1 / 34

Théories, postulats, modèles et simulations en sciences sociales : un essai de mise en perspective

Théories, postulats, modèles et simulations en sciences sociales : un essai de mise en perspective. Franck Varenne Université de Rouen (MC épistémologie) / GEMASS (UMR 8598) franck.varenne@univ-rouen.fr. Constats et questions. Modèles : omniprésents en physique comme en science sociale

bairn
Download Presentation

Théories, postulats, modèles et simulations en sciences sociales : un essai de mise en perspective

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Théories, postulats, modèles et simulations en sciences sociales : un essai de mise en perspective Franck Varenne Université de Rouen (MC épistémologie) / GEMASS (UMR 8598) franck.varenne@univ-rouen.fr

  2. Constats et questions • Modèles : omniprésents en physique comme en science sociale • En physique : • associés traditionnellement à des théories selon une hiérarchie et des degrés d’universalité • théories à base économe (peu de suppositions) • En sciences sociales : • modèles identifiés parfois à des théories • théories avec un nombre important de postulats : TAR ou MUE ; Boudon (2003, 2009) : MRG puis TRO • Deux questions : • 1) Y a-t-il une différence de nature entre théories et modèles en physique et pas en science sociale ? ou seulement une question de degré dans les 2 cas ? • 2) Qu’apporte l’essor des modèles de simulation à ce débat ?

  3. Plan de l’exposé • Définitions (ébauches) • I- Postulats fondamentaux d’une théorie • II- Modèles et théories en physique et en science sociale • III- Critiques des théories universelles et retour des processus causaux en science sociale • IV- Modèles et simulations à l’ère computationnelle • Conclusions

  4. Définitions (ébauches) • Théorie : ensemble d’énoncés – éventuellement formalisés et axiomatisés – permettant des dérivations d’énoncés d’observation pour tout un type de phénomènes donné • Postulat : énoncé qui ne dérive pas d’autres énoncés et dont on demande d’admettre la validité pour la bonne marche d’un système déductif (≈ Axiome) • Loi : énoncé de forme universelle affirmant l’existence d’une connexion régulière sans exception, i.e. non ceteris paribus (Nadeau, 99) • Modèle : construit formel (équation ou système d’équations) simplifié et permettant la description dans des termes compréhensibles, observables ou mesurables d’un ensemble restreint de phénomènes • Simulation : calcul de modèle sur ordinateur

  5. Fonctions des modèles (1/3) • Caractérisation du concept de MODELE plutôt qu’une définition: • « Pour un observateur B, un objet A* est un modèle d’un objet A dans la mesure où B peut utiliser A* pour répondre à des questions qui l’intéressent au sujet de A » (Minsky 1965) • Conséquences : • Pas nécessairement une représentation • Une double relativité • Le modèle est un « objet » • Sa fonction : la facilitation d’une médiation

