et
d’élaborer son Arbre de Défaillances.

Cette double exploration de l’AdE à l’horizontal et à la verticale permet de réussir l’allocation

des barrières de protection (sur les effets dominos) et les barrières de prévention (sur les
causes d’un effet domino).

90
 4.4- Quantification de la probabilité d’occurrence des effets domino
4.4-1.Description structurelle et comportementale

Pour rappel, la raffinerie étudiée constitue un système industriel S composés de cinq

sous-systèmes suivants :SS1 = Bacs de stockage; SS2 =Bras de chargement; SS3-4 : Navire
citernes (3) et opérateur (4);SS5 = Environnement (mer et terre ferme).

Les EvRs constituent un ensemble V que nous détaillons en sous- ensembles (Vss1, Vss2,
Vss3-4, et Vss5) dont les intersections peuvent ne pas être vides.

4.4-2. Capitalisation des évènements redoutés

La liste des EvRs probables qui peuvent se déclencher dans les sous-systèmes de la raffinerie
est représentée par le tableau 4.4.

Tableau 4.5: Tableau des évènements redoutés probables.

Source : (EPA, 2015).
Symbole Dénomination Vss1 Vss2 Vss3-4 Vss5 Notation 
d1 Flux thermique    3
d2 Entré d’air  1
d3 Sabotage    3
d4 Givrage  1
d5 Disfonctionnement des vannes   2
d6 Défaillance des détecteurs   2
d7 Malveillance   1
d8 Usure de l’échelle   2
d9 Erreur de remplissage    3
d10 Mauvaise mise à froid   2
d11 Incendie à proximité  1
d12 Diminution des RDM  1
d13 Choc    3
c1 Explosion     4
c2 Fuite GPL     4
c3 Fuite enflammée   2
c4 Energie cinétique  1
c5 Surpression    3
c7 Accès en hauteur  1
c8 Surcharge des bacs    3
c9 Vaporisation rapide   2
c10 Ecoulement du produit    3
q2 Erreur humaine   2
q3 Mauvais branchement  1
q4 Mouvement du navire   2
r1 Rupture  1
r2 Développement d’un incendie   2
t3 Conditions atmosphériques  1
t4 Citerne non dégazée  1
h1 Blessure  1
i1 Manque de formation
i2 Respect des consignes
i3 Inattention
i4 Evènement extérieur inhabituel

91
 i5 Fatigue& stress
i6 Contexte dangereux
k1 Action non conforme
k2 Perte de contrôle
k3 Geste maladroit
f1 Inondation  1
f2 Séisme  1
f3 Tempête et orage  1
f4 Foudre  1
m1 Débit d’eau  1
m2 Déstabilisation du navire  1
m3 Destruction, submersion  1
m4 Electricité statique  1
Total (%) 22(56) 14(37) 21(55) 10 )

Signalons que les EvRs du tableau 4.5 nous ont été communiqués par les responsables de la
sécurité de la raffinerie lors de notre stage pratique dans cette raffinerie en 2014. Notons
également que les symboles adoptés dans ce tableau sont personnels et résument les EvRs
associés aux sous-systèmes de l’installation. Pour rappel, ces EvRs ont été déduit d’une étude
antérieure du même système par la méthode MADS-MOSAR (Smaiah et Benharket, 2011).

Signalons également que neuf EvRs(de i1 à i6 et de k1 à k3) du tableau 1 ne sont pris en

considération car ils sont reliés aux opérateurs SS4 inclus dans le navire (SS3). En
conséquence, tout EvR de cette catégorie est considéré comme évènement de SS 3-4 et sont,
donc, agrégés en un seul EvR qu’est q2relatif à l’erreur humaine.

Par ailleurs, un examen des EvRs du tableau 1 montre qu’ils sont en nombre de 38 et qui
peuvent être répartis en quatre classes :

- Ceux qui ne touchent qu’un seul sous-système ( = 1) et éventuellement ne

déclenchent pas d’effet domino. Les EvR de cette classe, qui sont en nombre de 20,
représente 53%des EvRs probables dans la raffinerie étudiée ;
- Ceux qui touchent deux sous-systèmes ( = 2) et sont susceptibles de déclencher un
effet domino. Le nombre des EvR de cette classe est égal à 9soit 24% des EvRs
probables identifiés ;
- Ceux qui touchent trois sous-systèmes ( = 3) et déclenche un effet domino dangereux
au niveau des 3 sous-systèmes. Le nombre des EvR de cette classe est égal à 7soit
18% des EvRs probables identifiés ;
- Ceux qui touchent tous les sous-systèmes et déclenchent un effet domino
catastrophique. Le nombre des EvR de cette classe est égal à 2soit 5% des EvRs
probables identifiés.

4.4-3. Elaboration d’un diagramme ensembliste

Conformément aux étapes de la méthode proposée, le tableau4.5 est représenté sous

forme d’un diagramme ensembliste. L’univers complet est constitué de 4 parties que nous
divisons en deux ensembles :

V = VSS1U VSS2U VSS3 U Vss5

92
 VG = VSS1U VSS2U VSS3

L’équation (5) permet d’écrire :

G = {SS1, SS2, SS3}

Dans la suite de cette étude nous nous limitons à l’ensemble VG afin d’exclure les EvRs
d’ordre naturel ou autres qui nécessitent une recherche plurisectorielle (services de :
météorologie, marine, la sûreté, …).

La représentation du tableau 4.5 sous forme d’un diagramme ensembliste est fourni par la
figure 4.11 où les sous-ensembles Vss1, Vss2, Vss3-4 et Vss5 sont mis sous forme de
diagramme de VENN.

u1

Source : (Réalisé par nos soins).

Figure 4.11 : Diagramme de VENN des intersections des ensembles VSS1, VSS2, et VSS3.

Dans le diagramme de la figure 4.11, les trente EvRs de l’ensemble VG sont délimités par le
rectangle et les trois patatoïdes représentent VSS1, VSS2 et VSS3.

4.4-4. Déduction des amplitudes des effets dominos

Pour la déduction des amplitudes des effets dominos, nous appuyons sur les valeurs
 caractérisant les EvRP du tableau 4.5 qui permettent de quantifier les effets dominos

93
possibles sur la raffinerie étudiée dans une échelle de quatre amplitudes de degrés 1, 2, 3, et 4
(figure 4.12).
EvR

20

Aux sous systèmes C local

CED
ED interne aux sous-systèmes
(Local)

7 CEvR
Sous-systèmes
ED touche 2

Sous–systèmes
ED touche 3

2
ED touche 4
sous-systèmes
ED
Amplitude I Amplitude II Amplitude III Amplitude IV

Source : (Réalisé par nos soins).

Figure 4.12 : Amplitude des effets dominos dans la raffinerie étudiée.

Dans la figure 4.12 nous remarquons que les évènements redoutés en décroissant d’une
amplitude à une autre augmentent la gravité de l’effet domino probable. Cette décroissance
signifie que l’occurrence de l’effet domino est très rare car théoriquement il est très possible
de contrôler les EvRs causant l’effet domino de degré 3 et 4 vue leur nombre réduit.

Dans le cas de la raffinerie étudiée, ils sont au nombre de neuf et leur liste est fournie ci-après
par ordre décroissant de gravité : amplitude 4 (explosion, et fuite de GPL) et amplitude 3 (flux
thermique, sabotage, erreur de remplissage, choc, surpression, surcharge des bacs, et
écoulement de produit).

