Franck Varenne

On montre d’abord qu’il est nécessaire de caractériser une simulation informatique à un niveau plus fin que celui des modèles formels : celui des symboles et de leurs divers modes de référer. C’est particulièrement vrai pour celles qui intègrent des modèles et des formalismes hétérogènes. On s’interroge ensuite sur les causes ontologiques qui pourraient expliquer leur succès épistémique. Il est montré qu’elles peuvent s’expliquer commodément si l’on adopte une conception de la nature à la fois discontinuiste et finitiste. Cette dernière thèse se trouve renforcer une position métaphysique naturaliste en invalidant, à sa racine, l’argument formulé par le matérialisme spéculatif à l’encontre d’une approche scientifique du monde physique procédant, comme les simulations, par représentations et opérations finitistes.

Les modèles basés sur des agents en interactions, constituent des systèmes sociaux complexes, qui peuvent être simulés par informatiques. Ils se répandent dans les sciences économiques et sociales - comme dans la plupart des sciences des systèmes complexes. Des énigmes épistémologiques (ré)apparaissent. On a souvent opposé modèles et investigations empiriques : d’un côté, on considère les sciences empiriques fondées sur une observation méthodique (enquêtes, expériences) tandis que de l’autre, on conçoit les approches théoriques et la modélisation comme s’appuyant sur une approche conceptuelle ou hypothético-déductive. la simulation a de son coté souvent été comparée à une forme d’expérience ou à une méthode intermédiaire entre la théorie et l’expérience. Tesfatsion a parlé de « laboratoire computationnel » comme d’une manière d’étudier « les comportements des systèmes complexes au moyen d’expériences sous contrôle qu’on peut répéter (réplicable)» et Axelrod a proclamé que la simulation serait « une troisième manière de pratiquer la science dans les sciences sociales », entre l’induction et la déduction. Nous introduisons de nouveaux concepts épistémologiques afin de montrer dans quelle mesure les auteurs ont raison lorsqu'ils se concentrent sur une signification empirique, instrumentale ou conceptuelle de leur modèle ou simulation. La première partie du chapitre discute plus particulièrement de l'épistémologie des modèles économiques à partir des travaux d’Hausman, Guala, Mäki, Sugden, Schelling etc. pour expliquer les divergences entre modèles et simulations. En distinguant entre modèles et simulations, comme entre entre types de modèles, types de simulations informatiques et types d'empiricité obtenue par une simulation, la seconde partie donne la possibilité de comprendre plus précisément - et ensuite de justifier - la diversité des positions épistémologiques présentées dans la première partie. En utilisant les notion de sous-symbolisation (due à Smolensky) et, de hiérarchie dénotationnelle (due à Goodman), une attention particulière est accordée à la multiplicité des pouvoirs dénotationnels des symboles en jeu dans les modèles complexes et les simulations informatiques. Selon cette grille d'analyse, on peut déterminer, dans chaque cas particulier son statut épistémique et la crédibilité qui peut y être associée. Ce chapitre est une traduction (par Gilles Campagnolo) réviséee et augmentée par les auteurs de : Agent-Based Models and Simulations in Economics and Social Sciences: From Conceptual Exploration to Distinct Ways of Experimenting, Journal of Artificial Societies and Social Simulation 13 (1) 5 DOI: 10.18564/jasss.1532

In the Western tradition, at least since the 14th century, the philosophy of knowledge has been built around the idea of knowledge as a representation [BOU 99]. The question of the evaluation of knowledge refers at the same time (1) to the object represented (which one does one represent?), (2) to the process of knowledge formation, in particular with the role of the knowing subject (which one does one represent and how does one represent it?), and finally (3) to the relationship between the representation and the represented object. Criteria of evaluation such as “validity”, “adequacy” or “truth”, as mentioned in [AMB 07], make sense only with respect to these three dimensions. An evaluation can thus (1) depend on the ontological nature of the object of knowledge, (2) relate to the relationship between subject and object—including the structures (cognitive, social) which organize this relationship, or (3) relate to the relation of similarity between the object and its representation as well. The relevant criteria of evaluation thus depend on the points of view adopted on these questions. As there are indeed a plurality of points of view in this field, the goal of this appendix is to summarize, as briefly as possible, the various positions adopted by the philosophers and to refer to the relevant texts of reference for more information (for a first outline [CHA 76, SCH 01]). The first section 1 introduces useful discussions about the philosophy of theoretical knowledge and general epistemology, from a quasi-historical perspective. Section two 2 discusses the intermediary but central notion of models. Section three 3, more exploratory, introduces an approach to simulation as “concrete experiment”. It suggests that such a frequent claim in the literature, when precisely evaluated, can, to some extent, renew both the representational and the linguistic views on simulation.

