Navigation – Plan du site

Les simulations multi-agents, une nouvelle approche du social ?

Pablo Jensen
La simulation multi-agents : principes et applications aux phénomènes sociaux
Gianluca Manzo (dir.), « La simulation multi-agents : principes et applications aux phénomènes sociaux », Revue française de sociologie, n° 55-4, octobre-décembre 2014, Paris, Presses de Sciences Po, ISSN : 0035-2969, EAN : 9782724633771.
Haut de page

Texte intégral

1En sciences sociales, la simulation multi-agents est encore le fait d’une minorité́ de chercheurs, en France comme à l’étranger. La Revue française de sociologie est la première revue francophone à s’ouvrir à cette méthode contestée de modélisation du social, bien après sa sœur états-unienne (Am J Soc) qui l’a fait en 2005, ou d’autres revues généralistes (Proceedings of the National Academy of Sciences ou Nature).

2Les objectifs de ce numéro spécial sont de « montrer comment cette méthode peut fonctionner en pratique » (p. 649) et d’en discuter les bases épistémologiques. C’est Gianluca Manzo, sociologue au GEMASS (Paris), qui en a assuré la coordination, près de cinquante années après le numéro spécial édité par Raymond Boudon (son directeur de DEA), pour les Archives européennes de sociologie, sous le titre : « Simulations en Sociologie ».

3Pour introduire la méthode, partons d’un exemple concret donné par Manzo : « Imaginons avoir établi à grande échelle une relation positive entre le groupe social d’origine des acteurs et leurs chances d’atteindre les niveaux les plus élevés du système scolaire [… Comment] expliquer cette relation ? » (p. 653). L’approche multi-agents consiste à « recréer la relation entre le groupe social et le niveau scolaire des acteurs au sein d’une population virtuelle dans laquelle, à la façon d’un jeu vidéo, chaque entité évolue dans le temps sur la base de règles de comportement et d’interaction établies par le chercheur » (ibid.). Le but est de montrer qu’une spécification au niveau microscopique est « suffisante » pour générer une certaine structure macroscopique, comme les relations entre groupes sociaux et résultats scolaires : la validité interne de la modélisation est garantie par l’outil formel de la simulation informatique.

4Disons-le d’emblée, ce numéro représente une très bonne introduction à l’approche multi-agents en sciences sociales. Les articles sont clairement écrits et détaillés, témoignant d’un travail éditorial rigoureux. En gros, la défense de l’approche est la suivante : la modélisation s’impose dans toutes les sciences naturelles, car elle permet de tester rigoureusement des mécanismes causaux. Les sciences sociales sont en retard dans ce domaine, ou alors coincées dans le corset trop étroit de l’homo oeconomicus. Dans ce contexte, les simulations multi-agents représenteraient un graal qui permettrait de tout tenir à la fois : la rigueur mathématique, la flexibilité de l’appareil analytique pour « sortir de l’impasse » (p. 666) de l’économie mathématisée, la possibilité de prendre en compte des données empiriques hétérogènes, la résolution du problème « fondamental de la sociologie » qu’est le passage micro-macro... La lecture de l’ensemble des articles permet en tout cas de nourrir la réflexion sur des questions importantes pour la formalisation des sciences sociales. Les simulations multi-agents représentent-elles un outil essentiellement conceptuel, qui aide à penser, ou bien peuvent-elles expliquer des faits réels ? Quelle en serait la légitimité, notamment pour établir des recommandations de politiques publiques ? D’autre part, cette approche, souvent opposée aux modélisations économiques, jugées trop simplistes, permet-elle de fonder une méthodologie rigoureuse (au sens de « similaire aux sciences naturelles »), alternative à l’économie mathématisée, ou bien en constitue-t-elle un prolongement ?

5Dans son article introductif, Manzo affirme que l’avantage décisif de cette approche par rapport aux autres approches formelles telle l’analyse statistique et mathématique est « sa flexibilité extrême » (p. 655) qui lui permet de manipuler directement les entités numériques représentant les acteurs, au lieu de devoir en rester à des termes agrégés comme des moyennes ou des distributions statistiques. Cela permet d’éviter « qu’un décalage se crée entre le niveau d’abstraction auquel on formule les hypothèses et celui auquel se situe le modèle formel utilisé pour les étudier » (p. 657). Autre avantage essentiel de la flexibilité des multi-agents : « on n’est pas obligé de passer par un modèle mathématique simplificateur [comme l’agent rationnel, ou la maximisation d’une utilité fixée], la simulation multi-agents permet d’ôter autant de simplifications théoriques que nous le souhaitons » (p. 657).

