Juin 1999, paru
aux Presses Universitaires de France dans l’ouvrage Enquête sur le concept de modèle dirigé par Pascal Nouvel (2002).
La modélisation et les sciences de l’ingénieur
Nicolas Bouleau
Les
connaissances révélées n'ont guère perdu d'audience depuis des siècles. Les
religions et leurs églises se perpétuent, les sectes prolifèrent avec
d'efficaces formes de pouvoir économique, les croyances surnaturelles sont
flattées par les médias. A cet égard la science, comme élaboration de
connaissances objectives et universelles contrôlée par l'expérience, conserve
aujourd'hui la pertinence que lui accordaient les philosophes des Lumières.
Elle est un terrain neutre pour la description des faits et leurs
enchaînements, elle "renonce à chercher l'origine et la destination de
l'univers, à connaître les causes intimes des phénomènes, pour s'attacher
uniquement à découvrir par l'usage bien combiné du raisonnement et de
l'observation, leurs lois effectives, c'est-à-dire leurs relations invariables
de succession et de similitude". Mais nous devons noter que le positivisme
va plus loin et n'hésite pas à faire de cette pensée le cadre approprié pour
mener au mieux les affaires humaines, une fois écartées "les métaphores
prises pour des raisonnements" et établies "les règles générales
convenables pour procéder sûrement à la recherche de la vérité". C'est
plus généralement un trait de la modernité de considérer que les exigences
méthodologiques de la science sont non seulement compatibles avec l'avancée des
connaissances mais sont la condition de leur progrès véritable à l'exclusion de tout autre forme de représentation ou de compréhension.
Plus tard, à propos de l'exercice de la médecine, Claude Bernard sera partisan
de limiter la thérapeutique aux seuls faits observables et leurs causes
efficientes. Ainsi, au cours du dix-neuvième siècle la science moderne
encouragée par le développement technique, ne se construit pas comme le recueil
de représentations consensuelles minimales mais se prétend bien le seul langage
de la vérité et de l'efficacité.
Des
difficultés rencontrées dans plusieurs domaines, insoupçonnées ou occultées par
les positivistes, viendront amender cette vision manichéenne. En premier lieu
les réflexions sur les fondements de la sociologie montrent que la socialité de
la conscience de l'observateur ne peut être évacuée et qu'au delà de
précautions méthodologiques, l'apport des travaux sociologiques réside surtout
de la compréhension que l'auteur fait émerger par une empathie spécifique avec
les situations étudiées. Par ailleurs la psychanalyse, même si son statut
scientifique n'est plus un enjeu après son fondateur, voit les critiques
reconnaître des pratiques ayant certaines vertus curatives objectives (Grünbaum) quoique fondées sur des relations subjectives
(Ricœur). Au cours du vingtième siècle, la découverte des limitations internes
des formalismes (Gödel, Church, Turing), la confirmation expérimentale des
principes étranges de la physique quantique (non séparabilité) et surtout, après
les travaux de Thomas Kuhn, le développement des "social studies" où la science est étudiée dans ses
institutions, ses liens avec la technique et les processus sociaux de ses
controverses, provoquent un clivage profond. Demeurant pour certains la source
d'espoirs les plus fous, la science s'est changée pour d'autres en objet
d'inquiétude. Elle est suspectée d'être manipulable par les puissances
commerciales, d'être masculine et de favoriser les intérêts masculins, d'être
dangereuse pour l'environnement et finalement d'être conduite aveuglément par
la curiosité des chercheurs et la quête du profit.
Nous
nous proposons de porter la réflexion dans une
direction différente. Ces critiques en effet, même lorsqu'elles sont valables,
ne portent finalement que sur l'optimisme progressiste des Lumières. Elles ne
mettent pas en cause l'ambiguité fondamentale d'une
conception de la science comme "langage de la vérité et de
l'efficacité". Car, pour le moins, il n'est pas évident que les vertus
requises pour la description du réel dans un effort de rationalité,
d'objectivité et d'universalité, soient les mêmes qu'on puisse attendre d'un
langage de communication entre acteurs, partenaires ou adversaires, dans
la complexité du jeu social. Il semble qu'un tel langage fasse intervenir des
connaissances de nature différente, sales parce qu'utiles et peut-être aussi
utiles parce que sales. Des sociologues américains les ont étudiées sous le
vocable maintenant bien connu de new production of knowledge
et les caractérisent par la présence permanente de la négociation, par
l'implication de l'intérêt des divers acteurs et par la transdisciplinarité. On
peut aller plus loin et engager, grâce à l'analyse de cas, l'étude du véhicule
langagier de ces connaissances. Il s'avère semi-artificiel :
mélange de langue vernaculaire et d'une notion clef celle de modèle qui
elle-même utilise les sciences comme gisement de matériaux symboliques.
