Sur les modèles

Les modèles sont indispensables. La réalité est d'une complexité démesurée. Cartographier toutes les interactions possibles serait informatiquement impossible et totalement inutile pour comprendre le monde. Au lieu de cela, nous réduisons les choses à des variables causales clés et les utilisons pour nous aider à faire des prédictions et à prendre des décisions.

Mais les modèles sont de formes et de tailles variées. Le choix du modèle le plus adapté dépend de l'objectif recherché.

Prenons par exemple les deux cartes suivantes. Elles représentent la même zone : l'université d'État Nicholls à Thibodaux, en Louisiane, où je travaille. La première est le plan du campus que nous avons sur notre site web . La seconde est une carte topographique de la même zone . Cher lecteur, si vous vouliez vous rendre à Powell Hall, laquelle de ces deux cartes préféreriez-vous ? Évidemment, la carte du campus serait la plus utile. La carte topographique, bien que contenant des informations utiles, serait inutile pour se déplacer sur le campus. De même, la carte du campus serait inutile pour, par exemple, faire de la randonnée à Thibodaux.

L’utilisation d’une carte incorrecte (d’un modèle incorrect) peut conduire à un désastre.

Un exemple de ce genre nous vient de l' invasion américaine de la Grenade en 1983. L'invasion américaine avait été planifiée, non pas à l'aide de cartes militaires, mais de cartes touristiques avec des grilles militaires superposées , achetées plus tôt dans la journée dans un magasin de Fayetteville, en Caroline du Nord. Ces cartes n'ont pas été utiles : quatre SEALs ont péri à cause de plans d'eau non répertoriés, la coordination entre les soldats et leur couverture aérienne n'a pas pu se faire car ils utilisaient des cartes différentes, etc. L'invasion a failli tourner à une catastrophe de l'ampleur de la crise des otages en Iran. Tout cela parce que l'armée a utilisé des modèles inappropriés.

Il en va de même pour les modèles économiques. Comme nous l'avons vu au cours de cette seconde administration Trump, leurs modèles commerciaux ont été désastreux. Absolument rien ne s'est passé comme prévu : les taux d'intérêt augmentent, les pays ripostent, le dollar s'affaiblit, les prix devraient augmenter une fois les stocks épuisés, les entreprises américaines licencient ou ralentissent leurs embauches, d'importants projets d'usines ont été annulés, la bourse s'est effondrée et la Chine s'implante sur les marchés américains. La situation est si critique que le président et son équipe admettent désormais que la prospérité n'est plus un objectif (mais ce n'est pas grave, car la prospérité est une mauvaise chose ). En effet, ces droits de douane étaient censés rapporter près de 60 milliards de dollars de recettes par mois . En avril, les recettes douanières (élevées grâce à la constitution de stocks) n'étaient que de 17 milliards de dollars .

Lorsque l'administration Trump présente des modèles, elle en présente de mauvais. C'est comme envahir la Grenade avec une carte touristique ou utiliser une carte topographique pour se repérer sur un campus universitaire. Leurs modèles reposent sur des hypothèses irréalistes, souvent contradictoires et généralement non étayées. Ils suscitent des attentes irréalistes et souvent contradictoires. Et, par conséquent, le peuple américain en paie le prix.

Il est important de noter que la plupart des modèles sont au moins mathématiquement cohérents. Mais cette cohésion mathématique ne signifie pas que le modèle soit utile à l'objectif visé. L'utilité d'un modèle n'est pas déterminée par sa sophistication mathématique, mais plutôt par son application et sa capacité à fournir des informations utiles. Par conséquent, un modèle plus « réaliste » en intégrant davantage d'éléments de la réalité ou de sophistication mathématique peut être pratiquement inutile par rapport à un modèle moins « réaliste » en raison de sa simplicité. Si le modèle plus complexe fournit des informations limitées (ou erronées), il n'est pas utile, quelle que soit sa cohérence mathématique. La science ne se résume pas à manipuler des modèles. Elle consiste en grande partie à posséder les connaissances nécessaires pour choisir le bon modèle.