Introduction

2Les productions viticoles font l’objet d’une grande fascination et polarisent beaucoup d’attention. D’une part, les consommateurs sont encouragés à acheter un produit plutôt qu’un autre, mettant ainsi en compétition les producteurs et les régions. D’autre part, les institutions sont appelées à protéger ou conserver des paysages et des filières pour maintenir une activité économique sur leurs territoires. Enfin la recherche se focalise, suivant les disciplines, sur les innombrables questionnements que soulèvent les systèmes viticoles. Dans tous les cas, ces interrogations impliquent toujours l’espace et les territoires.

3Nous avons choisi d’explorer sur le temps long, pour un territoire abstrait, les conséquences spatiales de l’action de processus économiques. Pour procéder à cette exploration, nous avons mobilisé les systèmes multi-agents (SMA), faisant appel à l’appareillage méthodologique et conceptuel des sciences de la complexité. La modélisation à base d’agent consiste en une démarche de modélisation itérative. En cela elle s’inscrit dans la dialectique mise en évidence par Durand-Dastès (1992) entre général et particulier :« parce qu’elle simplifie, la modélisation est un puissant instrument de mise en évidence du général. Mais elle permet aussi d’orienter la recherche de spécificité, donc de retrouver le particulier, et d’en donner une image plus efficace [...] » (Durand-Dastès, p. 6, 1992).

4Dans ce travail, nous considérons le paysage comme l’espace que nous percevons au travers de la simulation. Il ne s’agit pas d’une composante, mais bien d’une résultante des mécanismes à l’œuvre. Les formes paysagères peuvent donc être considérées comme l’émergence issue de l’agrégation des différents terroirs (Delay 2013) et du territoire qui les supporte. Il constitue ici le point d’entrée dans la compréhension des mécanismes en jeu dans le système. Pour cela, nous soumettons un territoire virtuel à différentes contraintes économiques en vue d’identifier les forces évolutives qui ont des effets sur le maintien, l’extension ou la disparition des formes de couvert agricole en situation de concurrence. A cette fin, nous nous intéressons plus particulièrement aux effets spatiaux de deux types de dynamiques économiques (un marché logistique contre un marché linéaire), ainsi qu’aux effets produits par la multiplicité du nombre d’agents sur la structure du couvert végétal produit.

5Notre modèle met ainsi en évidence les conséquences, sur la structure d’un territoire, des mécanismes de compétition spatiale aujourd’hui révolus entre céréaliculture et viticulture. Il permet donc de lier de manière conceptuelle une structure encore visible aujourd’hui avec des processus dynamiques dans le temps.

6En travaillant dans un monde virtuel, nous proposons de nous abstraire des spécificités spatiales et des problématiques liées aux particularismes locaux, tout en conservant la notion importante d’espace. En opérant par simplification et dans une démarche tant constructiviste (Anderson et al. 1999 ; Bommel 2009) que structuraliste (Thom 1989), notre objectif est de déterminer et comprendre petit à petit les variables qui entrent en considération dans la structuration, l’agencement et l’émergence de configurations à l’échelle des paysages virtuels simulés. Par la mobilisation de ces concepts, nous voulons utiliser le paysage, en tant qu’espace perçu, comme indicateur de territorialisation ou reterritorialisation du terroir.

Contexte de la modélisation

8L’interaction de l’espace avec la société dans le contexte d’une production viticole s’inscrit dans une représentation partagée par les différentes disciplines qui s’intéressent à la vigne et au vin, considérant la vigne comme une culture peuplante (Hannin et al. 2010). La production viticole est donc difficilement délocalisable, d’autant plus qu’elle bénéficie d’une reconnaissance de qualité (AOC, IGP, DOC, etc.).

9Pourtant, la viticulture s’est transformée dans le temps long, en colonisant certaines terres quand les conditions économiques étaient favorables ou en les délaissant en période de crise. Cette alternance de phases d’expansion et de contraction du vignoble a donné lieu à la notion de « noyau d’élite » (Kuhnholtz-Lordat 1960) pour désigner un foyer de viticulture de qualité dont l’intensité s’amenuise à mesure qu’on s’éloigne du centre (concept discuté pour la Touraine par Lammoglia & Leturcq 2017).

10En s’inspirant des travaux de Dion (1952), on a pu confirmer que le contexte économique et commercial jouait un rôle dans l’émergence et le développement d’un vignoble, et dans la construction sociale de la qualité (Delay et al. 2014 ; Delay & Chevallier 2015). En effet, en favorisant les parcelles historiques, le vignoble de qualité se structure autour de ce qu’on pourrait identifier comme des « cœurs d’appellation » (Kuhnholtz-Lordat 1960) entourés de parcelles moins qualitatives.

11Cependant, d’après Auriac (2000), dans une approche systémique du vignoble, « le problème le plus délicat pourrait provenir de l’interférence de plusieurs sous-systèmes collatéraux intégrant un même espace selon plusieurs types de culture ou de spéculations agricoles ». C’est à ce questionnement que nous nous sommes intéressés ici en considérant le « vignoble-système » confronté à la concurrence d’une agriculture vivrière de type céréalière. Ces deux cultures guidées par les communautés villageoises entrent en compétition spatiale, mais aussi économique en fonction des conditions microscopiques et macroscopiques des systèmes.

