Système complexe - Complex system

Un système complexe est un système composé de plusieurs composants qui peuvent interagir les uns avec les autres. Des exemples de systèmes complexes sont le climat global de la Terre , les organismes , le cerveau humain , les infrastructures telles que le réseau électrique, les systèmes de transport ou de communication, les organisations sociales et économiques (comme les villes ), un écosystème , une cellule vivante et finalement l' univers entier .

Les systèmes complexes sont des systèmes dont le comportement est intrinsèquement difficile à modéliser en raison des dépendances, compétitions, relations ou autres types d'interactions entre leurs parties ou entre un système donné et son environnement. Les systèmes « complexes » ont des propriétés distinctes qui découlent de ces relations, telles que la non - linéarité , l' émergence , l'ordre spontané , l' adaptation et les boucles de rétroaction , entre autres. Parce que de tels systèmes apparaissent dans une grande variété de domaines, les points communs entre eux sont devenus le sujet de leur domaine de recherche indépendant. Dans de nombreux cas, il est utile de représenter un tel système comme un réseau où les nœuds représentent les composants et les liens vers leurs interactions.

Le terme systèmes complexes fait souvent référence à l'étude des systèmes complexes, qui est une approche de la science qui étudie comment les relations entre les parties d'un système donnent lieu à ses comportements collectifs et comment le système interagit et forme des relations avec son environnement. L'étude des systèmes complexes considère les comportements collectifs, ou à l'échelle du système, comme l'objet d'étude fondamental ; pour cette raison, les systèmes complexes peuvent être compris comme un paradigme alternatif au réductionnisme , qui tente d'expliquer les systèmes en fonction de leurs parties constitutives et des interactions individuelles entre eux.

En tant que domaine interdisciplinaire, les systèmes complexes tirent des contributions de nombreux domaines différents, tels que l'étude de l' auto-organisation et des phénomènes critiques de la physique, celle de l'ordre spontané des sciences sociales, le chaos des mathématiques, l' adaptation de la biologie et bien d'autres. Les systèmes complexes sont donc souvent utilisés comme un terme général englobant une approche de recherche de problèmes dans de nombreuses disciplines diverses, notamment la physique statistique , la théorie de l'information , la dynamique non linéaire , l' anthropologie , l' informatique , la météorologie , la sociologie , l' économie , la psychologie et la biologie .

Concepts clés

Systèmes

Les systèmes ouverts ont des flux d'entrée et de sortie, représentant des échanges de matière, d'énergie ou d'information avec leur environnement.

Les systèmes complexes sont principalement concernés par les comportements et les propriétés des systèmes . Un système, au sens large, est un ensemble d'entités qui, par leurs interactions, relations ou dépendances, forment un tout unifié. Il est toujours défini en fonction de sa frontière , qui détermine les entités qui font ou ne font pas partie du système. Les entités situées à l'extérieur du système font alors partie de l' environnement du système .

Un système peut présenter des propriétés qui produisent des comportements distincts des propriétés et des comportements de ses parties ; ces propriétés et comportements à l' échelle du système ou globaux sont des caractéristiques de la façon dont le système interagit avec ou apparaît à son environnement, ou de la façon dont ses parties se comportent (par exemple, en réponse à des stimuli externes) en raison de leur appartenance au système. La notion de comportement implique que l'étude des systèmes s'intéresse également aux processus qui se déroulent dans le temps (ou, en mathématiques , à une autre paramétrisation de l' espace des phases ). En raison de leur large applicabilité interdisciplinaire, les concepts de systèmes jouent un rôle central dans les systèmes complexes.

En tant que domaine d'étude, un système complexe est un sous-ensemble de la théorie des systèmes . La théorie générale des systèmes se concentre de la même manière sur les comportements collectifs des entités en interaction, mais elle étudie une classe de systèmes beaucoup plus large, y compris les systèmes non complexes où les approches réductionnistes traditionnelles peuvent rester viables. En effet, la théorie des systèmes cherche à explorer et à décrire toutes les classes de systèmes, et l'invention de catégories utiles aux chercheurs dans des domaines très variés est l'un des principaux objectifs de la théorie des systèmes.

