La modélisation a changé les voies de la critique

1 Le philosophe Nicolas Bouleau nous livre une très fructueuse analyse de l’évolution du débat scientifique qui a suivi la généralisation de la modélisation, dont il dit qu’elle « brise le partage entre langage scientifique et langage ordinaire ». Pour porter la critique, il faut pouvoir développer une modélisation concurrente. Un modèle sérieux est en effet très difficile à « défaire ». Remettre en cause les hypothèses implicites et les non-dits se révèle être une tâche encore plus lourde que la construction du modèle lui-même. La critique d’un modèle ne peut se limiter à une analyse de la sensibilité des résultats aux paramètres, qui conserverait la même forme aux équations, ni à la délimitation d’un domaine de validité des hypothèses, car celles-ci sont toujours formulées en référence au modèle lui-même. C’est par rapport aux hypothèses implicites qu’il faut prendre de la distance, et seule une contre-modélisation peut les faire apparaître.

2 Pour la prévision des crues, par exemple, plusieurs familles de modèles peuvent être fondées sur la hauteur d’eau, le débit, le log de la hauteur d’eau et du débit. Ces modèles ne produisent pas la même probabilité de franchissement de seuil, mais ce n’est pas parce que la réalité est plurielle qu’elle n’est pas scientifique. L’auteur rappelle les multiples enjeux de la gestion d’un bassin-versant, car les acteurs sont soumis à des contraintes et se réfèrent à des valeurs différentes : les élus sont sensibles aux risques d’accident, les agriculteurs à la météo et au marché, les compagnies d’eau et d’électricité aux fluctuations de production, tandis que les associations de défense ne peuvent quitter leurs positions jusqu’au boutistes sans perdre des adhérents. S’ajoute à cela qu’on ne dispose que d’un ensemble fini de mesures en certains points et cela depuis peu (quelques décennies et au mieux quelques siècles…).

3 Au lieu de se situer du côté des seuls savoirs objectifs, universels, le langage de la science, grâce à la modélisation, se déploie comme une extension du langage ordinaire, permettant l’expression de représentations virtuelles, et c’est ce registre de connaissances partisanes et locales, soumis aux exigences de communicabilité et procédures de validation, qui est le ferment de l’innovation et du déblocage des décisions collectives. Il y a ainsi toute une hiérarchie de modèles de trafic, depuis les plus grossiers qui raisonnent par grandes masses, découpant les villes en zones et calculant des flux journaliers entre elles, jusqu’aux plus fins, qui individualisent chaque véhicule, en prenant en compte le débit des voies, la propagation d’encombrements, le régime des feux, etc. La complexité devient telle qu’on ne peut traiter que des quartiers sous des hypothèses simples. On se trouve ainsi pris en tenaille entre la recherche d’efficacité pratique et le souci de rester fidèle à la réalité. Avant d’engager la modélisation on doit donc se demander « à quoi va servir le modèle ». La « grande science » se détourne d’un domaine comme le trafic : elle y est inopérante, la nature universelle des connaissances qu’elle élabore la limite de facto à des généralités. Le choix d’une bonne façon d’utiliser les outils et représentations scientifiques pour rendre service à un acteur économique spécifique n’est pas un problème standard comme pour des disciplines comme la physique.

4 La modélisation se doit d’être avant tout un outil de dialogue. C’est ainsi que le GIEC ne peut pas quantifier de façon univoque l’effet anthropique sur le réchauffement climatique. On ne peut pas affirmer ce qu’aurait été l’évolution « spontanée » de la planète s’il n’y avait pas eu l’ère industrielle et si on avait économisé les réserves d’énergie possibles. Mais les critiques ne sont pas désintéressées… L’exemple des émissions de CO₂ est typique : les États-Unis en produisent 5,2 tonnes par an, l’Allemagne 0,7, la Chine 6,3. En kilos par habitant, les valeurs sont de 17 pour les États-Unis, 9 pour l’Allemagne, 4,7 pour la Chine. Rapportées au PIB, les données sont profondément différentes : 0,3 gramme par Euro de PIB pour les États-Unis et l’Allemagne, 2,7 pour la Chine. Sur quelles bases la répartition des efforts peut-elle être équitable ? Bien qu’exprimée au moyen de représentations scientifiques, la modélisation n’est donc pas un processus qui poursuit les mêmes buts que la science. Elle est une démarche toujours partisane de lecture du monde. Un modèle, toujours faux, peut être précieux pour l’action, car il permet aux acteurs de communiquer. La science n’est pas à même de trancher les conflits d’intérêt ou d’interprétation.

5 En fonction de tout cela va-t-on considérer comme inadapté, par sa rigidité, le fameux critère de scientificité de Karl Popper, au vu de l’inefficience de l’idée de falsifiabilité dans la plupart des situations de modélisation ? Finalement l’auteur y revient tout de même car, en disant que la science est faite de thèmes réfutables par l’expérience, Popper affirme aussi que ce que dit la science actuellement peut être réfuté ultérieurement. La vérité scientifique n’est jamais que provisoire.