Nous sommes ravis de vous annoncer que la documentation est en cours de ré-écriture depuis quelques temps.
Basée sur Sphinx, la nouvelle version, bien qu'incomplète, est accessible dans l'onglet documentation. C'est par ici.
Date : 05/05/2026
Nous sommes ravis de vous annoncer la sortie de notre dernière version d'Uranie, version 4.11.0 !
La release note peut être trouvée dans la page dédiée ici.
Date : 19/02/2026
Uranie est distribué sous licence LGPL et est disponible dans la page téléchargement ici.
Essayez la !
L'équipe Uranie est toujours disponible pour des questions ! N'hésitez-pas, contactez le support ici ou par mail.
Bien que codé en C++, Uranie s'utilise comme une banque de module Python et s'installe aussi via Anaconda.
Uranie peut lancer un ou plusieurs codes (chaînés) en boîte noire avec des fonctions analytiques définies à la volée.
Aspect méthodologique Code python Code C++
Uranie est construite en utilisant le paradigme probabiliste pour la modélisation des incertitudes. Elle propose une grande librairie de lois permettant la modélisation des phénomènes aléatoires ainsi que différentes possiblités de couplage de lois et des estimateurs de base (moyenne, médiane, écart-type, quantile..).
Aspect méthodologique Code python Code C++
Uranie propose de nombreuses solutions pour générer des plans d'expériences selon les problématiques (buts d'analyse) envisagées, la méthodologie choisie pour atteindre les objectifs, la dimension de l'espace d'entrée, les contraintes sur le budget de calcul...
Que le modèle soit une fonction interactive, compilée ou un code (voire une chaîne de code) complexe, Uranie peut s'interfacer pour piloter le lancement des calculs de manière séquentielle ou distribuée, sur une machine locale ou sur un cluster.
Aspect méthodologique Code python Code C++
Si le code est très consommateur en ressources, Uranie propose plusieurs techniques de substitution, afin de générer un modèle qui puisse remplacer le code de manière la plus efficace possible et ainsi d'accélérer les analyses envisagées.
Aspect méthodologique Code python Code C++
Uranie offre différentes techniques pour hiérarchiser de manière qualitative ou quantitative, les entrées d'un problème en fonction de leur impact sur la quantité d'intérêt définie, suivant les méthodes utilisées ou le budget de calcul envisagé.
Aspect méthodologique Code python Code C++
Uranie offre plusieurs solutions pour calibrer des paramètres (appelés parfois "nombres magiques") de modèles physiques, en utilisant un jeu de données défini avec ou sans incertitude, en supposant que le modèle physique est vérifié en amont.
Aspect méthodologique Code python Code C++
Uranie propose plusieurs manière d'envisager l'optimisation numérique qu'elles soient mono ou multi-critères, avec ou sans contrainte, en faisant seulement appel aux codes ou en couplant avec des modèles de substitution dans une approche hybride.
Uranie propose quelques algorithmes pour l'estimation d'évènements rares et de leurs probabilités associées, souvent considérés comme des probabilités de défaillance, d'où le nom de fiabilité.