Précédent Suivant

De la simplexité et des systèmes complexes


Texte intégral

1« La simplexité n’est pas la simplicité, elle est fondamentalement liée à la complexité avec laquelle elle possède une racine commune », écrit Berthoz dans l’introduction de son livre1. La simplexité pourrait être une sorte de « simplicité compliquée », ajoute-t-il. Par ailleurs toute introduction sur les systèmes complexes prévient le lecteur de ne pas confondre « système complexe » et « système compliqué ». En effet, on postule souvent que le fonctionnement d’un système complexe à une échelle d’observation donnée peut s’expliquer à partir de mécanismes simples interagissant à une échelle plus fine. On pourrait donc dire que les théories de la complexité, citées à de nombreuses reprises comme une référence établie, visent à « simplifier le complexe ». Nous allons discuter dans ce chapitre de complexité et de systèmes complexes, non pas dans l’absolu, car il n’y a pas d’école unique dans le domaine, mais relativement à la notion de simplexité. La simplexité étant elle-même souvent définie en fonction d’une phénoménologie des systèmes complexes, espérons que cette dissertation un peu informelle permettra en retour d’éclairer, malgré et grâce à sa circularité, les concepts de simplexité et de complexité.

2La simplexité se comprend à partir des mécanismes développés par l’être vivant pour agir dans un environnement complexe, en résolvant des problèmes de façon rapide et ingénieuse, sans nier la complexité du réel, mais en s’y adaptant. Entre science et conscience, des chercheurs en physiologie ou en phénoménologie décortiquent ces mécanismes innés ou acquis qui régissent le passage de la perception à l’action chez le sujet humain ou animal. Ils espèrent les renforcer pour améliorer l’efficacité et l’élégance des réponses aux défis posés par un monde jugé de plus en plus complexe.

3Confrontés à la même complexité du monde réel, les chercheurs se reconnaissant du domaine des systèmes complexes cherchent à comprendre les mécanismes expliquant le comportement des systèmes complexes environnementaux, biologiques ou sociaux. Ils se positionnent comme des observateurs percevant le système de façon a priori objective (par exemple via des capteurs artificiels de données, pendants des capteurs sensoriels naturels). Ils développent des modèles et des scénarios d’évolution dynamique visant à aider, au moins sur le long terme, à la décision d’acteurs2.

4La référence commune à des théories de la complexité est source d’inspiration tant pour les tenants d’un point de vue systémique que pour ceux privilégiant l’acte individuel. Notons que l’appellation « science de la complexité » est parfois critiquée car les théories existantes, issues de travaux de mathématiciens, informaticiens ou physiciens, sont essentiellement basées sur des études de cas abstraits. Cette vision « historique » de la complexité3 a le mérite de montrer, à défaut de démontrer, que la complexité est incontournable : il suffit de constater l’infinité de formes et de dynamiques pouvant être générées à partir de simples simulations informatiques discrètes, l’émergence de comportements collectifs bien différents de la somme des comportements individuels, ou encore l’imprévisibilité des évolutions sur le long terme, même en connaissant le déterminisme local de la dynamique d’un système, pour se convaincre que la notion de complexité est intrinsèque au monde, fût-il le simple monde de la logique pure. Nous pourrions relativiser l’idée de complexité en la modulant, soit par le point de vue subjectif de l’observateur, soit par sa variabilité en fonction de la fenêtre spatiotemporelle d’observation ; mais il s’agit ici avant tout de se demander comment la recherche scientifique actuelle se positionne4, face à un simple constat d’existence d’une complexité observée.

5Les réponses des approches simplexes et celles des « systèmes complexes » ne se placent pas sur le même plan. Le concept de simplexité se place au niveau d’un être vivant, qui établit un rapport direct entre perception et action, et qui cherche à contourner la complexité plutôt qu’à l’expliquer, en mettant en œuvre quelque mécanisme compliqué d’apprentissage ou d’évitement et autres détours de la complexité du système dans lequel il est immergé. Au contraire, les chercheurs en « systèmes complexes » introduisent la plupart du temps une longue phase de modélisation entre la perception et l’action, en focalisant sur la compréhension du système. Ils s’inspirent fortement, pour ce faire, des théories ou concepts de la complexité développés sur des mondes abstraits, que l’on peut de ce fait convenir d’intégrer dans un concept large de complexité incluant perception, conceptualisation et action.

