Diplômé de l'Ecole normale supérieure de Cachan (Magistère de Mathématiques et d'Informatique), David Chavalarias se passionne pour les sciences cognitives et la vie artificielle. Après son agrégation de mathématiques, il rejoint le Centre de Recherche en d'Epistémologie Appliquée (CREA) [laboratoire de l'Ecole Polytechnique/CNRS ] où il obtient le DEA de sciences cognitives*. Il y termine aujourd'hui sa thèse sous la direction de Paul Bourgines, animateur du thème "Cognition sociale, Rationalité adaptative et Complexité" au CREA. Les travaux de David Chavalarias conduisent à proposer une nouvelle approche dans le cadre mathématique et multi-agents de la modélisation de la transmission dans les systèmes sociaux. A ce titre, le jeune scientifique de 27 ans va bientôt soumettre un de ses articles** au journal Nature. *Polytechnique est l'un des établissements cohabilité à cette formation doctorale du Centre d'Analyse et de Mathématiques Sociale de l'Ecole des Hautes Etudes en Sciences Sociales ** "Metamimetism and Spatial Games" (format pdf) Compositeur et musicien (pianiste, percussionniste) David Chavalarias a par ailleurs fondé en 1998 l'association "Naima", dont il est le président. Né autour d'une rencontre entre la danse, la musique et l'image, ce collectif produit ses propres spectacles. L'objectif est de participer à l'essor du spectacle vivant en favorisant un regroupement de personnes, d'idées et de moyens autour de projets pluridisciplinaires. Pour en savoir plus Site de David Chavalarias avec articles en ligne : http://chavalarias.free.fr CREA : page d'accueil : http://www.crea.polytechnique.fr/homecrea.html présentation générale du laboratoire : http://www.crea.polytechnique.fr/CREA2000.html Présentation du DEA de sciences cognitives : http://www.ehess.fr/enseignements/scog/home.html Page d'accueil du collectif Naima : http://www.naima.asso.fr/ Extraits musicaux : http://www.naima.asso.fr/musique/premiermouvement.htm Contacts : chavalar@poly.polytechnique.fr et david@naima.asso.fr

Christophe Jacquemin (AI): David Chavalarias, vous faites actuellement une thèse sur la modélisation des systèmes sociaux. Quel a été votre parcours ?
David Chavalarias (DC) : S'il est vrai que je suis tout d'abord entrée à l'Ecole Normale Supérieure (ENS) à Cachan en section mathématiques, j'ai toujours gardé un oeil sur bien d'autres disciplines. Après mon agrégation, j'ai poursuivi à l'Ecole Polytechnique par un DEA... en sciences cognitives. Ce qui m'intéresse est de mettre l'outil mathématique à la disposition d'autres sciences, ce qui explique ce parcours. Aujourd'hui, depuis deux ans, et toujours à Polytechnique, je poursuis ma thèse au Centre de Recherche en Epistémologie Appliquée (CREA).

AI : Par ailleurs, vous êtes musicien...
DC : Oui, je pratique la musique depuis pas mal d'années et, là aussi, je m'intéresse à l'échange entre musique et autres disciplines. Je travaille donc en collaboration avec des danseurs, avec des gens qui font du théâtre ou de l'image. Et c'est un thème à peu près récurent dans tout ce que je fais : essayer de mettre en présence des personnes de secteurs différents au sein d'un même projet. J'ai créé ainsi Naima, une compagnie qui monte des spectacles pluridisciplinaires, dont le noyau dur est un quintet de jazz dont je fais partie.

AI : Mais revenons aux sciences cognitives. Comment, après une formation pure en mathématiques en vient-on précisément à se tourner vers ce secteur ? Vous parlait-on de sciences cognitives à l'Ecole Normale
DC: Non, pas vraiment. Mais je me passionnais déjà pour foule de domaines bien avant. En prépa, lorsque j'ai commencé à faire des mathématiques sérieusement, je m'intéressais aussi à d'autres disciplines comme la physique, la biologie, les sciences sociales... Alors j'ai vraiment été ravi d'entrer à l'Ecole Normale parce que la scolarité offre une certaine souplesse et donc permet de continuer à s'intéresser à d'autres choses. C'est ainsi que tout au long de ma deuxième année, j'ai organisé avec deux amis à l'Ecole un séminaire "Sciences sociables" : autour de conférenciers extérieurs invités, l'idée était de voir quel rapport pouvaient entretenir entre elles les sciences dites "dures" ou "molles", ou "humaines" ou "inhumaines", "exactes" "inexactes". Il faut savoir qu'on trouve à l'ENS de Cachan différentes disciplines sur le même site : économie, sciences sociales, mathématiques, physique, biologie, linguistique, arts plastiques... Je trouvais dommage qu'on ne puisse pas profiter de cet atout. Et cela a bien marché : des élèves des différentes sections sont venus suivre ce séminaire, donnant lieu à des échanges intéressants. En tous cas, par ce biais, j'ai pu pour ma part mieux aborder les sciences cognitives et faire des rencontres. C'est un sujet vraiment passionnant qui nécessite certainement plus que tout autre une approche pluridisciplinaire pour mieux comprendre l'homme, ses mécanismes de raisonnement et son fonctionnement. Et ici, les mathématiques ont bien sûr tout leur rôle à jouer à travers la modélisation que les scientifiques cherchent à obtenir de certains phénomènes.

