Un modèle est une représentation simplifiée d’un phénomène pour pour pouvoir le comprendre. La modélisation est le processus qui a pour finalité la construction d’un modèle.
définition¶
Un [[modèle]] est un objet conceptuel permettant de représenter de manière abstraite un phénomène, dans le but de mieux le comprendre.
C’est un objet conceptuel, [[qui]] peut prendre plusieurs formes. Cet objet devient un artefact [[qui]] comprend d’autres choses.
« Pour nous, un processus de modélisation est un processus d’écriture de connaissances et d’hypothèses hétérogènes [[qui]] sont distribuées dans un même artefact afin de les faire fonctionner ensemble. »
le [[modèle]] est ainsi l’objet dans lequel se rencontrent des choses très différentes. c’est donc un objet [[qui]] permet de matérialiser (de manière physique ou scripturale : jeu, ensemble d’équation, schéma, ...) un phénomène.
Le modèle est souvent pensé avant tout comme quelque chose de quantitatif.
« Le [[modèle]] est défini la représentation quantitative et sélective d’un objet, d’un phénomène ou d’un [[système]] susceptible d’être confrontés à des observations empiriques (Varenne 2009). »
On utilise ici l’acceptation la plus commune du [[modèle]], [[qui]] est celle de jeux d’équation mathématiques [[qui]] permet de traduire un phénomène dans un langage formel, en vue de réaliser des simulations numériques. Cette approche, si elle est commune, limite le [[concept]] de [[modèle]] aux seules représentations quantitatives.
Cet objet conceptuel forme une représentation abstraite du fonctionnement de [[système]]s.
« Porteurs d’une forme de compréhension de systèmes réels (de référence) au sein desquels s’imbriquent dynamiques sociales et biophysiques, les modèles sont des représentations du fonctionnement de ces systèmes. »
La finalité du modèle est d’éclairer la compréhension du phénomène qu’il représente, c’est à dire de répondre à des questions. Donc un bon [[modèle]] est un [[modèle]] permettant de répondre à des questions
« Meadows et al. (1974) argue that the ‘usefulness’ of the model is more important than its ability to perfectly reproduce [[time]] series data (pp 24–25). » « Similarly, Ford (2010) argues that a more pragmatic question than “is the model valid?” is “is the model useful?” (p 163). This is a common modelling philosophy, and one that we share; » « Levins (1966) argues “all models leave out a lot and are in that sense false, incomplete, inadequate; the validation of a model is not that it is ‘true’ but that it generates testable hypotheses relevant to important problems” (p 430). »
Avant tout un objet permettant de répondre à des questions à propos d’un autre objet
« Marvin Minsky [1965] a donné une [[définition]] très élégante de ce terme : « Pour un observateur B, un objet A* est un [[modèle]] d’un objet A si B peut utiliser A* pour répondre à des questions [[qui]] l’intéressent à propos de A. » » [[To]] an observer B, and object A∗ is a model of an object A [[to]] the extent that B can use A∗ [[to]] answer questions that interest him about A. (Minsky, 1965, p. 1) (pdf) [[quoi]] [[définition]] [[modèle]] citation originale
Un outil pour explorer le futur (dans le cadre de la modélisation prospective)
Du point de vue de la prospective, les modèles peuvent être assimilés à une méthode, parmi d’autres, destinée à explorer le futur.
On a bien l’idée qu’un modèle est un outil pour faire quelque chose; dans notre cas, c’est pour faire de la prospective, donc pour explorer le futur. D’autres modèles pourraient servir à explorer d’autres choses (exemple des organoides de Théo qui servent à explorer les interactions cellulaires)
historique¶
monoformarlisation ou polyformalisation ?
Jusqu’au milieu des années 1970, en effet, les disciplines qui utilisaient des modèles formels procédaient essentiellement par des approches monoformalisées. C’est-à-dire que ces modèles ne faisaient intervenir qu’un seul type de langage ou d’axiomatique, que leur statut ait été explicatif, descriptif ou prédictif.
