Modèles, simulations, systèmes. Ce triptyque, réunissant des outils de connaissance, des moyens de connaître (les modèles, les simulations), et des objets extrêmement présents en biologie (les systèmes), a pour ambition de présenter quelques réflexions emblématiques des débats en cours sur ces questions, ainsi que des études de cas, principalement dans le domaine de la biologie. La simultanéité d’un regard sur les modèles-simulations et sur les systèmes nous permet de constater un fait épistémologique majeur : la montée en puissance du réalisme des modèles-simulations ainsi que l’essor d’une nouvelle biologie des systèmes, biologie réclamant d’importants moyens de calcul et des outils conceptuels à la hauteur du déferlement de données expérimentales qui caractérise, notamment, cette approche de la biologie. Les interrogations cruciales que suscite cette dernière, par exemple quant à l’existence et à la mise en évidence de principes généraux du vivant ou de lois du vivant, sont également explorées ici. Dans sa partie « Varia », cet ouvrage présente un long article de David Piotrowski (linguiste, CREA, CNRS, Paris) sur le statut épistémologique de la linguistique et la nature de son objet. La partie « Impostures intellectuelles » donne la parole au politologue David Forest, qui rend compte de la litanie des légèretés de nos médiatiques futurologues.

Sommaire

Introduction : Modèles, simulations, systèmes (Franck Varenne, Marc Silberstein, Jean-Jacques Kupiec, Guillaume Lecointre)

Partie 1.1 : Epistémologie des modèles et des simulations

La conception sémantique des théories scientifiques. II : comment peut-elle rester « sémantique » ? (Soazig Le Bihan, philosophe, Illinois Institute of Technology, Chicago)

Turing, entre le formel de Hilbert et la forme de Goethe (Jean Lassègue, philosophe, CREA)

Simulations numériques et expérimentation (Anouk Barberousse, philosophe, IHPST, Sara Franceschelli, philosophe, ENSLSH, Lyon & Cyrille Imbert, philosophe, université de Caen)

Que peut expliquer un modèle complexe et peut-on le comprendre ? (Pierre-Alain Braillard, philosophe, IHPST)

Biologie des systèmes et recherche des lois générales (Evelyn Fox Keller, philosophe, MIT, EU)

Des sciences exactes aux phénomènes du vivant, à partir de Schrödinger : mathématiques, programme et modèles (Giuseppe Longo, mathématicien, ENS)

Modèles et simulations : pluriformaliser, simuler, remathématiser (Franck Varenne, philosophe, université de Rouen)

Partie 1.2 : Pratiques et usages des modèles et des simulations

Les modèles de l’économie cognitive (Bernard Walliser, économiste, Ponts et Chaussées)

Sur le rôle de la théorie en biologie. Un exemple de théorie biologique intégrative : la MTIP (Gilbert Chauvet, biophysicien, EPHE)

Une petite histoire de la modélisation du métabolisme cellulaire. Vers une théorie du métabolisme en biologie (Jean-Pierre Mazat, biochimiste, Inserm, Bordeaux)

Principes de la biologie des systèmes et leurs applications en modélisation (Denis Noble, physiologiste, université d’Oxford)

Modélisation moléculaire individu-centrée : contribution à une biologie des systèmes (Olivier Gandrillon, biologiste moléculaire, université Lyon 1)

Partie 2 : Hommage

Un hommage à Jean-Paul Gouteux : la randonnée d’un biologiste au pays des mathématiques (Marc Jarry, biologiste, université de Pau & Marc Artzrouni, mathématicien, université de Pau)

Partie 3 : Varia

Sur le statut épistémologique de la linguistique et la nature de son objet (David Piotrowski, linguiste, CREA-CNRS)

Partie 4 : Impostures intellectuelles

Quand la futurologie rencontre le grand public : permanence et constance d’une vulgate. Lectures croisées de Jacques Attali et de Joël de Rosnay (David Forest, avocat)

Index des noms

Les contributeurs

Les résumés

Simulations numériques et expérimentation Anouk Barberousse (IHPST, CNRS, Université Paris 1, ENS) Sara Franceschelli (ENS-LSH, Lyon et REHSEIS, Paris) Cyrille Imbert (IHPST, CNRS, Université Paris 1, ENS, Paris)