En ce qui concerne les systèmes complexes, la théorie des systèmes met l'accent sur la façon dont les relations et les dépendances entre les parties d'un système peuvent déterminer les propriétés à l'échelle du système. Il contribue également à la perspective interdisciplinaire de l'étude des systèmes complexes : la notion que des propriétés partagées relient les systèmes à travers les disciplines, justifiant la poursuite d'approches de modélisation applicables aux systèmes complexes partout où ils apparaissent. Des concepts spécifiques importants pour les systèmes complexes, tels que l'émergence, les boucles de rétroaction et l'adaptation, proviennent également de la théorie des systèmes.

Complexité

« Les systèmes présentent une complexité » signifie que leurs comportements ne peuvent pas être facilement déduits de leurs propriétés. Toute approche de modélisation qui ignore ces difficultés ou les caractérise comme du bruit produira donc nécessairement des modèles qui ne sont ni précis ni utiles. Jusqu'à présent, aucune théorie entièrement générale des systèmes complexes n'a émergé pour résoudre ces problèmes, les chercheurs doivent donc les résoudre dans des contextes spécifiques à un domaine. Les chercheurs en systèmes complexes abordent ces problèmes en considérant que la tâche principale de la modélisation est de capturer, plutôt que de réduire, la complexité de leurs systèmes d'intérêt respectifs.

Bien qu'il n'existe pas encore de définition exacte généralement acceptée de la complexité, il existe de nombreux exemples archétypaux de complexité. Les systèmes peuvent être complexes si, par exemple, ils ont un comportement chaotique (comportement qui montre une sensibilité extrême aux conditions initiales, entre autres propriétés), ou s'ils ont des propriétés émergentes (propriétés qui ne sont pas apparentes à partir de leurs composants isolés mais qui résultent de la les relations et les dépendances qu'ils forment lorsqu'ils sont placés ensemble dans un système), ou s'ils sont difficiles à modéliser sur le plan informatique (s'ils dépendent d'un nombre de paramètres qui croît trop rapidement par rapport à la taille du système).

Réseaux

Les composants en interaction d'un système complexe forment un réseau , qui est une collection d'objets discrets et de relations entre eux, généralement représentés sous la forme d'un graphe de sommets reliés par des arêtes. Les réseaux peuvent décrire les relations entre les individus au sein d'une organisation, entre les portes logiques d'un circuit , entre les gènes dans les réseaux de régulation génétique ou entre tout autre ensemble d'entités apparentées.

Les réseaux décrivent souvent les sources de complexité dans les systèmes complexes. L'étude des systèmes complexes en tant que réseaux permet donc de nombreuses applications utiles de la théorie des graphes et de la science des réseaux . De nombreux systèmes complexes, par exemple, sont également des réseaux complexes , qui ont des propriétés telles que des transitions de phase et des distributions de degrés de loi de puissance qui se prêtent facilement à un comportement émergent ou chaotique. Le fait que le nombre d'arêtes d'un graphe complet augmente de manière quadratique par rapport au nombre de sommets apporte un éclairage supplémentaire sur la source de complexité dans les grands réseaux : à mesure qu'un réseau grandit, le nombre de relations entre les entités éclipse rapidement le nombre d'entités dans le réseau .

Non-linéarité

Un exemple de solution dans l'attracteur de Lorenz lorsque ρ = 28, σ = 10 et β = 8/3

Les systèmes complexes ont souvent un comportement non linéaire, ce qui signifie qu'ils peuvent répondre de différentes manières à la même entrée en fonction de leur état ou de leur contexte. En mathématiques et en physique , la non-linéarité décrit des systèmes dans lesquels un changement de la taille de l'entrée ne produit pas de changement proportionnel de la taille de la sortie. Pour un changement donné d'entrée, de tels systèmes peuvent produire des changements de sortie significativement supérieurs ou inférieurs aux variations proportionnelles, voire aucune sortie du tout, selon l'état actuel du système ou les valeurs de ses paramètres.

