logo admiroutes Les automates intelligents
robotique, vie artificielle, réalité virtuelle


information, réflexion, discussion
logo automate © Anne Bedel
Jean-Paul Baquiast Jean-Paul.Baquiast@wanadoo.fr
Christophe Jacquemin christophe.jacquemin@admiroutes.asso.fr

Revue n° 23
Retour au sommaire 
 
Dossier
Logo Dossier Gestion des risques
 
A quand les sciences de la complexité au service de l'Etat ?
par Christophe Jacquemin   24/11/2001

Cet article vient compléter le dossier Gestion des risques publié dans notre précédent numéro

Comment prendre la "bonne" décision (ou du moins la moins mauvaise) face à un problème complexe ? Car qui dit complexité dit aussi relation entre une foule de données et de paramètres dont les effets conjugués rendent la compréhension du système des plus opaques. Quel décideur, quelle tête bien faite peut encore prétendre manier la complexité par de sacro-saintes méthodes traditionnelles, et ignorer les techniques les plus récentes de la gestion des organisations dites "intelligentes" ?
Certaines entreprises n'hésitent plus à appeler à la rescousse les "scientifiques-développeurs" d'un nouveau type de sociétés-conseil(1), dont le métier est justement d'analyser ces systèmes complexes et de proposer des solutions, des conduites à tenir.

Mais au fait, de quoi parlons-nous ?
Un système complexe est composé de grandes quantités d'éléments -ou agents - de nature identique ou différente, interagissant simultanément : citons par exemple le développement d'un organisme, l'ensemble des molécules qui composent une cellule, l'activité des neurones dans le tissu nerveux, une colonie de fourmis, un espace économique composé d'individus, de machines...
Mais c'est aussi un système dans lequel des propriétés inattendues et parfois très élaborées peuvent résulter, du fait justement de ces interactions entre agents : auto-organisation, équilibre dynamique des systèmes ouverts, capacité collective et individuelle à évoluer dans le temps en réponse aux changements de l'environnement, etc. On parle alors de comportement émergent, car ces propriétés inattendues émergent de la globalité des interactions entre agents et entre agents-environnement sans avoir été programmées explicitement ou imposées de l'extérieur, et sans qu'elles soient déductibles de l'observation des règles internes spécifiques à chaque agent. Dès lors, ce comportement est impossible à prévoir autrement que par la simulation.
Ainsi, contrairement aux approches traditionnelles linéaires, les sciences de la complexité (2) reconnaissent que de tels systèmes dynamiques ne peuvent être compris par la simple analyse de leurs constituants. Ils doivent être considérés dans leur globalité, impliquant aussi des interactions non-linéaires entre agents.
Cette approche différente a débouché sur un ensemble de méthodes et d'outils qui permettent d'analyser, modéliser et simuler ces systèmes afin de mieux les comprendre et prévoir leur comportement (de petites modifications des règles locales peuvent avoir un impact très important au niveau global).
Elle permet par exemple de fournir des idées à certaines entreprises souhaitant être plus réactives, adaptatives et évolutives.
Le fait de tester plusieurs scénarios aboutit le plus souvent à la découverte de nouvelles règles sur le fonctionnement du système et sur la manière dont il réagit aux perturbations. Qu'il s'agisse d'organisation, d'ordonnancement, de gestion des stocks, d'évaluation et gestion de risques, de gestion de la relation client, de data mining... : il n'est désormais pas un de ces domaines où l'utilisation d'outils comme la simulation par agents, les algorithmes génétiques, algorithmes "des fourmis", recuit simulé, réseaux neuronaux et autres réseaux bayésiens ne vienne rendre de grands services à nos cerveaux limités...
Pourquoi ces outils  et méthodes ne pourraient-ils pas aussi être d'une grande utilité aux Pouvoirs publics... Ne pourraient-ils pas constituer là aussi -pour peu qu'on veuille bien y consacrer certaines recherches- un puissant outil d'éclairage dans la prise de décisions? Rappelons par exemple à ce sujet les travaux d'Alain Cardon sur l'apport de l'intelligence artificielle distribuée pour la gestion d'un PC de crise, présentés lors de notre dossier "gestion des crises".

Des industriels à la page : quelques exemples
(source : eurobios : http://www.eurobios.com/flash/fr/eurobios.html, site sur lequel on trouvera bien d'autres exemples)

- Gestion de risques
Certaines institutions financières recourent déjà à la simulation par agents pour la gestion de risques. Citons par exemple les représentants du NASDAQ qui ont souhaité disposer d'outils destinés à prévoir l'impact d'un changement des règles de fonctionnement de ce marché sur le comportement des acteurs financiers. Il s'agissait ici de connaître les conséquences d'une cotation au 1/16e et au 1/100e de dollar par rapport au 1/8e de dollar alors en vigueur. L'utilisation d'un simulateur basé sur un modèle à base d'agents adaptatifs, c'est à dire capables de modifier leur stratégie en fonction de l'observation du comportement des autres agents, a montré des résultats inattendus : diminution de la capacité des acteurs à assimiler de nouvelles informations, émergence de comportements collectifs parmi les traders... Le modèle développé a également montré que l'apparition de regroupements est une propriété émergente des marchés, sans qu'il y ait accords de connivence.

