View
1
Download
0
Category
Preview:
Citation preview
Michel Bloch
mbloch@mountvernon.fr
1
2ère Journée
Retour sur vos deux semaines / discussion
IV Mécanismes génériques de la complexité
V Conduite d’un projet
VI Idées à retenir des deux ½ journées
Discussion pour conclure
1ère Journée
I Préambule : Etes-vous prêts à évoluer ?
II Caractéristiques des systèmes complexes
III Idées à retenir de la 1ère ½ journée
© Mount Vernon Consulting 2 /
Plan 2éme journée
Groupe Emergence
1) Mécanismes génériques des systèmes complexes
i. Boucles et contreréaction
ii. Chaos déterministe
iii. Non linéarité
iv. Réseaux complexes loi de puissance
v. Emergence et auto-organisation
2) Outils d’étude
i. Divers cas de figure, de modélisation
ii. SMA
iii. Agent Based Models
iv. Démarche Systémique
v. Visualisation
vi. Kids? Kiss
3) Conduite de projet
4) recapMichel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 3 /
Les mécanismes génériques des systèmes complexes
Michel Bloch mbloch@mountvernon.fr
Loi de puissance
Graphes complexes,
petit mondeRéseaux sans
échelle Chaos déterministe
Attracteurs
« effet papillon »
Non linéarité
Bifurcations,
Point de bascule
Multiples boucles
d’interaction
Fractales
Emergence, auto-organisation
Complexité
algorithmique
Evolution Facteurs
humains
SOC (systèmes critiques
autoorganisés) Théorie des
jeux
© Mount Vernon Consulting 4 /
i Boucles d’interactions multiples et complexité
Groupe Emergence
Norbert Wiener 1946 :
→ Nombreuses rétroactions difficulté à distinguer l’effet de la cause et de prévoir le comportement d’ensemble
Un système de régulation avec une seule contreréaction s’adapte au milieu extérieur, mais il n’est pas complexe. Exemples: régulateur de Watt, chasse d’eau, amplificateur Hifi, pilote automatique de voilier, etc.
Dans le cas de multiples liaisons bouclées entre composants du système –quelle que soit la propriété des liaisons, linéaires ou non-linéaires –souvent, l’émergence résulte de la multiplicité et de l’imbrication des relations entre les éléments.
Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 5 /
i Boucles de contre-réaction (feed back)
Groupe Emergence
Adaptative (régulation),Régulateur de Watt
Positive (divergence)Larsen entre micro ethaut-parleur
Michel Bloch mbloch@mountvernon.fr
Principe de boucle de contre-réaction. Le signe de la réaction détermine le comportement du système: régime, stable, quasi-périodique, divergent
© Mount Vernon Consulting 6 /
i rétroaction (Feedback)Exemple, Régulateur de Watt
Rétroaction Négative = Régulation
Groupe Emergence
Watt 1769
➢ Le régulateur de Watt accélère ou ralentit avec la machine
• la force centrifuge relève ou laisse redescendre les bras en actionnantune soupape:
• qui ainsi ralentit la machine si elle va trop vite,
• l’accélère dans le cas contraire
➢ Il s’agit d’une contreréaction adaptative permettant la régulation (signede contre-réaction en fonction de l’écart mesuré)
➢ Autres exemples : Chasse d’eau, régulateur de température, contrôle de flux parle protocole TCP dans Internet
Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 7 / Michel Bloch mbloch@mountvernon.fr
ii Limite de l’horizon de prévision météoSimulation météorologique (1963)
Michel Bloch mbloch@mountvernon.fr http://www.mountvernon.fr/Sciences_complexite.htm
Edward Lorenz , prévisionniste météo, modélisait avec un système numérique simplifié le fonctionnement de l’atmosphère. Il a constaté la variation des résultats à partir des mêmes données initiales, mais de précision différente. Il en a déduit le principe de l’hypersensibilité des systèmes complexes aux conditions initiales. La météo n’est prévisible qu’à un horizon court (5 /10 jours). Il a identifié le principe d’attracteur.
La découverte d’E. Lorenz relève d’un cas général de chaos déterministe qui se manifeste dans de nombreux contextes, avec une sensibilités aux conditions initiales. C’est ce qu’il a appelé l’effet papillon.
Attracteur étrange
Groupe Emergence
Edward Lorentz
Principe déjà identifié par Henri Poincaré en étudiant la stabilité du système planétaire avec le problème des 3 corps. Malgré des équations déterministes, un système peut évoluer à terme vers des états très différents en fonction des conditions initiales.
© Mount Vernon Consulting 8 / Michel Bloch mbloch@mountvernon.fr
iii effet de seuil: boutons dans
un panier (percolation)
Groupe Emergence
De nombreux phénomènes de discontinuité apparaissent dans les systèmes complexes: effet de seuil, point critique, point de bascule, bifurcation, percolation, changement de phase, discontinuité, etc. Ces phénomènes sont en général la conséquence de leur non linéarité
→ Engouement (Explosion de la demande d’un produit) = changement de phase
Tirez un bouton au hasard, attachez le par un fil à un autre bouton pris au hasard et remettez le tout dans le panier. Itérez l’opération…. → Lorsque le nombre de liens atteint la moitié du nombre de boutons dans le panier, une majorité de boutons sont brusquement reliés en un chapelet interconnecté.
P h a s e s d e l ’e a u
© Mount Vernon Consulting 9 / Michel Bloch mbloch@mountvernon.fr
9
iii Chaos déterministe, Itération, fractales,
Vers 1920 Gaston Julia, mathématicien a étudié le comportement d’itérations dans le plan complexe. Selon le point de départ Z0 à terme, le résultat reste limité ou diverge. L’exploration de tout le plan conduit à des images étranges
Ensemble de Julia Fractales naturellesFractales géométriques
(flocon de Koch)
Dans les années 1960, Benoit Mandelbrot a repris ces travaux et étudié les courbes fractales en identifiant des propriétés particulières telles que l’autosimilarité (reproduction à l’infini de motifs géométriques). Ce type de structure se retrouve dans de nombreux systèmes réels.
Règles simples Figures aux propriétés étranges
© Mount Vernon Consulting 10 /
iii non linéarité, effets de seuil, bifurcations
Un modèle simple est linéaire où l’effet est proportionnel à la cause. Ce modèle utile par sa simplicité mathématique est rarement constaté dans les phénomènes réels et complexes.
Dans le monde réel, on constate de multiples non linéarités et discontinuités sources de complexité et d’imprévisibilité
➢ Les théories majeures classiques sont souvent non linéaires (ex: Navier Stokes, Schrödinger, etc.)