AI : Pouvez-vous citer des exemples...
DC: Il y a deux aspects qui sont la cognition individuelle et la cognition sociale. La cognition individuelle s'intéresse à la compréhension des mécanismes biologiques qui mènent au raisonnement; ou alors à celle des mécanismes symboliques qui font que l'homme est si spécifique au niveau cognitif. Là, il y a une grosse part de modélisation, ne serait-ce qu'en biologie, sur les problèmes de réseaux de neurones, ou alors dans les processus logiques pour construire - en intelligence artificielle - des systèmes experts... Et puis, il y a la cognition sociale, celle sur laquelle je concentre mes recherches. L'idée est ici de comprendre les dynamiques des phénomènes sociaux, c'est-à-dire comment on peut avoir des structures émergentes à partir d'interactions entre individus qui ont des caractéristiques propres. Là aussi, la modélisation joue un grand rôle : bien qu'on s'abstrait de certains détails ayant trait aux entités étudiées - en l'occurrence des sociétés humaines ou des sociétés artificielles (par exemple des sociétés d'agents sur le web), elle permet de comprendre comment peuvent apparaître des phénomènes d'auto-organisation. Ceci revient à comprendre les structures émergentes qui sont indépendantes de ces détails-là. Ce sont des classes de phénomènes que l'on recherche et, dans ce cadre, la modélisation mathématique et informatique est vraiment essentielle.

AI : Revenons à votre formation : vous décidez alors de suivre le DEA de sciences cognitives...
DC: Oui. Ce DEA, qui regroupe l'Ecole Polytechnique, l'Ecole Normale, l'Ecole des Hautes Etudes en Sciences Sociales et l'université Paris VI, comprend un stage en laboratoire durant 6 mois. C'est une partie très importante ce qui veut dire que dès l'inscription, il faut avoir son tuteur pour le mémoire. Ceci suppose donc d'avoir au préalable discuté avec un certain nombre de professeurs des différents laboratoires et voir ce qu'on pourrait éventuellement faire avec eux. Dans mon cas, j'ai notamment rencontré Paul Bourgine au Centre de Recherche en Epistémologie Appliquée (CREA), qui est maintenant mon directeur de thèse. Ce laboratoire a pour vocation de travailler sur les sciences cognitives - cognition individuelle, cognition sociale, que j'ai évoquées tout à l'heure - et sur l'épistémologie de cette science, donc des différentes disciplines concernées.
Avec Paul Bourgine, nous n'avons pas décidé d'un sujet tout de suite mais sommes tombés d'accord sur des intérêts communs. Le sujet s'est ensuite décidé petit à petit pendant ma scolarité. Mon profil de mathématicien s'intéressant aux relations avec les autres sciences comme l'économie, la biologie ou les sciences sociales l'a beaucoup intéressé. Nous avons donc décidé de travailler sur les problèmes de modélisation de systèmes. Au début, on ne savait pas si j'allais plus orienter mon travail sur le côté biologique (compréhension du cortex visuel ou de la mémoire, par exemple) ou sur la cognition sociale avec la modélisation des systèmes sociaux. Les deux sujets m'intéressaient beaucoup. Si je me suis plus concentré sur les modélisations en cognition sociale au cours du DEA, j'ai en tous cas toujours essayé de suivre les développements des travaux concernant la cognition individuelle pour essayer de les mettre en oeuvre dans des modèles plus généraux.

AI : Cela ne paraissait donc pas étonnant qu'un mathématicien veuille faire son stage au CREA
DC: Non, au contraire parce que ce laboratoire regroupe des chercheurs de différentes disciplines, chercheurs issus souvent de plusieurs formations. On y trouve des gens qui font de l'économie, des sciences sociales, des mathématiques, de la biologie, de l'anthropologie. La force du CREA réside dans cet échange permanent entre disciplines. Des séminaires internes sont organisés où chacun présente aux autres ses travaux, ce qui permet ensuite d'obtenir des approches sous différents points de vue. Il existe aussi des groupes transdisciplinaires de travail interne. Pour ma part, je fais maintenant partie du groupe "Formation de réseaux et interactions", groupe qui comprend des économistes, des mathématiciens, des informaticiens... On y travaille sur la modélisation des réseaux sociaux et de leur dynamique.