  • 1 Exemple repris de l’article suivant : Itzhak Benenson, Itzhak Omer, Erez Hatna, « Entity-based mode (...)

6Dans le deuxième article, Pierre Livet, Denis Phan et Lena Sanders explorent plus en détail la diversité d’usage des modèles multi-agents en sciences sociales, en prêtant attention aux domaines concernés (empirique, conceptuel ou modélisation) ainsi qu’à l’opposition méthodologique entre modèles parcimonieux et descriptifs. L'article est utile du fait du grand nombre d’exemples décrits, en économie, en sociologie ou en géographie. L’exemple qui semble le plus convaincant1 (p. 707) vise à reproduire la dynamique de ségrégation des populations juives, arabes chrétiennes et arabes musulmanes à Yafo, quartier de Tel Aviv. Les auteurs utilisent une modélisation comprenant deux types d’agents : des composants urbains immobiles (parcelles, habitations et segments de rue) et de habitants de la ville, mobiles et décidant de leurs déplacements dans l’espace. Deux ingrédients majeurs interviennent dans ces décisions : le groupe culturel dominant dans le voisinage et le style architectural (« oriental » ou « blocks »). Les auteurs utilisent l’idée de « dissonance résidentielle » (toute hétérogénéité étant supposée négative), qui stipule que la probabilité de quitter un logement augmente (et celle d’occuper un logement vacant diminue) quand la différence entre le profil d’un agent et celui de ses voisins augmente. Ils montrent qu’il faut prendre en compte simultanément ces deux facteurs de dissonance (architecturale et de voisinage humain) pour reproduire les évolutions observées chez la population arabe sur la période 1955-1995. Cependant, la lecture de l’article cité (et non seulement le résumé fourni par Livet et al), en relativise l’intérêt. Le modèle utilise en effet un grand nombre de paramètres pour ajuster les données empiriques, sans parvenir toutefois à les reproduire de manière satisfaisante.

Un test empirique de la méthode multi-agents...

7Après ces chapitres d’introduction générale, on arrive enfin au cœur du sujet, avec l’article d’Antonio Casilli, Juliette Rouchier et Paola Tubaro qui permet de juger au mieux de l’intérêt concret de cette approche, car leur travail embrasse l’ensemble de la problématique, allant des données empiriques aux recommandations émises à destination des politiques publiques. Les auteurs étudient les discussions qui se déroulent dans les forums sur les troubles des conduites alimentaires. L’enjeu est que ces forums sont souvent stigmatisés en raison des controverses entourant les sites « pro-ana » (pro-anorexie), qui tendraient à favoriser un comportement dangereux pour la santé, en refusant la médiation médicale. Les auteurs ont collecté des données en ligne et mené une trentaine d’entretiens semi-directifs avec des participants au forum. Ils utilisent ensuite un modèle multi-agents relativement simple pour produire des recommandations de politiques publiques. En effet, l’approche multi-agents « a l’avantage de permettre des conditions de recherche quasi-expérimentales, car les simulateurs créent une société artificielle dont on contrôle tous les paramètres. En les changeant ceteris paribus [...] les chercheurs peuvent observer les changements induits – dans cette étude, dans quelle mesure les membres des forums deviennent plus radicaux dans leur opposition au traitement médical ou plus ouverts à de tels traitements » (p. 733). Comme les auteurs présentent très clairement l’ensemble de leur démarche, y compris les « détails » de leur modèle dans des annexes – et l’on sait l’importance de ces « détails » pour la discussion – l’on tient là un exemple crucial pour tester l’intérêt de la méthode.

8Quels enseignements permettent de tirer les simulations ? Citons les auteurs : « La leçon principale est que la simple présence de contenus critiquant la médiation médicale dans les interactions en ligne [...] ne mène pas inévitablement à une généralisation des positions pro-pathologie » (p. 755). Du coup, ils affirment que « ces résultats permettent de produire des recommandations en termes de politiques publiques [...] il faut en particulier éviter les restrictions d’accès ou le filtrage de ces communautés en ligne » (p. 756).

