chapitre1d Les sciences des systèmes complexes

Les méthodes de simulation permettent de prédire les comportements possibles vers lesquels converge un système, mais, contrairement au modèle mathématique elles ne permettent pas de comprendre ce qui se passe. On voit les solutions possibles et comme cela va très vite, on peut couvrir un très grand nombre de positions initiales, et aussi regarder ce qui se passe si on change certaines interactions ou certains paramètres. Mais ce qui nous intéresse surtout ici c'est qu'on retrouve les trois types de comportement décrits pour les systèmes d'équations différentielles :

Le système peut atteindre un état stationnaire, où il se fige, et la configuration de cet état stationnaire peut dépendre de l'état initial (multistationnarité) ; Cette configuration stationnaire peut présenter une structuration qui n'est pas sans rappeler l'auto-organisation des systèmes dynamiques non-linéaires.

Le système peut osciller régulièrement ;

Le système peut devenir chaotique, ne s'arrêtant jamais et ne repassant jamais par le même état.

Un quatrième type de comportement (au bord du chaos) a aussi été mis en évidence uniquement par ces méthodes, où le système présente une série d'organisations partielles, les unes fixes, les autres variables, comme c'est le cas dans certaines conditions du jeu de la vie.

 

chapitre1d La complexité des systèmes dynamiques non-linéaires

Les systèmes dynamiques non-linéaires, ces systèmes dynamiques modélisés par des équations différentielles non-linéaires, sont un sous-ensemble des systèmes complexes. Certaines équations différentielles non-linéaires ont fait l'objet d'études mathématiques pour découvrir leurs propriétés notamment dans le cas du chaos déterministe. Otto Rössler a recherché par exemple le système d'équations différentielles le plus simple capable de générer du chaos déterministe (1). Mais beaucoup de ces équations ont été établies pour modéliser des systèmes dynamiques réels, physiques (les tourbillons, le climat, les structures dissipatives, les transitions de phase), chimiques (la réaction de Belouzof-Zabotinsly), écologiques (l'équation logistique de la réaction proie/prédateur, la transmission des épidémies), biologiques (les équations des rythmes circadiens, des réactions épigénétiques), économiques (les cours de la bourse), sociétaux (les embouteillages, les cohues, la rumeur). Les propriétés de ces systèmes réels ont donc été mises en évidence et comprises par des méthodes mathématiques, où les ordinateurs ont servi à trouver les solutions.

 chapitre1d Simulations

Les systèmes dynamiques non-linéaires correspondent à des systèmes dans lesquels les objets (éléments, variables) entretiennent entre eux des interactions non-linéaires. Or il suffit qu'un élément se transforme sous l'effet conjugué de deux autres éléments du système pour que celui-ci soit dynamique et non-linéaire. Autrement dit, il doit y en avoir beaucoup ! Pour autant, il est rarement possible de modéliser de tels systèmes par des équations différentielles, soit parce que l'on ne connaît pas précisément la nature des interactions ce qui empêche de les quantifier à l'aide de paramètres, soit parce que le nombre et l'hétérogénéité des éléments sont trop élevés.

chapitre1d niveaux d'organisation, structures émergentes

Jusqu'à présent j'ai présenté des comportements émergents, auto-organisés, mais relativement simples. Même s'ils possèdent de nombreux éléments, les systèmes que j'ai évoqués sont composés d'éléments homogènes dont on peut discerner un niveau local et un niveau global. Ces systèmes existent bien sûr dans la nature, mais sont aussi importants pour comprendre en quoi consiste la complexité et pour pouvoir l'étudier ensuite dans des systèmes plus grands, plus compliqués, voire hétérogènes et possédant plusieurs niveaux d'organisation.

chapitre1d Les humains, des sytèmes complexes ?

Peut-on parler de complexité lorsque le système considéré comporte des êtres humains, qui sont par nature tous différents et qui, parce qu'ils pensent, peuvent modifier le système en cours de fonctionnement ? Il s'agit d'une question non triviale, qui a suscité de nombreuses polémiques sur lesquelles nous reviendrons. Les partisans de l'approche systémique parlent pour cette raison de systèmes hypercomplexes. De leur côté des membres du Santa Fe Institute ont lancé la Prediction Company :

chapitre1d La science des systèmes complexes

Les systèmes complexes sont définis, selon les cas et selon les auteurs, par leur structure, par l'existence d'interactions non-linéaires, par l'émergence de niveaux d'organisation différents, ou par leurs comportements collectifs non triviaux (multistationnarité, chaos, bifurcations, auto-organisation, émergence, boucles de rétroaction). Certains, partant du grand nombre d'entités, insistent sur la structure, l'hétérogénéité et la présence de niveaux d'organisation, aux propriétés émergentes. D'autres insistent au contraire sur la non-linéarité et la dynamique. Cette multiplicité des définitions a des causes objectives liées à l'hétérogénéité des objets regroupés sous le terme de systèmes complexes, qui vont de système naturels, (des molécules aux sociétés humaines), jusqu'aux systèmes artificiels comme le web. Cela correspond obligatoirement à une multiplicité de points de vue, qui se recoupent tous partiellement, bien sûr, mais où l'accent n'est pas mis sur les mêmes propriétés.  que Ces différences sont aussi liées à des critères idéologiques ou philosophiques, particulièrement importants dans ces domaines.(voir aussi  Matérialisme et idéalisme dans les sciences du complexe)

chapitre1d Complexe n'est pas compliqué

Nombreux sont les systèmes complexes qui possèdent un grand nombre d'éléments, ayant un grand nombre d'interactions les uns avec les autres. Le cerveau, avec ses millions de neurones et leurs milliards d'interactions est le modèle paradigmatique de la complexité compliquée. En effet, il n'est pas seulement compliqué, il est bien complexe d'après notre définition puisqu'il présente, par exemple, un comportement de chaos déterministe repérable sur les encéphalogrammes, et qu'il est capable de bifurcations (on a montré par exemple que l'épilepsie correspond à une bifurcation vers un régime oscillant régulier de l'encéphalogramme). C'est un modèle merveilleux d'auto-organisation, puisque, comme on a pu le démontrer récemment, il n'y a pas de centre organisateur qui régule son fonctionnement.

chapitre1d Complexité et hasard

Parmi les propriétés nouvelles et déstabilisantes introduites par la révolution du complexe, il y a le rôle du hasard (d'aucuns préfèrent parler de désordre). Avec la sensibilité aux conditions initiales et le déterminisme non prédictible, les systèmes dynamiques non-linéaires ont fait entrer le hasard au cœur des sciences du macroscopique (1), et il se retrouve dans les autres systèmes complexes. J'ai mentionné comment, en mettant de petits cubes aimantés dans une boîte et en secouant la boite, le physicien Von Foerster a pu montrer que ceux-ci s'organisaient, et en a tiré une théorie de l'ordre par le bruit. L'ordre émergeant du désordre est au cœur de la théorie des structures dissipatives et a été également théorisée par S.Kauffman avec l'idée que cela caractérise un comportement particulier, caractéristique notamment des êtres vivants, qu'il appelle la frontière du chaos (2).

chapitre1d Complexité et interdisciplinarité

Peut-être faut-il ici commencer par faire un point de vocabulaire : pluridisciplinarité, interdisciplinarité, transdisciplinarité, ne sont pas des synonymes. Marcel Jollivet, résumant un séminaire tenu en 2001 sur le thème Relier les Connaissances, Transversalité, Interdisciplinarité écrit :