Des modèles pour la mitigation aux modèles pour l'adaptation

:date_reviewed: 1786960380492
:rle: rédaction et production
:scope: thèse
:statut: en-cours

Les modèles climatiques et la politique publique dans le cadre de l’action contre le changement climatique ont toujours avancé ensemble. C’est le cas notamment sur la question de la mitigation :

• ce qui nous amène à la question : quelles sont les limitations actuelles des modèles pour répondre à ces questions

• ce qui nous amène à la question : à quoi ressemblerait un modèle qui permettrait de répondre à ces questions ?

• ce qui nous amène à la question : à quelle questions un modèle pour l’adaptation doit-il être en mesure de répondre ?

• Dans quelle mesure les modèles de prospective actuels héritent d’une histoire scientifique et politique ? Quelles ruptures ont lieu dans cette histoire du régime climatique ? Comment des modèles, et la prospective en générale, doit s’en emparer pour rester pertinente ?

Coévolution de la recherche scientifique et de la gouvernance climatique¶

Dans cette section, nous abordons l’idée qu’il y a une double évolution de la modélisation prospective et de la gouvernance climatique. Nous commençons par une courte introduction aux concepts de modélisation, de prospective et de gouvernance, puis nous verrons que dans le cadre du régime climatique, ces trois objets se sont entremêlés, dans l’évaluation intégrée, et dont les rapports entre expertise et gouvernance sont étroits, devenant une référence pour la conduite de l’atténuation du changement climatique.

Modèles, représentations et action publique¶

Un modèle est une représentation simplifiée d’un système, permettant de le rendre intelligible. Il s’agit donc d’un objet qui représente un autre objet ou système. C’est un artefact permettant de répondre à des questions sur le fonctionnement de cet objet ou système. Ainsi, à l’inverse de modèles conçus comme double numérique ou jumeau numérique, par exemple, on peut définir un modèle non pas par l’objet ou le système qu’il représente, mais par les questions auxquelles ils permet de répondre Minsky, 1965.

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.

La qualité d’un modèle est ainsi son pouvoir explicatif, c’est à dire à sa capacité à répondre à des questions Purvis et al., 2022. Ce seraient alors des outils, sans valeur intrinsèque mais dont la valeur découle de leur utilisation Commenges et al., 2016.

C’est une des méthodes, mais pas la seule, de la prospective Houet, 2015. Bien que souvent associés, modèle et prospective doivent être distingués : un modèle peut servir à autre chose qu’à l’approche prospective, tandis que la prospective peut passer par d’autres méthodes que la modélisation.

La prospective désigne une démarche qui consiste à éclairer l’action présente par un regard sur le futur. Elle permet de rendre intelligible le très long terme, pensé comme ce qui est “hors de portée de l’action consciente des individus” Weber & Bailly, 1993. Dès lors, elle explore le champ des possibles dans différentes dimensions. En s’attachant à “l’évolution des systèmes, sociaux comme environnementaux”, la prospective dépasse les perspectives individuelles. Dans le temps, puisque c’est plus loin que ce qui est visible, mais aussi dans le groupe, puisque ça dépasse le regard d’un individu.

L’objectif de la prospective est ainsi d’ “orienter le futur vers des objectifs lointains, et ce de façon non univoque à échelle humaine en ce sens que de multiples sentiers peuvent y conduire”. Ce rejet du déterminisme historique est au coeur de la démarche prospective : plutôt que de prédire de manière fataliste le futur, son point d’entrée est plutôt l’action présente, et sa manière d’influencer le futur. La réflexion sur le futur est pensée comme un va-et-vient entre le passé et le futur, le premier éclairant le second, sans pour autant le déterminer Dodane et al., 2014. Ce futur est un futur désirable, vers lequel on tente d’orienter le présent, non pas avec une trajectoire certaine mais plutôt avec des scénarios, qui constituent des ensemble cohérents.

Cette objectif peut se décliner en trois axes, selon Piveteau (1995) cité par Houet, 2015 : connaitre le futur, faciliter la médiation entre connaissance et action, et aider à cette action.

