Versión clásicaVersión móvil
OpenEdition Books

Sciences de la nature, sciences de la société

 | 
Marcel Jollivet

Troisième partie. Questions et méthodes

Modélisation et simulation : une approche de la prédictivité

Olivier Godard y Jean-Marie Legay

Texto completo

1Il est classique d’attendre d’une démarche scientifique qu’elle aboutisse à des énoncés à valeur prédictive sur l’objet dont elle s’est saisie. La voie longtemps suivie pour parvenir à de tels résultats fut la recherche de lois scientifiques (au sens du siècle dernier), que celles-ci soient déterministes ou stochastiques. Elles étaient censées condenser l’essentiel d’un phénomène : une fois muni des valeurs caractérisant une position initiale et d’une loi de dynamique, on devait pouvoir prédire tout état ultérieur des variables décrivant le phénomène. S’il en était ainsi, on parlait de système déterminé. En fait de telles situations supposent un certain nombre de conditions : le phénomène est décrit par un petit nombre de variables décisives ; celles-ci sont accessibles à la mesure et en tout cas à l’expérience ; au moins un état peut être complètement exploré et servir de conditions initiales ; les hypothèses générales de fonctionnement du système incluant le phénomène étudié sont parfaitement stables, ce qui autorise une prédiction par extrapolation. Il ne peut donc s’agir que de situations exceptionnellement simples. C’est d’elles que s’est nourri le développement scientifique et technique des deux siècles derniers.

2Depuis une cinquantaine d’années, on est devenu, tout à la fois, plus ou moins ambitieux. On est devenu beaucoup plus ambitieux quand on a décidé de s’attaquer à des phénomènes décrits par de multiples variables, d’accepter que certaines d’entre elles ne soient pas accessibles à la mesure, de se dispenser de la connaissance d’un état initial au sens strict et enfin d’admettre que les conditions de fonctionnement ne seraient pas forcément stables. En un mot, c’était accepter des objets complexes comme objets de recherche.

  • 1 Comme son nom l'indique, le « constructivisme » est une théorie de la connaissance selon laquelle l (...)

3Cette ambition nouvelle impliquait – et on ne l’a pas compris tout de suite – des changements méthodologiques. En particulier, on ne pouvait pas en rester aux notions cartésiennes et bernardiennes de découpage en éléments simples, d’expérience cruciale, et de couplage entre une cause et un effet. C’est alors que l’on a développé l’approche par modèles. Avec cette approche, on renonce au concept de loi dans ce qu’il a d’absolu. Écartant toute prétention à exprimer l’essence de la réalité, on pose un principe de pluralité des constructions possibles pour représenter et comprendre un objet réel. Une connaissance pure, non médiatisée, du monde est reconnue comme inaccessible. Dans une épistémiologie constructiviste1, “connaître, c’est modéliser” (Le Moigne, 1984).

4C’est alors en observant le comportement du modèle soumis à un jeu varié d’hypothèses et d’évènements que l’objet réel peut être connu. C’est pourquoi l’une des fonctions principales des modèles est de permettre la simulation. De ce fait, le couple modélisation/simulation fournit une sorte d’ersatz de l’expérimentation contrôlée pour tous les phénomènes ou objets qui ne présentent pas les conditions requises pour être traités expérimentalement (Dauphiné, 1987), ce qui est souvent le cas pour le type de recherches considéré ici. La démarche de simulation ne remplace évidemment pas celle de l’expérimentation ; mais comme celle-ci devient très coûteuse dans de nombreux domaines, elle permet d’économiser les moyens de recherche en améliorant et en réduisant les plans expérimentaux.

5L’expérience acquise en modélisation depuis une vingtaine d’années a permis de faire toute une série de découvertes dans le domaine méthodologique :

61 – Il existe différentes sortes de modèles que l’on peut classer à la suite de J. Sauvan (1966) selon leur relation au phénomène à comprendre (simulateurs, modèles vrais, substituts, répliques), selon leur nature (modèles physiques, modèles mathématiques) ou encore selon l’usage qu’on veut en faire (modèles descriptifs, modèles de fonctionnement, modèles de prévision et de décision). Ainsi, pour les modèles à visée décisionnelle, on doit isoler, au stade même de la conception, un ensemble de variables considérées comme des variables d’action ou de contrôle et se mettre en état de pouvoir apprécier l’impact de leur manipulation ; on doit aussi relier ces variables aux types d’objectifs poursuivis par les décideurs au service desquels l’exercice est mené. Des modèles à visée explicative ambitionnent d’appréhender l’objet dans son organisation et son fonctionnement, tandis que des modèles ayant une visée prédictive pragmatique pourront éventuellement exploiter la découverte de corrélations entre les phénomènes à appréhender et d’autres phénomènes appartenant à leur contexte ou suivant les mêmes allures d’évolution.

72 – Les modèles peuvent être, dans certains cas, des représentations simplifiées de la réalité, mais ce n’est pas nécessairement le cas : ils en sont souvent très éloignés. Certains modèles de prévision ne sont pas construits à partir de modèles de fonctionnement, mais sur des bases fort éloignées d’une logique d’extrapolation.

83 – Malgré l’expérience acquise, la science ou l’art de la construction des modèles n’en est qu’à ses débuts. La production de modèles mathématiques a été assez empirique jusqu’à présent.

  • 2 Cf. ci-dessus Oliver Godard, « La Relation interdisciplinaire : problèmes et stratégies », p. 331.

9La modélisation, d’autant plus justifiée que l’on s’attaque à un objet complexe, est un terrain privilégié de la coopération interdisciplinaire. Dès le premier stade de la modélisation, celui des diagrammes fléchés, la confrontation interdisciplinaire peut donner des résultats positifs2. Il arrive que la modélisation n’aille pas plus loin, car une modélisation mathématique implique des contraintes auxquelles les disciplines concernées ne peuvent pas également satisfaire. Même ainsi, elle peut s’avérer féconde.