9Notons d’abord que la « leçon principale » nous déçoit : cela n’était-il pas évident dès le départ ? Plus important : quelle est la légitimité scientifique de telles affirmations ? Le cœur du modèle est le mécanisme d’évolution de l’attitude des participants au forum, modélisée comme un réel entre le pro-anorexie (valeur 0) et le pro-guérison (valeur 1). Dans les annexes, le mécanisme précis est décrit. À chaque itération, un agent est choisi au hasard et fait connaître son attitude (notée o) à tous les autres. Il s’ensuit deux étapes. D’abord, cet affichage suscite les réactions automatiques suivantes de la part de chacun des autres participants : si leur attitude est proche de celle de l’agent (à un paramètre lat_a près), alors ils envoient un message de soutien ; si leur attitude est éloignée (à une distance supérieure à autre paramètre lat_r), les participants envoient un message de conflit. Ensuite, chaque agent (y compris l’auteur de l’affichage initial) va changer son attitude en fonction de la moyenne des avis de soutien, puis de celle des avis conflictuels.

10Le fait est qu’on peut imaginer de nombreux autres mécanismes d’évolution : ignorer les avis conflictuels, ignorer ceux qui sont trop loin de nos opinions, exiger que soient affichées plusieurs opinions contraires avant de se laisser affecter, faire une moyenne entre les attitudes des avis conflictuels et celles des avis favorables... Et il n’y a pas de fondement empirique fort pour choisir un mécanisme plutôt qu’un autre, alors que leurs conséquences peuvent être tout à fait opposées. Certes, les données tirées des enquêtes permettent « d’informer » le modèle, de suggérer certaines caractéristiques. Dans cet exemple, cela concerne deux points principaux : le fait que les messages affectent l’ensemble des participants et pas seulement un partenaire précis, ou encore la grande hétérogénéité au niveau du nombre de messages postés par agent. Mais les marges de liberté demeurent très larges dans la spécification du modèle. D’une certaine manière, l’avantage « décisif » des modèles multi-agents, leur « flexibilité́ extrême », représente également leur inconvénient le plus fort. Car en l’absence de théorie sous-jacente validée (comme il en existe en sciences naturelles), cette flexibilité́ permet d’introduire des mécanismes arbitraires, ajustables dans une large mesure et difficiles à valider empiriquement. Il ne suffit pas de générer des caractéristiques globales proches de celles observées empiriquement, car cette congruence ne prouve rien, de nombreux mécanismes microscopiques pouvant mener au même résultat. Du coup, on peut s’interroger sur la robustesse de la recommandation de politique publique qui en résulte. À la limite, on ne voit pas ce qui empêche de choisir plus ou moins consciemment les mécanismes qui mènent au résultat qu’on désire, par exemple en arrêtant l’exploration des possibles lorsqu’on a trouvé des mécanismes qui « conviennent ».

… qui est confirmé par les autres exemples

11La lecture de la suite du dossier ne change pas fondamentalement cette impression. Dans l’article suivant, José Noguera et al. tentent de comprendre ce paradoxe : selon la théorie du choix rationnel, qui est traditionnellement mobilisée en économie pour rendre compte du comportement humain, nous devrions payer très peu d’impôts, la sanction étant peu dissuasive par rapport aux gains tirés de la fraude. Les auteurs proposent un modèle à base d’agents artificiels qui combine des mécanismes inspirés de la théorie du choix rationnel et des mécanismes d’influence sociale dans le but d’engendrer les régularités macroscopiques décrivant le comportement fiscal des acteurs en Espagne.