Le régime climatique désigne l’ensemble des institutions qui régule la production scientifique sur le changement climatique et l’action publique associée. Nous reprenons ici la définition donnée par Aykut & Dahan, 2015.

Il s’agit d’un système complexe d’arènes et d’institutions qui a réuni des acteurs et des partenaires de plus en plus nombreux, a suscité de nouvelles pratiques de recherche, a instauré des procédures d’évaluation et de validation, a vu s’affronter des intérêts économiques et des enjeux politiques variés et a établi, enfin, des relations particulières entre sciences, expertise, politiques et marchés.

Coévolution de la gouvernance climatique et de la modélisation¶

La production scientifique a évolué aussi : elle est passée d’une logique de compréhension / mitigation (donc un évitement du phénomène) à une logique de (p)réparation / adaptation (donc une acceptation du problème)

Histoire des modèles d’évaluation intégrée du changement climatique : de l’émergence à la prédominance. Aykut & Dahan, 2015 décrivent les relations étroites entre science, expertise et gouvernance au sein des instances de l’ONU. La place de l’expertise dans les négociations climatiques n’est pas claire, car il n’existe pas de consensus sur ses garants. Dès lors, des institutions intermédiaires voient le jour, notamment le GIEC et le SBSTA. Pour autant, ces institutions, notamment le GIEC, gardent un modèle linéaire de la production de connaissance, dans lequel celle-ci précède l’action.

Pourtant, le cadrage du GIEC est influencé par les préoccupation politiques, et le cadrage de la recherche est influencé par le cadrage du GIEC Cointe & Pottier, 2023Fressoz, 2025. Ainsi, si le modèle linéaire sous-entend que la recherche influence l’action publique, il semble indéniable que la réciproque est aussi vraie. On assiste ainsi à une évolution générale du régime climatique, tant dans ses préoccupations politiques que scientifiques.

van Beek et al., 2020 décrit l’évolution conjointe des IAMs au regard du contexte social et matériel des négociations climatiques. Elle décrit cinq phases : l’émergence de la modélisation globale; les premières applications en politique publiques; les évolutions de la modélisation autour du nouveau régime climatique; la maturation des IAMs autour du WGIII; un rôle majeur dans l’étude de l’atténuation.

Il y a une coévolution importante des IAMs, de l’expertise climatique et des politiques climatiques. Cette coévolution a donné un rôle majeur aux modèles d’évaluation intégrée dans l’évaluation et le pilotage de politiques publiques d’atténuation.

Les IAM s’inscrivent dans l’Integrated Assesment. Cette pratique vise à créer du consensus politique via deux méthodes privilégiées : le panel d’expert, et la modélisation. La modélisation intégrée est devenue l’outil phare de l’assesment, malgré de nombreuses limitations. Ainsi si modélisation et évaluation intégrée ont souvent été assimilées, elles restent des pratiques distinctes Sarofim & Reilly, 2011.

Au même moment que l’émergence d’une régime climatique et que l’inscription des considérations climatiques à l’agenda, les modèles d’évaluation intégrée ont émergés et leur rôle est devenu de plus en plus prédominant.

Pourtant, face à des événements climatiques de plus en plus destructeurs, le tabou de l’adaptation se lève progressivement.

Les contraintes structurelles des modèles numériques d’optimisation¶

Dans cette section, nous passons en revue quelques unes des principales limitations et critiques qui sont adressées aux modèles d’évaluation intégrée (Integrated Assesment Models). Nous tacherons en particulier de soulever ce que ces limites implique pour la conduite de l’adaptation des territoires. Nous verrons que celles-ci se répartissent en trois axes. D’abord, ces modèles sont principalement quantitatifs, soit à travers un prisme essentiellement énergétique, soit économique. Ensuite, nous verrons qu’ils ont généralement un manque de finesse spatiale. Enfin, nous verrons qu’ils sont limités dans leur prise en compte de données qualitatitives et / ou situées.

