Modéliser & simuler Epistémologies et pratiques de la modélisation et de la simulation. Tome 1, volume 1.

Sous la direction de Franck Varenne & Marc Silberstein
Collection : Sciences & philosophie

Ce tome se compose de 2 volumes. Vous êtes sur le point d'acheter le volume 1. Le volume 2 est disponible ici.

34,00 €

  • Livre papier
  • eBook PDF
Délais moyens : France métropolitaine (4 à 5 jours ouvrés) ; DOM-TOM (7 à 10 jours ouvrés) ; autres pays (7 à 15 jours ouvrés)
Paiement sécurisé
Livraison offerte

Modèles analogiques, modèles mathématiques, multimodélisations, simulations numériques, simulations à base d’objets ou à base d’agents, simulations hybrides, simulations multi-échelles, multi-aspects ou multi-physiques… Cet ouvrage entreprend de faire le point sur la variété des techniques contemporaines de modélisation et de simulation en sciences. Le paysage a sensiblement évolué ces dernières années et la variété des pratiques s’est accentuée. À partir de l’essor des approches individus-centrées et des approches orientées-objets ou fondées sur des agents informatiques, par exemple, les simulations n’ont plus toujours été conçues comme des calculs approchés de modèle mathématique mais aussi parfois comme des systèmes de représentations à visée plus ou moins réaliste. À côté des approches de simulations numériques toujours plus fines et puissantes, on parle ainsi de laboratoire virtuel, d’observatoire virtuel ou encore d’expérimentation in silico. Dans ce cadre-là, le statut épistémologique des simulations a de nouveau été activement interrogé. Autre déplacement notable dû à ce changement des outils et des pratiques  : les modèles, sous le nom de « modèles de simulation », n’apparurent plus nécessairement comme appelés à demeurer simples, en tout cas au sens où les méthodologies de naguère semblaient l’exiger de manière définitive.

L’objectif de cet ouvrage est de se faire l’écho de ces bouleversements, de ces déplacements et de ces interrogations multiples de manière à donner au lecteur – tant scientifique ou philosophe que curieux des nouveaux agencements de ces pratiques scientifiques – certaines des pistes de réflexion et d’analyse qui paraissent les plus représentatives ou les plus prometteuses en ce domaine.

Ce tome 1 de Modéliser & simuler est divisé en deux grandes parties. La première rassemble onze contributions de nature épistémologique, émanant de philosophes des sciences ou de scientifiques modélisateurs. La seconde partie présente vingt-deux chapitres de nature plus proprement méthodologique et applicative écrits par des scientifiques modélisateurs  elle est subdivisée en trois sous-parties dont la justification est, quant à elle, classique puisque résolument disciplinaire, et cela même si la modélisation a justement parfois pour effet de brouiller les frontières disciplinaires [2.1] Physique, sciences de la Terre et de l’Univers, [2.2] Sciences du vivant, [2.3] Sciences sociales. Cette classification disciplinaire par défaut a le double avantage de donner un premier outil d’orientation au lecteur plus familier des objets que des méthodes et aussi de lui donner d’emblée l’idée de l’extrême étendue du spectre des domaines scientifiques où ces pratiques contemporaines se multiplient effectivement et se croisent. Ces parties sont assez équilibrées entre elles. Elles contiennent chacune entre 6 et 9 chapitres. Elles sont elles-mêmes ordonnées en fonction de l’échelle ou du niveau d’intégration croissant ou décroissant des domaines ou des systèmes cibles. Ces chapitres, même nombreux, ne justifient certes pas que l’on parle ici d’exhaustivité, mais au moins d’une certaine représentativité.