Data do not belong to predictive analytics only. Neither do concepts belong to theoretical modeling only. This talk will explore and question the changing relationships between data and concepts in models today, especially in the case of multiscale models. It will show that there are different types of integrative models, and that some are new. These new integrative models take their part in a cycling methodology of modeling where measures, estimations, reconstructions, simulations, concept-driven models and mathematics interact and take their part too.

In the context of pluralization, sophistication, and combination of formal models, it is becoming difficult to propose uniform – or even comparable – model comparison practices. This paper outlines a broad and classificatory comparative epistemology of models. The aim of this epistemology is to propose applicable, and if necessary rectifiable, conceptual tools that can be useful to modellers as well as to historians and epistemologists. The notion of model characteristic vector – incorporating concepts of function, nature, principle and use of the model – is introduced for this end. This proposal has been developed to serve a better-equipped writing of a comparative and interdisciplinary history of models and simulations.

Le déficit d’explicabilité des techniques d’apprentissage machine (AM) pose des problèmes opérationnels, juridiques et éthiques. Un des principaux objectifs de notre projet est de fournir des explications éthiques des sorties générées par une application fondée sur de l’AM, considérée comme une boîte noire. La première étape de ce projet, présentée dans cet article, consiste à montrer que la validation de ces boîtes noires diffère épistémologiquement de celle mise en place dans le cadre d’une modélisation mathéma- tique et causale d’un phénomène physique. La différence majeure est qu’une méthode d’AM ne prétend pas représenter une causalité entre les paramètres d’entrées et ceux de sortie. Après avoir proposé une clarification et une adaptation des notions d’inter- prétabilité et d’explicabilité telles qu’on les rencontre dans la littérature déjà abondante sur le sujet, nous montrons dans cet article l’intérêt de mettre en œuvre les distinctions épistémologiques entre les différentes fonctions épistémiques d’un modèle, d’une part, et entre la fonction épistémique et l’usage d’un modèle, d’autre part. Enfin, la dernière partie de cet article présente nos travaux en cours sur l’évaluation d’une explication, qui peut être plus persuasive qu’informative, ce qui peut ainsi causer des problèmes d’ordre éthique.

This study shows firstly that it is necessary to characterize a computer simulation at a finer level than that of formal models: that of symbols and their various modes of reference. This is particularly true for those that integrate models and formalisms of a heterogeneous nature. This study then examines the ontological causes that, consequently, could explain their epistemic success. It is argued that they can be conveniently explained if one adopts a conception of nature that is both discontinuous and finite. The latter thesis supports a naturalistic metaphysical position by invalidating, at its root, the argument made by speculative materialism against a scientific approach to the physical world that proceeds, like simulations, by finite representations and operations.

This chapter elaborates and develops the thesis originally put forward by Mary Morgan (2005) that some mathematical models may surprise us, but that none of them can completely confound us, i.e. let us unable to produce an ex post theoretical understanding of the outcome of the model calculations. This chapter intends to object and demonstrate that what is certainly true of classical mathematical models is however not true of pluri-formalized simulations with multiple axiomatic bases. This chapter thus proposes to show that - and why - some of these computational simulations that are now booming in the sciences not only surprise us but also confound us. To do so, it shows too that it is needed to elaborate and articulate with some new precision the concept of weak emergence initially due, for its part, to Mark A. Bedau (1997).

