M ODÉLISATION DE LA GESTION ENVIRONNEMENTALE EFFECTIVE DE

L’AGRICULTURE FAMILIALE

La modélisation multi-agents part du principe que la complexité peut émerger au travers d’interactions multiples d’éléments simples. De ce fait, elle se focalise sur les représentations des interactions d’entités simples entre elles et/ou avec leur environnement. Dans les SMA, les individus sont donc différents les uns des autres et non interchangeables (Le Page et al., 2004). L’autre originalité des modèles SMA est la spatialisation des agents et de leurs actions permettant de prendre en compte les effets de voisinages. Toutes ces caractéristiques des

modèles SMA les distinguent fortement des outils mathématiques traditionnels. « Les systèmes multi-agents (SMA) sont basés sur des descriptions en termes d’objets et d’agents informatiques et de relations plutôt que par des variables et des équations. La modélisation multi-agents ne repose pas uniquement sur la disponibilité de données, mais elle implique d’identifier les comportements de base des acteurs, leurs stratégies, leurs relations et leurs activités au cours du temps. Les SMA offrent donc la possibilité d’illustrer et de comprendre l’articulation entre des comportements individuels et le comportement global du système étudié. En ce sens les SMA ont une approche constructiviste90 », Bommel (2004). La possibilité de représenter différents acteurs, différentes actions sur l’environnement et la réponse de l’environnement font des SMA un outil adapté à l’étude des dynamiques socio- économiques et écologiques (Bousquet et al., 1999).

Nous n’avons pas modélisé le système de gestion dans son ensemble ; en effet, les acteurs et les interactions (directes et indirectes) auraient été trop importants et complexes à modéliser. Il nous a semblé plus important de centrer sur les petits agriculteurs et leurs actions directes sur l’environnement, qui engendrent la majorité des déforestations à Uruará. Les modifications du contexte socio-économique influençant les stratégies paysannes d’utilisation des sols sont réalisées de l’extérieur par l’utilisateur du modèle (comme les subventions ou les variations des prix). En fait, l’utilisateur prend le rôle du politique et peut changer les paramètres du contexte général.

La réflexion porte sur les stratégies d’utilisation des terres (proportion de cultures annuelles, pérennes, de pâturage, de forêt) et l’évolution des systèmes de production (évolution des structures de production, des rentes, etc.) Toutes les observations peuvent être faites au niveau global (paysage, ensemble des familles) et local (parcelle, famille). La part la plus importante du travail de modélisation a consisté à hiérarchiser et condenser l’information disponible. Comme tout travail de modélisation, il a fallu identifier les éléments clés, les simplifier et les caricaturer par endroit pour obtenir la structure la plus simple possible sans pour autant dénaturer notre objet d’étude. Aussi, dans un souci de concision du modèle proposé et de fiabilité des résultats de simulations, les agents que nous modélisons sont volontairement stylisés et simples. Il faut être conscient qu’il est non seulement impossible mais aussi inutile de modéliser toute la complexité du réel. Plus un modèle est compliqué plus les biais sont

90 _{Contrairement aux approches analytiques (élément par élément) utilisées en économie néo-classique ou}

holistiques (comportement global du système) utilisées en macroéconomie ou modèles statistiques. (Le page et al., 2004). http://cormas.cirad.fr/pdf/CormasTutorial2.pdf.

nombreux et plus les simulations sont incontrôlables et les résultats non explicables (Bommel, 2004 ; Bonaudo et al., 2005c).