10Nous nous intéresserons ici aux rôles particuliers tenus par la modélisation dans les programmes de recherches interdisciplinaires et aux problèmes rencontrés à cette occasion. Quelles leçons peut-on tirer des efforts, d’intensité variable, qui ont été tentés en ce sens ? Comment se présente le problème de la prédictivité dans des programmes pluridisciplinaires associant sciences sociales et sciences naturalistes ?

1. La modélisation globale, horizon de la recherche interdisciplinaire

11L’un des idéaux qui animent le projet interdisciplinaire face à une réalité complexe réside dans la construction d’un modèle global qui parviendrait à intégrer les contributions de chaque discipline associée, naturelle ou sociale, afin de restituer, dans son unité, l’architecture et le comportement de l’objet à connaître.

12Pour réaliser un tel modèle, plusieurs conditions devraient être réunies : les disciplines associées devraient s’accorder sur la définition d’un objet unique, puis sur son découpage en modules disciplinaires ; elles devraient également s’accorder sur la définition de variables d’interface permettant l’articulation de ces modules et la transmission/traduction de l’information élaborée par une discipline dans des termes pertinents pour son utilisation par une autre. Au regard des disciplines concernées, un modèle de ce type fonctionnerait comme un méta-niveau appuyé sur un méta-langage unique où toutes les contributions disciplinaires trouveraient leur place dans un espace unifié de signification. La pluralité des points de vue, des hypothèses, des échelles de travail, des langages, serait alors réduite – il faut donc qu’elle soit réductible ! – en un arrangement fonctionnel cohérent.

  • 3 C'est par exemple le cas de la modélisation économique effectuée dans le cadre du programme « Duran (...)
  • 4 Cela fut réalisé dans le cadre du Programme « Montpelliérais » [V.28.] (Debussche et al., 1987 ).
  • 5 Dans l'exemple évoqué, cette variable d'interface permettant d'articuler évolution du couvert végét (...)

13Il n’est pas d’exemple abouti d’un tel modèle interdisciplinaire, qui garde donc son statut d’idéal de référence, d’horizon de la modélisation. La plupart des travaux de modélisation parvenant à l’étape numérique sont des modèles de conception monodisciplinaire, même s’il leur arrive d’utiliser des données fournies par d’autres disciplines3. Dans certains cas, pour étudier une question ciblée, les chercheurs entreprennent une modélisation à la charnière de deux disciplines qui présentent une proximité suffisante pour cette question. C’est par exemple le cas du couplage d’un modèle écologique de transition des formations végétales et d’un modèle hydrologique destiné à permettre une simulation de l’évolution des ressources en eau dans un bassin-versant karstique du Languedoc4. Ce type d’approche ne permet pas de contourner les exigences précédemment formulées, mais en réduit certainement le poids ; dès lors, à l’aide d’un jeu d’hypothèses appropriées et de simplifications jugées acceptables, les chercheurs parviennent à s’accorder sur une ou plusieurs variables d’interface assurant la circulation de leurs données et de leurs résultats5. Mais ces succès partiels ne paraissent pas aisément généralisables.

14Quelques tentatives de modélisation globale ont cependant été faites. On en retiendra deux parmi les plus notoires, où la construction et l’utilisation d’un modèle global, combinant variables socioéconomiques et variables biophysiques, constituaient le but et le principe organisateur d’un programme de recherche : il s’agit des modèles PEPERT (Programme « Cévennes » [V.34.1.] et AMORAL (Durand et al., 1983), réalisés à dix ans d’intervalle. Avec une telle visée, ces deux travaux restent cependant des tentatives isolées, des exceptions au regard de la manière dont la plupart des programmes de recherche examinés ont été conçus.

1.1. Le modèle PEPERT

15Le modèle PEPERT vise la connaissance du devenir possible, en fonction de différentes politiques d’action, d’un espace rural marginalisé. Il s’appuie sur des exercices de simulation réalisés à partir d’hypothèses contrastées intéressant certaines variables jugées décisives. En particulier il est conçu pour apprécier l’effet de politiques qui miseraient sur une amélioration de la productivité des parcours pour l’élevage, comparativement à des politiques plus habituelles de soutien direct des prix ou des revenus.

16Réfléchissant sur leur pratique de la modélisation, les auteurs de ce modèle avancent d’abord l’idée, retrouvée à plusieurs reprises dans d’autres programmes (« Népal » [V.5.3.] par exemple), que la phase de construction du modèle fournit une procédure féconde de collaboration entre disciplines : elle permet le rapprochement initial de diverses disciplines en vue d’un travail en commun ; elle organise les questions que les disciplines s’adressent respectivement ; elle constitue aussi un moment de confrontation qui permet de mieux cerner les problèmes théoriques posés par les rapports entre économie et écologie, en raison des difficultés qui surgissent immanquablement de toute tentative pratique d’articuler ces deux disciplines.

17Mais ces auteurs mentionnent également les limitations et les obstacles qu’ils ont rencontrés sur le plan de l’interdisciplinarité et qu’ils ne sont pas parvenus à surmonter. L’ambition intiale d’une modélisation écologico-économique intégrée a cédé la place à la seule analyse des impacts du changement économique sur le milieu, ce dernier n’étant appréhendé que par le biais d’une seule variable : l’occupation des sols. Il n’a pas été possible de prendre en compte des relations d’interaction et de rétroaction. Le modèle construit n’est pas véritablement pluridisciplinaire, et apparaît plutôt comme « un modèle économique qui tient compte de quelques variables écologiques ». De plus, la démarche des deux disciplines est restée disjointe ; ainsi les matrices de transition écologique entre différentes catégories d’espace ne prennent en compte que des transitions naturelles, ignorant les reboisements artificiels ou les politiques forestières. D’où cette hypothèse, certes très réductrice de la complexité des interactions hommes/milieu, mais très pratique : les dynamismes économiques régissent l’évolution de la SAD, tandis que les dynamismes écologiques régissent tous les autres espaces.

