ADAM RUTHERFORD: En fait, nous parlons de modèles en science à peu près tous les programmes. L’auditeur Jim Hay a écrit et a posé cette question très simple: je me demande si vous pourriez expliquer ce qu’est un modèle? Le terme est utilisé si fréquemment dans les programmes scientifiques de la BBC que je l’ai laissé passer, mais le fait est que je ne sais pas ce que cela signifie exactement quand un scientifique dit qu’il a créé un modèle. J’ai récemment acquis un manuel moderne, très volumineux, de niveau A sur la physique et je constate que ni le modèle ni la modélisation n’apparaissent dans l’index.
Eh bien merci Jim car c’est un bon rappel que la science peut être technique, et vous devez nous dire quand nous parlons de jargon. Quoi qu’il en soit, au niveau le plus élémentaire, un modèle est un moyen de prendre des données et des mesures du monde réel et de simuler ce qui se passe lorsque nous les tripotons: combien de précipitations, le débit des rivières, ce genre de choses. C’est une façon de simplifier le chaos du monde physique, dans un ordinateur afin que nous puissions essayer de prédire ce qui pourrait se passer dans le monde réel. Vous pouvez exécuter des simulations des milliers de fois, chacune avec des changements très subtils pour voir ce qui se passe.
Lorsque Jim a posé cette question, nous avons réalisé que la plupart des semaines, nous parlons d’une nouvelle science qui utilise des modèles de cette manière. Au cours de la dernière quinzaine, nous avons eu l’évolution de l’ADN des anciens agriculteurs, la fonte des calottes glaciaires de l’Antarctique et, aujourd’hui, Nick Reynard modélise les inondations en Cumbrie. Nous avons donc demandé à quelques-uns de nos invités de nous dire ce qu’ils voulaient dire lorsqu’ils utilisent des modèles scientifiques. Andrew Ponson et Carole Haswell m’ont dit ce que sont les modèles pour les astrophysiciens.
ANDREW PONSON: Je dirais qu’un modèle est un ensemble d’idées que nous avons sur le fonctionnement d’un aspect spécifique de la nature. Et normalement, quand nous l’appelons un modèle, nous voulons probablement dire qu’il est provisoire à un certain niveau. Nous n’essayons donc pas de prétendre que nous avons tout résumé sur le fonctionnement de cette chose particulière.
ADAM RUTHERFORD: Quelle serait une théorie ou une loi?
ANDREW PONSON: Exactement! Nous essayons de donner l’impression que nous n’avons pas encore tout rassemblé sur cet aspect particulier de la nature, mais nous avons un ensemble d’idées de travail que nous utilisons pour créer des tests que nous pouvons ensuite comparer à la réalité.
ADAM RUTHERFORD: Et d’un point de vue pratique, en tant qu’astronome, Carol, comment modélisez-vous les choses?
CAROLE HASWELL: J’étais en fait assez vieux en tant que scientifique quand je lu quelque chose qu’un de mes collègues avait écrit dans l’un de nos cours de physique, et il a écrit que l’essence d’être physicien est de savoir quelles approximations faire. Et donc, chaque fois que nous cherchons à comprendre quelque chose, vous devez déterminer quels sont les éléments importants qui influencent cela. Parce que vous ne pouvez pas espérer créer une réplique de l’univers entier parce que vous auriez besoin de tout l’univers pour le faire et vous ne gagneriez rien à faire cela. Donc, ce que vous devez faire est de déterminer quelles sont les choses clés vraiment importantes que vous pouvez peut-être écrire des mathématiques simples, et travailler avec et générer des idées.
C’est donc ce genre de description mathématique simplifiée de l’essence des choses avec lesquelles vous pouvez ensuite incarner un code informatique. Ainsi, vous pouvez mettre le système d’équations simples ou peut-être des équations assez complexes dans un programme informatique et vous pouvez ensuite configurer le programme pour qu’il aille voir l’interaction des différents facteurs que vous avez qualifiés d’importants. Ainsi, par exemple, si vous essayiez de comprendre comment les planètes du système solaire se déplacent, vous auriez besoin de mettre une description mathématique de la gravité, puis vous pourriez mettre votre système solaire en marche et regarder les choses bouger. Et vous n’auriez pas besoin de décrire toute la physique autonome qui vous donne la structure de chaque planète individuelle. Pour votre modèle du système solaire, vous pourriez avoir une description assez simple de la gravité, et cela serait suffisant pour ce que vous essayez de regarder.