  6. Fonctions des modèles (2/3)Source : Varenne (2011) • 1- faciliter une observation, une expérience ou une expérimentation : • 1) Rendre sensible (écorché de cire, maquette du système solaire, maquette de dinosaure…) • 2) Rendre mémorisable (modèles pédagogiques, diagrammes…) • 3) Faciliter l’expérimentation en la concentrant sur un type d’objet ou organisme modèle (modèles vivants en biologie: drosophile, porc, E. coli…) facilement disponible (pour des raisons matérielles, financières, techniques, morales, déontologiques…) • 4) Faciliter la présentation de l’expérimentation (non la représentation de l’objet expérimenté) via un modèle statistique d’analyse de données • 2- faciliter une présentation intelligible via une représentation mentale ou une conceptualisation • 5) Faciliter la compression de données disparates pour l’utilisation ultérieure : modèles de données • 6) Faciliter la sélection et la classification des entités pertinentes dans un domaine : modèles conceptuels, modèles de connaissance, ontologies • 7) Faciliter la reproduction d’une évolution observable : modèle phénoménologique, modèle prédictif (d’où: positivisme, instrumentalisme de Friedman 1953) • 8) Faciliter l’explication d’un phénomène en donnant à voir ou à comprendre ses mécanismes d’interaction élémentaires : modèles explicatifs (ex.: modèles mécanistes en physiques, modèles individus-centrés en théorie sociale, modèles de mécanismes, individualisme méthodologique en sociologie, science sociale générative…) • 9) Faciliter la compréhension d’un phénomène en donnant à voir les principes généraux qui gouvernent une dynamique proche de celle qui est observée : modèles théoriques (ex.: modèles topologiques ou à systèmes dynamiques continus pour la morphogenèse, thermodynamique des SO, synergétique, fractales, relativité d’échelles…) • 3- faciliter une théorisation • 10) Faciliter l’élaboration d’une théorie non encore mature • 11) Interpréter une théorie, en montrer la représentabilité (Boltzmann) • 12) Illustrer une théorie donnée par une autre théorie (Maxwell) (recherche d’analogies pour le calcul) • 13) Tester la cohérence interne d’une théorie (en lien avec la théorie mathématique des modèles) • 14) Faciliter l’application de la théorie, i. e. son calcul et sa reconnexion avec le réel (ex.: modèles heuristiques ou asymptotiques des équations de Navier-Stokes) • 15) Faciliter l’hybridation de théories dans les systèmes hétérogènes (ex.: modèles de systèmes polyphases).

  7. Fonctions des modèles (3/3) Source : Varenne (2011) • 4- faciliter la médiation entre discoursautour d’un phénomène (faciliter la formulation du questionnement non celle de la réponse): • 16) Faciliter la communication entre disciplines et chercheurs (partage de bases de données) • 17) Faciliter l’écoute, la délibération et la concertation (ex.: Modèle RAINS : qualité de l’air) • 18) Faciliter la co-construction des hypothèses de gestion de systèmes mixtes de type sociétés-nature (ex.: modélisation d’accompagnement ou modélisation interactive des systèmes agricoles) • 5 - nefaciliter ni la formulation du questionnement ni la formulation de la réponse, mais la décision seule, i.e. la seule détermination d’un type d’action pré-établi (vacciner ou non, acheter ou pas…): • 19) Faciliter la décision rapide dans un contexte effectivement complexe (modèles de gestion d’épidémie, de gestion de catastrophes) • 20) Faciliter la décision rapide dans un contexte où le modèle est auto-réalisateur et où il n’est pas jugé utile de faire l’hypothèse de la complexité (ex.: modèles financiers = habituellement auto-réalisateurs mais cycliquement auto-réfutants, d’où les krachs (MacKenzie 2004)(Aglietta 2008)). • BILAN : au moins 20 fonctions différentes pour les modèles

  8. I- Postulats fondamentaux d’une théorie (1/2) • Postulat fondamental (supposition générale) d’une théorie T (Nagel, 1961) : • classe d’énoncés de T apparaissant comme prémisses dans toutes les déductions de T • pas eux-mêmes dérivables d’autres postulats (dans une certaine axiomatisation de T) • introduisant une certaine hiérarchie : degré d’universalité • Exemple: postulats dans la Théorie cinétique des gaz : • Postulats fondamentaux du mouvement (newtonien) • 1- Ppe d’inertie, 2- F = m. a, 3- Ppe d’action / réaction • champ d’application plus large que la T cinétique des gaz • Postulats spécifiques : • gaz = système de molécules parfaitement élastiques, • à dimensions négligeables… • Ajouts variables et optionnels

  9. I- Postulats fondamentaux d’une théorie (2/2) • Statut épistémique des postulats fondamentaux ? (Nagel 1961, Nadeau 1999) • Exemple (rappel): 1- Ppe d’inertie, 2- F = m. a, 3- Ppe d’action / réaction • Généralisations empiriques ? • Enoncés analytiques ? • Définitions ?