Voilà un livre comme on pouvait l’espérer. Centré sur la Covid-19 et sur sa diffusion, il s’installe au cœur de questions brûlantes, encore urgentes pour tout un chacun, mais il garde aussi la tête froide, prend du recul, informe, enseigne et questionne, qui plus est de façon pédagogique. Davantage : au-delà du bilan critique, il propose des perspectives inédites, voire quelques suggestions solides. Il nous donne à réfléchir sur des chemins moins balisés. À le lire, on comprendra, par l’exemple, pourquoi un modèle ne peut assurer simultanément toutes les fonctions de connaissance qu’on en peut attendre (décrire, prédire, expliquer, etc.). On comprendra pourquoi il faut souvent des modèles simples mais aussi, dans certains cas, des modèles nécessairement plus compliqués. On comprendra également pourquoi il faut cultiver une pluralité de modèles, toujours dans la collégialité, souvent dans l’interdisciplinarité : non seulement pour que ces modèles prennent en compte plusieurs aspects, mais aussi pour que leurs diverses fonctions puissent entrer en dialogue, et enfin pour qu’ils s’épaulent, convergent ou se rectifient, en particulier là où l’on attend d’eux qu’ils mettent au jour des propriétés structurelles robustes, les seules offrant en retour une prise à l’action et à la décision légitimes. On comprendra enfin que la disponibilité de données à la fois pertinentes et stabilisées est un point d’achoppement majeur, dans les circonstances, tant il est discutable de paramétrer un modèle de diffusion de la Covid-19 avec les paramètres de la grippe simplement parce qu’ils sont mieux connus.

Research in artificial intelligence (AI) has led to revise the challenges of the AI initial programme as well as to keep us alert to peculiarities and limitations of human cognition. Both are linked, as a careful further reading of the Turing’s test makes it clear from Searle’s Chinese room apologue and from Dreyfus’ suggestions, and in both cases, ideal had to be turned into operating mode. In order to rise these more pragmatic challenges AI does not hesitate to link together operations of various levels and functionalities, more specific or more general. The challenges are not met by an operating formal system which should have from the outset all the learning skills, but -for instance in simulation- by the dynamics of a succession of solutions open to adjustments as well as to reflexive repeats.

Le déficit d’explicabilité des techniques d’apprentissage machine (AM) pose des problèmes opérationnels, juridiques et éthiques. Un des principaux objectifs de notre projet est de fournir des explications éthiques des sorties générées par une application fondée sur de l’AM, considérée comme une boîte noire. La première étape de ce projet, présentée dans cet article, consiste à montrer que la validation de ces boîtes noires diffère épistémologiquement de celle mise en place dans le cadre d’une modélisation mathématique et causale d’un phénomène physique. La différence majeure est qu’une méthode d’AM ne prétend pas représenter une causalité entre les paramètres d’entrées, qui peuvent être de plus de haute dimensionnalité, et ceux de sortie. Nous montrons dans cet article l’intérêt de mettre en œuvre les distinctions épistémologiques entre les différentes fonctions épistémiques d’un modèle, d’une part, et entre la fonction épistémique et l’usage d’un modèle, d’autre part. Enfin, la dernière partie de cet article présente nos travaux en cours sur l’évaluation d’une explication, qui peut être plus persuasive qu’informative, ce qui peut ainsi causer des problèmes d’ordre éthique.

Now that complex Agent-Based Models and computer simulations spread over economics and social sciences - as in most sciences of complex systems -, epistemological puzzles (re)emerge. We introduce new epistemological tools so as to show to what precise extent each author is right when he focuses on some empirical, instrumental or conceptual significance of his model or simulation. By distinguishing between models and simulations, between types of models, between types of computer simulations and between types of empiricity, section 2 gives conceptual tools to explain the rationale of the diverse epistemological positions presented in section 1. Finally, we claim that a careful attention to the real multiplicity of denotational powers of symbols at stake and then to the implicit routes of references operated by models and computer simulations is necessary to determine, in each case, the proper epistemic status and credibility of a given model and/or simulation.