Les systèmes dynamiques non linéaires sont particulièrement intéressants pour les systèmes complexes , qui sont des systèmes d' équations différentielles qui ont un ou plusieurs termes non linéaires. Certains systèmes dynamiques non linéaires, tels que le système de Lorenz , peuvent produire un phénomène mathématique connu sous le nom de chaos . Le chaos, tel qu'il s'applique aux systèmes complexes, fait référence à la dépendance sensible aux conditions initiales, ou « effet papillon », qu'un système complexe peut présenter. Dans un tel système, de petits changements aux conditions initiales peuvent conduire à des résultats radicalement différents. Un comportement chaotique peut donc être extrêmement difficile à modéliser numériquement, car de petites erreurs d'arrondi à une étape intermédiaire du calcul peuvent amener le modèle à générer une sortie complètement inexacte. De plus, si un système complexe revient à un état similaire à celui qu'il occupait auparavant, il peut se comporter complètement différemment en réponse aux mêmes stimuli, de sorte que le chaos pose également des problèmes d'extrapolation à partir de l'expérience.

Émergence

Gosper's Glider Gun créant des " planeurs " dans le jeu de la vie de l'automate cellulaire Conway

Une autre caractéristique commune des systèmes complexes est la présence de comportements et de propriétés émergents : ce sont des traits d'un système qui ne ressortent pas de ses composants isolément mais qui résultent des interactions, dépendances ou relations qu'ils forment lorsqu'ils sont placés ensemble dans un système. L'émergence décrit globalement l'apparition de tels comportements et propriétés, et a des applications aux systèmes étudiés à la fois dans les sciences sociales et physiques. Alors que l'émergence est souvent utilisée pour désigner uniquement l'apparition d'un comportement organisé non planifié dans un système complexe, l'émergence peut également désigner la rupture d'une organisation ; il décrit tous les phénomènes difficiles voire impossibles à prévoir à partir des entités plus petites qui composent le système.

Un exemple de système complexe dont les propriétés émergentes ont été largement étudiées est celui des automates cellulaires . Dans un automate cellulaire, une grille de cellules, chacune ayant l'un des nombres finis d'états, évolue selon un ensemble de règles simples. Ces règles guident les « interactions » de chaque cellule avec ses voisines. Bien que les règles ne soient définies que localement, elles se sont avérées capables de produire un comportement globalement intéressant, par exemple dans Game of Life de Conway .

Commande spontanée et auto-organisation

Lorsque l'émergence décrit l'apparition d'un ordre non planifié, il s'agit d' ordre spontané (en sciences sociales) ou d' auto-organisation (en sciences physiques). L'ordre spontané peut être vu dans le comportement du troupeau , où un groupe d'individus coordonne leurs actions sans planification centralisée. L'auto-organisation peut être vue dans la symétrie globale de certains cristaux , par exemple la symétrie radiale apparente des flocons de neige , qui résulte de forces attractives et répulsives purement locales à la fois entre les molécules d'eau et leur environnement environnant.

Adaptation

Les systèmes adaptatifs complexes sont des cas particuliers de systèmes complexes qui sont adaptatifs en ce sens qu'ils ont la capacité de changer et d'apprendre de l'expérience. Des exemples de systèmes adaptatifs complexes incluent la bourse , les colonies sociales d'insectes et de fourmis , la biosphère et l' écosystème , le cerveau et le système immunitaire , la cellule et l' embryon en développement , les villes, les entreprises de fabrication et toute entreprise humaine basée sur un groupe social dans un système culturel et social tel que les partis politiques ou les communautés .