AI : Parlez-nous de la modélisation des systèmes sociaux...
DC: Lorsqu'on travaille sur la modélisation des systèmes sociaux, on ne peut se permettre de rentrer trop dans les détails, au niveau individuel, parce qu'il devient alors impossible d'étudier de grands systèmes en interaction. Par contre, pour la cognition individuelle, c'est le fait d'avoir des détails très fins qui nous intéresse. Donc toute la difficulté est de travailler suivant l'un des deux axes mais en essayant de se rapprocher le plus possible de l'autre, pour avoir les propriétés les plus intéressantes.

AI : Finalement, quel a été le sujet de votre mémoire de DEA ?
DC: Le titre final était "La thèse de Popper est-elle réfutable ?" J'ai travaillé sur un modèle que j'ai construit à partir justement de la théorie de Popper sur la découverte scientifique et l'évolution des sciences.

AI : Thèse dans laquelle Popper énonce que l'essor de la science se construit par propositions puis élimination des mauvaises théories...
DC: Oui. Mon idée était de voir comment s'autorégule la production scientifique au niveau d'une communauté scientifique, considérant un ensemble de personnes appliquant dans leur recherche les processus énoncés par Popper. Dans ce cadre, il faut savoir que le scientifique doit toujours faire face au compromis entre affiner sa théorie (et donc passer beaucoup de temps pour la contrôler) et publier rapidement ses travaux. Il y a donc un compromis entre la fiabilité de la théorie que l'on souhaite proposer, le temps qu'on y passe et le nombre de choses que l'on aimerait publier. D'un côté cela ne sert à rien de passer toute sa vie sur une théorie si c'est simplement pour affiner de tous petits détails. De l'autre côté, si on n'affine pas, on risque de publier n'importe quoi. Donc l'idée était d'essayer de formaliser la manière dont un chercheur gère ce compromis par rapport à l'anticipation d'actions collectives et à la dynamique globale de la communauté, c'est-à-dire de l'ensemble des théories qui sont publiées. Rajoutons aussi que, dans ce cadre, les chercheurs ont deux activités : publier des nouveautés ainsi que vérifier des théories déjà proposées et éventuellement les réfuter.
Ceci s'insère dans la théorie des jeux où on considère que lorsqu'on fait de la recherche, on aime bien publier et on n'aime pas se faire réfuter. On essaie alors de trouver un compromis entre ces deux équilibres, en sachant qu'on aimerait quand même publier un certain nombre d'articles. Ceci dépend aussi de l'état de la science à un niveau donné : si on est très conscient d'une certaine théorie, on voudra moins la vérifier; il y a une acceptation générale, on avance sur des bases sûres. Et puis, si l'expérience montre que des scientifiques viennent réfuter certaines bases de cette théorie, les bases commenceront donc à être moins sûres et il y aura alors tout un processus de vérification qui commencera à se mettre en marche, un peu comme lorsque de nouveaux paradigmes émergent. On trouve donc d'abord des données qui ne correspondent pas aux prédictions des théories actuelles. On essaie ensuite de comprendre pourquoi. Parfois aussi, c'est une théorie novatrice qui est proposée : la communauté essaie alors de voir si elle prédit mieux ce qu'on avait déjà observé.

