Conclusion et Notion d’Emergence

Dans les différents cas de systèmes complexes que nous venons de voir, les individus interagissent de manière passive, parce qu’ils entrent en conflit pour des ressources, ou parce qu’ils modifient leur environnement en y laissant des marques reconnaissables par le groupe… Certaines espèces ont des interactions plus variées, en particulier, les individus qui les constituent ont des interactions intentionnelles et utilisent des systèmes de communication, ce qui leur procure une certaine forme d’intelligence individuelle plus développée. Bien qu’il existe, en effet, chez ces groupes d’individus différents niveaux cognitifs, nous remarquons qu’ils fonctionnent tous selon la paire stimuli/réponse (quelque soit la complexité des stimuli).

Les sociétés d’animaux que nous venons de décrire, ainsi que les parallèles que nous avons faits afin de caractériser les systèmes définis par ces sociétés, nous amènent à conclure sur un certain nombre de considérations à propos des systèmes complexes qui font l’objet premier de cette partie. Bien que les sociétés d’animaux sociaux nous aident à comprendre les systèmes complexes, nous pouvons dire, en première approximation et au regard des propriétés que nous avons mis en exergue, que la majeure partie des systèmes qui nous entourent peuvent être considérés comme complexes.

5 4 | P a g e En effet, la majorité des systèmes et des organisations qui nous entourent regroupent un nombre plus ou moins important d’acteurs reprenant une ou plusieurs des propriétés évoquées. Les exemples de modèles étudiant de tels systèmes sont variés et foisonnent dans la littérature. Ces études sont généralement réalisées avec le plus de simplifications possibles, parfois même d’une façon trop réductrice par rapport à la réalité. Il faut donc garder en tête que, dans le monde qui nous entoure, la complexité est la règle et la simplicité l’exception.

Nous résumerons donc en décrivant un système complexe comme un système composé d'un grand nombre d'entités en interaction locale et simultanée, chacune de ses parties étant indépendante. Dire ici que les parties sont indépendantes, ne signifie pas qu’elles n’interagissent pas avec les autres mais seulement que la connaissance de l’état d’une partie ne fournit pas ou peu d’informations sur l’état des autres parties ou du système dans sa globalité. En réalité, il n'existe pas de définition formelle largement acceptée de ce qu'est un système complexe. Néanmoins, dans les exemples que nous venons de voir, nous remarquons qu’un certain nombre de points communs peuvent être retenus pour tenter de caractériser ces systèmes.

Tout d’abord le modèle d’interaction est non trivial, c'est-à-dire que ce n'est pas uniquement « tout le monde qui interagit avec tout le monde » (il y a au moins des liens privilégiés). Les interactions sont locales, il y a peu ou pas d'organisation centrale. Il en est d’ailleurs de même pour la plupart des informations transitant dans le système. De plus, il existe des boucles de rétroaction : l'état présent d'une entité a une influence sur son état futur via l'état d'autres entités et de son environnement (Forrester, 1980). Il est aussi important de remarquer que ces entités peuvent être elles-mêmes des systèmes complexes (une société est composée d'humains eux-mêmes composés d’organes puis de cellules). Le système et ses sous-systèmes sont ouverts et donc soumis à une activité endogène ; il y a des flux de données (énergie, information…) dans le système et sur sa frontière. Cette dernière peut être floue, par exemple, en considérant à nouveau le système complexe « un humain », à partir de quel instant devons-nous prendre en compte la nourriture ou l'air absorbé comme ayant une action significative sur le corps ?

5 5 | P a g e Nous observons alors des comportements particuliers aux systèmes complexes résultant de ces propriétés. La plus importante est l’auto-organisation et l’émergence de propriétés ou de structures cohérentes comme l’apparition de « motifs » particuliers (Von Neumann, 1966 b).

Un autre caractère des systèmes complexes réside dans la robustesse locale et la contrôlabilité à moyenne échelle (Ferber, 1994). En effet, puisqu'il y a de nombreux liens (éventuellement créés ou remaniés par le système lui même), si un élément est affecté par un événement extérieur, ses voisins le seront aussi. Il s'ensuit que le système est souvent plus robuste à une petite perturbation locale non désirée qu'il ne le serait sans les liens. Mais du même coup, modifier globalement le système (et donc potentiellement le contrôler) peut être fait grâce à une perturbation moins grande que dans le système sans liens. Cette perturbation est cependant très difficile, voire impossible, à cibler de prime abord. Assurément, l’évolution du système reste imprévisible car la connaissance d'une partie du système ne permet pas d'affirmer que le reste est en moyenne dans le même état. La réalisation d’une abstraction de ces systèmes reste donc une tâche ardue.

Comme nous l’avons déjà abordé au §I.2 de ce chapitre, la modélisation de tels systèmes passe alors par des méthodes de simulation susceptibles de s’inspirer de comportement que nous pouvons retrouver dans la nature (Rennard, 2000). Dans ce sens, nous abordons dans la suite les principes énoncés, entre autres, par l’Intelligence Artificielle Distribuée (IAD) qui offre des concepts et des outils adaptés à ce type de modélisation.

5 6 | P a g e

II.2.