Les modèles de fonctionnement des systèmes d’élevage sont utilisés pour étudier et comprendre les mécanismes de réponse de ces systèmes face à des changements dans leur environnement et/ou dans leur pilotage. Certains ont été développés récemment pour aborder la question de leur durabilité au regard de leur production. Les sorties sont de dimensions multiples (techniques, économiques, environnementales) liées à l’évaluation multicritère de la durabilité ; la durée de simulation est de l’ordre de la minute. L’analyse de sensibilité est une méthode couramment utilisée sur des modèles représentant des systèmes complexes afin d’identifier les paramètres influençant le plus chaque sortie. Cependant, réaliser une analyse de sensibilité de ces nouveaux modèles est difficile en raison du nombre important de paramètres, qui agissent en interaction sur l’ensemble des sorties du modèle et de la nécessité d’effectuer un grand nombre de simulations. Nous avons développé un modèle de l’atelier d’engraissement porcin qui est stochastique, mécaniste, à évènement-discret, individu-centré et dynamique, avec un pas de temps journalier. Nous avons ensuite réalisé une analyse de sensibilité globale du modèle adaptée à ses spécificités, en vue d’utiliser ces résultats pour renforcer la compréhension du fonctionnement du modèle. L’analyse de sensibilité a porté sur 15 variables d’entrée continues et sur 13 variables de sorties (5 sorties techniques, 5 impacts environnementaux et 3 indicateurs économiques). Nous avons d’abord mis en oeuvre la méthode de Morris pour réaliser un premier criblage afin d’identifier et exclure de l’analyse les paramètres très peu ou pas influents. Nous avons ainsi conservé 10 entrées sur 15 pour l’analyse proprement dite. Nous avons ensuite réalisé une analyse de sensibilité basée sur la variance pour les entrées influentes en utilisant des métamodèles. Les variables d’entrée les plus influentes sont le poids vif moyen d’entrée en engraissement (PVini), le coefficient de modulation la quantité d’aliment ingérée (QI), le coefficient de modulation de la quantité d’azote ingérée (NI), le taux de mortalité et la durée du vide sanitaire (VS). Le PVini détermine en partie l’efficacité alimentaire (des animaux entrés plus lourds ont un indice de consommation moyen en engraissement plus élevé), QI détermine aussi en partie le niveau de croissance et le coût alimentaire, NI influence largement la quantité d’azote excrétée et donc les impacts environnementaux associés (surtout acidification et eutrophisation), VS conditionne l’âge à l’abattage et donc le poids vif d’abattage et le revenu. Cette étude propose une séquence d’analyse de sensibilité générique, adaptée à des modèles de systèmes d’élevage ayant un temps de simulation long et disposant de sorties multicritères.