Nous avons jusque là supposé que le modèle était parfait. Ceci
n'est pas le cas, puisque certains paramètres sont mal estimés, et
les équations simplifiées. Nous avons vu dans le chapitre 
portant sur les généralités de l'assimilation de données qu'il
est impossible de tenir compte de ces erreurs dans le cas de
l'algorithme 4D-VAR. En effet, il faudrait rajouter aux équations
(5.1-5.3) des termes correctifs pour les
modéliser. Ces termes seraient alors à rajouter dans le vecteur de
contrôle, et sa taille se verrait multipliée par le nombre de pas
de temps utilisés pour l'intégration du modèle. Il ne serait
alors plus du tout envisageable de minimiser la fonction coût
prenant en compte ces termes correctifs.
On peut malgré tout incorporer de façon partielle l'erreur modèle en la projetant sur une base d'EOF (Empirical Orthogonal Functions) par exemple, et en ne gardant que quelques composantes [53]. La fonction coût ne minimisera alors l'erreur que dans une base assez restrictive.