Envisager
des connaissances plus utiles que la science suppose qu'on éclaircisse cette
référence normative. S'agit-il de ce qui favorise le développement économique,
rend service aux entreprises ? Pas uniquement, l'enjeu est surtout
d'avancer dans les choix de projets en présence d'intérêts contradictoires où
la science est inopérante. La croissance des villes et la protection de
l'environnement nécessitent des aménagements où l'intérêt collectif doit
prévaloir devant les points de vues individuels. C'est une difficulté de nos
sociétés à laquelle le libéralisme économique n'apporte aucune solution. Nous
retrouvons aujourd'hui la vieille question philosophique de "la sélection
des prétendants" omniprésente dans la Grèce antique, problème à la
résolution duquel Platon contribua par son système des idées. Mais elle se pose
aujourd'hui au niveau plus complexe des coalitions d'individus, des
associations, des lobbies, des réseaux économiques et des zonages de la
représentation démocratique, sur fond d'un considérable corpus scientifique.
Au
demeurant la notion d'utilité est vague et ne peut que le rester. S'y référer est
intéressant essentiellement parce qu'elle a été l'un des principaux fondements
idéologiques du positivisme anglo-saxon à la suite de John Stuart Mill
contemporain et correspondant de Comte et corrélativement de l'économie
libérale puis de la recherche scientifique sans limites éthiques (curiosity driven research).
Qu'on
me permette, pour forcer le trait, de prendre une image où l'utile est pris
justement dans le sens le plus basique de performance matérielle. On sait que
la "coupe de l'America" est une course qui
met en compétition non seulement des sportifs mais des techniciens et des
industriels pour réaliser les voiliers les plus rapides, maniables et solides.
L'organisation des préparatifs peut faire l'objet de diverses méthodes.
Imaginons l'équipe "science" dans laquelle, chercheurs, ingénieurs,
financiers, hommes d'équipage, s'astreignent à ne communiquer entre eux qu'à
propos de faits objectifs, avérés, expérimentaux ou
théoriques, déductibles ou mesurables. Dans cette équipe les techniciens
peuvent supputer des matériaux aux performances nouvelles mais ces vues
subjectives sont écartées des programmes d'ordinateurs dans un but
d'efficacité, les calculs ne portent que sur la réalité, ils optimisent les
formes, les quantités et les procédures. A l'opposé, l'équipe "psy"
est dynamisée par des psycho-sociologues qui
s'attachent à créer le climat de confiance mutuelle et l'esprit de victoire
susceptible de faire donner aux concepteurs et aux athlètes le meilleur
d'eux-mêmes. Envisageons enfin une troisième équipe, qui tout en s'appuyant sur
les connaissances scientifiques disponibles, met à profit l'informatique
contemporaine pour confronter en son sein divers rêves techniques et pour
échanger des vues éventuellement biaisées, dans le but d'élaborer un projet
d'innovation et de fixer des objectifs collectifs et individuels. Nous
l'appellerons équipe "modélisation".
La
question n'est probablement plus de savoir laquelle de ces trois équipes a les
meilleures chances de gagner, mais plutôt de comprendre pourquoi, aujourd'hui,
dans la véritable coupe de l'America, toutes les
équipes sont du type "modélisation", ne rejetant ni la science ni un
certain travail psychologique mais attachant du prix à la liberté d'exprimer au
mieux tous les projets imaginables.
Cas concrets de connaissances opérationnelles
Laissons
cette fable et regardons quelques exemples véritables illustrant le registre
dans lequel opère l'utilité dont nous parlons. Le premier concerne le trafic
automobile.
Ce
sujet intéresse peu les scientifiques. Pourtant, par le temps passé en voiture
dans les grandes agglomérations, par les poids économiques de l'industrie
automobile et des transports routiers, ou encore par l'énergie consommée et la
pollution produite, il est une activité de première importance et mériterait
bien autant de considération que la philologie indo-européenne ou la tectonique
des plaques. De quelque façon qu'on le prenne les enjeux sont
considérables et il y a lieu de s'interroger sur la faible mobilisation
d'intelligence — du moins sous forme universitaire classique — sur cette
question.
Voyons
les choses plus au détail. Le trafic peut être mesuré par divers capteurs, fils
en travers de la chaussée, boucles magnétiques, etc., placés en certains points
du réseau routier pour compter les véhicules ou en estimer la vitesse. Ces
mesures sont les faits bruts. Elles sont insuffisantes cependant pour répondre
aux questions qui se posent pour réguler le trafic urbain par les feux de
circulation, pour répartir les investissements de voirie d'après les besoins
supposés, ou pour éclairer les urbanistes dans la conception de quartiers
nouveaux. Pour envisager ces décisions on a besoin de modéliser le
trafic. C'est-à-dire d'en trouver une représentation, constituée d'explications
compréhensibles par les ingénieurs concernés et incluant des symbolisations
mathématiques le plus souvent programmées sur ordinateur. Une telle
représentation est donc une interprétation des mesures qui permet
d'envisager des prédictions.