  10. II- Modèles et théories (1/2) • A- En physique • 3- faciliter une théorisation • 10) Faciliter l’élaboration d’une théorie non encore mature • 11) Interpréter une théorie, en montrer la représentabilité (Boltzmann) • 12) Illustrer une théorie donnée par une autre théorie (Maxwell) (recherche d’analogies pour le calcul) • 13) Tester la cohérence interne d’une théorie (en lien avec la théorie mathématique des modèles) • 14) Faciliter l’application de la théorie, i. e. son calcul et sa reconnexion avec le réel (ex.: modèles heuristiques ou asymptotiques des équations de Navier-Stokes) • 15) Faciliter l’hybridation de théories dans les systèmes hétérogènes (ex.: modèles de systèmes polyphases). Vision du positivisme logique (Nagel) sur les modèles de théories : une interprétation • Pour donner du sens, de la chair (« flesh ») et visualiser la théorie (n°11 et 12) (p. 90). Ex.: la théorie de Bohr, mais elle est incomplète car justement elle n’est que sous forme de modèle • Un modèle ne remplace pas non plus les « règles de correspondances » (ex. de RC : la notion théorique d’un saut d’électron est liée à la notion expérimentale d’une ligne spectrale, p. 95) servant à lier les concepts théoriques à des concepts expérimentaux : il n’a pas la même fonction. Nagel nie donc la fonction 14 (p. 95) Ce sont les LOIS (expérimentales) qui, en combinant les notions expérimentales • décrivent les régularités empiriques sans exception • et sont en même temps dérivables déductivement de la théorie (via les RC)

  11. II- Modèles et théories (2/2) • B- En sciences sociales • Grands types de modèles en sciences sociales • Modèles d’analyse : analyse de données multivariées • Modèles phénoménologiques prédictifs (instrumentalisme) • Modèles de synthèse ou générateurs (explicatifs : fonction n°8) : • Modèle de mobilité scolaire (Boudon 1973) : 4 axiomes fondamentaux et 10 axiomes auxiliaires (« pour obtenir des conséquences spécifiques », ibid., p. 165) • Soit rapport (Théorie / Modèle) à l’intérieur du Modèle • Soit Modèle = Théorie avec axiomes fdtaux = postulat fdtaux • Flou : Modèle de l’Utilité Espérée ou Théorie de l’Acteur Rationnel. Cf. diapo suivante (Boudon 2003) : pas moins de 6 postulats fondamentaux • Donc Modèles explicatifs / Théories : Frontières floues (si par théorie on entend ce qu’on vu précédemment).

  12. La Théorie de la Rationalité Ordinaire: plus générale que la TCR « La Théorie du Choix Rationnel (TCR) n’a pas grand-chose à nous dire sur les sentiments moraux ni généralement sur les phénomènes d’opinion […] La TCR accepte à juste titre le postulat individualiste [1- tout phénomène social résulte de comportements individuels], le postulat de la compréhension [2- l’individu donne du sens à son action] et le postulat de la rationalité [3- l’individu a des raisons d’agir ainsi]. Mais elle fait fausse route en prétendant accorder un statut général au postulat du conséquentialisme[4- le sens de son action pour un individu réside toujours dans ses conséquences connues ou imaginés par lui], au postulat de l’égoïsme [5- parmi ces conséquences seules l’intéressent celles qui le concernent personnellement] et au postulat du calcul coûts-avantages [6- au vu de ces conséquences probables, l’individu minimise toujours ses coûts personnels et maximise toujours ses avantages personnels], car ils ne sont pertinents que dans des cas particuliers. » R. Boudon, La rationalité, Paris, PUF, 2009, pp. 45-47. Voir aussi Raison – Bonnes raisons, Paris, PUF, 2003, pp. 19-28.