La variété des approches philosophiques des modèles et des simulations comme celle des pratiques scientifiques justifient l’emploi des deux pluriels dans le titre de l’ouvrage : il s’agit bien ici d’exposer et de mettre en regard à la fois des épistémologies et des pratiques, bien que ces deux diversités ne s’expliquent pas par les mêmes raisons. L’épistémologie en particulier est donc comprise ici en un sens large. La demande qui a été formulée en direction des auteurs était toutefois différente et dépendait de leurs domaines de compétence : on ne pouvait supposer que les scientifiques se muent en épistémologues, ni inversement. Aux philosophes de métier ou à certains scientifiques devenus aussi des épistémologues actifs, il a été demandé une analyse des concepts et des pratiques avec une sensibilité particulière au tournant computationnel et aux changements conceptuels afférents des dernières décennies. Aux scientifiques modélisateurs, en revanche, il a été demandé de fournir un travail de méthodologie comparative dans leur domaine, c’est-à-dire un travail de mise en perspective critique des différents types de modèle et de simulation qu’ils pratiquent, ainsi que des types de justification qui chaque fois les accompagnent dans la littérature scientifique consacrée. Ils avaient la possibilité pour cela de focaliser leur chapitre sur la variété et sur l’évolution des types de modélisation et de simulation d’un cas de système cible (ex. : protoplanète, plante, etc.) ou, au moins, d’un cas de domaine cible (ex. : trafic routier, circulations d’opinion, complexe sol-eau, etc.). La deuxième partie de cet ouvrage – celle qui présente les chapitres de scientifiques modélisateurs – est délibérément la plus fournie. La parole et les analyses des praticiens ont en effet été sciemment favorisées. Pour un certain nombre de ces auteurs scientifiques, le défi était nouveau : le passage à la langue française, au discours comparativiste et de mise en perspective le plus à jour possible sur des domaines si avancés était une réelle nouveauté. Le résultat est d’une grande rigueur et d’une grande richesse : bien des idées fortes et, pour certaines réellement inédites, sont exprimées dans cet ouvrage collectif.

Auteurs Arnaud Banos, Hugues Berry, Guillaume Beslon, Pierre-Alain Braillard, Éric Brun, Timoteo Carletti, Stéphane Colombi, Guillaume Costeseque, Sylvain Cussat-Blanc, Philippe de Reffye, Guillaume Deffuant, Hervé Douville, Raphaël Duboz, Yves Duthen, Sébastien Dutreuil, Evelyn Fox Keller, Alain Franc, Olivier Gandrillon, Sylvie Huet, Philippe Huneman, Marc Jaeger, Julie Jebeile, Carole Knibbe, Jean Lassègue, Giuseppe Longo, Hervé Luga, Frédéric Masset, Jean-Pierre Mazat, Samuel Morin, Jean-Pierre Müller, Denis Noble, Magalie Ochs, Alain Pavé, Édith Perrier, Isabelle Peschard, Martine Robert , Juliette Rouchier, Lena Sanders, Marc Silberstein, S. Randall Thomas, Franck Varenne, Vincent Vionnet, Bernard Walliser, Hervé Wozniak
Titre Modéliser & simuler
Sous-titre Epistémologies et pratiques de la modélisation et de la simulation. Tome 1, volume 1.
Édition 1re édition
Date de publication Avril 2013
Sous la direction de Franck Varenne & Marc Silberstein
ISSN 2275-9948
ISBN 978-2-919694-37-2
eISBN 978-2-919694-19-8 (PDF) ; 978-2-919694-59-4 (ePub)
Support eBook PDF (couleur et hypertextes), eBook ePub (idem) ; Livre papier (noir et blanc)
EAN13 Papier 9782919694372
Nombre de pages 546
Dimensions 17 x 24 cm
Prix livre papier 34 €
Prix eBook PDF 23,00 €
Dewey 003, 120, 500, 510

Avant-propos (page 7)

Introduction (page 11)Franck Varenne (Université de Rouen), Modèles et simulations dans l’enquête scientifique : variétés traditionnelles et mutations contemporaines