Varenne (2009), p. 3
caractéristiques¶
Une des caractéristiques principales d’un modèle est son rôle de médiation. Celui-ci a lieu à différentes échelles. peeled
D’abord, un processus de médiation réciproque a lieu entre l’observateur et le modèle
« Dans cette relation ternaire, on peut considérer deux médiations principales :
• Le [[modèle]] joue un rôle de médiation : il aide l’observateur à appréhender le phénomène. Plusieurs définitions du terme « [[modèle]] » se fondent sur cette médiation : le [[modèle]] est « une représentation schématique de la réalité en vue de la comprendre et de la faire comprendre. Il a une double fonction, didactique et heuristique » [DURAND-DASTÈS, 2001].
• L’observateur joue un rôle de médiation : il construit le [[modèle]] en fonction du phénomène et il confronte le phénomène au [[modèle]]. Le modélisateur opère un va-et-vient entre le phénomène et le [[modèle]] et c’est ce [[qui]] donne à la démarche de modélisation une portée heuristique (une méthode de découverte). »
Feuillet et al. (2019), p. 18
D’une part, le modèle joue un rôle d’intermédiaire entre le phénomène et l’observateur. C’est là le rôle principal du modèle, tel que décrit dans la définition que nous avons retenu plus haut. D’autre part, l’observateur joue un rôle d’intermédiaire entre le phénomène et le modèle qui le représente. En effet, le modèle n’existe que par le regard du modélisateur, et par les aller-retour entre le modèle et le phénomène. Il y a donc des opérations successives d’abstraction et de confrontation au phénomène qui sont au coeur du processus de modélisation. De ce point de vue, le modèle éclaire la compréhension du phénomène autant que celui-ci est modelé par le regard du modélisateur.
Cette médiation peut d’ailleurs être la finalité du processus de modélisation, comme c’est le cas dans les démarches de modélisation d’accompagnement
« Le premier chapitre a introduit les différentes [[finalités]] d’usage des modèles dans un processus de modélisation d’accompagnement :
– rendre visible des points de vue hétérogènes et les mettre en débat ; – interroger la cohérence de ces points de vue et les conséquences de leur [[simulation]] conjointe par rapport au monde réel tel que vécu par les participants ; – proposer un support pour explorer de manière collective des [[scénarios]] par des simulations sur un monde virtuel. »
Étienne (2010), p. 73
Ici, on se sert de la modélisation non pas pour avoir une représentation du phénomène, mais bien une représentation des représentations du phénomène par les différents acteurs. Présenté autrement, le phénomène que l’on cherche à représenter n’est pas un phénomène physique existant en dehors des représentations des acteurs; au contraire, c’est la diversité des représentations distinctes et complémentaires d’un même objet. Le rôle de médiation n’est donc plus seulement une caractéristique inhérente au processus de modélisation, mais bien sa justification et son intérêt.
le modèle peut aussi intervenir comme intermédiaire entre les experts et les profanes
« À la suite de nombreux auteurs, nous acceptons l’idée que les dispositifs quantitatifs d’évaluation – telles que les méthodes de modélisation – jouent un rôle dans le tracé des frontières entre la science, la politique et les citoyens (Gieryn 1983 ; Jasanoff 1987). Cette délimitation des frontières (boundary work) est essentielle pour la construction de la crédibilité des experts, elle [[fait]] partie du processus de dépolitisation mentionné plus haut. »
Commenges et al. (2016), p. 4
C’est là un facteur de crédibilité de la science ou de l’expertise face aux profanes. Cette lecture est très présente dans la conception qu’ont les modélisateurs de leur rôle et de celui des modèles dans le débat public. On a ainsi d’un côté les experts, et de l’autre les non-experts. Cette logique là donne le pouvoir aux premiers, en pronant un gouvernement technique / expert. (voir notion de gouvernance / la gouvernance par les nombres + citer mon mémoire)
Cette médiation est particulièrement visible lors de la modélisation, c’est à dire le processus qui permet d’arriver à un modèle.
Celui-ci peut être découpé en plusieurs étapes successives d’abstraction. C’est notamment le cas dans le cadre des simulations numériques. On a ici une premier modèle, modèle de référence, qui est une première représentation du système d’intérêt. Le modèle de simulation, c’est à dire celui qui permettra des simulations numériques, est une seconde modélisation de ce premier modèle.
