Si vous suivez l’actualité des dessins animés au cinéma, vous avez sans doute noté le succès remporté par Monster inc. 1 des studios Disney et Pixar. Ce film a été rendu possible par une avancée informatique majeure : la représentation réaliste des poils et de la fourrure et l’animation des cheveux 2. Un poil plus ancien, Final Fantasy 3 excelle dans le rendu des pilosités faciales mais montre aussi qu’il reste encore beaucoup de verrous technologiques 4 à lever, par exemple, pour parfaire l’apparence des dents ou atteindre le rosé charnel de l’intérieur de la bouche. Mais bon an, mal an, chaque année amène son nouveau lot de prouesses techniques et on ne voit pas ce qui limiterait cette course au réalisme.
Dans le cas des cheveux, il semblerait que la meilleure approche soit celle consistant à s’appuyer sur des modèles physiques très simplifiés. Ceuxci n’ont absolument pas pour objectif de capturer les lois physiques réellement à l’œuvre dans la chevelure, mais de produire une phénoménologie compatible avec notre expérience de tous les jours, à partir de lois simples et bien maîtrisées. On évite ainsi une simulation physique réaliste qui demanderait la résolution d’équations particulièrement complexes, une finesse d’échantillonnage déraisonnable et qui serait difficilement contrôlable. Le critère qui détermine ici la validité de la simulation est la crédibilité des résultats obtenus, crédibilité mesurée à l’aune de la connaissance empirique disponible a priori et à notre échelle d’observation sur le phénomène naturel.
Cette stratégie du simulacre et de l’apparence n’est pas nouvelle. C’est, par exemple, un des vieux ressorts de l’intelligence artificielle, où, bien qu’essayant de résoudre les mêmes problèmes cognitifs qu’un humain, on ne mime pas les mécanismes (largement inconnus) de l’intelligence naturelle. Ainsi, observationellement, l’ordinateur joue aux échecs, mais on peut parier que les mécanismes mis en œuvre pour battre le grand maître n’ont rien à voir avec la nature du processus mental humain.
De telles simulations à visée phénoménologique ontelles un intérêt ? Comme l’indiquent les deux exemples précédents, très certainement oui. D’un point de vue pragmatique, il importe peu que la simulation capture quelque chose de la nature
1. disney.go.com/disneypictures/monstersinc
2. Voir par exemple : w3imagis.imag.fr/Publications/2001/PCP01 pour des travaux français dans le domaine.
3. www.finalfantasy.com
4. Alors qu’il il y a quelques années on faisait des « sauts technologiques » on préfère à présent « lever les verrous ».
propre du phénomène, de sa structure réelle, ou de son essence, du moment qu’elle nous permet de prédire correctement le comportement d’un système, qu’elle nous permet d’agir. Comme le dit l’adage : « corrélation n’est pas raison... mais les assurances font leur beurre avec ».
Cette question de la pertinence d’une simulation qui ne serait que phénoménologique, est une question qui disparaîtra peutêtre sous peu, grâce (ou bien à cause) de l’informatique. Non pas que l’informatique y apporte une réponse satisfaisante et définitive, mais simplement parce qu’elle tend à faire disparaître la problématique qui la soustend. À la notion de loi, « la nature obéit à des lois », se substitue la notion de calcul : « la nature calcule », « le cerveau calcule »... Or, il existe un très grand nombre d’algorithmes produisant le même résultat et, à des fins de prédiction, tous ces calculs sont utiles et corrects.
L’ordinateur, qui permet ces calculs, nous rend donc aveugle à la distinction entre un réel qui serait donné et un modèle construit. Cet effacement progressif entre l’idée d’une structure véritable et authentique du réel, dont les sciences auraient pour but de rendre compte, et un calcul jouant un rôle instrumental, correspond à un changement de rationalité, l’objectif de la (techno)science passant de l’interprétation à l’opération 5.