13En guise d’exemple, le tableau 1 donne une idée de la production et de la consommation de certains villages.

Tableau 1 : La consommation de vin dans quelques villages de Touraine au XIX^e siècle (AD Indre-et-Loire, 7M192)

Communes	Date	Nombre d’habitants	Production	Surfaces (estimation)	Consommation (estimation)
Jaulnay	1813	275	10 hl/ha	20 ha	71-75 l/hab/an
Bléré	1854		25 hl/ha
Louans	1812	818	10hl/ha	14ha	73-74 l/hab/an

Matériels et Méthodes : ODD

15Ce modèle est construit pour mettre en évidence les configurations spatiales et les dynamiques paysagères issues des interactions et des compétitions à l’œuvre sur un territoire. C’est un modèle parcimonieux, dans lequel nous avons opté pour une approche KISS – Keep It Simple, Stupid (Axelrod 1997).

Overview

Purpose

16L’objectif du modèle ViCTOr v2.0.X est d’explorer les dynamiques paysagères liées à la compétition entre la viticulture et une autre forme d’agriculture.

18Nous voulons ainsi isoler, par la modélisation, des trajectoires territoriales et paysagères pour entrevoir certaines facettes de la construction du terroir. Le modèle est utilisé, dans cette étude, pour observer les effets de la variation de contraintes économiques et spatiales sur la dynamique du système, et ainsi identifier des comportements génériques qui les engendrent.

State Variable, Scales

Les entités

20En nous intéressant aux dynamiques spatiales dans le temps long, nous avons construit le modèle autour d’agents constitués d’habitats (villages, hameaux), appelés « localités ». Ces localités sont de deux types : localité principale et hameau (localité secondaire). Les communautés d’habitants de ces localités sont donc considérées dans leur ensemble. C’est la localité qui va opérer les choix individuels.

21Nous avons défini une hiérarchie dans la population initiale entre les localités, selon laquelle nous distinguons une localité principale (village) et des hameaux, considérés comme des entités satellites du village. Chaque agent est constitué d’habitants qui cultivent la terre. Les orientations de culture, c’est-à-dire le choix d’orienter la production vers la viticulture ou la céréaliculture, sont prises par l’agent chaque année. Chaque localité adopte le même comportement d’optimisation de leur aire d’influence en fonction de la demande locale et des prix du marché global.

Les variables d’état des entités

22Les localités (fig. 1) sont décrites par leur identifiant unique, leur type (localité principale ou hameau), leur population, le nombre d’actifs, la demande locale en céréales et en vignes, la quantité de céréales et de vin importée, le nombre de parcelles de chaque culture cultivée pour l’exportation et le capital. Elles ont également connaissance des parcelles qui dépendent d’elles.

23Les parcelles sont utilisées pour produire des ressources dont les localités ont besoin. Elles sont définies par leur rendement, leur propriétaire et leur type de culture (vigne, céréale ou absence de culture). Le monde simulé peut donc être spatialement hétérogène (fig. 2), composé de zones pauvres ou riches (d’un point de vue agronomique les « mauvaises terres » ou les « bonnes terres »).

L’échelle temporelle

24Puisque nous nous intéressons aux dynamiques paysagères liées à une activité économique de nature agricole basée sur le cycle végétatif d’une plante, nous avons donc opté pour un pas de temps annuel. Il permet d’observer les mises en culture et les abandons de zones agricoles, mais aussi, de cette manière, nous pouvons synthétiser les itinéraires de culture de l’année sous forme de bénéfices/déficits pour les agents.

L’échelle spatiale

25Nous nous situons pour ce travail dans un espace abstrait constitué d’une grille de 70 x 70 patches (unité spatiale de Netlogo), présentée en figure 1. Les parcelles (patches) sont des entités spatiales primordiales et indivisibles, elles-mêmes constitutives d’unités paysagères lorsque l’on change d’échelle.

26La taille des parcelles a été définie comme représentative sur le temps long des surfaces cultivées en agriculture vivrière. Ces surfaces sont cohérentes avec les surfaces viticoles moyennes à l’échelle de communautés villageoises. Ainsi un patch de l’espace simulé équivaut à 1 hectare, la grille représente donc 49 km², soit le territoire d’une grande commune rurale.