  13. III- Critique des théories universelles et retour des processus causaux (1/4) • A- Epistémologie (1/2) :Tournant sémantique (années 1980) • les modèles deviennent centraux • car les philosophes se rendent compte qu’il faut toujours des modèles pour passer des théories aux lois expérimentales • Cartwright (LSE, 1983) : les « lois fondamentales » ( ≈ les théories) « mentent » car: • les lois expérimentales (= modèles) ne sont pas déductibles des lois fondamentales à une époque donnée (on y met une part de fiction) • Les hypothèses théoriques qui fondent ces lois sont même fausses le plus souvent • Exemple de la loi de réfraction de Snell-Descartes (Cartwright, 1983) : • on découvre (avec la théorie électromagnétique de la lumière) que pour la déduire il faut faire l’hypothèse de l’isotropie des milieux traversés par le rayon de lumière ; ce qui est rarement le cas. • La loi phénoménologique vraie devrait donc dire qu’il y a deux rayons réfractés. Mais on préfère toujours enseigner qu’il n’y en a qu’un.

  14. III- Critique des théories universelles et retour des processus causaux (2/4) • A- Epistémologie (2/2) : Cartwright • Pas anti-réaliste, car les modèles peuvent être dits vrais (pas les théories) • Mais anti-universaliste (Cartwright, 1999 : Le monde tacheté) • Les théories sont seulement des guides de formulation (des structures formelles) pour les modèles • Par ailleurs : débat épistémologique sur l’existence de lois en sciences sociales, i.e. lois non ceteris paribus (1980-2000) • Earman, Roberts, Kincaid… • Contre le « légalisme » positiviste, retour à la causalité, aux causes, aux mécanismes : • Pas de lois non cp même en physique (Cartwright) : d’où homogénéité lois physiques / lois sociales • Chap. 4 : « La réalité de causes » : « Bien que les philosophes croient généralement en des lois et nient les causes, la pratique explicative en physique montre juste l’inverse » (1983, p. 86). Ex.: le nombre d’Avogadro chez Perrin.

  15. III- Critique des théories universelles et retour des processus causaux (3/4) • B- En biologie : • « lois de l’évolution » = un ensemble de mécanismes: mécanisme de reproduction avec différence héritée, mécanisme de sélection • « lois de la morphogenèse »: un graphe de règles Varenne (2007) • Favorisé par le tournant computationnel : des lois aux règles • Exemple : les modèles de simulations de plantes réalistes d’un point de vue botanique et physiologique (approche par l’individu « bourgeon » doté de mécanismes)

  16. Aulne - Source : Bionatics ( http://www.bionatics.com ) Rapidly growing tree mature at about 60 years with long trunk and narrow crown. Distinctive outline in winter. Height 20m or more.

  17. Accacia Lahia - Source : Bionatics ( http://www.bionatics.com ) A perennial flat-topped species of tree found in Africa.

  18. Abricotier japonais - Source : Bionatics ( http://www.bionatics.com ) Low spreading tree with pink flowers in spring.

  19. Applications en agronomie prédictive Source: AMAP (CIRAD, INRIA, INRA, IRD, CNRS, Montpellier)

  20. III- Critique des théories universelles et retour des processus causaux (4/4) • C- En sciences sociales : • Les mécanismes ou « liens causaux » :IM, Boudon (« mécanisme générateur », 1973), Elster (1983), Coleman (1990), Hedström & Swedberg (1998), Manzo (2007), Demeulenaere (2011) : • « Mécanisme générateur » : qui explique comment des événements en engendrent d’autres (Bouvier, 2011, p. 39) • « Mécanisme » : « structure causale apparaissant fréquemment, facilement reconnaissable, qui est déclenchée sous des conditions généralement inconnues ou avec des conséquences indéterminées » (Elster, 2011, p. 50) • Mettant en œuvre des dispositions, croyances, émotions, ressources des agents paramétrables par l’environnement (contre l’ « atomisme des agents non sociaux », Demeulenaere, p. 5) • Elster : sélection, aversion à la perte, réduction de la dissonance cognitive, pensée magique, transmutation des émotions • lls sont « the basic building blocks of explanation in social sciences » (Elster, p. 61) • D’où « sociologie analytique » (Demeulenaere, p. 1) : hypothèse de décomposabilité de l’explication en éléments • Réactivés par les limites de la TCR mais aussi sous la pression des débats : • sur la primauté structure / action (agency) • sur les lois ceterisparibus(influence de Cartwright dans Elster notamment) • Favorisé techniquement surtout (« débloqué ») par l’essor de la science sociale computationnelle • Epstein (2006) = expliquer générativement par simulation au moyen de formalisations non immédiatement mathématiques • Exemple : l’archéologie computationnelle