La non linéarité est souvent la cause de:
➢ Changements de phase brutaux (par exemple gaz-liquide-solide-plasma)
➢ Bifurcations (une bifurcation intervient lorsqu'un petit changement d'un paramètre physique produit un changement majeur dans l'organisation du système)
Exemple de changements
de phase physique
Représentation graphique traduisant les bifurcations du
modèle de l’équation logistique. Ce phénomène de
discontinuité est à rapprocher de la notion d’attracteur, du
chaos déterministe
© Mount Vernon Consulting 11 /
iii Non linéarité et instabilité
La non linéarité d’un système peut le rendre instable, même avec une faible modification de l’entrée du système, par exemple:
➢ L’effet d’une troupe au pas sur un pont provoquant une résonnance avec la fréquence propre du pont
➢ Les phénomènes chaotiques résultent de la non linéarité des équations même simplifiées (ex: les attracteurs de Lorentz)
➢ Schématiquement, l’équilibre d’un système dépendra de la forme de la réponse d’un système. Sauf dans le cas stable, un changement faible entraine un brusque changement d’où l’instabilité
© Mount Vernon Consulting 12 / Michel Bloch mbloch@mountvernon.fr
En définissant les notions de "structure dissipative" et de "bifurcation", Ilya Prigogine (1946) introduisit la possibilité de décrire l' apparition et l'évolution de systèmes macroscopiques complexes, physico-chimiques, mais aussi biologiques, voire sociologiques
• Ces systèmes macroscopiques "localisés" sont nourris par le flux thermodynamique loin de l'équilibre du milieu qui les entoure
• Prigogine décrit les états dissipatifs de la matière, tel un cyclone, comme le produit de processus couplés catalysés par des interactions de forces à longue portée ; • Certains de ces états moléculaires organiques dissipatifs génèrent plus de catalyseurs qu’ils n’en consomment ;• Cela crée un potentiel de reproduction des cycles dissipatifs et l'évolution vers des états plus stables : les états dits « vivants » de la matière ;• Cela ouvre aussi un potentiel d’augmentation de leur capacité dissipative par accroissement de leur complexité.
© Mount Vernon Consulting 13 /
iv Topologie Petit Monde« 6 degrés séparation »
S. Strogatz, D. Watts - 1998A-L. Barabasi, M. Newman
Romanesco
Milgram : Deux étrangers peuvent entrer en contact à travers 6 liens La même propriété « petit monde » s’applique à de nombreux réseaux Humanité (6), Internet (21), Web (19), Sociaux, Cerveau
→ Un attachement préférentiel suffit à générer un Peti Monde :
Loi de puissance
X
→ Le réseau « humanité » n’est ni aléatoire, ni hiérarchique, ni régulier Il comporte beaucoup de liens locaux + % de liens distants
Groupe Emergence
Fractales
Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 14 /
Par ses rôles, tout acteur de cinéma peut être lié à Kevin Bacon en qqs liens
→ Calcul du « Bacon » pour un acteur quelconque✓K. Bacon, « Bacon » = 0✓Les acteurs ayant travaillé directement avec Kevin Bacon : Bacon = 1,
etc. etc.
Groupe Emergence
→ 88% des acteurs sont reliés à K. Bacon
→ La valeur moyenne du coefficient « Bacon » est 3.
→ 434 acteurs sont de meilleurs centres que Kevin Bacon (Ch Norris, 2)
iv Topologie Petit Monde (suite)« 2 à 3 degrés de Kevin Bacon »
Base de Données du cinéma mondial (800.000 acteurs)
→ Kevin Bacon relie des mondes différents il est donc « meilleur » centre que John Wayne qui est spécialisé
Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 15 /
iv Les réseaux sociauxRemarques préliminaires
➢ Depuis toujours (Terme de John A. Barnes en 1954)
▪ Personnes reliées entre elles par des liens créés lors des interactions sociales. ▪ Réseaux pour bénéficier d’accès privilégié à des informations ou des passe-droits
Grandes écoles, franc-maçonnerie, réseaux professionnels, amicales
➢ Depuis 2003 : réseaux sociaux en ligne
▪ Enrichir sa vie de contacts, rester en contact avec des amis, créer des amis en réel
▪ S’exprimer : Blogs et forums, lutter contre la solitude
▪ Aider des membres à trouver un travail ou à établir des relations business
▪ Conseiller : Amis Facebook intégrés avec Bing (Microsoft) : tapez "restaurant chinois, Paris", Bing indique ceux que vos amis ont apprécié
➢ Limitations de Facebook
▪ Vous appartenez à de multiples réseaux : famille, travail, hobby, sports… Facebook : un seul cercle d’amis sous une seule identité physique (nom et photos)
▪ Emergence : pourcentage de spam sur la messagerie en baisse mais encore à 2/3 et phishing à 0,22% des emails = 300 millions / Jour
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 16 /
iv Les réseaux sociaux et changements systémiquesMalcolm Gladwell
➢ Les RS améliorent l’ordre social, facilitent l’expression d’activistes, mais pas leur impact
▪ Réseaux contraire d’une hiérarchie (structure et en caractéristiques)
• Résilients et adaptables dans une situation à faible risque.
• Décisions consensuelles car les liens sont lâches.
➢ Mais ils sont basés sur des « liens faibles »
▪ Ils managent efficacement vos relations, diffusent l’innovation, la collaboration interdisciplinaire, font coïncider acheteurs et vendeurs, facilite les rencontres
▪ “Friends” = liens faibles conduisant rarement à un activisme à haut risque : les campagnes attirent beaucoup de gens en réduisant la motivation requise
➢ L’activisme à haut risque est basé sur des “liens forts”
▪ + on a d’amis critiques du régime, + la probabilité de devenir activistes est élevée
▪ L’activisme ressemble plus à une campagne militaire qu’à une contagion il est basé sur des liens forts qui aident à persévérer face au danger
Passant d’une hiérarchie unifiée à un réseau l’efficacité d’Al Qaeda a
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 17 /
iv Propagation / disséminationActeurs clés
Réseau social
Cas réel : Une société prête à arrêter la fabrication de chaussures démodées, apprit brutalement qu’elles avaient été vues sur des designers de New York, dans une exposition de San Francisco
La demande s’est emballée, la société a dû réinvestir pour y répondre
→ L’engouement se propage dans un « petit monde » donc rapidement(Voir diapo suivante)
→ Même règles pour le propagation d’engouements, rumeurs, messages, modes ou virus (biologique ou informatique)
Groupe Emergence
→ Trois types d’« acteurs » ont un rôle clé1. Connecteur (de plusieurs mondes)
1. Sachant
2. Vendeur
Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 18 /
v Analogie avec les fourmis
La reine : seulement une pondeuse !
Pas de manager, pas de plan d’ensemble
Actions bottom up (Phéromone, battements d’ailes) Emergence
Activités des fourmis Applications générales Applications Marketing
Recherche de nourriture Routage pour mobile Optimisation des tournées
Division du travail Allocation des tâches Spécialisation des fonctions
Agrégation des cadavresAnalyse de données Partition de graphes
Segmentation
Architecture des nids Autoassemblage Design
Transport coopératif Coopération de robotsEquipes pluridisciplinaires / panels
Partenariats
Swarm intelligence
Groupe Emergence
➢ Agents marginauxIl a été observé que les agents individuels n'interagissent réellement(ou ne détectent les signaux) qu’avec leurs voisins immédiats.
Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 19 /
→ Sans chef ni plan, des règles simples d’interactions locales peuvent faire émerger des comportements complexes = action « top down »
→ Biais psychologique : le rôle du chef est souvent surestimé = action « bottom up »
IV. Huit exemples : phénomènes et méthodes
Groupe Emergence
1. Envolée d’oiseauxRègles simples, émergence complexe
Règles : (1) Respecter une distance avec ses voisins (2) et avec tout autre obstacle (3) aller une vitesse semblable et même direction que ses voisins
Sur l’écran, les « oiseaux » évoluent naturellement, se divisent en2 groupes autour d’un poteau, puis se regroupent…
Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 20 /
Plan Partie 4
Groupe Emergence
1) Mécanismes génériques des systèmes complexes
1) Chos déterministe
2) Non linéarité
3) Boucles et contreréaction
4) Réseaux complexes loi de puyissance
5) Emergence et autorganisatiojn
2) Outils d’étude
1) Divers cas de figure de modèlisation
2) SMA
3) Agent based models
4) Démarche Systémique
5) Visualisation
6) KIDS? Kiss
3) Conduite de projet
4) recap Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 21 /
Modèle appliqué et modèle stylisé / Simulation
➢ Un modèle appliqué (KIDS) représente un système complexe réel
▪ Ex. modèle de la civilisation Anasazi est appliqué parce qu’il décrit, avec beaucoup de données, la disparition d’une civilisation vivante pendant plusieurs siècles.
➢ Un modèle stylisé (KISS) représente un phénomène général qui peut être commun à une nombreuse variété de systèmes complexes.
▪ Débarrassés de ce qui est superflu pour ce que l’on veut étudier, a l’avantage de sa simplicité
▪ ls sont parfois une esquisse conçue pour étudier une théorie, approfondir une idée ou une représentation très simplifiée d’un système réel. Le modèle de ségrégation de Thomas Schelling est un ex. typique de modèle stylisé.
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 22 /
➢ La simulation d’un modèle d’un système est généralement réalisée sur unordinateur Elle permet d’évaluer des scénarios, d’analyser les impacts demodifications des caractéristiques du système, de prévoir leursévolutions.
➢ Pour les KIDS il arrive souvent qu’il ne soit pas possible de simuler,notamment pour les systèmes sociaux humains. Il faut alorsimaginer d’autres démarches (visualisation …).
➢ Les modèles stylisés sont des outils puissants de réflexion : Rendent plus précis certains arguments verbaux et permettent des découvertes. Certaines incompatibilités théoriques sont pas visibles quand elles sont présentées verbalement deviennent manifestes par une modélisation stylisée simulable.
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
1957 La réflexion de l’acteur est limitée par son environnement qui conditionne sa décision. Le problème se construit en même temps que l’acteur le résout. Chacun se détermine en fonction de ce 1958 qu’il imagine être la stratégie de l’autre Herbert H. Simon
© Mount Vernon Consulting 23 /
Positionnement des AGENT BASED MODELSM. Cristelli, L. Pietronero, and A. Zaccaria – Inspired by a talk by Matteo Marsili
➢ Voir annexe A7 pour détails
# Author Date
1 Bryan Arthur 1994
4 Challet, Marcili, Zocchina 2000
5 Kim, Markowitz 1989
7Arthur, Holland, LeBarron,
Palmer, Tayler1997
9 Lux, Marchesi 1999
10 Lévy, Salomon 1995
13Delli Gatt, Gallegati, Greenwald,
Russo, Stiglitz2008
14 Thumer, Farmer, Greanokoplos 2008
Tractability
Realism
1. El Farol Bar - 1994
14. Leverage effect
10. Risk aversion
5. 1st ABM - 1989
2008
Pionniers
9. Multi- Agent Model
1999
7. SFI Stock Market
1997
4. Analytical Solution
2000
13. Credit
Network
Emergence 10/11/201423
Ideal model ?
vraisemblablement,
ne sera jamais atteint
© Mount Vernon Consulting 24 /
De nombreux types de modélisation utilisés pour les systèmes complexes
Dynamique des systèmes Modèle analytique
Modèle à base d’agent
Variété
Réseaux apprenant Neurones artificiels
WolframRègle 110
Automates cellulaires
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 25 /
Modélisation/simulation: démarches complémentaires
Approche
conceptuelle
ou déductive
Approche
empirique
ou inductive
Formulation
analytiqueRésolution
(discrétisation,
Formulation
algorithmiqueSimulation par
agents
Extraction
statistique
Extraction
algorithmique
Ajustement au
mieux à une
formulation
mathématique
Exploitation des
résultats
Démarches associant « Big Data » et IA (apprentissage profond)
© Mount Vernon Consulting 26 /
Approche empirique (Kepler)
Coniques
(Apollonius,
Papus)
Sphères
(fausse piste)
Big Data Calcul Quels modèles?
3 lois de Kepler1. Loi des aires
2. Forme elliptique
des orbites et
soleil au foyer
3. T2/A3= constanteObservations
Tycho Brahe
© Mount Vernon Consulting 27 / Michel Bloch mbloch@mountvernon.fr
Trafic routier, la modélisation du trafic routier fait intervenir différentes échelles d’observation
• Modèles microscopiques représentant l’évolution individuelle des véhicules
• Modèles macroscopiques s’intéressant à l’écoulement global du flux
Réelle nécessité de liens mathématiques cohérents entre ces
deux échelles mais peu de résultats
Les modèles microscopiques ont pour principale vocation de pouvoir simuler les comportements individuels des conducteurs pour deux situations : en poursuite, en changement de voie
Complémentarités entre approches de modèlisation
© Mount Vernon Consulting 28 / Michel Bloch mbloch@mountvernon.fr
Simulation basée sur des agents (NetLogo)
NetLogo est un langage de programmation et un environnement de modélisation pour le développement de système multi-agents. Il ne nécessite pas de connaissances en programmation pour modéliser des phénomènes liés
© Mount Vernon Consulting 29 /
Ségrégation model (T. Schelling)
→ Préférence
Forte occupation 96 %
1. Si préférence , espace entre les groupes , petits groupes disparaissent progressivement
2. Plus la population d'agent est grande, et plus ceci se vérifie (à 55% de préférence, il reste 5 groupes avec 96% d'occupation, et on peut à peine les compter à 30% d'occupation).
3. + il y a d'agents, + on a besoin d'itérations avant stabilité : les chances que l'arrivée de quelques individus perturbent un groupe en place est beaucoup plus grande
Faible occupation 30 %
Groupe Emergence
Deux paramètres :
▪ % de logements occupés,
▪ Préférence (% mini souhaité de voisins semblables).
Si % semblables< préférence mini déménagement
La ségrégation est déjà très forte pour une préférence > 20%.
Donne à réfléchir aux sociologues …
Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 30 / Michel Bloch mbloch@mountvernon.fr http://www.mountvernon.fr/Sciences_complexite.htmICO - IMA 14 décembre 2017
Trois utilisations de visuels :• Interprétation des résultats par l’équipe d’étude• Transmission des résultats hors de l’équipe d’étude
• La plus importante pour les systèmes complexes : Etude du système
L’approche analytique est souvent incapable de résoudre des problèmes non linéaires et interdépendants. La visualisation peut
contribuer à comprendre le fonctionnement d’un système
© Mount Vernon Consulting 31 /
Visualisation pour la description et l’étude d’un système
Michel Bloch mbloch@mountvernon.fr
La visualisation a 3 rôles, nous ne traiterons que le premier :
▪ Visualisation pour l’étude du système▪ Visualisation des résultats pour en tirer des conclusions
▪ Présentation des résultats hors l’équipe projet
© Mount Vernon Consulting 32 /
Exemples de Simulation d’idea model (souvent A.C.)