1 | Les modèles scientifiques

1.1 | Fonction générale

1.2 | Fonctions spécifiques

1.2.1 | Faciliter une expérience

1.2.2 | Faciliter une formulation intelligible

1.2.3 | Faciliter une théorisation

1.2.4 | Faciliter la communication et la coconstruction des savoirs

1.2.5 | Faciliter la décision et l’action

1.3 | Natures des modèles

1.4 | Principes mis en œuvre par les modèles : analogie, compression d’informations, dénotation, exemplification

2 | Les simulations

2.1 | La simulation comme type de modèle

2.2 | La simulation comme calcul de modèle

2.3 | Une caractérisation générale des simulations

2.4 | Trois types de simulations

2.4.1 | La simulation dirigée par le modèle ou simulation numérique

2.4.2 | La simulation dirigée par des règles ou simulation algorithmique

2.4.3 | La simulation dirigée par des objets ou simulation informatique ou encore simulation à base d’ontologies

3 | Modèle et simulation

3.1 | Simulation de modèle

3.2 | Modèle de simulation-1

3.3 | Modèle de simulation-2

4 | Épistémologies et pratiques

Partie 1. Epistémologies de la modélisation et de la simulation

Chapitre 1 (page 53)Alain Franc (Inra), Mathématisation et modélisation, entre histoire et diversité

1 | Diversité et complexité

2 | De la modélisation au récit

3 | Diversité et modélisation

4 | Régularités statistiques

5 | L’efficacité déraisonnable des mathématiques

6 | Sur la notion de loi en physique et en écologie

7 | Quelques rappels historiques sur les bases de la modélisation en écologie

8 | Le rôle du temps et de l’histoire en écologie

9 | Complexité et histoire

Chapitre 2 (page 83), Giuseppe Longo (CNRS), Des sciences exactes aux phénomènes du vivant, à partir de Schrödinger : mathématiques, programme et modèles 

1 | Programme et « structure de détermination »

2 | Du programme à l’organisme

2.1 | Les réactions

3 | Circularités en logique et en calculabilité

4 | Circularité et aléatoire physique et biologique

4.1 | Avons-nous besoin d’un aléatoire propre à la théorie biologique ?

5 | Les circularités dans les phénomènes biologiques

6 | Quelques pistes de recherche

6.1 | Criticité étendue

6.2 | La protension et les rythmes biologiques

6.3 | Néguentropie

7 | Conclusion : théories, modèles, imitations, schèmes

Chapitre 3 (page 113), Evelyn Fox Keller (MIT), Biologie des systèmes et recherche des lois générales

1 | Les difficiles rapports entre la physique et la biologie

2 | Quid des « lois de la biologie » ?

3 | La biologie des systèmes comme point d’entrée de la physique dans la biologie

4 | Conclusion

Chapitre 4 (page 131), Jean Lassègue (CNRS), Turing, entre le formel de Hilbert et la forme de Goethe 

1 | Sur la sémiologie du calcul formel

1.1 | Première étape : le point de vue hilbertien

1.2 | Deuxième étape : le point de vue gödelien

1.3 | Troisième étape : le point de vue turingien

2 | Les limitations internes des formalismes et les stratégies théoriques turingiennes

2.1 | Le traitement logiciel : au-delà du codage

2.2 | Le dispositif matériel : au-delà du déterminisme prédictif

2.3 | L’impensé du rapport traitement logiciel/dispositif matériel

3 | Conclusion : retour aux principes sémiologiques

Chapitre 5 (page 145), Isabelle Peschard (Université d’état de San Francisco), Les simulations sont-elles de réels substituts de l’expérience ?