  21. Simuler les sociétés anciennes Les recherches en archéologie de Tim Kohler (Washington State University) & George Gumerman (School of American Research - Santa Fe) Le peuple Anasazi a vécu des siècles dans une région du Sud-ouest des EU, y a prospéré et l’a brusquement abandonné au 14ème siècle. Comment expliquer cette évolution ? Source : NSF - http://www.nsf.gov/news/news_summ.jsp?cntn_id=104261

  22. Idées de base • Approches par des individus interagissants et évolutifs (les foyers) • Ils évoluent : • 1) selon des règles de comportement et d’interaction qui modifient certains aspects de leur environnement • 2) selon leur environnement qui paramètre ces règles (d’où : Système Multi-Agents) • On a des données environnementales précises qui ont leur propre dynamique • On part d’une répartition initiale au hasard des foyers • On regarde si on peut rétrodire la répartition réelle des foyers

  23. Le modèle de simulation : un SMA • L’environnement : • Informations très précises sur les capacités de production en maïs des zones simulées entre 400 et 1305 ApJC. • Conditions topographiques et environnementales : données topographiques hydrographiques (SIG), paléoclimatiques et paléobotaniques très précises • Accessibilité variable des sources d’eau sur cette période (donnée paléo-hydrographiques). • Les agents : • Foyers avec chacun des caractères et des mécanismes définis : capacité de production, besoins en nourriture, fertilité, longévité • Possibilité de déplacement de ces foyers en fonction de la zone la plus favorable pour eux • Si la capacité de production en maïs de la zone baisse, le foyer se déplace vers une zone voisine plus favorable

  24. Source : « SimulatingAncientSocieties », Scientific American, 2005, Timothy A. Kohler, George J. Gumerman and Robert G. Reynolds

  25. Résultats • Jusqu’en 1300, on a des résultats très proches des enregistrements archéologiques, y compris dans la réaction des Anasazis à un épisode connu de sécheresse. • Mais il ne prédit pas la disparition brusque de ces implantations autour de 1300 • Les archéologues en concluent qu’il a dû se produire quelque chose qui n’était pas de l’ordre d’une modification environnementale (sécheresse, changement climatique ou appauvrissement due à une pression de production) mais un événement d’ordre politique ou social Perspectives • D’où l’utilisation aujourd’hui (après 2006) de ce terrain empirique second et singulier (multi-aspect, multi-physique, multi-champ) pour tester directement des mécanismes sociaux théoriques, par exemple de construction concertée • de la hiérarchisation sociale (leadership) • de la stratification sociale • Choix de Kohler et al. 2008 : modèle théorique d’élaboration de bien public par jeux évolutionnaires Commentaires • Le statut épistémique du construit commun n’est pas trivial : théorique, empirique ? • Kohler pense qu’on obtient par là une cumulativité en science sociale • Remarquons une intrication du singulier et du particulier.

