Nature du modèle scientifique

1.1. Définition opérationnelle

On appellera modèle scientifique toute construction explicite qui :

• reprend certains aspects d’un fragment du réel ;
• les organise dans une structure cohérente (logiquement ou mathématiquement) ;
• permet de produire des conséquences contrôlables (prédictions, scénarios, explications) ;
• est révisable en fonction des données ultérieures.

1.2. Modèle ≠ simple description

Une description brute (« le ciel est bleu ») n’est pas encore un modèle. Le modèle suppose :

• une sélection de variables ou de grandeurs ;
• une forme (équations, schéma, diagramme, code) ;
• une possibilité de manipulation : on peut changer les paramètres et voir ce qui se passe dans le modèle.

1.3. Modèle ≠ réalité

Dans le langage T^, le modèle se situe entièrement dans ∆ (langage, symboles, représentations). Le réel –1 ne se laisse jamais réduire à un modèle. Même un modèle très réussi reste un récit structuré à propos de quelque chose qui n’est pas lui.

2.1. Le triptyque –1 / ∆ / H

Dans T^Total v20 :

• –1 : le Réel, hors langage, inépuisable ;
• ∆ : l’espace du langage, où vivent les modèles ;
• H : les habitudes, héritages, horizons d’une communauté scientifique.

Un modèle est donc une structure dans ∆, façonnée par H et contrainte par ce que –1 laisse passer à travers les observations et les expériences.

2.2. Représentation et perte

Toute modélisation implique des pertes :

• on sélectionne certains aspects du phénomène ;
• on néglige d’autres aspects (jugés « secondaires ») ;
• on impose une forme (linéaire, continue, probabiliste, etc.).

Le modèle gagne en clarté ce qu’il perd en exhaustivité. Il donne une prise locale sur quelque chose d’infini.

2.3. Modèle comme interface

On peut voir le modèle comme une interface entre trois régions :

• le réel (–1) qui impose certaines contraintes ;
• les pratiques expérimentales qui produisent des données ;
• les communautés H qui interprètent et stabilisent.

On peut distinguer plusieurs grandes familles de modèles, souvent entrelacées :

3.1. Modèles conceptuels

Ce sont des schémas verbaux ou graphiques qui organisent des idées : diagrammes, métaphores structurantes (« champ », « paysage », « réseau »). Ils ont une fonction de cartographie plutôt que de calcul.

3.2. Modèles mathématiques

Ils expriment des relations entre variables sous forme d’équations ou de systèmes. Ils permettent de dériver des conséquences précises et de quantifier la qualité de l’ajustement aux données.

3.3. Modèles numériques / simulations

Ils implémentent un modèle (souvent mathématique) dans un code exécutable. La simulation permet d’explorer des scénarios impossibles à réaliser directement dans le réel (climat, flux financiers, IA, etc.).

3.4. Modèles analogiques

Utilisation d’un système physique comme modèle d’un autre système (par exemple, un réseau électrique pour simuler un réseau de flux, ou un bac de sable pour étudier des avalanches).

3.5. Modèles hybrides

De nombreux modèles contemporains combinent :

• une partie théorique (équations) ;
• une partie numérique (code) ;
• une partie empirique (paramètres calibrés sur données) ;
• une partie narrative (interprétation, visualisations).

4.1. Construction

Construire un modèle, c’est :

• choisir un domaine (ce que le modèle couvre et ce qu’il ne couvre pas) ;
• identifier les variables et relations pertinentes ;
• choisir une forme (linéaire/non-linéaire, continue/discrète, déterministe/probabiliste) ;
• formuler des hypothèses explicites.

4.2. Validation

La validation n’est jamais absolue : on teste le modèle par confrontation aux données disponibles, par comparaison avec d’autres modèles, par analyse de sensibilité.

4.3. Révision et abandon

Lorsque des anomalies (au sens de T^ : Ξ) se multiplient, plusieurs options existent :

• ajuster les paramètres ;
• ajouter des termes correctifs ;
• changer de modèle ;
• changer de type de modèle (par exemple, passer d’un modèle déterministe à un modèle stochastique).

5.1. Théorie

Une théorie est souvent un cadre plus large qui relie plusieurs modèles, les unifie et les hiérarchise. La théorie fournit le langage et les principes à partir desquels les modèles sont construits.

5.2. Loi

Une loi exprime un invariant empirique (par exemple, une relation régulière entre grandeurs) dans une forme compacte. Les lois peuvent être vues comme des « lignes de force » qui traversent différents modèles d’un même domaine.

5.3. Position du modèle

On peut schématiser comme suit :

• la théorie = cadre conceptuel global ;
• le modèle = mise en forme spécifique pour un problème donné ;
• les lois = contraintes récurrentes qu’on retrouve à travers plusieurs modèles.

Dans T^, ces trois éléments vivent en ∆, mais n’ont pas le même rôle dans la dynamique V des savoirs.

6.1. Modèle comme cristallisation de H

Un modèle donné exprime une certaine configuration de H : ce qu’une communauté juge important, plausible, raisonnable. Il est porteur de ses habitudes, de ses métaphores, de ses préférences mathématiques.

6.2. Modèle fissuré : rôle de Ξ

Lorsque les données produisent des écarts persistants, on a un Ξ. Le modèle devient un lieu où l’on voit apparaître les limites de H. La désobéissance scientifique (page sœur) consiste à ne pas refermer trop vite ces fissures.

6.3. Ouvertures Ω

Quand un nouveau modèle s’impose, plus cohérent avec les données, un Ω local apparaît : une ouverture du champ de possibles. De nouveaux phénomènes deviennent visibles ou calculables.

6.4. Modèles multiples, T^Holo

Dans T^Holo, chaque modèle est un grain partiel qui ne voit qu’un certain angle du réel. La pluralité de modèles (parfois incompatibles) est une ressource, pas une anomalie : elle signale la richesse de –1.

Comprendre la nature des modèles permet de :

• éviter de sacraliser un modèle comme s’il était le réel lui-même ;
• accepter plus sereinement la coexistence de modèles partiels ;
• identifier les moments où la révision de modèle est plus honnête que l’ajout de correctifs ad hoc ;
• mieux articuler les modèles scientifiques avec d’autres formes de récits (arts, mythes, politiques, T^Narratif).

Dans le cadre T^, l’enjeu n’est pas de trouver « le bon » modèle final, mais d’entretenir une écologie de modèles capable de dialoguer avec la complexité du réel.