Caractéristiques

Les systèmes complexes peuvent avoir les caractéristiques suivantes :

Échecs en cascade
Du fait du fort couplage entre composants dans des systèmes complexes, une défaillance d'un ou plusieurs composants peut conduire à des défaillances en cascade qui peuvent avoir des conséquences catastrophiques sur le fonctionnement du système. Une attaque localisée peut entraîner des défaillances en cascade et un effondrement brutal des réseaux spatiaux.
Les systèmes complexes peuvent être ouverts
Les systèmes complexes sont généralement des systèmes ouverts, c'est-à-dire qu'ils existent dans un gradient thermodynamique et dissipent de l'énergie. En d'autres termes, les systèmes complexes sont souvent loin de l' équilibre énergétique : mais malgré ce flux, il peut y avoir une stabilité de modèle , voir synergétique .
Les systèmes complexes peuvent présenter des transitions critiques
Représentation graphique d'états stables alternatifs et de la direction du ralentissement critique avant une transition critique (tiré de Lever et al. 2020). Les panneaux supérieurs (a) indiquent les paysages de stabilité dans différentes conditions. Les panneaux du milieu (b) indiquent les taux de changement apparentés à la pente des paysages de stabilité, et les panneaux du bas (c) indiquent une reprise d'une perturbation vers l'état futur du système (cI) et dans une autre direction (c.II).
Les transitions critiques sont des changements brusques de l'état des écosystèmes , du climat , des systèmes financiers ou d'autres systèmes complexes qui peuvent se produire lorsque les conditions changeantes dépassent un point critique ou de bifurcation . La « direction du ralentissement critique » dans l'espace d'état d'un système peut être indicative de l'état futur d'un système après de telles transitions lorsque les rétroactions négatives retardées conduisant à une dynamique oscillatoire ou à d'autres dynamiques complexes sont faibles.
Les systèmes complexes peuvent avoir une mémoire
La récupération d'une transition critique peut nécessiter plus qu'un simple retour aux conditions dans lesquelles une transition s'est produite, un phénomène appelé hystérésis . L'histoire d'un système complexe peut donc être importante. Parce que les systèmes complexes sont des systèmes dynamiques, ils changent avec le temps, et les états antérieurs peuvent avoir une influence sur les états actuels. Les systèmes en interaction peuvent avoir une hystérésis complexe de nombreuses transitions. Un exemple d'hystérésis a été observé dans le trafic urbain.
Des systèmes complexes peuvent être imbriqués
Les composants d'un système complexe peuvent eux-mêmes être des systèmes complexes. Par exemple, une économie est composée d' organisations , qui sont composées de personnes , qui sont composées de cellules - qui sont toutes des systèmes complexes. L'agencement des interactions au sein de réseaux bipartites complexes peut également être imbriqué. Plus précisément, les réseaux écologiques et organisationnels bipartites d'interactions mutuellement bénéfiques ont une structure imbriquée. Cette structure favorise la facilitation indirecte et la capacité d'un système à persister dans des circonstances de plus en plus difficiles ainsi que le potentiel de changements de régime systémiques à grande échelle.
Réseau dynamique de multiplicité
En plus des règles de couplage , le réseau dynamique d'un système complexe est important. Des réseaux de petit monde ou sans échelle qui ont de nombreuses interactions locales et un plus petit nombre de connexions inter-zones sont souvent utilisés. Les systèmes complexes naturels présentent souvent de telles topologies. Dans le cortex humain par exemple, nous voyons une connectivité locale dense et quelques projections axonales très longues entre les régions à l'intérieur du cortex et vers d'autres régions du cerveau.
Peut produire des phénomènes émergents
Les systèmes complexes peuvent présenter des comportements émergents , c'est-à-dire que si les résultats peuvent être suffisamment déterminés par l'activité des constituants de base des systèmes, ils peuvent avoir des propriétés qui ne peuvent être étudiées qu'à un niveau supérieur. Par exemple, les termites dans un monticule ont une physiologie, une biochimie et un développement biologique qui se situent à un niveau d'analyse, mais leur comportement social et la construction de monticules sont une propriété qui émerge de la collection de termites et doit être analysée à un niveau différent.
Les relations ne sont pas linéaires
En termes pratiques, cela signifie qu'une petite perturbation peut provoquer un effet important (voir effet papillon ), un effet proportionnel, voire aucun effet. Dans les systèmes linéaires, l'effet est toujours directement proportionnel à la cause. Voir non - linéarité .
Les relations contiennent des boucles de rétroaction
Les rétroactions négatives ( amortissement ) et positives (amplification) se retrouvent toujours dans les systèmes complexes. Les effets du comportement d'un élément sont renvoyés de telle manière que l'élément lui-même est modifié.