Auteurs Modèles Objectifs/ Contenu
MIT Beer Game Non-linéarité dans un système de distribution
W.B. Arthur El Farol Bar Model Optimisation collective, sans concertation
Th Schelling Segregation Emergence d’un phénomène social
R. AxelrodDilemme du prisonnier Coopération / Trahison (Théorie des jeux)
Dissemination Diffusion de la culture : consensus et mécanismes
J. EpsteinSugarspace
Impact d’une ressource sur le comportement de personnes
Cyber-Anasazi Evolution d’une civilisation primitive
Ricker (W.E.) Prédation Evolution de populations
Lovelock Daisyworld
J Holland Echo Complex Adaptive Systems (CAS) : s’adapter
E Bonabeau, Fourmilière Trouver les processus utilisés par les insectes en colonie
R Dawkins The Blind Watchmaker Création de formes du vivant. Algorithme de l’évolution
M. A. O'Neill Daisy Taxonomie des espèces
C. Reynolds Boids Trois règles locales simples envolée oiseaux…
J. Conway Jeu de la vie Règles simples structures complexes et évolutives
H Drossel Feux de forêt Mesures préventives pour éviter les incendies
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 33 /
Plan Partie 4
Groupe Emergence
1) Mécanismes génériques des systèmes complexes
1) Chos déterministe
2) Non linéarité
3) Boucles et contreréaction
4) Réseaux complexes loi de puyissance
5) Emergence et autorganisatiojn
2) Outils d’étude
1) Divers cas de figure de modèlisation
2) SMA
3) Agent based models
4) Démarche Systémique
5) Visualisation
6) KIDS? Kiss
3) Conduite de projet
4) recap Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 34 /
Trois aspects de la description d’un système complexe
Michel Bloch mbloch@mountvernon.fr
La systémique utilise trois pôles permettant d'approfondir la représentation du système
• Aspect fonctionnel : à quoi sert le système dans son environnement
• Aspect structural : ses composants et leur agencement
• Aspect historique : nature évolutive du système
La première chose à faire pour l’étude d’un système complexe est de le décrire soigneusement : textes et visuels
© Mount Vernon Consulting 35 /
Description cybernétique du comportement d’un agent
Michel Bloch mbloch@mountvernon.fr
http://www.mountvernon.fr/Sciences_complexite.htm
Action / Emission de stimuliProcessus
Agents
Mémoireactions
Règles
Objectif
Mémoirestimuli
Réception de stimuli
Variablesde
contrôle
Marketing Modification des règles : ex. variation du n% en imitation
Stimuli reçu : Mémoire des actions réalisées : ex. « Ma voiture est livrée »
Stimuli émis : Stimuli émis : ex. « J’utilise ma voiture »
30 novembre 2011 Institut de Mathématiques Appliquées
Université Catholique de l'Ouest
© Mount Vernon Consulting 36 / Michel Bloch mbloch@mountvernon.fr
Les variables de contrôle permettent de fixer les entrées utilisées par les règles de décision qui
déclencheront la décision:
Exemple pour régler mon chauffage je positionne la température affiché sur la valeur 19 (et le
thermostat contrôlera techniquement (application des règles) la température à 19°C
1) Mémoire stimuli : Pub, conseils de proches, expérience des véhicules que j'ai conduits /
(possédés)
2) Mémoire des actions : J'ai déjà acheté un véhicule de la marque Y et je n'ai jamais eu de
problèmes (quantitatif)
Mon budget d'entretien s'est avéré insuffisant à cause de la consommation et des frais de
garage
3) Mes variables de contrôle
Variable budgétaire (quantitatif):Analyse d'un ou plusieurs budgets prévisionnel (revente de
mon véhicule, crédit possible, mes économies, ...
Variables floues (qualitative) Mon éthique personnelle (frimeur, écolo, pragmatique)
Variable d'environnement décisionnel (Conseil d'un ami, pub à la télé, dépliant commercial,
conviction (flou)
4) Le processus comprend l'ensemble des actes de réflexion entrainant une décision avec les
prémisses suivantes
• En entrée : J'ai besoin (réellement ?) d'une voiture ? Pourquoi ? Par nécessité professionnelle,
loisirs , pour frimer …
• En sortie : Je vais acheter le mois prochain le véhicule X ou louer mon véhicule
Je prendrai un 4x4 ou un hybride ou j'attends la disponibilité d'un électrique
Ou bien : Je continue avec mon vieux véhicule pour cette année.
Je m'abonne à Vélib. Et je boucle l'année prochaine si nécessaire
© Mount Vernon Consulting 37 /
Idées à retenir
Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 38 / Michel Bloch mbloch@mountvernon.fr
2ère Journée
Tour de table sur 1ère partie et discussion
IV Exemples 1 à 8
V Conduite d’un projet
VI Idée à retenir des deux ½ journées
Discussion conclusive
© Mount Vernon Consulting 39 /
1. Phase « découverte et description du problème et du système » : très importante mais souvent traitée avec légèreté
▪ Découverte : Trouver dans un domaine des questions qui n’ont pas encore été posées, « regarder ailleurs » là où les autres n’ont pas encore regardé
▪ Un processus créatif et exploratoire nécessitant connaissance et intuition.Parfois, il s’agit seulement de préciser une question déjà identifiée. Exemple, l’évolution des Espèces de Darwin après les travaux de Lamarck
V. Conduite de l‘étude d’un système complexe
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
Pourquoi arrivons-nous rarement à poser les problèmes suffisammentexhaustivement ? et ignorons-nous souvent des interactions essentielles ?