AI : Et comment formalise t'on cela dans un modèle ?
DC: On a recours à une modélisation multiagents. On considère qu'il y a un monde à découvrir, monde qui préexiste, comprenant un ensemble de théories à découvrir. Chaque théorie a une certaine qualité, prédisant un ensemble plus ou moins large de phénomènes avec une précision plus ou moins grande. L'ensemble de théories à découvrir, c'est-à-dire le monde considéré, est simplement donné en fonction du niveau technologique d'une société. C'est comme cela que l'on pourrait justifier qu'il y a un ensemble préétabli défini, et que les précisions de mesure étant finies, cela donne un ordre du corpus de théories possibles. On peut donc considérer un monde fini, avec de plus ou moins bonnes théories le composant. On place donc une population d'agents devant ce monde-là et chacun pioche des théories et puis travaille sur celles-ci en essayant de découvrir leur fiabilité. Pour faire simple, au niveau de la modélisation, on dit qu'une théorie a une certaine probabilité entre 0 et 1 d'être en accord avec l'observation sur un test (et donc 1 moins cette probabilité d'être en désaccord). En gros, l'agent tire des variables binomiales pour voir quelle est la proportion des 1, par exemple. Il se construit alors une idée de la fiabilité de la théorie. Ensuite, il peut risquer de la proposer, ou non, suivant l'idée qu'il se fait de la probabilité qu'il aura de se faire réfuter. Ceci dépend de savoir si la communauté est très critique, ou pas En fait, il s'agit plus là d'un processus de diffusion de connaissances. Par exemple, dans le milieu scientifique, les publications sont vérifiées assez précisément. Maintenant, il peut y avoir des milieux moins rigoureux. Le choix de publier ou pas dépend entre autres de la manière dont on s'imagine que la société va accueillir cette publication et la vérifier, ou au contraire va s'appuyer dessus pour construire d'autres choses. Dans le cadre de la théorie des jeux, on regarde comment va évoluer ce corpus, avec des théories qui vont être affichées comme bonnes, certaines vont être réfutées donc affichées comme mauvaises, l'ensemble des théories à découvrir va diminuer jusqu'à ce qu'on ait trouvé les bonnes théories, en adéquation avec notre niveau technologique. Il s'agit donc d'étudier cette dynamique. En gros, on voit qu'il y a un compromis à faire entre la vitesse de découverte d'un domaine (le temps que l'on a mis à trouver toutes les bonnes théories et à jeter toutes les mauvaises) et puis la fiabilité de l'ensemble des théories affichées comme bonnes au cours du temps. C'est-à-dire que si l'on est trop consciencieux, la communauté attachera une grande importance à la vérification, et donc il y aura peu de publications. Les mauvaises théories restant dans l'ensemble des choses à découvrir, car non publiées, seront étudiées plusieurs fois par divers agents, d'où une perte de temps pour la communauté. Le temps pour découvrir l'ensemble des bonnes théories sera long, mais la fiabilité des théories reconnues sera grande. Par contre, si on est moins rigoureux, on va aussi publier un peu n'importe quoi sans précaution puis la communauté rentrera dans une phase de vérification. Cela est plus rapide en ce qui concerne le temps de découverte de l'ensemble des bonnes théories, mais durant cette recherche collective, le corpus des théories reconnues sera de piètre qualité.

AI : Mais n'est-ce pas là un simple jeu d'esprit ? Est-ce que votre modélisation a permis de vérifier tout cela sur une certaine branche scientifique ?
DC: Non pas encore, car j'ai encore des choses à affiner dans mon modèle. J'ai besoin pour cela d'avoir une modélisation plus fine et plus cohérente de l'anticipation des agents, et comment ces derniers adaptent leur comportement en fonction de ce qui se passe autour. Ceci m'a un peu bloqué dans ma recherche et puis, finalement, 6 mois de stage en DEA, c'est court. Mais je souhaite bien sûr un jour continuer ces travaux. Ma thèse s'intéresse à un autre domaine mais, finalement, avec les recherches que je suis en train de mener, j'ai mis en place d'autres formalismes qui pourraient sans doute permettre de mieux continuer ce précédent travail.

AI : Alors dites-nous : à votre avis la thèse de Popper est-elle réfutable ?
DC: (Rires). J'ai choisi ce titre pour mon mémoire parce que cela m'amusait. Parce que l'idée était de construire un modèle et de dire : si la thèse de Popper est vraie, alors ce modèle-là, s'il est bien ficelé, devrait montrer des phénomène analogues à ceux que l'on observe.
Cette thèse serait donc réfutable si on pouvait construire un modèle montrant qu'elle ne correspond pas à la réalité. Mais le problème est alors qu'on pourra toujours vous rétorquer que c'est votre modèle qui est mal foutu. En tous cas, il s'agissait plus là pour moi de voir si cette thèse de Popper pouvait être corroborée, c'est-à-dire de construire un modèle qui montre des structures émergentes conformes avec ce qui est observé. A ce moment-là si ce modèle est tiré d'une conception à la Popper de l'évolution des sciences, on pourra dire que la thèse de Popper est valable. J'aimerais pouvoir vous donner la réponse mais il y a encore un énorme travail à faire, travail que je continue lorsque ma thèse m'en laisse le temps.

AI : Ce travail de DEA a donc débouché sur l'idée de faire une thèse, toujours au CREA...
DC: Ce que j'ai découvert dans ce DEA m'a beaucoup plu, DEA dans lequel j'ai essayé de comprendre comment les mathématiques en tant qu'outils peuvent aider à développer certaines branches d'autres sciences. C'est ce qui m'a poussé à continuer de travailler autour de la modélisation informatique et de m'orienter vers les problèmes de cognition sociale, donc la compréhension de grands systèmes sociaux.

AI : Quelles en sont les applications ?
DC: En économie, tout d'abord. Cela commence aussi à beaucoup se développer en sociologie. Mon travail consiste à essayer de trouver des formalismes plus appropriés que ceux existant actuellement.

AI : Par exemple ?
DC: Les travaux de micro-économie qui étudient des comportements d'agents passent par une modélisation de l'agent et de ses interactions avec les autres agents économiques. Il y a eu pendant quelques années la conception de l'agent rationnel égoïste, c'est-à-dire un agent optimisateur, qui prend ses décisions en optimisant sur les préférences. Inséré dans un modèle, ceci donne une certaine dynamique.

