Pourquoi la société ne se laisse pas mettre en équations

Dans son livre Pourquoi la société ne se laisse pas mettre en équations, Pablo Jensen, directeur de recherche au Centre national de la recherche scientifique (CNRS), se demande si on peut «s’inspirer des techniques de modélisation mathématique et de simulation informatique élaborées dans les sciences naturelles pour comprendre enfin la société et l’améliorer». Disons que le titre ne laisse pas trop de doutes sur sa réponse…

Introduction – Construire un monde commun grâce aux sciences ? : «La grande majorité des comportements humains ne sont pas déductibles de notre biologie, mais sont déterminés par le milieu social». En conséquence, la nature humaine ne peut pas être considérée comme universelle et il devient difficile, voire impossible, de la réduire à des comportements prévisibles et mathématisables. Mais, les tentatives de le faire furent nombreuses dans l’histoire et se poursuivent avec des résultats variables. L’auteur explique ensuite sa démarche.

1. Comment les sciences naturelles construisent un savoir fiable : L’auteur présente :

• les méthodes et les concepts sur lesquels repose la fiabilité des sciences naturelles;
• les expériences de Galilée sur la chute des corps et ses implications scientifiques;
• l’évolution du concept d’atome et les connaissances actuelles à son sujet;
• les débuts et les améliorations des prévisions météorologiques et climatiques.

2. Simuler la société? : «Il est bien sûr tentant d’étendre cette approche [scientifique] aux systèmes sociaux». Mais, les résultats risquent d’être moins fiables. L’auteur présente dans cette partie des modèles mathématiques portant sur :

• le lien possible entre les quartiers ségrégués et le racisme;
• le fait (?) que les élections sont plus serrées qu’avant;
• un principe de concurrence étonnant, où tous les producteurs auraient intérêt à offrir le même produit, alors qu’ils tentent en fait de se différencier (au moins artificiellement) sur la qualité ou sur le prix, et où tous les partis politiques auraient intérêt à être au centre;
• certains comportements humains (comme des piétons) basés sur celui des termites et des fourmis;
• la reproduction entre générations des inégalités scolaires;
• l’imitation des comportements économiques (concept intéressant, mais qui n’est qu’un des facteurs qui influencent les comportements);
• la vitesse de propagation d’une épidémie (avec des résultats souvent imprécis); je me demande toutefois quel est le rapport entre ce sujet et la simulation des systèmes sociaux, mais passons;
• les prévisions de croissance économique, systématiquement trop optimistes, et du comportement du marché du travail, qui ne peuvent pas tenir compte de tous les facteurs qui les influencent;
• l’utilisation de données massives (étant français, l’auteur parle de «big data») pour prévoir la popularité d’un tweet, pour inciter les internautes à cliquer sur une pub ou pour savoir si une personne est en chômage (les résultats sont décevants).

Dans le dernier chapitre de cette partie du livre, l’auteur propose quatre facteurs qui «rendent les simulations de la société qualitativement plus difficiles que celles de la matière :

• l’hétérogénéité des humains;
• le manque de stabilité de quoi que ce soit;
• les nombreuses relations à prendre en compte;
• la réflexibilité des humains, qui réagissent aux modèles qu’on fait de leur activité.

(…) Ces quatre facteurs font que les modèles sociaux ont du mal à être robustes. Il vaut mieux les envisager comme des éléments de décision parmi d’autres, des outils contribuant à la discussion collective».

Tout cela est intéressant et je suis d’accord avec l’auteur, mais sa démonstration aurait été plus convaincante s’il n’avait pas choisi autant d’exemples manifestement voués à l’échec.

3. Analyser la société : «Puisque les sociétés virtuelles ne sont pas fiables, tentons de construire un savoir commun en analysant la société réelle». Dans cette optique, l’auteur aborde :

• l’amélioration de la qualité et de la variété des données, et des méthodes statistiques;
• le défi et la pertinence d’isoler des facteurs explicatifs simples parmi tous les facteurs qui peuvent influencer un phénomène social à l’aide d’outils mathématiques;
• les limites de l’utilisation de données massives.

4. Quantifier la société : Malgré les embûches décrites dans les chapitres précédents, peut-on au moins s’entendre sur la présence de certains phénomènes sociaux? Cette fois, l’auteur nous parle :

• des facteurs qui influencent la localisation d’un commerce (facteurs qui varient en fonction du type de commerce);
• du thermomètre (pour illustrer la complexité d’établir une échelle stable et significative) qui, malgré certains problèmes de mesure, indique bien la température, et du PIB, qui mesure bien mal le bien-être, car, sans «ancrage empirique solide, une mesure objective de bien-être semble un leurre»;
• des limites de l’utilité des indicateurs;
• d’exemples d’indicateurs imparfaits, comme les retombées économiques, le classement des universités, l’évaluation des chercheur.es et la mesure de la pauvreté;
• de l’utilité des indicateurs, surtout quand on en analyse plusieurs qui sont complémentaires, comme ceux sur les inégalités pour compléter les signaux du PIB;
• du danger d’utiliser des indicateurs comme objectifs : «C’est une règle bien connue : quand une mesure devient un objectif, elle cesse d’être une bonne mesure» (cette citation va dans le même sens de ce que j’écrivais il y a plus de huit ans dans ce billet : «En général, un indicateur fait bien son travail lorsqu’il est utilisé a posteriori. Par contre, lorsqu’on l’utilise comme cible, bien des gestionnaires viseront l’amélioration de l’indicateur plutôt que celle de la situation qu’il est supposé décrire»).

5. Quelle vision du social? : «Dans cette dernière partie, nous tirons les leçons des difficultés de la modélisation et proposons une vision du social qui permet de mieux comprendre cette résistance». Pour ce, l’auteur se penche sur :

• l’instabilité (dans l’espace et dans le temps) des comportements et des caractéristiques internes des êtres humains;
• l’importance du contexte dans les comportements humains (et autres);
• les différences entre le tout et les parties, notamment entre la société et les individus.

Conclusion – Quel monde commun : L’auteur conclut que :

• les mathématiques «jouent un rôle logistique», ne sont qu’un outil, important, certes, mais le point crucial, c’est «la fiabilité des hypothèses qui fondent le modèle»;
• lorsque les hypothèses sont fiables, elles peuvent contribuer grandement à la prise de décision éclairée;
• «Le monde commun n’est pas à découvrir, dans les laboratoires de sciences et d’économie, par une élite. Il doit être composé péniblement, par tous».

Et alors…

Lire ou ne pas lire? Je ne sais pas. Autant j’appuie la thèse de l’auteur et certaines de ses démonstrations, autant d’autres m’ont parues ardues et laborieuses. Il est étrange de lire un livre où certains chapitres sont bien écrits et suscitent l’adhésion de façon enthousiaste, tandis que d’autres exigent relecture après relecture. De même, certains exemples fournis par l’auteur sont pertinents et éclairants, tandis que d’autres font plus gratter la tête que la satisfaire. Au bout du compte, je suis content d’avoir lu ce livre, mais demeure sur ma faim. Finalement, ce livre n’a pas de notes, ni en bas de pages ni à la fin, mais des références, parfois commentées, à la fin de chaque chapitre. Je ne raffole pas de ce type de présentation, mais il ne m’a pas vraiment incommodé non plus.

Publicité