  • 6 Une exception est fournie, on l'évoquera plus loin, par la démarche de Fayat (1982, 1984-1986), qui (...)

18Même ainsi, chaque discipline s’est trouvée placée à la limite de ses compétences en termes d’échelles spatiale et temporelle : l’économiste sait travailler sur de petits pas de temps, définis par la période de validité d’un système de prix6, mais à une relativement grande échelle, comme une région ou un pays – à une plus petite échelle les statistiques économiques disponibles n’ont plus guère de signification ; l’écologue, du moins le phyto-sociologue, travaille à petite échelle – au maximum une commune – et sur des pas de temps importants – plus de 50 ans…

19Les auteurs évoquent également les difficultés rencontrées à l’occasion du recueil des données statistiques nécessaires pour donner une portée opératoire à l’exercice de modélisation : difficulté à constituer des statistiques appropriées et cohérentes à partir de sources hétérogènes, difficulté à utiliser les sources statistiques existantes dans la mesure où elles sont agrégées à d’autres échelles que celle retenue pour le programme. Le traitement de telles données nécessite un gros travail et surtout il implique des opérations souvent douteuses au regard des exigences méthodologiques. Les auteurs sont ainsi amenés à relativiser la portée de leurs résultats numériques…

1.2. Le modèle AMORAL

20Le but général du modèle AMORAL est similaire : permettre la simulation de l’évolution d’une région de montagne afin de repérer les variables qui paraissent les plus influentes et d’éclairer les politiques d’aménagement des pouvoirs publics. Ce modèle intègre des variables et des données socio-économiques, démographiques, sociologiques et géographiques.

  • 7 Se reporter à la présentation que donne A. Dauphiné (1987) de ce langage, élaboré par J.W. Forreste (...)

21Trois traits retiennent l’attention. Le modèle est conçu de manière descendante, à partir d’un noyau de relations fondamentales reflétant des hypothèses politiques : l’évolution de la petite région, le pays, résulte essentiellement d’une dynamique interne dépendant de la maîtrise du développement socio-économique par ceux qui veulent y vivre et y travailler. Il prend en compte des variables qualitatives originales, comme l’aptitude à l’innovation et l’image de marque du pays dans les médias au côté de variables quantitatives. Il s’inscrit explicitement dans le cadre théorique de la dynamique des systèmes, et utilise le langage « DYNAMO »7.

22Néanmoins, quand on considère le type de variables prises en compte, on s’aperçoit que sur cent variables, il n’y en a que quatre qui représentent des aspects touchant à l’espace ou à l’environnement : l’image du pays dans les médias, un indicateur de cloisonnement interne (lié au relief, au réseau routier, à la dispersion de l’habitat), un indicateur de distance à la ville, un indicateur de contiguïté (sensibilité aux évolutions qui affectent des pays voisins). On est donc loin d’une étude approfondie des interactions hommes-écosystèmes ! De ce point de vue, l’enthousiasme exprimé par l’un des auteurs de ce modèle (Durand, 1984) sur les possibilités d’intégration qui en résultent paraît bien excessif.

23Ces deux expériences prêtent à réflexion. Dans chaque cas, bien que de façon différente, les résultats sont en retrait sensible au regard des ambitions affichées ou des justifications données. Mais ce décalage livre une information positive : on perçoit mieux désormais que globalité ne peut pas signifier exhaustivité de l’intégration des facteurs pris en compte. Les modèles globaux, eux aussi, sont partiels et sélectifs, construits pour éclairer quelques hypothèses.

24En l’occurrence, pour le modèle AMORAL, l’hypothèse implicitement retenue fut la suivante : certes, la structuration de l’espace et la localisation comptent pour déterminer le développement d’une petite région de montagne où l’agriculture ne joue plus qu’un rôle marginal, mais les aspects écologiques de l’évolution de cet espace n’ont aucun rôle significatif. L’environnement demeure, comme dans le modèle PEPERT, le lieu d’inscription des impacts d’une évolution économique dont il n’est pas partie prenante à l’échelle spatio-temporelle considérée.

25Plus généralement, dans l’état actuel des travaux pluridisciplinaires effectués, la figure du grand modèle global intégrateur représente vraisemblablement un de ces mythes qui opèrent dans une première phase comme un facteur de structuration et de dynamisation de la recherche, mais qui deviennent par la suite, au moins pour un temps, un piège bloquant la progression de la recherche, un piège dont il faut parvenir à se dégager. La modélisation est un instrument irremplaçable de connaissance des objets complexes ; elle permet en effet l’appréhension des réseaux de cohérence entre phénomènes qui échappent à l’intuition ou aux conditions traditionnelles de la méthode expérimentale (Legay, 1987). Mais, une fois franchie la première étape, le projet de modélisation doit certainement se diffracter en fonction d’une grille de questions pointues nécessitant des coopérations interdisciplinaires locales et délimitées ; cela ne réduit évidemment pas l’intérêt de la construction de modèles permettant d’assurer la cohérence d’ensemble des différentes hypothèses testées par divers modèles spécialisés.

26Au total, les difficultés rencontrées par la mise en œuvre de la démarche de modélisation en contexte d’interdisciplinarité ne devraient pas faire renoncer à l’outil, pour la simple raison qu’il ne fait que révéler des difficultés auxquelles la recherche interdisciplinaire se trouve de toute façon confrontée. Il n’en reste pas moins que, selon les étapes et les degrés de la coopération interdisciplinaire, ce n’est pas nécessairement la forme la plus achevée de la modélisation, le modèle mathématique quantifié, qui apparaît la plus utile.