Process overview and Scheduling

27Le modèle est divisé en quatre sous-modèles (figure 2 et cf. 3.3.3) qui s’enchaînent de la manière suivante durant une itération :

• Les localités mettent à jour leurs portefeuilles de parcelles en fonction des variables environnementales auxquelles elles ont accès : sous-modèles d’extension/rétractation des parcelles pour chaque localité (1 sur la figure 2)

• Les agents localités effectuent leurs récoltes et mettent à jour leur capital disponible : sous-modèle de mise à jour du capital des localités (2)

• En fonction de la situation démographique et des ressources disponibles, la population des localités est mise à jour : sous-modèle d’évolution de la population des localités (3)

• En fonction des conditions environnementales totales, les prix de vente des productions viticoles et céréalières sont mis à jour : sous-modèle de mise à jour du prix d’achat et de vente des productions de manière généralisée à tout le système (4)

• Au niveau de chaque parcelle, l’historique de conversion est conservé : sous-modèle de mise à jour de l’historique des parcelles (5)

Design Concepts

Theoretical and empirical background

28La résolution spatiale et la granularité sociale choisies offrent la possibilité d’explorer les conditions de conservation de la viticulture sur un territoire dans le temps long. Les valeurs de seuils définis dans le modèle (cf. 3.3.3) correspondent à la fois à des estimations issues de données réelles récupérées dans les archives (statistiques préfectorales d’Indre-et-Loire), et d’un travail d’ajustement empirique et arbitraire du modèle.

29Nous nous attachons ici à l’exploration d’un monde virtuel répondant à la complexification des hypothèses proposées par Von Thünen (Thünen 1966 ; Moindrot 1995) :

• l’inégale fertilité du sol dans le monde virtuel a une influence sur la structuration et les stratégies d’implantation des différentes cultures ;

• la multiplicité des marchés urbains : chaque localité est à la fois productrice et consommatrice. Elle suscite donc autour d’elle l’imbrication d’aires de cultures influencées par la qualité des sols, la présence de ses voisins et les chocs de demande de la part des consommateurs locaux ou étrangers (s’il existe une demande extérieure) ;

• la tension de l’infield/outfield : les agents localités sont tentés d’abandonner en premier lieu des parcelles les plus éloignées du centre.

Individual Decision-making

30Les localités, par un jeu d’extension/rétraction de leur territoire cultivé (parcelles, cf. 3.3.3), sont capables de réorienter leur politique agricole pour essayer d’éviter une situation difficile (banqueroute) en cas de perte de valeur d’une culture (baisse de la rente). La main-d’œuvre inoccupée est envoyée sur de nouvelles parcelles. Certaines parcelles de cultures moins avantageuses peuvent être abandonnées au profit d’autres plus bénéfiques sur le moment (cf. 3.3.3).

Interaction

31Les agents localités interagissent avec la grille des parcelles, ce qui limite leur propre interaction à des relations de compétition pour l’espace. La prise de possession immédiate par les agents des parcelles exclut du modèle les situations de conflit entre deux localités ayant des ambitions sur la même parcelle.

Hétérogénéité

32Nous avons introduit de l’hétérogénéité entre les agents localités dans leur positionnement spatial à l’initialisation du modèle, mais aussi par la population initiale qu’ils abritent. L’espace est possiblement hétérogène, les patches peuvent être considérés comme riches ou pauvres agronomiquement.

Stochastique

33Nous avons dû tester la stochasticité du modèle et déterminer le nombre de simulations dont nous avions besoin pour stabiliser suffisamment nos résultats. Il s’agit ici de faire un compromis entre un grand nombre de réplications de chaque paramétrage et le temps de calcul que nécessite une simulation. Pour cela, nous avons effectué 3000 simulations d’un même jeu de paramétrage. Par une procédure de tirage aléatoire des résultats de simulations, nous avons constitué cinq groupes de différentes tailles : respectivement 10 (fig. 3a), 20 (fig. 3b) et 30 simulations (fig. 3c). On observe, sur la figure 3, une stabilisation de la variance intergroupe pour des populations de 30 simulations. Nous utiliserons donc ce nombre de réplications pour l’analyse des résultats. Il faudra néanmoins garder à l’esprit que cette variance est liée à ce jeux de paramètres. La modification de ces derniers pourrait entraîner une évolution de cette variance.

Observations

34Nous avons effectué plusieurs analyses de sensibilité (One-Factor-At-A Time) sur notre système pour explorer les comportements liés à :

• l’effet de l’isotropie et l’anisotropie, et de la position initiale des localités dans l’espace ;

• l’effet du nombre d’agents localités sur le comportement du système ;

• l’effet d’une macroéconomie basée sur une fonction linéaire et logistique.

35Chaque paramétrage a été testé 30 fois sur 300 itérations. En sortie, nous nous sommes intéressés à la surface en céréales et en vigne, à l’utilisation du sol en fonction de la culture et au nombre de localités qui perdurent dans le temps. L’ensemble des données issues des 510 simulations (tab. 1) a été traité avec le logiciel R (Team 2014). Les résultats présentés ici (section 4) sont les moyennes des 30 simulations de chaque paramétrage.

36Nous observons :

• l’évolution du nombre de localités ;

• le nombre de parcelles viticoles et céréalières ;

• le pourcentage de parcelles viticoles et céréalières implantées sur des parcelles appropriées à cette culture ;

• le pourcentage d’espace disponible pour la vigne ou les céréales dans les zones adaptées.

37Ces variables sont explorées au regard des différents paramètres d’entrée de la modélisation.