Les simulations numériques sont couramment utilisées comme des substituts d’expériences. À quelles conditions cet usage est-il possible et fécond ? Est-ce parce que les ordinateurs qui exécutent les programmes de simulation sont des objets matériels à l’intérieur desquels se déroulent des processus ? La thèse de la ressemblance entre le processus du calcul informatique et les processus naturels qu’ils permettent d’étudiés est discutée et critiquée. Nous proposons une autre explication de l’efficacité des simulations numériques pour l’étude des systèmes naturels, qui repose sur une analyse sémantique rigoureuse des différents éléments des simulations numériques : modèles mathématiques sous-jacents, algorithmes et programmes. Nous en tirons des conclusions sur la nature des données produites par les simulations numériques.

Computer simulation and experiment often play the same epistemic role. At what conditions can a computer simulation yield data on natural systems ? It has been suggested that computers being physical objects within which processes happen can explain why simulations provide empirical knowledge. In this paper, we discuss this suggestion and show that it is ill-grounded. We propose an alternative explanation, based on a detailed semantic analysis of the components of a computer simulation : underlying mathematical models, algorithms, and programs. We draw some conclusions about the nature of computer-produced data.

Une petite histoire de la modélisation du métabolisme cellulaire. Vers une théorie du métabolisme en biologie Jean-Pierre MAZAT

On voudrait montrer dans cet article qu’il existe une véritable théorie des réseaux métaboliques basée sur :

• La cinétique enzymatique qui est une entreprise de modélisation en biologie plus que centenaire et probablement l’un des premiers exemples de modélisation en biologie. Elle a conduit à des équations de vitesse complexes représentant les mécanismes moléculaires de la catalyse enzymatique.
• La décomposition d’un réseau métabolique en « modes élémentaires de flux » qui sont les véritables voies métaboliques, c’est-à-dire les chemins empruntés par les métabolites. On soulignera le résultat inattendu du grand nombre de modes élémentaires généralement associé à un réseau métabolique donné.
• La théorie du contrôle du métabolisme qui est en fait une théorie de la sensibilité des variables d’un réseau métabolique dans le voisinage linéaire des états stationnaires.Elle conduit à d’importants théorèmes en particulier le « théorème de sommation ». Cette théorie a permis de résoudre un certain nombre de paradoxes ou contradictions apparents dans le fonctionnement des réseaux métaboliques. En conclusion, on peut se demander pourquoi les biologistes connaissent mal ces théories et encore plus leurs conséquences qui sont souvent en contradiction avec les dogmes auxquels ils s’abandonnent un peu trop facilement. Des modèles simples sur des exemples élémentaires pourraient rapidement les détromper. Résumé anglais : We would like to show in this short paper that there is a true theory of metabolic networks based on : The enzymatic kinetics which is the modeling process active for more than one hundred year in biology and presumably one of the first instance of modeling in biology. It led to complex kinetic equations taking into account the molecular mechanisms of enzymatic catalysis. The decomposition of a metabolic network in « elementary flux modes » which are the true metabolic pathway, i.e. the paths taken by the metabolites. We would like to stress the unexpected result of the huge number of elementary flux modes associated to a given metabolic network. The metabolic control theory which is a sensitivity theory of metabolic networks around a steady-state. It leads to important theorems, particularly the summation theorem. It contributed to solve several paradoxes or long-standing riddles. To sum it up one can wonder why biologists do not know these theories enough ; they are often in contradiction with the dogma in which they believe. Simple models on elementary examples could easily undeceive them. Mots clefs : Métabolisme. Cinétique enzymatique. Théorie du contrôle du métabolisme. Structure des réseaux métaboliques. Modes élémentaires. Equation de Michaelis-Henri. Théorème de sommation. Coefficient de contrôle.

Keywords : Metabolism. Enzymatic kinetics. Metabolic control theory. Structure of metabolic networks. Flux elementary modes. Michaelis-Henri equation. Summation theorem. Control coefficient.

Pierre-Alain Braillard Que peut expliquer un modèle complexe et peut-on le comprendre ?

