14. Arithmétique en Nombre à Virgule Flottante : Problèmes et Limites

Les nombres à virgule flottante sont représentés, au niveau matériel, en fractions de nombres binaires (base 2). Par exemple, la fraction décimale :

0.125

a la valeur 1/10 + 2/100 + 5/1000, et de la même manière, la fraction binaire :

0.001

a la valeur 0/2 + 0/4 + 1/8. Ces deux fractions ont une valeur identique, la seule différence est que la première est une fraction décimale, la seconde binaire.

Malheureusement, la plupart des fractions décimales n’ont pas de représentation exacte en fractions binaires. Par conséquent, en général, les nombres à virgule flottante que vous donnez sont seulement approximés en fraction binaire pour être stocké dans la machine.

Le problème est plus simple à aborder en base 10. Prenons par exemple, la fraction 1/3. Vous pouvez l’approximer en une fraction décimale:

0.3

ou, mieux,

0.33

ou, mieux,

0.333

etc… Peu importe le nombre de décimales que vous écrirez, le résultat ne sera jamais exactement 1/3, mais une estimation s’en approchant toujours mieux.

De la même manière, peu importe combien de décimales en base 2 vous utiliserez, la valeur décimale 0.1 ne peut être représentée exactement en fraction binaire. En base 2, 1/10 est le nombre périodique suivant :

0.0001100110011001100110011001100110011001100110011...

Arrêtez à n’importe quelle quantité finie de bits, et vous obtiendez une approximation.

Pour Python, sur une machine typique, 53 bits sont utilisés pour la précision d’un flottant, donc la valeur stockée lorsque vous entrez le nombre décimal 0.1 est la fraction binaire

0.00011001100110011001100110011001100110011001100110011010

qui est proche, mais pas exactement égale, à 1/10.

Il est facile d’oublier que la valeur stockée est une approximation de la fraction décimale d’origine, du fait de la manière dont les flottants sont affichés dans l’interpréteur. Python n’affiche qu’une approximation décimale de la valeur stockée en binaire. Si Python devait afficher la vraie valeur décimale de l’approximation binaire stockée pour 0.1, il afficherait :

>>> 0.1
0.1000000000000000055511151231257827021181583404541015625

C’est bien plus de décimales que nécessaire, donc Python affiche une valeur arrondie afin d’améliorer la lisibilité :

>>> 0.1
0.1

Il est important de comprendre qu’en réalité, c’est une illusion : la valeur stockée n’est pas exactement 1/10, c’est simplement à l’affichage que la valeur stockée est arrondie. Ceci devient évident dès que vous effectuez des opérations arithmétiques avec ces valeurs :

>>> 0.1 + 0.2
0.30000000000000004

Ce comportement est inhérent au comportement des nombres à virgule flottante : ce n’est pas un bug dans Python, et ce n’est pas non plus un bug dans votre code. Vous verrez le même type de comportement dans tous les autres langages utilisant le support matériel pour le calcul des nombres à virgules flottante (bien que certains langages ne rendent pas visible la différence par défaut, ou pas dans tous les modes d’affichage).

Une autre surprise est inhérente à celle-ci. Par exemple, si vous tentez d’arrondir la valeur 2.675 à deux décimales, vous obtiendrez

>>> round(2.675, 2)
2.67

La documentation de la primitive round() indique qu’elle arrondit à la valeur la plus proche en s’éloignant de zéro. Puisque la fraction décimale est exactement à mi-chemin entre 2.67 et 2.68, vous devriez vous attendre à obtenir (une approximation binaire de) 2.68. Ce n’est pourtant pas le cas, car lorsque la fraction décimale 2.675 est convertie en flottant, elle est stockée par une approximation dont la valeur exacte est

2.67499999999999982236431605997495353221893310546875

Puisque l’approximation est légèrement plus proche de 2.67 que 2.68, l’arrondi se fait vers le bas.

Si vous êtes dans une situation où les arrondis de nombres décimaux à mi-chemin ont de l’importance, vous devriez utiliser le module decimal. Soit dit en passant, le module decimal propose aussi un moyen pratique de « voir » la valeur exacte stockée pour n’importe quel flottant.

>>> from decimal import Decimal
>>> Decimal(2.675)
Decimal('2.67499999999999982236431605997495353221893310546875')

Une autre conséquence du fait que 0.1 n’est pas exactement stocké 1/10 est que la somme de dix valeurs de 0.1 ne donne pas 1.0 non plus :

>>> sum = 0.0
>>> for i in range(10):
...     sum += 0.1
...
>>> sum
0.9999999999999999

L’arithmétique des nombres binaires à virgule flottante réserve beaucoup de surprises de ce genre. Le problème avec « 0.1 » est expliqué en détails ci-desous, dans la section « Représentation d’Erreur ». Voir The Perils of Floating Point pour une liste plus complète de ce genre de surprises.