Cf. Remarques au début
© Mount Vernon Consulting 40 / Groupe Emergence
Michel Bloch mbloch@mountvernon.f
r
Il faut considérer les divers actes ci-après comme itératifs entre eux
(1) Lorsqu’une question a été retenue, il faut choisir ses objectifs et son ambition,
(2) Décrire le système et son environnement sous forme de visuels et de textes
(3) Choisir la frontière entre système et environnement
(4) Simplifier prudemment
(5) En fin d’étude, il faudra simplifier pour décider du plan d’actions mais l’étude aura été plus éclairante
(1) Choix de l’objectif et de l’ambition se l’étude▪ Observer, Comprendre un système existant▪ Modéliser, Simuler, Prévoir▪ Influencer, Contrôler ▪ Créer un nouveau système
2. Phases description de l‘étude d’un système complexe
© Mount Vernon Consulting 41 / Groupe Emergence Michel Bloch mbloch@mountvernon.fr
Prendre en compte▪ La « finalité » du système ▪ Les niveaux d'organisation▪ Les états stables possibles▪ Les échanges entre les parties▪ Les facteurs d'équilibre et de déséquilibre▪ Les boucles logiques et leur dynamique ▪ Les propriétés macroscopiques du système déjà connues
3) Choix de la frontière entre système et environnement ▪ Définir clairement les frontières des sous-systèmes ▪ Faire apparaître les relations qu'ils entretiennent entre eux ainsi que
leur finalité par rapport à l'ensemble▪ Choisir la frontière avec l’environnement sachant que les
entrées/sorites de l’environnement sont souvent traitées d’une façon moins détaillée
2) Trois façons de décrire un système. Cf. Remarques au début▪ Fonctionnelle (ce qu’il est)▪ structurelle (comment il est fait)▪ Historique (son cheminement avant et après)
© Mount Vernon Consulting 42 /
❑ Diminuer l’ambition de l’étude
❑ Assurer une variété suffisante des membres de l’équipe d’étude
❑ Cognitivité et caractère plus ou moins aléatoires des agents et des règles d’interaction
❑Nombre d’éléments et de boucles d’interaction
❑ Noter toutes les simplifications faites car elles peuvent avoir un impact ultérieur
▪ Elargissement de l’échelle (granulométrie), par exemple remplacer des individus divers par des sous-ensembles homogènes
▪ Altération de la structure du système (hiérarchique, en réseau, hybride, aléatoires, petit monde)
▪ Liens coupés paraissant peu significatifs
▪ Changement d’échelle de temps
▪ Considérer comme constantes des variables variant peu
▪ Idéalisation des agents en éliminant des attributs secondaires
Michel Bloch mbloch@mountvernon.fr
(4) Idées et précautions pour simplifier un problème complexe
© Mount Vernon Consulting 43 /
Cognitifs
COGNI TIVITE
Humains
Peu cognitifsAgents
logiciels
Faiblement cognitifs Mammifères
Règles variables Fourmis
Règles constantes Electrons
Agents IdentiquesQuasi
identiques
Peu
différentsDifférents Très différents
Variétés
❑Difficultés en fonction de la variété des agents et de leur niveau cognitif
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 44 / Michel Bloch mbloch@mountvernon.fr
(1) Absence de certaines parties prenantes importantes ou de liberté de parole, durant les phases de définition du pb et de décision
(2) Rejet si l’on touche aux idées fondées sur des idéologies et des croyances incrustées
(3) Participants empêchant - intentionnellement ou non – que certains aspects du problème soient abordés
(4) Manque d’anticipation des prochaines étapes qui permettrait de valider le processus, les hypothèses et serait susceptible d’aboutir à des conclusions erronées
5. Réduire le simplisme Cinq causes porteuses de solutions
Système
Environnement
(5) Description insuffisante et trop imprécise
du système et de l’environnement et
confusion entre compliqué et complexe
© Mount Vernon Consulting 45 /
Retour sur l’exemple de l’éthanol
Michel Bloch mbloch@mountvernon.fr
Le Brésil a subventionné la culture de l’éthanol pour le substituer aux énergies fossiles : Résultat, famines et révoltes de la faim en Afrique
A postériori, le NECSI a trouvé 2 causes principales :
▪ La culture de l’éthanol en diminuant les surfaces dédiées aux céréales a créé une pénurie
▪ La spéculation sur les céréales a fait augmenter les prix
Aurions-nous pu anticiper cet enchainement aux effets destructeurs ?
Quelques Idées lancées sans aucun contact avec les parties prenantes
(1) Parties prenantes importantes à convier : exploitants agricoles ?
(2) Idéologies : écologie, étatisme, Brésil d’abord … ?
(3) Membres évitant certains aspects : écologistes, lobbys, politiques …
(4) Manque d’anticipation : pas d’étude d’impact … ?
(5) Description insuffisante : essentiellement fossile Vs Ethanol… ?
© Mount Vernon Consulting 46 / Michel Bloch mbloch@mountvernon.fr
Exercice : 2 groupes, 45 minutesChoisir un sujet Faire le schéma Essayer de simplifier
© Mount Vernon Consulting 47 /
La systémique étant une approche globale, un seul individu ou une seule discipline ne peut pas fournir toutes les compétences nécessaires, d’où la nécessité de l’intelligence collective
Pour que les diverses spécialités coopèrent, il faut qu’ils disposent d’un langage suffisamment compris par les diverses disciplines : ▪ La visualisation a une variabilité d'interprétation suffisamment faible
pour permettre de partager des modèles mentaux entre disciplines ▪ Et parce qu’elle fait appel à l’intuition
3. Attention à nos faiblesses naturelles
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
Attention aux nombreux biais cognitifs. Ex. : (1) Biais d’attention, être influencés par ses propres centres d’intérêt. (2) Biais de confirmation d’hypothèse, ne retenir que les éléments qui les confirment.
« L’un des principes fondamentaux de la recherche scientifique est de ne pas se raconter d’histoires, ne pas s’abuser soi-même, étant entendu qu’on est soi-même la personne qu’il est le plus facile d’abuser°». R Feynman
© Mount Vernon Consulting 48 /
4. Adopter l’intelligence collective
Pour étudier un système complexe, il est nécessaire de s’appuyer sur l’intelligence collective exploitant les interactions entre membres de l’équipe.
Plus le problème étudié est complexe, plus la composition de l’équipe doit être variée.
Test du labyrinthe▪ « N » personnes font un premier parcours,
puis dans un 2ème parcours temps moyen individuel
▪ Temps en groupe : A chaque bifurcation choix du chemin le plus fréquenté par les « n » personnes lors du premier parcours
▪ Le trajet basé sur décisions collectives est d’autant plus court que « n » est grand
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 49 /
Exemples d’Intelligence collective (I.C.)
❑ Production coopérative avec le clients : Société Zara
• Cycle très court : conception / fabrication / mise sur le marché
Itération rapide pour intégrer les tendances et les goûts des clients
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
❑Prévision de vente d’imprimantes par Hewlett PackardCommerciaux mis en réseau dans un Système de type boursier :
• Des actions sont émises sur des plages de prévision (de 100 à 500 par ex)
• Les commerciaux jouent de l’argent fictif échangeant des actions à leur prix de marché (la probabilité d’une plage est proportionnelle aux prix de l’action)
• Prévisions meilleures que celles des experts
© Mount Vernon Consulting 50 /
Combinaison collaboration des utilisateurs et une autorité qui décide
Groupe Emergence
❑ Communauté Linux ▪ Elle permet de créer de nouveaux outils et de modeler ceux
existant▪ Qui, la foule combiné avec Linus Torvalds et ses lieutenants▪ Pourquoi, amour, gloire et, dans une certaine mesure, gain
financier
Michel Bloch mbloch@mountvernon.fr
❑ Google translate : Les utilisateurs peuvent améliorer la traduction proposée et transmettre leurs suggestions
❑ Amazon ▪ Messages critiques des lecteurs clients▪ Permet de conseiller les candidats acheteurs
© Mount Vernon Consulting 51 /
Facteurs favorisant l’Intelligence collectiveMIT Professor TMalone on collective intelligence and the “genetic” group structure
"L’intelligence moyenne et maximale des membres du groupe ne permet pas de prédire l’intelligence du groupe : La cohésion du groupe, la satisfaction, la «sécurité psychologique» et la motivation sont très importantes
▪ L'intelligence émotionnelle des membres, leur sensibilité sociale moyenne est corrélée avec la performance du groupe
▪ Les femmes ont tendance à être plus socialement sensibles que les hommes : Plus de femmes, plus d'intelligence émotionnelle donne + d'intelligence de groupe
▪ Attention : les informations reçues peuvent avoir été manipulées
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
Le fonctionnement d’une équipe est une émergence créée par les interactions des contributeurs entre eux et l’environnement.
