Skip to navigation – Site map

Simulations, explication, compréhension : essai d’analyse critique

Simulations, Explanation, Understanding: An Analytical Overview
Cyrille Imbert
p. 49-109

Abstracts

In this paper I investigate the potential explanatory value of computer simulations, which are often said to be suitable tools for the prediction, emulation or imitation of phenomena, but not for their explanation. Similarly, they are described as providing brute force (number-crunching) methods that are helpful to investigate the behaviour of physical systems but less so when it comes to understanding them. Be this as it may, wrongly or not simulations seem to be raising specific problems concerning their potential explanatory value. I try to systematically analyze these problems and for this purpose use existing theories of explanations as analytical guidelines. I first investigate how simulations fare concerning truth (section 2) and proceed by analyzing whether they satisfy the deductivity and nomicity requirements, which play a central role in Hempel’s model of explanation (section 3). I also study whether simulations are appropriate vehicles for relevant causal information which a good explanation is expected to provide (section 4). I then analyze how much the informational repleteness and the inferential or computational stodginess of computer simulations are problems for the development of explanatory knowledge and our understanding of phenomena (section 5). I finally analyze how much computer simulations can have a unificatory role as good explanations arguably do (section 6). Overall, I try to analyze why computer simulations still raise specific problems concerning explanations while seemingly being able to meet the criteria that explanations should fulfil. I suggest that some of these reasons are to be found in the epistemology of explanatory activity, in methodological expectations towards good explanations and in the specific uses that are made of computer simulations to investigate complex systems—in addition to the fact that computer simulations are not human-sized activities and that, as such, they may fail to provide first person understanding of phenomena.

Top of page

Text / excerpt

Cairn

Full-text article available to subscribers or on a "pay per view" basis. It will be available on this URL in January 2021.
Read it

Outline

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

Text / first lines

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...

Top of page

References

Electronic reference

Cyrille Imbert, « Simulations, explication, compréhension : essai d’analyse critique », Philosophia Scientiæ [Online], 21-3 | 2017, Online since 30 October 2019, connection on 27 April 2018. URL : http://journals.openedition.org/philosophiascientiae/1302 ; DOI : 10.4000/philosophiascientiae.1302

Top of page

About the author

Cyrille Imbert

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

Top of page

Copyright

Tous droits réservés

Top of page