Ce qui m'intéresse c'est la définition de ces concepts de préférence, de l'optimisation : qu'est-ce que cela veut dire d'être rationnel égoïste ? Est-ce que cela correspond vraiment à ce que l'on peut observer ? Il y a pas mal de débats là-dessus. En tous cas, autour de cela se distingue aujourd'hui un problème très en vogue qui est celui de l'hétérogénéité des préférences dans la modélisation des populations d'agents. Dire que l'agent est rationnel égoïste, cela veut dire simplement que ses actions sont conformes à ses préférences. Mais en fait, cela reporte le problème à savoir quelles sont les préférences des agents que l'on met dans le système. Pendant très longtemps, les préférences dans la population d'agents étaient complètement homogènes et le comportement des agents changeait en fait en fonction des différentes interactions qu'ils avaient, et de leur histoire. Bien sûr, les préférences correspondaient exactement à ce qu'ils obtenaient matériellement de leurs interactions. Là où le terme égoïste est mal choisi, c'est que l'on peut très bien considérer des agents dont les préférences sont d'agir de manière altruiste. Dans ce cas précis, l'agent rationnel dans le sens où il anticipe les conséquences de ses actions de manière à choisir celle qui s'accorde le mieux avec ses préférences, choisira de manière égoïste (i.e. en ne considérant que ses propres préférences) d'être altruiste! On voit bien là que cadre standard de l'agent rationnel égoïste n'a pas de sens s'il y n'y a pas de moyen de donner des préférences hétérogènes aux agents de manière acceptable. Ceci est un problème central, non seulement en économie, mais de façon plus générale pour une meilleure compréhension des systèmes sociaux, du fait de formalismes communs. Parce que si on permet aux préférences d'évoluer sous l'influence des interactions que l'on a avec les autres, on obtient d'autres types de dynamiques qui nous permettrons peut-être de formaliser des phénomènes d'un type nouveau. On pourra ensuite les comparer avec ce qu'on connaît. Ils permettront peut-être aussi de donner des exemples de dynamiques contre intuitives conduisant à mieux comprendre des phénomènes observés dans la vie courante.

Autour de ce problème, je me suis intéressé aux dynamiques mimétiques, au problème de l'influence que peut avoir, justement sur les préférences d'une personne, ses interactions avec son entourage, par les gens qu'il fréquente. Ceci a été très étudié ces dernières années, en ce qui concerne le problème de la diffusion technologique, par exemple pour savoir comment les gens adoptent une norme téléphonique ou un système d'exploitation sur un ordinateur... Ceci a été aussi étudié en matière d'économie avec des travaux sur le mimétisme sur les marchés financiers. En sociologie aussi, sur la diffusion de traits culturels.
Là encore, dans les phénomènes de mimétisme, il y a toujours le problème de définir l'imitation, en quoi va-t-elle consister ? Comment va t'on mettre pratiquement dans le modèle la notion "un agent imite un autre". Et là, c'est pareil : on voit bien qu'il existe différentes manières d'imiter. On peut imiter quelqu'un parce qu'on le fréquente souvent ou alors parce qu'il réussit particulièrement bien sur une certaine échelle de valeurs, par exemple parce qu'il est très riche ou a beaucoup de prestige... et on veut être comme lui ; on peut aussi imiter la majorité... Il y a donc différentes manières d'être influencé par son entourage...

AI : Si je vous suis bien, vous êtes en train de nous dire que dans une dynamique d'évolution multiagents, on ne s'était jamais vraiment penché dans les modèles sur la question de définir précisément l'imitation, ce qui fait que quelqu'un imite l'autre. C'est là toute l'originalité de votre travail...
DC: Avant de vous répondre, il faut replacer la perspective d'étude de systèmes économiques et sociaux dans leur contexte historique. Il y a eu des approches qui ont très bien marché en biologie : ce sont les approches évolutionnistes. Comme cela, on a expliqué l'évolution des espèces par mutation, variation, sélection. Ensuite, les chercheurs ont commencé à étudier des phénomènes analogues, mais pour ce qui concerne l'évolution économique ou culturelle. Ceci a donné lieu à l'économie évolutionniste, thème apparu récemment et aujourd'hui en plein développement. Même chose pour les phénomènes d'évolution culturelle : il y a eu pas mal de modèles inspirés du formalisme biologique qui ont été introduits dans des phénomènes culturels. Cela se passait par variation, sélection sur des entités physiques. Parallèlement à cela, et toujours pour les systèmes sociaux, il y a eu des études sur des phénomènes, cette fois-ci mimétiques où là, il n'y a pas de sélection par génome. Les choses se propagent alors par diffusion à travers des mécanismes d'imitation. Il y a donc eu deux formalismes différents pour expliquer l'évolution culturelle.