6Prenons un cas concret, un exemple bien connu de système complexe, et considérons le comportement d’une foule, par exemple lors de l’évacuation d’un espace dangereux. Du point de vue de l’individu percevant le danger, il s’agit de mettre en œuvre, consciemment ou inconsciemment, ses capacités d’agir de façon « simplexe » pour survivre. Du point de vue du chercheur en systèmes complexes, il s’agit de comprendre le fonctionnement du collectif, en l’observant globalement, mais aussi en faisant des hypothèses simples sur les comportements individuels (simplexes) et en modélisant les interactions entre trajectoires individuelles. C’est ainsi que des travaux sur les systèmes complexes5 ont pu montrer que la mise en place d’un simple poteau, en amont du flot de sortie vers une évacuation, a pour effet de réguler ce flot et d’éviter des bousculades meurtrières. L’architecte animé par une démarche simplexe aurait-il pu y penser avec du simple bon sens intégrateur, ou bien a-t-on aussi besoin de ce type de simulations physico-informatiques ?

7Le point de vue simplexe se situe au sein même de l’entité vivante, qui cherche des solutions aux problèmes que la complexité de l’environnement (externe et interne) pose pour sa propre survie, et cette entité est de fait elle-même partie prenante du système puisqu’elle interagit avec lui. Le point de vue complexe nous apparaît extérieur au système étudié, recherchant des liens de cause à effet, voire de causalités circulaires, en focalisant sur interactions, actions et rétroactions au sein même du système complexe. Une première proposition est ici de considérer que le point de vue simplexe tend à subjectiver la perception du réel, alors que le point de vue complexe tend à vouloir l’objectiver. Une deuxième proposition consiste à dire que le point de vue simplexe se situe avant tout au niveau individuel, alors que le point de vue système complexe focalise souvent sur les relations individus-collectif. L’expérience vécue par une communauté intersubjective intègre, de fait, les vécus individuels ; mais peut-on alors se dispenser, dans ce cas, d’une analyse extérieure de l’intersubjectivité par une « tierce personne » ?

8Si nous schématisons en considérant un seul plan d’analyse – situant la simplexité au niveau de l’interface perception-action et la complexité au niveau des interfaces entre perception, conceptualisation et action –, les similitudes seront d’autant plus fortes que la phase de conceptualisation est de courte durée. La simplexité suppose l’intégration quasi-instantanée de multiples perceptions sensorielles et cognitives par un être vivant pour préparer l’acte. Cherchons des exemples d’intégrateurs humains. On a parfois comparé l’approche intégrée des systèmes complexes à celle du médecin généraliste6, qui ne se contente pas de sommer de multiples informations apportées par des analyses de spécialistes, mais considère le malade dans son unité physique et psychologique avant de faire un diagnostic et de choisir un traitement, en effectuant une intégration qualitative rapide. En terme de rapidité d’analyse, on pourrait lui opposer l’approche hypothétique d’un modélisateur de systèmes complexes qui se lancerait dans une étude théorique préalable – cherchant par exemple à contrôler la dynamique globale du système en trouvant les valeurs des variables qui lui permettent de rester dans son domaine de viabilité ou à effectuer une intégration numérique de modèles de fonctionnement locaux couplés. Dans le cas du médecin, le point de vue simplexe nous paraîtrait in fine prendre le pas sur le point de vue initial en tant qu’exemple privilégié d’approche d’un système complexe. L’architecte est, lui, un exemple privilégié de la simplexité. Tout comme le médecin, il réunit de multiples informations de spécialistes. Comme lui, il perçoit puis agit ; de plus, il veut construire. Pourrait-il plus aisément privilégier une approche simplexe car centrée sur un plan d’action ? Mais le « coin de rue » émerveillant Berthoz est-il une création volontaire de l’architecte ou une propriété émergente dans une ville ou un simple village ? Un modélisateur de systèmes complexes pourrait décider de simuler la croissance d’une ville afin de répondre à cette question… Berthoz considère que la conceptualisation sous forme de simulation se situe un autre plan, celui du détour, et cite la simulation d’un airbus comme un – long – détour aidant un industriel à prendre une décision simplexe. Petit7 craint que toute représentation ou modélisation systémique s’interposant entre perception et action rende improbable une prise de conscience simplexe dans un monde phénoménal, et, si tel est le cas, seule une durée de conceptualisation tendant vers l’infiniment petit et internalisée serait acceptable pour une approche simplexe. Ma proposition consiste simplement à dire que, plus la phase de représentation conceptuelle est longue, par exemple en s’assortissant de la construction de lourds modèles mathématiques, informatiques ou physiques, plus on s’éloigne de la notion de simplexité.