Tableau 2 : Les différents plans d’expériences effectuées avec ViCTOr

Paramètres	Valeurs	Nombre de simulations
Type d’espaces	Iso-anisotrope	60
Nombre de hameaux	0 à 10 par pas de 2	150
Evolution logistique	-0,005 à 0 par pas de 0,001	150
Evolution périodique	0 à 10 par pas de 2	150
Total		510

Détails

Initialisation

39Chaque localité est dotée d’un nombre suffisant de parcelles pour répondre à la demande locale en vin et céréales, selon la proportion suivante : une parcelle de céréale pour 2 habitants, et une parcelle viticole pour 3 habitants.

40La répartition de ces parcelles se fait de manière concentrique et emboîtée pour répondre au présupposé de la théorie de Von Thünen (Thünen 1966).

Variables de forçage

41Il n’y a pas d’entrée externe au système une fois les simulations lancées.

Sous-modèles

Extension/Rétraction des parcelles

43Plus spécifiquement l’extension et la rétractation des cultures répondent à un enchaînement de mécanismes de décision de la part de l’agent localité (fig. 4). La première de ces décisions s’appuie sur une double condition qui fait basculer l’agent d’un système d’autoconsommation à un système de rente commerciale (Hinnewinkel 2004).

L’autoconsommation

44L’objectif de l’autoconsommation est de sécuriser la consommation locale dans un contexte économique de difficultés à approvisionner. Dans ce processus, l’ensemble des valeurs est issu d’un travail d’ajustement empirique. Ainsi, si de la main-d’œuvre est disponible et si la demande locale en céréales n’est pas assouvie (fonction vivrière), la localité utilise la moitié de la main-d’œuvre pour cultiver des céréales. S’il reste encore de la main-d’œuvre après cette opération, elle est affectée au travail sur des parcelles de vigne. Par ailleurs, si le nombre de personnes vacantes est égal à zéro, intervient alors une démobilisation de 1/3 de la main-d’œuvre viticole pour l’affecter à la culture de céréales.

Le commerce

45Le commerce devient possible une fois que les localités ont acquis une certaine stabilité. Cette stabilité est arbitrairement fixée par la valeur du capital de chaque localité. Une fois que cette dernière passe à un comportement commercial, le prix des denrées cultivées prend de l’importance. Si le prix d’achat/vente de l’une des denrées est plus élevé que l’autre, les agents affectent une partie de la population à la culture la plus rémunératrice. Ce mécanisme est accentué si le capital de la localité couvre les besoins d’approvisionnement de la denrée à l’extérieur. Dans ce cas, elle abandonne 10 % des parcelles de subsistance dont la production est achetée à l’extérieur.

46Le processus de choix d’extension/rétractation dans l’espace est lié au type de culture que la localité cherche à produire, les parcelles viticoles pouvant être installées sur des sols « plus pauvres » que les parcelles céréalières. La figure 5 retrace le processus de choix.

47Le mécanisme de rétraction est quasiment similaire pour les céréales et la vigne. Dans le premier cas, on abandonne la parcelle qui est la plus éloignée et dont l’indice de rendement est le plus bas. Dans le second cas, on abandonne celle qui est la plus éloignée, mais avec l’indice de rendement le plus haut. Ainsi privilégiera-t-on les terres riches (indice de rendement élevé) pour y implanter du blé, et les terres pauvres pour y implanter de la vigne, sans pour autant se limiter à ces conditions.

Mise à jour du capital de la localité

48La localité consomme en priorité sa propre production. Cette production n’est pas soumise aux prix des denrées. Il n’y a donc pas dans notre modèle de marché interne, mais seulement un marché externe à l’agent. La mise à jour du capital de chaque agent est la somme des exportations en céréales et en vin, moins les importations nécessaires pour la population locale en céréales ou en vin. Les prix d’achat et de vente d’une denrée sont les mêmes pendant chaque itération, mais variables entre les itérations. Leur variation dépend du sous-modèle de mise à jour des prix d’achat et de vente des productions (cf. infra). Les prix sont calculés en fin de procédure pour l’itération suivante.

Évolution de la population

49La population de chaque localité est modélisée comme une quantité dont l’évolution suit une courbe logistique définie par l’équation 1, dans laquelle la valeur à un instant t dépend de l’état précédent.

50Si la demande locale (dl) est inférieure à la somme de la production de l’agent (prod) et de ses importations (imp) (dl < prod + imp), ces deux variables étant strictement positives, le signe de a est alors négatif et la population augmente.

51En revanche, si la demande locale ne peut pas être assouvie (dl > prod + imp) et que le capital n’est pas suffisant pour importer la nourriture manquante, alors le signe de a devient positif et la population décroît.

• p est un nombre réel représentant la population à t+1 ;

• p_max est la taille maximum de la population, fixée arbitrairement à 1000, pour correspondre avec les données historiques ;

• a est le coefficient logistique de la courbe ₍est un nombre réel entre 0 et 1)

Mise à jour du prix d’achat et de vente des productions

52Nous avons travaillé sur deux types de comportements macroéconomiques en vue d’en explorer les conséquences sur chacun des mondes virtuels. Comme nous l’avons déjà évoqué, le prix d’achat et de vente est le même pour chacune des denrées produites.

