Table des matières - Gilles Daniel

Table des matières - Gilles Daniel Table des matières - Gilles Daniel

gillesdaniel.com
from gillesdaniel.com More from this publisher
01.01.2015 Views

322 Modélisation et simulation multi-agents pour Sciences de l'Homme et de la Société. donné. Une telle mesure de la complexité est relative à l’ensemble complet des détecteurs disponibles : c’est la redondance, liée à la hiérarchie des détecteurs qui permet d’obtenir des descriptions concises. Si le système ne dispose que de détecteurs de premier niveau (directement connectés aux éléments du système observé), la situation dans laquelle tous les détecteurs sont actifs correspond à une complexité maximale. Si le détecteur D i est activé par une configuration {D ik } d’autres détecteurs, l’activité de D i subsume celle des D ik qui ne figurent donc plus dans la description minimale de l’état de l’observateur. Si l’observateur dispose d’un détecteur de niveau 2, qui entre en activité lorsque tous les détecteurs de niveau 1 sont actifs, cette situation d’activité généralisée présente une complexité minimale, puisqu’elle ne nécessite la détermination que d’un seul détecteur. Comportement « externe » des agents T S T S T S T Comportement « interne » des agents Figure 14.10. Agents, groupes et croyances des agents dans une architecture à 2 niveaux. Cette définition de la complexité d’un système à travers la description de l’état de son observateur permet de proposer une seconde caractérisation de l’émergence : il y a émergence si et seulement si la complexité relative à l’ensemble des détecteurs disponibles connaît une discontinuité négative. On remarquera cependant que cette définition de l’émergence ne nécessite pas une définition préalable des niveaux, mais elle est interprétable à la fois en terme de niveaux et en terme de hiérarchie de théories [BON 97]. C’est la définition des détecteurs qui crée explicitement ou implicitement la hiérarchie des niveaux à travers la redondance et la subsomption. 14.4.2.2. La hiérarchie des détecteurs et la procédure de subsomption L’intérêt de cette définition de l’émergence comme réduction de la complexité relative du système d’observation ne préjuge pas de la nature de l’observateur : celuici peut très bien être un mécanisme artificiel, doté de détecteurs hiérarchisés. Ainsi, comme le remarque Dessalles [DES 92], un système d’observation de trafic routier, peut « voir » émerger des phénomènes qu’un humain nommera bouchons, ou accidents, simplement parce qu’il sera doté de détecteurs logiciels appropriés capables de repérer ces phénomènes à partir des positions et des vitesses des véhicules (ceci présuppose qu’il soit doté d’un modèle adéquat). Le fait qu’un observateur artificiel puisse détecter un phénomène émergent permet que (1) le système lui-même ou (2) des éléments qui le constituent soient en mesure de rétroagir sur le processus. Le

Influence sociale, jeux de population et émergence. 323 premier cas se présente chaque fois que nous détectons nos propres états mentaux. En tant que collectivité neuronale, notre système nerveux est capable de détecter l’entrée en activité de plusieurs classes de populations particulières de ses propres neurones. Le deuxième cas se présente lorsque le système est constitué d’agents cognitifs. Ceux-ci sont alors capables de repérer certaines configurations du système dans lequel ils sont immergés (émergence forte au sens de Müller, immergence au sens de Gilbert). Pour rendre cette conceptualisation opérationnelle, il est nécessaire que les agents soient dotés de capteurs susceptibles d’identifier correctement le phénomène. La définition des détecteurs et la construction de la hiérarchie des niveaux d’analyse présupposent que le modélisateur conçoive un modèle intégrateur susceptible « d’absorber » le phénomène émergent. 14.4.2.3. Interprétation : émergence d’une « croyance sociale» comme phénomène de subsomption dans le système d’observation hiérarchisable d’un SMA réflexif Dans Dessalles, Galam, Phan [DES 06], les agents minimisent un coût procédural de traitement informationnel et c’est donc une conception instrumentale (coût avantage) qui gouverne le comportement « interne » de subsomption des agents (Figure 14.10). D’autres approches de ce mécanisme sont possibles, mais le cœur du problème est ailleurs. Dans cette approche, les agents sont dotés au départ d’une capacité minimale de catégorisation par conception du modèle qui a prévu de manière explicite la possibilité pour les agents d’identifier le phénomène émergent préalablement identifié par AEY. Il n’y a donc pas de « surprise » au sens de [RON 99]. La mise en œuvre d’une solution multi-niveaux « pré-cablée » plutôt que d’une solution générative renvoie à la correspondance entre la hiérarchie de niveaux de complexité et la hiérarchie de recouvrement des modèles chez [BON 97]. Dans le cas le plus simple, la modélisation prévoit dès l’étape initiale de conception l’ensemble des structures pertinentes pour le problème, que ce soit au niveau de la formalisation des fonctions perceptives, cognitives ou de l’organisation sociale. Nous nous trouvons donc dans une configuration épistémique du type de celle mise en lumière par Piaget [PIA 68] pour le structuralisme génétique : la connaissance des deux structures (de départ et d’arrivée) est nécessaire pour expliquer la transition. En psychologie génétique, cette forme d’émergence structurelle ne pose pas de problème de principe, puisque l’on connaît les différentes structures cognitives qui s’enchaînent. En économie, cette contrainte n’est pas pénalisante pour la « rétrodiction » de phénomènes émergents connus, mais peut l’être pour la prédiction. Une autre approche aurait cependant été possible, mais nous n’avons pas encore cherché à l’explorer. Elle consiste à prévoir des mécanismes d’observation génératifs et flexibles conçus dès l’origine pour catégoriser et simplifier « à la volée » la résolution pratique des problèmes à traiter, en intégrant la possibilité d’avoir un « effet de surprise ».

