Table des matières - Gilles Daniel

Evaluation et validation de modèles multi-agents. 103
pour les modèles statistiques et descriptifs où la validité semble n’être jaugée en
pratique que par la comparaison aux données que le modèle est censé décrire. Ce
serait oublier un peu rapidement que la validation reste un jugement humain
subjectif : une décision appuyée par des critères fournis par le chercheur. Vu sous
cet angle, il semble que le travail principal dans la modélisation n’est pas de fournir
des réponses clé en main, mais bien de fournir de manière aussi claire et détaillée
que possible, les critères qui permettront sinon de valider le modèle en question, du
moins de l’évaluer, de le jauger. L'impossible validation formelle d'un modèle multiagents
force à une réflexion sur l’usage du modèle pour le rendre valable,
l’interprétation des résultats étant réalisée relativement à un contexte.
Parmi ces critères, et nous en avons listé un certain nombre au cours du texte,
tous étant utiles à notre sens mais non absolument nécessaires, nous pouvons retenir
également ceux que propose Jean-Marie Legay [LEG 73], en parlant d’autres types
de modèles et d’autres types de systèmes. Jean-Marie Legay articule son discours
sur la validation sur trois points essentiels : (1) Les modèles sont toujours imparfaits,
(2) La valeur que l’on peut accorder aux modèles est nécessairement relative à leur
but, un modèle étant avant tout un outil. (3) La validation est une décision, un
jugement, qui s’appuie sur des critères de validité dont aucun, pris isolément n’a de
valeur décisive et l’ensemble des critères permet de décrire un profil du modèle
étudié et de prendre la décision concernant sa validité. A partir de ces éléments,
Legay donne alors une description précise de différents critères dont certains
peuvent être pris en compte pour prendre cette décision de validation du modèle :
- Utilité du modèle : entendue comme l’ensemble des résultats et succès produits
par le modèle. En simulation multi-agents, on peut placer la posture de ComMod
[Chapitre 10] comme donnant une réponse pour une mise en contexte qui rend le
modèle utile. C'est l'idée de modèle comme objet de médiation [MOR 99].
- Simplicité : critère de parcimonie que nous avons évoqué. Il faut noter que Legay
précise bien que la simplicité n’est pas une qualité en soi et que la modélisation
requiert une prise en compte nécessaire de la complexité de la réalité. La question de
l'équilibre entre simplicité et complexité est, on l'a vu, au centre de la dispute entre
tenants du KISS et du KIDS.
- Non-contradiction : Le modèle doit respecter les relations observées. A cette fin,
de nombreuses techniques statistiques peuvent être mobilisées, comme par exemple le
test du χ² pour tester la correspondance entre les productions du modèle, les
observables des expériences de simulations et les données empiriques collectées sur le
système-cible. La non-contradiction signifie simplement que le modèle n’est pas à
repousser, mais cela est insuffisant pour penser qu’il est adéquat et encore moins qu’il
est le meilleur. Dans le cadre des simulations multi-agents, on a vu que la question se
pose à la fois au niveau des résultats macroscopiques et des trajectoires individuelles
[JAN 03] : on peut facilement obtenir de bons résultats pour de mauvaises raisons.