Pour une meilleure exploitation de la figure 4.12 et afin d’assurer une meilleure lecture des
courbes CED et CEvR nous retenons l’unité de mesure u=1 cm et la largeur des rectangles
l = 2 cm. Les longueurs sont proportionnelles au nombre des EvRs apparaissant dans chaque
amplitude sachant qu’un EvR est égale à 0.4 cm, d’où les longueurs des quatre
amplitudes :Lampl1=0.4×20=8cm ;Lampl2=0.4×9=3.6cm ;Lampl3 = 0.4×7=2.8cm et Lampl4
=0.4×2=0.8cm.

La surface totale des quatre rectangles est S = (16 + 7.2 + 5.6 + 1.6) cm2= 30.4 cm2.

A partir de la valeur de cette surface, il est possible de déduire le coefficient multiplicateur

pour déduire les pourcentages des surfaces des rectangles des quatre amplitudes (). En effet,

94
si la surface S représente 100% de la surface alors 1cm2= correspond à 100/30.4 soit 3.29% de
la surface totale. D’où les pourcentages recherchés :

• ampl1 =16×3.29=52,64% ;
• ampl2=7.2×3.29=23,68% ;
• ampl3 =5.6×3.29=18,42% et
• ampl 4=1.6×3.29=05,26%.

4.4-5. Elaboration de l’espace probabilisable

Enfin l’application de la dernière étape de la méthode proposée afin d’élaborer l’espace

probabilisable (V, T (V)) débute par la partition du site de la raffinerie étudiée en quatre sous-
ensembles (SS1, SS2, SS3+4 et SS5) dont les connections sont représentées par la figure 4.13 où
l’arête (SSi, SSj) signifie que ces sous-systèmes ont en commun le même évènement redouté
probable.

SS3-4
SS3
SS1

SS5

SS2 SS4

Source : (Réalisé par nos soins).

Figure 4.13 : Graphe de répartition des EvRP.
Cette dernière étape est ensuite complétée par les opérations suivantes :

i- Elaboration de l’univers des EvRs : pour cela, nous considérons l’ensemble V des
EvRs probables. Notons que pour réduire le cardinal de l’univers V, nous considérons
uniquement les EvR de SS3 avec l’hypothèse que SS4 est constitué de ressources
humaines assez compétentes pour éviter les EvRs pouvant se déclencher au niveau du
SS4.
Nous rappelons également que dans le tableau 1 relatif aux EvRs, le cardinal de
l’ensemble V est égal à 38. En conséquence, nous aurons : Car dP(V)= 238.
Ce résultat signifie que le travail avec la tribu P(V) est quelque peu fastidieux. Pour
remédier à cette valeur très grande, nous supprimons les EvRs relatifs à SS4. De
même, les EvR affectant le SS5 ne sont pas pris en considération parce que SS5 est
considéré comme absorbant de tous les EvRs apparaissant dans G. Autrement dit, le
sous-système SS5 apparait comme le réceptacle de tous les EvRs.
Avec ces nouvelles hypothèses, nous obtenons :
VG = VSS1U VSS2U VSS3
Avec Card (VG)= 30.

95
 ii- Diagramme de VENN représentant VG : nous rappelons que dans la figure 4.13, un
arc reliant deux sommets SSi et SSj signifie que VSSi ∩ VSSj ≠ Ø. La pondération des
arcs par un coefficient k tel que k = Card (VSSi∩VSSj) nous permet d’obtenir le graphe
de la figure 4.13 où les variables i et j varient dans l’intervalle[1, 2, 3].

iii- Tribu engendrée par VG : dans le diagramme de VENN de la figure 4.11, les sous-
ensembles bi (i = 1..8) permettent d’écrire :

∑7𝑖=1 𝐶𝑎𝑟𝑑 (b𝑖 ) = 𝐶𝑎𝑟𝑑 (𝑉𝐺 ) = 30

∑7𝑖=1 𝐶𝑎𝑟𝑑 (b𝑖 ) + 𝐶𝑎𝑟𝑑 (b8 ) = 𝐶𝑎𝑟𝑑 (𝑉) = 38

Avec : b1 = {d2, d4, d7, d11, d12, c4, c7} ; b2 = {r1, q3} ; b3 = {t ;, t4, h1}, b4 = Ø ;
b5 = {d5, d6, d8, d10, c3, c9} ; b6 = {q2, q4, r2} ; b7 = {d1, d3, d9, d13, c1, c2, c5, c8, c10} ;
b8 = {f1, f2, f3, f4, m1, m2, m3, m4}.
De plus,∀ i є I CN*, ∀ j є I CN* (I ={1, 2, 3, 4, 5, 6, 7, 8}), et avec i ≠ j,nous avons
:bi ∩ bj = Ø.
Donc: B' = {b1, b2, b3, b4, b5, b6,b7, b8} constitue une partition de V
B = {b1, b2, b3, b4, b5, b6,b7} constitue une partition VG
Etant donné que b4 = Ø, alors B = {b1, b2, b3, b5, b6,b7} est la tribu T engendrée par
VG qu’est la même tribu T engendrée par B. Cette tribu contient 26 = 64 évènements
et l’espace probabilisable est le suivant :
E = (VG, T (B))

iv- Construction d’une mesure permettant la déduction des probabilités d’occurrence des
effets dominos par le biais des relations suivantes :
P
𝒯(𝐵) [0, 1]
𝑐𝑎𝑟𝑑𝐴 𝑐𝑎𝑟𝑑𝐴
A P (A) = =
𝑐𝑎𝑟𝑑𝑉𝐺 30
D’où les probabilités recherchées (Tableau 4.6).

Tableau 4.6 : Probabilités des effets domino dans la raffinerie étudiée.

Source : (Réalisé par nos soins).
EvR Occurrence de l’effet domino ED Probabilité Taux
B1 ED à l’intérieur de SS1 7/30 ~ 0.23 23%
B2 ED à l’intérieur de SS2 2/30 ~ 0.07 7%
B3 ED à l’intérieur de SS3 3/30 ~ 0.10 10%
B5 ED entre SS1 et SS3 6/30 ~ 0.20 20%
B6 ED entre SS2 et SS3 3/30 ~ 0.10 10%
B7 ED entre SS1 , SS2 et SS3 8/30 ~ 0.30 30%
Total 100%
4.5- Commentaires et discussions des résultats de l’étude des effets dominos du port
étudié
La complexité du phénomène d’effet domino, d’une part, et l’ampleur de ses
conséquences, d’autre part, nous ont incités à proposer sa modélisation par un outil
mathématique des ensembles.

96
Les résultats obtenus permettent d’illustrer l’efficacité de l’outil proposé notamment le
diagramme de VENN partitionné en 2 sous-ensembles A (ensembles des ESDs) et B
(ensemble des EvRs) dont l’intersection est vide.

Cette représentation ensembliste nous a permis d’étudier l’intersection, la réunion et les

partitions de tous les diagrammes du triptyque « source de danger  flux de dangers  cible
de danger » qui caractérisent la raffinerie étudiée ce qui a permet de dégager les EvRs
communs à tous les sous-sites qui constituent à notre point de vue une première facilité de
prévoir d’où peut démarrer un effet domino sans aucune étude additive, cela signifie que
l’utilisation du langage des ensembles a permet une classification plus précise des EvRsquel
que soit leurs nature. Cet outil mathématique a permet une approche globale mais précise de
l’effet domino.

A ce propos, nous signalons que les EvRP de notation 1 sont technologiquement gérable au
niveau des sous-systèmes SS1, SS2, et SS3-4, mais ils sont de caractère imprévisible s’ils se
déclenchent au niveau du SS5, car difficilement gérables et provoquent souvent la panique qui
est une forme d’effet domino très catastrophique.