Le développement considérable des simulations informatiques dans les sciences contemporaines impose une remise à plat des épistémologies des modèles. Franck Varenne propose de revenir sur les limites des notions de métaphore et d'analogie pour penser les modèles, en particulier quand il s'agit des modèles composés, des pluri-modèles et des modèles de simulation (à objets ou à agents), tels qu'ils se développent depuis une dizaine d'années. Il suggère que le paradigme linguistique, à l'oeuvre aussi bien dans la pensée analytique anglo-saxonne que dans la pensée dialectique et pragmatique continentale, trouve ses limites manifestes devant les nouveaux usages épistémiques de telles simulations. Il propose que l'histoire et la philosophie des sciences contemporaines en prennent désormais toute la mesure. Sa conférence est suivie de la retranscription d'un débat fourni, d'abord oral, puis écrit, tel qu'il s'est prolongé, dans les mois qui ont suivi, avec plusieurs personnalités qui réfléchissent sur les modèles, sur les formalisations et sur la science contemporaine. On y verra quelques objections mais aussi beaucoup de points d'accord. Ce débat est l'occasion pour l'auteur d'expliquer davantage son approche et d'ouvrir encore la réflexion, aussi bien avec les scientifiques, les historiens qu'avec les philosophes.

Peut-on formaliser le vivant ? Peut-on réduire une plante à une simple formule mathématique ? Goethe ne l’aurait pas admis. Pour beaucoup encore, cette question ne se pose même pas tant elle peut sembler provocante et contre-nature. Dans une perspective à la fois historique et épistémologique, ce livre rend compte de travaux contemporains qui ont pourtant tous tenté de braver cet interdit. C’est en grande partie sur ce terrain, hautement problématique, que, dans les premières décennies du XXe siècle, on voit naître puis s’épanouir la pratique des modèles mathématiques appliquée aux sciences végétales. On voit en particulier que ces pratiques nouvelles de modélisation entrent en concurrence avec une tradition ancienne de théorisation mathématique des formes du vivant. C’est même devant les limites des essais théoriques récurrents que le tournant formel des modèles se confirme et permet des avancées incontestables. À l’heure où toutes les sciences à objets complexes parlent beaucoup de modèles et moins de théories, est-ce le signe d’une victoire de la « modélisation » au détriment de la « théorie » ? Cette victoire est-elle définitive ? Cela a-t-il toujours un sens de les opposer ? Et qu’en est-il des « lois » ? En proposant une analyse des travaux mais aussi des positions épistémologiques de certains scientifiques impliqués, en explicitant le sens de ce qui les rapproche, de ce qui les distingue ou les oppose, cet ouvrage montre que l’émergence, l’expansion puis la diversification des pratiques de modélisation formelle du vivant ont contribué, sur le terrain scientifique lui-même, à bousculer les rapports épistémologiques traditionnels entre théories, lois et modèles tels qu’ils nous ont été légués par la physique.

Face à la diversité et à la complexification des modes de formalisation, une épistémologie des méthodes scientifiques doit confronter directement ses analyses à une pluralité d’études de cas comparatives. C’est l’objectif de cet ouvrage. Aussi, dans une première partie, propose-t-il d’abord une classification large et raisonnée des différentes fonctions de connaissance des théories, des modèles et des simulations (de fait, cette partie constitue un panorama d’épistémologie générale particulièrement poussé). C’est ensuite à la lumière de cette classification que les deux parties centrales analysent et distinguent les assises conceptuelles et épistémologiques des principaux types de formalisation en géographie avant et après l’ordinateur (théories des localisations, modèles gravitaires, loi rang-taille). En employant toujours la même méthode analytique et comparative, la dernière partie se concentre sur l’explication épistémologique des trois révolutions computationnelles récentes : l’analyse des données, la présentation des données et enfin l’analyse par simulation computationnelle. Au travers de cette enquête approfondie, la géographie apparaît non seulement comme une discipline carrefour, ayant pour cela donné des exemples de presque tous les types de modèles scientifiques, mais aussi comme une science innovante en termes épistémologiques. Car ce qui a d’abord été pour elle un frein à la formalisation -– sa sensibilité au caractère multifactoriel comme à la dimension irréductiblement spatiale des phénomènes sociaux – et qui l’obligea longtemps à inféoder ses théories et modèles à des disciplines plus aisément formalisables comme la géomorphologie, l’économie, la sociologie, la démographie, ou bien encore la thermodynamique et la théorie des systèmes, devient aujourd’hui un atout dès lors que, parmi les sciences humaines et sociales, elle peut développer une épistémologie non seulement pluraliste mais aussi combinatoire et intégrative. Préface de Denise Pumain (Université Paris 1).