Les outils de la systémique peuvent donc permettre de réfléchir au fonctionnement de l’équipe, avec ses correspondants, pour le rendre plus efficace (attitude, description du système, réseaux complexes …)
© Mount Vernon Consulting 52 /
4. Composition de l’équipe
Les membres de l’équipe, et les contributeurs occasionnels, doivent êtrevariés : domaine d’expertise, sensibilité, implication dans le sujet …
Plus le problème étudié est complexe, plus ceci est indispensable
Intuitivement Regarder un problème complexe sous beaucoup d’angles
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
Variété des membres de l’équipe (1956) : Pour qu’un système A puisse contrôler un système B, il faut que la variété de A soit suffisante par rapport à celle de B Ross Ashby Variété requise
Recruter des personnes qui acceptent de travaillerdans le flou, l’incertitude, l’imprécisiontout en restant intellectuellement rigoureux
© Mount Vernon Consulting 53 /
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
Ne pas recruter des personnes dont le profil ne convient pas :
▪ Pour inaptitude au travail en commun : souvent ils n’ont pas
suffisamment confiance dans leurs compétences et « d’estime de
soi » pour pouvoir s’intéresser aux apports des autres.
▪ Pour rejet totale des fondamentaux des systèmes complexes
• Refus d’envisager des bifurcations imprévisibles• Refus que l’étude soit jugée terminée alors que des
incertitudes significatives demeurent • Désarroi si possibilité de mesure très limitée …
© Mount Vernon Consulting 54 /
5. Enrichir le pensée occidentale avec le Tao chinois
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
La différence entre l’Occident et la Chine n’est pas tant dans la compréhension des concepts ou dans leur utilisation …
… que dans l’application habituelle de la « coexistence des contraires », dans la patience pour exploiter le potentiel de situation plutôt que la planification, et dans la prise en compte du temps long
▪ Les scientifiques, les concepteurs et les responsables de grande projets chinois ont adopté – en même temps que la science et la technologie occidentales - les méthodes de gestion de projet occidentales tout en conservant la culture classique chinoise. Ex. La construction du barrage des 3 gorges a été très soigneusement et rigoureusement planifié longtemps à l'avance
▪ Les chinois ayant acquis la double culture en tirent vraisemblablement un avantage compétitif sur l’occident
© Mount Vernon Consulting 55 /
❑ Exploiter le potentiel de la situation, appliquer le non-agir (agir à minima)
▪ L’Occident a systématisé la modélisation avant l’action. Pour la décision et l’action, elle a privilégié la primauté de la volonté pour poursuivre le but en prenant les moyensd'y parvenir
▪ La Chine a peu développé la modélisation, elle préfère saisir le caractère fluctuant des circonstances et s’y adapter avec souplesse en exploitant le potentiel de la situation telle qu’elle se présente.
▪ Métaphore : l’eau exploite et subit toutes les caractéristiques du terrain
Métaphore
de l’eau
Michel Bloch mbloch@mountvernon.fr
❑ Accepter la coexistence de contraires : Yin et Yang ne sont pas seulement 2 catégories opposées, mais des forces de structure qui s’opposent et se complètent en même temps au sein des organisations : ils sont intégrés
▪Au max du Ying, le Yang apparait le début du Yang et vice versa Ceci peut être des alternances
1970 : La mise en dialogue des systèmes antagonistes fait émerger des complémentarités et des convergences possibles (Dialogique)
Edgar Morin « La Méthode » « La pensée complexe
© Mount Vernon Consulting 56 / Groupe Emergence Michel Bloch mbloch@mountvernon.fr
❑ S’intéresser le temps long est nécessaire car un système peut changer de comportement même après un grand nombre d’itérations
Occident : ▪ Budget = 1 an, Plan opérationnel = 3 ans, Plan stratégique = 5 ans.
Mais Rails 30 ans, Centrale nucléaire 40 ans
▪ Temps long, cycles économiques : Juglar, 8 à 10 ans : Crises économiques Kondratieff, 40 à 60 ans : Innovations majeures (vapeur, trains, automobile, électricité, avions, électronique, TIC)
▪ L'école historique des annales (Braudel) raisonne sur le temps long avec sa notion de système-monde.
« Si tu ne consacres pas une pensée au futur éloigné, tu seras en
difficulté lorsqu’il sera proche » Confucius. Ex. Réchquffement climatique
▪ Le chine actuelle par son régime autoritaire peut plus facilement inscrire ses stratégies dans la continuité du temps long.
▪ Exemple de vision à long terme : Nouvelle route de la soie
© Mount Vernon Consulting 57 / Groupe Emergence Michel Bloch mbloch@mountvernon.fr
Il faut considérer les divers actes ci-après comme itératifs entre eux
(1) Lorsqu’une question a été retenue, il faut choisir ses objectifs et son ambition,
(2) Décrire le système et son environnement sous forme de visuels et de textes(3) Choisir la frontière entre système et environnement(4) Simplifier prudemment
(5) En fin d’étude, il faudra simplifier pour décider du plan d’actions mais l’étude aura été plus éclairante
(1) Choix de l’objectif et de l’ambition se l’étude▪ Observer, Comprendre un système existant▪ Modéliser, Simuler, Prévoir▪ Influencer, Contrôler créer un nouveau système
2. Phases description de l‘étude d’un système complexe
© Mount Vernon Consulting 58 / Groupe Emergence Michel Bloch mbloch@mountvernon.fr
▪ La « finalité » du système ▪ Les niveaux d'organisation▪ Les états stables possibles▪ Les échanges entre les parties▪ Les facteurs d'équilibre et de déséquilibre▪ Les boucles logiques et leur dynamique ▪ Les propriétés macroscopiques du système déjà connues
3) Choix de la frontière entre système et environnement ▪ Définir clairement les frontières des sous-systèmes ▪ Faire apparaître les relations qu'ils entretiennent entre eux
ainsi que leur finalité par rapport à l'ensemble▪ Choisir la frontière sachant que les entrées/sorites de
l’environnement sont souvent traitées d’une façon moins détaillée
2) Trois façons de décrire un système ▪ Fonctionnelle (ce qu’il est)▪ structurelle (comment il est fait)▪ Historique (son cheminement avant et après)
© Mount Vernon Consulting 59 /
❑ Diminuer l’ambition de l’étude❑ Assurer une variété suffisante des membres de l’équipe d’étude❑ Cognitivité et caractère plus ou moins aléatoires des agents et des
règles d’interaction ❑Nombre d’éléments et de boucles d’interaction❑ Noter toutes les simplifications faites car elles peuvent avoir un
impact ultérieur▪ Elargissement de l’échelle (granulométrie), par exemple remplacer
des individus divers par des sous-ensembles homogènes▪ Altération de la structure du système (hiérarchique, en réseau,
hybride, aléatoires, petit monde)▪ Liens coupés paraissant peu significatifs ▪ Changement d’échelle de temps▪ Considérer comme constantes des variables variant peu▪ Idéalisation des agents en éliminant des attributs secondaires
Michel Bloch mbloch@mountvernon.fr
(4)Idées et précautions pour simplifier un problème complexe
© Mount Vernon Consulting 60 / Michel Bloch mbloch@mountvernon.fr
(1) Absence de certaines parties prenantes importantes ou de liberté de parole, durant les phases de définition du pb et de décision
(2) Rejet si l’on touche aux idées fondées sur des idéologies et des croyances incrustées
(3) Participants empêchant - intentionnellement ou non – que certains aspects du problème soient abordés
(4) Manque d’anticipation des prochaines étapes qui permettrait de valider le processus, les hypothèses et serait susceptible d’aboutir à des conclusions erronées
5. Réduire le simplisme Cinq causes porteuses de solutions
(5) Description insuffisante et trop imprécise
du système et de l’environnement et
confusion entre compliqué et complexe
© Mount Vernon Consulting 61 /
Retour sur l’exemple de l’éthanol
Michel Bloch mbloch@mountvernon.fr
Le Brésil a subventionné la culture de l’éthanol pour le substituer aux énergies fossiles : Résultat, famines et révoltes de la faim en Afrique
A postériori, le NECSI a trouvé 2 causes principales :
▪ La culture de l’éthanol en diminuant les surfaces dédiées aux céréales a créé une pénurie
▪ La spéculation sur les céréales a fait augmenter les prix
Aurions-nous pu anticiper cet enchainement aux effets destructeurs ?