Les progrès récents en biologie ont conduit à donner aux modèles mathématiques et informatiques une place de plus en plus importante dans ce domaine. Il n’est pas exagéré de dire que ce phénomène est en passe de profondément transformer les pratiques et les théories des biologistes. La nature de ces modèles et particulièrement leur complexité, qui ne cesse d’augmenter, soulève un certain nombre de questions et de doutes quant à leur capacité à expliquer le vivant et également quant à notre capacité à les comprendre. Dans cet article, nous cherchons à explorer et clarifier les valeurs explicatives et cognitives des modèles complexes en biologie. Après avoir montré en quoi ces modèles sont un outil incontournable pour faire progresser nos explications du vivant, nous défendons l’idée qu’ils permettent en outre de nous mener à des principes généraux et intelligibles, mieux adaptés à nos capacités cognitives que ces systèmes d’équations souvent très complexes, et qui peuvent nous aider à mieux comprendre les systèmes biologiques. Nous montrons enfin que l’ancrage de ces principes dans la modélisation, qui procède par allers-retours entre expériences et modèles, permet d’éviter en partie les écueils liés à l’abstraction et à la recherche de généralité en biologie.

Recent progresses in biology are giving a growing importance to mathematical and computer models in this field. This phenomenon is about to deeply transform biologists’ practices and theories. The nature of these models and particularly their complexity raises questions and doubts about their ability to explain life and about our ability to understand them. In this paper we try to explore the explanatory and cognitive value of complex models in biology. We first show why and how these models are an irreplaceable way to expand and deepen biological explanations. We then argue that they can lead to general and intelligible principles that are more suited to our cognitive capacities than these very complex systems of equations and thus allow us to better understand biological systems. We finally show that because they are based on models and simulations, which are grounded on empirical data, these principles avoid some dangers resulting from abstraction and from the search for generality in biology.

Mots-clés : Modélisation, biologie des systèmes, explication, compréhension

Jean Lassègue, “Turing, entre le formel de Hilbert et la forme de Goethe”.

Mot-clés Principes sémiotiques en axiomatique formelle ; limites internes du calculable ; auto-organisation de la forme ; déterminisme prédictif / déterminisme non-prédictif.

Key words Semiotic principles in formal axiomatics ; inner limits of calculability ; self-organisation of form ; predictible determinism vs. non-predictible determinism.

Résumé On analyse la cohérence du parcours intellectuel de Turing, progressivement passé de la notion hilbertienne de formel à la notion goethéenne de forme par le biais d’une réflexion sur la nature et les limites du calcul. D’un côté, en privilégiant la dimension calculable en logique et en physique, le projet de Turing a rendu possible la constitution de l’informatique et de l’ordinateur ; de l’autre, en mettant progressivement en rapport l’au-delà du calculable en logique et l’au-delà du déterminisme prédictif en physique, il a retrouvé un sens géométrique dans les formes vivantes, susceptible de rendre compte de leur émergence et de leur organisation.

Summary The coherence of Turing’s intellectual development is described as a passage from the hilbertian notion of the formal to the goethean notion of form thanks to a reflection on the nature and limits of computability. On one side, by favouring the computable dimension in logic and physics, Turing’s project made Computer Science possible ; on the other side, by progressively relating what is beyond computation in logic and what is beyond predictive determinism in physics, he discovered that the long-neglected geometrical meaning in natural forms is able to account for their emergence as well as their organisation.

Résumé :

L’article présente six rôles de base remplis par tout modèle formalisé, de nature successivement syntaxique, sémantique et pragmatique. Ces rôles sont caractérisés par les problèmes méthodologiques généraux que le modélisateur est amené à traiter à l’aide des modèles. L’accent est mis sur les avantages et les inconvénients à recourir à des modèles formalisés plutôt qu’à un discours littéraire pour les résoudre. Les rôles sont illustrés par des modèles issus de l’économie cognitive, une branche de l’économie s’intéressant aux croyances et aux raisonnements des acteurs économiques.

Mots-clés :

modèle, interprétation, explication, idéalité, cumulativité, contextualité, performativité, économie cognitive.