limites générales

Krawczyk & Braun, 2025 pré-requis pour la deep carbonization

Le cadrage énergétique et quantitativiste des modèles couplés (IAM, modélisation énergétique)¶

La première limitation de ces outils tient à leur origine historique, ainsi qu’à l’orientation de leur développement. En effet, ces modèles viennent en premier lieu d’exercice de modélisation énergétique. Ils ont été en premier lieu conçus pour représenter le système énergétique, ses flux et ses limites. Ils ont ensuite été adaptés pour permettre d’évaluer la relation entre le système énergétique (et notamment le niveau de consommation et le type d’énergies consommées) et les émissions de gaz à effet de serre, moteur du changement climatique. Cet historique résulte en deux choses : des modèles essentiellement construits autour de variables physiques; et un cadrage centré autour de la consommation d’énergie et l’atténuation du changement climatique par la limitation des émissions de gaz à effet de serre. ce sont donc des modèles de prospective essentiellement énergétiques ils sont capables de prendre en compte de nombreuses variables quantitatives de ce fait, ils orientent vers des solutions quantifiées, par exemple des taxes ou des marchés carbones de ce fait, ils orientent surtout sur des solutions sur le carbone (qui est quantifiable et quantifié) et sur des solutions globales de ce fait, ce sont des modèles très utiles pour la mitigation / la transition énergétique le monétaire et la commensurabilité : la nécessité d’avoir une unité de compte dans un modèle d’optimisation une simulation numérique / un modèle d’optimisation nécessite une unité de compte commune pour pouvoir comparer des choses différentes cette généralisation réduit la précision de la compréhension, notamment sur des phénomènes qui ne sont pas directement monétaires reproduction nécessaire des inégalités déjà existante : donc un outil pas adaptaté pour des questions de justice climatique

en revanche, ils ne permettent pas de correctement représenter des données qui ne sont pas quantifiées; pour qu’un modèle permette d’accompagner l’adpatation, il doit donc prendre en compte en entrée des composantes politiques et des données spatiales or, l’adaptation nécessite de faire des choix de vie, de société, des choix politiques un manque de finesse spatiale les modèles intégrés (pas les modèles de climat) sont historiquement peu spatially-aware (notamment ceux dans la tradition de DICE) ça limite la prise en compte de réalités locales / de spécificités territoriales (pré-introduction au chapitre aménagement) pourtant, la spatialité est prise en compte dans certaines approches (données spatiales quantitatives, liens avec les GCM, géoprospective) et en même temps, la question de l’abstraction : à quoi bon avoir des modèles trop précis (mythe de l’empereur et du cartographe)

en revanche, ils ont du mal à prendre en compte des données spatiales or, un des gros défis du changement climatique est l’adaptation (on fait l’hypothèse que la mitigation seule n’est pas suffisante) or, l’adaptation est forcément locale la question de la justice et des normes une recherche de la neutralité, inscrite dans la pensée scientifique classique pourtant, l’impossibilité d’être neutre quand on fait de la modélisation effets de cette non-neutralité et marge de manoeuvre

Dans un second temps, plusieurs exercices d’évaluation des impacts du changement climatique ont eu lieu. Ceux-ci cherchent notamment à évaluer le coût du changement climatique, et d’en déduire une action climatique optimale. Asefi-Najafabady et al., 2021 donnent une critique générale des Integrated Assesment Models. Celle-ci commence par une remarque sur le rôle des IAMs, qui servent à maintenir un système inégalitaire et insoutenable. Il faudrait un changement profond, et pas seulement des ajustement, pour dépasser cette limitation.

As such, IAMs serve to reproduce inequality whilst facilitating the reproduction of types of economy that are simply not sustainable.

