Quand on fait face à un SCA dont on cherche à comprendre le fonctionnement et les propriétés, on rencontre une difficulté à formuler de bonnes hypothèses. En effet, par sa nature, le SCA est composé en général d’interactions riches et ses propriétés macro émergentes dépendent de celles des composantes du système et de leurs interactions. Sans bien comprendre ces dernières, il est difficile d’aller au delà des propriétés superficielles du SCA.
C’est pour cette raison qu’on aborde souvent un SCA par une approche inductive dans un premier temps, en cherchant à accumuler des observations nombreuses sur lui . Darwin a en quelque sorte montré la voie en accumulant des cahiers entiers de notes et de nombreuses fiches sur les écosystèmes qu’il a étudié avant d’arriver à formuler des hypothèses et une théorie sur leur fonctionnement [Darwin, 2013].
«When on board H.M.S. Beagle, as naturalist, I was much struck with certain facts in the distribution of the organic beings inhabiting South America, and in the geological relations of the present to the past inhabitants of that continent. These facts, as will be seen in the latter chapters of this volume, seemed to throw some light on the origin of species—that mystery of mysteries, as it has been called by one of our greatest philosophers. On my return home, it occurred to me, in 1837, that something might perhaps be made out on this question by patiently accumulating and reflecting on all sorts of facts which could possibly have any bearing on it.» ([Darwin, 1998], p .3)
A partir de ces observations accumulées, le chercheur commence à repérer des propriétés qui reviennent de manière relativement répétée que nous appelons les «faits stylisés». Ces faits stylisés nous permettent alors à composer ce que Richard Nelson & Sidney Winter appellent une «théorie appréciative» [Nelson, 1982], un corpus cohérent d’hypothèses sur les causalités en jeu dans le SCA, et la confrontation itérée avec des observations de plus en plus fines de ce corpus peut déboucher sur une théorie suffisamment ferme et précise pour permettre la formulation d’un modèle qu’on affinera encore par des aller-retour successifs entre ces trois niveaux.
4.1.1 L’apport potentiel de la Révolution des données
La Loi de Moore a rendu les terminaux numériques omniprésents dans tous les aspects de la vie économique et sociale et le développement d’Internet et la diffusion des applications dédiées ont transformé ces terminaux à des générateurs de données sur tous ces aspects. Ces données représentent déjà aujourd’hui une mine d’informations précieuse qui offre l’opportunité d’une observation plus complexe et quasi en temps réel des dynamiques économiques et sociales et donc des SCA qui les génèrent : les tweets permettant l’observation de l’évolution en temps réel du Zeitgeist social ou des sentiments sur un enjeu particulier (la popularité des candidats aux élections présidentielles) ; le flux des recherches sur Google indiquant l’évolution des préoccupations collectives (l’évolution d’une épidémie de grippe); les enchères sur eBay ou des achats sur Amazon pouvant indiquer des informations sur l’évolution de la demande (aussi en termes géographique ou par groupes de produits) pour une classe large de biens et pouvant constituer des éléments à partir desquels on peut même bâtir un indice de prix à la minute.
Les méthodes actuelles des sciences de données visent justement à extraire des corrélations entre les composantes de ces données et donc des dynamiques sociales et donc peuvent nous permettre de formuler bien plus rapidement une théorie appréciative quand des données sont disponibles sur le SCA dont nous cherchons à comprendre les mécanismes. Nous n’en sommes pas encore tout à fait là, mais c’est une potentialité réelle dont il faudra tenir compte à l’avenir.
Une fois que nous avons abouti à une théorie appréciative suffisamment complète et précise, nous pouvons formuler un modèle pour en tester la cohérence et, le cas échéant, pour en tirer des enseignements sur les propriétés du SCA que nous étudions et sur la manière dont, peut-être, nous pouvons influencer son évolution par des politiques publiques.
Prev Chapitre 4: Modéliser les SCA : modèles multi-agents (MMA)Up Chapitre 4: Modéliser les SCA : modèles multi-agents (MMA)Section 4.2: Modéliser les SCA Next