Quels
sont les modèles de trafic les plus couramment utilisés ? On peut
schématiquement les disposer suivant une hiérarchie, des plus grossiers aux
plus fins, en distinguant quatre niveaux.
a)
Les modèles origine-destination consistent à
partager une agglomération en zones relativement homogènes quant à leur
proportion d'emplois, de logements et d'équipements et à estimer la demande de
trafic entre la zone i et la zone j par un coefficient aij
construisant ainsi une matrice des flux de circulation quotidiens,
hebdomadaires ou annuels. De tels modèles sont utilisés par les urbanistes pour
les études d'aménagement et sont la base des dossiers destinés à justifier les
investissements importants auprès des collectivités locales.
b)
Les modèles hydrologiques visent à donner une image plus précise de
l'écoulement du trafic durant la journée en le représentant comme un fluide,
compressible jusqu'à une certaine limite, caractérisé en chaque point et à
chaque instant par sa concentration, sa vitesse et par une loi de comportement.
La conservation de la masse représente la conservation du nombre de véhicules.
Ces modèles rendent compte des phénomènes d'onde de compression lors
d'encombrements ou de décompression lorsqu'un feu passe au vert ainsi que des
écoulements turbulents et instables au delà de certains débits critiques. Ils
sont utiles aux services d'exploitation des réseaux de voirie rapide.
c)
Les modéles granulaires précisent les
précédents en individualisant les particules du fluide. Ils relèvent de la
théorie des réseaux de files d'attente, très développée pour l'informatique,
mais fonctionnant ici sous des hypothèses différentes. La complexité
mathématique est déjà considérable.
d)
Les modèles microscopiques vont encore davantage dans le détail en
prenant en compte les comportements statistiques par types d'usagers, en
modélisant par des lois de probabilité les distances entre véhicules suivant
les vitesses, les dépassements, etc.
Pour
aller plus loin il faudrait tenir compte des informations que les
automobilistes reçoivent eux-mêmes sur le trafic, des systèmes de navigation
embarqués, des voies équipées (route intelligente). On voit que la réalité
"trafic automobile" est fuyante. Il convient de signaler que l'ordre
de complexité des modèles microscopiques est tel qu'ils ne peuvent appréhender
avec les plus gros ordinateurs que quelques dizaines de carrefours.
Dans
sa démarche de modélisation l'ingénieur de trafic est pris en tenaille :
les modèles simples, comme les modèles origine-destination,
sont très faux à cause de leur simplicité mais sont aisés à identifier car ils
nécessitent relativement peu de mesures. Au contraire les modèles
microscopiques prétendent s'approcher mieux des phénomènes mais se servent de
lois de probabilité inconnues et autres paramètres qu'on n'a pas les moyens de connaître.
C'est toujours un modèle intermédiaire qui sera le moins mauvais, ni trop
simpliste ni trop perfectionniste.
En
tout état de cause, il n'y a certainement pas de bon modèle en soi,
l'ingénieur, avant de s'engager dans une modélisation, doit impérativement se
demander à qui va servir le modèle. La démarche n'est pas la même si le
commanditaire est un organisme d'aménagement, une régie de transports
collectifs, un service de gestion des feux ou une association de défense contre
un projet nuisant. Les moyens d'action de cet organisme, ses capacités à faire
des mesures vont conditionner la connaissance élaborée et sa pertinence. On
comprend dès lors pourquoi la grande science avec son souci d'universalité et
d'objectivité se détourne d'un domaine comme le trafic : elle y est
pratiquement impuissante.
Notre
second exemple, le génie des matériaux, illustrera mieux encore le rôle partiel
que joue la science dans la production de certaines connaissances. Il s'agit de
matière et donc sont convoquées la physique, la chimie et leurs disciplines
dérivées, mais nous allons voir que les mathématiques sont utilisées ici
autrement que pour la seule expression symbolique du réel grâce à ces sciences.
Les
secteurs d'activité économiques sont pour la plupart dépendants des matériaux
disponibles et sollicitent la recherche dans l'espoir d'améliorer les
performances et les coûts ou de mieux satisfaire des contraintes
d'environnement plus pressantes. Le génie des matériaux est une illustration
parfaite du double mouvement dans lequel est prise l'innovation : entre la
recherche d'une part et la demande d'autre part, cette dernière s'exprimant de
nos jours au travers de l'économie de marché.
D'un côté les laboratoires proposent des matériaux nouveaux. Ils sont proches des
établissements d'enseignement supérieurs et disposent de savoirs théoriques.
Par application de certains effets physiques, de nouvelles synthèses chimiques
ou encore par de nouveaux appareillages, ils fournissent des corps dont
certaines caractéristiques sont inhabituelles.