2. Trois options de substitution à la modélisation globale formalisée interdisciplinaire

27Si comme l’affirment les auteurs du modèle AMORAL, un des grands avantages de la modélisation formalisée et de la simulation est d’obliger « le chercheur à expliciter la totalité de ses présupposés, de ses hypothèses, de son raisonnement et de la finalité de sa recherche, alors que le discours verbal permet d’éluder ou de dissimuler, volontairement ou involontairement, les difficultés non résolues ou les contradictions non assumées » (Durand et al., 1983, II, p. 133), un tel bénéfice est souvent recherché dans d’autres programmes selon d’autres voies.

2.1. L’utilisation de « schémas systémiques »

  • 8 Voir par exemple les programmes « Alsace-Eau » [V.16.3.], « Durance » [V.22.] ou « Vosges » [V.4. B (...)

28L’utilisation de « schémas systémiques » ou de « diagrammes fléchés », avec des rectangles, des ronds et des flèches, est très fréquente pour représenter l’objet de la recherche et pour organiser, ou rationaliser après coup, l’intervention des différentes disciplines impliquées dans un programme de recherche pluridisciplinaire. Cette procédure permet de mettre chacun à sa place ou de trouver une place pour ce que fait chacun. La plupart du temps, ces schémas interviennent dans la partie introductive des rapports de recherche et correspondent à la phase de diagnostic de situation de l’objet de recherche, celle où se met en place la définition concertée des principales questions à étudier8.

29Il en est ainsi du programme « Noyonnais » sur la fertilité [V.17.4., p. 32] où se trouvent localisées les unes par rapport aux autres l’évolution du climat, l’évolution du milieu, l’évolution des successions culturales et celle des itinéraires techniques, l’évolution des pratiques des agriculteurs et celle de l’environnement socioéconomique, le tout engendrant une évolution des rendements. C’est à partir de ce schéma causal de départ que s’est trouvée organisée l’exploration des différentes relations causales imputées et, partant, l’intervention des diverses disciplines. De même, on trouve dans le programme « Vosges » [V.4.3., p. 31], une représentation d’ensemble distinguant et reliant systèmes socio-économiques, systèmes de production, systèmes techniques, écosystèmes. Ce schéma permet de repérer à la fois les domaines autonomes d’investigation propres aux différentes disciplines et les interfaces à organiser entre elles ; on y observe par exemple que les agronomes occupent une position intermédiaire où il leur faut gérer une interface avec les socio-économistes, et une autre avec les écologues.

  • 9 Voir par exemple la chronique d'une recherche sur un système agraire de la montagne corse (Deffonta (...)

30Deux autres usages des modélisations et des schémas graphiques touchent encore plus étroitement à l’organisation du travail de recherche : les calendriers de travail, prévoyant les séquences d’interventions spécialisées de différentes disciplines en fonction de la dynamique d’ensemble d’un programme, qui traduisent une certaine vision de l’objet de recherche et des besoins d’échange interdisciplinaire ; les chroniques de recherche, représentant les diverses étapes du travail en fonction de plusieurs paramètres (échelle, hypothèses, types d’investigation, partenaires, types de résultats), qui permettent la formation d’une mémoire critique et transmissible pour des programmes qui se déploient sur plusieurs années avec des équipes qui se renouvellent9.

31Intéressons-nous aux ressorts de tels schémas dont la simplicité et l’évidence apparente contrastent avec l’importance qu’ils prennent pour l’organisation du travail interdisciplinaire :

  • 10 Pour caractériser un phénomène ou définir un système, il faut d'abord définir son domaine d'existen (...)
  • 11 Certains attendent de l'interdisciplinarité qu'elle puisse fournir une telle théorie unifiante. C'e (...)

321. Le fait de représenter ces différents systèmes ou phénomènes sur un même plan traduit un postulat : il existe une relation de couplage par laquelle ils s’enchaînent les uns aux autres pour former une même et unique réalité10. On peut alors se représenter leur mise en relation sans solution de continuité, à la manière dont divers réservoirs hydrauliques sont reliés entre eux par des flux d’écoulement des eaux. En toute rigueur, cette façon de procéder impliquerait la définition d’un espace théorique susceptible d’unifier la compréhension de ces différents systèmes en les rendant commensurables d’une manière quelconque. Or cette théorie unifiante n’existe généralement pas, d’autant moins d’ailleurs que les différents blocs distingués correspondent à des objets pris en charge ou construits par des disciplines différentes11.

332. Lorsque les unités distinguées correspondent grosso modo à différents objets disciplinaires, comme lorsqu’on met en présence un système économique, un système social, et un système écologique (ou bien l’économie, la société et la biosphère), on suppose implicitement que les différentes disciplines scientifiques concernées sont couplées entre elles sans ruptures, qu’elles partagent un même domaine d’existence ; on suppose également qu’elles se différencient d’abord en fonction des lieux de ce domaine qu’elles investissent. Une correspondance étroite est alors établie entre la cartographie disciplinaire et la cartographie des principales liaisons causales qui structurent la réalité. Même si le discours qui accompagne ce type de schémas met l’accent, comme c’est le cas dans le programme « Vosges » [V.4.3., p. 12], sur les spécificités des différentes approches mises en œuvre par chaque discipline, le schéma affirme par sa présence que ces différences sont réductibles et intégrables dans une vision unifiée.

34Il y a là quelque chose de troublant, car l’épistémologie implicite dont témoignent ces schémas s’oppose à la conception moderne de la science ; depuis Claude Bernard, une discipline se caractérise non par son objet, mais par son point de vue, son projet et ses méthodes. Ce décalage limite la portée de ces schémas systémiques et on peut y voir l’une des raisons de ce fait déjà noté mais néanmoins curieux : ces schémas ne parviennent généralement pas à donner naissance à des modèles formalisés et quantifiés des réseaux de relations qu’ils postulent. L’objet auquel on a affaire est un objet éclaté, non par manque de science, mais en raison même de la démarche scientifique fractionnée et démultipliée en différentes disciplines. Dès lors les résultats ne coulent pas aussi aisément entre domaines disciplinaires que l’eau à travers les vannes d’un réseau hydraulique !