1 | Clarification des termes du débat

1.1 | Expérience

1.2 | Simulation

2 | La simulation comme expérience

3 | Fausses similarités

3.1 | Expérience et manipulation

3.2 | L’expérience comme la simulation repose sur l’utilisation de modèles

4 | Différences épistémiques

4.1 | Cible épistémique de l’expérience

4.1.1 | Fiabilité

4.1.2 | Généralisation

4.2 | Cible épistémique de la simulation

4.3 | Coopération entre simulation et expérience

5 | Conclusion

Chapitre 6 (page 171), Julie Jebeile (IHPST), Le tournant computationnel dans les sciences : la fin d’une philosophie de la connaissance 

1 | Esquisse d’une justification « traditionnelle »

2 | La justification traditionnelle face au tournant computationnel

2.1 | L’exigence de transparence

2.1.1 | L’exigence d’un unique esprit

2.2 | L’exigence de déductibilité

3 | Le problème des approximations

3.1 | L’impossibilité d’une justification forte

3.2 | Les moyens de contrôle

3.3 | L’enchevêtrement des deux étapes de confirmation

4 | Conclusion

Chapitre 7 (page 191), Sébastien Dutreuil (IHPST), Comment le modèle Daisyworld peut-il contribuer à l’hypothèse Gaïa ? 

1 | Nature de la controverse autour de HG

1.1 | Le projet de HG

1.2 | Les deux critiques principales

1.3 | Manières de répondre et réponses aux critiques

2 | Modèle original : description, résultats, critiques

2.1 | Description du modèle original

2.2 | Résultats

2.3 | Quatre critiques principales, un ajout

Critique C1 : Daisyworld est un cas particulier où certains traits confèrent un avantage sélectif si et seulement s’ils contribuent à la régulation

Critique C2 : quid de l’émergence d’un tricheur ?

Critique C2 bis : les traits des organismes ne devraient pas avoir de conséquences sélectives

Critique C3 : un modèle trop simple ?

Critique C4 : un modèle – ou des questions ? – trop général(es) ?

Critique C5 : pâquerette, métaphysique et épistémologie

3 | Explanandum de HG, explanandum de Daisyworld

3.1 | Stabilité, homéostasie, régulation, autorégulation : un explanandum cybernétique

3.2 | De la régulation à l’habitabilité

3.3 | Optimisation et asymétrie des rôles de l’environnement et de la vie

3.4 | Trois questions centrales à Gaïa, Daisyworld ne peut en adresser que deux

4 | Évolution de Daisyworld et réponses aux critiques

4.1 | Rendre explicites les hypothèses du modèle

4.2 | Des variantes de Daisyworld importantes mais ne permettant pas de répondre aux critiques

4.3 | Répondre à la critique C1 sur l’idiosyncrasie du modèle

4.4 | Répondre à la critique C2 et à celle sur l’altruisme, première tentative : l’introduction de « tricheurs »

4.5 | Répondre à la critique C2 bis et à celle sur l’altruisme, seconde tentative : les produits dérivés de la sélection

4.6 | Répondre à la critique C3 : simplicité du modèle et complexité du monde

4.7 | Conclusion partielle : la perspective de HG déduite de l’analyse de ses modèles

5 | Nature du modèle et portée épistémique

5.1 | Ce qu’est un modèle, une simulation, une fiction : métaphysique et épistémologie

5.1.1 | Simplicité et généralité du modèle : Daisyworld est-il aux sciences du système Terre ce que Lotka-Volterra est à l’écologie ?

5.2 | Ce que fait un modèle

5.3 | Pourquoi devons-nous avoir confiance dans ce que font les modèles ?

6 | Conclusion

Chapitre 8 (page 257), Philippe Huneman (CNRS), Emergence computationnelle, causalité et objectivité : éléments d’une approche théorique alternative

1 | Emergence combinatoriale et émergence computationnelle

2 | Le critère d’incompressibilité et les processus émergents

3 | Causalité et émergence computationnelle

3.1 | Causalité et simulations

3.2 | Causalité et incompressibilité : l’émergence comme cassure de l’explication causale

3.3 | Emergence, robustesse causale et ordre émergent

4 | Applications

5 | Conclusion

Chapitre 9 (page 277), Pierre-Alain Braillard (Université Lille 1), Que peut expliquer un modèle complexe et peut-on le comprendre ?