Nous signalons également qu’au niveau de l’amplitude 4 (cf. figure 4.12) malgré le nombre
réduit des EvRP les conséquences de destruction de l’effet domino sont dévastatrices.
Heureusement que la probabilité de l’avènement d’un effet domino d’amplitude 4 est très
réduite par rapport aux amplitudes des effets dominos.

Les résultats présentés dans la section précédente montre que le nombre des EvRPs
déclenchant un effet domino d’amplitude 2 est 9. Ils sont répartis comme suit :6 EvRP qui
touchent le couple « SS1 et SS3-4 » (c.-à-d., ils concernent le navire et les bacs de la raffinerie
étudiée) et 3 EvRPs qui touchent le couple « SS2, SS3-4 » (c.-à-d., ils concernent le navire et
les bras de chargement de la raffinerie étudiée).

Dans les deux cas nous retrouvons le navire qui constitue, en conséquence, la partie la plus
vulnérable exposée aux effets dominos.

Dans ce contexte, les résultats obtenus montrent que la partie névralgique de la raffinerie
étudiée est la partie relative aux sous-systèmes qui partagent le plus grand nombre d’EvRs qui
sont les bacs de stockage (SS1) et le navire (SS3) pour la simple raison qu’ils sont tous les
deux des réceptacles de matières dangereuse : l’un en terre ferme et l’autre en mer.

De même et malgré la connexité technique entre ces deux sous-systèmes SS1 et SS2 ils ne sont
pas le lieu du même EvR, c’est ce qui explique la relation suivante :

VSS1∩ VSS2 = Ø

Une autre remarque importante relative au couple « SS1, SS2 » est que l’effet domino
d’amplitude 2 n’apparait pas dans ce couple de sous-systèmes et en cas de son occurrence, il
se propage au sous-système SS3-4 et devient, par voie de conséquence, un effet domino
d’amplitude 3, car le sous-système SS2assure la connexion des sous-systèmes SS1 et SS3-4.

97
Par ailleurs, une analyse du diagramme de la figure 4.11 permet de retenir huit intersections
(b1, b2, b3, b4, b5, b6, b7, et b8) que nous construisons comme suit :

- L’intervalle d’indexation est I = {1,2,3} ;

- L’intersection est donc VSS1∩ VSS2∩ VSS3 ;
- P (I) = {Ø,{1}, {2}, {3}, {1,2}, {1,3}, {2,3}, {1,2,3} } ;
- I est partitionné en 2 sous-ensembles J et son complémentaire ∁I J ;
- Dans l’intersection des 3 ensembles si l’index est dans « J », nous prenons l’ensemble
en question, mais si l’index est dans « ∁I J », nous prenons les complémentaires
dans V.
Ainsi, nous aurons les cas suivants :

- si J = {1}, et ∁I J = {2,3}, b1= VSS1 ∩ ∁V SS2 ∩ ∁V SS3

- si J = {2}, et ∁I J = {1,3}, b2= VSS2 ∩ ∁V SS1 ∩ ∁V SS3
- si J = {3}, et ∁I J = {1,2}, b3= VSS3 ∩ ∁V SS1 ∩ ∁V SS2
- si J = {1,2}, et ∁I J = {3}, b4= VSS1 ∩ V SS2 ∩ ∁V SS3.

Et ainsi de suite jusqu’à b8, sachant que certaines intersections peuvent être vides.

Conclusion

D’un point de vue pratique, le modèle SMAR présenté dans les chapitres 3 et 4 a le
mérite d’intégrer l’analyse des risques ainsi que leurs évaluations qualitatives et semi-
quantitatives. Son application au terminal Bethioua-Algérie a permis d’identifier les
évènements sources des effets domino ainsi que leurs natures. Le séquencement des effets
dominos présentés dans cette étude a fait l’objet d’une exploration de manière anticipative
afin de s’opposer dans la mesure du possible aux propagations et à l’amplification des
évènements initiateurs des effets dominos.

D’un point de vue contextuel, le management des risques cadré par SMAR permet de gérer le
système étudié dans son ensemble pour assurer sa performance et sa pérennité. L’idée de
s’intéresser aux effets domino est d’illustrer la nécessité de prendre en compte que la
défaillance d'un processus est capable d’amplifier le danger et de provoquer des événements
non souhaités parmi les autres processus du système. Dans ce contexte, la performance d’une
organisation doit être perçue comme une spirale. Ainsi, une action sur une étape du
processus de management des risques permet d’améliorer, en partie, cette performance.

Les apports multiples de la méthodologie suggérée pour la modélisation des effets domino
sont discutés dans cette étude et d’autres apports peuvent être envisagés. C’est le cas,
d’ailleurs, de la transformation du digraphe global sous forme d’un réseau probabiliste où
chaque flux de danger est quantifié par un couple de probabilité et de durée : sa probabilité
d’occurrence et la durée de déclanchement de l’effet domino au niveau des cibles qui lui sont
associées dans le réseau.

Autre perspective projetée au modèle SMAR, c’est de se focaliser sur la pérennisation de la

spirale du management des risques en termes d’efforts fournis par les acteurs du terrain.
L’évaluation des efforts de pérennisation est, à notre avis, un bon indicateur de performance
du SMAR.

98
 Conclusion générale

L’Algérie exploite, transforme, et transporte les produits du secteur pétrochimique,

produits très dangereux, et il est temps que les responsables de ce secteur adopte une vision
éco-sensible (Boubaker et al, 2012). De même, il est opportun de renforcer les liens avec tous
les acteurs qui activent dans le domaine de la prévention industrielle notamment les
universitaires pour une meilleure conception des protocoles de sécurité, c’est-à-dire un
ensemble de règles établies managérialement par des experts dans la gestion et la prévention
des risques industriels (Bahmed et Smaiah, 2012).

Ces orientations s’imposent car les constructions navales, leurs perfectionnements et l’apport
des nouvelles technologies rendent la navigation maritime plus dense et plus rapide. En effet,
les bateaux à grande vitesse, malgré leur gros tonnage, sont devenus des moyens de
commerce très efficaces, ces grandes vitesses sont à l’origine de nouveau facteur de risques
qu’il faut prendre en considération dans la sécurité maritime.

A propos de cette sécurité maritime, il est à signaler que beaucoup de travaux portant sur
l’analyse des risques et les systèmes de management ont vu le jour ces deux dernières
décennies dont le but est d’assurer une sécurité maritime maximale, parce que le souci
sécuritaire est devenu une préoccupation internationale.

Parmi les méthodes d’analyse des risques maritimes qui ont connu une large utilisation dans
le domaine maritime, citons MADS-MOSAR que nous avons retenu comme un cadre de nos
contributions présentées dans ce manuscrit de thèse de doctorat.

L’apport de la théorie des graphes est une suite logique de l’apport global de la théorie des
ensembles, en ce sens qu’il procède d’une manière plus fine en étudiant plus précisément les
intersections entre les éléments des sous-ensembles A et B de chaque boite noire VSSi , ainsi
une 2ème représentation de la boite noire sous forme d’un digraphe ou les sommets sont les
évènements et les liaisons entre eux signifient le déclenchement d’un évènement par un autre.
Ainsi apparait les sommets les plus critiques grâce à la notion des degrés, ceci nous permet de
trier à l’intérieur de la boite noire les EvRs les plus dangereux sources d’effet domino.

L’ensemble des résultats présentés dans les chapitres précédents montre que la méthode
MADS-MOSAR constitue, en plus de son usage répondu dans tous les domaines industriels,
un champ d’exploration et d’investigation très pertinent.

En conséquence, la suite de nos travaux de recherche que nous projetons comme perspective
de ce modeste travail s’annonce encore plus pertinente dans le sens où nous projetons à titre
d’indication de quantifier les cheminements des effets dominos par des approches
déterministes (durées des effets dominos) et probabilistes (probabilités d’occurrences de ces
effets).