12Il s’agit là d’un exemple typique dans la littérature multi-agents : montrer comment cette méthode permet d’aller plus loin que les modèles économiques. C’est un terrain relativement facile, car les modèles économiques sont généralement très simplistes (agents homogènes, peu d’interactions...), et les modèles multi-agents peuvent facilement faire mieux en termes de réalisme. Ici, les agents sont dotés de quatre « filtres » qui affectent leur décision de dissimuler une partie de leurs revenus. Le premier concerne l’opportunité de cacher facilement une partie de leurs revenus, du fait de leur statut de travailleur indépendant ou de salarié peu payé (agents supposés être plus proche de l’économie souterraine). Le second permet aux agents de comparer leur solde d’impôts (paiements moins prestations reçues) au solde de leur voisinage, l’hypothèse étant qu’un agent qui perçoit moins de prestations (tirées des impôts) que ses connaissances tentera davantage de dissimuler ses revenus, pour ne pas devenir un « gogo ». Le troisième filtre est la décision rationnelle de frauder ; la probabilité d’être pris en cas de fraude est estimée grâce à un apprentissage exercé auprès de son réseau de connaissances. Enfin, le filtre de l’influence sociale directe fait converger le niveau de fraude d’un agent avec celui de ses connaissances. Nul doute, le modèle semble moins irréaliste qu’un simple calcul rationnel de coûts-bénéfices au niveau individuel. Cependant, les recommandations de politique publique énoncées par les auteurs sont fragiles et peu novatrices. Fragiles car, comme le soulignent les auteurs (p. 791), on manque de données fiables sur l’évasion fiscale, ce qui empêche tout calibrage sérieux du modèle. Peu novatrices car les recommandations sont assez banales, et auraient pu être formulées sans l’aide du modèle. Les auteurs affirment ainsi que, plutôt que d’augmenter les contrôles, très coûteux, il peut être plus approprié d’augmenter le niveau perçu de paiement de l’impôt (par exemple, par des campagnes de publicité). Cela mènerait, par imitation, à des taux de recouvrement plus élevés. Ils observent également que l’imitation n’augmente pas toujours le recouvrement, notamment quand la dissuasion par les contrôles ou les amendes est forte. En effet, si l’entourage triche souvent, les agents peuvent tricher plus que le seul calcul rationnel le leur recommanderait.

13Dans un dernier article technique, Simone Gabbriellini étudie la manière dont les acteurs communiquent au sein de forums de discussion en ligne. L’analyse du modèle montre que deux mécanismes simples peuvent rendre compte de la complexité des réseaux des échanges en ligne : d’une part, la tendance à parler avec des utilisateurs connus, et d’autre part la tendance à se lancer dans des échanges de questions-réponses. Les résultats des simulations sont ensuite comparés à des données empiriques issues de trois forums en ligne différents. L’analyse montre que le modèle est capable de distinguer quand un noyau d’utilisateurs interagissants apparaît fréquemment, ou encore de reproduire certaines caractéristiques, comme le fait que les agents ayant beaucoup de voisins tendent à interagir avec des agents en ayant peu.

14Enfin, en guise de conclusion, Flaminio Squazzoni, président de la société européenne de simulations sociales, présente cinq ouvrages majeurs résumant l’importance des simulations multi-agents pour les sciences sociales. Contre la critique que les processus sociaux sont « trop complexes pour être modélisés », Squazzoni répond qu’il s’agit d’une position « idéologique », et que toutes les autres sciences (la physique et la biologie sont explicitement citées) font usage de modèles. L’approche multi-agents « indique simplement qu’il est plus approprié pour les enquêtes sociologiques de démarrer par une considération explicite des comportements individuels dans des contextes d’interaction. Il s’agit du seul moyen que nous avons pour comprendre réellement l’impact des structures sociales » (p. 836).

Les problèmes méthodologiques et politiques des simulations multi-agents

  • 2 Cartwright Nancy, The Vanity of Rigour in Economics: Theoretical Models and Galilean Experiments, D (...)

15À la lumière de cette lecture détaillée, revenons à la question de l’intérêt de la méthode pour la sociologie. D’abord, les exemples présentés ici ne persuadent pas de la légitimité de la méthode pour informer les politiques publiques. Le problème banal de la validité externe des effets qu’ont les variables à l’intérieur du modèle reste entier. La philosophe Nancy Cartwright s’est penchée longuement sur ce problème en économie2 : il est dommage que ses travaux ne soient jamais cités. On peut même craindre que, à l’instar de ce qui s’est produit avec la mathématisation de l’économie, le prestige de cet outil venu des sciences formelles ne serve à légitimer des recommandations sans fondement scientifique.