1 | Quelques doutes sur l’utilité des modèles complexes

2 | Les différentes fonctions qu’un modèle peut remplir

3 | Le problème de la compréhension

4 | Comment la modélisation peut conduire à des principes intelligibles

5 | Des principes généraux mieux ancrés dans la réalité biologique

6 | Sur quelques limites des modèles et de la compréhension

7 | Conclusion

Chapitre 10 (page 299), Franck Varenne (Université de Rouen), Modèles et simulations : pluriformaliser, simuler, remathématiser

1 | Objectif et méthode

2 | Quelques définitions préalables

3 | Modélisation fragmentée et besoin d’une simulation intégrative

4 | Sur quelques fausses limitations des simulations

5 | Véritables limitations des simulations et nécessité d’une remathématisation

6 | Conclusion

Chapitre 11(page 327), Hugues Berry (Inria) & Guillaume Beslon (Insa de Lyon), De la modélisation comme poésie. La modélisation de systèmes biologiques complexes vue par deux modélisateurs

1 | Une approche pragmatique de la modélisation de systèmes biologiques complexes

1.1 | Le tour du domaine

1.1.1 | De la complexité

1.1.2 | Système biologique complexe et biologie des systèmes

1.2 | De la modélisation à la modélisation individu-centrée

1.2.1 | Qu’est-ce qu’un modèle ?

1.2.2 | Le cas de la simulation

1.2.3 | La modélisation individu-centrée

1.2.4 | Conclusion : modèles individu-centrés de systèmes biologiques complexes

1.3 | Une méthodologie pragmatique pour la modélisation individu-centrée en biologie

1.3.1 | Introduction

1.3.2 | La modélisation individu-centrée, une modélisation expérimentale

1.4 | Quelques règles pour la modélisation individu-centrée

2 | Un exemple typique : diffusion-réaction intracellulaire

2.1 | Modélisation de la diffusion

2.2 | Couplage réaction-diffusion

2.3 | Positionnement du septum de division chez E. coli

3 | Conclusion : la position paradoxale du modélisateur-expérimentateur

Partie 2. Pratiques de la modélisation et de la simulation

2.1 ● Physique, sciences de la Terre et de l’Univers

Chapitre 12 (page 393), Stéphane Colombi (IAP), Simulations numériques des grandes structures de l’Univers

1 | Principe cosmologique

1.1 | Homogénéité

1.2 | Isotropie

1.3 | Expansion

2 | Énergie noire, matière noire et baryons

2.1 | Matière baryonique

2.2 | Matière noire

2.3 | Dynamique gravitationnelle et matière noire

2.4 | Biais entre les galaxies et la matière noire

3 | Équations de la dynamique et modélisation numérique

3.1 | Matière noire

3.1.1 | Modélisation numérique de la matière noire

3.2 | Gaz

3.2.1 | Modélisation numérique du gaz

3.3 | Étoiles

3.4 | Interaction gravitationnelle

3.4.1 | Résolution numérique de l’équation de Poisson

3.5 | Processus de rétroaction

3.6 | Expansion de l’Univers : variables supercomobiles

3.6.1 | Contraste de densité

3.7 | Énergie noire

4 | De l’intérêt des simulations numériques

4.1 | Étude de systèmes complexes

4.2 | Validation de calculs analytiques

4.2.1 | Théorie des perturbations

4.2.2 | Point de vue eulérien et point de vue lagrangien

4.2.3 |Théorie des perturbations et simulations

4.2.4 | Modèle du halo

4.3 | Observations virtuelles

4.3.1 | Modèle de formation des grandes structures

4.3.2 | L’Univers dans un ordinateur

4.3.3 | Observation de l’Univers virtuel avec un télescope virtuel

4.3.4 | Traitement statistique

5 | Conclusion

Chapitre 13 (page 427), Frédéric S. Masset (CEA), Modélisation des interactions disque-protoplanètes 

