5 Modéliser : une démarche de recherche
5.4 En guise de conclusion partielle : Exemple de séquence de modélisation
La séquence des travaux de recherche en Oriente Amazonien, parti du Programme PEPS MONOIL, puis de l’ANR MONOIL, puis des différents programmes GHIVARO et enfin des CDUs et projets MADA et PASHAMAMA s’est déroulé sur 7 ans et doit se poursuivre encore 2 à 3 ans tenu compte des fins de thèses, des écritures d’article et des retards et délais inhérents à ces actions de longue haleine. Avec les délais inhérents aux publications, les articles publiés illustrent la démarche complète de terrain et de modélisation présentée dans cette partie « modéliser ». Plusieurs sont envisagés à la suite des travaux de L. Houssou, J. Durango, R. Méjean et D. Kaced : 1) Maestripieri & Saqalli (2016) et Saqalli et al. (2017) présentent une première cartographie, par ZADA du territoire de l’Oriente. Différentes pistes sur son fonctionnement, comme l’importance des routes qui reflète quelque peu les statuts sociaux, le poids des flux démographiques locaux comme de rapports
inégaux entre politiques , populations et sociétés pétrolières. Les mêmes missions ont permis de collecter une grande quantité d’informations SIG éparses, dispersée, hétérogènes et incomplètes mais permettant une fois harmonisées de constituer une base de données sur laquelle s’appuyer pour les infrastructures
Figure 54. Photos illustrant les réunions de la démarche ARDIQS.
Figure 55. « Scénarios » ou groupes de variables obtenues par démarche ARDIQS qui, se combinant, seront autant de futurs possibles pour le modèle PASHAMAMA de l’Oriente Amazonien Equatorien
141
humaines en particulier. La poursuite des missions ZADA a permis depuis de multiplier par trois le nombre de cartes ZADA, qu’il reste à valoriser.
2) Morin (2015) et formalisé dans Morin & Saqalli (2017) retrace et reconstitue la colonisation du territoire de la paroisse de Dayuma (province d’Orellana, centre-nord de l’Amazonie équatorienne) par entretiens et bibliographie, avec les poids des dynamiques historiques et leur poursuite, atténuée ou amplifiée qu’il est important d’introduire dans le modèle, ici la démographie de la colonisation sur le territoire, comme la typologie des acteurs agricoles selon leurs paramètres socio-économiques ;
3) Béguet (2016) et formalisé dans Saqalli et al. (2020) l’approche anthropologique vient clarifier le mode de croyance et de valeurs appuyant les différentes rationalités identifiées en 2). La confirmation de cette intrication des identités permet d’assumer le progressif dépassement d’une vision essentialiste, ici ethnique différenciant amérindiens et colons après une génération de coexistence certes pas toujours paisible ; 4) Durango et al. (2019) a reconstitué le flux des « derrames » ou accidents pétroliers par généralisation du
rythme calculé à partir des données sur quelques blocs pétroliers, et de leurs déversements en incluant les flux d’eau (pluies, ruissellements et écoulement de rivière) produisant ainsi une reconstitution des taux de contamination, ici par SIG pour en voir la répartition actuelle. Pour cela, sont comparés les volumes de derrame simulées (combinant données sur quelques sites bien renseignés et interpolation/généralisation tenu compte des infrastructures et réseaux pétroliers) et résultats de reconstitution selon différentes méthodes de projection (économiques, probabilité) : l’intégration de données spatiales rend plus fine l’estimation des volumes déversés, rendant crédibles les estimations de cette pollution très médiatique mais où tous les chiffres s’affrontent. Ce travail est poursuivi dans les autres articles de Durango-Cordero et al. (2018 ; 2019 et soumis)