Histoire

Une perspective sur le développement de la science de la complexité (voir la référence pour une version lisible)

Bien que l'on puisse soutenir que les humains étudient les systèmes complexes depuis des milliers d'années, l'étude scientifique moderne des systèmes complexes est relativement jeune par rapport aux domaines scientifiques établis tels que la physique et la chimie . L'histoire de l'étude scientifique de ces systèmes suit plusieurs tendances de recherche différentes.

Dans le domaine des mathématiques , la plus grande contribution à l'étude des systèmes complexes a sans doute été la découverte du chaos dans les systèmes déterministes , une caractéristique de certains systèmes dynamiques fortement liée à la non-linéarité . L'étude des réseaux de neurones faisait également partie intégrante de l'avancement des mathématiques nécessaires à l'étude des systèmes complexes.

La notion de systèmes auto-organisés est liée aux travaux en thermodynamique hors d'équilibre , y compris celui lancé par le chimiste et lauréat du prix Nobel Ilya Prigogine dans son étude des structures dissipatives . Encore plus ancien est le travail de Hartree-Fock sur les équations de la chimie quantique et les calculs ultérieurs de la structure des molécules qui peuvent être considérés comme l'un des premiers exemples d'émergence et d'ensembles émergents en science.

Un système complexe contenant des humains est l'économie politique classique des Lumières écossaises , développée plus tard par l' école autrichienne d'économie , qui soutient que l'ordre dans les systèmes de marché est spontané (ou émergent ) en ce qu'il est le résultat de l'action humaine, mais pas le l'exécution de toute conception humaine.

Sur ce, l'école autrichienne a développé du 19ème au début du 20ème siècle le problème du calcul économique , ainsi que le concept de connaissance dispersée , qui devaient alimenter les débats contre l' économie keynésienne alors dominante . Ce débat conduirait notamment économistes, politiciens et autres partis à explorer la question de la complexité computationnelle .

Pionnier dans le domaine, et inspiré par les travaux de Karl Popper et de Warren Weaver , le prix Nobel d'économie et philosophe Friedrich Hayek a consacré une grande partie de ses travaux, du début à la fin du 20e siècle, à l'étude de phénomènes complexes, non contraignants. son travail aux économies humaines mais en s'aventurant dans d'autres domaines tels que la psychologie , la biologie et la cybernétique . Le cybernéticien Gregory Bateson a joué un rôle clé dans l'établissement du lien entre l'anthropologie et la théorie des systèmes ; il a reconnu que les parties interactives des cultures fonctionnent un peu comme les écosystèmes.

Alors que l'étude explicite des systèmes complexes date au moins des années 1970, le premier institut de recherche axé sur les systèmes complexes, le Santa Fe Institute , a été fondé en 1984. Les premiers participants à l'Institut de Santa Fe comprenaient les lauréats du prix Nobel de physique Murray Gell-Mann et Philip Anderson , le lauréat du prix Nobel d'économie Kenneth Arrow et les scientifiques du projet Manhattan George Cowan et Herb Anderson . Aujourd'hui, il existe plus de 50 instituts et centres de recherche axés sur les systèmes complexes.

