En effet, pour formaliser sous la forme d’un modèle une théorie appréciative sur un SCA, nous avons besoin de nouveaux outils d’analyse et de modélisation qui
représentent précisément la structure des interactions entre agents individuels;
permettent d’étudier les propriétés agrégées des ces interactions;
permettent de dérouler la dynamique de ces interactions (une »histoire « du système);
ne nécessitent
ni l’hypothèse de rationalité substantielle (maximisation sous contraintes)
ni celle d’équilibre a priori (possibilité d’une dynamique de déséquilibre)
Pour répondre à des questions que nous sommes couramment amenés à nous poser en économie, ces outils d’analyse et de modélisation devraient aussi laisser la place
à l’introduction de choix politiques dans le système
à la représentation de la configuration spatiale des activités (si nécessaire).
Les SCA n’étant pas limités à l’économie, ces propriétés se sont avérées nécessaires pour analyser des SCA dans la Nature et dans les systèmes sociaux (les écosystèmes bien sûr, ou les systèmes immunitaires, mais aussi les systèmes urbains). Cette réflexion multi-disciplinaire a débouché sur une approche de modélisation qu’on appelle Modèles multi-agents (MMA) ou Agent-based Models (ABM) qui a été développée (notamment au sein du Santa Fe Institute of Complex Systems [J] [J] https://santafe.edu fondé par trois prix Nobel) en vue d’analyser les dynamiques et les propriétés émergentes des SCA. Cette approche, crée ce que [Lane, 1993] appelle «Mondes artificiels» (MA) :
«Artificial worlds (AWs) are computer-implementable stochastic models, which consist of a set of "microlevel entities" that interact with each other and an "environment" in prescribed ways.» [Lane, 1993]
Les propriétés des SCA que nous avons discutées dans l’introduction de l’ouvrage implique en général que les propriétés des MA ne peuvent être déterminées par la résolution analytique du modèle qui les représentent (même si ce modèle est nécessairement parfaitement spécifié au niveau mathématique). La dynamique ouverte des SCA, la dépendance au sentier de cette dynamique, la co-évolution des composantes du système et la dynamique structurale qui en résulte ne peuvent être étudiées qu’en générant des «histoires» multiples de chaque système, grâce à des expériences informatiques (simulations). Les MMA développent justement une approche qui permet une telle expérimentation.
Plus particulièrement dans notre discipline, pour représenter les dynamiques économiques, dans une vision de SCA de l’économie, nous avons besoin de nous éloigner d’une vision de l’économie inspirée par la physique Newtonienne, à la Walras, et nous approcher plutôt d’une représentation comme un organisme complexe en mouvement, en accord d’ailleurs avec les prescriptions de [Marshall, 1890] [K] [K] ’’In this matter economists have much to learn from the recent experiences of biology: and Darwin’s profound discussion of the question throws a strong light on the difficulties before us.’’ (Marshall 1890, Livre II, Chap. 2). Remarquons que paradoxalement Marshall suit assez peu lui-même cette prescription. et de [Veblen, 1898]. Les MMA facilitent de fait une telle approche.
Comment procède-t-on pour développer une formulation MMA d’une question de recherche?
Prev Section 4.1: Analyser les systèmes complexes adaptatifsUp Chapitre 4: Modéliser les SCA : modèles multi-agents (MMA)Section 4.3: Concevoir un MMA Next