5) Houssou (2016) et Chapotat (2016) formalisés dans Houssou et al. (2019) : La construction du modèle Multi- Agent combine une construction biophysique du climat et des flux d’eau et des réseaux hydriques, par lesquels passent les contaminations pétrolières lors des inondations locales, et la reconstitution des logiques d’installation agricoles et la déforestation induite. Il intègre, pour la déforestation, une confrontation entre données simulées par le modèle multiagent d’une part et données de télédétection d’autre part grâce à Juan Durango. Avec la simple intégration des données démographiques, du réseau pétrolier et les probabilités d‘accident, on reconstitue le rythme des défrichements et de l’expansion humaine sur ce territoire. On arrive alors à une reconstitution de l’exposition et de la vulnérabilité d’une population au risque pétrolier chronique au cours des 3 dernières décennies, mais construit à partir de dynamiques simples exposées dans les étapes précédentes, la colonisation d’une part, l’aléa pétrolier d’autre part ;
6) Kaced et al. (2019) : L’intégration d’un module agricole permet d’affiner la dynamique de colonisation mais aussi d’acquisition des revenus des différentes populations installées dans le modèle présenté en 5). Cela permet d’introduire la différenciation :
a. dans l’espace entre populations, proches de la route ou loin de la route, avec tous les enjeux d’inaccessibilité relative (plus de temps pour venir à la route donc moins de marge bénéficiaire) ou absolue (pas de ponts ou pas de route) ;
b. dans le temps : l’impact des variations de prix agricoles a joué un rôle majeur dans les revenus de la population mais aussi dans les vitesses de défrichement forestier. En effet, les prix de l’élevage ont surpassé ceux du café et du cacao, la défriche plus importante induite par l’élevage a entraîné un plus grand défrichement par exploitation agricole, seulement compensé par un abandon important des exploitations ou leur orientation vers le vivrier pour les exploitations loin de la route ;
7) Méjean et al. (2019 ; 2020): l’initialisation du modèle a été affinée en utilisant les données des recensements équatoriens, la distribution spatiale de la population colonisant ce territoire est justifiée; on obtient alors une bien meilleure correspondance ente usage du territoire décrit localement, imagerie satellitaire et modélisation par automate cellulaire telle que le fait notre modèle multiagent PASHAMAMA, précision atteinte jusqu’à la correspondance entre taille des familles et niveau de mise en culture des fincas familiales. L’application d’un générateur de population à la population des parcelles agricoles permet d’attribuer spatialement la distribution des productions agricoles selon les logiques agricoles familiales et le positionnement sur le territoire ;
8) Kaced et al. (en cours d’écriture) : c’est ici introduire l’accès et les échanges d’information dans les choix des agriculteurs par le lien avec les ZADAs. En reliant la « vision du monde» de chaque agent agriculteur
142
non plus aux données « réelles » définissant le territoire simulé mais aux cartes issues des ZADAs, on redéfinit sa vision du territoire et donc son comportement ; on espère ainsi faire tourner un modèle où les agents voient leur rationalité conditionner par leurs croyances, elles-mêmes définies par leurs caractéristiques sociales mais où l’expérience acquise progressivement par ces mêmes agents modifie progressivement leur représentation du monde.
Ainsi, cette démarche, certes non achevée70, illustre notre objectif d’utiliser le modèle comme une plate-forme
modulaire pour formaliser l’intégration et l’échange d’informations, de règles et de données issues de différentes disciplines scientifiques, chacune altérée au profit de l’objet de recherche commun. C’est ainsi qu’au-delà des appels et mantras répétitifs, je souhaite mettre en forme une interdisciplinarité effective et empirique en pratique, objectif que je souhaite développer dans le futur et que je présente dans la partie suivante.