AI : Ceci n'est pas vraiment nouveau...
DC: Oui, ce n'est pas nouveau. Mais si le mimétisme a déjà été évoqué à partir des années 30, ce n'est apparu au niveau des formalismes qu'à partir des années 80, grâce par exemple à des chercheurs comme André Orléans.
Il y a aussi des scientifiques qui essaient d'expliquer des évolutions culturelles - si on peut parler de culture - chez les animaux, qui cherchent à savoir comment se transmettent telles ou telles pratiques. Mais la question qui émerge lorsqu'on veut modéliser des phénomènes sociaux humains est la suivante : pourquoi les structures des systèmes sociaux humains sont tellement plus complexes et plus diversifiées que celles observées dans le règne animal. C'est un des problèmes que l'on doit se poser lorsqu'on fait ici de la modélisation : il faut rechercher des propriétés des agents qui vont être spécifiques aux êtres humains.
Donc, pour résumer, on dispose aujourd'hui de modèles évolutionnistes et de modèle mimétiques. La tendance est maintenant de croiser les deux et, de plus en plus, de trouver des mécanismes qui seraient propres aux humains ou alors mis en place de manière bien plus performante par les humains. Par exemple, on dénombre un très grand nombre de travaux - auxquels je me suis intéressés- qui concernent le problème de l'émergence de la coopération, basés autour du dilemme du prisonnier (voir encadré), répété avec plusieurs joueurs.

AI : Vous vous attachez donc à développer un formalisme croisé (modèle biologique, modèle mimétique) qui pourrait être intéressant...
DC: Oui. Et dans ce cadre, j'essaie de répondre à la question : "Qu'est-ce que cela veut dire qu'un trait culturel, ou une pratique en économie, se répand dans la population. Et pourquoi se répand-elle. Quels sont les mécanismes ?" Cela peut être par des phénomènes mimétiques mais, à ce moment-là, quels sont-ils ? Cela peut-être aussi par des modèles de variation/sélection, mais alors sélection sur quels critères ? En biologie, il y a ce qu'on appelle la fitness, qui est définie comme le taux de vie moins le taux de mort, ceci nous permettant d'étudier de manière théorique les populations en disant, par définition, qu'une population se reproduit proportionnellement à sa fitness.
Maintenant, lorsque l'on parle de phénomènes économiques ou culturels, les choses sont beaucoup moins claires. Mes dernières recherches consistaient donc à trouver quelles sont les caractéristiques qui sont propres aux humains dans les phénomènes mimétiques, ceci de manière à essayer de trouver un moyen de rendre endogène, c'est-à-dire interne au système, les différents principes mimétiques qui seront mis sur les agents. Ceci revient à faire en sorte que ce ne soit pas le modélisateur qui décide que tous les agents sont rationnels égoïstes, ou que chacun essaie de faire comme tout le monde, ou que chacun essaie d'imiter celui qui réussit le mieux, mais que ce soit le système qui se structure pour faire émerger de telles règles. Ce choix dépend bien sûr des capacités cognitives que l'on donne aux agents : pour imiter celui qui a la plus grande force physique, il faut que l'agent puisse reconnaître ce qui fait la force chez un autre.

AI : Et comment faites-vous pour que ce ne soit pas le modélisateur qui décide au départ des propriétés qu'auront les agents ?
DC: L'idée que je creuse actuellement est que ce qui différencie les processus d'imitation chez l'animal et chez l'homme réside dans le fait que l'homme peut, d'une certaine manière, contrôler ses processus d'imitation : il est influencé par les autres mais il peut aussi manipuler les règles par lesquelles il va être influencé. Dit d'une autre façon, cela veut dire que les humains ont conscience d'être des organismes qui apprennent, ils ont conscience des règles et ils peuvent agir sur ces règles. Nous avons donc la capacité que n'ont pas les autres animaux (à part peut-être certains grands singes) de passer à un méta niveau, c'est-à-dire avoir un certain niveau cognitif, avoir un point de vue sur ce niveau cognitif et réfléchir à la façon de manipuler les objets de ce niveau. Par exemple, concernant l'imitation, on a des règles et on peut les formaliser. Et connaissant ces règles-là, on peut agir dessus et éventuellement les changer. Les êtres humains sont les seuls à pouvoir faire cela. Les grands singes semblent aussi dans une certaine mesure pouvoir passer au méta niveau, mais sont très limités dans cette capacité et ne sont pas capables d'empiler plusieurs méta-niveaux.

