Incertitude radicale et romans du hasard

L’incertitude radicale semble omniprésente et pose des problèmes particuliers à la prise de décision. Face à l’incertitude, on peut être tenté par la position sceptique qui rejette toute idée de modélisation et de mesure. On peut répondre que l’usage de narrations exploratoires est utile, mais sans modèles probabilistes. Cependant ces récits, pour utiles qu’ils soient, ne peuvent pas fournir de prévisions en régime d’incertitude radicale. L’article présente une classe de modèles qui permet de réunir l’usage des narrations pour la prise en compte de l’incertitude radicale et la modélisation probabiliste pour le contrôle des risques, qu’on appelle les modèles HPE. Nous décrivons les caractéristiques contrefactuelles et modales de ces modèles et suggérons que les modèles HPE s’apparentent à ce que la littérature appelle les romans du hasard.

L’article complet est paru dans la Revue Française d’économie 2023/3 (Vol. XXXVIII), p. 3-30. Les références mentionnées se trouvent aux pages 27-30. L’article est disponible en ligne ICI.

L’incertitude radicale

L’incertitude radicale semble omniprésente. Qu’il s’agisse du déclenchement de l’épidémie de COVID ou de celui de la guerre en Ukraine, les acteurs politiques ou économiques sont confrontés à des événements qui, s’ils n’étaient pas improbables, partagent cependant la caractéristique d’avoir été totalement imprévus. Une épidémie de grande ampleur était considérée comme possible par l’OMS, mais nul ne savait où ni quand ni comment elle pourrait se déclencher. Une attaque de l’Ukraine par la Russie avait été envisagée par les services de renseignements occidentaux, mais sans pouvoir préciser une date ou une fourchette de dates. Ces deux événements ont eu pour conséquence économique l’augmentation importante de la dette, et la montée de la dette publique est ainsi devenue une trace des effets de l’incertitude radicale en économie. Cette incertitude radicale soulève la question de la prise de décision devant un futur inconnaissable, selon le titre d’un ouvrage récent de Kay et King [2020], et la gestion spécifique des risques financiers associée à cette inconnaissabilité (Diebold, Doherty et Herring [2010]).

Cette prise de décision peut prendre des allures angoissantes. L’incertitude radicale est en effet au centre des problématiques les plus variées comme les plus urgentes, par exemple l’éthique du changement climatique (Bordeyne, Léna et Oborne (dir.) [2009], Gardiner et Weisbach [2016]), l’éthique environnementale ou sur les nouvelles menaces de la société du risque (Beck [1986]). Il semble que l’affrontement à l’inconnaissabilité et l’angoisse devant l’impossibilité d’un risque zéro deviennent un topos de toute politique économique (Aimar [2009]). Cette angoisse conduit l’homme du probable à mettre en place un principe de précaution qui le rend précautionneux (Desprins [2011]) et confère à l’incertitude radicale une connotation systématiquement négative. D’où peut-être la profusion de dispositifs normatifs contraignants, dont on imagine qu’ils pourront venir combler les vides informationnels au moyen de croyances partagées ou de conventions (Lewis [1969]), mais qui peuvent croître démesurément au point de devenir des Golem réglementaires (Rodarie [2015]). Le spectre de l’inconnaissabilité dans la prise de décision appelle à un développement nouveau de recherches sur la méconnaissance et ses conséquences pour l’action (Svetlova [2021]). Comment agir et décider face à l’incertitude radicale ?