Mais tout en effaçant l’idée d’un réel connaissable, « l’ordinateur qui simule un phénomène le sauve » pour reprendre la jolie expression d’Isabelle Stengers 6. Le phénomène n’est plus l’instance particulière d’une loi (platonicienne, transcendante, etc.) qui serait à connaître, mais un fait qui est, que l’on peut décrire, mais dont la réduction à une explication est affaire de commodité. Par exemple, l’hypothèse copernicienne qui met le soleil au centre pour décrire les mouvements de la terre et du soleil, ne serait qu’une question de simplicité de calcul, non de vérité.
Revenons à cette idée que la nature calcule. C’est la thèse centrale du nouveau livre de Stephen Wolfram 7, mais c’est une idée qu’il défend depuis longtemps :
[...] l’informatique a déjà modifié l’étude des phénomènes naturels : on étudie aujourd’hui des phénomènes beaucoup plus complexes que ceux que l’on pouvait envisager auparavant, et le type de concepts et objets étudiés a changé en raison de
5. Voir à ce sujet le chapitre Le paradigme du calcul par Pierre Levy dans l’ouvrage cité à la note 7.
6. Introduction de l’ouvrage cité à la note 7.
7. A new kind of science, Stephen Wolfram, édition Wolfram Media, 2002 (voir aussi le site : www.wolframscience.com). Je ne recommande pas la lecture de ce livre, qui se présente surtout comme un panégyrique à la gloire de son auteur. On y trouvera cependant une quantité immense (1197 pages) d’exemples d’automates cellulaires et de quelques autres modèles de calcul, appliqués à toutes sortes de domaines et étudiés expérimentalement. Pour certains des domaines abordés, que je connais un peu mieux, je trouve les présentations très subjectives et partielles.
l’outil utilisé : l’ordinateur. Cependant, le changement est encore plus fondamental, car un nouveau mode de pensée scientifique est apparu. On considère désormais les lois scientifiques comme des algorithmes et l’on étudie beaucoup de ces algorithmes sur ordinateurs ; d’autre part on considère les systèmes physiques comme des systèmes informatiques traitant de l’information à la manière des ordinateurs 8.
Dans sa préface, S. Wolfram précise son idée :
Almost all the science that’s been done for the past three hundred or so years has been based in the end on the idea that things in our universe somehow follow rules that can be represented by traditional mathematical equations. The basic idea that underlies A New Kind of Science is that that’s much too restrictive, and that in fact one should consider the vastly more general kinds of rules that can be embodied, for example, in computer programs 9.
Si l’informatique permet cette nouvelle approche, offrant une alternative à la modélisation mathématique, c’est qu’elle fournit de nouveaux outils, tant conceptuels (information, complexité, codage, calcul, interprétation, algorithme, programme...) qu’empiriques (l’expérience numérique à large échelle, la visualisation de grande masse de données, la recherche automatiques de corrélation...) qui étendent nos capacités à décrire et à étudier le réel. Mais c’est aussi que cette nouvelle approche est requise par les nouveaux problèmes auxquels nous sommes confrontés.
Prenons un exemple, en génétique : la description d’un génome ne peut pas se réduire à une formule mathématique dont on pourrait déduire tout le séquencement des nucléotides, mais requiert des bases de données 10 dont le volume d’information est égal à celui exhibé par le phénomène lui-même. Et c’est ce qui fait obstacle à l’approche mathématique classique. En biologie moléculaire, les mathématiques ont joué très peu de rôle, constate David Berlinsky 11. La stratégie mathématique, qui rejette impitoyablement le fouillis de l’expérience au profit de la profondeur d’une représentation symbolique et déductive, approche qui a prédominé en physique, se trouve être incapable de rendre compte de toute l’accumulation des faits biologiques, de toutes les relations et modes d’influences entre des milliers de composants biologiques différents et d’organisations variées.
