Bio-inspirations, fractales, complexité et émergence - 11/03/2003

Lorsqu'on conçoit des systèmes artificiels à grande échelle, on produit souvent des comportements macroscopiques irréguliers, sur lesquels on constate que l'on a a peu de contrôle. Parallèlement, les applications bioinformatiques ont drainé l'attention des chercheurs sur la complexité des systèmes biologiques (sociétés d'insectes, modèles de croissance fractals), pour lesquels cette caractéristique est un atout, en termes de robustesse et de capacité d'adaptation, notamment.

Cette conjonction a donné naissance à des recherches en informatique fondées sur des modèles idéalisés et simplifiés de phénomènes biologiques (vie artificielle, algorithmes évolutionnaires, Darwinisme artificiel, intelligence collective), ayant pour but de faciliter la compréhension du comportement des systèmes artificiels. Cette approche inspirée du vivant en informatique s'est révélée très puissante pour apprivoiser la "complexité,'' et aborder des problèmes, d'optimisation notamment, qui restaient hors de portée des techniques classiques.

Ainsi, la transposition de modèles biologiques à l'informatique, leur adaptation, leur modélisation, a ouvert la voie à de nouveaux sujets de recherche, et a redynamisé des recherches qui bloquaient sur ce que l'on pourrait considérer comme des "barrières de complexité." Ce thème a ouvert un certain nombre de question théoriques fondamentales concernant la modélisation des phénomènes d'émergence, de leur irrégularité, de leur contrôle (savoir traiter le problème inverse par exemple), nécessitant une approche pluridisciplinaire, et débouchant sur des applications très variées :

• en biologie : pour comprendre, modéliser, analyser, contrôler des phénomènes biologiques (bio-informatique)
• en informatique : idem pour les systèmes artificiels, dont la complexité augmente (trafic internet, processus industriels,finance

• en mathématique : pour développer des outils d'analyse et de modélisation (approche stochastique, fractales aléatoires ou déterministes, systèmes dynamiques, analyse de la complexité, modèles Darwinistes)