  • 12 C'est Raymond Eches qui évoque le « mirage de la pluridisciplinarité » (in Raynaut, 1983).

35Ainsi, dans la configuration examinée, les opérations de schématisation reviennent à faire miroiter la possibilité d’un modèle virtuel et d’une unification de la connaissance dont cependant les conditions de réalisation effective ne sont généralement pas réunies, non pas tant pour des raisons empiriques de manque de données que pour des raisons théoriques. On a affaire ici à un mirage de modèle12.

36Une telle situation est paradoxale. Comment justifier la présence de ce mirage au cœur d’une démarche qui se veut scientifique ? Comment expliquer que ces schémas aient tout de même une vertu organisatrice pour les programmes de recherche ? Il y a là deux aspects contradictoires. D’un côté, si l’on a en vue la seule étape de mise à l’épreuve et de validation de résultats scientifiques, le mirage des schémas doit être déconstruit et critiqué. Cette obligation s’impose d’autant plus que de tels schémas peuvent n’être pas autre chose qu’un habillage visant à conférer a posteriori l’apparence de la rigueur à un programme de recherche qui manquerait par trop de tenue. Mais du point de vue de la dynamique humaine d’un collectif de chercheurs, de l’organisation concrète d’une recherche ou de l’établissement d’une communication entre chercheurs appartenant à des disciplines différentes, ce mirage peut être efficace en permettant l’articulation du travail de chacun et l’élaboration de concert d’une certaine vue commune sur la nature de l’objet et sur la manière de conduire la recherche.

37L’efficacité d’une telle fiction tient à ce que, malgré toutes les ruptures épistémologiques fondatrices de chaque discipline, les objets construits par chacune d’elles se réfèrent à un objet réel dont l’unité constitue l’horizon de la recherche : comme tout horizon, il est inatteignable ; comme tout horizon, il permet de mettre les choses en place les unes par rapport aux autres, de faire apparaître une perspective… Là réside sans doute l’une des raisons pour lesquelles les chercheurs de plusieurs programmes adoptent une posture intellectuelle valorisant l’observation de terrain, le rapport au concret (Chatelin et Riou, 1986) et la démarche historique comme démarche intégratrice de la connaissance d’une réalité localisée aux multiples facettes (Coujard, Programme « Vallée de la Plaine » [Y.23.5.]).

2.2. Quand la modélisation concerne le recueil ou la mise en forme des données

38Devant les difficultés rencontrées sur la voie de l’unification théorique d’un champ interdisciplinaire, certains chercheurs ont adopté une stratégie indirecte misant sur la définition de procédures communes dans l’organisation pratique du travail. Ainsi Eches et ses associés (in Raynaut ed., 1983) se sont donné une règle structurant leur coopération : l’informatisation concertée des données rassemblées par chaque chercheur. Cette contrainte, d’emblée difficile à respecter, eut un effet directeur sur l’orientation de la recherche, car pour chacun le travail était modulé en fonction des contraintes de la programmation. Ce faisant, chaque discipline acceptait le risque de s’exposer à la critique des autres du point de vue de la performance de ses outils de saisie et de traitement des données.

39Dans un esprit analogue, M. Godron et son équipe ont mis au point un cadre de rassemblement de l’information utilisant le formalisme des tenseurs (Bastrenta et al., 1987 ; Godron et al. 1989). Cette méthode vise le rassemblement de différents types d’information intéressant un même espace sous une forme facilitant son utilisation dans une perspective d’aménagement. Un territoire est décomposé en unités écologiques homogènes, constituant également des unités de choix d’un mode de mise en valeur. À chaque unité écologique, on fait correspondre une matrice ; en lignes, figure la valeur de paramètres choisis comme descripteurs de l’état de cette unité ; ces paramètres peuvent comprendre des informations de type géographique, écologique et économique ; en colonnes intervient le temps sous formes de périodes ou pas de temps. Chaque matrice décrit donc l’évolution d’une unité écologique à partir d’une situation initiale. La situation et l’évolution d’un territoire entier sont déduites par empilement des matrices unitaires. En multipliant des tenseurs de potentialités par des tenseurs d’aménagements, on obtient des tenseurs de résultats qu’il est loisible d’évaluer économiquement au regard des perspectives de revenu ou des contraintes sur tel ou tel facteur de production.

40Cette méthode, qui s’apparente à un modèle comptable, s’inscrit dans une perspective où l’évolution d’un paramètre résulte d’une loi endogène, comme dans le cas des tables de croissance de peuplements forestiers, ou se déduit mécaniquement du jeu d’un ou de plusieurs autres paramètres retenus. L’action de l’homme prise en compte est son action de producteur, se traduisant par des apports (d’engrais, par exemple) et des prélèvements (éclaircies ou coupes) planifiés et donc rendus prévisibles.

41Ainsi la méthode des tenseurs est-elle destinée à enregistrer des états qui évoluent dans le temps et à permettre, là où les évolutions d’ensemble résultent de la simple combinaison d’évolutions élémentaires déterminées et connues, d’acquérir une certaine prévisibilité des états futurs en fonction de différentes hypothèses d’aménagements. Évidemment, elle est tout entière suspendue à la qualité empirique et au fondement théorique des valeurs des descripteurs retenus. Ce faisant, la méthode fournit un principe d’organisation des travaux de recherche qui permet à la fois la discussion collective et la division du travail.

2.3. Quand le modélisateur chef d’orchestre joue de tous les instruments

42Une autre solution au dilemme de l’intégration interdisciplinaire réside dans la démarche d’un chercheur individuel – individuel, mais pas nécessairement isolé – parvenant à acquérir les concepts, les outils et les connaissances de diverses disciplines, naturelles et sociales, et à les mobiliser au service d’un projet de modélisation d’une dynamique à la fois biophysique et économique.