9Une grande différence entre complexité et simplexité provient de ce que le concept de complexité s’adresse aussi bien aux systèmes abstraits qu’aux systèmes réels, et, si nous nous intéressons ici au cas du monde réel, il concerne tout autant les systèmes purement matériels que les systèmes vivants. Des travaux de type système complexe portent sur toutes les échelles de l’être vivant. Citons ici un exemple sur l’étude de dynamiques de populations de cellules cancéreuses8 : que signifierait l’application d’une approche simplexe à l’échelle d’une cellule vivante ayant certes des fonctions de survie et reproduction, mais une prise de conscience discutable? De même, peut-on transposer une démarche simplexe à l’étude d’un système inanimé ? C’est lorsqu’on étudie des systèmes complexes physiques ou environnementaux qu’on semble le plus s’écarter de la notion de simplexité. Lorsqu’on cherche à comprendre la dynamique d’un écosystème, d’événements critiques (criticalité auto-organisée des tas de sable, avalanches, séismes), de la turbulence ou de la dynamique complexes de fluides dans des réseaux naturels, en travaillant seulement sur des interactions mécanistes et sur la multiplicité des échelles, la notion de simplexité apparaît lointaine, repoussée à une étape ultérieure incluant la prise de décision humaine dans un système plus large. Une autre différence se situe au niveau de l’échelle d’analyse, qui est, dans le cas d’une approche simplexe, celle de l’être vivant considéré, de son environnement spatial perceptible et de quelques événements temporels. En revanche, une approche complexe inclut au moins deux échelles spatiales et, très souvent, de multiples échelles emboîtées entre celle de l’observateur et celle des composantes du système. Elle vise souvent, malgré des difficultés évidentes, à appréhender la dynamique du système sur le long terme. Serions-nous tentés de renoncer à mettre en parallèle simplexité et complexité ?

10Je défendrai ici une thèse selon laquelle c’est au niveau des méthodes d’analyse de données et de modélisation de systèmes complexes réels qu’on peut mettre à profit un concept de simplexité élargi. Le modélisateur est lui aussi un être vivant, qui peut mobiliser des mécanismes simplexes. Lui aussi est un fervent du rasoir d’Occam pour rechercher les modèles les plus explicatifs possibles car les plus simples. Les modèles fonctionnent comme des médiateurs, écrans de représentation entre le réel et l’humain. Ils peuvent s’instancier sous forme d’intégrateurs rapides des données perçues ou mesurées sur un système complexe : citons, à titre d’exemple, les méthodes de fouille ou d’assimilation de données et, plus généralement, tous les modèles statistiques, qu’ils soient à base de régression classique ou à base d’inférence probabiliste, comme les approches bayésiennes9. Ils peuvent se baser sur de simples schémas et des dessins, une méthode couramment mise en avant par l’approche simplexe. C’est ainsi que la visualisation graphique est une composante privilégiée des simulateurs multi-agents10, souvent employée pour analyser un système complexe, qu’il s’agisse de représentation directe de données issues de multiples capteurs (par exemple pour le suivi de dynamiques urbaines ou leur modélisation11) ou de la mise en exergue de faits saillants dans des simulations dynamiques12. La représentation graphique de grands réseaux d’interaction sociaux ou biologiques13 participe de la même démarche. Pourrait-on dire qu’une approche simplexe préférera des démarches géométriques (par exemple, la reconnaissance de formes signifiantes, proche du regard) aux démarches analytiques et mécanistes (modèles mathématiques à base d’équations) ? Le modélisateur des systèmes complexes peut ainsi s’inspirer de méthodes simplexes développées par le vivant (détection de motifs spatiaux, anticipation probabiliste), mais la recherche de méthodes automatisées n’est pas triviale. Berthoz dit qu’une propriété fondamentale de la simplexité est « l’anticipation perceptive ». Qui dit anticipation n’est pas loin de prévision. C’est bien une question de fond dans le contexte d’imprévisibilité des systèmes complexes que nous évoquions en introduction. À l’incertitude sur l’avenir s’ajoute celle sur l’état présent du système, que l’augmentation des informations disponibles ne fait paradoxalement qu’accroître. Des stratégies développées par le cerveau humain sont à la source de principes de traitements de données complexes (par exemple l’utilisation de la redondance pour augmenter la fiabilité de l’information) ou de modélisation dynamique (par exemple la modularité, piste privilégiée par les développeurs de modèles distribués de systèmes complexes). C’est la démarche même du modélisateur de systèmes complexes que nous qualifions de simplexe.

11Une caractéristique importante des approches systèmes complexes est leur interdisciplinarité et leur transdisciplinarité, avec la circulation de métaphores d’une discipline à une autre. Le développement d’algorithmes bio-inspirés (algorithmes génétiques, réseaux de neurones) foisonne déjà dans l’univers de la complexité en copiant sur des procédés développés par le vivant. Il reste à espérer que le concept de simplexité apportera de nouvelles propositions de métaphores issues des sciences de la cognition et de la biologie. Cela suppose de continuer sur le plan de l’acquisition de données en neurosciences et en physiologie, et de poursuivre la formalisation du concept de simplexité.