D'un
autre côté, l'industrie s'appuyant sur le marché, attend la solution de
problèmes mal résolus. Les Américains disent "sciences push
and markets pull",
plus précisément la technique pose des problèmes en attente de solutions et la
science fournit des solutions en attente de problèmes.
Il
est clair que l'apparition d'un matériau aux propriétés nouvelles tel que la
recherche est capable d'en produire, un gel de silice par exemple, viendra
modifier le jeu des questions-réponses dans l'évolution technique. Aussi ce
double mouvement est une dialectique nécessaire de l'innovation, elle prend du
temps. Des matériaux peuvent dormir plus de dix ans dans les armoires des
laboratoires avant de participer à un processus de développement industriel.
Les cristaux liquides sont restés longtemps des curiosités avant qu'on en fasse
des thermomêtres chromatiques et des affichages de
montres puis d'ordinateurs.
Dans
ces conditions, une importante question est de savoir si on peut donner une
plus large portée aux produits de la recherche et assouplir les problèmes posés
par la technique.
L'outil de dialogue est la modélisation. Les laboratoires en plus
d'expériences matérielles qui restent par nature coûteuses et limitées à un
choix des températures, des concentrations, et autres caractéristiques des
dispositifs, élaborent des modèles des matériaux étudiés. Ce sont simplement
des écritures informatiques de représentations mathématiques des propriétés des
corps conformes au lois physiques, simplifiant éventuellement certains aspects
secondaires, afin que les résolutions d'équations et l'algorithmique se
déroulent assez rapidement pour qu'on puisse observer les réponses du
"matériau" aux actions qu'on lui fait subir. L'avantage d'avoir un
tel modèle est qu'on peut maintenant faire varier les paramètres constitutifs
du corps étudié, les proportions des mélanges, les températures de changement
de phase, les constantes diélectriques, les relations rhéologiques, voire même
pourquoi pas, les constantes physiques telles que la constante électrostatique eo ou celle de Planck h. On est alors dans la fiction
pure. Mais le dialogue peut s'engager. Parmi ces corps virtuels dont certaines
propriétés sont hypertrophiées, l'industriel peut déceler des voies pour aller
au devant de la demande. On a une piste, vers un objet caricatural certes, mais
susceptible d'amélioration et de modifications. Les chercheurs et les
entreprises peuvent envisager des étapes dans l'investigation, solliciter des
aides publiques pour les atteindre, une compréhension mutuelle s'élabore qui
permet à chacun de percevoir mieux les obstacles qui s'imposent à l'autre.
Le
génie des matériaux montre que le langage de la science, par les exigences
qu'il s'impose d'objectivité, de rigueur, de conformité à l'expérience, est
trop rigide, trop pur pour que la discussion soit possible. Psychologiquement
le scientifique doit accepter que la vérité soit trahie par les mi-mensonges
mi-vérités que sont les modèles pour qu'une zone d'ambiguité
laisse place à des motivations et que du sens apparaisse. Loin de moi l'idée
que la modélisation efface tous les obstacles, il n'est pas à exclure que dans
certains cas elle n'engage dans une direction qui fasse perdre du temps sur de
faux problèmes. Justement, ceci est à étudier, alors que les assertions
scientifiques relèvent du seul registre de la validité, la modélisation elle,
maladroite ou habile, lourde ou schématique, lumineuse ou incompréhensible,
appelle l'ouverture d'un nouveau chantier de linguistique.
Evoquons
enfin un problème d'environnement sans entrer dans les détails car en ce
domaine les limites de la démarche strictement scientifique ont déjà été
relevées par de nombreux auteurs. Prenons le cas, important, de la gestion du
bassin versant d'une rivière. Les enjeux sont multiples : irrigation,
énergie hydroélectrique, prévention des inondations, navigabilité, préservation
de la faune et de la flore. Les intervenant, élus, compagnie
d"électricité, agriculteurs, services techniques régionaux, associations
locales, suivent des logiques différentes, irréductibles. Il ne s'agit
certainement pas de les départager par la science. Elle n'est pas faite pour
cela. D'ailleurs l'objectif n'est pas de les départager, aucune vérité ne
s'impose ici. Il faut sortir des guerres de tranchées idéologiques, dépasser le
langage électoral, prendre en compte des faits mesurés, tenter d'éviter les
grosses bêtises. Il y a des modèles à faire, économiques, hydrologiques,
écologiques, simples d'abord, plus précis ensuite. Ce sont les objets
communicants de ces situations complexes. On n'arrivera pas forcément à une
décision mais on aura pris en compte des éléments plus cachés et plus subtils
que si on avait laissé les pouvoirs en place opérer à partir de connaissances
scientifiques soi-disant irrévocables.