Le processus de modélisation a lui aussi différents fonctions. Commenges et al. rappellent deux perspectives de la fonction de la modélisation, qui sont de fournir une rationalité substantive et une rationalité procédurale, et ajoutent une troisième perspective. D’une part, il y a une rationalité substantive. On retrouve là le rôle du modèle de fournir un résultat.
« la fonction de méthodes de modélisation est de fournir une rationalité substantielle dans les processus de prise de décision. Le [[modèle]] conduit les [[décideurs]] vers une décision rationnelle en identifiant les politiques [[qui]] pourraient produire des résultats optimaux (Ascher 1981) »
Commenges et al. (2016), p. 3
Dans une autre perspective, la modélisation a une fonction de rationalité procédurale : elle permet d’améliorer le processus de prise de décision.
« Dans la seconde perspective, la fonction de la modélisation est de fournir une rationalité procédurale, c’est-à-dire d’améliorer le processus décisionnel luimême. Une grande partie de de la [[littérature]] sur Decision Support Systems (DSS) tombe dans cette catégorie, en faisant valoir que le processus de décision et son résultat (la décision ellemême) sont deux questions liées mais distinctes (Shim et al. 2002). »
Commenges et al. (2016), p. 3
Enfin, les auteurs proposent une troisième perspective.
« Nous proposons ici une troisième perspective fondée sur les prémisses suivantes :
1/ nous considérons que les modèles n’ont pas de valeur intrinsèque, qu’ils « dérivent leur valeur uniquement de leurs utilisations » (Larkey & Sproull 1981 : p.236) ;
2/ nous rejetons, au moins en partie, les perspectives positivistes et reconnaissons que les dispositifs quantitatifs d’évaluation, dont la modélisation, ont un effet limité sur le processus d’élaboration des [[politiques publiques]] (Owens et al. 2004). »
Commenges et al. (2016), p. 3
modèles intégrés
couplage entre différents composants distincts
« Le [[modèle]] est dit intégré s’il a des composants couplés clairement identifiables (Voinov 2012), par exemple un [[modèle]] de trafic routier couplé à un [[modèle]] d’émission de polluants. C’est en ce sens qu’est utilisée par la suite la [[notion]] de [[modèle]] urbain intégré. »
Commenges et al. (2016), p. 3
En géographie, assez différent de la modélisation intégrée, et surtout utilisé en modélisation urbaine / aménagement.
critères de validité d’un modèle
justification d’un ensemble d’hypothèses
« Un [[modèle]] est confirmé si l’ensemble de [[SES]] [[hypothèses]], théoriques et auxiliaires, est justifié. » « Elles peuvent être simplificatrices - c’est le cas des abstractions et des idéalisations. Les abstractions sont des omissions de propriétés connues du système étudié tandis que les idéalisations sont des déformations de propriétés. Les éléments fictionnels forment une autre classe d’hypothèses auxiliaires. Ils renvoient à des entités ou à des propriétés fictives du système cible. Ils sont introduits dans les modèles soit pour « sauver les phénomènes », soit par pure commodité de calcul. »
les modèles influencent le futur plutôt que le prédire
« We know that scenarios often influence the future rather than predict it [111]. »
Bock & Pfenninger-Lee (2025), p. 12
les scénarios utilisé dans les modèles ont une grande influence sur les résultats du modèle. De plus, les résultats de modèles façonnent les politiques publiques, qui à leur tour influencent le futur. De ce fait, les scénarios influencent le futur. Pourtant, on pourrait penser que le rôle d’un modèle, notamment un modèle positif, est de décrire des phénomènes, et donc de prédire le futur. L’affirmation ici est que ce rôle de prédiction n’a pas lieu, que c’est l’inverse qui se passe.
c’est intéressant pour nous car ça rejoint l’idée que loin d’être une représentation neutre d’un futur probable, le modèle est une plateforme pour exprimer des idéaux et influencer le futur (potentiellement dans la direction que l’on souhaite). Ce statement, s’il semble à priori plutôt critique, formule une opportunité majeure pour la modélisation comme outil d’accompagnement et de transformation (à condition d’assumer pleinement ce rôle politique).
