Théories et modèles en sciences humaines Le cas de la géographie

Remerciements (page 5) 

Préface de Denise Pumain (page 7)

Introduction (page 15) Une épistémologie analytique, comparative et appliquée

1] Le cas des plantes : historicité, spatialité et pluriformalisation des modèles

2] Qu’en est-il de la géographie ?

3] Déterminisme ou possibilisme

4] Science idiographique ou science nomothétique

5] Science spécifique ou science de synthèse

6] Méthode et choix du corpus

7] Organisation de l’ouvrage

Partie I (page 45) Théories, lois, modèles et simulations : caractérisations

1] Le concept de théorie

1.1] Une structure formelle

1.2] Les types de théories en géographie

1.3] La question des postulats fondamentaux

1.4] Le spectre de la réduction

2] Le concept de loi

2.1] Loi et généralisation accidentelle

2.2] Les types de lois en géographie

2.3] Le problème des termes singuliers dans les lois géographiques

2.4] Lois au sens strict versus lois ceteris paribus

2.5] Loi, force et cause

2.6] La relation loi/théorie selon le positivisme logique

2.7] Des lois aux mécanismes

2.8] Mécanismes et faits stylisés en science sociale

3] La notion de modèle et ses déclinaisons

3.1] Fonction générale, grandes fonctions et fonctions spécifiques des modèles

Grande fonction I : Faciliter l’expérience et l’observation contrôlée
 Grande fonction II : Faciliter la formulation intelligible
Grande fonction III : Faciliter la théorisation
Grande fonction IV : Faciliter la coconstruction des savoirs
Grande fonction V : Faciliter la décision et l’action

3.2] Les natures des modèles

Leurs substances
Leurs aspects
Leurs usages

3.3] Les principes des modèles

3.4] Sur les rapports entre modèle et théorie

3.5] Théorie et modèle : lequel vient en premier ?

4] La notion de simulation

4.1] La simulation : une stratégie de traitement de symboles en deux phases

4.2] La simulation dirigée par un modèle ou simulation numérique

4.3] La simulation dirigée par des règles ou simulation algorithmique

4.4] La simulation dirigée par des objets ou simulation informatique

5] Simulation de système, simulation de modèle et modèle de simulation

5.1] Simulation de système

5.2] Simulation de modèle

5.3] Modèle de simulation-1

5.4] Modèle de simulation-2

Partie II (page 143) Les facteurs à l’origine de la géographie quantitative et théorique

1] Épistémologie théorique et épistémologie appliquée face à la guerre

2] Trois articles fondateurs

2.1] Schaefer (1953)

2.2] Burton (1963)

2.3] Ackerman (1963)

3] Changements et innovations

3.1] Les changements dans le terrain d’enquête

Un changement d’objets : situations, villes et interactions spatiales
Des objets aux propriétés abstraites
Des propriétés abstraites aux objets mathématico-géographiques
Un appel ambigu à la géométrie, à la topologie et à la visualisation théorique

3.2] Les premières possibilités des modèles : l’analyse de données

Masse des données et diversification de leurs types
De nouvelles méthodes pour l’analyse de données

3.3] Les ambitions théoriques

Un apparent renouvellement de la géomorphologie : théorique et mathématique

De Davis à Horton et Strahler

Chorley et la théorie des systèmes

De nouveaux formalismes en mathématiques

La théorie des graphes

La topologie différentielle

Les processus stochastiques

Logicisme et conception linguistique des mathématiques

La matrice de Berry rompt de fait avec l’épistémologie logiciste

De nouveaux transferts de concepts physiques

Alfred Lotka et la « mécanique générale des êtres vivants »

George K. Zipf et le « principe du moindre effort »

John Q. Stewart et la « physique sociale »

Rationalisations épistémologiques en faveur de la théorie et problème de l’unicité des faits

Partie III (page 257) Économie spatiale et géographie urbaine : des théories aux modèles

1] Le modèle gravitaire : interpréter la loi de Reilly

1.1] Un modèle en manque de théorie : les critiques d’Isard et Bramhall (1960)

La « science régionale » de Walter Isard

L’approche probabiliste de la gravité menace l’interprétation physicaliste

L’inconsistance théorique des concepts de potentiel et de masse en géographie

Le problème du sens de l’exposant

Un argument épistémologique illusoire : le modèle simple ne capte pas toujours l’essentiel

1.2] Modèle de Huff et tournant comportementaliste des modèles gravitaires

Le passage du terme de « loi » à celui de « modèle »

Le modèle comme outil et ses limitations

Un modèle probabiliste de comportement

1.3] Les déplacements épistémologiques sur le terrain : modèle théorique et explication

Le modèle probabiliste comme modèle théorique à probabilité objective

Un modèle à fonction théorique mais qui ne déduit pas de lois

Un modèle théorique à substrat computationnel

Le computeur permet aussi une modélisation graphique du modèle théorique

La leçon qu’en tire Brian Berry : une première « théorie logique des choix »

2] Formaliser, comprendre et expliquer la distribution des villes

2.1] Première épistémologie : déduire la théorie de concepts fondamentaux

L’épistémologie de Walter Christaller : déduire les concepts avant tout

La « déduction » de Christaller

L’épistémologie de August Lösch : l’agent rationnel naturel dans l’espace

La conception de la théorie chez Christaller et Lösch

La leçon épistémologique des « théories des lieux centraux » selon Paul Claval

Le statut épistémique des théories des lieux centraux révèle une épistémologie instable

2.2] Deuxième épistémologie : induire la théoriequi explique les lois empiriques

Les explications théoriques alternatives pour la loi rang-taille

Que faire face à la sous-détermination théories/lois ?