Dans cet ouvrage, Franck Varenne pose la question du réalisme scientifique, essentiellement dans sa forme contemporaine, et ce jusqu’aux années 1980. Il s’est donné pour cela la contrainte de focaliser l’attention sur ce que devenaient sa formulation et les réponses diverses qu’on a pu lui apporter en réaction spécifique à l’évolution parallèle qu’ont subie les notions de théories et surtout de modèles dans les sciences, à la même époque. Même si, bien sûr, on ne peut pas attribuer le considérable essor des modèles au XXe  siècle au projet qu’auraient eu les scientifiques de régler cette question, en grande partie philosophique, du réalisme – car les modèles scientifiques ont bien d’autres fonctions et ils proviennent de bien d’autres demandes techniques, cognitives et sociales –, son choix épistémologique a consisté à suivre la littérature contemporaine désormais classique, tant scientifique que philosophique, sur les théories puis sur les modèles afin d’une part, d’en rapporter l’évolution générale, mais, d’autre part aussi, afin de l’interroger de proche en proche, et systématiquement, sur ce qu’elle entend à chaque fois réévaluer ou remettre en débat au moyen de cette question persistante du réalisme et de la réalité en science. Au-delà de l’enquête historique, cette étude se révèle donc également comparative. Elle présente l’intérêt de mettre en évidence des similitudes de forme remarquables (identités, symétries, inversions, déplacements) entre des séquences argumentatives produites par des auteurs différents, dans des contextes distincts, au sujet de cette capacité qu’aurait – ou non – la science à rendre véritablement compte de la réalité. Ainsi, via l’analyse épistémologique historique et comparative qu’en propose Franck Varenne, la question cruciale de la médiation du réel par nos outils conceptuels ou expérientiels reçoit dans ce livre l’éclairage d’auteurs dont les conceptions sont, pour certaines encore, méconnues du lecteur non anglophone : Peter Achinstein, Max Black, Ludwig Boltzmann, Nancy Cartwright, Pierre Duhem, Ian Hacking, Mary Hesse, Evelyn Fox Keller, Imre Lakatos, Ernst Mach, Ernest Nagel, Henri Poincaré, Willard V.O. Quine, Bas van Fraassen, etc.

This book analyses the impact computerization has had on contemporary science and explains the origins, technical nature and epistemological consequences of the current decisive interplay between technology and science: an intertwining of formalism, computation, data acquisition, data and visualization and how these factors have led to the spread of simulation models since the 1950s. Using historical, comparative and interpretative case studies from a range of disciplines, with a particular emphasis on the case of plant studies, the author shows how and why computers, data treatment devices and programming languages have occasioned a gradual but irresistible and massive shift from mathematical models to computer simulations.

