La simulation à base d’agents en sciences sociales : une « béquille pour l’esprit humain[1] »?

Résumé

L’un des intérêts de la simulation informatique est de nous permettre d’explorer et d’essayer ainsi de comprendre des phénomènes contre intuitifs. Ce faisant, elle comporte aussi des dangers que le modélisateurs/simulateur doit savoir maîtriser. Le propos de ce court texte est de montrer que danger et enrichissement de la recherche vont de pair dans l’exercice de simulation. Ainsi, l’utilisation d’un appareillage formalisé est tout autant de nature à appauvrir qu’à enrichir notre tentative de compréhension des phénomènes sociaux. Le modèle de simulation joue alors un rôle heuristique très utile pour susciter de la complexité (enrichissement de notre vision) à partir de la simplicité (pauvreté du modèle). La souplesse du modèle et de son utilisation, permettant de refaire plusieurs fois l’expérience, de varier les angles d’approche, d’ajouter ou retrancher des paramètres donne au chercheur une grande capacité à maîtriser la complexité qu’il est alors capable d’instiller dans son investigation.

Mots-clefs:

• complexité,
• formalisation,
• heuristique,
• modèle à base d’agents,
• simplicité,
• simulation

Abstract

Computer-assisted simulation allows us to explore and better understand phenomena which may at first appear counterintuitive. It also, however, entails certain risks which the modelization/simulation specialist must compose with. The object of this paper is to show that when it comes to simulation, dangers and virtues cannot be dissociated. Thus the use of a formalized model is as likely to empoverish as it is to enrich our understanding of social phenomena; the formalized model therefore plays a very important heuristic role in extracting complexity (enriching our vision) from simplicity (poorness of the model). The flexibility of the model as well as that of its use allowing to repeat the experience whilst varying the angles of approach and adding or modifying certain parameters of the experience, the researcher is given great opportunity to master the complexity which she/he may then instill in her/his investigation.

Key-words:

• complexity,
• formalization,
• heuristic,
• agent-based model,
• simplicity,
• simulation

Notes

• [1] Pour reprendre l’expression de Peter Gould, « Épidémiologie et maladie », dans Encyclopédie de géographie, Paris, Economica, 1995, p. 947-967.
• [2] NetLogo : http://ccl.northwestern.edu/netlogo (consulté le 15 mars 2010).
• [3] Frederick Reif, Cours de physique de Berkeley. Vol. 5 : Physique statistique, 2^e édition, Paris, Dunod, 1994.
• [4] Je découvrais naturellement, par la suite, que ce petit modèle fait partie des classiques de ce que l’on appelle aujourd’hui « l’éconophysique ». Voir Adrian Dragulescu et Victor M. Yakovenko, « Statistical Mechanics of Money », European Physical Journal B, vol. 17, n^o 4, 2000, p. 723-729, pour une présentation très détaillée de ce modèle, et Adrian Dragulescu et Victor M. Yakovenko, « Exponential and Power-Law Probability Distributions of Wealth and Income in the United Kingdom and the United States », Physica A: Statistical Mechanics and its Applications, 2001, vol. 299, n^os 1-2, p. 213-221, pour une application à des données réelles.
• [5] Adrian Dragulescu et Victor M. Yakovenko, op. cit.
• [6] Arnaud Banos, « La voie de l’étonnement : favoriser l’abduction dans les Systèmes d’Information Géographique », dans Jean-Marie Fotsing (dir.), Apport des SIG à la recherche, Orléans, Presses Universitaires d’Orléans, 2005, p. 237-254.
• [7] Expression due à l’informaticien Christopher Langton.
• [8] Solution : a = modèle 3; b = modèle 4; c = modèle 2; d = modèle 1.