Dans une conclusion mélancolique, D. Berlinsky prend acte de ce constat d’échec et de la transformation inéluctable de l’activité scientifique alors qu’un siècle cède sa place à un autre 12. Pourtant, les besoins cause de ce changement ont
8. Les logiciels scientifiques, « Pour la Science » n° 84, novembre 1984, cité dans Le paradigme du calcul, cf. note 5.
9. Voir note 7.
10. www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=Genome
11 La vie rêvée des maths, David Berlinsky, éditions Saint-Simon, 2001.
12. Opus cité.
été anticipés et sont clairement formulés au début de la cybernétique dans les années 50 :
Il s’agit à chaque fois de problèmes dans lesquels interviennent un nombre considérable de facteurs reliés entre eux au sein d’un tout organique. L’avenir de l’humanité dépend largement de ce type de problèmes, et ils requièrent de la science une troisième grande avancée, plus importante encore que celle qui a présidé au XIXe siècle à la conquête de la simplicité, ou au XXe siècle à la maîtrise de la complexité désorganisée. Au cours des cinquante prochaines années, la science doit apprendre à affronter les problèmes de la complexité organisée 13.
Face à cette complexité, l’homme a donc besoin d’une extension intellectuelle capable de prendre en charge cette immense et irréductible description du réel.
Cette prothèse, il la trouve avec l’ordinateur.
Si cette analyse est correcte, un personnage familier des disciplines techniques et scientifiques va disparaître (tout au moins dans certains domaines) : le spécialiste. Un spécialiste est quelqu’un qui connaît tout dans un champ bien délimité 14. Avec l’accumulation des savoirs et des faits contingents (dans certains domaines), plus aucun humain ne pourra mémoriser et maîtriser la quantité d’informations impliquées. Cellesci seront stockées, accédées, traitées par des systèmes d’information et des bases de données ad hoc. Le spécialiste sera alors celui qui connaît l’ontologie du domaine, les idiomatismes des systèmes d’information apparentés, les trucs et les astuces permettant de faciliter l’accès et la recherche, les particularités de ces bases de données. Un exemple ? En génétique toujours, de plus en plus rares sont les personnes pouvant se vanter de connaître tous les gènes et leur réseau de régulation, même pour un seul organisme. Par contre tous ces gènes sont répertoriés, nomenclaturés, fichés dans de nombreuses (et parfois contradictoires) bases de données.
L’informatique promeut donc une nouvelle conception du réel car elle brouille l’idée de loi et de modèle « intrinsèque » au profit de l’idée de calcul (et d’algorithmes équivalents), car elle fournit des outils effectifs permettant de soutenir et de développer cette position et aussi parce qu’elle offre de nouvelles notions qui permettent de décrire et de réinterpréter les phénomènes naturels. Ces notions, les outils conceptuels que j’évoquais plus haut, fournissent des métaphores qui structurent et éclairent un domaine non informatique. Ces concepts nomades, pour reprendre le terme d’Isabelle Stengers 15, sont d’autant plus efficaces qu’ils sont véhiculés bien sûr par les outils informatiques qui les propagent. Importés
13. Problem of organized complexity, Warren Weaver, « American Scientist », 36 :536-544, 1949. Passage cité dans l’ouvrage indiqué à la note 14.
14. Il est bien connu que plus un spécialiste est spécialisé, plus il connaît de choses sur un domaine étroit ; la limite étant le technocrate qui connaît tout sur rien.
15. D’une science à l’autre – des concepts nomades, ouvrage collectif sous la direction d’Isabelle Stengers, édité au Seuil, 1987.
dans une autre discipline, ils y prennent une valeur heuristique, pédagogique et explicative.
Les notions de programmes et de données, utilisés en génétique, sont particulièrement exemplaires du rôle majeur que peuvent jouer de telles notions dans une discipline, et des risques associés à leur mauvaise compréhension. Depuis son introduction par Watson et Crick dans le répertoire du discours biologique, la métaphore informationnelle, avec les notions de programme et d’instruction, joue un rôle prédominant dans la présentation et la compréhension des déterminations génétiques 16. Jacques Monod identifie l’ADN à un programme codé et François Jacob écrit, dans La logique du vivant, que l’on étudie les « algorithmes du vivant » dans les laboratoires de biologie. La métaphore informatique de l’ADN a servi, par un tour de passe-passe rhétorique, à installer l’idée que le développement d’un organisme n’est que le résultat de l’application d’instructions préexistentes codées dans les séquences de nucléotides de l’ADN, de la même manière que le résultat de l’exécution d’un programme ne dépend que du code de ce programme. L’ADN est donc un programme et le réseau biochimique du métabolisme cellulaire va servir d’interprète.