Partant de cette idée assez simple, j'essaie de voir comment introduire ce phénomène dans un cadre multiagents. Dans ce modèle, non seulement un agent a une règle de mimétisme qui lui permet de changer son comportement en fonction du comportement des autres, mais comme il sait qu'il a une règle de mimétisme, il peut aussi changer cette règle-là en fonction des règles qu'il peut observer, ou inférer, chez les autres agents qu'il fréquente. Et de ce fait, il y a à la fois une dynamique comportementale et une dynamique au niveau des règles utilisées. Il y a donc une dynamique sur la dynamique. Et cela conduit à des systèmes avec des propriétés qui semblent assez étonnantes. Ils montrent à la fois une structuration des populations artificielles que l'on considère, une structuration hétérogène comme on peut l'observer dans les systèmes sociaux (ceci revenant à dire que les gens sont différents - il peut bien sûr y avoir des groupes, avec des similitudes mais, dans l'ensemble, c'est très hétérogène), mais aussi une structuration qui ne se fait pas n'importe comment. Au niveau des dynamiques de la population, dans l'espace des paramètres que l'on se donne pour le modèle initial, il n'y en a qu'un très petit nombre qui émergent. Il y a donc une structuration de l'ensemble des sociétés artificielles possibles, que l'on peut observer.

Mon travail actuel consiste donc à continuer mes recherches à partir de cette idée : comment rendre les règles de mimétisme endogènes par ce mécanisme d'autoréférence au niveau individuel, et voir si cela ne peut conduire à des formalisations plus élégantes dans la modélisation des systèmes sociaux.

AI : Avez-vous testé votre modèle. En avez-vous tiré des lois ?
DC: Pour l'instant, il s'agit vraiment d'une recherche qui débute, nouvelle et originale. J'ai commencé des travaux informatiques de simulation pour voir comment se comportait ce genre de systèmes. Maintenant, je les étudie d'un point de vue analytique. Pour ce qui est du comportement de ce genre de systèmes, lorsque je discute avec d'autres chercheurs que cette idée intéresse beaucoup, on en arrive toujours à : "il faudrait essayer ce formalisme-là sur tel modèle". C'est comme une espèce de plug-in : une idée qui permet de rendre endogène les mécanismes et processus d'imitation. Il faut savoir qu'il y a eu pléthore de modèles sur tel ou tel système social ou économique, modèles utilisant des mécanismes d'imitations. Mon idée est de voir ce qui change dans ces modèles lorsqu'on rajoute cette espèce de plug-in, de voir si cela réussi mieux. En fait, si ces modèles essaient déjà de faire un lien avec l'expérience. En rajoutant ce plug-in, ce lien sera plus ou moins réussi. Si cela réussi mieux, cela veut dire que le fait d'avoir une espèce de conscience des règles d'apprentissage et de pouvoir les modifier au niveau individuel participe au fait que les sociétés humaines sont si différentes des sociétés animales que l'on peut observer. Donc cela peut éventuellement améliorer les modèles actuellement disponibles où, à mon avis, le défaut réside dans le fait que les propriétés des agents sont données au départ par le modélisateur.

AI : Vous avez donc testé votre modèle en le comparant à d'anciens modèles...
DC: Oui, mon premier travail a été de reprendre un modèle très simple qui avait été proposé par Nowak et May en 1992 sur le problème du prisonnier spatial et de l'émergence de la coopération, et de rajouter cette couche qui permet aux agents de choisir leur règles d'imitation. En comparant les résultats, on observe une meilleure structuration des phénomènes étudiés et, surtout, on voit que les dynamiques sont beaucoup plus stables. Pas en termes de stabilité locale, mais en termes de stabilité au niveau de la dynamique elle-même. C'est-à-dire qu'il y a un faible nombre de dynamiques qui apparaissent, qui peuvent caractériser des systèmes sociaux qui se mettent en place.
Je viens d'ailleurs de proposer un article sur le sujet au journal Nature.

AI : Comment voyez-vous la suite de vos travaux ?
DC: Précisons que le modèle de Nowak et May est un modèle relativement simple et déjà ancien. Je considère maintenant des modèles plus récents, bien plus compliqués. De la même manière, j'y rajoute cette dimension d'auto-référence et de méta-mimétique, et je regarde ce que cela change dans les résultats précédemment obtenus.
Maintenant, je suis également en train de travailler sur d'autres choses, qui incluent aussi des problèmes de sélection naturelle. Là, mon idée repose sur un constat : si l'on regarde l'évolution génétique de l'homme sur les derniers milliers d'années, il n'y a eu pratiquement aucune évolution au niveau génétique ; en revanche, en ce qui concerne le niveau culturel ou technologique, et si l'on se réfère au siècle dernier, cela n'a plus rien à voir avec ce qu'on voit aujourd'hui. Cela veut dire que l'évolution des sociétés humaines se place maintenant à un autre niveau : nous n'évoluons plus principalement de manière génétique, mais par des voies culturelles, technologiques et économiques. Alors, quelle est l'essence de cette dynamique ? Désormais, il s'agit donc à mon avis de phénomènes de transmission culturelle, par l'imitation au sens large, imitation au sens large voulant dire que l'on choisit, dans l'ensemble des gens qu'on fréquente, un sous-ensemble de gens desquels on va essayer d'apprendre certaines choses.

