Envoyer a un ami Imprimer l'article Reagir a l'article

Les relations qu’entretient un primate, humain ou non humain, avec ses congénères sont construites sur des règles sociales et influencées par des paramètres tels que l’âge, le sexe ou le rang de dominant [1]. En Ethologie, l’étude de ces paramètres va nous permettre de définir comment un individu va agir ou interagir en fonction des autres individus présents et prendre ainsi la décision d’intervenir dans un conflit ou de suivre l’initiateur d’un déplacement par exemple [2].

Les tests statistiques utilisés dans ces études ne permettent cependant pas d’affirmer qu’il existe une influence directe entre deux variables A et B. Comme dit le célèbre proverbe : « corrélation n’est pas raison », la relation établie n’est qu’une covariance et non une influence du facteur A sur la variable B comme nous voulons le prédire. La modélisation et les systèmes multi-agents (SMA) viennent résoudre ce problème. Hannah Arendt [3] explique dans sa thèse sur l’Homo faber que l’homme ne peut comprendre intégralement que ce qu’il fabrique. Nos laboratoires sont ainsi des lieux de fabrication ou de REfabrication des phénomènes naturels. En recréant ces phénomènes, nous pouvons les comprendre, observer la chronologie de leur déroulement et enfin les prédire. La modélisation est également un laboratoire, un moyen de fabrication et permet ainsi de prouver nos hypothèses. Les SMA se révèlent être de très bons outils de modélisation des phénomènes collectifs. Chaque individu étudié peut être représenté par un agent informatique qui a ses propres règles et qui évolue dans un environnement constitué d’autres agents (figure 1). Le Physicien Jean Perrin a dit que la Science permettait de « remplacer le visible compliqué par de l’invisible simple », mais la modélisation remplace ce visible compliqué par du visible simple, étant donné les multiples interfaces auxquels nous permettent d’accéder les logiciels. Les SMA clarifient les liens qui existent entre le macroscopique et le microscopique, le collectif et l’individuel.

L’exemple le plus approprié pour comprendre ces relations est celui des fourmis. Grâce aux SMA, les chercheurs ont confirmé que les phénomènes complexes observés chez les fourmis, dont le plus flagrant est la construction de la fourmilière, n’étaient pas du à une intelligence de ces dernières, et en particulier de la reine, mais simplement à des interactions locales entre les fourmis [4], [5].

Cette même méthodologie est aujourd’hui appliquée aux sociétés de primates afin de mieux comprendre les règles qui régissent leurs relations. La majorité des espèces de primates s’organise en groupes sociaux. En effet, la vie en société procure un certain nombre d’avantages ; cette stratégie permet d’améliorer l’efficacité de la recherche alimentaire, la protection contre les prédateurs ou bien encore de défendre les ressources vis-à-vis d’éventuels compétiteurs. Cependant, les individus d’un groupe ont des besoins et des intérêts divergents. Les mères qui allaitent, par exemple, doivent plus souvent aller aux points d’eau que leurs congénères. Afin d’assurer les besoins de chaque membre du groupe, tout en maintenant les avantages de la vie en collectivité, les individus doivent donc synchroniser leurs activités et entre autres se déplacer collectivement, ce qui requiert une coordination et une décision collective des membres du groupe. L’observation de ce phénomène est l’un des meilleurs moyens de comprendre les règles qui régissent une société. Ainsi l’utilisation de la modélisation est utile pour recréer les comportements et les environnements des individus et comprendre par quels mécanismes ces comportements et les motivations individuelles aboutissent à une décision collective.

Afin de comprendre au préalable les prises de décisions chez les primates et d’avoir de réelles observations auxquelles comparer les simulations, deux groupes de macaques évoluant dans un parc d’un demi-hectare ont été étudiés au Centre de Primatologie de l’Université Louis Pasteur à Strasbourg. Le macaque de Tonkean est une espèce dite démocratique, les individus sont relativement tolérants les uns par rapport aux autres, tandis que le macaque rhésus est une espèce despotique (forte hiérarchie) et népotique (préférence pour les apparentés). Les tests statistiques habituels ont d’ailleurs montré ces influences [6] mais le modèle également. Le modèle de type multi-agents, a été développé au sein de la plateforme libre Netlogo. Composé d’un nombre réduit d’agents localisés dans un environnement géographique et insérés dans des réseaux sociaux, le modèle explore, par des simulations, l’initiation de déplacements collectifs au sein des groupes étudiés. Un déplacement collectif se déroule de cette manière : un individu avec des caractéristiques mesurables part dans une direction, il initie un déplacement (figure 2) ; ce dernier va ensuite être suivi ou non par un nombre d’individus, les suiveurs, et ceci au bout d’une certaine durée que l’on nomme la latence d’adhésion. Il est donc important de comprendre les paramètres qui vont influer sur le nombre de déplacements initiés par chaque membre du groupe, le nombre de suiveurs à chaque déplacement et pour chaque initiateur, ainsi que les latences qui séparent chaque suiveur.

Pour les deux espèces, la variance de chaque variable a pu être « virtuellement » reproduite en intégrant dans le modèle les relations interindividuelles (qui est plus proche de qui), la visibilité des individus par rapport à l’environnement plus ou moins boisé, et le renoncement des initiateurs (si ils ne sont pas suivi au bout de tant de secondes, ils font demi-tour et reviennent dans le groupe). Mais la hiérarchie a du être intégrée en plus dans le modèle du macaque rhésus, hiérarchie qui a un effet sur la probabilité de renoncement (les dominants ne font presque jamais demi-tour quand ils partent) et sur le nombre de suiveurs (les dominants sont plus suivis que les dominés).

Cette modélisation a donc permis de comprendre comment une décision collective était prise parmi des individus ayant des intérêts différents, mais également de voir l’influence du système social, despotique ou égalitaire, sur cette prise de décision. Alors qu’autrefois, cette méthodologie n’était appliquée qu’à des études où les individus n’étaient pas différenciés, comme chez les fourmis, les SMAs intègrent aujourd’hui les caractéristiques individuelles au sein des agents mais permettent également de créer des entités de type « BDI », ce qui signifie « beliefs, desires, intentions ». Ces entités ne réagissent alors plus simplement à des stimuli mais peuvent réfléchir à différentes actions possibles en fonction de leur vécu, de leurs intentions, de leurs croyances et prendre des décisions en conséquence. La multitude de possibilités que nous présente cette méthodologie nous laisse comprendre pourquoi elle est de plus en plus appliquée dans de nombreux domaines étudiant l’Homme, tels que la Sociologie, la Psychologie, l’Economie ou la Géographie.