Depuis la fin des années 1990, l'intérêt des physiciens mathématiques pour la recherche sur les phénomènes économiques n'a cessé de croître. La prolifération des recherches interdisciplinaires avec l'application de solutions issues de l'épistémologie physique a entraîné un changement de paradigme progressif dans les articulations théoriques et les approches méthodologiques en économie, principalement en économie financière. Le développement a entraîné l'émergence d'une nouvelle branche de la discipline, à savoir « l'éconophysique », qui est largement définie comme une discipline transversale qui applique des méthodologies de physique statistique qui sont principalement basées sur la théorie des systèmes complexes et la théorie du chaos pour l'analyse économique.

Le prix Nobel de physique 2021 a été décerné à Syukuro Manabe , Klaus Hasselmann et Giorgio Parisi pour leurs travaux de compréhension des systèmes complexes. Leur travail a été utilisé pour créer des modèles informatiques plus précis de l'effet du réchauffement climatique sur le climat de la Terre.

Applications

Complexité en pratique

L'approche traditionnelle de la gestion de la complexité consiste à la réduire ou à la contraindre. Typiquement, cela implique une compartimentation : diviser un grand système en parties distinctes. Les organisations, par exemple, divisent leur travail en départements qui traitent chacun de problèmes distincts. Les systèmes d'ingénierie sont souvent conçus à l'aide de composants modulaires. Cependant, les conceptions modulaires deviennent susceptibles d'échec lorsque des problèmes surgissent qui comblent les divisions.

Gestion de la complexité

Alors que les projets et les acquisitions deviennent de plus en plus complexes, les entreprises et les gouvernements sont mis au défi de trouver des moyens efficaces de gérer les méga-acquisitions telles que les Army Future Combat Systems . Les acquisitions telles que le FCS reposent sur un réseau de parties interdépendantes qui interagissent de manière imprévisible. À mesure que les acquisitions deviennent plus centrées sur le réseau et complexes, les entreprises seront obligées de trouver des moyens de gérer la complexité tandis que les gouvernements seront mis au défi de fournir une gouvernance efficace pour assurer la flexibilité et la résilience.

Économie de la complexité

Au cours des dernières décennies, dans le domaine émergent de l' économie de la complexité , de nouveaux outils prédictifs ont été développés pour expliquer la croissance économique. C'est le cas des modèles construits par le Santa Fe Institute en 1989 et du plus récent indice de complexité économique (ECI), introduit par le physicien du MIT Cesar A. Hidalgo et l' économiste de Harvard Ricardo Hausmann . Sur la base de l'ECI, Hausmann, Hidalgo et leur équipe de l'Observatoire de la complexité économique ont produit des prévisions de PIB pour l'année 2020 .

Complexité et éducation

En se concentrant sur les problèmes de persévérance des étudiants dans leurs études, Forsman, Moll et Linder explorent la « viabilité de l'utilisation de la science de la complexité comme cadre pour étendre les applications méthodologiques de la recherche en enseignement de la physique », constatant que « la mise en place d'une analyse de réseau social dans une perspective de science de la complexité offre une nouvelle et puissante applicabilité sur un large éventail de sujets PER".

Complexité et modélisation

L'une des principales contributions de Friedrich Hayek à la théorie précoce de la complexité est sa distinction entre la capacité humaine à prédire le comportement de systèmes simples et sa capacité à prédire le comportement de systèmes complexes grâce à la modélisation . Il croyait que l'économie et les sciences des phénomènes complexes en général, qui à son avis comprenaient la biologie, la psychologie, etc., ne pouvaient pas être modelées sur les sciences qui traitent de phénomènes essentiellement simples comme la physique. Hayek expliquerait notamment que les phénomènes complexes, à travers la modélisation, ne peuvent permettre que des prédictions de motifs, par rapport aux prédictions précises qui peuvent être faites à partir de phénomènes non complexes.