Influence sociale, jeux de population et émergence. 323<br />

premier cas se présente chaque fois que nous détectons nos propres états mentaux. En<br />

tant que collectivité neuronale, notre système nerveux est capable de détecter l’entrée<br />

en activité de plusieurs classes de populations particulières de ses propres neurones. Le<br />

deuxième cas se présente lorsque le système est constitué d’agents cognitifs. Ceux-ci<br />

sont alors capables de repérer certaines configurations du système dans lequel ils sont<br />

immergés (émergence forte au sens de Müller, immergence au sens de Gilbert). Pour<br />

rendre cette conceptualisation opérationnelle, il est nécessaire que les agents soient<br />

dotés de capteurs susceptibles d’identifier correctement le phénomène. La définition<br />

<strong>des</strong> détecteurs et la construction de la hiérarchie <strong>des</strong> niveaux d’analyse présupposent<br />

que le modélisateur conçoive un modèle intégrateur susceptible « d’absorber » le<br />

phénomène émergent.<br />

14.4.2.3. Interprétation : émergence d’une « croyance sociale» comme phénomène<br />

de subsomption dans le système d’observation hiérarchisable d’un SMA réflexif<br />

Dans Dessalles, Galam, Phan [DES 06], les agents minimisent un coût<br />

procédural de traitement informationnel et c’est donc une conception instrumentale<br />

(coût avantage) qui gouverne le comportement « interne » de subsomption <strong>des</strong><br />

agents (Figure 14.10). D’autres approches de ce mécanisme sont possibles, mais le<br />

cœur du problème est ailleurs. Dans cette approche, les agents sont dotés au départ<br />

d’une capacité minimale de catégorisation par conception du modèle qui a prévu de<br />

manière explicite la possibilité pour les agents d’identifier le phénomène émergent<br />

préalablement identifié par AEY. Il n’y a donc pas de « surprise » au sens de [RON<br />

99]. La mise en œuvre d’une solution multi-niveaux « pré-cablée » plutôt que d’une<br />

solution générative renvoie à la correspondance entre la hiérarchie de niveaux de<br />

complexité et la hiérarchie de recouvrement <strong>des</strong> modèles chez [BON 97]. Dans le<br />

cas le plus simple, la modélisation prévoit dès l’étape initiale de conception<br />

l’ensemble <strong>des</strong> structures pertinentes pour le problème, que ce soit au niveau de la<br />

formalisation <strong>des</strong> fonctions perceptives, cognitives ou de l’organisation sociale.<br />

Nous nous trouvons donc dans une configuration épistémique du type de celle mise<br />

en lumière par Piaget [PIA 68] pour le structuralisme génétique : la connaissance<br />

<strong>des</strong> deux structures (de départ et d’arrivée) est nécessaire pour expliquer la<br />

transition. En psychologie génétique, cette forme d’émergence structurelle ne pose<br />

pas de problème de principe, puisque l’on connaît les différentes structures<br />

cognitives qui s’enchaînent. En économie, cette contrainte n’est pas pénalisante pour<br />

la « rétrodiction » de phénomènes émergents connus, mais peut l’être pour la<br />

prédiction. Une autre approche aurait cependant été possible, mais nous n’avons pas<br />

encore cherché à l’explorer. Elle consiste à prévoir <strong>des</strong> mécanismes d’observation<br />

génératifs et flexibles conçus dès l’origine pour catégoriser et simplifier « à la<br />

volée » la résolution pratique <strong>des</strong> problèmes à traiter, en intégrant la possibilité<br />

d’avoir un « effet de surprise ».

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!