En économie, la notion d’incertitude radicale a fait l’objet d’un nombre immense de travaux depuis les textes fondateurs de John Maynard Keynes et de Frank Knight. La littérature sur ce thème étant pléthorique, il ne saurait être question ici de n’en tenter ne serait-ce qu’un résumé. Selon la définition de Keynes, l’incertitude radicale représente des situations dans lesquelles « nous ne savons pas ». Les exemples qu’il donne (guerre européenne, niveau du prix du cuivre, taux d’intérêt dans dix ans, obsolescence d’une invention) montrent qu’il s’agit là d’une incertitude d’origine exogène. Mais Keynes ne se limite pas à cela : le concours de beauté (les interactions entre agents) est à l’origine d’une incertitude radicale d’origine endogène. Rappelons aussi que, dans la perspective de la gestion à long terme en présence d’incertitude radicale, Keynes avait pris une position forte contre la clé de voûte de la pensée financière néoclassique, l’idée de diversification maximale, une technique de gestion qu’il qualifiait de parodie de politique d’investissement (Walter [2013] p. 161). Face à l’incertitude radicale, diversifier selon les mesures usuelles de risque est dangereux et peut produire le contraire de ce qui était espéré, c’est-à-dire une augmentation du risque de perte (Le Courtois et Walter [2012]). Face à l’incertitude radicale, la main invisible du marché tremble (Brian [2009]).

Rappelons que pour Knight [1921], l’incertitude est, soit mesurable par le calcul des probabilités ou les statistiques, soit non mesurable. Knight propose de conserver la notion d’incertitude aux situations d’incertain non mesurable et d’appeler risque les cas où l’incertitude est mesurable. Kay et King [2020] remplacent la distinction entre risque et incertitude par la distinction entre une incertitude qui peut se résoudre et l’incertitude radicale. Les cas du risque sont ceux traités par la pensée néoclassique qui ne distingue pas les notions de risque et d’incertitude. En effet, la pensée néoclassique définit le risque comme de l’incertitude mesurable réduite à des modélisations mathématiques utilisant des dynamiques aléatoires continues dont la représentation de base fut pendant près d’un siècle le mouvement brownien (Walter [2019]), et ne peut modéliser les situations d’incertitude dans lesquelles les statistiques et les lois des grands nombres ne fonctionnent pas. Dans la pensée néoclassique, l’incertitude disparaît de l’économie et de ses modélisations pour être remplacée par un risque lui-même dépourvu de tout danger (Bouchaud et Potters [1997]). Cette assimilation entre incertitude et risque est l’une des raisons pour lesquelles l’entrepreneur n’a pas de place dans la pensée néoclassique (Walter [2015]), que la robustesse des modèles économiques est prise en défaut (Ibragimov [2005], Kay et King [2020] p. 12) et que les calculs classiques de taux de rentabilité interne (IRR) soulèvent un grand nombre de problèmes (Phalippou [2009]). En particulier, la question de l’échelle de la mesure n’est pas résolue.

En effet, l’incertitude radicale est étroitement associée à la présence de lois d’échelle (Bouchaud [2001a], Gabaix [2009], West [2017]). Les lois d’échelle traduisent la présence d’une criticité auto-organisée (Bak [1997]) qui, en économie, est relative aux interactions entre agents (Bouchaud [2001b]) créant une incertitude d’origine endogène. Cette criticité peut entraîner l’apparition d’événements qualifiés de rares ou d’extrêmes caractérisés par des queues de distributions ultra-étirées (Anderson [2006]), une économie des extrêmes (Zajdenweber [2000] qui nécessite des techniques particulières de mesure (Embrechts, Klüppelberg et Mikosch [1997]). La mesure de l’incertitude radicale se heurte au problème des lois d’échelle.

Plutôt que de s’engager dans une revue générale qui serait nécessairement superficielle voire abstraite, nous choisissons d’aborder la question de la mesure de l’incertitude radicale à partir du point de vue de certains acteurs économiques qui y sont particulièrement confrontés, les entrepreneurs et les investisseurs en capital. Cette limitation du périmètre de la question à un champ professionnel précis nous aidera à saisir plus précisément certains enjeux de la mesure de l’incertitude radicale, ce qui permettra ensuite de mieux percevoir l’intérêt d’une démarche de modélisation d’un type particulier, mettant en œuvre des fictions exploratoires.