De la sous-détermination des théories à la théorie des systèmes

2.3] Troisième épistémologie : modèle théorico-explicatif et loi empirique garde-fou

Indétermination de la meilleure forme théorique pour la loi rang-taille

Les modèles « statiques » : des modèles théoriques et de compréhension

Modèles d’optimum économique

Modèles de l’état le plus probable

Les modèles « génétiques » : des modèles théoriques et d’explication

Modèle de croissance allométrique

Modèle stochastique d’Herbert Simon

Modèle de Robert Gibrat

Modèle non stochastique de Steindl et modèles dynamiques

La modélisation « globale » et la nouvelle épistémologie associée

Compréhension sans explication versus explication sans compréhension

Une modélisation intégrative

L’épistémologie de synthèse de Denise Pumain

2.4] Une première critique des modèles : les arguments de Pierre Georges

Le mythe du nombre

Les écueils de l’analyse de données

Mécanismes, images, lois et modèles

Le modèle comme test d’hypothèse et comme instrument d’analyse

Force, vie et créativité échappent à tout modèle de simulation

Partie IV (page 375) Les révolutions computationnelles : de l’analyse à la synthèse

1] La matrice d’informations géographiques

1.1] La matrice selon Berliner

Un modèle générateur de méthodes pour les sciences humaines

Un paradigme pour une économie sensible aux traits culturels et spatiaux des sociétés

Analyse statique et analyse dynamique par matrice

1.2] La « matrice géographique » de Berry

Qu’est-ce que la géographie ?

La matrice comme système simple et général

La déduction matricielle des diverses approches en « analyse régionale »

Introduction et usages de la dimension temporelle

L’ordre matriciel suggère des schémas théoriques généraux

La matrice comme heuristique des méthodes

1.3] Réception de la matrice de Berry

Les limitations de la matrice selon Haggett et Chorley

La matrice comme variable numérique généralisée selon King

Fonction partiellement théorique de la matrice selon Racine et Reymond

Induction et déduction dans l’analyse de données

2] Modèles de données, modèles d’hypothèses et analyses de données

2.1] Formats des données et opérations de calcul statistique

Analyse pour les modèles de données

Choix et ajustement (fitting) des modèles de données

L’épistémologie des modèles probabilistes est sous-déterminée par leur méthodologie

2.2] Analyses d’association et modèles d’hypothèse causale

Association, corrélation et régression

Régression et hypothèse causale

Modèles de régression simple et modèles de régression multiple

Régression multiple pas à pas (stepwise regression)

Analyse multivariée et analyse géométrique des données

Analyse causale : le cas voisin de la sociologie mathématique

L’analyse par surfaces de tendance (trend surfaces)

L’inférence bayésienne en géographie

Bilan sur les pratiques d’analyse de données

3] Problèmes spécifiques des données géographiques

3.1] Locational Analysis in Human Geography : de l’édition de 1965 à celle de 1977

3.2] La dépendance spatiale ou autocorrélation spatiale

 La première « loi » de la géographie ou « loi de Tobler »

Stratégies d’évitement de l’autocorrélation

Différentes réactions des géographes à l’autocorrélation

3.3] Non-stationnarité spatiale

3.4] Non-normalité et analyses non paramétriques

3.5] Non-régularité des zones de collecte et analyse multiniveaux

3.6] Approches multiniveaux et fractalité

4] Modèles pour la prévision

4.1] Faut-il expliquer pour prédire ?

4.2] Expliquer, théoriser, prédire par modèles

4.3] Modèles prédictifs à ontologie minimale : planification urbaine et analyse d’activités

4.4] La simulation comme modèle à iconicité temporelle : Forrester et Batty

4.5] La simulation comme « médium pour la modélisation dynamique »

4.6] Modèles prédictifs à ontologie nulle : modèles autorégressifs, filtrage numérique et analyse spectrale

5] Modèles de simulation pour la synthèse explicative

5.1] Une innovation décisive : la simulation géographique

Un troisième bouleversement favorisé par le computeur

Hägerstrand : une tardive mais large reconnaissance

5.2] La simulation : une analyse par synthèse

L’analyse par modèles : identification de modèle versus  synthèse de données

Simulation, simulat et simulation informatique

5.3] La diffusion comme processus spatio-temporel porté par les individus

Des « phénomènes de distribution » (De Geer) au concept géographique de diffusion

L’approche par les individus permet la combinaison de propriétés hétérogènes

5.4] Les modèles de simulation Monte-Carlo de Hägerstrand

Le rejet des courbes de distribution et des analogies
Une recherche indirecte du général par la reproduction du singulier
Premier modèle de Hägerstrand : à adoption complètement aléatoire
Le concept de champ d’information : construction inductive et mise en modèle
Le deuxième modèle introduit le facteur du contact social
Le troisième modèle introduit la résistance à l’innovation
La nécessité de déplacements épistémologiques sur le terrain
Un modèle intégratif à fonctions épistémiques multiples
Un cas d’innovation en épistémologie : l’exaptation épistémologique

Conclusion (page 605) Un pluralisme finitiste, ouvert et recombinant

Bibliographie thématique (page 619)

Recension de Marie Reynaud sur le site Les Clionautes, 18 mars 2018.