99
Dans ce contexte, nous envisageons d’explorer encore plus profondément la théorie des
graphes notamment les algorithmes du chemin le plus court pour quantifier les effets domino
et une autre piste de recherche concerne les réseaux bayésiens qui permettent également de
modéliser ce phénomène complexe d’effets domino.

Toujours dans le contexte de la théorie des graphes, nous pouvons proposer une nouvelle
réflexion basée sur l’étude de récupération représentée par le retour du flux de danger dans les
arcs.

Une autre perspective peut être envisagée, c’est la prendre en considération du facteur humain
comme étude spécifique, par exemple l’étude de panique causée par un effet domino qui peut
surement augmenter l’ampleur de ce phénomène catastrophique.

Une dernière perspective qui réside dans une autre approche de calcul des taux des effets
domino pour valider les résultats obtenus lors de la première approche, par exemple
l’approche fréquentielle pour le calcul des probabilité.

100
 Références bibliographiques

Articles :

Abdolhamidzadeh B., Abbasi T., Rashtchian D. and Abbasi S. A., (2010), «A new method
for assessing domino effect in chemical process industry», Journal of Hazardous
Materials, 182(1-3), pp.416-426.
Antonioni G., Spadoni G. and Cozzani V., (2007), «A methodology for the quantitative
risk assessment of major accidents triggered by seismic events», Journal of
Hazardous Materials, 147, pp 48-59.
Arena M., Arnaboldi M. and Azzone G., (2010), «The organizational dynamics of
Enterprise Risk Management», Journal of Accounting, Organizations and Society,
Elsevier Group Publishing, 7(35), pp 659–675.
Bagster D.F. and Pitblado R.M., (1991), «The Estimation of Domino Incident
Frequencies- An Approach», Journal of TransI ChemE,69, pp:195-199.
Bahman A., Tasneem A., Rashtchian D. and Abbasi S., (2010), «A new method for
assessing Domino effect in chemical process industry», Journal of Hazardous
Materials 182, pp 416-426.
Bassetto S., Siadat A. and Tollenaere M., (2011), «The management of process control
deployment using interactions in risk analyses », Journal of Loss Prevention in the
Process Industries, Elsevier Groupe Publishing, 24(4), pp 458-465.
Berg E., Knudsen D. and Norrman A., (2008) «Assessing performance of supply chain
risk management programmes: a tentative approach», Journal of Risk Assessment
and Management, Inderscience publishers, 9(3), pp 288-310.
Bjegra T. and Aven T. (2015), «Adaptive riskmanagement using new risk perspectives –
an example from the oil and gas industry», Journal of Reliability Engineering and
System Safety, 134(1), pp 75-82.
Bouzaher A., Bahmed L., Furusho M. and Fedila M., (2015), «Designing a Risk
Assessment Matrix for Algerian Port Operations», Journal of Failure Analysis and
Prevention .Springer. ISSN 1547-7029, 15(6), pp 860-867.
Chettouh S., Hamzi R. and Benaroua K., (2016) «Examination of fire and related
accidents in Skikda Oil Refinery for the period 2002–2013», Journal of Loss
Prevention in the Process Industries, 4(5), pp 186-193.
Christian D., Cécile F., Aurore P. and Bruno D., (2006), «ARAMIS project: A
comprehensive methodology for the identification of reference accident scenarios in
process industries», Journal of Hazardous Materials 130, pp 200-219.
Chung C.C. and Her M.T., (2013), « Port State Control Perception of the Safe
Management of Bulk Carriers », International Forum on Shipping, Ports and
Airports (IFSPA) 2013: Trade, Supply Chain Activities and Transport:
Contemporary Logistics and Maritime, Hong Kong Polytechnic University, China.
pp.2- 3.
Claude M., (2010), « les inondations du 15 juin 2010 dans le centre var : Réflexion sur
un épisode exceptionnel », Études de Géographie Physique, p. 41-76.

101
Cozzani V., Antonioni G. and Spadoni G., (2006), «Quantitative assessment of domino
scenarios by a GIS-based software tool», Journal of Loss Prevention in the Process
Industries 19, pp 463-477.
Cozzani V. and Salzano E., (2004), «Threshold values for domino effects caused by blast
wave interaction with process equipment», Journal of Loss Prevention in the Process
Industries 17(6), pp 437- 447.
Damienne P., (2005), « Un exemple d'effets de dominos : la panique dans les
catastrophes urbaines », Tech. rep., Cybergeo :European Journal of Geography
Systèmes Modélisation Géostatistiques, document 328.
Demichela M. and Camuncoli G., (2014), «Risk based decision making. Discussion on
two methodological milestones », Journal of Loss Prevention in the Process
Industries,28(4), pp101-108.
Esteban J.B., Vílchez J.A. and Arnaldos J., (2013), «A model for estimating the impact of
the domino effect on accident frequencies in quantitative risk assessments of storage
facilities», Journal of Process Safety and Environmental Protection, 91(6), pp 423–
437.
Fransas, A., Nieminen, E., Salokorpi, M. and Rytkönen, J., (2012), «Maritime safety and
security; Literature review », Kymenlaakson ammattikorkeakoulu. University of
Applied Sciences. Nro: 77.ISSN: 1239-9094, p12.
Gattuso D., Napoli S. and Meduri G., (2009), « Safety of the navigation in congested
maritime area», Journal of European Transport, 42, pp 83-101.
Hu S., Fang Q., Xia H. and Xi Y., (2007), «Formal safety assessment based on relative
risks model in ship navigation», Journal of Reliability Engineering and System
Safety, 92, pp 369–377.
INOUE. K, (2000), « Evaluation method of ship-handling difficulty for navigation in
restricted and congestedwaterways », Journal of Navigation 53(1), pp 167-180.
Kadri F., (2014), «Modèles dynamiques probabilistes pour l’étude des séquences
d’accidents sur site industriel». <hal-01054304>.
Kadri F., Birregah B. and Châtelet E., (2014), «Natural Disaster Impacts on Critical
Infrastructures: A domino effect-based study», Journal of Homel. Secur. Emerg.
Manag., 11(2), pp 217-241.
Kadri F., Chatelet E. and Birregah B., (2011), «Analyse d'Effet Domino : M’éthodes et
Outils», Workshop interdisciplinaire sur la sécurité globale, pp.1-15.
Khan F. I. and Abbasi S. A., (1998), «DOMIno eFFECT (domino effect): A new software
for domino effect analysis in chemical process industries», Journal of Environment
Modelling and Software 13, pp 163-177.
Khan F. I. and Abbasi S. A., (2001), «An assessment of the likelihood of occurrence, and
the damage potential of domino effect (chain of accidents) in a typical cluster of
industries», Journal of Loss Prevention in the Process Industries 14, pp 283-306.
Khan F. I., and Abbasi S. A., (1998), «Models for domino effect analysis in chemical
process industries», Journal of Process Safety Progress-AIChE 17(2), pp 107-113.
Khan F. I., Asad I., Ramesh N. and Abbasi S. A., (2001), «SCAP: a new methodology for
safety management based on feedback from credible accident probabilistic fault tree
analysis system», Journal of Hazardous Materials A87, pp 23-56.