Il liste ensuite six limitations importantes des IAMs : les expectations rationnelles, le manque de complexité, l’intégration partielle (et notamment seulement économique), le recours à des agents représentatifs, la mesure de l’utilité reposant uniquement sur la consommation, et les dommages comptés uniquement comme limitation de la production. D’une manière plus générale, cet article reformule une critique déjà formulé par Keen, qui montre le recours à des hypothèses trop simpliste et un cadrage trop économiste / purement monétaire des IAMs qui évaluent les dommages. Cette critique est d’autant plus importante du fait du rôle central des IAMs dans le régime climatique.

De manière plus générale, la question du cadrage de la politique climatique est importante. plausibilité Van Beek & Versteeg, 2023

Ainsi, traditionnellement les modèles d’évaluation intégrée sont des simulations numériques permettant de lier entre des variables physiques ou économiques, en recourant à des grandeurs quantitatives. Si cette approche permet de représenter l’évolution de ces relations dans leur temps, elle constitue un double cadrage technique (exclusion de tout ce qui n’est pas mesurable ou mesuré) et méthodologique (exclusion d’approches qualitative et recours aux questions physiques et économiques).

La dimension spatiale de la modélisaiton¶

Dimension éthique et normative de la modélisation¶

pluralité de points de vue Varenne, n.d. sur le caractère vécu de la simulation

La question de la neutralité des modèles est un point clé de la dimension éthique et de la crédibilité des exercices de modélisation. C’est particulièrement le cas quand ceux-ci servent de base à l’élaboration de politiques publiques, et que leurs implications se matérialisent effectivement. Bock & Pfenninger-Lee, 2025 interrogent la perception de l’objectivité de la modélisation chez les professionnels de la modélisation énergétique. A travers des entretiens directifs chez plus de 150 modélisateurs, ils identifient deux positionnement épistémologiques possibles : positiviste et post-positiviste. Ils interrogent ainsi le rapport à la vérité, et montrent une forte polarisation au sein de la communauté sur l’objectivité des exercices de modélisation.

Beck & Krueger, 2016 montrent que la gestion de l’incertitude dans les modèles pose des questions éthiques. Ainsi, le traitement des incertitudes dans les choix de modélisation engage les modélisateurs. Cette effet est d’autant plus fort que les modèles intégrés (IAMs) sont des outils permettant d’éclairer les politiques publiques.

justice climatique

Les modèles d’évaluation intégrée jouent ainsi un rôle central dans l’élaboration de la politique climatique. Nous avons ici identifié trois caractéristiques des modèles d’évaluation intégrée qui limitent leur pertinence dans un contexte d’adaptation du territoire.

D’abord, le recours à des quantitatives uniquement exclut ou limite la représentation de composants non monétaires du système.

Ensuite, la faible spatialisation de ces modèles limite leur capacité à prendre en compte des mesures d’adaptation basée sur la spatialité. De ce fait, ils cadrent le champ des possibles autour de mesures monétaires, globales, peu spécifiques.

Enfin, le cadrage quantitatif remplace la question de l’incertitude par celle de la précision. Pourtant, dans les questions d’adaptation, une partie au moins de l’incertitude n’est pas mesure, ou existante en soit. Il s’agit de la part normative de politiques d’adaptation, qui ne résulte pas tant d’une forme d’optimalité mais d’un système de valeur. Il en découle que des systèmes de valeurs différents, parfois incompatibles, puissent coexister, sans que l’on puisse juger de la véracité ou légitimité supérieure de l’un ou de l’autre. Ainsi, la possibilité de représenter des systèmes de valeurs et les conséquences qui en découlent, de manière explicite et comme finalité du processus de modélisation nous parait un critère important dans l’exploration des futurs possibles.

Outils possibles et nécessaire pour la formation de la connaissance scientifique de demain¶

dimension spatiale : spatialiser les objets

spatialisation des objets

géoprospective La dimension spatiale a été un axe d’exploration de longue date de la prospective. Ainsi, dès les années 1970, la prospective territoriale émerge, avant de se développer plus encore dans les années 1990 Houet, 2015. On peut distinguer plusieurs courants d’évolution de la spatialisation de la prospective. D’une part, l’émergence de la prospective territoriale, liée en France à l’aménagement du territoire et portée par la DATAR. Elle est définie comme :

D’autre part, les travaux sur les usages des sols ont conduit au développement de modèles de dynamiques d’occupation des sols Houet, 2015. Enfin, dans les modèles d’évaluation globaux des dommages, la spatialisation est souvent absente. Au mieux, un découpage par région peut avoir lieu, sans que celle-ci intègre véritablement la spatialité comme une dimension à part entière.