43C’est le cas des travaux de C. Fayat (1982, 1984-1986) au sein du programme « Paimpont » [V.30.]. Ils ne visent rien de moins qu’à restituer, à partir de modèles dynamiques non-linéaires, l’évolution sur plusieurs siècles d’un espace forestier longtemps soumis à une exploitation à finalité industrielle (sidérurgie). Le modèle de base combine deux cinétiques qui se contrarient et commandent l’évolution de l’écosystème ; elles reflètent respectivement l’évolution de la biomasse sous l’effet des prélèvements économiques et des conditions naturelles de régénération, et le comportement des producteurs (investissement, échelle d’exploitation) déterminé par des considérations de coût d’exploitation et de valorisation économique. En particulier, le modèle de base inclut un cycle économique du type : réalisation de nouveaux investissements → accroissement de l’intensité de l’effort de coupe → diminution de la productivité → désaffection du capital et du travail. Ce travail de modélisation s’accompagne d’une démarche d’histoire économique visant à estimer l’évolution des variables d’activité et de prix, afin de permettre une vérification du modèle.

44L’une des conclusions, assez atypique, que tire l’auteur de ces travaux est la suivante : la dynamique écologico-économique de longue période est formalisable dès lors qu’on s’en tient à l’essentiel en éliminant le bruit associé aux fluctuations de courte période. Ce travail fournit aussi l’exemple d’une modélisation bioéconomique qui met en forme des données historiques dans un cadre rigoureux et en propose une explication théorique, mais sans être conçue dans une perspective d’aménagement ; cette dernière nécessiterait en effet que l’on s’intéresse aux diverses fluctuations, perturbations et changements de courte période qui forment le contexte de l’action.

3. Le problème de la prédictivité dans des recherches associant sciences de la société et sciences de la nature

45La prédictivité suppose en général plusieurs conditions : une correspondance satisfaisante, théoriquement ou empiriquement fondée, entre le comportement de l’objet réel étudié et celui du modèle construit pour l’appréhender ; une stabilisation suffisante de l’objet étudié pour que la connaissance d’une loi caractéristique et d’un de ses états puisse informer sur son comportement futur ; l’indifférence des trajectoires d’évolution aux variations infinitésimales sur les conditions initiales, qui ne sont généralement pas connues avec exactitude ; la permanence de la validité des hypothèses intéressant le contexte dans lequel l’objet est situé.

  • 13 Partant du constat de l'interaction inéluctable du chercheur de terrain avec les sociétés locales p (...)

46Elle requiert aussi le contrôle de la relation entre l’observateur/modélisateur et l’objet observé/modélisé, de manière que l’observateur puisse parvenir à élaborer l’image d’un objet indépendant de l’acte d’observation. Cela peut être obtenu de deux manières : ou bien on réussit à adopter une démarche de recherche qui n’a qu’une influence négligeable sur le comportement de l’objet observé. Ou bien le chercheur doit intégrer explicitement sa propre interaction avec l’objet comme l’une des variables du système modélisé13.

47Il y a là des conditions strictes au déroulement rigoureux d’exercices de prédiction du comportement d’objets perçus comme complexes. C’est ce que note R. Brunet en préface de la présentation du modèle AMORAL (Durand et al., 1983, p. IV) : « Comment prendre en compte les bifurcations et l’auto organisation ? On sait qu’il suffit de peu de choses pour qu’une tendance diverge, voire bascule ; et que l’évolution même du système change les acteurs. » L’auto organisation, l’irréversibilité, les situations de chaos (Gleick, 1989) sont quelques uns des défis auxquels sont aujourd’hui confrontées les démarches de modélisation à finalité prédictive (Boyer et al., 1991). Mais à l’inverse, on ne voit pas comment l’on pourrait aboutir à des énoncés ayant une certaine valeur prédictive sans recourir à l’instrument de la modélisation. Il faut donc s’attendre à ce que la prédiction intéressant un phénomène complexe soit elle-même complexe. Par exemple, une prédiction peut prendre la forme ; « Il y a, à échéance du temps t, 30 % de chances d’avoir l’état A, et 70 % d’avoir l’état B », ce qui permet de prendre en compte la pluralité des possibles dont est grosse une situation de départ.

48La prédictivité du comportement de systèmes complexes dont l’étude nécessite l’association de sciences de la société et de sciences de la nature cumule les difficultés et demande d’autant plus de lucidité sur le statut des énoncés prédictifs auxquels on peut aboutir. Certes, on peut se donner pour règle de fixer des contraintes comparables dans les divers domaines pris en compte par la modélisation. Admettre des hypothèses stables pour la partie biologique de l’objet et des hypothèses instables pour sa partie sociale ne serait pas pour faciliter le contrôle de la rigueur de l’exercice. Mais on ne peut pas ignorer les différences de constantes de temps qui caractérisent les phénomènes pris en compte ni le fait que les conditions de la prédictivité soient très inégalement accessibles aux diverses démarches scientifiques.

  • 14 Si les énoncés à caractère prédictif résultent logiquement de prémisses axiomatisées, leur contenu (...)

49Ainsi, pour les sciences sociales, la possibilité et le statut des énoncés prédictifs14 dépendent du type de temporalité qui caractérise les phénomènes considérés. S’il s’agit d’un temps déterministe, extérieur et inaccessible à l’action de quelque sujet social que ce soit, alors les chercheurs en sciences sociales se trouvent dans une situation proche de celle de leurs collègues des sciences de la nature. S’il s’agit d’un temps ouvert aux projets, aux intentions et aux anticipations, où les résultats de recherche informent des acteurs qui sont partie prenante de la réalité étudiée, alors, par construction, le devenir n’est pas prédictible au sens classique du terme. En effet la connaissance des évolutions possibles et la prédiction de celles qui se réaliseront vont susciter des actions de transformation de la réalité anticipée à travers la modification des représentations que se font les acteurs de ce devenir ou du domaine d’action qui leur est accessible.