La première partie de l’article présente la situation des investisseurs en capital devant effectuer des choix d’investissement en présence d’incertitude radicale, et agir sur des futurs contingents, puis la position sceptique dont Nassim Taleb ou Alan Greenspan représentent des actualisations contemporaines financières, selon laquelle vouloir tenter de modéliser l’incertitude radicale est inutile, soit que cette modélisation ne serve à rien dans le meilleur des cas, soit qu’elle contribue à accentuer les dangers dans le pire des cas. La seconde partie de l’article répond à cette critique en introduisant une catégorie nouvelle de modèles caractérisés par la création de fictions exploratoires rationalisées, ou how possibly explanations (HPE). On fait le lien entre ces modèles et la recommandation de John Kay et Mervyn King d’utiliser des narrations risquées pour la prise de décision en incertitude radicale. Les modèles HPE traitent du problème des futurs contingents par des approches contrefactuelles ou modales avec des récits probables. En un sens, ils permettent de contrôler le risque en incertitude radicale. Puis on introduit l’apport des modèles miniatures pour les choix d’investissement, en présentant les résultats d’une enquête de terrain auprès des investisseurs en capital et en montrant comment les investisseurs résolvent l’incertitude. En conclusion, l’article suggère que les modèles HPE rejoignent une question connue en littérature sous le nom de romans du hasard.

L’impossibilité de la mesure ? La critique de Taleb

Outre les travaux de Knight et Keynes, des critiques récentes et fortes contre la possibilité de mesure de l’incertitude radicale sont venues de Nassim Taleb qui a imposé mondialement l’image du cygne noir (Taleb [2007]) pour désigner notre impuissance devant la contingence et notre vanité à vouloir calculer en économie. La figure du cygne noir est venue emblématiser cette impression d’impuissance devant l’incertitude radicale. Kay et King [2020] critiquent simultanément la possibilité de l’approche probabiliste et l’usage des modèles, d’une part, et son interprétation par la notion de cygne noir d’autre part. Pour des raisons différentes, les positions de Taleb [2007] et de Kay et King [2020] semblent rendre vaine toute tentative de décrire la morphologie de l’incertitude et donc d’en imaginer des modélisations pertinentes pour les entrepreneurs et les investisseurs en capital. Cette critique est aussi celle de Ayache [2020], la probabilité ne serait d’aucun secours face à l’incertitude radicale. La charge a été forte et, en raison de l’écho qu’elles ont eu chacune à des titres différents (ces livres ont eu une audience mondiale), nous abordons maintenant cette critique.

Rappelons la métaphore de Taleb [2007]. La notion de cygne noir fait allusion à la découverte faite par les européens de cygnes noirs en Australie alors que toutes leurs observations précédentes les conduisaient à croire que tous les cygnes étaient blancs. On retrouve cette idée dans les Satires de Juvénal (vers 100-125) : « un oiseau rare dans le pays, rare comme un cygne noir » (Satire VI). Le cygne noir représente ainsi pour Taleb « la puissance de l’imprévisible », telle une figure de notre ignorance. Précisément les situations auxquelles l’entrepreneur doit faire face en tant qu’agent « confronté aux limites du savoir sur les états futurs du monde » (Steiner [1997] p. 625).

Pour Taleb, le cygne noir symbolise ce qui déjouera toujours toutes les prévisions que l’on peut envisager, même celles élaborées avec les meilleures techniques de prévision. Pour Taleb, quelque chose vient perturber le bel ordonnancement de ce que nous cherchons toujours – en vain – à contrôler pour rendre notre environnement aussi prévisible que possible. Une force de la nature fait alors irruption dans les projets humains, comme pour rappeler que toute volonté de maîtrise absolue des phénomènes n’est que le reflet d’une tentation mortifère que l’on imaginerait volontiers comme totalitaire.