Par ailleurs, cette position sur le rôle du modèle est très variable selon les communautés épistémiques
« Not only do our findings suggest that views on the truth, objectivity, and explanatory power attached to models and scenarios vary widely in the modelling community, but we hence must further expect that they impact how outcomes are presented to and perceived by the audience. »
Bock & Pfenninger-Lee (2025), p. 12
la manière de présenter les résultats, et notamment leur caractére supposé scientifique, objectif, irréfutable, ou neutre, varie selon la position des chercheurs, et leur réponse à la question : est-ce que le scénario prédit le futur ou le façonne.
il faut donc se positionner clairement, sur :
la position épistémologique adoptée
la manière de présenté les résultats futurs (et le processus de modélisation participative )
Trois grandes écoles :
Trois grandes ‘écoles’ de construction de scénarios, au niveau international, se distinguent (Amer et al., 2013 ; Bradfield et al., 2005) : l’école des ‘intuitive logics’ (Wack, 1985a ; 1985b). Cette école est fondée sur les relations logiques de causalité entre les variables du système et n’utilise pas de modèles ou d’algorithmes mathématiques. Les approches méthodologiques sont nombreuses, la plus populaire et répandue étant celle proposée par le Stanford Research Institute International (Huss, 1988). l’école des ‘probabilistic modified trends’. Elle se distingue par les méthodes utilisées : les trends impact analysis et le cross impact analysis (Bishop et al. 2007), méthodes probabilistes servant à projeter des tendances à partir des tendances passées, à déterminer les principales relations de causalités entre des variables, et ainsi de modifier certaines extrapolations. l’école française - la prospective (Godet, 1986). Cette dernière, considérée comme une méta-méthode, englobe les deux écoles précédentes (Bradfield et al., 2005) en s’appuyant sur un panel d’outils non délimité et une démarche méthodologique constituée d’étapes spécifiques dont le nombre est variable selon les auteurs (Durand, 1972 ; Godet, 1986 ; Schwartz, 1996 ; Schoemaker, 1993 ; 1995 ; Mermet et al., 2003). Toutefois, que les méthodes utilisées soient quantitatives ou qualitatives, les étapes restent globalement identiques dans les trois écoles citées :
Houet (2015), p. 5
trois types de statut épistémiques
Très grossièrement, leur statut épistémique peut être de trois types : soit ces modèles visent une compréhension (ils rendent compte d’un principe fondant et régissant une évolution à un niveau général), soit ils visent une explication (ils relatent un type de processus causal plausible), soit ils visent une description (ils se calquent sur l’évolution observable des phénomènes sans faire d’hypothèse de fonction ni de mécanisme).
Varenne (2009), p. 5
exemples¶
références¶
Varenne
julie jebeile propose une nouvelle épistémologie pour s’adapter au tournant computationnel
- Varenne, F. (2009/avr./01). Simulation informatique et pluriformalisation des objets composites. Philosophia Scientiæ. Travaux d’histoire et de philosophie des sciences, 13–1, 135–154. 10.4000/philosophiascientiae.79
- Feuillet, T., Cossart, E., & Commenges, H. (2019). Manuel de géographie quantitative (p. 237). Armand Colin.
- Étienne, M. (2010). La modélisation d’accompagnement. Une démarche participative en appui au développement durable. éditions Quae. 10.35690/978-2-7592-0621-6
- Commenges, H., Tomasoni, L., Seigneur, C., Bonin, O., Leurent, F., Bonhomme, C., & Deroubaix, J.-F. (2016). L’expertise Est-Elle Soluble Dans La Modélisation Intégrée ? In Les Instruments de l’action Publique et Les Dispositifs Territoriaux.
- Bock, F., & Pfenninger-Lee, S. (2025). Rarely Pure and Never Simple: Exploring Perceptions of Truth and Objectivity in Energy Modelling and Scenarios. Energy Research & Social Science, 127, 104229. 10.1016/j.erss.2025.104229
- Houet, T. (2015). Usages Des Modèles Spatiaux Pour La Prospective. Revue Internationale de Géomatique, 25(1), 123–143. 10.3166/RIG.25.123-143