Jouer sur le formalisme utilisé

Pour nuancer un peu notre propos concernant la relative linéarité qui semble apparaître à la lecture du framework DAMMASS, il nous faut préciser que les allers-retours entre niveaux de complexité des modèles sont fréquents et nécessaires. Ainsi, simplement suggéré par la difficulté à obtenir de la connaissance sur un modèle trop complexe, le modélisateur sera naturellement incité à travailler sur une version simplifiée de

celui-ci, au moins temporairement. Ainsi, le modèle sur lequel nous avons travaillé au cours de cette thèse s’inscrit comme une composante d’un modèle beaucoup plus vaste, le modèle IMAGES (Deffuant, 2001) dédié à la modélisation de l’adoption de mesures agri-environnementales de la PAC par les agriculteurs. Ce dernier intègre ainsi de nombreux autres processus tels que la transmission de l’information entre les individus, une composante économique pour l’évaluation de la mesure, les acteurs institutionnels et les réseaux sociaux. Face à la difficulté de comprendre un tel modèle, nous avons ainsi adopté l’approche qui consiste à mieux connaître chacun de ses composants pour tenter de comprendre davantage le fonctionnement du modèle global. Dans ce cadre de réduction de la complexité par la focalisation sur des sous-modèles, un aspect important semble également être le changement de formalisme. Ainsi sur le modèle le plus simple, nous avons proposé (Deffuant et al., 2001a) une solution analytique pour calculer le nombre de groupes d’opinions apparaissant dans la population en fonction des paramètres de celle-ci. De même dans le modèle d’accord relatif, nous avons eu recours à une modélisation alternative du modèle sous forme d’équation maîtresse (Faure et al., 2002). Cependant, dans la partie applicative que nous allons présenter, le cheminement suit à quelques exceptions près celui décrit par le framework DAMMASS. Ainsi, d’un modèle à seuil fixe, nous sommes passés à un modèle à seuil dynamique, puis nous avons évolué vers un modèle également à seuil dynamique, mais qui comprend des hypothèses différentes, pour introduire ensuite une hétérogénéité dans la population (les extrémistes), et enfin travailler sur la structure d’interactions (le réseau social). Nous présenterons à nouveau l’articulation entre ces différents modèles dans le chapitre suivant.

3.4 Conclusion

Dans cette partie nous avons présenté des méthodes pour encadrer une démarche de type expérimentale pour la compréhension du fonctionnement de simulations sociale individus-centrées. Nous avons présenté notre approche suivant deux directions.

Nous avons tout d’abord présenté la mise en place d’outils pour la gestion d’un processus expérimental sur des modèles de simulation. Nous avons ainsi exposé l’approche méthodologique suivant laquelle plusieurs points de vue pouvaient exister pour observer ou mesurer le comportement d’un modèle individus-centré :

- observer un individu au cours d’une simulation,

- observer une population d’individus comme une somme d’individus au cours d’une simulation,

- observer la population d’individus comme un comportement collectif singulier au cours d’une simulation,

- observer les autres éléments du modèle, notamment l’environnement et le graphe d’interaction et leur évolution au cours de la simulation,

- observer les couplages qui existent entre les différentes entités du modèle,

- caractériser de manière synthétique le comportement du modèle dans des conditions données, - observer des populations de simulations dans l’espace des paramètres.

Ces différents points de vue s’appuient sur le méta-modèle présenté dans la partie précédente. Nous avons de plus insisté sur la complémentarité de ceux-ci pour la compréhension globale du modèle et placé en avant la nécessaire mise en place de solutions logicielles génériques pour accompagner cette démarche. Nous avons alors présenté le prototype d’une de ces solutions, le cadriciel SimExplorer, concernant la gestion des plans d’expériences dans le cadre de l’exploration systématique de modèles, pour explorer donc des populations de simulations dans l’espace des paramètres.

La deuxième direction que nous avons présentée s’inscrit davantage dans un cadre de multi-modélisation. Nous avons défendu l’intérêt d’une approche qui consiste à développer plusieurs modèles, à des niveaux d’abstractions différents et avec des formalismes éventuellement différents, ceci non seulement pour comprendre le phénomène modélisé mais surtout dans notre cadre pour comprendre le fonctionnement des différents modèles réalisés. Nous avons ainsi présenté un framework, DAMMASS, qui envisage le modèle comme une composition de sous-modèles dont les principaux identifiés sont les sous-modèles de l’Agent (ou de l’individu), des Relations (le modèle du graphe d’interaction sous-jacent), de l’Environnement et de l’Organisation. Dans ce cadre nous avons envisagé les relations entre modèles comme des relations correspondantes à des augmentations ou des diminutions de complexité des sous-modèles. Ce framework permet

de naviguer dans une collection de modèles situés à des niveaux de complexité différents pour que les connaissances acquises concernant le fonctionnement d’un modèle particulier puisse avantager la compréhension du fonctionnement de modèles plus complexes.

Concernant le prototype du cadriciel SimExplorer, des travaux sont actuellement en cours pour en réaliser une version stabilisée. Nul doute qu’au cours de l’utilisation de ce cadriciel sur différents modèles, de nouveaux éléments vont apparaître qui permettront d’en accroître les fonctionnalités mais également la généricité.

Concernant le framework DAMMASS, si celui-ci a été effectivement sur le cas d’étude que nous présenterons dans la partie suivante, nous manquons actuellement de recul et il faudrait l’utiliser sur quelques autres cas typiquement différents, en particulier en incluant une composante environnementale, pour le valider comme framework a part entière.

De manière à illustrer le propos présenté dans cette partie, nous allons, dans la partie suivante, présenter le travail réalisé sur une collection de modèles individus-centrés pour la modélisation de dynamiques d’opinions.

« C'est souvent du hasard que naît l'opinion, Et c'est l'opinion qui fait toujours la vogue.

Je pourrais fonder ce prologue

Sur gens de tous états: tout est prévention, Cabale, entêtement; point ou peu de justice:

C'est un torrent; qu'y faire? Il faut qu'il ait son cours:

Cela fut et sera toujours. »

La Fontaine, Fables (Livre VII, Fable 15), Les Devineresses.