102
Khan F. I., Husain T. and Abbasi S. A., (2002), «Design and evaluation of safety
measures using a newly proposed methodology "SCAP"», Journal of Loss Prevention
in the Process Industries 15, pp 129-146.
Khan F. I., Iqbal A. and Abbasi S. A., (2001) ,«Rapid risk assessment of a fertilizer
industry using recently developed computer automated tool torap», Journal of Loss
Prevention 14, pp 413-427.
Khan F.I. and Abbasi S.A., (1998), « Models for domino effect analysis in chemical
process industries», Journal of Process Safety Progress-AIChE, 17(2), pp.107-113.
Khan F.I. and Abbasi S.A., (1998), «Hazard identification and ranking (HIRA): A
multiattribute technique for hazard identification», Journal of Process Safety
Progress 17 (3), pp 16.
Kirchsteiger C., (2002), «Review of International Industrial SafetyManagement
Frameworks», Journal of Process Safety and Environmental Protection, 80(5), pp
235-244.
Krausmann E. and Mushtaq F., (2008), «A qualitative Natech damage scale for the
impact of floods on selected industrial facilities», Journal of Natural Hazards, 46(2),
pp 179-197.
Kremljak Z. and Kafol C., (2014), «Types of Risk in a System Engineering Environment
and Software Tools for Risk Analysis», Journal of Procedia Engineering, Elsevier,
69(1), pp 177-183.
Kristiansen S., (2005), « Maritime Transportation Safety Management and Risk
Analysis», Journal of Elsevier Butterworth-Heinemann, ISBN 07506 59998. pp.56 -
75.
Lee J.Y., Lee J.W., Ko J. and En Sup Yoon, (2005), «Optimization for allocating the
explosive facilities in order to minimize the domino effect using nonlinear
programming», Korean Journal of Chemical Engineering, 22(5), pp 649-656.
Leveson N.A., (2004), «New Accident Model for Engineering Safer Systems», Journal of
Safety Science, 42(4), pp 237-270.
Lois P., Wang J., Wall A. and Ruxton T., (2004), «Formal safety assessment of cruise
ships», Tourism Management, Journal of Food and Nutrition Sciences, 5(15), pp 93-
109.
Mohaghegh Z. and Mosleh A., (2009), «Incorporating organizational factors into
probabilistic risk assessment of complex socio-technical systems: Principles and
theoretical foundations», Journal of Safety Science, 47, pp 1139-1158.
Olivier S. and Bruno D., (2006), «A global view on ARAMIS, a risk assessment
methodology for industries in the framework of the seveso-II directive», Journal of
Hazardous Materials 130, pp 187-199.
Orfanos V., Evripiotis M. and Tsatsanis D., (2011), «Risk management methodological
approach in the EU co-funded projects: the case of Greece», Journal of Decision
Sciences, Risk and Management, Inderscience Group Publishing, 3 (1/2), pp 129 -
152.
Ouddai R., Chabane H., Boughaba A. and Frah F., (2012), « The Skikda LNG accident:
losses, lessons learned and safety climate assessment », Journal of Global Energy
35(6), pp. 518 - 533.
Pietersen C.M., (1988), « Analysis of the LPG disaster in Mexico City », Journal of
Hazardous Materials, pp.85- 107.

103
Piwowar J., Châtelet E. and Laclémence P., (2009). « An efficient process to reduce
infrastructure vulnerabilities facing malevolence», Journal of Reliability Engineering
and System Safety, 94, pp 1869-1877.
Reniers G. and Dullaert W., (2007), «DomPrevPlanning : User-friendly software for
planning domino effects prevention», Journal of Safety Science, 45, pp 1060-1081.
Reniers G., Dullaert W., Soudan K. and Ale B., (2005), «The use of current risk analysis
tools evaluated towards preventing external domino accidents», Journal of Loss
Prevention in the Process Industries, 18, pp 119-126.
Ringbom H., (2008), « The EU maritime safety policy and international law ». Leiden:
Martinus Nijhoff Pub, P.391
Sabatino D., Massimiliano C., Gianluca M. and Simberto S., (2000), «Consequence
analysis in LPG installation using an integrated computer package», Journal of
Hazardous Materials 71, 159-177.
Saoulé B., (2002), « Les risques en station de ski alpin : d'une explication monocausale
à une perspective d'analyse systémique », Journal of Annales des Ponts et des
Chaussées, pp 65-74.
Smaiah M. and Bahmed L., (2017), «For an environmental risk management approach
applied in Algerian ports: the case of Bethioua port (Algeria) », Journal of
Environmental Engineering, 8(2/3), pp 213-224.
Smaiah M., et Bahmed L., (2011), « Réglementation algérienne en matière de sécurité et
de bien être à bord des navires de commerce», Revue Algérienne du Travail, N° 36,
ISSN 1111-5815, pp 43-54.
Smaiah M., Djebabra M. and Bahmed L., (2017), «Contribution to the improvement of
the MADS-MOSAR method for the modeling of Domino Effects», Journal of Failure
Analysis and Prevention, 17(3), pp 440- 449.
Steinberg LJ., Sengul H. and Cruz AM., (2008), «Natech risk and management: an
assessment of the state of the art», Journal of Natural Hazards, 46(2), pp143-152.
Tixier J., Dusserre G., Rault-Doumax S., Ollivier J. and Bourely C., (2002), «Orisis:
Software for the consequence evaluation of transportation of dangerous goods
accidents», Journal of Environmental modeling & software ,17 , pp 627-637.
Trbojevic VM. and Carr B J., (2000), «Risk based methodology for safety improvements
in ports», Journal of Hazardous Materials, 71, pp.467-480.
Urbański J., Morgaś W. and Mięsikowski M., (2009) « The present and expected changes
in maritime safety, security and defense functions» Journal of Marine Navigation and
Safety of Sea Transportation – Weintrit (ed.) Taylor & Francis Group, London, ISBN
978-0-415-80479-0.p.3
Young D.T., (2013), «Consideration of human factors in investigations of structural
failures», Journal of Forensic Engineering, Inderscience Group Publishers,
1(3/4), pp 227-237.
Zaghi C., Cecchetti G., Fontana J. and Conti ME., (2005), «Science and precaution in the
risk analysis of chemicals», Journal ofRisk Assessment and Management,
Inderscience Group Publishers, 5(2/3/4), pp 271 – 285.

104
Mémoires :

Adjrahoua A. P., (2010), « La régulation du trafic maritime par le VTS: cas du port
d'Abidjan », Académie régionale des sciences et techniques de la mer (ARSTM)
d'Abidjan - Mémoire de Capitaine au long cours de la marine marchande. p4.
Bouzaher A., (2016), « Contribution à l’élaboration d’une méthodologie d’évaluation
des risques liés à la manoeuvre portuaire en Algérie », thèse de Doctorat, université
Batna 2- Algérie.
Cambon J., (2007), « Vers une nouvelle méthodologie de mesure de la performance des
systèmes de management de la sante-sécurité au travail », thèse de Doctorat,
université de Paris, page 25.
Cossi H.A., (2014), « Les contentieux en transport maritime de marchandises par
conteneurs », thèse de doctorat, Université du Droit et de la Santé - Lille II. Français.
El Hajj C., (2013), « Méthodologie pour l’analyse et la prévention du risque d’accidents
technologiques induits par l’inondation (Natech) d’un site industriel ». thèse de
doctorat, Ecole Nationale Supérieure des Mines de Saint-Etienne-France .
Fumey M., (2001), « Méthode d'Evaluation des Risques Agrégés : application au choix
des investissements de renouvellement d'installations», Thèse de Doctorat, Institut
National Polytechnique de Toulouse, Spécialité : Systèmes Industriels, pp 63.
Håvold, J.I., (2007), « From Safety Culture to Safety Orientation ; Developing a tool to
measure safety in shipping » Thesis for the degree of doctor, Norwegian University
of Science and Technology. ISBN 978-82-471-3957-8.p44.
Heraut A., (2004), « de la maitrise de l’urbanisation et des risques industriels : une
impossible équation ? », diplôme d’études approfondies « droit de l’environnement
et urbanisme », universite de limoges - faculté de droit et de sciences économiques
C.R.I.D.E.A.U. – UMR 60/62 – CNRS/INRA.
Lahidji R., (2012), «Incertitude, causalité et décision : le cas des risques sociaux et du
risque nucléaire en particulier », thèse de doctorat Ecole des hautes études
commerciales de paris, Ecole Doctorale « Sciences du Management/GODI » - ED
533, Gestion Organisation Décision Information.
Mazouni M.H., (2008), «Pour une Meilleure Approche du Management des Risques : De
la Modélisation Ontologique du Processus Accidentel au Système Interactif d’Aide à
la Décision», Thèse de Doctorat de l’Institut National Polytechnique de Lorraine.
Nguyen Q., (2009), « Fiabilité des installations industrielles sous impacts de fragments de
structures-effet domino », Ph.D. thesis, Université de Paris-Est Laboratoire MSME
(FRE3160 CNRS). Institut National de l'Environnement Industriel et des Risques.
Zouaoui-Elloumi S., (2012), « Reconnaissance de comportements de navires dans une
zone portuaire sensible par approches probabiliste et événementielle : Application
au Grand Port Maritime de Marseille », thèse de doctorat, l’ École Nationale
Supérieure des Mines de Paris Spécialité « Contrôle, Optimisation et Prospective »,
France.
Normes :

