Navigation – Plan du site

Simulations, explication, compréhension : essai d’analyse critique

Simulations, explanations, understanding: a critical analysis essay
Cyrille Imbert
p. 49-109

Résumés

J’analyse dans cet article la valeur explicative que peuvent avoir les simulations numériques. On rencontre en effet souvent l’affirmation selon laquelle les simulations permettent de prédire, de reproduire ou d’imiter des phénomènes, mais guère de les expliquer. Les simulations rendraient aussi possible l’étude du comportement d’un système par la force brute du calcul mais n’apporteraient pas une compréhension réelle de ce système et de son comportement. Dans tous les cas, il semble que, à tort ou à raison, les simulations posent, du point de vue de leur valeur explicative, des problèmes spécifiques qu’il convient de démêler et de décrire précisément. J’essaie dans cet article d’analyser systématiquement ces problèmes en utilisant comme guide les théories existantes de l’explication. J’analyse d’abord le rapport des simulations à la vérité (section 2). J’examine ensuite en quoi les simulations satisfont ou non les exigences de déductivité et de nomicité, qui jouent un rôle central dans le modèle de l’explication de Hempel (section 3). J’étudie dans quelle mesure les simulations sont aptes à véhiculer l’information causale pertinente qu’on attend d’une bonne explication (section 4). Je poursuis en analysant en quoi l’abondance informationnelle et la lourdeur computationnelle des simulations peut sembler problématique par rapport au développement de nos connaissances explicatives et de notre compréhension des phénomènes (section 5). J’analyse enfin en quoi les simulations ont un rôle unificateur comme cela est attendu des bonnes explications (section 6). Au final, cette étude permet de comprendre plus précisément pourquoi les simulations, alors même qu’elles semblent pouvoir satisfaire les conditions que doivent remplir les bonnes explications, semblent spécifiquement problématiques au regard de l’activité explicative. Je suggère que les raisons sont notamment à chercher dans l’épistémologie de l’activité explicative, dans les attentes méthodologiques envers les bonnes explications et dans l’usage spécifique qu’on fait des simulations pour l’étude des cas difficiles – en plus du fait que les simulations constituent une activité qui n’est plus à taille humaine.

Haut de page

Accès au texte / extrait

Cairn

Texte intégral disponible via abonnement/accès payant sur le portail Cairn. Le texte intégral en libre accès sera disponible à cette adresse en janvier 2021.
Consulter cet article

Plan

1 Introduction
2 Explication, vérité et simulations
2.1 Explication et vérité
2.2 Les simulations s’écartent-elles plus souvent et davantage de la vérité ?
2.3 Simulations, modèles et vérité : attention aux comparaisons rapides
2.4 Quand toute la vérité n’est pas requise pour expliquer
2.5 Quand les simulations ne sont que « phénoménologiques »
2.6 Simulations et sous-détermination : les simulations comme leurres explicatifs ?
2.7 Typologie des écarts à la vérité, épistémologie de l’explication et simulations
3 Le modèle déductif-nomologique (DN) de l’explication et les simulations
3.1 Déductivité, simulations et épistémologie de l’activité explicative
3.2 Lois, causes, régularités nomologiques et simulations
3.3 Les simulations comme narrations « déductives-nomologiques »
3.4 Conclusion : les simulations et la logique de l’explication
4 Les simulations comme vecteur approprié d’un texte causal idéal ?
4.1 Théories causales de l’explication, simulations et représentation des processus causaux
4.2 Texte explicatif idéal, information explicative et simulations
4.3 Les simulations : l’oubli des intérêts épistémiques et de la pragmatique explicative ?
4.4 Simulations et processus causaux : le même aveuglement dans les détails ?
5 Information explicative et ressources inférentielles : des simulations trop replètes et trop coûteuses ?
5.1 Pertinence et explication : rien de trop dans des simulations informationnellement saturées ?
5.1.1 Le problème de la pertinence explicative : présentation générale
5.1.2 Pertinence explicative, vœu de pauvreté informationnelle et extension des connaissances explicatives
5.1.3 La pertinence explicative : une vertu graduelle
5.1.4 Épistémologie de la pertinence, opacité explicative et méthodologie par provision
5.1.5 Simulations, pertinence, opacité et soupçon de surabondance informationnelle
5.1.6 Le nouveau problème de la simplicité (explicative) informationnelle
5.2 Ressources inférentielles et compréhension : le problème de l’opacité des simulations
5.2.1 Explication et compréhension : être continuiste et en rester aux aspects « logiques » ?
5.2.2 Conséquences de l’externalisation de l’activité explicative dans le cas des simulations
5.2.3 Le nouveau problème de la simplicité (explicative) inférentielle
5.3 Par delà les soupçons : l’importance de la suffisance explicative ou at least, we can !
6 Explication, unification et simulations
6.1 L’unité par le matériau scientifique explicatif : avec une grande puissance inférentielle vient un grand pouvoir d’unification
6.2 L’unification par des schèmes explicatifs comme but primaire de l’activité explicative (Kitcher)
6.3 Explication, pouvoir d’unification propre et simulations
6.4 Les possibles effets du pouvoir : risques de fracture théorique et de développement d’une science en mosaïque
6.4.1 Domaines couverts par des descriptions théoriques : le risque de la désunification
6.4.2 Domaines non couverts par des descriptions théoriques : le risque du localisme et du particularisme
7 Conclusion

Aperçu du début du texte

1 Introduction

Mon but dans cet article est d’analyser la valeur explicative que peuvent avoir les simulations numériques. On rencontre assez souvent, aussi bien dans la bouche de scientifiques que dans celle de philosophes des sciences, l’affirmation selon laquelle les simulations permettent de prédire, de reproduire ou d’imiter des phénomènes, mais pas de les expliquer. Une idée voisine est que les simulations permettent d’étudier numériquement le comportement d’un système, par la force brute du calcul, mais pas d’atteindre une compréhension réelle de ce système et de son comportement – avec l’idée implicite que la compréhension est facilitée par d’autres techniques mathématiques, et notamment par la résolution symbolique analytique d’équations décrivant le système cible. On oppose également parfois les simulations aux théories dans la mesure où ces dernières seraient capables de nous éclairer sur un ensemble de phénomènes qu’elles unifient et expliquent alors que les simulations o...

Haut de page

Pour citer cet article

Référence électronique

Cyrille Imbert, « Simulations, explication, compréhension : essai d’analyse critique », Philosophia Scientiæ [En ligne], 21-3 | 2017, mis en ligne le 30 octobre 2019, consulté le 16 décembre 2017. URL : http://journals.openedition.org/philosophiascientiae/1302 ; DOI : 10.4000/philosophiascientiae.1302

Haut de page

Auteur

Cyrille Imbert

Laboratoire d’Histoire des Sciences et de Philosophie, Archives Henri-Poincaré, Université de Lorraine, CNRS, Nancy (France)

Haut de page

Droits d’auteur

Tous droits réservés

Haut de page