Architecture often relies on mathematical models, if only to anticipate the physical behavior of structures. Accordingly, mathematical modeling serves to find an optimal form given certain constraints, constraints themselves translated into a language which must be homogeneous to that of the model in order for resolution to be possible. Traditional modeling tied to design and architecture thus appears linked to a topdown vision of creation, of the modernist, voluntarist and uniformly normative type, because usually (mono)functionalist. One available instrument of calculation/representation/prescription orders this conception of architecture: indeed the search for an optimal solution through mathematical calculation of a model itself mathematical, thus homogeneous and simple, is only possible when one or two functions or functional constraints are formulated, never more, and this, on a global level, therefore starting from a unique and homogenizing viewpoint. It is essential to grasp that, even applied to material and its properties or towards a particular esthetic or functional dimension, this viewpoint is thus abstractive and generalizing: disregarding singularity of context, insertion and relationship to the environment or local, social behavior. It leaves aside functional specificity and heterogeneousness – re-contextualized each time – of functions that the object or edifice are required to fulfill and optimize under diverse constraints, in their different parts. The computational turning point today’s digital design and computational architecture embody modifies these instrumental, original prescriptions, rendering them more flexible. Perhaps in light of this turnabout we should retrospectively interpret 20th century calls for modernism, functionalism and even biomorphism as being just as many ex post rationalizations in respect to techniques of strongly prescriptive modeling since our only instrument is a monolithic language, and so being, incites a top-down conception, (naturally weakly reactive to contexts), including forms whose overall appearance resembles in fine a living form. In order to liberate oneself from this and despite everything, emerge as its initiators, one has constructed from ideology and philosophy (of object, habitat, the urban) ex post, even while it is the instrument of modeling and conception that largely determines, normalizes and dictates ex ante, the possibilities and limitations of the creation of forms and living experiments4 in a given time.

The aim of this paper is to describe and analyze the epistemological justification of a proposal initially made by the biomathematician Robert Rosen in 1958. In this theoretical proposal, Rosen suggests using the mathematical concept of “category” and the correlative concept of “natural equivalence” in mathematical modeling applied to living beings. Our questions are the following: According to Rosen, to what extent does the mathematical notion of category give access to more “natural” formalisms in the modeling of living beings? Is the so -called “naturalness” of some kinds of equivalences (which the mathematical notion of category makes it possible to generalize and to put at the forefront) analogous to the naturalness of living systems? Rosen appears to answer “yes” and to ground this transfer of the concept of “natural equivalence” in biology on such an analogy. But this hypothesis, although fertile, remains debatable. Finally, this paper makes a brief account of the later evolution of Rosen’s arguments about this topic. In particular, it sheds light on the new role played by the notion of “category” in his more recent objections to the computational models that have pervaded almost every domain of biology since the 1990s.

Now that complex Agent-Based Models and computer simulations spread over economics and social sciences - as in most sciences of complex systems -, epistemological puzzles (re)emerge. We introduce new epistemological concepts so as to show to what extent authors are right when they focus on some empirical, instrumental or conceptual significance of their model or simulation. By distinguishing between models and simulations, between types of models, between types of computer simulations and between types of empiricity obtained through a simulation, section 2 gives the possibility to understand more precisely - and then to justify - the diversity of the epistemological positions presented in section 1. Our final claim is that careful attention to the multiplicity of the denotational powers of symbols at stake in complex models and computer simulations is necessary to determine, in each case, their proper epistemic status and credibility.

The credibility of digital computer simulations has always been a problem. Today, through the debate on verification and validation, it has become a key issue. I will review the existing theses on that question. I will show that, due to the role of epistemological beliefs in science, no general agreement can be found on this matter. Hence, the complexity of the construction of sciences must be acknowledged. I illustrate these claims with a recent historical example. Finally I temperate this diversity by insisting on recent trends in environmental sciences and in industrial sciences.

Que peut bien etre l'informatique pour nous envahir a ce point? Se fondant sur des travaux recents de philosophie de l'informatique, ce livre revient sur la notion de Machine de Turing et sur la These de Church: l'ordinateur peut-il tout simuler? (le vivant, l'esprit). Eclairant les notions de computation et d'abstraction a la lumiere de celles de simulation et d'ontologie, il montre en quoi l'informatique n'est ni simplement une branche des mathematiques, ni une technologie de l'information, mais une technologie des croisements des voies de la reference.

Cognitive sciences as an interdisciplinary field, involving scientific disciplines (such as computer science, linguistics, psychology, neuroscience, economics, etc.), philosophical disciplines (philosophy of language, philosophy of mind, analytic philosophy, etc.) and engineering (notably knowledge engineering), have a vast theoretical and practical content, some even conflicting. In this interdisciplinary context and on computational modeling, ontologies play a crucial role in communication between disciplines and also in a process of innovation of theories, models and experiments in cognitive sciences. We propose a model for this process here. An ontological commitment is advocated as the framework of a scientific realism, which leads computational modeling to search for more realistic models, for a complex systems perspective of nature and cognition. In that way multiagent modeling of complex systems has been fulfilling an important role.

