De Simpop2 à simpopNano

Par rapport aux modèles Simpop précédents, ces questions nécessitent de prendre en considération un niveau d’organisation spatiale supplémentaire, celui de l’intérieur de la ville2 , et les acteurs qui lui « donnent forme ». Au cœur de notre travail, il y avait donc la nécessité de construire un modèle qui permette d’étudier l’évolution, sur plusieurs siècles, des motifs de répartition à l’intérieur des villes, en termes d’emprise spatiale, de densité, et de valeur du sol, lesquelles résultent des jeux de localisation des acteurs, le tout étant contraint par la trajectoire de la ville au sein du système des villes auquel elle appartient (l’évolution de sa position relative).

La conception d’un modèle de ce type nécessite de prendre en compte des acteurs situés à différents échelons d’intervention, de modéliser des processus propres à chaque niveaud’organisation spatiale, mais aussi des processus à la frontière entre ces niveaux d’organisation, traduisant l’interdépendance de leurs évolutions.

Vers le couplage des niveaux Ce manuscrit est centré sur la présentation de deux modèles à base d’agents, le premier dédié à l’étude des morphogenèses de systèmes de villes (Simpop2), le second dédié à l’étude des morphogenèse de villes (simpopNano). Mais pour s’attaquer à l’étude des raisons de ce renversement hiérarchique au passage entre les niveaux, ces deux modèles ne peuvent pas ˆetre con¸cus et étudiés indépendamment.

Cette nécessité d’articulation de modèles pose la question des approches de calcul adaptées à la simulation de dynamiques complexes multi-niveaux. Des questions comme celles qui nous intéressent nécessitent de dépasser la dualité micro-macro en modélisation, et d’articuler des dynamiques collectives et spatialisées à différents niveaux d’organisation, au sein de modèles intégrés, autorisant le couplage entre causalités ascendantes et descendantes3 .

Dans le cadre du projet Simpop, nous avons abordé cette question du couplage avec une démarche disciplinaire en identifiant, dans les modèles géographiques, des éléments de modélisation qui font sens aux différents niveaux considérés (la ville ou la fonction urbaine par exemple) et qui sont donc susceptibles de servir de points d’ancrage à l’articulation recherchée.

Mais audelà du point de vue géographique, nous nous sommes attachés à amorcer une réflexion d’ordre méthodologique pour proposer une grille d’analyse d’approches multi-niveaux utilisées en simulation, indépendamment des systèmes complexes qu’elles permettent de modéliser. Notre objectif informatique sur ce point est d’aller vers la proposition d’architectures et d’outils facilitant la conception et l’implémentation de modèles multi-niveaux.

De la simulation à l’environnement de simulation

Ces nouveaux modèles sont par nature complexes et leur développement doit ˆetre accompagné de celui d’environnements de simulation permettant de les exploiter intelligemment et de manière automatique, collective et collaborative. Dans le cadre du projet Simpop, la démarche a en effet consisté à proposer que des processus géographiques « universels », lorsqu’ils étaient « plongés » dans des contextes historiques, économiques et spatiaux différents, pouvaient conduire à des dynamiques et/ou états d’équilibre différents du système.

Au-delà de la construction du modèle géographique et de l’implémentation du modèle computationnel, une part extrˆemement importante du travail consiste alors à calibrer les modèles applicatifs afin de reproduire, de manière aussi fidèle que possible, les observables à disposition sur le système géographique étudié. Ce calibrage de modèles a souvent un coˆut important, et un des axes de notre travail a consisté à réfléchir à des démarches et des outils qui permettraient de l’amoindrir. Cette question de l’outillage informatique [Hut10, Amb03, Dro00] et statistique [SM08, GM06] à mettre en œuvre pour calibrer, exploiter et évaluer [ARB06] des modèles spatiaux complexes et à base d’agents est une question actuelle.

Nous pensons quant à nous que l’innovation conceptuelle et technique en simulation sociale peut venir de la proposition de traitements intelligents autour du modèle : data mining, calibrage automatique, filtrage et ajustement statistique pour contrˆoler des trajectoires simulées, langages dédiés, production automatisée de résumés d’expériences, wikis dédiés à l’expérimentation collaborative.