« Ce qui est simple est toujours faux. Ce qui ne l'est pas est inutilisable. » Paul Valéry (1871-1945), Mauvaises pensées et autres, 1942 in Œuvres, Tome II, Gallimard, Bibliothèque de La Pléiade 1960, p. 864. Citation tirée du blog de Michel Volle à l’adresse http://www.volle.com/opinion/nature.htm, le 30 Août 2014.
En réponse à l’un des commentaires sur un compte rendu de lecture du livre de Sylvestre Frézal, Modèles et mesures, Michel Volle dit ceci :
« Tout objet réel possède une infinité de caractéristiques (sa forme géométrique, son histoire, sa composition moléculaire etc.) : il faut donc choisir celles que l'on observera, et leur nombre sera toujours fini. ».
Un objet visible présenté à dix personnes n’a pas la même représentation mentale pour ces dix individus. C’est comme nos ordinateurs portables. Si vous prenez dix ordinateurs portables, vous n’allez pas voir un seul où les mêmes applications sont installées. Donnez deux ordinateurs identiques à un comptable et à un chimiste et prenez congé pour un mois. Revenu, ces ordinateurs n’auront d’identiques que l’apparence physique.
C’est pour cela que l’intention est liée à la représentation mentale et de là à notre action. Cette notion de représentation mentale fait appel à la notion de « modèle ». Reprenons les travaux de Michel Volle pour avoir une idée de ce qu’on entend par modèle :
« Un « modèle » est la représentation mentale d’un être du monde réel et de son fonctionnement : quand on dispose d’un modèle, on peut simuler mentalement le comportement de cet être. La modélisation, ce n’est donc rien d’autre que la pensée organisée en vue d’une finalité pratique. Modèle est synonyme de théorie, mais avec une connotation pratique : un modèle, c’est une théorie orientée vers l’action qu’elle doit servir. »
C’est une opération tellement banale qu’on est surpris que des personnes soient réticentes lorsqu’on parle de modèle. Si vous affirmez à une personne qu’elle passe une bonne partie de son temps à modéliser, elle estimera que vous l’amenez vers une pente peut être pas glissante, mais trop intellectuelle à son goût. Et Pourtant :
« Dans la vie courante, nous modélisons tous et tout le temps : à chacun des êtres qui nous entourent, qu’il s’agisse d’objets matériels, de personnes ou d’institutions, nous associons une image mentale qui nous permet d’anticiper son comportement. Nous faisons des simulations pour évaluer les conséquences de nos décisions et choisir parmi les décisions possibles, en tenant compte des incertitudes. Lorsque nos modèles nous semblent faux ou trop grossiers, nous les modifions. »
Pourquoi certaines personnes ne se sentent pas concernées par la modélisation ?
« Cette démarche, intuitive et rapide dans la vie personnelle, n’est explicitée que lorsque l’on réalise un travail professionnel ou scientifique. Alors le vocabulaire devient technique, « abstrait » et éloigné du langage courant. Cette technicité rend la modélisation (sous sa forme explicite) difficile à comprendre pour certaines personnes. »
Pourtant, la modélisation est très simple :
« (…) Modéliser un être c’est définir :
- les concepts qui permettent de le décrire ;
- les relations fonctionnelles qu’entretiennent ces concepts. »
Le problème avec la modélisation tient au fait que certains pensent que les modèles, outils pour scientifiques, servent à prédire. Il est vrai que certaines disciplines se sont laissé aller à ce genre d’exercice à l’instar de l’économie qui est sous le feu des projecteurs et des critiques depuis quelques années avec la récente crise financière. Un modèle, ce n’est pas un mage ou un médium déguisé. Pour comprendre à quoi sert un modèle, il faut recourir à un excellent article de Joshua M. Epstein, « Why Model? » publié dans le Journal of Artificial Societies and Social Simulation.
Dans le résumé de l’article, il précise ceci :
« This lecture treats some enduring misconceptions about modeling. One of these is that the goal is always prediction.”
Ainsi, c’est une fausse idée de croire qu’un modèle sert toujours à prédire.
Il reprend à l’introduction de son article ce qu’a relevé Michel Volle plus haut, à savoir que tout le monde modélise :
« The first question that arises frequently—sometimes innocently and sometimes not—is simply, "Why model?" Imagining a rhetorical (non-innocent) inquisitor, my favorite retort is, "You are a modeler." Anyone who ventures a projection, or imagines how a social dynamic—an epidemic, war, or migration—would unfold is running some model.”
(Tr.) La première question que pose fréquemment, parfois innocemment et parfois pas du tout est tout simplement: «Pourquoi modéliser?" demande un inquisiteur (pas du tout innocent), ma réplique préférée est: «Vous êtes un modélisateur." Toute personne qui ose une projection, ou imagine comment une dynamique sociale (une épidémie, une guerre, ou une migration) se déroulerait est en train de faire tourner un modèle.