- Planification dynamique
© EurobiosSouhaitant optimiser le routage de ses avions cargos, la compagnie aérienne américaine Southwest Airline a fait procéder à une simulation par agents. L'objectif était de réduire le poids total transféré d'un avion à l'autre et transporté, ainsi que de diminuer les goulots d'étranglements. En définissant et évaluant des milliers de règles de routages des colis compatibles avec les contraintes du terrain, puis en retenant le meilleur jeu de règles défini par l'outil de simulation, cette société a pu réduire, le poids total transféré de 71%, et réaliser plus de 10 millions de dollars d'économie par an.


- Gestion des marchés
Comment, pour un opérateur télécom, adapter sa rentabilité tout en gardant une relation à long terme avec le client, dans un contexte de fortes pressions sur les tarifs due à une explosion du nombre de fournisseurs de bande passante et une diversification impressionnante des offres. Comment adapter son offre à chaque micro-marché ? C'est à partir de cette question, et à partir d'une analyse du marché, qu'a été réalisé un modèle de marché à base de réseaux de neurones capable de prévoir l'évolution de la demande au niveau de chaque micro-marché. A partir d'un modèle calibré, un algorithme d'optimisation évalue l'offre la plus intéressante pour chaque micro-marché en prenant en compte l'évolution dans le temps. Ce modèle, qui inclut les données des ventes en temps réel est automatiquement réajusté, permettant ainsi aux décideurs de rester toujours à la pointe de l'offre dans un marché toujours remis en question

- Data mining et Gestion de la relation client
Comment optimiser mon site de vente d'assurances en ligne ? Voici la question que s'est posée une compagnie, sachant que plus de 50 questions obligatoires sont nécessaires pour fournir à l'internaute un devis d'assurance habitation ou automobile. Comment améliorer l'ergonomie de l'interaction homme-machine et fournir ce devis, même approximatif, sans décourager l'utilisateur ? En s'appuyant sur les réseaux bayésiens(3), un cadre conceptuel de modélisation a été construit, puis "entraîné" à partir des données déjà existantes concernant les clients de la compagnie. Ceci a débouché sur la conception d'un moteur intelligent capable de décider, au fil de l'interaction avec le client demandeur, soit de fournir un devis approximatif, soit de choisir une question supplémentaire pertinente pour augmenter la fiabilité de sa prédiction du montant de la prime. Grâce à ce système, et pour la majorité des cas, une bonne estimation de la prime (à 10% près) peut être désormais fournie au bout de 10 questions en moyenne, voire moins (chaque question est choisie en fonction des réponses précédentes). Signalons que cette technique peut aussi être appliquée à d'autres objectifs, comme par exemple la détection de fraude dans la déclaration de sinistres...

Et le secteur public ?
Si les exemples évoqués plus haut sont adaptés au monde industriel avec des objectifs bien particuliers, il n'est pas besoin de réfléchir très longtemps pour s'apercevoir que nombre de ces techniques pourraient être transposées vers la sphère publique, en poursuivant d'autres objectifs.

Prenons l'exemple du site web de la société d'assurances. On pourrait très bien imaginer les sites des services publics dotés d'une telle interface qui rendrait l'interaction utilisateur/site plus intelligente et rapide.
Autre domaine : l'aménagement du territoire et le choix des sites pour l'installation d'usines à risque. Certaines modélisations pourraient apporter de nombreux enseignements ne serait-ce qu'en testant différents scénarios en fonction de l'implantation.
"Pour tout ce qui est outils d'aide à la décision stratégique, il y a de nombreux problèmes où l'on peut utiliser la modélisation à base d'agents. A ce sujet, le Projet de réalisation d'un PC de préfecture pour la prévention des risques et la gestion des catastrophes au niveau départemental évoqué dans votre dossier me semble être un cas typique dans lequel les sciences de la complexité ont tout leur rôle à jouer. On pourrait imaginer analyser différentes stratégies et scénarios, avoir aussi grâce à ces systèmes la capacité de traiter un volume important d'informations en temps réel", explique Hugues Juillé, senior scientist chez Eurobios.


Inutile de préciser que l'armée américaine accorde la plus grande attention aux sciences de la complexité. Excellente nouvelle : l'armée française commence à s'y intéresser aussi. Faut-t-il y voir les prémices d'une contamination future à l'ensemble de l'administration civile ?


1) Citons Eurobios http://www.eurobios.fr. Cette filiale européenne de Bios Group a été fondée en 1999 à Paris. Dirigée par Hervé Zwirn (diplômé de L'Ecole Polytechnique, ingénieur Télécom Paris, et titulaire d'un doctorat en physique des particules de l'Université Paris VI) et Vince Darley (mathématicien, informaticien et physicien théorique), elle compte notamment PSA, BNP Paribas, France Telecom ou Air liquide parmi ses clients français.Remonter d'où l'on vient
2) Les sciences de la complexité sont apparues en 1984, lorsque le Los Alamos National Laboratory a fondé le Santa Fe Institute. Elles sont à la croisée de nombreuses disciplines, comme la biologie, la physique, les mathématiques, la psychologie...Remonter d'où l'on vient
3) Les réseaux bayésiens sont une manière de représenter des distributions de probabilités complexes. Les noeuds dans un graphe représentent alors des variables aléatoires et les arcs représentent des dépendances logiques entre ces variables. Les avantages des réseaux bayésiens par rapport aux autres techniques d'apprentissage sont, d'une part, leur interprétation aisée (système visuel) et, d'autre part, leur capacité évidente à représenter l'évolution des connaissances.Remonter d'où l'on vient

Retour au sommaire