Directive 89/391/CEE, directive 89/391/cee du conseil de l'union européenne, 1989.

Loi n°98-05 du 25 juin 1998 modifiant et complétant l’ordonnance n° 76/80 du 23
octobre 1976 portant code maritime.

105
 NF EN 50126, (2000), « Applications ferroviaires : Spécification et démonstration de la
fiabilité, de la disponibilité, de la maintenabilité et de la sécurité (FDMS) »,
AFNOR.
NFPA 68 – Guide for Venting of Deflagrations – 2002 Edition.
OIT, (1991), « Prévention des accidents industriels majeurs » , BIT Editions.
OMI, (2011), « Bilan des travaux de l’Organisation Maritime Internationale », pp5-6.
OMI, (2014), « La journée mondiale de la mer : sensibiliser l’opinion publique » SUEZ
environnement, Article publié le 30.09.14
SOLAS, (2004), « Texte récapitulatif de la Convention internationale de 1974 pour la
sauvegarde de la vie humaine en mer et du Protocole de 1988 : articles, annexes et
certificats », Publié par L’organisation Maritime Internationale, 4 Albert
Embankment, Londres SE1 7SR, édition récapitulative de, p714.

Ouvrages :

Adapté de la définition de l'OCDE, 1974, « Transboundary transfer of potentially

hazardous substances ».
AFNOR, (2002), « Management du risque, approche globale », (ISBN 2-12-169211-8).
Chameroy J., et Bourieres P., (1977), « Ports et navigation moderne », édition
EYROLLES 61, bd Saint Germain – paris.
CNUCED, (2012), « Liability and compensation for ship-source Oil Pollution», An
overview of the international Legal Framework for Oil Pollution Damage from
Tankers.
Colton T., (2011), « Growth of the world fleet since XXII », chapter3, edition OCDE, pp
70-77.
Degre T., (2003), « L’importance d’une approche de la sécurité maritime fondée sur les
modèles d’évaluation des risques », Recherche Transports Sécurité 7.8 21–32.
Editions scientifiques et médicales Elsevier SAS.W
Deming W.E., (1993), «The New Economics», MIT Press. Cambridge, MA.
Desroches A., Lerroy A. and Vallée F., (2005), «La gestion des risques : principes et
pratiques», Hermès-Lavoisier Editions, France.
Diestel R., (2005), «Graph Theory», 3rd edition, Graduate Texts in Mathematics GTM»,
a book published by Springer.
Guillaume Alessandro, (2009), « AZF : Une vérité foudroyante - une affaire d’état »,
Éditions Jean-Claude Gawsewitch, Paris, (ISBN 978-2-35013-165-8)
Hallegatte S. et Przyluski V., (2012), « Gestion des risques naturels. Leçons de la
tempête Xynthia », Éditions Quae, 264 p.
INSTN, (1996), «L’analyse de risques, méthode MOSAR, fascicule à usage interne»
EDF, éditions Prévention Active n° HE-54/96/35 A.
Laurent P., (2003), Sécurité des procédés chimiques. TEC&DOC Editions (in french).
LE MOIGNE JL., (1977), «La théorie du système général : théorie de la modélisation»,
éditions Presses Universitaires de France, 241 pages.
Lees F.P., (1980), «Loss Prevention in the Process Industries», Volume 1-2,
Butterworths.
Lees F.P., (1996), «Loss prevention in the process industries», (2nd Edition), Butterworth-
Heinemann.

106
 Leibniz G. F. W., (1972), « Principes de la nature et de la grâce fondés en raison »,
Œuvres, éditions L. Prenant, Paris.
Martin J.C., (2008), « Incendies et explosions d'atmosphère », ouverage de PPUR
presses polytechniques, 574 pages.
Perilhon P. (1999), « Du risque à l'analyse des risques », développement d'une méthode
MOSAR.
Projet Rabaska, (2006), « Étude d’impact sur l’environnement ». Projet d’implantation
d’un terminal méthanier. Tome 3, volume 1, chapitre 7.Canada. pp 7-1
SDACR, (2005), « risques particuliers, risques sociétals », SDACR du Rhone.
Vissio P., (1972), « aujourd’hui les mathématiques », ouvrage pour un nouvel
enseignement mathématique, page 68.

Rapports, bilans et guides scientifiques:

Châtelet E., Kadri F., Laclémence P., Lallement P., Aubert Ph., Eid M., and Gilibert P.,
(2010), « Détermination des Impacts de Sinistres en Cascade: état de l’art et
méthodes d’analyse », WISG report, Troyes, France, pp : 26-27.
Chiappori P.A . (1996), « Risque et assurance», Guide pratique et mémento , ISSN 1248-
7570, Dominos (Paris), pp 116
Clini F., Darbra R. M., and Casal J., (2009), «Historical analysis of accidents involving
domino effect», in: Dipartimento di Ingegneria Chimica, Mineraria e delle
Tecnologie Ambientali. Universit di Bologna.Via Terracini, 28. 40126. Bologna
(Italy). Centre d'Estudis del Risc Tecnolgic (CERTEC). Department of Chemical
Engineering. Universitat Politcnica de Catalunya. Diagonal 647, 08028-Barcelona.
Spain.
CNUCED, (2015), « Etudes sur les transports maritimes 2015 », rapport du secrétariat
de la conférence des nations unies sur le commerce et le développement CNUCED,
Nations Unies, New York et Genève, 2015.
Coutansais C., (2010), « Transport maritime entre globalisation et développement
durable » http://www.revueetudes.com/International.
Gledhill J. and Lines I., (1998), «Development of methods to assess the significance of
domino effects from major hazard sites», CR Report 183, Health and Safety
Executive.
Grech M.R., Horberry,T.J. and Koester T., (2008), «Human Factors in the Maritime
Domain». Taylor & Francis Group, LLC.CRC Press.p.8.
INNOVATION MARITIME, (2014), « bilan de connaissances », transport maritime des
hydrocarbures, institut maritime du Québec.
INRS, (2004), « Prévention des incendies sur les lieux de travail », Institut
National de Recherche et Sécurité (INRS), TJ 20.
Khan F. I., (2001), «Use Maximum-Credible Accident Scenarios for realistic and reliable
risk assessment», Cep magazine.org, pp 50-63.
Khan F. I., and Abbasi S. A., (1996), «MAXCRED-II: An advanced version of
MAXCRED», report n. cpce/r&d 14/96, Tech. rep., Pondicherry University,
Pondicherry.
Leprette E., (2002), « Le BLEVE, Phénoménologie et modélisation des effets
thermiques », Rapport INERIS - W5, téléchargeable sur www.ineris.fr.