50En ce domaine les contresens sur le statut des prévisions sont fréquents : leur non-réalisation peut ne pas témoigner de l’échec scientifique de celui qui les formule, mais bien au contraire de son succès pratique. Dans ces cas, cela signifie qu’on a quitté l’univers de la prédiction, qui s’accorde bien à l’idée de loi scientifique, pour l’univers de la prospective, tendue vers l’exploration des possibles et des cohérences qui les contraignent malgré leur diversité. Si l’on veut ne pas être pris au piège de la logique de la prophétie auto-réalisatrice ou auto-invalidante, la forme privilégiée est alors celle des énoncés conditionnels du type : « Si…, il est alors possible que », ou de manière moins ambitieuse encore : « Si…, il est alors impossible que », qui subsument et reconnaissent le lien entre l’action et la connaissance comme déterminant de la dynamique réelle du système observé. Un tel déplacement limite à l’évidence les possibilités de simuler la dynamique de systèmes sociaux sur le même mode que la dynamique de systèmes naturels…

51Si beaucoup de disciplines ont développé, voire codifié, un art pratique de la modélisation, l’art de la modélisation interdisciplinaire en est encore à ses débuts. Les premiers essais qui ont été tentés avaient une valeur programmatique et méthodologique : il s’agissait à la fois d’afficher un projet et de mieux comprendre, en se jetant à l’eau, les difficultés de la démarche lorsqu’elle est conduite dans des programmes largement centrés sur le fonctionnement et la dynamique de territoires. Sous cet angle, les résultats obtenus ont été concluants au point, parfois, de refroidir exagérément les ardeurs modélisatrices en contexte interdisciplinaire.

52Il se dégage une deuxième leçon des recherches examinées : il existe toute une variété de formes et de degrés dans la pratique de la modélisation ; surtout, les formes les plus utiles dans un contexte interdisciplinaire ne sont peut-être pas les formes les plus nobles et les plus achevées que le chercheur a coutume de valoriser dans un contexte monodisciplinaire. Dans l’état actuel des recherches, la modélisation globale interdisciplinaire quantifiée représente plus un horizon qu’une option opératoire pour la recherche. Des démarches plus humbles, recourant à des modèles qualitatifs, des schémas et des diagrammes fléchés, des protocoles communs de recueil et de codage de l’information, des cadres comptables, des modèles spécialisés à l’interdisciplinarité délimitée, sont plus en prise avec les besoins de la recherche.

Bibliografía

Badiou, A. (1969), Le Concept de modèle, Paris, Maspéro.

Bastrenta B., Hubert D. & Godron M. (1987), « Gestion des terres à pâturage du Causse Méjean », Perspectives Méditerranéennes, (29), mars.

Boyer R., Chavance B. & Godard O. eds (1991), les Figures de l’irréversibilité en économie, Paris, éd. de l’EHESS.

Brun A., Deffontaines J.-P., Osty P.-L., Petit M. et al. (1974), « une équipe de recherches face aux problèmes de développement », Économie Rurale, (199-100), janvier-mars.

Chatelin y. & Riou G. eds (1986), Milieux et paysages, Paris, Masson (« Recherches en géographie »).

Dauphine A. (1987), les Modèles de simulation en géographie, Paris, Éd. Economica (« Geographia-6 »).

Debussche M., Rambal S. & Lepart J. (1987), « les Changements de l’occupation des terres en région méditerranéenne humide : évaluation des conséquences hydrologiques », Acta Œcologica/Œcologia applicata, 8 (4).

Deffontaines J.-P., Raichon C. & Verneuil B. de (1982), « Chronique d’une recherche : Réflexions sur l’étude interdisciplinaire d’un système agraire de la montagne corse », Agronomie, 2 (3), 1982.

Delattre P. (1971), Système, structure, fonction, évolution. Essai d’analyse épistémologique, Paris, Maloine-Doin (« Recherches interdisciplinaires »).

Delattre P. (1988), Article « Recherches interdisciplinaires », Encyclopaedia Universalis, Corpus (19), pp. 1261-1266.

Demongeot J. & Malgrange P. eds (1988), Biologie et économie. Les apports de la modélisation, Dijon, Institut de mathématiques économiques et Librairie de l’Université (« Série d’économétrie appliquée n° 34 »).

Durand M.-G. (1984), « la Modélisation de systèmes dynamiques en milieu montagnard : les hommes et leur environnement », le Courrier du CNRS, (57).

Durand M.-G. (sous la direction de), Charre J., Chamussy H., Guérin J.-P., Le Berre M. & Uvietta P. (1983), le Modèle AMORAL. Analyse systémique et modélisation régionale dans les Préalpes du Sud, Grenoble, Laboratoire de la Montagne Alpine (LAMA), juin.

Fayat C. (1982), la Théorie des ressources renouvelables – Le pays de Paimpont comme système économique, Partie 1 : Sur un modèle d’interprétation dynamique des interactions historiques entre l’homme et la forêt, Rennes, Centre de développement, Faculté de sciences économiques, Université de Rennes I. (Programme PlREN « Observatoire du changement écologique et social en zone de basse altitude : le pays de Paimpont »), décembre.

Fayat C. (1984, 1986), la Théorie des ressources renouvelables – Le pays de Paimpont comme système économique, Partie II & Partie III : Interactions historiques entre l’homme et la forêt – Bifurcations de l’écosystème – Oscillations bioéconomiques et oscillations chimiques, Rennes, Centre de développement, Faculté de sciences économiques, Université de Rennes I. (Programme PIREN « Observatoire du changement écologique et social en zone de basse altitude : le pays de Paimpont »).

Forrester J.W. (1980), Principes des systèmes, Lyon, Presses Universitaires de Lyon.