1 | Généralités sur les effets de marée planète-disque

1.1 | Disques protoplanétaires

1.2 | Sillage de marée d’une protoplanète

2 | Principe des simulations hydrodynamiques des disques protoplanètaires

2.1 | Généralités

2.2 | Principe des méthodes à grille

2.3 | Propriétés de conservation

2.4 | Limitation du pas de temps

2.5 | Limitation du pas de temps dans le cas particulier des disques protoplanétaires

2.6 | Quelques résultats simples

3 | Méthodologie et résultats des simulations d’interaction planète-disque

3.1 | Exploration de l’espace des paramètres

3.2 | Vers plus de réalisme

4 | Conclusions

Chapitre 14 (page 445)Hervé Wozniak (OAS), Diffuser modèles et simulations en astrophysique : l’apport de l’Observatoire virtuel 

1 | Simulations numériques en astrophysique : de l’artisanat au gigantisme

2 | Publier les produits de simulations

3 | L’interopérabilité

4 | L’Observatoire virtuel

5 | Standards et protocoles pour la théorie

6 | Quel avenir pour la « Théorie dans l’Observatoire virtuel » ?

Chapitre 15 (page 473), Édith Perrier (IRD), Modèles et simulations multi-échelles de systèmes complexes sol-eau 

1 | Hydrodynamique : à chaque échelle son modèle ?

1.1 | Les équations « macroscopiques » des ingénieurs

1.2 | Les équations « microscopiques » des mécaniciens des fluides

1.3 | La double intégration des physiciens des milieux poreux

2 | Modèles d’organisation spatiale multi-échelles pour le sol

2.1 | L’échelle « macroscopique » du milieu poreux sol

2.2 | L’échelle « microscopique » de l’espace poral

2.3 | Recherche d’invariants à l’échelle des pores : l’approche fractale

3 | Système eau-sol : focus sur la simulation de réseaux

3.1 | Réseaux de pores

3.2 | Réseaux de percolation

4 | Conclusion. Modélisation, simulation, systèmes

Chapitre 16 (page 499)Hervé Douville (CNRM), Evolution récente des modèles numériques de climat 

0 | Préambule

1 | Introduction

2 | Prévoir et comprendre : même combat ?

3 | Du climat au système Terre : une fuite en avant ?

4 | La prévision d’ensemble : motivations et limites

5 | Synergie modèles-observations : qu’est-ce qu’un « bon » modèle ?

6 | Conclusion

Chapitre 17 (page 525), Éric Brun (CNRM), Samuel Morin (CNRM) & Vincent Vionnet (CNRM), La modélisation du manteau neigeux en réponse à des enjeux majeurs souvent ignorés

1 | Le manteau neigeux : un milieu complexe aux enjeux souvent méconnus

2 | Historique de la modélisation du manteau neigeux : des modèles statistiques de fonte aux modèles numériques du manteau neigeux

3 | Crocus, un modèle représentatif de la génération actuelle

4 | Quelques applications des modèles numériques du manteau neigeux

4.1 | Prévision opérationnelle du risque d’avalanches

4.2 | Hydrologie nivale, changement climatique

4.3 | Transport de neige par le vent

4.4 | Le manteau neigeux virtuel, complément indispensable au manteau neigeux réel

5 | Les défis à venir

5.1 | Simulation du manteau neigeux en forêt

5.2 | Assimilation des observations satellitaires

5.3 | Propriétés mécaniques et stabilité des manteaux neigeux simulés

Livre signalé sur le Réseau Philosophie-Economie.

Ressemblances et faux-semblants : Du modèle à la simulation
Émission enregistrée dans le cadre de Citéphilo 2013 et diffusée sur France culture
Durée : 49 minutes

Télécharger
Avis de parution Modéliser & simuler (13.68M)

Cet avis de parution comprend la présentation vidéo de Franck Varenne.

Sur le même thème