Quelques Idées lancées sans aucun contact avec les parties prenantes
(1) Parties prenantes importantes à convier : exploitants agricoles ?
(2) Idéologies : écologie, étatisme, Brésil d’abord … ?
(3) Membres évitant certains aspects : écologistes, lobbys, politiques … ?
(4) Manque d’anticipation : pas d’étude d’impact … ?
(5) Description insuffisante : essentiellement fossile Vs Ethanol… ?
© Mount Vernon Consulting 62 / Michel Bloch mbloch@mountvernon.fr
Exercice :
2 groupes, 45 minutesChoisir un sujet Faire le schéma Essayer de simplifier
Système
© Mount Vernon Consulting 63 /
La systémique étant une approche globale, un seul individu ou une seule discipline ne peut pas fournir toutes les compétences nécessaires, d’où la nécessité de l’intelligence collective
Pour que les diverses spécialités coopèrent, il faut qu’ils disposent d’un langage suffisamment compris par les diverses disciplines : ▪ La visualisation a une variabilité d'interprétation suffisamment
faible pour permettre de partager des modèles mentaux entre disciplines
▪ Et parce qu’elle fait appel à l’intuition
3. Attention à nos faiblesses naturelles
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
Attention aux nombreux biais cognitifs. Ex. : (1) Biais d’attention, être influencés par ses propres centres d’intérêt. (2) Biais de confirmation d’hypothèse, ne retenir que les éléments qui les confirment.
« L’un des principes fondamentaux de la recherche scientifique est de ne pas se raconter d’histoires, ne pas s’abuser soi-même, étant entendu qu’on est soi-même la personne qu’il est le plus facile d’abuser°». R Feynman
© Mount Vernon Consulting 64 /
4. Adopter l’intelligence collective
Pour étudier un système complexe, il est nécessaire de s’appuyer sur l’intelligence collective exploitant les interactions entre membres de l’équipe.
Plus le problème étudié est complexe, plus la composition de l’équipe doit être variée.
Test du labyrinthe▪ « N » personnes font un premier parcours,
puis dans un 2ème parcours temps moyen individuel
▪ Temps en groupe : A chaque bifurcation choix du chemin le plus fréquenté par les « n » personnes lors du premier parcours
▪ Le trajet basé sur décisions collectives est d’autant plus court que « n » est grand
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 65 /
Exemples d’Intelligence collective (I.C.)
❑ Production coopérative avec le clients : Société Zara
• Cycle très court : conception / fabrication / mise sur le marché
Itération rapide pour intégrer les tendances et les goûts des clients
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
❑Prévision de vente d’imprimantes par Hewlett PackardCommerciaux mis en réseau dans un Système de type boursier :
• Des actions sont émises sur des plages de prévision (de 100 à 500 par ex)
• Les commerciaux jouent de l’argent fictif échangeant des actions à leur prix de marché (la probabilité d’une plage est proportionnelle aux prix de l’action)
• Prévisions meilleures que celles des experts
© Mount Vernon Consulting 66 /
Combinaison collaboration des utilisateurs + une autorité qui décide
Groupe Emergence
❑ Communauté Linux ▪ Elle permet de créer de nouveaux outils et de modeler ceux
existant▪ Qui, la foule combiné avec Linus Torvalds et ses lieutenants▪ Pourquoi, amour, gloire et, dans une certaine mesure, gain
financier
Michel Bloch mbloch@mountvernon.fr
❑ Google translate : Les utilisateurs peuvent améliorer la traduction proposée et transmettre leurs suggestions
❑ Amazon ▪ Messages critiques des lecteurs clients▪ Permet de conseiller les candidats acheteurs
© Mount Vernon Consulting 67 /
Facteurs favorisant l’Intelligence collectiveMIT Tom Malone on collective intelligence and the “genetic” structure of groups
"L’intelligence moyenne et maximale des membres du groupe ne permet pas de prédire l’intelligence du groupe : La cohésion du groupe, la satisfaction, la «sécurité psychologique» et la motivation sont très importantes
▪ L'intelligence émotionnelle des membres, leur sensibilité sociale moyenne est corrélée avec la performance du groupe
▪ Les femmes ont tendance à être plus socialement sensibles que les hommes : Plus de femmes, plus d'intelligence émotionnelle = + d'intelligence de groupe
▪ Attention : les informations reçues peuvent avoir été manipulées
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
Le fonctionnement d’une équipe est une émergence créée par les interactions des contributeurs entre eux et l’environnement : Outils systémiques utiles pour le rendre plus efficace (attitude, description du système, réseaux complexes …)
© Mount Vernon Consulting 68 /
4. Composition de l’équipe
Les membres de l’équipe, et les contributeurs occasionnels,doivent être variés : domaine d’expertise, sensibilité, implicationdans le sujet …
Plus le problème étudié est complexe, plus ceci est indispensable
Intuitivement Regarder un problème complexe sous beaucoupd’angles
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
Variété des membres de l’équipe (1956) : Pour qu’un système A puisse contrôler un système B, il faut que la variété de A soit suffisante par rapport à celle de B
Ross Ashby Variété requise
Recruter des personnes qui acceptent de travaillerdans le flou, l’incertitude, l’imprécisiontout en restant intellectuellement rigoureux
© Mount Vernon Consulting 69 /
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
Ne pas recruter des personnes dont le profil ne convient pas :
▪ Pour inaptitude au travail en commun : souvent ils n’ont pas
suffisamment confiance dans leurs compétences et « d’estime de
soi » pour pouvoir s’intéresser aux apports des autres.