AI : Cette accélération des acquis sociologiques ne proviendrait-elle pas tout simplement du fait que cela va maintenant bien plus vite d'aller d'un côté de la planète à l'autre, d'une explosion récente aussi des réseaux d'informations et de communication...
DC: Oui, bien sûr. Mais remontons simplement à deux siècles d'ici, où l'on n'avait pas tout cela, pas d'électricité... : l'évolution culturelle entre il y a 6000 ans et il y a deux siècles s'est faite beaucoup plus rapidement que n'a évolué notre génome, qui n'a d'ailleurs plus évolué. Donc mon idée est que la structuration spécifique des sociétés humaines n'est pas particulièrement due à des phénomènes génétiques. Ces derniers ont pu l'amorcer en nous donnant des capacités cognitives particulières, mais la structuration s'est faite ensuite par d'autres processus. Et à mon avis, un de ces processus, très important, est celui de transmission sociale par des processus d'imitation. Et celui-ci va beaucoup plus vite car on n'a pas besoin d'attendre de mourir pour pouvoir faire une variation et puis éventuellement la sélectionner... nous la faisons nous même par influence par rapport aux autres et en changeant nos propres règles.

AI : Que pensez-vous de la mémétique, dont nous parlons souvent sur notre site. Comme il y aurait le gène, il y aurait le mème - "entité réplicative d'idées", sorte d'agent répliquant soumis aux règles de l'évolution darwinienne, qui profiteraient de nos cerveaux pour se transmettre... Après sélection ne se transmettraient de cerveaux à cerveaux que les idées les plus "fortes"...
DC : Oui, je connais la mémétique. Mais il s'agit des idées les plus fortes par rapport à quoi ?

AI : Idées les plus "fortes", au sens Darwinien...
DC : Oui, mais alors idées les plus fortes par rapport à un certain écosystème. Si on regarde l'évolution des espèces, la fitness d'une espèce dépend des autres espèces et de l'environnement dans lequel elle se trouve. Traverse-t-elle par exemple une période glaciaire, une période chaude, vit-elle dans les montagnes, etc. Donc si on veut faire l'analogie et garder la terminologie de méméticiens, une idée n'est pas forte en soi. Sa "force" va dépendre des autres idées qui sont en présence, et de leurs écosystèmes, au sens substrat, et donc des réceptacles. Comment sont ces réceptacles ? A mon avis, on ne peut pas étudier la mémétique sans savoir quelles sont les propriétés de ces réceptacles. Si on veut en savoir plus sur la propagation d'entités comme les mèmes, il faut aussi savoir ce qui fait qu'ils vont être plus ou moins acceptés. Alors on peut voir cela comme des méta-mèmes : cela peut être aussi justement une des propriétés cognitives de l'être humain qui est la manipulation de ses propres règles d'apprentissage et d'imitation. A ce moment-là, les travaux sur lesquels je me penche peuvent justement permettre de voir quels types d'écosystèmes peuvent rencontrer les idées.

AI : Les scientifiques français sont-ils novateurs dans les domaines que vous étudiez ? Quelle est ici l'excellence de la France par rapport aux autres pays ?
DC : Disons que dans notre domaine, la France commence à se réveiller... Les leaders sont les américains mais nous commençons à avoir aussi de très bons chercheurs et de très bons laboratoires autour des sciences cognitives, autour aussi de la modélisation multiagents. Mais il faut savoir que le fait d'avoir chez-nous des licences, maîtrises et DEA de sciences cognitives est très récent.
Et puis, les approches pluridisciplinaires viennent maintenant en force grâce par exemple au CNRS qui met en place des sections pluridisciplinaires. Là aussi c'est très récent. Citons par exemple de nouveaux départements, comme le STIC (1), qui sont multicritères.
Donc avant, c'était très très dur de faire une carrière comme celle que j'aimerais faire parce qu'il fallait vraiment d'abord s'inscrire dans sa discipline et de profiter de l'indulgence des autres pour faire des choses un peu à côté. Maintenant on peut espérer que la pluridisciplinarité sera recherchée.
Il est vrai aussi que j'ai eu de la chance, de fait par mon cursus : à partir du moment où on a fait l'école normale supérieure, on bénéficie d'un certain crédit par rapport aux professeurs des DEA que l'on pourrait aller voir, et qui disent plutôt oui à certains sujets de recherche. Peut-être est-ce peu plus dur pour un étudiant ayant suivi une filière purement "faculté" et qui veut faire des recherches un peu en dehors des chemins battus.

AI : Avez-vous des contacts au niveau européen ?
DC : Oui. L'Europe se réveille. La complexité est affichée dans le 6ème PCRDt. Un réseau d'excellence est en train de se mettre en place.