Théorie de la complexité et du chaos

La théorie de la complexité est enracinée dans la théorie du chaos , qui à son tour trouve son origine il y a plus d'un siècle dans les travaux du mathématicien français Henri Poincaré . Le chaos est parfois considéré comme une information extrêmement compliquée, plutôt que comme une absence d'ordre. Les systèmes chaotiques restent déterministes, bien que leur comportement à long terme puisse être difficile à prédire avec précision. Avec une parfaite connaissance des conditions initiales et des équations pertinentes décrivant le comportement du système chaotique, on peut théoriquement faire des prédictions parfaitement précises du système, bien qu'en pratique cela soit impossible à faire avec une précision arbitraire. Ilya Prigogine a soutenu que la complexité n'est pas déterministe et ne donne aucun moyen de prédire avec précision l'avenir.

L'émergence de la théorie de la complexité montre un domaine entre l'ordre déterministe et l'aléatoire qui est complexe. C'est ce qu'on appelle le « bord du chaos ».

Une parcelle de l' attracteur de Lorenz .

Lorsqu'on analyse des systèmes complexes, la sensibilité aux conditions initiales, par exemple, n'est pas une question aussi importante qu'elle l'est dans la théorie du chaos, où elle prévaut. Comme l'a déclaré Colander, l'étude de la complexité est à l'opposé de l'étude du chaos. La complexité concerne la façon dont un grand nombre d'ensembles de relations extrêmement complexes et dynamiques peuvent générer des modèles de comportement simples, alors que le comportement chaotique, au sens de chaos déterministe, est le résultat d'un nombre relativement faible d'interactions non linéaires.

Par conséquent, la principale différence entre les systèmes chaotiques et les systèmes complexes est leur histoire. Les systèmes chaotiques ne s'appuient pas sur leur histoire comme le font les systèmes complexes. Un comportement chaotique pousse un système en équilibre dans un ordre chaotique, ce qui signifie, en d'autres termes, hors de ce que nous définissons traditionnellement comme « l'ordre ». D'autre part, les systèmes complexes évoluent loin de l'équilibre au bord du chaos. Ils évoluent à un état critique construit par une histoire d'événements irréversibles et inattendus, que le physicien Murray Gell-Mann a appelé "une accumulation d'accidents gelés". En un sens, les systèmes chaotiques peuvent être considérés comme un sous-ensemble de systèmes complexes qui se distinguent précisément par cette absence de dépendance historique. De nombreux systèmes complexes réels sont, en pratique et sur des périodes longues mais finies, robustes. Cependant, ils possèdent le potentiel d'un changement qualitatif radical de nature tout en conservant l'intégrité systémique. La métamorphose est peut-être plus qu'une métaphore pour de telles transformations.

Complexité et science des réseaux

Un système complexe est généralement composé de nombreux composants et de leurs interactions. Un tel système peut être représenté par un réseau où les nœuds représentent les composants et les liens représentent leurs interactions. Par exemple, Internet peut être représenté comme un réseau composé de nœuds (ordinateurs) et de liens (connexions directes entre ordinateurs), et la résilience d' Internet aux pannes a été étudiée en utilisant la théorie de la percolation, une forme d'analyse des systèmes complexes. L'échec et le rétablissement de ces réseaux est un domaine de recherche ouvert. D'autres exemples de réseaux complexes incluent les réseaux sociaux, les interdépendances des institutions financières, les systèmes de trafic, les réseaux de compagnies aériennes, les réseaux biologiques et les réseaux climatiques. Enfin, des réseaux entiers interagissent souvent de manière complexe ; si un système complexe individuel peut être représenté comme un réseau, alors les systèmes complexes en interaction peuvent être modélisés comme des réseaux de réseaux avec des propriétés dynamiques.

L'une des principales raisons de la grande vulnérabilité d'un réseau est son contrôle central, c'est-à-dire qu'un nœud qui est déconnecté du cluster est généralement reclassé comme défaillant. Une approche de percolation pour générer et étudier des systèmes décentralisés consiste à utiliser des nœuds renforcés qui ont leurs propres liens de support et de redondance. La science des réseaux s'est avérée utile pour mieux comprendre la complexité des systèmes terrestres.


Érudits notables

Voir également

Les références

Lectures complémentaires

Liens externes