Cette fiche technologique sur les applications industrielles de la théorie de la complexité synthétise quelques faits jugés significatifs par nos Fellows dans le cadre de l’activité Presans Platform.
1. Définition
Les systèmes complexes peuvent être définis comme des systèmes comportant un grand nombre de composants, relativement simples mais interdépendants. La compréhension et la prévision du comportement de tels systèmes peut être difficile à anticiper ou à comprendre même lorsque le comportement de chacun des composants constitutifs est simple. L’hétérogénéité des composants et l’éventuelle présence de boucles de rétroaction rendent plus difficile encore la prédiction de leurs comportements, imprévisibilité encore accentuée en présence de décisions humaines dans les systèmes dynamiques.
Il ne faut pas confondre systèmes compliqués et systèmes complexes. Dans le premier cas la décomposition du système en composants simples et stables et aux liens directs permet la prédiction à travers les méthodes analytiques traditionnelles. Dans le cas des systèmes complexes, les règles d’interaction peuvent évoluer dans le temps, la connectivité entre les composants peut être plastique, ceux-ci répondent et interagissent avec leur environnement, la non linéarité et la présence de boucles de rétroaction sont fréquents… Le système est beaucoup plus que la somme de ses éléments. La conséquence majeure en est la possible apparition de phénomènes émergents non anticipés et qui peuvent s’avérer problématiques dans le fonctionnement de tels systèmes.
2. La complexité des systèmes : une tendance lourde.
La prise de décision au sein des systèmes industriels et sociaux doit intégrer de plus en plus d’information du fait du nombre croissant de données pertinentes disponibles et de la compréhension de leurs interaction.
Le passage à la modélisation complexe est lourd de conséquences et exige d’être décidé au plus haut niveau de l’exécutif d’une entreprise industrielle. En effet un tel passage constitue un réel changement de paradigme qui tend à heurter les pratiques et les normes établies des équipes traditionnellement chargées de la modélisation.
En termes géographiques, les principaux centres de compétences reconnus se situent aux USA, en Angleterre et en France, mais de nombreux pays à travers les cinq continents travaillent sur ces nouvelles approches.
À l’origine de l’étiquette « systèmes complexes » se trouve la volonté d’un groupe de mathématiciens de valoriser et d’institutionnaliser la valorisation des techniques hétérodoxes de modélisation.
3. La modélisation des systèmes complexes permet d’envisager la gestion de phénomènes émergents.
Un bon exemple de phénomène émergent est celui des vagues scélérates : depuis longtemps des marins ont signalé l’existence de vagues géantes allant jusqu’à 30 mètres de haut et relativement peu larges. La modélisation analytique classique ne permettant pas de rendre compte de manière satisfaisante de ces phénomènes, on a quelquefois préféré attribuer cela à leur imagination ou à une certaine exagération. Une approche par les systèmes complexes permet d’obtenir par simulation de tels phénomènes … et donc de valider les faits relatés.
Les tentatives de modélisation traditionnelle d’un système complexe peuvent produire une illusion de sécurité et de maîtrise … que peut venir briser les phénomènes émergents. Quelques accidents en ont malheureusement été l’illustration !
L’une des grandes forces des approches de modélisation de type « systèmes complexes » est précisément d’aborder ces phénomènes en proposant une science de l’émergence.
4. Gravité des phénomènes émergents.
La maîtrise des phénomènes émergents est impérative car ils peuvent typiquement conduire à des accidents catastrophiques au sein de moyens de transport, de systèmes d’organisation, de systèmes de distribution, d’infrastructures ou de systèmes industriels … et avoir un impact humain et/ou médiatique négatif très élevé. L’effondrement géant du réseau électrique américain en 2003 en est un parfait exemple.
La modélisation des systèmes complexes nécessite des analyses très approfondies. Il faut par exemple penser très concrètement qu’un accident au niveau d’un système hydraulique d’un engin peut, par contiguïté spatiale, provoquer un court circuit dans un système électrique proche et avoir des conséquences sur un sous système apparemment indépendant.
Cependant la modélisation permet aussi, plus largement, d’optimiser l’utilisation des ressources au sein des systèmes industriels et sociaux, par exemple en améliorant la fluidité sur des réseaux de transport.
5. Méthodes et domaines d’application.
Les méthodes et techniques mobilisées par la modélisation en systèmes complexes sont nombreuses au carrefour des mathématiques et de l’informatique. Les modes d’approche sont multiples : statistiques, logiques, phénoménologiques, fonctionnels. Parmi les techniques employées, citons les réseaux bayésiens, les systèmes à base d’agents, et les méthodes de flow.
La technique actuellement dominante est l’approche par systèmes à base d’agents (agent-based modeling). Elle est notamment très utilisée en biologie, où il s’agit de faire interagir des cellules voisines et de faire apparaître des fonctionnements globaux.
Les réseaux bayésiens permettent quant à eux une excellente prise en compte de l’incertitude.
Parmi les domaines d’application auxquels la modélisation en systèmes complexes est particulièrement adaptée, il faut compter :
- Tous les domaines industriels dont le business model ne repose plus sur la vente d’une machine, mais bien sur la garantie d’un service fonctionnel dont la machine est un sous-jacent géré par le fournisseur, et non plus par le client. C’est notamment le cas dans l’industrie des réacteurs pour avions de ligne.
- La modélisation de la circulation des véhicules dans les grandes villes, où des réseaux de transports collectifs tels que le tramway de la ville de Milan.
- L’urbanisme en général.
- La modélisation de systèmes financiers.
- La modélisation de grands groupes afin d’intégrer la gestion des éléments industriels et humains.
- La modélisation des problèmes de défense, toute armée cherchant à être au maximum interconnectée et à fournir à ses composantes les meilleures informations.
- Le secteur de la logistique, pour par exemple éviter, ou gérer la submersion de centres sous les colis.
- Les systèmes de production et de distribution d’énergie.
- Les télécommunications.
Ce type de modélisation semble également incontournable pour les véhicules autonomes de l’avenir.