12Pour conclure, au-delà de la racine sémantique commune, les tentatives récentes de formalisation des concepts de complexité et simplexité (même si les notions existent depuis plus longtemps) puisent une origine commune dans la perplexité ressentie par les scientifiques et les citoyens face au « TGV des changements technologiques »14 : une sorte de désir de retour aux sources d’un bon sens intégrateur, pour « naviguer dans l’océan des incertitudes »15 générées par l’explosion des moyens d’information et de communication et par l’accumulation des connaissances spécialisées et parcellaires. Les tenants de la simplexité considèrent que l’être vivant a survécu jusqu’à nos jours en s’adaptant et en trouvant des solutions simplexes, et qu’il faut renforcer et imiter cette posture. Les tenants de la complexité espèrent apporter des réponses assistées par ces mêmes moyens technologiques, dont découlent des changements conceptuels, et qui pourraient en retour nous donner des moyens d’analyse nouveaux (perception multi-capteurs et multi-échelle), des moyens de modélisation rapides (croissance des moyens de calcul par des ordinateurs de type super-cerveaux), tout cela sur fond d’humanisme éclairé, pour agir dans la « bonne direction ». La question de l’action n’est pas simple lorsque l’on dépasse l’idée d’action individuelle, chère à la simplexité. S’il est possible de copier sur des mécanismes mis en œuvre par l’organisme vivant pour assurer sa survie et de s’en inspirer pour modéliser la survie d’une société humaine en tenant compte de la dynamique de l’environnement planétaire, s’il est donc possible de trouver des solutions simplexes, la question se posera alors de l’application de ces solutions. En effet, si l’on suppose qu’il n’y a pas de grand chef d’orchestre, on se retrouve plutôt devant des questions d’émergence collective à partir de comportements individuels ou locaux. Les chercheurs affirmant leur espoir dans le développement de nouvelles méthodes d’investigation scientifique et humaine, qu’elles soient basées sur des approches « simplexes » ou « systèmes complexes » partagent un même optimisme face à la complexité du monde réel : il serait possible d’avoir des actions individuelles positives sans chercher à tout comprendre (la vie simplexe) et il serait possible de mieux comprendre les interactions au sein d’un système pour mieux orienter les dynamiques collectives en renonçant à les contrôler de façon optimale (le monde complexe). Leur rencontre vise à un relever un défi commun : agir au mieux en connaissant les possibilités et les limites de nos capacités de perception, de compréhension et d’anticipation.

Notes de bas de page

1 A. Berthoz, La simplexité, Odile Jacob, 2009.

2 G. Weisbuch, H. Zwirn, Qu’appelle-t-on aujourd’hui les sciences de la complexité ?, Vuibert, 2010.

3 J. Gribbin, Simplicité profonde. Le chaos, la complexité et l’émergence de la vie, Flammarion, 2006.

4 G. Deffuant et al., « Trois visions des systèmes complexes : un état des lieux pour construire l’avenir », Natures Sciences Sociétés, 2013, à paraître.

5 D. Helbing, A. Johansson, (2010), « Pedestrian, Crowd and Evacuation Dynamics », Encyclopedia of Complexity and Systems Science, 16, p. 6476-6495.

6 P. Bourgine, « Les systèmes complexes obéissent-ils à des lois ? », in P. Bourgine, D. Chavalarias, C. Cohen-Boulakia (dir.), Déterminismes et complexités : du physique à l’éthique. Autour d’Henri Atlan, La Découverte, 2008, p. 377-393.

7 J.-L. Petit, communication personnelle.

8 A. Lesne (éd.), Cell Population dynamics in cancer progression. Mathematical and Population. Studies, Special issue, vol. 15, issue 3.

9 C.M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006.

10 J.P. Treuil, A. Drogoul, J.D. Zucker, Modélisation et simulation à base d’agents, Dunod, 2008.

11 M. Batty, Cities and Complexity, MIT Press, 2007.

12 A. Cardon, La Complexité organisée, éditions Hermès-Lavoisier, 2005.

13 A. Barrat, M. Barthélémy, A. Vespignagni, Dynamical Processes on Complex Networks, Cambridge University Press, 2008.

14 A. Berthoz, La simplexité, op. cit.

15 E. Morin, Introduction à la pensée complexe, 1990 (réédition Le Seuil 2005).

Précédent Suivant

Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.