Les mécanismes sociaux, ou comment ouvrir les « boîtes noires »

C.H.

Inspiré par l’intéressante série de billets de Daniel Little sur le sujet, j’ai regardé pas mal ces derniers jours du côté de la littérature sur la « sociologie analytique » pour voir ce que cette approche a à raconter concernant les relations micro/macro. Trois ouvrages en particulier m’ont paru intéressants : Dissecting the Social, Social Mechanisms. An Analytical Approach to Social Theory et enfin The Oxford Handbook of Analytical Sociology. Tous ces livres sont écrits ou édités par Peter Hedtröm, l’un des principaux défenseurs de la sociologie analytique. On peut définir cette dernière comme une approche partant du principe que la sociologie et les autres sciences sociales doivent, pour expliquer des régularités observées au niveau macro, décomposer les phénomènes en identifiant les mécanismes micro qui génèrent par agrégation ou émergence la régularité.

Le concept de mécanismes sociaux est au cœur des trois ouvrages susmentionnés. Un mécanisme social est une construction analytique que l’on peut définir comme une explication abstraite et basée sur l’action des individus qui montre comment l’occurrence d’un évènement va générer le type de résultat que l’on veut expliquer. Notons que le concept de mécanisme ne s’arrête pas aux frontières des sciences sociales ; il existe ainsi des mécanismes biologiques, des mécanismes physiques, etc. En l’occurrence, le concept de mécanisme social repose sur le parti-pris méthodologique (et pas ontologique) que toute explication doit impliquer l’action individuelle. Un exemple de mécanisme social est donné par le célèbre concept de « prophétie auto-réalisatrice » qui indique comment un résultat collectif est généré par un ensemble de croyances générant des actions confirmatrices. Dans le chapitre introductif de l’ouvrage Social Mechanisms, Hedtröm et Richard Swedberg identifient trois grandes classes de mécanismes sociaux que l’on peut représenter à l’aide du fameux diagramme de Coleman :

 

La relation 4 décrit la régularité macro qui lie deux états d’un même système à travers le temps. Cette régularité est observable mais ne constitue toutefois pas une relation de causalité. Pour expliquer causalement cette relation, on va donc la décomposer pour s’intéresser aux mécanismes micro sous-jacents. Trois mécanismes peuvent être distingués : la relation 1 correspond à la relation macro-micro et implique des mécanismes situationnels. La relation 2 renvoie à la relation micro-micro et met en jeu des mécanismes de formation de l’action. Enfin, la relation 3 est de type micro-macro et implique des mécanismes transformationnels. Cette typologie est intéressante mais elle pose pas mal de questions, notamment par exemple concernant la nature de la relation 1 (est-ce une relation de causalité entre un agrégat ou une entité collective et les individus ?). De manière plus générale, si cette typologie a des vertus heuristiques, je ne suis pas sûr qu’en pratique décomposer de la sorte les mécanismes soit très pertinent. Que l’on pense à une analyse en termes de théorie des jeux, laquelle peut permettre d’étudier des mécanismes (comme le montre Tyler Cowen dans un chapitre de l’ouvrage Social Mechanisms) : la relation 1 (mécanisme situationnel) est formalisée par le jeu lui-même : nombre de joueurs, stratégies disponibles, matrice de gains voire d’autres éléments exogènes (comme une convention ou un point focal par exemple). La relation 2 correspond à l’action des joueurs telle qu’elle est générée par leurs croyances et leurs préférences ainsi que par leur rationalité. Enfin, la relation 3 est tout simplement l’agrégation des actions individuelles, autrement dit l’un des équilibres du jeu. Dans le cadre de la théorie des jeux, il semble donc que les trois types de mécanismes sont toujours associés.