Ces évolutions ont donnée naissance à la géoprospective, définie comme une “communauté de pratiques visant à mettre la dimension spatiale, sous toutes ses acceptions, au cœur de la démarche prospective, depuis la caractérisation des dynamiques spatiales et temporelles du système, l’intégration des interactions multi-échelles jusqu’à la simulation spatialement explicite des changements futurs possibles pour l’évaluation qualitative et quantitative de leurs impacts” Houet, 2015.

[Houet et al. (2016); herivaux_combining_2021; aguejdad_etalement_2016; kok_integrated_2007] exemples de géoprospective Voiron-Canicio, 2012 réflexion générale sur la géoprospective Fusco, 2012 réflexion sur la géoprospective

dimension méthodologique : prendre en compte des dimensions plus qualitatives : l’apport de la scénarisation

Hernandez et al., 2024 mettent en avant la tension entre méthodes qualitatives et quantitatives. Ils montrent que les deux approches ont des limitations, et proposent les Sustainable Development Pathways comme méthode de conciliation d’approches quantitatives et qualitatitives. Par ailleurs, ils remarquent que les efforts de modélisation sont cadrés autour du changement climatique, et qu’ils ont du mal à considérer d’autres composants du développement durable.

dimension sociale : prendre en compte des points de vue variés

modélisation d’accompagnement Étienne, 2012 montre l’apport de la modélisation d’accompagnement en plus de la géoprospective Gray et al., 2018

Conclusion

Le changement de régime climatique impose une évolution des politiques publiques liées au changement climatique. Celles-ci s’appuient fortement sur des méthodes de production de connaissance, dont la modélisation intégrée.

Le lien étroit entre prospective, dont la modélisation est un des outils, et production de politique publique n’est pas remis en cause. Néanmoins, la prédominance des simulations numérique pose question. En effet, les questions posées par l’adaptation sont dans de nouvelles dimensions : locales, spatialisées, sociales.

L’adaptation est un processus éminément local, qui impose de prendre en compte des réalités spécifique à un territoire. Dès lors, des exercices de modélisation qui font l’impasse sur cette spécificité peinent à rendre compte de mécanismes essentiels. Pourtant, ces modèles sont souvent soit génériques, soit d’une maille trop large pour prendre en compte la réalité de petites iles. Cependant, cette question soulève une tension fondamentale : comment rendre compte de la spécificité d’un lieu, quand l’exercice de modélisation est justement de faire abstraction de caractéristiques précises pour généraliser. Nous aborderons plus largement cette question dans le chapitre etude-cas.

La spatialité est au coeur de la question de l’aménagement de l’espace. Des modèles pertinents pour l’adaptation doivent ainsi rendre compte de cette spatialité. C’est particulièrement le cas dans le contexte de l’évaluation du risque cyclonique sur le littoral. En effet, la spatialité, c’est à dire la position relative des objets dans l’espace, joue un rôle prédominant dans les dynamiques liées aux risques : exposition au bord de mer, création d’espaces tampon, élévation des enjeux, toutes ces actions reposent sur une réflexion spatiale.

Enfin, les dynamiques liées à l’adaptation sont sociales. Loin d’une réalité matérielle ou physique neutre et mesurable, l’adaptation résulte d’un choix fort, questionne l’espace vécu et le risque perçu. De ce constat débouche deux implications : la première est que des narratifs variés et parfois incompatibles peuvent coexister; le second est que ces narratifs ne sont pas une simple complication de l’exercice de prospective; elles en sont le coeur.

Dans les chapitres qui suivent, nous continuerons à aborder ces différents points.