Le modèle logistique

53Il établit un lien direct entre le prix de vente du produit et le nombre de parcelles mises en production à un instant t, comme représenté sur la figure 4. La fonction calculant le prix de vente à l’itération suivante compare le nombre actuel de parcelles avec le nombre de parcelles de l’état précédent. L’équation 2 permet de calculer l’évolution du prix à chaque itération.

où :

• np est le nombre de parcelles gagnées ou perdues pour une production (nombre entier) ;

• px est le prix de la production à l’instant t ou t+1 (nombre réel) ;

• px_max est le prix maximum, fixé à 100 ;

• et b est le coefficient logistique de la courbe (nombre réel entre -0,001 et -0,006).

54Si le nombre de parcelles à l’instant t est supérieur à celui de l’instant t-1, alors le coefficient b est négatif et le prix diminue donc. Si par contre le nombre de parcelles à l’instant t est inférieur à t-1, le coefficient b est alors positif et le prix augmente, créant un choc de demande sur les autres marchés.

Le modèle linéaire

55Il propose aux agents un prix qui varie de manière inversement proportionnelle à la production du territoire. Nous l’avons implémenté en utilisant l’équation 3.

Où :

• p_t est le prix de la production à un instant t ;

• pr_t la production à un instant t ;

• pr_max la production maximum (le nombre total d’unités spatiales).

Résultats

Exploration de l’hétérogénéité spatiale

56Nous avons exploré le comportement du modèle dans un monde isotrope et dans quatre configurations spatiales différentes d’un même monde anisotrope avec une situation commerciale linéaire (cf. 3.2.1 et équation 3). Sur la figure 7, nous observons qu’en se plaçant dans une configuration avec onze agents « localité » à l’initialisation, le comportement général du système est relativement similaire et suit le même motif. Les localités se maintiennent jusqu’à environ 90 itérations, puis s’ensuit une décroissance exponentielle en 100 ans, pour finalement se stabiliser autour de cinq localités encore présentes après 200 itérations.

57Considérant dans les mêmes conditions la couverture du sol (fig. 8), nous observons un comportement relativement semblable sur les 150 premières itérations, les deux graphes divergeant au-delà. En effet, alors que la régression des surfaces viticoles tend à se stabiliser, les surfaces cultivées en céréales ont tendance quant à elles à croître et se stabiliser sur les 100 dernières itérations.

58La variation des surfaces pour chaque culture est ensuite identifiable sur chaque graphe. Cette variabilité est issue de la configuration spatiale initiale (fig. 1, cf. mauvaises/bonnes terres). On met donc en évidence ici la part d’adaptation locale, ainsi que l’influence du motif spatial général initial sur la dynamique des surfaces cultivées.

Exploration de la variation du nombre d’agents

59Nous nous intéressons ensuite aux effets de la variation du nombre d’agents « localité ». Pour cela, les autres paramètres sont fixés comme suit : comportement macroéconomique linéaire et structuration spatiale anisotropique (fig. 9). Le motif observé dans la figure 7 se retrouve si l’on effectue les simulations avec onze localités. Le même motif est également observable pour des simulations comprenant de sept à onze localités initiales. Ces simulations aboutissent toutes à une disparition relativement brusque d’une partie des agents « localité », avec une stabilisation à cinq. Le motif représenté est très proche de celui déjà remarqué sur la figure 7 avec cinq à onze agents « localité » à l’initialisation. Dans les configurations explorées, on peut donc considérer que le système est attiré par une configuration à cinq agents.

60Considérons maintenant la figure 10, qui représente l’utilisation de l’espace en fonction du nombre d’agents « localité » initial dans un système économique linéaire. On observe que dans une configuration à deux localités, l’espace viticole ne subit pas de régression forte (fig. 10a), mais également que l’espace adapté à la viticulture n’est jamais saturé (fig. 10b), ce qui traduit une occupation rationnelle de l’espace. La vigne est installée sur des terres plus pauvres, en superficie suffisante pour répondre malgré tout au comportement d’un marché linéaire.

61Pour les paramétrages initialisés avec quatre à dix localité, l’espace disponible de terres favorables à la viticulture est très vite saturé. Sans espace disponible sur les terres pauvres pour implanter de la vigne, commence alors une compétition spatiale entre la vigne et le blé. La compétition pour les terres les plus riches engendre la décroissance qu’on observe (fig. 8a) et qui exprime la proportion de terres pauvres utilisée pour la production viticole.

Exploration de l’influence des marchés

62Les figures 7, 8, 9 et 10 ont été réalisées avec un paramétrage macroéconomique linéaire (cf. 3.3.3) permettant de ne pas soumettre le système à une contrainte rendant l’interprétation trop complexe. Toutefois, nous avons également utilisé un autre type de variation macro-économique (cf. 3.3.3) avec un marché guidé par une fonction logistique (équation 2). Nous comparons ainsi les comportements du système selon les deux modèles macroéconomiques.

