Table des matières - Gilles Daniel

102 Modélisation et simulation multi-agents pour Sciences de l'Homme et de la Société.
to Model (M2M) [HAL 03], s'ils sont plus récents, proposent un cadre plus adapté à la
situation des sciences sociales en listant un certain nombre d’approches pour
l'évaluation des modèles par la comparaison, en particulier les modèles de la
littérature. Parmi celles-ci, nous pouvons citer par exemple :
- La réplication, dont il est fait mention plus haut, dans un nouveau langage de
programmation de modèles publiés permet d'en comprendre toutes les subtilités et de
reproduire les résultats publiés [AXE 97], [BIG 05]. Ce point permet essentiellement
de vérifier la reproductibilité des modèles et des résultats et montre souvent que les
informations fournies dans les articles publiés sont incomplètes [ROU 03] (ce qui est
même vrai pour le modèle maintenant classique d'Epstein et Axtell [EPS 96] [BIG
05]) ou concernent des résultats faux [EDM 03].
- Le couplage des modèles où les différentes échelles (de temps ou d'espace) sont
interconnectées- les résultats d'un modèle étant utilisés par un autre. L'interconnexion
permet, outre l'extension d'un modèle, de traiter des données correspondant davantage
à une réalité, là où par exemple des distributions théoriques ont été utilisées pour la
validation interne.
- La comparaison de différents modèles qui annoncent le même type de résultats en
essayant d'identifier s'ils produisent effectivement des résultats similaires, voire
identiques. Cette méthode est parfois désignée sous l'appellation « reconnue sous le
terme alignement de modèles » [AXT 96] et permet parmi un ensemble de modèles
soit de comparer les effets d'hypothèses différentes soit, si les résultats sont similaires,
de sélectionner le modèle le plus simple ou le plus facilement interprétable en suivant
le principe de parcimonie.
- La comparaison de différents modèles relativement à leur adéquation à une série
de données. Cette technique, plus connue sous le terme de docking, permet de juger
essentiellement de la reproduction qualitative de données empiriques mais ne constitue
pas un critère définitif de validation des modèles, comme nous l'avons déjà souligné.
- L'utilisation d'un modèle plus simple comme un résumé a posteriori ou une
abstraction des résultats d'un autre modèle. Cet exercice permet à la fois de construire
le modèle du modèle en facilitant la compréhension du premier ou facilite son
utilisation, le deuxième modèle étant typiquement un modèle descriptif des résultats
produits par le premier.
- L'utilisation des modèles en changeant les structures et les hypothèses pour tester
la robustesse structurelle du modèle.
4.4. Conclusion : comment rendre valide un système de simulation complexe
Arrivé au terme de cet article, le lecteur pourrait au fond être déçu de ne pas
avoir de critère définitif de validité qui lui permette de répondre catégoriquement à
la question « mon modèle est-il valide ». Il pourrait d’autant plus ressentir cette
frustration s’il avait au préalable une idée de la validation telle qu’elle se pratique