Belem M., Olaniyi A. O., Barbier B., Saqalli M., H. K. Mandé, Sawadogo P. Projection of West-African Cropland Dynamics under socioeconomic and climate Scenarios. Futures. (soumis)
Saqalli, M., Cahierre M., Peyron O., Azuara J., Combourieu-Nebout N., Sicre M.-A., Lespez L. 2020. Classification of ligneous vegetation into Plant Functional Types for a dynamic reconstitution of Neolithic vegetation cover in Occitania Mediterranean seashores. EGU General Assembly 2020. EGU2020-5212
Houssou N. L. J., Durango-Cordero J., Bouadjio-Boulic A., Morin L., Maestripieri N., Ferrant S., Belem M., Peláez J I., Saenz M., Lerigoleur E., Elger A., Gaudou B., Maurice L., Saqalli M. 2019. Synchronizing histories of exposure and demography: the construction of an agent-based model of the Ecuadorian Amazon colonization and exposure to oil pollution hazards. Journal of Artificial Societies and Social Simulation, 22, 2, 1 http://jasss.soc.surrey.ac.uk/22/2/1.html
Vander Linden M., Saqalli M. 2019. Introducing qualitative and social science factors in archaeological modelling: necessity and relevance. In: Integrating qualitative and social science factors in archaeological modelling. Springer Simulating the Past books Series. Springer Editions, New York, USA.
Saqalli M., Saenz M., Belem M., Lespez L., Thiriot S. 2019. O tempora O mores: Building an epistemological procedure for
modeling the socio-anthropological factors of rural Neolithic socio-ecological systems: Stakes, choices, hypotheses and constraints. In: Integrating qualitative and social science factors in archaeological modelling. Springer Simulating the Past books Series. Springer Editions, New York, USA.
Méjean R., Paegelow M., Saqalli M., Kaced D. 2019. Business-as-Usual scenarios in land change modelling by extending calibration period & integrating demographic data. Geospatial tech. for local & reg. dev., 243-260. Springer, Cham. Méjean R., Paegelow M., Saqalli M., Kaced D. 2019. Improving Business-as-Usual Scenarios in Land Change Modelling by Extending the Calibration Period and Integrating Demographic Data, 22nd Conference on geo-information sciences, Limassol, Cyprus, 2019/06/17-20. https://agile-online.org/
Paegelow M., Maestripieri N., Saqalli M. 2018. La prospective territoriale : de la modélisation spatio-temporelle aux scénarii futurs. In : Systèmes Complexes : de la Biologie au territoire. Les dossiers d’Agropolis International.
Saqalli M., Belem M., Gaudou B., Saenz M. Paegelow M., Maestripieri N. 2018. Modéliser les sociétés et leurs territoires :
de l’importance des sciences sociales. In : Systèmes Complexes : de la Biologie au territoire. Les dossiers d’Agropolis International.
Kaced D., Méjean R., Richa A., Gaudou B., Saqalli M. 2018. PASHAMAMA: An agricultural process-driven agent-based model of the Ecuadorian Amazon. MABS 2018: 19th International Workshop on Multi-Agent-Based Simulation. Stockholm, Sweden. http://iotap.mau.se/mabs2018/
Belem M., Olaniyi A. O., Saqalli M., Barbier B., Mande H. K., Tondoh J. E. 2018. Prediction of West African Cropland Dynamics under Climate Scenarios. IEEE – 1st International Conference on Smart Cities and Communities, 24-26 July 2018, Ouagadougou, Burkina Faso.
Belem M., Saqalli M. 2017. Development of an integrated generic model for multi-scale assessment of the impacts of agro- ecosystems on major ecosystem services in West Africa. Journal of Environmental Management. 202, 1, 117–125. Belem M., Saqalli M. 2017. Development of an integrated generic model for multi-scale assessment of the impacts of agro- ecosystems on major ecosystem services in West Africa. WCNRM2017 Conference “Vulnerability and Resilience of Socio- ecological Systems” Barcelona, España. https://issuu.com/paucostafoundation/docs/booklet-2-fundacio_web
Saqalli M., Ali Moussa T., Peyron O., Sabatier P., Combourieu-Nebout N., Dezileau L., Bassetti M.-A., Vannière B., Sicre M.-
A., Carozza L., Carozza J.-M., Lespez L. 2017. Land, rain and sweat: Building a database of what we need for building a temporally dynamic and a spatially explicit agent-based model of Neolithic occupation in Languedoc-Roussillon. Conférence MISTRALS PAELOMEX 16-18/10/2017, Montpellier, France.