63Concernant la viticulture, commençons par comparer les figures 10 (en nous focalisant sur la configuration à 10 localités) et 11. On constate immédiatement que le marché dynamique, alternant des phases de prospérité tantôt pour la vigne, tantôt pour les céréales, a pour effet de pousser les localités à petit à petit implanter de la vigne sur des parcelles plus adaptées aux céréales (sol plus riche). Un marché linéaire (fig. 10a), avec une compétition spatiale entre les localités, produit sensiblement le même motif qu’un marché logistique sur les surfaces viticoles plantées sur un sol adapté (fig. 11a). Le paramètre qui varie fortement est celui de la localisation des parcelles viticoles. En effet, si dans les deux configurations autour de 100 itérations l’espace viticole est entièrement utilisé, les simulations en situation de marché logistique ont tendance à laisser de côté ces terres pauvres au-delà de 150 itérations. La compétition spatiale entre les localités et entre les types de cultures réduit les possibilités de rationaliser l’espace.

64La figure 11 permet d’identifier trois phases d’utilisation du sol par la vigne. La première, en début de simulation, durant laquelle les agents colonisent les terres à proximité. Leur préférence va aux parcelles plus adaptées à la vigne, ce qui se traduit par une croissance des courbes. Dans la deuxième phase, certaines localités n’ayant pas réussi à s’adapter à la concurrence disparaissent (autour de 100 itérations) ; les courbes sont alors décroissantes. Enfin la troisième phase, le ratio parcelles viticoles implantées sur des terres viticoles et parcelles viticoles implantées sur des terres plus propices aux céréales est donc déséquilibré. Des terres adaptées à la viticulture sont libérées (fig. 11b). Cela se traduit sur le paysage global par le maintien ou la survivance de la viticulture face à la céréaliculture, au détriment des zones adaptées à la vigne. Dans ce système, localement, les céréales et la vigne entrent bien plus en compétition pour l’espace que dans une situation régie par un marché linéaire (fig. 10).

65En comparant les figures 8 et 12 (pour un monde initialisé avec onze localités), on constate que les comportements avec un marché logistique sont assez différents de ceux d’un marché linéaire. Le maximum de parcelles cultivées en vigne (fig. 12a) et en céréales (fig. 12b), sous conditions de marché logistique, est majoritairement plus élevé qu’avec un marché linéaire (fig. 8), même si on constate une décroissante plus forte dans la suite de simulation. Le modèle logistique est moins propice à une stabilité des productions à leur maximum. En effet, une fois ce maximum atteint, une décroissance des parcelles viticoles apparaît, plus ou moins rapidement selon l’intensité du coefficient b utilisé. Celui-ci conduit le système vers un nombre de parcelles viticoles généralement inférieur à celui d’une situation avec un marché linéaire. Paradoxalement, plus le coefficient b est faible (tend vers -1) plus le système viticole à tendance à se rapprocher de la stabilité du marché linéaire, tout en conservant des valeurs supérieures.

66Pour les céréales, on peut constater que pour des valeurs du coefficient b comprises entre -0,001 et -0,003 (c’est-à-dire dans le cas d’un système relativement résistant), les surfaces ont tendance à diminuer tandis que, pour des valeurs de -0,004 et -0,005, la tendance est plutôt croissante.

Discussion

Isotropie, anisotropie, espace de compétition ?

67En analysant les résultats, on constate que l’espace, dans ses différentes configurations, n’influence pas ou peu les dynamiques observées au niveau des agents. En effet, quelles que soient les configurations spatiales initialisées (fig. 7), le nombre de localités se stabilise en moyenne autour de 5. À l’inverse, ces configurations spatiales, et en particulier l’hétérogénéité spatiale que nous introduisons à l’initialisation, influencent quant à elles le couvert végétal.

68Ainsi un monde anisotrope défavorise la culture de céréales. En effet, considérant que la l’activité céréalière est sensible aux conditions d’implantation (qualité de la terre), une réduction de la superficie favorable à la céréaliculture induit inévitablement une diminution de sa surface cultivée.

69Pour la viticulture, ce mécanisme n’a pas lieu. En effet, la vigne est capable de se développer à la fois sur des sols pauvres et sur des sols riches, ce qui a parfois forcé les pouvoirs publics à prendre des mesures coercitives envers la viticulture (Vivier 1938 ; Maillard 1992 ; Messiez 2002).

70La compétition spatiale entre les localités, exacerbée par l’hétérogénéité spatiale, est également confirmée par la figure 9 qui met en évidence empiriquement leurs besoins spatiaux. La compétition entre les différentes localités a lieu de manière très agressive au fur et à mesure que leur population, et donc leurs besoins, grandissent. L’espace d’analyse est capable d’abriter 5 localités sans leur faire subir une concurrence destructrice. La dynamique et l’intensité de cette compétition sont identifiables sur la figure 10. On observe une croissance de l’occupation des sols adaptés à la vigne jusqu’à un optimum, suivi assez rapidement par une diminution de cette occupation.