ADAM RUTHERFORD: C’est donc une façon de brancher plusieurs observations, puis faire des prédictions sur ce qui va se passer sur la base de ce que nous avons déjà vu?
CAROLE HASWELL: Eh bien, c’est une façon d’utiliser ce que vous avez observé pour déterminer ce que vous pensez être le plus important les choses qui régissent le comportement. Et puis mettre en place quelque chose qui encapsule ce que vous pensez être important, pour voir si cela reproduit réellement ce que vous observez.
ADAM RUTHERFORD: Ces types de modèles sont utilisés dans tous les domaines de la science. Voici Paul Donald, spécialiste de la conservation de la RSPB, expliquant comment les simulations peuvent l’aider à comprendre le comportement des oiseaux.
PAUL DONALD: Pour moi, un modèle est une formule qui m’aide à expliquer la variation de quelque chose qui m’intéresse. Alors laissez-moi donnez-vous un exemple.Supposons que je sois intéressé par une espèce particulière d’oiseau, disons les skylarks, par exemple, et je sors et je collecte des données sur le nombre de skylarks dans, disons, une centaine de champs dans le sud de l’Angleterre. Et ce que je trouverais certainement, c’est que le nombre de skylarks varie entre les différents domaines. Certains champs auront très peu d’oiseaux, peut-être pas du tout; d’autres champs peuvent avoir beaucoup d’oiseaux. Je suis donc intéressé de savoir pourquoi certains champs contiennent plus de skylarks que d’autres, et j’utiliserais un modèle pour examiner cela.
Alors, que ferais-je, pendant que je rassemblais mes décomptes de skylarks, c’est que je mesurerais également toute une série d’autres choses qui, je pense, pourraient expliquer la variation des nombres de skylark. Je collecterais donc des données sur, par exemple, des éléments tels que le type de culture dans le champ, car il est tout à fait possible qu’ils aiment certains types de cultures plutôt que d’autres. Je collecterais des données sur la taille du champ. Je pourrais collecter des données sur la couverture de haie, le nombre d’arbres à proximité, toutes ces sortes de choses qui pourraient éventuellement l’expliquer.
Ce que le modèle ferait, c’est qu’il me permettrait d’identifier lequel de ces prédicteurs numéros et lesquels ne le font pas. Donc, si nous le configurons comme ça. Vous voyez que nous avons cette première colonne ici. Ceci est ma chronique des décomptes de Skylark. Pour chaque champ, j’ai un décompte, puis pour chaque champ, j’ai une valeur de la taille du champ. J’ai ce qu’était la récolte, quelle était la récolte de l’année précédente, le type de sol, le rang de haie, etc. Donc, ce que je veux faire maintenant, c’est que je veux mettre cela dans un modèle, dans le logiciel, et lui demander d’identifier lequel de ces prédicteurs ou variables explicatives, comme nous les appelons, explique le mieux la variation de mes nombres skylark.
Donc, si nous cliquons simplement sur ce bouton ici pour l’envoyer au programme, et lui donnons quelques secondes pour s’exécuter – c’est là. Donc, le modèle a fonctionné et si j’ouvre le modèle, d’accord, alors ce qu’il me montre ici, c’est que vous pouvez voir ici que cela me montre que la taille du champ a une influence positive sur les nombres de skylark. Plus la taille du champ est grande, plus il y a de skylarks. Et cela me montre également qu’il y a en fait un type de culture là-bas. Cela me montre que les céréales de printemps ont ici plus de skylarks que les céréales d’hiver, et que cet effet s’ajoute à celui du type de culture. Et il y a plusieurs autres colonnes avec toutes les autres données. Donc ce que je peux faire, c’est que je peux affiner ce modèle maintenant, et cela me donnera une très bonne idée de la raison pour laquelle le nombre de skylarks, ce qui m’intéresse, varie entre les différents domaines.