Pour un informaticien, il est clair que cette dernière affirmation est approximative : il faut que le programme soit déterministe et le résultat dépend bien entendu aussi des données en entrée. Si l’on veut filer la métaphore, il faudrait donc pour le moins identifier l’équivalent des données en biologie. Mais, là encore, un informaticien resterait méfiant : la distinction entre données et programmes est vague, du moment où l’on considère des machines universelles. Bien souvent, les données des uns sont les programmes des autres (comme le défendent les spécialistes de la programmation réflexive). Bien que fer de lance de ce nouveau réductionisme en biologie, il est donc douteux de faire appel à la notion de programme pour justifier le codage exclusif de la détermination génétique dans l’ADN.
Les informaticiens ont donc le devoir pédagogique de populariser et de faire comprendre les notions et les outils fondamentaux de leur domaine. Avec la diffusion de la culture informatique, les notions fondamentales de programme et de données sont mieux comprises des non informaticiens. Et un biologiste comme Henri Atlan, parfaitement au courant des subtilités de ces deux notions 17, en s’appuyant sur la notion de machine universelle, pourra proposer un point de vue alternatif où l’ADN joue le rôle de données, le programme étant réalisé par le réseau biochimique de la cellule. (En fait, H. Atlan indique que ni l’ADN-comme-programme ni l’ADN-comme-données ne sont des points de vue satisfaisants pour articuler les interactions génétiques et épigénétiques.)
16. Le rôle des métaphores dans les progrès de la biologie, Evelyn Fox Keller, éditions Les empêcheurs de penser en rond.
17. La fin du « tout génétique » – Vers de nouveaux paradigmes en biologie, Henri Atlan, éditions INRA, 1999.
Quel que soit le point de vue qui sera finalement adopté, on peut parier que des notions informatiques continueront à influencer d’autres domaines, en fournissant des « concepts éponges » qu’on essayera d’accommoder à toutes les sauces. On peut s’interroger sur la fertilité et le nomadisme des notions informatiques. Mais notons de suite que l’informatique n’a pas le monopole de ces concepts nomades.
Elle a par exemple été inspirée de nombreuse fois, et à un niveau fondamental, par la biologie (des automates autoreproducteurs aux algorithmes évolutionistes, en passant par le calcul chimique, le calcul par ADN, les réseaux de neurones... entre autres).
Peut-être est-il naturel de se tourner vers l’informatique pour tenter de trouver un vocabulaire permettant de décrire et comprendre des systèmes à la complexité organisée. René Thom indiquait que face à un phénomène inconnu, il est naturel de supposer que le système qui l’engendre est une boîte noire capable de produire les comportements les plus complexes que l’on puisse imaginer. Et le système au comportement le plus complexe auquel nous avons accès, est sans nul doute l’homme lui-même. Ainsi, face à chaque système que nous ne comprenons pas, nous sommes amenés à supposer un démon malicieux dans une boîte noire. Maintenant que les systèmes informatiques nous offrent des exemples de complexité de plus en plus grandes, nous pouvons commencer à imaginer des ordinateurs, malicieux, dans les boîtes noires.
La nature calcule. Un bon mot, un peu facile, court parmi la communauté du parallélisme : « Un caillou est un système de calcul parallèle très performant qui calcule en temps réel l’évolution de l’état quantique d’une quantité gigantesque d’électrons, de neutrons et autres particule atomiques. Le seul problème, en tant que système de calcul, est ses entrées-sorties un peu lentes ». La nature calcule donc, peut-être, mais son système d’entrée-sortie est très lent et le dialogue est difficile. Forêt de vivants symboles, il nous restera toujours à les interpréter. Tout nouveau langage sera utile pour dialoguer. Mais ne nous leurrons pas, ce dialogue restera difficile, quel que soit le style qu’il prendra.
Jean-Louis Giavitto CNRS-LaMI, Université d’Evry [email protected]