Ainsi
que le montrent ces exemples, notre propos n'est pas d'étudier ici la notion de
modèle en général qui se rencontre aussi bien en physique (modèle de Bohr,
modèle standard) en économie (modèles d'équilibre) ou en statistiques (modèle exponentiel)
etc. mais bien celle de modèle en modélisation, en entendant par cette
expression l'élaboration par un ingénieur, un expert ou un bureau d'étude,
d'une représentation destinée à éclairer et à préparer la décision d'un acteur
spécifié ou de plusieurs acteurs en situation de dialogue. En ce sens précis
nous pouvons maintenant examiner les langages utilisés et dégager quelques
problèmes philosophiques.
Le modèle comme récit en termes de science
Le
développement prodigieux de l'informatique dans la seconde moitié du vingtième
siècle a apporté des modifications sociales plus profondes que celles, rabachées, des facilités de communication, du rôle de
l'image et du renforcement du pouvoir des médias. Elle a changé les rapports
entre la science et la vie de la cité, et transmué le métier d'ingénieur.
L'ingénieur n'est plus, comme au dix-neuvième siècle, celui qui sait. Celui
qui, grâce à la science, chasse les superstitions, rationalise et optimise au
vu des bilans de matière et d'énergie. Il n'est plus en situation d'application.
Le lieu précis de son intervention sociale a des particularités et des
spécificités dont il doit tenir compte, dont il est solidaire. Son action ne
descend plus d'un savoir théorique vers une réalité soumise, elle remonte et
fait émerger une configuration plus riche, plus complexe et plus vivifiante
qu'une simple instanciation de règles générales. Il est pris dans un
engagement. Aussi sa position est plus claire, il n'est plus un scientifique de
second rang, il est constructeur de raisons pour agir et décider. Les modèles
qu'il élabore sont donc des représentations partisanes, je dirais au bon sens
du terme, c'est-à-dire le choix d'un parti au sein de possibilités d'expression
multiples. Examinons-les plus au détail.
Les langages semi-artificiels
Les
modélisations sont partiellement formalisées, c'est leur caractéristique
principale. Elles doivent être comprises et sont donc constituées de langage
ordinaire et de symboles chargés de sens.
Celui-ci
est apporté par les sciences mathématisées (physique, mécanique, chimie, et les
sciences dérivées, automatique, analyse des signaux, etc.) par les sciences
humaines qui utilisent les mathématiques (économie et, dans une moindre mesure,
psychologie, sociologie) et par les sciences du vivant et de l'environnement,
étant entendu que la statistique établit des liens entre des situations les
plus diverses et des représentations chiffrées et symboliques.
Mais
le tableau reste incomplet lorsqu'on a évoqué le langage ordinaire d'une part,
les sciences d'autre part. Il faut faire une large place à ce qu'on appelle les
sciences de l'ingénieur qui constituent des savoirs partiellement organisés
portant sur des champs considérables. Citons l'acoustique, la métallurgie, le
génie électrique, la thermique, l'hydraulique (ouvrages pour l'eau),
l'hydrologie (écoulement et qualité de l'eau), le trafic, la tribologie
(frottements), etc. Il s'agit de domaines de compétences professionnelles, qui
ont leur vocabulaire, leurs usages et leur histoire.
Certaines
sciences de l'ingénieur présentent un intérêt philosophique particulier par
leur structure déductive rigoureuse constituant un corpus cohérent, on peut les
appeler des sciencettes. L'optique de Gauss
qui rend compte de la formation des images à travers les lentilles pourvu que
les rayons lumineux restent à proximité de l'axe de révolution du système, en
est un exemple très élémentaire. La thermodynamique des gaz parfaits, la
théorie de la houle linéaire d'Airy, l'économie de concurrence parfaite, en sont d'autres, elles sont très nombreuses. La résistance
des matériaux est une sciencette typique. Elle ne
désigne pas la science de la solidité de la matière qui relève de la physique
et englobe la mécanique des milieux continus et la mécanique de la rupture mais
une approche simplifiée de cette question élaborée par des ingénieurs de talent
sous une forme assez claire pour être enseignée commodément et être utile au
projeteur. Elle considère que les structures peuvent se décomposer en éléments
qui se transmettent les efforts par des liaisons et se déforment suivant des
lois simples que l'on calcule grâce à des hypothèses simplificatrices (principe
de Saint-Venant, etc.). La résistance des matériaux est-elle réfutable au sens
de Popper ou faut-il la ranger du côté où celui-ci mettait le marxisme et la
psychanalyse ? Elle n'est pas réfutable, elle est entièrement fausse. Elle
est asymptotiquement valide mais est toujours employée dans des cas où elle est
erronée. Elle est au demeurant indispensable quand il faut dégrossir un projet
avant de faire les vérifications et les ajustements par des calculs lourds et
précis de la mécanique des milieux continus.