71Cette compétition entre les localités pour l’espace productif met en évidence l’influence de l’historicité sur les configurations spatiales. Ainsi, après une centaine d’itérations, près de 20 % des parcelles viticoles (pour des configurations initiales de plus de cinq agents) ne sont pas situées sur des terrains adaptés. Au même moment, le nombre de localités a déjà commencé à diminuer dans les simulations avec plus d’agents initiaux (plus de 7 agents sur la figure 7). Une fois que certaines localités ont disparu, les zones viticoles persistent sur les espaces précédemment investis, même si ces derniers sont moins adaptés à cette culture. Les formes ainsi créées sont donc le résultat d’une compétition initiale pour l’espace.

72Si l’on tente une comparaison avec des exemples historiques, on peut citer l’utilisation, dans le Bordelais, des zones dites « de palu » dont le sol gras et frais a été utilisé pour implanter de nouvelles parcelles viticoles au XIII^e siècle (Dion 1952 : Enjalbert 1953), et dont Hinnewinkel (2011) en retrouve la trace au moment des tractations avec le négoce au XV^e siècle puisque « les vins de palu y sont en bonne place, avec le prix plancher le plus élevé ».

73Autrement dit, si la discrétisation initiale imposée au territoire permet d’orienter la production, elle ne la contraint pas, ce qui reste en conformité avec le travail de R. Dion (1952). Quand la rente attribuée à la vigne devient avantageuse ou que la place vient à manquer dans les terres adaptées, alors sa culture peut gagner de l’espace sur les terres céréalières.

Dynamique macro-économique et conséquences spatiales

74En situation de marché linéaire, la rente de production est calculée en fonction de la production totale du système. Dans cette configuration, les localités doivent faire face à une compétition par l’espace qui est contrebalancée par le fait que la rente se dégrade avec l’augmentation de la production. On peut donc rapprocher cette configuration d’une situation d’inhibition des velléités d’expansion des agents les uns envers les autres.

75C’est ce qu’on observe avec 10 agents sur la figure 10a. Les localités, par cette interdépendance, prennent beaucoup plus en compte les variations locales des conditions agricoles. Dans ces conditions, elles ne font face qu’à de micro-variations économiques. L’espace le mieux adapté à la viticulture lui est presque entièrement dédié et on assiste à une co-construction des espaces agricoles (fig. 10b). Cela signifie que quand les localités ne sont soumises qu’à de petites variations de l’évolution des cours de leur production, elles sont en mesure de tirer parti des variations locales afin d’optimiser l’utilisation du territoire. Ainsi, après 250 itérations du modèle, dans 3 situations logistiques sur 5, le pourcentage de terres adaptées à la viticulture et inoccupée est supérieur à 50 % (fig. 11b), contre moins de 20 % dans 4/5 des configurations en système linéaire (fig. 10b).

76Cette interdépendance des localités sur le territoire fait qu’une augmentation de la production des uns influe à long terme sur les revenus, tant individuels que collectifs, des autres. En effet, mise à part la disparition d’une localité, la dynamique de territoire n’est influencée que par les actions des voisins. Ce type de contraintes peut être en partie représentatif d’une région où la société met en place une réglementation sur les droits de plantation afin de contrôler l’extension de la viticulture, éventuellement pour protéger une production de qualité (à l’instar de la création des AOC en France à partir des années 1930).

77En situation de marché logistique (fig. 11), le système se trouve dans une situation où les prix sont alors ajustés de l’extérieur, une fois par itération. Les évolutions de prix sont partiellement découplées de la réalité du territoire. Elles ne tiennent compte que du bilan territorial, positif ou négatif, de l’itération ; le comportement logistique fait le reste. La courbe d’ajustement des prix suit là encore un comportement logistique qui s’amplifie par la fréquence de l’événement. Dans ce cas, les localités cherchent à optimiser leurs revenus. Cependant, si l’une d’elles prend l’avantage durant une itération en mettant en culture une grande superficie, grâce à de la main-d’œuvre disponible par exemple, ces parcelles lui rapportent beaucoup, mais le prix chute lors de la suivante. C’est une situation où le marché crée des opportunités à court terme, qui encouragent les dynamiques individuelles et imposent donc aux agents une compétition immédiate.

79Un parallèle historique est envisageable avec la situation de la Touraine au XVIII^e siècle. Les exportations des produits pondéreux par la Loire sont alors taxées en direction de l’Atlantique au péage d’Ingrandes, au moment du passage dans la province de Bretagne (Vivier 1938 ; Maillard 1992 ; Maillard 1998). Le vin étant une marchandise pondéreuse, l’exportation atlantique des vins tourangeaux et angevins, produits en amont de ce péage, sont très fortement désavantagées. Dès la fin du XVI^e siècle, la demande hollandaise en vins blancs capiteux suscite une production spécifique de qualité dans certains vignobles ligériens (par exemple Vouvray). Il s’ensuit une augmentation des prix de cette production viticole spécifique, qui entraîne un phénomène spéculatif en faveur de la viticulture et au détriment d’autres activités agricoles. Le contrôle douanier au péage d’Ingrandes, qui taxe les exportations, exerce toutefois un contrôle extérieur sur le prix qui pourrait donner ce type de résultat sur les surfaces.

