Table des matières - Gilles Daniel

Evaluation et validation de modèles multi-agents. 99
validation externe envisageable pour ce type de modèle, compte tenu des difficultés
liées à la comparaison quantitative à des données empiriques. Ainsi, ce mode qualitatif
de comparaison entre les sorties, les productions du modèle et le système cible, aussi
insatisfaisant soit-il pour le modélisateur, permet malgré tout de se rendre compte que le
modèle produit qualitativement des effets proches de ceux que l'on cherche à obtenir.
Ce critère d’adéquation empirique, s'il est loin d'être définitif, permet néanmoins de
poser que la structure du modèle possède certaines propriétés, sous ces hypothèses, qui
engagent le modélisateur à conserver ces dernières là où d'autres hypothèses qui ne
reproduiraient pas de manière aussi adéquate ces comportements qualitatifs pourraient
être écartées 7 . Néanmoins, on pourrait reprocher la faillibilité de cette méthode : c'est
par observation humaine que l'on rapproche deux faits stylisés l'un produit par le
modèle, l'autre tiré des phénomènes empiriques. Et cette porte ouverte à la faillibilité
de l'observateur ajoutée à la seule comparaison qualitative aux données, est souvent
reprochée à une telle démarche. Cependant, cette observation est de plus en plus
fréquemment assistée par l'utilisation d'indicateurs sur le sytème cible comme sur le
modèle qui soient comparables. Il est clair que cette seconde étape de validation
nécessite, pour être sérieusement menée, une bonne expertise du domaine par celui qui
manipule le modèle. En effet, la pertinence des indicateurs pour caractériser la
situation de façon significative doit montrer la similarité fonctionnelle entre le modèle
et le terrain. Pour certains, la création des indicateurs et ce qui les rend satisfaisants et
suffisants, est en soi un travail très complexe et fondamental à justifier dans le travail
de modélisation [ROU 00], [DEF 03]. On voit de moins en moins d'interprétations de
modèles qui se traduisent par des histoires qui pourraient être plausibles et rappellent
souvent le sytème cible modélisé et de plus en plus de comparaison de formes entre les
sorties du système virtuel et les données de l’observation empirique.
La comparaison quantitative aux données ne doit pas pour autant être abandonnée,
d'une part parce que le courant mentionné juste au-dessus tend à glisser doucement
vers le quantitatif et d'autre part parce que le modélisateur qui aurait collecté des données
sur son terrain peut vouloir avec raison les comparer aux sorties de son modèle.
Cependant, il nous faut souligner que cette tâche est délicate, au moins pour deux
points principaux. Le premier concerne le manque de données ou l'impossibilité de
répéter de nombreuses fois des expériences de terrain. Le second qui est lié, concerne la
surdétermination des données par les paramètres du modèle 8 . A propos de cette
comparaison, nous pouvons identifier plusieurs critères pour la qualifier, notamment le
niveau d'organisation à laquelle la comparaison a lieu et le fait qu'elle soit temporelle
ou pas. Concernant le niveau d'organisation, nous pouvons ainsi vouloir comparer des
données collectées à des indicateurs du modèle définis au niveau individuel (il s'agira
7 Cf. le critère d’adéquation structurel de Poincaré en annexe, par exemple.
8 A ne pas confondre avec la thèse de la « surdétermination des faits par les théories » (les
faits sont « chargés de théorie ») ou la thèse de la sous détermination des théories par
l’expérience (plusieurs théorie compatibles avec les même faits) – voir annexe à ce chapitre.