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.