Lespez L., Bassetti M.-A., Berger J.-F., Carozza J.-M., Carozza L., Combourieu-Nebout N., Dezileau L., Glais A., Ghilardi M., Kuzucuoglu C., Peyron O., Sabatier P., Saqalli M., Vannière B., Sicre M.-A., Jalali B. & Paleomex team. 2017. Climate Change
70 Car n’intégrant pas encore les règles d’évolution familiale telle qu’observée sur le terrain (divorce, héritage), les effets à
long terme des ré-enfrichements et des abandons de terres du fait de fertilités des sols altérés ou des pollutions, et enfin les scénarios d’exploration du futur tels que décrits dans la section ARDIQS.
143
and social transformations in the past (12ka BP): from field data acquisition towards socio-ecological modeling. Conférence MISTRALS PAELOMEX 16-18/10/2017, Montpellier, France
Chapotat W., Houssou L. J. N., Saqalli M., Gaudou B., Lerigoleur E., Maestripieri N., Bouadji-Boulic A. 2016. An agent-based model of the Amazonian forest colonization and oil exploitation: The Oriente study case. IEMS Conference Toulouse. Belem M., Maestripieri N., Sáenz M., Saqalli M. 2015. Integrated assessment modelling of environmental impacts of land use policy in West Africa: A conceptual model. Conférence SAGEO, Hammamet, Tunisie, 11/2015.
Saqalli M. 2015. Simple is beautiful? Building a simple climate model for modelling archaeological issues. Ateliers de
Modélisation de l'Atmosphère 01/2015, Toulouse, France
Saqalli M. Salavert A., Bréhard S., Bendrey R., Vigne J.-D., Tresset A. 2014. Revisiting and modelling the woodland farming
system of the early Neolithic Linear Pottery Culture (LBK), 5600–4900 B.C. Veg. Hist. & Archaeobot. 23, 1: 37-50.
Saqalli M., Kaplan J.O., Baum T., Lemmen C. 2014. Reconstituting human past dynamics over a landscape: pleading for the
co-integration of both microvillage-level modelling and macro-level ecological socio-modelling. SSC'14 Social Simulation Conference European. SPUHH: Simulating the Past to Understand Human History, Barcelona, Spain, 04/09/2014.
Saqalli M., Bielders C. L., Defourny P., Gérard B. 2013. Reconstituting family transitions of Sahelian western Niger 1950-
2000: an agent-based modelling approach in a low data context, Cybergeo: European Journal of Geography 634.
Saqalli M. 2013. Modelling the past farming systems: implied methodologies and issues. Modeling the Past – Predictive
Approaches to Climate, Environment, Population & cultural Dynamics in Prehistory Workshop Berlin, Allemagne 11/2013. Bocquet-Appel J.-P., Saqalli M., Dubouloz J., Berger J.-F., Vigne J.-D., Tresset A., Schwartz D., Salavert A., Ertlen D., Gauvry Y., Ortu E., Sanchez Goñi M.-F., Finsinger W., Dormoy I., Demoule J.-P., Carcaillet C., O‘Connor M. 2012. Multi-agent simulations of the trajectory of the LBK Neolithic. Conf. Early Farmers: the view from Archaeology and Science, Uty of Cardiff, UK, 05/2012.
Saqalli M., Salavert A., Bréhard S., Bendrey R., Dubouloz J., Bocquet-Appel J.-P., Vigne J.-D., Tresset A. 2012. Contribution
of archaeozoology and archaeobotany to a multi-agent system mimicking the LBK society (Central Europe, 6th-5th millennia BC). Conf. Early Farmers: the view from Archaeology & Science, Uty of Cardiff, UK, 05/2012.
Saqalli M., Salavert A., Ertlen D., Moussa R., Bocquet-Appel J.-P. 2012. Modeling a typical LBK hamlet functioning at the
household level. 3rd International Schöntal Conference Farming in the Forest Ecology & Economy of Fire in Prehistoric Agriculture, Klöster Schöntal, Allemagne 07/2012.