▪ Pour rejet totale des fondamentaux des systèmes complexes
• Refus d’envisager des bifurcations imprévisibles• Refus que l’étude soit jugée terminée alors que des incertitudes
significatives demeurent • Désarroi si possibilité de mesure très limitée …
© Mount Vernon Consulting 70 /
5. Enrichir le pensée occidentale avec le Tao chinois
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
La différence entre l’Occident et la Chine n’est pas tant dans la compréhension
des concepts ou dans leur utilisation …
… que dans l’application habituelle de la « coexistence des contraires »,
dans la patience pour exploiter le potentiel de situation plutôt que la
planification, et dans la prise en compte du temps long
▪ Les scientifiques, les concepteurs et les responsables de grande projets
chinois ont adopté – en même temps que la science et la technologie
occidentales - les méthodes de gestion de projet occidentales tout en
conservant la culture classique chinoise. Ex. La construction du barrage des 3 gorges a été très soigneusement et rigoureusement planifié
longtemps à l'avance
▪ Les chinois ayant acquis la double culture en tirent vraisemblablement un
avantage compétitif sur l’occident
© Mount Vernon Consulting 71 /
Métaphore de l’eau
❑ Exploiter le potentiel de la situation, appliquer le non-agir (agir à minima)
▪ L’Occident a systématisé la modélisation avant l’action. Pour la décision et l’action, elle a privilégié la primauté de la volonté pour poursuivre le but en prenant les moyens d'y parvenir
▪ La Chine a peu développé la modélisation, elle préfère saisir le caractère fluctuant des circonstances et s’y adapter avec souplesse en exploitant le potentiel de la situation telle qu’elle se présente. Cf. Napoléon à Austerlitz
▪ Métaphore : l’eau exploite et subit toutes les caractéristiques du terrain
Michel Bloch mbloch@mountvernon.fr
❑ Accepter la coexistence de contraires : Yin et Yang ne sont pas seulement deux catégories opposées, mais des forces de structure qui s’opposent et se complètent en même temps au sein des organisations : ils sont intégrés
▪ Au max du Ying, le Yang apparait le début du Yang et vice versa. Ceci peut être des alternances
1970 : La mise en dialogue des systèmes antagonistes fait émerger des complémentarités et des convergences possibles (Dialogique)
Edgar Morin « La Méthode » « La pensée complexe
© Mount Vernon Consulting 72 / Groupe Emergence Michel Bloch mbloch@mountvernon.fr
❑ S’intéresser le temps long est nécessaire car un système peut changer de comportement même après un grand nombre d’itérations
Occident : ▪ Budget = 1 an, Plan opérationnel = 3 ans, Plan stratégique = 5 ans.
Mais Rails 30 ans, Centrale nucléaire 40 ans
▪ Temps long, cycles économiques : Juglar, 8 à 10 ans : Crises économiques Kondratieff, 40 à 60 ans : Innovations majeures (vapeur, trains, automobile, électricité, avions, électronique, TIC)
▪ L'école historique des annales (Braudel) raisonne sur le temps long avec sa notion de système-monde.
« Si tu ne consacres pas une pensée au futur éloigné, tu seras en difficulté
lorsqu’il sera proche » Confucius. Ex. Réchquffement climatique
▪ Le chine par ses régimes autoritaires peut plus facilement inscrire ses stratégies dans la continuité du temps long.
▪ Exemple de vision à long terme : Nouvelle route de la soie
© Mount Vernon Consulting 73 / Michel Bloch mbloch@mountvernon.fr 73
2ère Journée
Tour de table sur 1ère partie et discussion
IV Exemples 1 à 8
V Conduite d’un projet
VI Idée à retenir des deux ½ journées
Discussion conclusive
© Mount Vernon Consulting 74 /
Plan Partie 4
Groupe Emergence
1) Mécanismes génériques des systèmes complexes
1) Chos déterministe
2) Non linéarité
3) Boucles et contreréaction
4) Réseaux complexes loi de puyissance
5) Emergence et autorganisatiojn
2) Outils d’étude
1) Divers cas de figure de modèlisation
2) SMA
3) Agent based models
4) Démarche Systémique
5) Visualisation
6) KIDS? Kiss
3) Conduite de projet
4) recap Michel Bloch mbloch@mountvernon.fr
© Mount Vernon Consulting 75 /
VII. Dix idées à retenir
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
1. Une science en train de se faire, mais déjà : Visualisation, AC ou MBA, Réseaux complexes, algorithme de l’évolution, description… Plus, la maturation de technologies nouvelles :
1995 : Apprentissage profond (IA à base de réseaux neuronaux artificiels) permet de passer des données à la connaissance (images, sons, textes)
Yann LeCun Reconnaissance de formes
1990’ : Big data, ensembles de données si volumineux qu'ils dépassent l'intuition et les capacités humaines d'analyse et celles des outils informatiques classiques de gestion (capture, stockage, recherche, partage, analyse, visualisation données) Données locales et globales
20XX : Calculateur quantique utilisant la superposition et l'intrication afin d'effectuer des opérations sur des données à très grande vitesse. Autres tâche difficile, Concevoir les algorithmes de traitement
2010 : Smartphone, Réseaux sociaux, I.A. Explosion novatriceAccessibilité de l’information et Complexification du monde
© Mount Vernon Consulting 76 / Groupe Emergence Michel Bloch mbloch@mountvernon.fr
2. Les outils mathématiques classiques sont utiles mais limitées pour étudier le comportement d’ensemble de systèmes complexes
Monde simplifié étudié
avec outils classiquesMonde réel
Monde plus réel
avec nouveaux outils
Mathématiques analytiques calculables et simulables
Démarche algorithmique et simulable
Effets proportionnelsaux causes (linéarité)Prédictibilité
Chaos (H. Poincaré)
Non-linéarité,
Centre de Contrôle (Taylor) Auto-organisation (A. Smith)
Réseaux / Relations
RéductionnismeS = A * B * C
Holisme (Bartalanffy) S = {(A, B, C) ; (A<>B, A<>C, B<>C) ; (A<>E, B<>E, C<>E)}
Passage d’un monde trop simplifié à un monde plus proche du réel
© Mount Vernon Consulting 77 /
3. L’extrême sensibilité aux détails ne permet des prévisions que sur des périodes courtes
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
4. En général , il n’y a ni chef ni plan, l’évolution du système est un phénomène d’auto-organisation(émergence) provenant des interactions entre agents
5. Il est possible de restreindre l’objet de l’étude (en s’en souvenant), mais il faut être très prudent si l’on découpe l’objet de l’étude pour en étudier les parties : risque de perte d’intelligibilité
6. En faisant une étude, il faut se méfier de « nous-même » et de nos biais cognitif
© Mount Vernon Consulting 78 / Michel Bloch mbloch@mountvernon.fr
* Un paradigme est une représentation du monde, une manière de voir les choses, un modèle cohérent du monde qui repose sur un fondement défini (matrice disciplinaire, modèle théorique, courant de pensée). Les paradigmes fournissent, pour un temps, à un groupe de chercheurs des problèmes types et des solutions ».
10. Il est très difficile de changer de paradigme* :
8 minutes : https://www.koreus.com/video/experience-velo-guidon-
inverse.html
© Mount Vernon Consulting 79 /
Références
➢ Sites
▪ Emergence : http://www.mountvernon.fr▪ http://fr.newsfutures.com
http://fr.newsfutures.com/market/market.html?symbol=PS07*SRY&graphType=3▪ Bonnabeau : http://icosystem.com/about_management.htm
➢ Systèmes complexes
▪ “la Complexité, vertiges et promesses” 18 interviews par Réda Benkirane▪ « Complexity – A guided Tour » Mélanie Mitchell
➢ Réseaux
▪ “Linked, The New Science of Networks” - Albert-Làszlo Barabàsi▪ “6-degrees, The sciences of a connected age” - Duncan J. Watts▪ “Sync The Emerging Science of Spontaneous Order” - Steven Storgatz
➢ Sociologie appliquée
▪ « Les sciences de l’imprécis » Abraham A. Moles▪ “The Tipping Point” Malcolm Gladwell “ Le point de bascule”)
➢ Changement de paradigme
▪ « La structure des révolutions scientifiques » - Kuhn T. S
Groupe Emergence Michel Bloch mbloch@mountvernon.fr
Recommended