Mentionnons
encore une autre sciencette, comme toujours
très commode, mais située plus en amont du côté des mathématiques et pour cela
utilisée couramment dans des domaines assez divers. Il s'agit de la
simplification du calcul des probabilités qu'on peut appeler le monde
gaussien. Elle considère que toutes les lois de probabilités sont des lois
normales (lois de Gauss) et se restreint à des problèmes linéarisés.
Quoique ces limitations puissent sembler a priori très sévères, elle couvre un vaste ensemble de situations par le
fait qu'on peut augmenter librement la dimension. Ainsi, le monde gaussien
englobe le mouvement brownien et la théorie du filtrage des signaux
stationnaires de Norbert Wiener. Le concept d'indépendance est présent, ainsi
que celui de loi conditionnelle. Cette sciencette se
raccorde aux méthodes statistiques par le théorème de limite centrale et à la
théorie des moindres carrés par l'estimateur de maximum de vraisemblance.
Beaucoup d'ingénieurs considèrent qu'une loi de probabilité inconnue est
gaussienne tant qu'on n'a pas d'argument contraire. C'est une première
approche, d'autres sont possibles également.
Les
sciences de l'ingénieur comprennent des expressions qui ne sont ni communes ni
scientifiques ni même des particularités techniques. Ces termes-clés,
propres à chaque domaine, ont une importance capitale parce que leur sens
s'appuie à la fois sur la science et sur la pratique sociale. Ainsi par exemple
les termes de "potentiel de réchauffement global" ou de "crue
décennale" qui, contrairement aux apparences, ne désignent rien de précis.
Cette double référence leur donne une force particulière et un usage répandu.
Leur impureté au lieu de les affaiblir leur permet de se maintenir dans les
conflits d'intérêt et de pouvoir, le poids de leur légitimité portant tantôt
d'un côté tantôt de l'autre.
Tous
les modèles ne se valent pas évidemment, leur comparaison fait appel à
plusieurs registres. Pourquoi certains modèles emportent-ils mieux l'adhésion
que d'autres, semblent s'appuyer sur des raisons plus sûres et ne pas rester à
la surface des choses ? La confrontation et l'ajustement du modèle avec ce
qu'il doit représenter est la validation. Les
cas où elle peut se faire avec la réalité sont relativement rares ou coûteux.
Parfois ce qu'on modélise est un événement redouté (catastrophe naturelle,
collision, erreur) et ne saurait être provoqué pour les besoins de la cause. La
validation se fait alors grâce à des maquettes ou des simulations
informatiques. Elle utilise abondamment la statistique, parfois des méthodes
d'optimisation plus sophistiquées (assimilation) constituant un large ensemble
de techniques enseignées aux élèves ingénieurs.
Le
point le plus important du point de vue de la philosophie de la connaissance
est qu'un modèle validé n'est jamais qu'une approche parmi d'autres. Quoique
l'auteur de la modélisation ait souvent tendance à s'y accrocher comme à la
vérité vraie, elle ne constitue qu'une lecture de la complexité rencontrée. Des
conflits d'interprétation sont ici courants aussi bien que dans les sciences
humaines. Deux oppositions paradigmatiques typiques sont celle
des modèles descriptifs ou explicatifs et celle des modèles
quantitatifs ou qualitatifs. La première fit son apparition dans les débats
autour des modèles fondés sur les séries temporelles en économie dans les
années 1960. La seconde a été soulignée par René Thom a
une époque où le fort développement de l'analyse numérique occultait l'intérêt
des schémas purement qualitatifs pour la compréhension des phénomènes.
Souvent le modèle participe des quatre catégories à la fois.
Théories poppériennes et théories quiniennes, sous-détermination.
Point
n'est besoin de rappeler ici la philosophie de W. V. O. Quine si ce n'est en
disant que son œuvre consiste pour l'essentiel en partant de la logique
mathématique et du constat fondamental que les langages formalisés utilisés en
mathématiques sont non-catégoriques, c'est-à-dire
incapables de déterminer ce dont ils parlent avec précision et ont donc
plusieurs interprétations (théorème de Löwenheim-Skolem
1915-1920) à transposer cette idée dans les sciences humaines et en linguistique
notamment en considérant que la situation ne pouvait pas être meilleure pour
les langues vernaculaires. Il arrive ainsi à trois thèses fortes qui ont fait
sa renommée : l'indétermination de la traduction, la relativité
de l'ontologie, et la sous-détermination des
théories par l'expérience.
Autant
les exemples fournis par Quine et ses commentateurs sont peu convaincants pour
ne pas dire tirés par les cheveux, autant la modélisation nous met couramment
en situation quinienne. Le premier auteur contemporain
à s'être rendu compte de phénomènes de sous-détermination
est à ma connaissance Henri Atlan à propos de la biologie : "Dans
certains cas, il existe plusieurs théories différentes, non redondantes l'une
par rapport à l'autre, qui prédisent avec la même exactitude les faits
d'observation. Aucun moyen empirique n'existe alors pour trancher entre ces
théories bien que leurs significations et les implications éventuelles de leurs
généralisations soient tout-à-fait différentes".