Saqalli M. 2012. Sociétés rurales : Paradigmes associés et Approches par la Modélisation multi-agents. Observatoire Hommes-Milieux Tessékéré CNRS UCAD, 27/08/2012 Widou-Thiengoli, Sénégal.
Neumann M., Braun A., Heinke E.-M., Saqalli M., Srbljinovic A., Wijermans N. 2011. Challenges in modeling social conflicts: Grappling with polysemy. Journal of Artificial Societies & Social Simulation, 40, 1.
Saqalli M., Gérard B., Bielders C.L., Defourny P. 2011. Targeting rural development interventions: Empirical agent-based
modeling in Nigerien villages. Agricultural Systems, 104, 4, 354-364.
Van Vliet N., Milner-Gulland E.J., Bousquet F., Saqalli M., Nasi R. 2010. Effect of Small-Scale Heterogeneity of Prey and Hunter Distributions on the Sustainability of Bushmeat Hunting. Conservation Biology, 24, 5, 1327-1337.
Saqalli M., Gérard B., Bielders C.L., Defourny P. 2010. Testing social-driven family forces on the evolution of Niger Sahelian
rural farming systems: A combined agent-based modelling & anthropological approach. Ecol. Mod, 221, 2714-2727.
Saqalli M., Gérard B., Bielders C.L., Defourny, P. 2010. Simulating rural environmentally and socio-economically
constrained multi-activity and multi-decision societies in a low-data context: a challenge through empirical agent-based modeling. Journal of Artificial Societies & Social Simulation, 13, 2.
Saqalli M., Thiriot, S., Amblard, F. 2010. Investigating social conflicts linked to water resources through agent-based
modelling. NATO Science for Peace & Security Series, 75, 142-157.
Bocquet-Appel J.P. Saqalli M. 2010. Modélisation multi-agents d’une société archéologique des premiers agriculteurs européens Décembre 2010. Journées Scientifiques de la Section des SVT de l'EPHE, Paris France
Saqalli M. 2010. Uncertainty in assessing & modelling social changes in rural areas. Novembre 2010. 3ème ESSA Special
Interest group on Social conflicts. Aix-la-Chapelle, Allemagne.
Saqalli M. 2010. Variables, methods & data for agro-ecological & socioeconomic integration. Novembre 2010. "ICRAF
Global Futures project workshop: Enhancing modelling capability and empirical data to assess the economic impacts of agroforestry and other natural resource management interventions", Nairobi, Kenya.
Van Vliet, N., Nasi, R. Bousquet, F. Saqalli M., Milner-Gulland EJ. 2009. Where and when we hunt counts more than how much we hunt : A case study on bay duikers in Northeast Gabon using a multi-agent system. September 2009. 6th Conference ESSA, Guilford, U. K.
Saqalli M. 2009. Testing social-driven forces on the evolution of Niger Sahelian rural farming socio-systems: A combined
agent-based modelling and anthropological approach. September 2009. 6th Conference ESSA, Guilford, U. K.
Saqalli M., Thiriot S., Amblard, F. 2009. Water-related social conflicts: an analysis through agent-based modelling.
11/12/2009. Complex societal dynamics: Security challenges & Opportunities, NATO ARW Zagreb, Croatie.
Saqalli M., Gérard B., Defourny P., Bielders Charles L. 2009. Une approche multi-agent combinant modélisation sociale et
enquêtes anthropologiques pour l'analyse de l'impact de forces sociales sur les évolutions de populations rurales au Sahel nigérien. 3ème Conférence AMMA, Juillet 2009, Ouagadougou, Burkina Faso. biblio.amma-international.org/
Saqalli M., Gérard B., Bielders C., Defourny P. 2008. Marketing humanitarian support: Empirical agent-based modeling of
development actions in Nigérien villages. 5ème Conférence ESSA. Septembre 2008. Brescia, Italie.
Saqalli M. 2006. Multi acteurs, multi activités : Simulations multi agents pour la détection des changements dans
144