Donc, la vraie compétence, d’une certaine manière, avec ces choses est dans l’interprétation. Donc, ce que montre ce modèle, c’est que pour les variables que j’ai mises dedans, certaines d’entre elles prédisent de manière significative les nombres de skylark et d’autres non, mais il ne peut pas prédire les choses que je n’ai pas mises. Et si, par exemple , la chose la plus importante pour déterminer les nombres de skylark n’est aucune des choses que j’ai mesurées? Peut-être que c’est autre chose. C’est peut-être la météo ou la pente du champ ou le type de sol, ou quelque chose comme ça. Quelque chose que je n’ai pas mesuré du tout. Le modèle est donc fondamentalement erroné car je n’ai pas mesuré ce qui est le facteur le plus important de la population de Skylark. Il se peut que les choses que j’ai mesurées déterminent en partie les nombres de skylark, mais la vraie chose sous-jacente que je n’ai peut-être pas mesurée du tout. Il y a donc une sorte de norme en écologie qui dit que tous les modèles sont faux, mais certains d’entre eux sont utiles.
C’est la seule méthode vraiment, si je n’étais intéressé que par une chose, la relation entre les nombres de skylark et la taille du champ, par exemple, je pourrais simplement les tracer et voir si, à mesure que la taille du champ augmente, les nombres de skylark augmentent. Mais vous ne pouvez le faire que pour une chose à la fois. Je ne peux pas regarder toutes ces différentes variables en même temps, et c’est ce que le modèle me permet de faire. Et c’est un outil absolument fondamental en écologie et en conservation, c’est ce type d’analyse des données.
La modélisation n’échoue jamais vraiment dans ce sens. Si vous savez ce que fait la formule mathématique, c’est en quelque sorte infaillible. Il échoue si vous ne mesurez pas les bonnes choses ou si vous les interprétez de la mauvaise manière. Je peux vous donner un exemple. Disons que mon modèle ici à l’écran montre que vous obtenez plus de skylarks dans de grands champs. Donc je pourrais partir et dire OK, la réponse à ce problème de déclin des skylarks est que nous devons agrandir tous nos champs, mais que se passe-t-il s’ils ne choisissent que de grands champs, non pas parce qu’ils sont grands mais parce qu’ils peuvent voir les prédateurs venir de très loin, par exemple. Ce n’est donc pas la taille du champ à laquelle les oiseaux réagissent? C’est à quel point ils peuvent voir les prédateurs, et c’est la chose importante qui détermine les nombres.
Il se peut donc que vous puissiez en faire plus pour les skylarks en supprimant peut-être les limites des champs, ce qui les rendra plus grands pour les oiseaux.Vous devez donc être très prudent dans la manière d’interpréter la sortie de ces modèles.
ADAM RUTHERFORD: Paul Donald. C’est donc important: tous les modèles sont faux. Ce sont des simulations, mais certaines sont très utiles. Revenons aux inondations de Cumbria, que l’hydrologue Nick Reynard a simulé. Nick, comment la modélisation nous aide-t-elle à comprendre ces événements météorologiques extrêmes?
NICK REYNARD: OK, donc idéalement, bien sûr, nous aurions des données absolument partout, afin de comprendre ce qui se passait dans le système fluvial et avec la pluie tout le temps partout. Nous ne pouvons pas avoir cela, ce n’est pas pratique et c’est trop cher, nous devons donc être en mesure de combler les lacunes. Et nous utilisons des modèles pour ce faire. Nous comblons donc les lacunes dans l’espace et dans le temps en déterminant comment les précipitations se déplacent à travers le paysage dans les rivières, puis finalement dans les mers, et les modèles ne sont que des simulations informatiques de la façon dont l’eau se déplace afin que nous puissions réellement comprendre où des flux élevés et faibles se produisent partout dans le comté ou même en Europe ou dans le monde. C’est donc pour cela que nous utilisons des modèles, et cela nous aide à comprendre maintenant ce que fait l’hydrologie, à quoi ressemblent les flux, mais cela nous permet également d’utiliser ces modèles pour prévoir et prédire à quoi pourraient ressembler les flux à l’avenir.
ADAM RUTHERFORD: Nick Reynard du Centre d’écologie et d’hydrologie.