Le concept de mécanismes est toutefois particulièrement utile notamment dans le cadre de la formalisation. Une métaphore qui revient souvent est celle de la boîte noire : étudier les mécanismes sociaux, c’est ouvrir la boîte noire qui renferme les causes d’une régularité observée. Je trouve cette idée particulièrement pertinente lorsque l’on s’intéresse à des phénomènes de dynamique sociale, c’est-à-dire où la dimension temporelle intervient explicitement. Dans le chapitre « Social Mechanisms and Social Dynamics » de Social Mechanisms, Thomas Schelling indique qu’un mécanisme social n’est pas réductible à une expression mathématique (une équation ou un système d’équations) mais que cette dernière est générée par un mécanisme. Par conséquent, une équation décrivant la dynamique d’un système peut suggérer  une interprétation par le biais d’un mécanisme. De ce point de vue, il est intéressant de voir comment le concept de mécanisme peut permettre de repérer les « boîtes noires » dans un modèle mathématique. Je vais prendre trois exemples pour illustrer cette idée.

Lorsque l’on veut étudier la dynamique d’un système, qu’il soit physique, biologique ou social, une approche largement établie consiste à utiliser une ou plusieurs équations différentielles. Une équation différentielle décrit comment un système caractérisé par une variable x évolue dans le temps, autrement dit dx/dt. Un exemple célèbre est le fameux modèle proie-prédateur décrit par les équations de Lotka-Volterra. Ce modèle est composé de deux équations différentielles de premier ordre, chacune décrivant l’évolution d’une population animale (une population de proies, une population de prédateurs) en fonction l’état de l’autre population. Plus précisément, si X est le nombre de proies et Y le nombre de prédateurs, alors on a les deux équations suivantes :

dX/dt = X(a – bY)

dY/dt = –Y(c – dX)

a, b, c et d sont des paramètres qui décrivent les interactions entre les deux populations. Ces deux équations décrivent la dynamique du système. On peut voir facilement que l’évolution des deux populations peut être décrite par deux courbes sinusoïdales : il existe une valeur Y* au-delà de laquelle la population de proies décline et une valeur X* en-deçà de laquelle la population de prédateurs décline. Avec les outils mathématiques adéquats, on peut montrer que ces points fixes ne sont pas stables et que le système évolue de manière cyclique autour. Cela dit, le plus intéressant ici est de voir quels sont les mécanismes sous-jacents à ces équations. En l’occurrence, je crois que l’on peut dire qu’ils sont extrêmement vagues. Les paramètres a, b, c et d ne sont pas évident à interpréter ; notamment, on ne sait rien de la manière dont les « prédateurs » interagissent avec les « proies ». Comme l’indique Schelling, ces équations ouvrent la voie à des interprétations en termes de mécanismes, mais ne formalisent pas le mécanisme en tant que tel.

Le deuxième exemple est proche mais concerne directement les sciences sociales. En 1957, J. Coleman (celui dont le diagramme porte le nom), E. Katz et H. Menzel se sont intéressés à la manière dont un nouveau médicament était progressivement prescrit par les médecins. Plus exactement, ces auteurs voulaient expliquer le processus de diffusion d’un médicament dans la population de médecins. Ils sont partis de l’observation d’une dynamique macro et ont cherché le mécanisme derrière cette dynamique. Ils ont fait deux hypothèses : 1) un processus de diffusion individuel ou 2) un processus de diffusion de type « effet boule de neige ». Chaque hypothèse a pris la forme d’une équation différentielle :

1) dI/dt = S(t) x α

2) dI/dt = I(t) x S(t) x β

L’équation 1 décrit un processus individuel où le nombre de médecins qui adopte le nouveau médicament à chaque moment est une fraction constante α du nombre de médecins qui l’ont déjà adopté S(t). L’équation 2 décrit un effet boule de neige selon lequel la diffusion du médicament se fait au travers d’interactions sociales entre les médecins : à chaque moment du temps, il y a I(t) x S(t) interactions possibles entre un médecin susceptible d’adopter le médicament et un l’ayant déjà adopté et un pourcentage constant β de ces interactions débouchent sur l’adoption du médicament. Deux dynamiques macro différentes émergent alors :

 

Coleman et al. ont conclu de leur étude que l’on pouvait distinguer deux populations de médecins : une population de médecins fortement intégrés dans un réseau professionnel et une population de médecins isolés professionnellement. Les mécanismes derrières ces deux équations ressortent assez explicitement mais reposent sur des hypothèses assez frustres, comme par exemple le fait que tous les médecins ont la même influence. On peut ainsi penser que le paramètre β varie d’un médecin à l’autre suivant, par exemple, son réseau. Bien qu’elles suggèrent des mécanismes,  ces deux équations renferment donc encore des boîtes noires que l’on voudrait ouvrir.