Les SMA permettent donc de modéliser des systèmes complexes, c’est-à-dire dans notre cas un ensemble de petits agriculteurs en interaction entre eux et avec leur environnement qui a une dynamique propre. Le modèle intègre plusieurs échelles, aussi bien en ce qui concerne les agents (individu, famille, groupe de familles, population totale), qu’en ce qui concerne l’espace (parcelles, lots, propriétés et vicinales). Nous nous sommes focalisés sur les comportements individuels des agents qui agissent, sur un espace limité, en fonction d’un certain nombre d’informations et de contraintes (quantité de main-d’œuvre familiale, prix de vente des productions, disponibilité en terres et bénéfice prévisionnel). « Un agent a un comportement collectif, conséquence de ses perspectives, représentations et interactions avec l’environnement et d’autres agents » Ferber (1995). Nous analysons les dynamiques globales émergentes de l’ensemble des actions individuelles (comme la déforestation, les changements d’utilisation des sols, la concentration foncière, les trajectoires d’évolution des systèmes de production, l’exclusion du système d’un certain nombre d’agents, etc.).

Il n’existe pas de théorie générale de la validation des modèles. Selon Popper (1985), il n’existe pas de preuve absolue d’une théorie, mais uniquement des réfutations de conjectures mauvaises : « la validation demeure un vœu pieux » (Popper, 1985). En appliquant cette posture scientifique dans le domaine de la modélisation, nous considérons que les modèles peuvent seulement être réfutés ou corroborés. « Le terme de validation qui véhicule la notion d’absolu n’est donc pas satisfaisant. Nous le remplaçons par corroboration ou vérification. De la même manière, nous rejetons également l’idée de prédiction et lui opposons une démarche prospective », Bommel (2004). Ces corroborations sont faites par comparaisons entre les données obtenues par simulation et les changements globaux effectivement observés. Les remises en question, les réfutions sont des sources fondamentales d’acquisition de connaissances. La modélisation doit permettre un processus d’apprentissage et être un processus itératif entre conception, évaluation virtuelle et retour à la réalité. Le processus de modélisation n’est autre qu’un objet intermédiaire qui facilite nos réflexions collectives et interdisciplinaires pour parvenir à d’avantage de connaissance (Vinck, 1999).

« Il est donc essentiel que les modèles informatiques répondent à des normes de qualité favorisant leur lisibilité, leur contrôle et leur fiabilité, c'est-à-dire une traduction fidèle des

concepts et des résultats de simulation sans biais. Dans ce souci, le modèle a été entièrement formalisé en UML (Unified Modelling Language ; OMG, 2003), tant pour représenter sa structure que pour décrire son fonctionnement. UML est un langage de représentation des modèles, basé sur des notations graphiques simples et compréhensibles par des non scientifiques. C’est un outil de dialogue qui devient progressivement la référence en terme de modèles-objets. Cette méthodologie, toujours préconisée mais rarement appliquée dans les faits, a facilité le travail de condensation et formalisation de la connaissance. Cela permet d’identifier clairement les hypothèses du modèle mais aussi les points de litige et les données manquantes », Bommel (2004).

Une fois analysées et corroborées ces dynamiques globales virtuelles avec les dynamiques réelles, nous testons le changement de quelques règles de fonctionnement général91 sur le comportement individuel et les rétroactions que cela peut entraîner sur les dynamiques globales du système. Cette démarche normative et prospective nous permet de discuter des évolutions possibles du système en faisant varier le contexte et les règles du jeu. En plus du scénario de base représentant de manière stylisée le fonctionnement actuel du front pionnier, nous avons construit deux grands scénarios, le premier forçant les colons à limiter leurs déforestations à 20% ou 50% de leur propriété et le second simulant la mise en place de subventions pour la protection de la forêt. Nous analyserons les conséquences de ces changements à la fois sur le paysage, mais aussi sur les trajectoires d’exploitation et les rentes familiales. Les analyses seront faites par comparaison avec le scénario de base. A terme, ce modèle a aussi pour but d’obtenir des représentations partagées des dynamiques pionnières.

Le modèle a été implémenté sur la plate-forme CORMAS (Common Pool Ressources and Multi Agent Systems), dédiée aux simulations SMA, notamment dans le domaine de la gestion des ressources naturelles (Bousquet et al., 1998 ; Müller, 2004). CORMAS a été développé par l’équipe Cirad-Green et est disponible gratuitement sur le site http://cormas.cirad.fr.