107
 Ministère de l'écologie, du développement et de l'aménagement. «Le plan de prévention
des risques technologiques (PPRT) », Guide méthodologique, 160 pages.
Perilhon P., (1996), « Sécurité des installations – Méthode MADS-MOSAR », support de
cours, IUT Département Hygiène, Sécurité, Environnement, Université Bordeaux I.
SONATRACH , (2009), « Référentiel Investigations des Accidents et Incidents du
Groupe SONATRACH », direction générale santé, sécurité et environnement, p8-27.
Theberge, M-C. (2002), «Analyse de risques d’accidents technologiques majeurs », guide
doccument de travail, Direction des Évaluations environnementales, Québec. p4

Vallée A., Reimeringer M. and Fontaine F., (2012) « les impacts sur les installations
industrielles à risque, Préventique & Sécurité », Document INERIS.

Colloques, séminaires et conférences :

CNUCED, (2007), « Etude sur les transports maritime », conférénce des nations unies
sur le commerce et le développement, Genève.
Delvosalle C., Fievez C., and Brohez S., (2002), «A methodology and a software
(DOMINOXL) for studying domino effects, in: Chisa», (2002), 15th International
Congress of Chemical and Process Engineering, Praha, Czech Republic, 25-29.
Delvosalle CH., (1996), «Domino effects phenomena: Definition, Overview and
Classification», European Seminar on Domino Effects, Leuven, Belgium, Federal
Ministry of Employment, Safety Administration. Direction Chemical Risks,
Brussels, Belgium, pp. 5-15.
Gardes L., Debray B., et Londiche H., (1999), «Méthodologie d’analyse des risques dans
les PME/PMI», Qualita 99, 3ème congres international pluridisciplinaire qualité et
sûreté de fonctionnement, pp 165-176.
Tixier J., Rault-Doumax S., Dandrieux A., Dimbour J.P. and Dusserre G., (2002),
«Geosiris : Domino effects software. gosiris :Logiciel de gestion des effets domino»,
in: λμ13 - ESREL European Conference.
Autres :

Besse P., (2004), «Research Challenges in Maritime Safety». SORTA 2004, Plitvice,
Croatia.
Camps G., (1989), « Arzew (Arzeu) », Encyclopédie berbère, 6, Antilopes – Arzuges,
Aix-en-Provence, Edisud, pp 943-948.
Conseil économique, social et environnemental CESE, (2016), Les ports ultramarins au
carrefour des échanges mondiaux, ouvrage de 216 pages, ISBN 978-2-11-138681-5.
DMMP (2013/2014) Direction de la marine Marchande et des Ports, Ministère des
Transports algérien.
EPA, (2016), Entreprise Portuaire d’Arzew, consultée en avril 2014.
Flanagan R., and Norman G., (1993), «Risk Management and Construction», Blackwell
Science Ltd, Oxford, United Kingdom.
Gallais B. A., (2012), « Les sociétés de classification : Acteurs de l’ombre? Acteurs de
premier plan! », ISEMAR, Note de Synthèse n°142. ISSN: 1282-3910 Février, pp.1,
2.

108
Hill R., (2007), « Transnational Maritime Safety Projects within European Maritime
Policy». Maritime Safety Umbrella Operation (MSUO).Maritime Safety Co-
ordinator. Www.maritime-safety.org. Denmark. Consulté le 04.06.2015.
Leprets M., (2005), « Gestion des risques», Dunod, (ISBN 978-2-10-057740-8).
Roncalli T., (2001), « Introduction à la gestion des risques », cours de ENSAI, Groupe
de Recherche Opérationnelle Crédit Lyonnais, 2001.
Tazieff H., (1988), « Catastrophes naturelles », Entretien avec Roland Bechmann et
Dominique Baricheff.
TCTSG 8 /89, (2010), Team Coordination Training Student Guide (8/98), «Effective
mission analysis», pp14-20.

109
Annexes

110
 Annexe 1-

Application de la méthoed MADS-MOSAR au port de

Bethioua

L’application de la méthode MADS/MOSAR a été réalisée par (Smaiah et Benharket, 2011)

au niveau du port de BETHIOUA situé à l’ouest de l’Algérie. Cette application donne les
résultats suivants :

La modélisation de l’installation se fait par le modèle MADS qui est un outil pratique
définissant un modèle général de danger.

MADS est alors une étude du processus des dangers où sont mis en relation une source de
danger et une cible à travers le flux de danger comme la présente figure le montre.

111
 Influence des champs :
Conditions météorologiques, Corrosivité
Champ de l’air, Réglementation, Maintenance,
Organisation des équipes, Qualité de
Port de formation du personnel

Evénement BETHIOUA
initiateur Evénements
interne/externe : renforçateurs
Corrosion/ choc - Etincelle
- Erreurs humaines

Flux dematière : GPL

Système source Flux d’énergie : thermique

Les bras de
chargement Système cible
branché à RHOURD
✓ Installation
EL FARES
✓ Port de
BETHIOUA
✓ Opérateur
✓ Écosystème
Evénement
principal ✓ village de
Evénements initiaux
BETHIOUA
-rupture Fuite de GNL
Population
Impact (événement final)
-fissure
-surpression -incendie
-explosion
-pollution atmosphérique
-pollution maritime

Source : (Smaiah et Benharket, 2011).

Figure 1: Modélisation de l’installation de chargement du port de BETHIOUA selon le
modèle MADS.
Après la décomposition systémique de l’installation étudiée, chaque sous-système est
transformé sous forme de boite noire pour élaborer les scénarios courts des sous-systèmes.

Si l’on met toutes les boîtes noires sur une même page, il est possible de relier les sorties de
certaines boîtes qui sont de même nature (repérées en principe par les mêmes mots) que les
entrées d’autres boîtes, on montre les relations entre les différents sous-systèmes à travers
l’occurrence des ENS. Ce lien nous permet de déduire les scénarios longs (Smaiah et
Benharket, 2011) possibles (effet domino).

112
 Source : (Smaiah et Benharklet, 2011).
Figure 2 :Les scénarios longs les plus plausibles et les plus critiques.

113
 Pour l’installation chargement de GPL, nous avons représenté toutes les boîtes noires sur la
figure.2.5 ce qui permet de générer quelques exemples des scénarios. Pour faciliter l’étude,
nous citons quatre scénarios longs.

Accès en Chute de hauteur

A: Contexte
Geste maladroit hauteur de l'opérateur,
Fatigue dangereux
dangereux blessure

B : Sabotage Étincelle
Mauvais
Action Fuite de Fuite enflammée
branchement
Mauvaise non GPL
des bras Fuite enflammée
formation conforme
Limite
inflammabilitéGPL
(1.81-8.86)
BLEVE cuve
Flux thermique sur les
cuves

Erreur humaine Étincelle

Surcharge Débordement
C : Défaillance Erreur de Incendie
des détecteurs de remplissage des cuves de GPL
niveau
Limite d’inflammabilité
GPL (1.81-8.86%)

115
 Foudre, étincelle

D : Tempête, Déséquilibrage Rupture des Fuite du Fuite enflammée

orage du navire pipes GPL
Fuite enflammée
Limite d’inflammabilité GPL

(1.81-8.86)%

Fuit enflammée sur les

BLEVE Flux thermique
bras de chargement
sur les cuves
Flux
thermique

Fuite enflammée Flux thermique sur les

sur les bacs de Bacs BLEVE Bacs
stockage

116
 Annexe 2

Bilans d’accident au niveau du port de Bethioua

117
118
119
 Annexe 3-

Représentation des plans de danger par le logiciel GéoGebra

GeoGebra est un logiciel de géométrie dynamique en 2D/3D c'est-à-dire qu'il permet de

manipuler des objets géométriques (cercle, droite et angle, par exemple) et de voir
immédiatement le résultat. Il vient aussi avec un ensemble de fonctions algébriques.