Seulement, quelle est la différence entre ce modèle et celui des scientifiques. Joshua Epstein donne la particularité de nos modèles de la vie courante, de nos modèles de tous les jours.
« But typically, it is an implicit model in which the assumptions are hidden, their internal consistency is untested, their logical consequences are unknown, and their relation to data is unknown. But, when you close your eyes and imagine an epidemic spreading, or any other social dynamic, you are running some model or other. It is just an implicit model that you haven't written down.”
(Tr.) Mais généralement, il s'agit d'un modèle implicite dans lequel les hypothèses sont cachées, leur cohérence interne n'a pas été testée, leurs conséquences logiques ne sont pas connues, et leur relation avec les données est inconnue. Mais, lorsque vous fermez les yeux et imaginez une propagation de l'épidémie, ou de toute autre dynamique sociale, vous exécutez un quelconque modèle. Il s’agit juste d’un modèle implicite que vous n'avez pas écrit.
C’est pour cela que Joshua Epstein estime qu’on ne doit pas se poser les questions sur la démarche de modélisation puisque tout le monde le fait. Le problème est ailleurs :
« The choice, then, is not whether to build models; it's whether to build explicit ones. In explicit models, assumptions are laid out in detail, so we can study exactly what they entail. On these assumptions, this sort of thing happens. When you alter the assumptions that is what happens. By writing explicit models, you let others replicate your results.”
(Tr.) Le choix, alors, n'est pas de savoir si oui ou non on doit construire des modèles; c'est de rendre explicite ces modèles. Dans les modèles explicites, les hypothèses sont énoncées en détail, afin que nous puissions étudier exactement ce qu'ils impliquent. Avec ces hypothèses, voilà ce qui arrive. Lorsque vous modifiez les hypothèses, c'est ça qui arrive. En écrivant des modèles explicites, vous laissez les autres répliquer vos résultats.
C’est pour cela qu’il arrive à la conclusion que :
« However, by revealing tradeoffs, uncertainties, and sensitivities, models can discipline the dialogue about options and make unavoidable judgments more considered”
(Tr.) Cependant, en révélant les compromis, des incertitudes et des sensibilités (aux hypothèses), les modèles peuvent discipliner le dialogue sur les options et permettre des jugements nécessaires être plus considérés.
Ce qui, en tout cas, est difficilement accessible avec un modèle mental implicite.
Ainsi, quelles sont les raisons qui peuvent nous amener à construire des modèles explicites ? Joshua Epstein en identifie seize (16) :
- Expliquer,
- Guider la collecte des données,
- Illustrer les dynamiques centrales,
- Suggérer des analogies dynamiques,
- Découvrir de nouvelles questions,
- Promouvoir l’état d’esprit scientifique,
- Limiter ou encadrer les résultats dans des intervalles plausibles,
- Eclairer les incertitudes fondamentales,
- Offrir des options au moment de crise en temps quasi-réel,
- Démontrer les compromis ou arbitrages, suggérer l’efficacité,
- Testez la robustesse d’une théorie dominante en analysant les écarts,
- Exposer l’incompatibilité de l’idée dominante avec les données disponibles,
- Former les praticiens,
- Discipliner le dialogue politique,
- Sensibiliser le grand public,
- Révéler ou montrer que ce qui est apparemment simple (complexe) peut être complexe (simple).
Joshua Epstein rappelle à juste titre qu’expliquer n’implique pas une prédiction.
« One crucial distinction is between explain and predict. Plate tectonics surely explains earthquakes, but does not permit us to predict the time and place of their occurrence. Electrostatics explains lightning, but we cannot predict when or where the next bolt will strike.”
(Tr.) Une distinction cruciale existe entre expliquer et prédire. La tectonique des plaques explique sûrement les tremblements de terre, mais ne nous permet pas de prédire l'heure et le lieu de leur apparition. L’électrostatique explique la foudre, mais nous ne pouvons pas prédire quand et où la prochaine foudre frappera.
Et conséquemment, aucun modèle n’est parfait.
« (…) All the best models are wrong. But they are fruitfully wrong. They are illuminating abstractions »
(Tr.) Tous les meilleurs modèles sont incorrects. Mais ils sont utilement incorrects. Ils éclairent nos abstractions.
On a toujours besoin d’un modèle.
Sûrement, certains se posent déjà la question de savoir en quoi cet long exposé sur le concept de modèle a à voir avec le “Growth Hacking”. C’est la raison pour laquelle nous allons introduire dans le prochain billet le concept de “business model”. C’est un concept central dans la compréhension du “Growth Hacking”.
"Le Secret des Blogueurs Qui S'enrichissent" déjà disponible à AMAZON
Aucun commentaire:
Enregistrer un commentaire