  • 3 Venturini Tommaso, Jensen Pablo, Latour Bruno, « Fill in the Gap. A New Alliance for Social and Nat (...)

16Plus globalement, il me semble que cette méthodologie, loin de s’opposer aux approches économiques, ne fait que les prolonger en les complexifiant. Dans ces modèles, les acteurs restent de petits robots suivant des règles simples, sans être capables de comprendre ni de contrôler le niveau collectif. Cette approche vantée comme bottom-up aboutit en fin de compte à une vision politique top-down, très similaire à celle des modèles économiques3.

  • 4 Grauwin Sébastian et al., « Competition between collective and individual dynamics », Proceedings o (...)
  • 5 Latour Bruno, « The politics of explanation », in Steve Woolgar (dir.), Knowledge and Reflexivity, (...)

17Finalement, la lecture de ce numéro n’a pas changé mon opinion de départ : les modèles multi-agents très simples sont utiles comme un « microscope théorique », qui permet de mettre à l’épreuve nos modèles implicites, souvent inconscients, en les formalisant. L’exemple du modèle de ségrégation de Schelling, qui montre qu’une ségrégation globale peut émerger des interactions entre agents recherchant la mixité4, en est l’illustration parfaite. En revanche, lorsque cette approche cherche à expliquer le réel en complexifiant les modèles, elle se heurte à des objections qui me semblent pour le moment rédhibitoires. On pourra rétorquer que c’est le cas pour toutes les tentatives d’explication du social. La question qu’on peut alors se poser est : faut-il chercher à expliquer le social ? Quel en serait le projet politique sous-jacent5 ? Voilà un beau sujet pour un futur numéro spécial de la Revue française de sociologie

Haut de page

Notes

1 Exemple repris de l’article suivant : Itzhak Benenson, Itzhak Omer, Erez Hatna, « Entity-based modeling of urban residential dynamics: the case of Yaffo, Tel Aviv », Environment and Planning B: Planning and Design, vol. 29, n° 4, 2002, p. 491-512.

2 Cartwright Nancy, The Vanity of Rigour in Economics: Theoretical Models and Galilean Experiments, Discussion Paper Series DP 43/99 (non daté), disponible en ligne : http://www.lse.ac.uk/CPNSS/pdf/DP_withCoverPages/DP43/DP43F-99-C.pdf.

3 Venturini Tommaso, Jensen Pablo, Latour Bruno, « Fill in the Gap. A New Alliance for Social and Natural Sciences », Journal of Artificial Societies and Social Simulations, vol. 18, n° 2, mars 2015, disponible en ligne : http://jasss.soc.surrey.ac.uk/18/2/11.html. Voir aussi Latour Bruno et al., « The whole is less than the sum of its parts », British Journal of sociology, vol. 63 n° 4, 2012, p. 591-615, disponible en ligne : http://www.bruno-latour.fr/fr/node/330.

4 Grauwin Sébastian et al., « Competition between collective and individual dynamics », Proceedings of the National Academy of Sciences, n° 106, 2009, p. 20622-20625, disponible en ligne : https://halshs.archives-ouvertes.fr/halshs-00467958/document.

5 Latour Bruno, « The politics of explanation », in Steve Woolgar (dir.), Knowledge and Reflexivity, New Frontiers in the Sociology of Knowledge, London, Sage, 1988, p. 155-177, disponible en ligne : http://www.bruno-latour.fr/sites/default/files/32-EXPLANATION-WOOLGAR-GB.pdf.

Haut de page

Pour citer cet article

Référence électronique

Pablo Jensen, « Les simulations multi-agents, une nouvelle approche du social ? », Lectures [En ligne], Les notes critiques, 2015, mis en ligne le 16 juin 2015, consulté le 29 août 2016. URL : http://lectures.revues.org/18393

Haut de page

Rédacteur

Pablo Jensen

Chercheur CNRS au Laboratoire de physique de l’ENS de Lyon et à l’Institut rhônalpin des systèmes complexes (ixxi.fr).

Articles du même rédacteur

Haut de page

Droits d’auteur

© Lectures - Toute reproduction interdite sans autorisation explicite de la rédaction / Any replication is submitted to the authorization of the editors

Haut de page