Mais ceci n'est aucunement spécifique à la biologie, j'ai décrit explicitement
une telle sous-détermination à propos de modèles de
crues d'une rivière. Elle provient souvent du fait qu'on ne peut
réaliser qu'un nombre fini de mesures alors qu'on dispose de théories
différentes qui s'ajustent aussi bien les unes que les autres avec des données
finies. Par exemple si une fonction ne peut être appréhendée que par des
mesures ponctuelles (comme la température mesurée aux stations météorologiques,
ou l'altitude mesurée aux points géodésiques) alors la théorie que cette
fonction est un polynôme est irréfutable (puisqu'on n'aura jamais qu'un nombre
fini de points de mesure), de même la théorie qu'elle est une somme d'ondelettes ou une combinaison linéaire de gaussiennes, etc.
Une
fois qu'on a touché du doigt concrêtement les
phénomènes de sous-détermination, on prend aisément
conscience de leur généralité. On doit alors en tirer les conséquences quant à
la critique des modèles. Le modèle nous emporte dans une vision du monde,
perfectible donc irréfutable, qui n'est toutefois pas la seule façon de voir
les choses. Voici un modèle de trafic justifiant la réalisation d'une
infrastructure de transport en région Ile de France, voici un gros dossier
calculant la diffusion de la radioactivité dans le sol par dissolution de
déchets vitrifiés, on ne peut certainement pas rester devant ces modélisations
dans une attitude, je dirais poppérienne, en les considérant comme de la
science et en s'évertuant de les contrer sur telle ou telle expérimentation.
Ils sont une lecture de la réalité, et l'attitude, que je dirais quinienne pour faire bref quoique Quine ne se soit pas
engagé dans ces problématiques, consiste à s'échapper de l'interprétation
proposée en en construisant une autre à côté. Les voies sont innombrables, il
faut changer de registre. Par exemple on modélise en France la pollution d'un
cours d'eau par la composition chimique qu'on analyse dans les prélèvements.
C'est apparemment parfaitement rigoureux. Des traces infimes peuvent être
décelées par des méthodes spectrales jusqu'à une certaine limite évidemment...
Les Anglais préfèrent cependant qualifier la pureté de la rivière par les
espèces animales et les microorganismes qui survivent dans son eau. C'est
différent, cela peut renseigner sur des pollutions microbiennes, etc. Nous
voyons que la critique des modèles ne relève pas de l'épistémologie classique
mais nécessite une démarche de contre-expertise plus active et plus
imaginative.
Pratique et questions déontologiques
On
peut aussi bien mentir avec les modèles qu'en langage ordinaire. Il ne faut pas
croire que la présence de mathématiques ait une quelconque vertu purificatrice
à cet égard. Au contraire, les mathématiques, correctes en surface, sont une
bienséance, une politesse qui peut cacher les fins les moins nobles.
Prenons
le cas de l'effet de serre où les discussions internationales s'appuient sur
des modélisations lourdes tant physiques qu'économiques. Plusieurs façons de
prendre les choses, chacune mettant la grande science de son côté, entraînent
les négociateurs sur des terrains de faiblesse ou de force. La situation des
divers pays est très différente si on considère les quantités de CO2 émises par habitant ou rapportées au PIB. La première façon de compter
est plus juste pour chaque humain dans la communauté mondiale, la seconde plus
pertinente pour qualifier le caractère polluant ou propre d'une économie. Par
ailleurs faut-il raisonner sur les stocks émis par chaque état depuis le début
de l'industrialisation ou sur les flux actuels ? Si, comme on le pense
généralement, le puits de CO2 que représente sa solubilité dans
l'océan présente un risque de saturation, la responsabilité en incombe au
premier chef aux pays industrialisés. Les Etats-Unis par exemple ont intérêt
pour le CO2 à ce qu'on parle d'effort sur les
flux rapportés au PIB et, pour l'aide aux pays en développement, à parler de
l'aide absolue cumulée par pays riche.
Vis
à vis des tromperies revêtues des discours traditionnels, religieux,
politiques, commerciaux, le propre de la modélisation est de nous mettre en
présence de dossiers épais qui enfoncent leurs racines profondément dans les
sciences. Cela peut constituer des armes redoutables pour entrainer
la conviction, d'autant plus que l'opinion est particulièrement naïve et
ingénue en ce registre. La critique portée par la sociologie des sciences,
celles des post-modernes, des relativistes et des pragmatistes n'ont éveillé de
méfiance que chez les intellectuels essentiellement dans les milieux
littéraires. Un certain complexe de ces penseurs par rapport à la technicité
scientifique dont ils sont peu à même de contrôler la pertinence maintient, de
fait, un grand prestige au discours scientifique d'autant plus que la grande
majorité des scientifiques reste imbibée des valeurs de la modernité.
