The environmental modeller faces a dilemma. Science often demands that more and more process representations are incorporated into models (particularly to avoid the possibility of making missing process errors in predicting future response). Testing the causal representations in environmental models (as multiple working hypotheses about the functioning of environmental systems) then depends on specifying boundary conditions and model parameters adequately. This will always be difficult in applications to a real system because of the heterogeneities, non-stationarities, complexities and epistemic uncertainties inherent in environmental prediction. Thus, it can be difficult to define the information content of a data set used in model evaluation and any consequent measures of belief or verisimilitude. A limit of acceptability approach to model evaluation is suggested as a way of testing models, implying that thought is required to define critical experiments that will allow models as hypotheses to be adequately differentiated.

Le modélisateur de systèmes environnementaux doit faire face à un dilemme. La science demande souvent que de plus en plus de représentations des processus soient incorporées dans les modèles (particulièrement pour éviter la possibilité de commettre des erreurs d’omission, lors des simulations). L’évaluation de représentations causales dans les modèles environnementaux (comme hypothèses multiples en ce qui concerne le fonctionnement des systèmes environnementaux) sous-entend la spécification des conditions aux limites et des valeurs des paramètres du modèle. Ceci sera toujours difficile pour les applications à des systèmes réels en raison des hétérogénéités, des non-stationnarités, des complexités et des incertitudes épistémiques inhérentes aux simulations environnementales. Il est ainsi ardu de définir l’information dans un jeu de données utilisé pour l’évaluation de modèles et les mesures de croyance ou de verisimilitude qui en découlent. Une méthodologie fondée sur des limites d’acceptabilité est suggérée pour l’évaluation des modèles, mais ceci implique qu’il faille définir des expérimentations critiques qui permettront de différencier suffisamment les modèles entre eux, considérés comme étant des hypothèses.