Le logiciel a été créé par Markus Hohenwarter, professeur autrichien travaillant à l'Université
de Linz et est développé par une équipe internationale de programmeurs.

À partir de la version 3.0, sortie le 23 mars 2008, l'utilisateur peut créer ses propres outils.

Avec la version 3.2, sortie le 3 juin 2009, un tableur est disponible.

Avec la version 4.0, sortie le 20 octobre 2011, apparaît GeoGebraPrim, une interface spéciale
pour les jeunes chercheurs.

Depuis la version 4.2, sortie le 1er décembre 2012, il est possible de faire du calcul formel.

GeoGebra permet d'explorer la géométrie affine : l'utilisateur peut manipuler les différents
objets géométriques de base dans un plan : cercle, droite, angle, etc.

Il est principalement utilisé par des enseignants, mais toute personne souhaitant explorer de
façon visuelle les transformations géométriques dans le plan en tirera profit. Des chercheurs
en géométrie peuvent l'utiliser pour valider de nouvelles constructions faisant appel aux
propriétés d'incidence du plan, telles le parallélisme.

La possibilité d'adapter les unités du repère au problème en cours en fait un excellent

grapheur, d'autant plus qu'il est immédiat (grâce à la fenêtre de saisie) d'entrer la fonction, et
qu'une fois que c'est fait, on peut lui appliquer du calcul formel (recherche de zéros, d'un
extremum...).

C'est aussi un logiciel pour expérimenter en probabilités et en Statistique (statistiques

descriptives, distributions, tests d'hypothèse et intervalles de confiance). Il intègre un tableur
et il bénéficie aussi d'une bonne intégration dans le langage html.

Entièrement développé en Java, ce logiciel fonctionne sur tous les systèmes d’exploitations
qui incluent Java : Windows, Linux, Mac OS, etc. Il suffit de le lancer via une page web ou de
télécharger le logiciel.

✓ Adaptation du logiciel Géogebra à notre cas

120
 A l’aide de boites noires des sous-systèmes, et au tableau de l’occurrence des ESDs, on
introduit les données dans le logiciel pour obtenir les points contours des plans de danger.

Dans notre cas on obtiendra 3 plans de danger :

• Plan de danger Pollution

• Plan de danger Incendie
• Plan de danger Explosion

L’axe des « x », c’est l’axe vert représente les 5 sous-systèmes :

S1 = bac de stockage et ses équipements ;

S2= la pompe et le poste de chargement ;
S3= navire citernes et ses équipements ;
S4= opérateur ;
S5= environnement.

L’axe des « y », c’est l’axe bleu, représente les 3 ENSs :

E1= pollution ;
E2= incendie ;
E3= explosion.

L’axe des « z », c’est l’axe rouge, représente les 6 ESDs les plus fréquents dans la
liste de 25 ESDs :

U1= erreur de remplissage ;

U2= défaillance des détecteurs et des soupapes ;
U3= choc ;
U4= flux thermique ;
U5= erreur humaine ;
U6= sabotage.

Après l’insertion des points dans le logiciel, obtiendra la figure suivante (Fig.III.14) :

121
L’étape suivante c’est faire enchainer les points de chaque ENS pour obtenir des plans qu’on
appel plans de danger, comme la figure suivante (Fig.III.15) le montre :

122
 -‫ملخـــــص‬
‫ ولكن أيضا مسؤولة عن وقوع عدة حوادث كارثية خاصة في صناعة‬،‫التأثيرات المتسلسلة ليست فقط ظاهرة معقدة‬
‫ يتم التعرف على المخاطر المحتملة من هذه‬،‫ ونتيجة لذلك‬.‫البتروكيماويات وكذلك في مجاالت تخزين المنتجات البترولية‬
‫السيناريوهات على نطاق واسع في التشريع الذي يتطلب النظر في عواقب وقوع حادث على المنشآت المجاورة (مفهوم‬
.‫التأثيرات المتسلسلة) من خالل التفاعل بين مرافق نفس المؤسسة أو عن طريق التفاعل بين المرافق القريبة‬
‫فإن األدب في تحليل هده اآلثار فقيرة من حيث المناهج‬، ‫وعلى الرغم من ضخامة العواقب المرتبطة بالتأثيرات المتسلسلة‬
‫ تقدم هذه األطروحة مقترحات لدراسة التأثيرات المتسلسلة عن طريق استخدام‬،‫ في هذا السياق‬.‫النظرية لتحليل هذه الظاهرة‬
.‫نظريات المجموعات والرسوم البيانية‬
‫تطبيق هده النظريات المبتكرة على ميناء بطيوة هو عبارة على توضيح العديد من مساهماتنا في مجال األمن البحري في‬
.‫الموانئ الجزائرية‬
.‫ ميناء بطيوة‬،‫ السالمة البحرية‬،‫ النظرية‬،‫ المجموعات‬،‫ الرسم البياني‬، ‫ التأثيرات المتسلسلة‬-‫الكلمات الرئيسية‬

Résumé - L’effet domino est, non seulement un phénomène complexe, mais également
responsable de plusieurs accidents catastrophiques notamment dans l’industrie
pétrochimique ainsi que dans les zones de stockage des produits pétroliers. Conséquemment,
le risque potentiel de ces scénarios d'accidents est largement reconnu dans la législation qui
exige d’examiner les conséquences d’un accident sur des installations voisines (concept
d’effet domino) soit par interaction entre les installations d’un même établissement soit par
interaction entre les établissements proches.
Malgré l’ampleur des conséquences associées aux effets dominos, la littérature spécialisée
dans l’analyse des effets dominos est pauvre en matière d’approches théoriques d’analyse de
ce phénomène. S’intégrant dans ce contexte, la présente thèse de doctorat présente des
propositions d’étude des effets domino par usage des théories des ensembles et des graphes.
L’application de ces études innovantes au cas du port de Bertioua est également présentée
afin d’illustrer les multiples apports de nos contributions en matière de la sécurité maritime
au niveau des ports algériens.

Mots-clés : Effet domino, graphe, ensemble, théorie, sécurité maritime, port Bertioua
Abstract –

The domino effect is not only a complex phenomenon but also responsible for several
catastrophic accidents, notably in the petrochemical industry as well as in the storage areas
for petroleum products. Consequently, the potential risk of these accident scenarios is widely
recognized in legislation requiring that the consequences of an accident be examined on
neighboring facilities (concept of domino effect), either by interaction between installations of
the same establishment, or by interaction between nearby institutions.

Despite the magnitude of the consequences associated with domino effects, the literature that
specializes in the analysis of domino effects is poor in theoretical approaches to the analysis
of this phenomenon. Integrating in this context, the present doctoral thesis presents different
proposals for studying domino effects by using theories of sets and graphs.

The application of these innovative studies to the case of the port of Bertioua is also presented
in order to illustrate the multiple contributions of our contributions to maritime safety at the
level of the Algerian ports.

Keywords- domino effect, graph, set, theory, maritime safety, Bethioua port

123