80Les simulations permettent de dire que les territoires viticoles aujourd’hui reconnus ont sûrement eu besoin initialement d’un environnement économique suffisamment stable pour garantir des débouchés, tout en profitant localement de « ce qui, dans la disposition naturelle des lieux, pouvait favoriser son [en parlant de viticulteurs] dessein […]. Par là s’établit, mais dans le menu détail, bien plus que dans les grandes lignes, le lien de la géographie viticole à la géographie physique » (Dion 1952, 428).

81La fonction logistique représente un modèle plus spéculatif dans lequel les prix sont fixés par des variables qui échappent au moins partiellement au territoire et aux agents. On peut alors parler de vin d’opportunité dans la mesure où le comportement des agents n’influencera que peu le prix d’achat du produit. Si la baisse des prix est liée à l’extension entre deux itérations, la figure 10 montre qu’une forte réactivité du prix (b de -0,003 ou -0,004) génère une réappropriation de l’espace par les localités qui ont réussi à se maintenir. Ces émergences sont le résultat d’une adaptation économique et spatiale couplée à une forte réactivité du système économique en jeu, qui a tendance à créer un équilibre précaire. Les zones les plus adaptées pour la viticulture ne sont alors plus occupées de manière aussi optimale par la vigne, bien que celle-ci reste une composante du paysage.

82Le modèle permet d’explorer les implications spatiales des hypothèses avancées par Hinnewinkel (2010, 10) : « La position commerciale acquise ne durera que par la mise en place d’une efficace protection de la rente territoriale sur un espace délimité. La durabilité de cette rente est alors essentiellement liée à la société qui la porte ». Cette protection, qui fait défaut dans la situation où le marché est guidé par une équation logistique et qui est finalement peu nécessaire aux situations soumises au marché linéaire, permet de dresser les grandes lignes par « plausibilité de principe » (Varenne 2011) du défaut de protection et d’auto-organisation dont ont besoin les sociétés pour faire face à toutes les circonstances.

Conclusion

83Ce travail présente le modèle ViCTOr dans une version qui nous satisfaisait pour ses apports heuristiques sur les dynamiques viticoles d’un territoire virtuel. Il permet d’explorer les comportements du monde réel à partir de modélisations dans une démarche inductive. La modélisation et les systèmes multi-agents sont alors utilisés comme « une béquille pour l’esprit humain » (Banos 2010). Ils aident à se projeter et à comprendre des situations complexes.

84Certaines hypothèses utiles à la compréhension de comportements génériques de la structuration des paysages viticoles ont ainsi pu être explorées. En particulier, nous montrons que l’espace joue un rôle majeur sur l’implantation des cultures quand les territoires ne font pas face à un marché trop volatile. L’exploration des comportements du paysage, pour en déduire la nature de la contrainte économique, a également permis d’esquisser quelques pistes quant aux forces agissant sur les paysages agricoles.

• Le marché reste très structurant, mais l’hétérogénéité spatiale est utilisée par les agents ;

• La nouveauté réside ici à considérer les formes économiques à l’œuvre sur le territoire comme des contraintes spatialement structurantes.

85Ainsi, si certaines formes ou certains processus jouant sur la structuration paysagère nous semblent plus clairs (par exemple la détermination de la contrainte liée à l’hétérogénéité spatiale sur les cultures), une grande part d’ombre persiste sur les structures plus fines qui peuvent se mettre en place.

86Ces résultats posent donc de nouvelles questions dans plusieurs directions :

• • 10 Mis en avant dans la lecture des travaux de Dion (1952) avec une grille de lecture marxisante, oppo (...)
  • 11 Dans un rapport de Morgan Stanley analysts, Kierath and Wang (2013) avancent que le marché mondial (...)
  • 12 En explorant les concepts mobilisés par la modélisation nous pouvons de manière itérative identifie (...)

  L’utilisation du modèle pour interroger d’autres composantes : en s’inspirant des travaux de Roger Dion, on pourrait s’interroger sur les possibilités de cohabitation de deux types de viticulture : une viticulture paysanne et une viticulture bourgeoise10. On pourrait également imaginer explorer les effets d’une viticulture de consommation locale contre une viticulture d’exportation11 ; et ainsi poursuivre cette tentative de définition du concept de terroir au sens topologique de Thom (2009)12.

• Le changement de résolution dans l’organisation sociale. Le passage à une unité individuelle, à l’échelle des agriculteurs, pourrait être un enrichissement du système qui permettrait de descendre à un niveau d’interactions intra-communautaires (à l’intérieur de la localité). Il serait alors possible de vérifier la robustesse des territoires viticoles et plus particulièrement les comportements spatiaux liés au triptyque « rente-organisation-terroir » (Hinnewinkel 2004). Ce changement d’échelle de réflexion, en remplaçant l’agent « localité » par les individus, permettrait une exploration plus fine. Dans ces conditions, les paysages viticoles pourraient être considérés comme des émergences de second ordre (Gilbert 1995).