Il est vrai qu’il n’existe pas de réponse simple, cependant ne vous méfiez pas trop des nombres à virtule flottante ! Les erreurs, en Python, dans les opérations de nombres à virgule flottante sont dues au matériel sous-jacent, et sur la plupart des machines ne sont pas plus importantes que 1 sur 2**53 par opération. C’est plus que nécessaire pour la plupart des tâches, mais vous devez garder à l’esprit que ce ne sont pas des opérations décimales, et que chaque opération sur des nombres à virgule flottante peut souffrir d’une nouvelle erreur.

Bien que des cas pathologiques existent, pour la plupart des cas d’utilisations courants vous obtiendrez le résultat attendu à la fin en arrondissant simplement au nombre de décimales désirées à l’affichage. Pour un contrôle fin sur la manière dont les flottants sont affichés, consultez dans Syntaxe de formatage de chaîne les spécifications de formattage de la méthode str.format()

14.1. Erreurs de représentation

Cette section explique en détail l’exemple du « 0.1 », et montre comment vous pouvez effectuer une analyse exacte de ce type de cas par vous-même. Il est supposé que vous êtes déjà familier de la représentation binaire des nombres flottants.

Le terme Representation error signifie que la plupart des fractions décimales ne peuvent être représentées exactement en binaire. C’est la principale raison pour laquelle Python (ou Perl, C, C++, Java, Fortran, et beuacoup d’autres) n’affiche habituellement pas le résultat exact en décimal:

>>> 0.1 + 0.2
0.30000000000000004

Pourquoi ? 1/10 et 2/10 ne sont pas représentable de manière exacte en fractions binaires. Cependant, toutes les machines d’aujourd’hui (Juillet 2010) suivent la norme IEEE-754 en ce qui concerne l’arithmétique des nombres à virgule flottante. et la plupart des plateformes utilisent un « IEEE-754 double precision » pour représenter les floats de Python. Les « IEEE-754 double precision » utilisent 53 bits de précision, donc a la lecture l’ordinateur essaie de convertir 0.1 dans la fraction la plus proche possible de la forme J/2**N avec J un nombre entier d’exactement 53 bits. Réecrire :

1 / 10 ~= J / (2**N)

en :

J ~= 2**N / 10

en se rappelant que J fait exactement 53 bits (donc >= 2**52 mais < 2**53), la meilleur valeur possible pour N est 56:

>>> 2**52
4503599627370496
>>> 2**53
9007199254740992
>>> 2**56/10
7205759403792793

Donc 56 est la seule valeur possible pour N qui laisse exactement 53 bits pour J. La meilleure valeur possible pour J est donc ce quotient, arrondi:

>>> q, r = divmod(2**56, 10)
>>> r
6

Puisque la retenue est plus grande que la moitié de 10, la meilleure approximation est obtenue en arrondissant par le haut:

>>> q+1
7205759403792794

Par conséquent la meilleure approximation possible pour 1/10 en « IEEE-754 double precision » est cette au desus de 2**56, soit :

7205759403792794 / 72057594037927936

Notez que puisque l’arrondi a été fait vers le haut, le résultat est en réalité légèrement plus grand que 1/10; si nous n’avions pas arrondi par le haut, le quotient aurait été légèrement plus petit que 1/10. Mais dans aucun cas il ne vaut exactement 1/10 !

Donc l’ordinateur ne « voit » jamais 1/10: ce qu’il voit est la fraction exacte donnée ci-dessus, la meilleure approximation utilisant les nombres à virgule flottante double précision de l“« IEEE-754 »

>>> .1 * 2**56
7205759403792794.0

Si on multiplie cette fraction par 10**30, on peut observer les valeurs de ses 30 décimales de poid fort.

>>> 7205759403792794 * 10**30 // 2**56
100000000000000005551115123125L

signifiant que la valeur exacte stockée dans l’ordinateur est approximativement évale à la valeur décimale 0.100000000000000005551115123125. Dans les versions antérieurs à Python 2.7 et Python 3.1, Python arrondissait ces valeurs à 17 décimales significatives, affichant “0.10000000000000001”. Dans les versions actuelles de Python, la valeur affichée est la valeur dont la fraction est la plus courte possible tout en redonnant exactement la même représentation une fois reconverti en binaire, affichant simplement “0.1”.