  26. Résultats • Jusqu’en 1300, on a des résultats très proches des enregistrements archéologiques, y compris dans la réaction des Anasazis à un épisode connu de sécheresse. • Mais il ne prédit pas la disparition brusque de ces implantations autour de 1300 • Les archéologues en concluent qu’il a dû se produire quelque chose qui n’était pas de l’ordre d’une modification environnementale (sécheresse, changement climatique ou appauvrissement due à une pression de production) mais un événement d’ordre politique ou social Perspectives • D’où l’utilisation aujourd’hui (après 2006) de ce terrain empirique second et singulier (multi-aspect, multi-physique, multi-champ) pour tester directement des mécanismes sociaux théoriques, par exemple de construction concertée • de la hiérarchisation sociale (leadership) • de la stratification sociale • Choix de Kohler et al. 2008 : modèle (théorique) d’élaboration de bien public par jeux évolutionnaires Commentaires • Le statut épistémique du construit commun n’est pas trivial : théorique, empirique ? • Kohler pense qu’on obtient par là une cumulativité en science sociale • Remarquons une intrication du singulier et du particulier.

  27. Résultats • Jusqu’en 1300, on a des résultats très proches des enregistrements archéologiques, y compris dans la réaction des Anasazis à un épisode connu de sécheresse. • Mais il ne prédit pas la disparition brusque de ces implantations autour de 1300 • Les archéologues en concluent qu’il a dû se produire quelque chose qui n’était pas de l’ordre d’une modification environnementale (sécheresse, changement climatique ou appauvrissement due à une pression de production) mais un événement d’ordre politique ou social Perspectives • D’où l’utilisation aujourd’hui (après 2006) de ce terrain empirique second et singulier (multi-aspect, multi-physique, multi-champ) pour tester directement des mécanismes sociaux théoriques, par exemple de construction concertée • de la hiérarchisation sociale (leadership) • de la stratification sociale • Choix de Kohler et al. 2008 : modèle (théorique) d’élaboration de bien public par jeux évolutionnaires Commentaires • Le statut épistémique du construit commun n’est pas trivial : théorique, empirique ? • Kohler pense qu’on obtient par là une cumulativité en science sociale • Remarquons une intrication du singulier et du particulier.

  28. IV- Modèles et simulations à l’ère computationnelle (1/3) • Simulations = plus seulement calculs approchés de modèles mathématiques • Mais computations pas à pas et combinantes d’une pluralité de modèles formels de mécanismes (Varenne, 2007, 2008, 2010, 2011). • Pluralité de mécanismes : • atomisation des formalismes : « discrétisme méthodologique » • mécanismes aux paramètres locaux, donc non universels dans l’espace et/ou le temps • Conséquences méthodologiques et épistémologiques : • Étude précise des mécanismes particuliers dans leurs interactions à la fois dynamiques et situées dans des structures sociales et physiques elles-mêmes dynamiques • Rétroaction : Micro → Micro, Micro → Macro et Macro → Micro (Coleman, 1990). • Pensée non syllogistique (Boudon 1973), non linéaire, non mono-causale, mais non holiste, ne recourant pas pour autant à des « forces » incompréhensibles (Boudon, 2009, 2010) (bien que Kincaid, 2004, p. 170 et Elster, 1989, et 2011, p. 50 : opacité résiduelle des mécanismes (bacl box) : un lien opaque et qui peut être décrit par une loi…) • Conséquence thématique : la peur de l’enfermement dans le singulier (Sawyer, 2011, p. 92) : • « Il demeure le risque qu’une approche mécanistique puisse produire de merveilleuses explications d’instances token spécifiques, mais dégénère une fois appliquée à l’étude de cas spécifiques , perdant par là toute généralité et possédant ainsi une valeur scientifique limitée » • La peur de l’insignifiance de la simulation fac-simile

  29. IV- Modèles et simulations à l’ère computationnelle (2/3) • Modèles : Sciences du particulier (catégories de mécanismes typiques) ≠ Sciences du singulier : sciences historiques (Bouvier, 2011, p. 40) : • d’où tension entre modèle traditionnel et modèle de simulation • Avec le degré accru de réalisme dans les simulations de mécanismes, l’historicité devient réplicable(pas seulement son « allure ») • Or, cf. déjà l’archéologie computationnelle : elle entremêle les deux (particulier et singulier) • Une fonction épistémique nouvelle des simulations : • Test de la pertinence possible du mécanisme (modèle) particulier dans sa dynamique à l’aide de son insertion dans une réplication de l’individuel dans son historicité