This paper proposes an extensionalist analysis of computer simulations (CSs). It puts the emphasis not on languages nor on models, but on symbols, on their extensions, and on their various ways of referring. It shows that chains of reference of symbols in CSs are multiple and of different kinds. As they are distinct and diverse, these chains enable different kinds of remoteness of reference and different kinds of validation for CSs. Although some methodological papers have already underlined the role of these various relationships of reference in CSs and of cross-validations, this diversity is still overlooked in the epistemological literature on CSs. As a consequence, a particular outcome of this analytical view is an ability to classify existing epistemological theses on CSs according to what their authors choose to select and put at the forefront: either the extensions of symbols, or the symbol-types, or the symbol-tokens, or the internal denotational hierarchies of the CS or the reference of these hierarchies to external denotational hierarchies. Through the adoption of this extensionalist view, it also becomes possible to explain more precisely the reasons why some complete reduction of CSs to classical epistemic paradigms such as “experiment” or “theoretical argument” remains doubtful. On this last point, in particular, this paper is in agreement with what many epistemologists already have acknowledged.

Dans un nombre croissant de domaines scientifiques - sciences de la nature, sciences humaines aussi bien que sciences des artefacts -, la simulation ne joue plus le rôle de succédané temporaire d'une théorie encore en gésine parce que non encore élaborée ; c'est-à-dire qu'elle ne joue plus systématiquement le rôle d'un modèle provisoire ou d'un schéma servant à condenser les mesures. C'est qu'elle n'a pas la nature d'un signe graphique, linguistique ou mathématique. Elle joue au contraire de plus en plus le rôle d'une réplication détaillée du réel : elle est une intuition reconstruite avec justesse mais sans abstraction rationnelle et généralisante, donc sans transfiguration iconique. Une des limites de l'épistémologie dialectique de Bachelard tient à ce qu'elle ne donne pas les concepts pour penser assez distinctement ces pratiques contemporaines de simulation. C'est pourquoi l'A. propose de concevoir l'idée que la science contemporaine se développe non plus selon la seule dialectique matérialisme / rationalisme, mais selon la triade rationalisme/computationalisme/matérialisme.

The paper deals with an intellectual and historical approach to the changing meanings of the term “model” in life sciences. The author 1st tries to understand how modeling has gradually spread over life sciences then he particularly focus on the birth of mathematical modeling in this field. This quite new practice offers new insights on the old debate concerning the mathematization of life sciences. Nowadays, through computers, mathematics not only analyze or quantify but model things: what does it mean? The question turns out to be dramatic as far as digital simulation is concerned. That is the reason why he choosed to study a particular case: the history of the individual plant mathematical modeling. On this case, one may discern various epistemological standpoints that caused various reactions to the emergence of computer simulation, from the 50s to the 90s. The author shows that philosophical views often play a role in the history of sciences, especially in the choice of supposed proper mathematical formalisms. This will indicate that contemporary discourses tend to echo each other. That is the reason why he feels authorized to address the Foucault’s concept—épistémè—to denote these convergences between the scientific and the philosophical discourses. Finally, it is suggested that this épistémè gradually is changing because one can currently observe the emergence of a “graphical” thought through these simulation experiments, which tends to replace a more functionalist thought.

A recent evolution of computer simulations has led to the emergence of complex computer simulations. In particular, the need to formalize composite objects (those objects that are composed of other objects) has led to what the author suggests calling pluriformalizations, i.e. formalizations that are based on distinct sub-models which are expressed in a variety of heterogeneous symbolic languages. With the help of four case-studies, he shows that such pluriformalizations enable to formalize distinctly but simultaneously either different aspects or different parts or different scales of the same object or system. From an epistemological standpoint, he suggests that this kind of computer-aided complex formalization of composite objects renew the traditional relations between computer simulations, theoretical models and operational models.