Le dernier exemple se distingue des précédents car il repose sur un modèle où la dynamique du système n’est pas définit de manière ad hoc mais est dérivée de caractéristiques micro. Il s’agit en l’occurrence d’un modèle de ségrégation résidentielle que l’on peut trouver dans l’ouvrage de microéconomie de Samuel Bowles dont je ne pourrai jamais trop vanter les mérites. Le modèle est un peu long (mais pas très compliqué), aussi je l’ai mis dans un un fichier pdf à part. Ceux qui sont intéressés peuvent le consulter. Pour les autres, voici un court résumé : on considère un quartier et deux populations (les vert et les bleus). Les membres des deux populations souhaitent habiter dans le quartier et sont prêts à payer un certain prix pour acheter une maison. Ce prix est décrit par deux équations (une pour les verts, une pour les bleus) qui indiquent que la disposition à payer est fonction de la proportion de membres de chacune des populations dans le quartier et d’une préférence pour la mixité décrite par un paramètre δ. Les fonctions sont telles que pour certaines valeurs de δ, les individus préfèrent un quartier totalement mixte. On introduit ensuite de la dynamique en considérant qu’à chaque période une fraction des habitants envisagent de vendre leur maison et reçoivent la visite d’un acheteur potentiel (la proportion d’acheteurs potentiels verts et bleus est la même que celle des habitants). Il y a donc une certaine probabilité pour qu’un vendeur bleu (vert) marchande avec un acheteur vert (bleu) ; la transaction a lieu avec une probabilité proportionnelle à l’écart entre le prix que l’acheteur est prêt à payer et le prix que demande le vendeur (si le vendeur demande trop, il n’y a pas de transaction). On dérive alors facilement une équation de dynamique de réplication qui nous indique un résultat intéressant : le système a trois points fixes, deux correspondants à un quartier entièrement occupée par une seule population, et un équilibre intérieur où la disposition à payer des habitants des deux populations est égale et où donc (par définition), verts et bleus sont en nombre égal. Or, ce dernier équilibre est instable, ce qui signifie que même si les individus ont une stricte préférence pour la mixité, une ségrégation complète émerge.

Ce modèle est intéressant parce que contrairement aux deux précédents, il formalise explicitement le mécanisme micro qui génèrent la dynamique macro. Cette dernière est décrite par l’équation de dynamique de réplication, laquelle est déduite des dispositions à payer des habitants (elles-mêmes décrites par deux équations intégrant la préférence pour la mixité) et d’un mécanisme d’achat-vente. De ce point de vue, le modèle est beaucoup plus clair sur les mécanismes sous-jacents qui sont présupposés, ce qui indéniablement constitue une vertu. On remarquera toutefois que des boîtes noires subsistent. Par exemple, le paramètre α synthétise le mécanisme par lequel acheteurs et vendeurs se rencontrent, mais on peut légitimement s’interroger sur la forme précise de ce mécanisme. De même, on pourrait se demander ce qui détermine la préférences des individus pour la mixité (paramètre δ), même si en l’occurrence ce ne changerait pas le résultat global.

J’ai déjà ici expliqué qu’un modèle à toujours besoin d’une interprétation, d’une narration pour être utile. Je pense que si l’on regarde bien (et cela est également vrai dans une science telle que la biologie), la narration n’a pas seulement une fonction rhétorique ou « ornementale ». Il s’avère que souvent elle est indispensable pour suggérer les mécanismes que le modèle ne rend pas explicites et sans lesquels il perd une grande partie de sa pertinence. On en revient finalement à ce que disait Schelling : une équation suggère un mécanisme, elle ne pourra jamais complètement le formaliser.    

Publicités

1 commentaire

Classé dans Non classé

Une réponse à “Les mécanismes sociaux, ou comment ouvrir les « boîtes noires »

  1. elvin

    « une approche partant du principe que la sociologie et les autres sciences sociales doivent, pour expliquer des régularités observées au niveau macro, décomposer les phénomènes en identifiant les mécanismes micro qui génèrent par agrégation ou émergence la régularité. »

    Ça s’appelle aussi l’individualisme méthodologique…

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s