  30. IV- Modèles et simulations à l’ère computationnelle (3/3) • Difficultés des sciences sociales computationnelles: • Recevabilité a priori des mécanismes : explications compréhensibles, auto-suffisantes i.e. ne nécessitant pas d’autres explications (Becker, 1992 ; Boudon, 2003, p. 9) ? • Généricité des mécanismes a posteriori même validés ? (Weisbuch, 2000) • Car problème de la multi-réalisabilité : équifinalité de certaines dynamiques à mécanismes distincts (Epstein et al. 2000) • Solutions = validations croisées et multi-niveau (Moss & Edmonds, 2005) ? • Mais aussi : mécanismes en fait multi-disciplinaires, multi-point de vue (biogéographie, écologie, paléoclimatologie, botanique, éthologie, sciences cognitives, psychologie, IA, économie, sociologie, …) • Dosage des effets des contraintes environnementales (physiques) ? Constructivisme ? • Perte de la maîtrise monodisciplinaire académique • L’épistémologie classique des « modèles monodisciplinaires orientés compréhension dans la discipline » est elle-même contestée : car modèles de simulations = multi-usages, multi-contexte, ne répondent plus à une unique question… • Science sociale cumulative mais … du coup non complètement sociale ? (Sperber, 2011) • Exemple pionnier de la géographie computationnelle : pas un hasard

  31. Conclusions (1/3) • Différence modèle et théorie : seulement de degré en sciences sociales car • difficulté à abstraire dans les sciences sociales sans perdre de vue le terrain : médiations avec rupture de continuité, de dérivation • Formalisation : autre que construction mathématique de concept + interprétation par modèles : même dans les « théories », les concepts mathématiques sont régulateurs mais pas constitutifs • difficulté à montrer à l’oeuvre le particulier (ce qui dans l’individuel est typique) dans le singulier (cas individuel dans son unicité) du fait du processus de singularisation toujours à l’oeuvre dans le social • mais ce processus peut sembler être dû (au moins en partie) à l’entrecroisement chaque fois différent des déclenchements des mécanismes particuliers (d’où d’ailleurs des lois seulement ceteris paribus) : espoir de la sociologie analytique par SMA

  32. Conclusions (2/3) • Le tournant mécanistique de la sociologie (depuis les années 90) : • Contre le légalisme, retour aux causes : un néo-causalisme Vs. un légalisme (essentialiste ou positiviste) • Un Néo-causalisme dû aux critiques contre les limites du TCR notamment mais aussi opportunément favorisé par une technique en plein essor : le tournant computationnel des techniques de modélisation • Car une simulation de modèle computationnel permet : • de représenter ce qui est particulier sous forme de mécanismes, mécanismes eux-mêmes paramétrés ponctuellement par les structures dans leurs dynamiques • et de combiner pas à pas ces mécanismes entre eux de manière non triviale ; « discrétisme méthodologique » : la méthodologie des simulations computationnelles intégratives

  33. Conclusions (3/3) • Un essor des simulations intégratives comme terrain empirique second, au-delà même de l’expérimentation de modèle (Boudon, 1973; Walliser, 2001) : le singulier répliqué devient le terrain de test du mécanisme hypothétique particulier. • 1- D’où : une rencontre inédite de l’idiographique et du nomothétique d’une même discipline dans un même construit commun qui est aussi le même terrain formel. • 2- D’où une rencontre entre types de sciences : sciences descriptives et historiques (du singulier) et sciences nomothétiques : • de la nature : botanique, histoire de la terre, des volcans, des reliefs, des climats, géographie physique (?)… • de la culture : histoire, archéologie • 3- D’où une interdisciplinarité qui va même jusqu’à l’inter-champ : SHS / Sciences de la vie / Sciences de l’univers

  34. Merci !

More Related