Nous
nous trouvons sans doute dans une période de
transition, démunis devant les modèles simulacres de grande science, sans
outils de pensée équivalents à ceux que Platon en son temps construisit. La
position du scientifique qui s'astreint à épurer la formulation d'un problème
dans un effort vers une rationalité objective est souvent confondue avec celle
de l'expert qui, engagé dans une situation sociale où il joue le rôle de maître
d'œuvre pour un maître d'ouvrage, utilise la modélisation comme moyen
d'expression d'un projet, en visant, éventuellement, la naissance de sentiments
et de convictions par intérêt.
Le
droit lui-même sera contraint de plus en plus d'employer le langage des
modèles. C'est déjà le cas pour l'écriture des règlements de sécurité qui
doivent être compris par tous les ingénieurs et décrire des impératifs de
conception dont les juges et les avocats soient à même d'apprécier le respect.
L'ambiguité science/modélisation crée actuellement un
flottement dans la jurisprudence en matière de responsabilité. La séparation
des rôles entre maître d'œuvre (concepteur du modèle), maître d'ouvrage (entité
utilisatrice et assurant le financement) et entreprise (informaticiens
programmant le modèle) n'apparaît pas dans les textes. Il est paradoxalement
plus dangereux aujourd'hui sur le plan juridique d'effectuer soi-même comme
ingénieur ou bureau d'étude la conception d'un projet en assumant les choix
techniques et scientifiques en connaissance de cause que d'appliquer bêtement
un logiciel du commerce censé résoudre ce type de problème sans savoir ce qu'il
y a dedans.
A
cet égard une dérive préoccupante, liée à l'immaturité du cadre conceptuel dans
lequel s'effectue la modélisation aujourd'hui, réside dans la commercialisation
des boîtes noires. L'informatique est l'outil principal pour la construction de
modèles évidemment. Or on ne peut assumer une responsabilité que si l'on
comprend ce qu'on fait. Les auteurs de logiciels de simulation ou d'outils de
conception sont protégés par des copyrights mais n'engagent pas leur
responsabilité quant aux conséquences de leurs méthodes et de leurs algorithmes
que pourtant ils ne révèlent pas. Nous vivons dans une véritable pollution
par les boîtes noires. qu'il convient de dénoncer
vigoureusement. La bêtise et l'absurde s'installent insidieusement sur la base
d'un quiproquo : parce que les universitaires ont tendance à confondre la
connaissance en général et la grande science qui n'engage pas le sujet, on
laisse les firmes informatiques commercialiser des savoirs utiles sans assumer
leur relation de responsabilité avec l'usager.
C'est
une question de culture et d'éducation. Le métier de modélisation, quoique
passionnant, n'est pas enseigné en tant que tel. Les professeurs,
scientifiques, poussent en permanence les contenus disciplinaires. Seule la
charge hebdomadaire des étudiants vient limiter leurs ambitions de sorte que
ceux-ci n'ont jamais le temps de s'exercer à utiliser comme langage les savoirs
rencontrés. Dans aucune des quelque deux cents formations d'ingénieurs en
France n'est pratiquée véritablement à ce jour la modélisation concurrente. Or
c'est l'étape clef, psychologiquement indispensable. On n'imaginerait pas que
l'enseignement des lettres soit limité à l'étude du style et de la pensée des
grands auteurs, les devoirs de composition française et les dissertations
consistant exclusivement à faire des pastiches de Victor Hugo, de Madame de
Sévigné ou d'Homère. Or c'est ce qui se passe dans l'enseignement scientifique.
La modélisation est pour les sciences l'équivalent de la dissertation, il n'y a
pas de corrigé unique. On continue à former des spécialistes empreints de
certitudes, alors que l'enjeu est de savoir dialoguer. Pourquoi cette crainte
d'installer le doute dans l'esprit d'un élève-ingénieur ?
Peur confuse des nihilistes et des anarchistes issue du dix-neuvième
siècle ? Nous formons des petits soldats de la connaissance alors qu'on a
besoin de traducteurs, d'interprètes, de grammairiens des symboles
scientifiques, d'artistes concepteurs de représentations, afin de s'attacher
non pas tant à faire prévaloir la vérité mais à faire que des situations
collectives complexes enfantent des solutions.
Bibliographie
[1] A. Grünbaum, The
foundation of psychoanalysis : a philosophical
critique, Berkeley, Univ. of California press, 1984.
[2] P. Ricœur, De
l'interprétation, essai sur Freud, Le Seuil, 1965.
[3] N. Bouleau, Philosophies
des mathématiques et de la modélisation, du chercheur à l'ingénieur,
L'Harmattan, 1999 (à paraître).
[4] M. Gibbons et al., The new production of
knowledge, SAGE 1995.