Groupe Emergence
Définition des systèmes complexes
Un système est un ensemble d'éléments (parfois appelés agents), en interaction entre eux et avec l'environnement. La complexité se manifeste lorsque ces interactions forment des boucles de rétroaction, par exemple dans la boucle d'interactions entre les agents A=>B=C=>A. Dans ce cas, lorsque A est modifié, le jeu des interactions se propageant va encore modifier A, et ainsi de suite, de manière souvent imprévisible. Cette imprévisibilité se manifeste fréquemment dans les systèmes complexes.
Exemples de systèmes complexes
Des systèmes naturels : Les écosystèmes, le climat, les cyclones, les systèmes astronomiques, les structures quantiques, les océans, les organismes vivants, le cerveau, les fourmilières ou autres systèmes sociaux naturels...
Des systèmes artificiels : des unités de production autorégulées, des logiciels complexes... Une horloge n'est pas complexe, car même si elle est compliquée, elle ne comporte pas en général de rétroactions. Son comportement est donc beaucoup plus prévisible.
Des systèmes hybrides : Les entreprises, l'Internet, l'Economie, les grands travaux, les réseaux sociaux, la politique.
Quelques propriétés importantes
La plupart des systèmes complexes présentent, entre autres, les propriétés suivantes :
Imprévisibilité: difficulté à prévoir le comportement futur d'un système, mais parfois certains outils, comme la simulation, le permettent approximativement (la météo...)
Propriétés émergentes : ce sont les propriétés globales d'un système qui résultent des interactions mais ne sont pas réductibles aux seuls éléments (la pensée...)
Auto-organisation : propriété d'un système lui permettant de se réorganiser automatiquement face à son environnement (les écosystèmes...)
Objectifs de l'étude des système complexes
On peut vouloir construire un système complexe artificiel ou hybride. Lorsqu'on a affaire à un système existant, on peut vouloir le comprendre, ou prévoir son comportement, éventuellement l'influencer ou le contrôler. Il existe des méthodes, en partie rigoureuses (comme la simulation multi-agents), en partie heuristiques, guidées par l'intuition et l'expérience.