IMAGES project (FAIR 3 CT2092) Cemagref - LISC

1. Un modèle individu-centré de diffusion de l’innovationLe cas de l'agriculture biologique dans l'Allier IMAGES project (FAIR 3 CT2092) Cemagref - LISC

2. Aperçu de la présentation • Enjeux et objectifs du projet IMAGES • Modèles existants • Stratégie de modélisation • Cas particulier : la conversion à l’agriculture biologique dans l’Allier • Un modèle individu-centré de la conversion à l’Agribio • Résultats • Discussion autour du (des) modèles

3. Enjeux du projet IMAGES ???

4. Modèles de diffusion de l’innovation existants • Paradigmes sociologiques : • Masse critique • Effet de seuil • Courbe d’adoption en S • Modèles trop généraux pour permettre la décision • Méthode classique : • Isolation d’un cas d’étude • Recueil des données • Élaboration d’un modèle statistique • Modèles trop liés aux données pour être répétables

5. Modèles de diffusion de l’innovation existants • Modèles d’automates cellulaires : • Étude de la dynamique d’un système • Règle d’interactions simples (influence, diffusion) • Bonne connaissance des propriétés du modèle

6. Modèles de diffusion de l’innovation existants • Modèles d’automates cellulaires : • Boite noire • Rationalité des décisions mal étudiée • Hypothèse d’homogénéité des agents • Agents structurellement équivalents • Notre objectif : ouvrir la boite noire !!!

7. Stratégie de modélisation • Modélisation = (experts  modélisateurs) • Le choix de modèles individus-centrés • Qu’est-ce que c’est ? • Comportement à l’échelle de l’individu

8. Stratégie de modélisation • Modélisation = (experts  modélisateurs) • Le choix de modèles individus-centrés • Qu’est-ce que c’est ? • Comportement à l’échelle de l’individu • Modèle d’interactions

9. Stratégie de modélisation • Modélisation = (experts  modélisateurs) • Le choix de modèles individus-centrés • Qu’est-ce que c’est ? • Comportement à l’échelle de l’individu • Modèle d’interactions • Modèle d’environnement

10. Stratégie de modélisation • Modélisation = (experts  modélisateurs) • Le choix de modèles individus-centrés • Pourquoi ? • Système = « ensemble d’objets en interaction » • Modélisation plus intuitive, pédagogique…

11. Stratégie de modélisation • Modélisation = (experts  modélisateurs) • Le choix de modèles individus-centrés • Nourrir les agents avec des données (interviews) • ModèleS d’abstraction décroissante

12. Modélisation pas à pas…

13. Conversion à l’agribio dans l’Allier • Objectifs : • Modéliser l’adoption de la mesure « conversion à l’agriculture biologique dans l’Allier » • Simuler l’évolution des opinions des agriculteurs / AgriBio • Simuler l’adoption de la mesure

14. Deux types d’agents • Les agents agriculteurs • Les agents institutions

15. Rationalité des agents agriculteurs • Décision multi-critère : • Anticipations • Motivations • 3 critères retenus par les experts : • Impact de la mesure sur le revenu • Image de la mesure • Technicité liée à l’adoption

16. pess • Pas intéréssé opt • Incertain opt pess opt pess • Intéressé Seuil T Incertitude et états cognitifs Aggrégation des anticipations Etat cognitif +1 -1 -1 +1 -1 +1

17. Influence des autres agents • Phénomènes en jeu : • Pression sociale • Conformisme • Constitution de groupes antagonistes • Peu de modèles dans la littérature

18. Influence des autres agents • Décomposition : • Critères personnels (évaluables) • Critères sociaux • Influence structurée • Interprétation de l’influence par l’incertitude : • « plus je suis incertain, plus je suis influençable »

19. Etat cognitif et comportement

20. Etat cognitif et comportement

21. Etat cognitif et comportement

22. Propagation des discussions

23. Agent institution: variables • Réseau d’agriculteurs • Evaluations optimiste et pessimiste de la mesure • Niveau d’information • Présence de techniciens et nb de fermes visitées par jours • Scenario d’actions : • Changements d’évaluation ou d’information • Organisation de réunions • Visite des exploitations

24. Agent Institution : dynamique • Transmet l’évaluation et l’information • Visite les agriculteurs • Controllée par le scénario. Types d’évènements : • Réunion • Change d’évaluation et d’information • Débute ou arrête les visites

25. Particularités de l’agent institution • L’agent institution • Input extérieurs (scénarios) • Reconstitution des scénarios institutionnels passés (modèle explicatif) • Interface acteur institutionnel / modèle pour le test de scénarios

26. Localisation des exploitations

27. Un exemple de réseau social reconstitué

28. Comparaison du comportement qualitatif / biblio

29. Comparaison du résulat qualitatif / données

30. Groupes antagonistes ?

31. Discussion sur les modèles sociaux • Les systèmes sociaux sont des systèmes complexes • Problèmes spécifiques de données • Moins faciles a tester

32. Discussion sur les modèles à base d’agents • De nombreux problèmes liés aux SMAs pour les modèles sociaux : • Validation (systèmes complexes) • Stabilité (modèles stochastiques) • Taille mémoire (6000 agents => choix d’implémentation) • Données individus pour initialiser

33. Apport des SMAs en modélisation • Le SMA facilite la communication entre experts et modélisateurs • Agent = un objet facilement appréhendable • Facile à manipuler • Modélisation intuitive…

34. Des questions ????

35. Initialisation des évaluations • Pour chacun des critères : • Distribution normale sur l’ensemble de la population pour les évaluations pessimistes et optimistes

36. Initialisation des motivations • Sur chacun des critères • L’ensemble de la population a la même motivation (paramètre du modèle) • Cas particulier de ce modèle dans le projet : • Sur certaines zones interviews de 50% des exploitants • Sur l’Allier 6000 agriculteurs…

37. Localisation des exploitations • Données disponibles • Statistiques général au niveau communal • Statistiques détaillées par canton (RGA) • Prototypes au niveau de la région (RICA) • Méthode employée • Duplication des prototypes • De manière à satisfaire les contraintes statistiques au niveau cantonal

38. Prévisions pessimistes et optimistes • Motivations opt pess • Revenu -1 +1 0 pess opt 0 • Image -1 +1 opt pess 0 • Technicité -1 +1 pess opt • Etats pessimiste et optimiste de la décision -1 +1 Fonction de décision

39. pess opt F pess opt F’ pess opt F pess opt F’ Influences sociales (paramètre m) Transmission d’information (param w) • Un critère • Information • Avant l’interaction • oui • non Après l’interaction • oui • oui (avec la proba w)

40. Évaluation personnelle plus approndie d’un critère • L’agent réalise cette évaluation quand : • Il est incertain ou intéressé • Il a l’information nécessaire • L’évaluation = sous-modèle (expert) dépendant : • Des caractéristiques de l’exploitation • Des spécifications de la mesure • Des paramètres donnés par les experts (baisse de productivité, prix, etc.. )