Gleick J. (1989), la Théorie du chaos. Vers une nouvelle science, Paris, Albin-Michel (« Sciences d’aujourd’hui »).

Godron M., Li T.-X. & Sosa-Ramirez J. (1989), « Applications des tenseurs de potentialités ’ à l’aménagement : exemple du Mont-Lozère (France) », Repères, 2.

Legay J.-M. (1973), La Méthode des modèles, état actuel de la méthode expérimentale, Paris, Informatique et Biosphère.

Legay J.-M. (1986), « Méthodes et modèles dans l’étude des systèmes complexes », les Cahiers de la Recherche-développement, 11.

Legay J.-M. (1987, 1988), « Contribution à l’étude de la complexité dans les systèmes biologiques », in COLL. (1987), Biologie théorique. Solignac (1985), Paris, Éd. du CNRS, et in J. Demongeot & P. Malgrange eds (1988).

Lemoigne J.-L. (1984), la Théorie du système général. Théorie de la modélisation, Paris, PUF (« Systèmes-décisions »), 2e éd.

Raynaut C. ed. (1983), Milieu naturel, techniques, rapports sociaux (1er Colloque de l’Association française des anthropologues, novembre 1981), Paris, Éd. du CNRS.

Sauvan J. (1966), « Méthode des modèles et connaissance analogique », Revue d’Agressologie, 7, (1).

Varela F. (1989), Autonomie et connaissance. Essai sur le vivant, Paris, Seuil (« La couleur des idées »).

Notas

1 Comme son nom l'indique, le « constructivisme » est une théorie de la connaissance selon laquelle les objets de pensée sont des construits et non de simples images des objets et des phénomènes réels.

2 Cf. ci-dessus Oliver Godard, « La Relation interdisciplinaire : problèmes et stratégies », p. 331.

3 C'est par exemple le cas de la modélisation économique effectuée dans le cadre du programme « Durance » [V.22.1. & 2.].

4 Cela fut réalisé dans le cadre du Programme « Montpelliérais » [V.28.] (Debussche et al., 1987 ).

5 Dans l'exemple évoqué, cette variable d'interface permettant d'articuler évolution du couvert végétal et évolution des ressources en eau était l'indice foliaire caractéristique de différentes formations végétales.

6 Une exception est fournie, on l'évoquera plus loin, par la démarche de Fayat (1982, 1984-1986), qui propose une modélisation de la dynamique écologico-économique de longue durée – plusieurs siècles – d'un espace forestier.

7 Se reporter à la présentation que donne A. Dauphiné (1987) de ce langage, élaboré par J.W. Forrester, l'un des principaux fondateurs de la dynamique des systèmes (voir Forrester, 1980).

8 Voir par exemple les programmes « Alsace-Eau » [V.16.3.], « Durance » [V.22.] ou « Vosges » [V.4. Brun et al., 1974].

9 Voir par exemple la chronique d'une recherche sur un système agraire de la montagne corse (Deffontaines et al., 1982).

10 Pour caractériser un phénomène ou définir un système, il faut d'abord définir son domaine d'existence, ou domaine phénoménal. A priori des phénomènes différents ont des domaines d'existence distincts. Comme le précise F. Varela : « Lorsqu'il existe un domaine où le comportement d'une unité est une fonction du comportement d'autres unités, on dit que ces unités sont couplées dans ce domaine. (…) le couplage conduit à la génération de nouvelles unités qui existent au sein d'un domaine différent de celui où les unités composantes conservent leur identité. (…) Un tel système composé sera nécessairement défini en tant qu'unité par les relations de couplage des systèmes autopoiétiques qui le composent, dans un espace que spécifie la nature du couplage » (1989, pp. 81-82). Pour parvenir à des « schémas qui se tiennent », on doit repérer précisément les unités communes à plusieurs domaines et identifier les couplages présumés à l'œuvre.

11 Certains attendent de l'interdisciplinarité qu'elle puisse fournir une telle théorie unifiante. C'est le cas de P. Delattre qui estime : « Son but est d'élaborer un formalisme suffisamment général et précis pour permettre d'exprimer dans ce langage unique les concepts, les préoccupations, les contributions d'un nombre plus ou moins grand de disciplines (…) ». (1988, p. 1262). Cf. ci-dessus Olivier Godard et Jean-Marie Legay, « Entre disciplines et réalités, l'artifice des systèmes », p. 191, et Olivier Godard, « La relation interdisciplinaire : problèmes et stratégies », p.427.

12 C'est Raymond Eches qui évoque le « mirage de la pluridisciplinarité » (in Raynaut, 1983).

13 Partant du constat de l'interaction inéluctable du chercheur de terrain avec les sociétés locales partie prenante des phénomènes qu'ils cherchent à comprendre, certains ont entrepris de reformuler leur démarche dans le sens de ce qu'il est convenu d'appeler la recherche-action, de manière à exploiter les possibilités de cette interaction, et surtout à modifier la division du travail en place dans la production des connaissances entre les scientifiques et les acteurs sociaux. Cf. ci-dessus Olivier Godard, Bernard Hubert et Geneviève Humbert, « Gestion, aménagement, développement : mobiles pour la recherche et catégories d'analyse », p. 249.

14 Si les énoncés à caractère prédictif résultent logiquement de prémisses axiomatisées, leur contenu de vérité est d'ordre déductif et ne saurait être contesté que sur cette base. Si ces énoncés résultent de l'application d'un jeu d'hypothèses théoriques à une réalité donnée, leur contenu de vérité est plus difficile à apprécier puisqu'il dépend d'une part d'un jugement sur la correspondance structurelle entre modèle théorique et réalité considérée, et d'autre part de la qualité du calage des valeurs numériques du modèle sur des données empiriques significatives de cette réalité.

© CNRS Éditions, 1992

Condiciones de uso: http://www.openedition.org/6540