Derrière la position de Taleb, une figure plus ancienne apparaît, celle de Fortuna dont Nicolas Machiavel (1469-1527) décrit les effets dans Le Prince (1513). Tout politique doit composer avec une part d’imprévisibilité, ce qu’exprime la célèbre prosopopée : « je suis l’occasion, je ramène devant moi tous mes cheveux flottants et je voile sous eux ma gorge et mon visage pour que les hommes ne me reconnaissent pas ». L’imprévisible radical de Taleb est, au sens propre, l’imprévu de Machiavel, car nous ne le voyons pas encore et les cygnes noirs seraient pour Taleb les signes noirs de Fortuna. Dans la métaphore du cygne noir, on ne sait pas qu’on ne sait pas. Mais comme le rappelle Kay [2020 p. 3-4], même si le terme « cygne noir » a été utilisé pour le déclenchement de l’épidémie de COVID à Wuhan, ce terme n’est pas approprié car, dans ce cas, on savait qu’on ne savait pas. L’apparition d’une épidémie était quelque chose qui pouvait être envisagée ou imaginée, mais pas prévue au sens des probabilités (queues de distribution etc.). On pouvait s’y attendre, mais sans qu’on puisse chiffrer cette attente. Seule une approche narrative permettait d’imaginer des futurs contingents (Kay et King [2020] p. 40). Cette précision est importante pour notre propos car elle permet de justifier l’emploi de modèles HPE.

Le danger cognitif de la métaphore de Taleb vient de ce qu’elle fait renaître une position philosophique connue et nocive pour l’action, celle du scepticisme, selon laquelle fondamentalement, comme il est des situations dans lesquelles « on ne peut pas savoir », on ne peut en pratique rien faire d’efficace, on se trouve devoir faire face à « l’indicible des marchés ». C’est la position intellectuelle adoptée par exemple après la crise de 2008 par le président de la FED Alan Greenspan qui déclara au Financial Times le 16/3/2008 que « nous ne pourrons jamais anticiper toutes les discontinuités des marchés financiers » et que « la gestion du risque finira toujours par échouer ». Face aux cygnes noirs, on ne pourrait donc rien faire, et toute tentative de mesure de l’incertitude radicale serait soit inutile soit dangereuse car trompeuse. Kay et King [2020] proposent l’usage de récits, d’histoires, car les êtres humains sont ainsi : « Ils pensent en termes de récits plutôt que de probabilités numériques, non pas parce qu’ils seraient irrationnels, mais parce qu’une approche narrative s’est avérée la meilleure façon de faire face aux incertitudes mal identifiées auxquels ils ont été confrontés au cours des millénaires pendant lesquels ils ont affronté des espèces prédatrices, des catastrophes naturelles et d’autres êtres humains aux intentions hostiles » (Kay [2020] p. 3, notre traduction). Des récits (reference narrative, Kay [2020] p. 5) permettent de contrôler le risque pour décider en incertitude. Ces récits constituent le principe des modèles HPE, que nous abordons à présent.

Une réponse avec les modèles HPE

Nous conservons la proposition de Kay et King [2020] sur le rôle des narrations mais nous considérons que cette proposition n’exclut pas l’usage de modèles probabilistes. Un usage de modèles est possible, pas des modèles au sens positiviste ou iconique du terme, mais des modèles qui permettront aux entrepreneurs d’imaginer un futur possible qui leur convienne et, pour cela, agir en fonction de leur objectif. Cela conduit à étendre la notion usuelle de modèle vers une catégorie nouvelle d’explication qui inclut les possibilités de futurs contingents parallèles, en fait une perspective exploratoire et non uniquement prédictive. Autrement dit, faut-il suivre Taleb et considérer qu’aucun modèle ne permettra de trouer le brouillard de l’incertitude radicale ? Faut-il suivre Ayache et considérer qu’aucune probabilisation n’est possible pour affronter l’incertitude radicale ? Nous ne le pensons pas.

Les modèles comme fictions exploratoires

Rappelons que, lorsque l’on décide de modéliser un phénomène, c’est en général à des fins de prévision ou pour en avoir une explication même si « prédire n’est pas expliquer » (Thom [2009]). Les simulations par des modèles sont de plus en plus utilisées pour prédire ou comprendre le monde (Varenne [2013], Weisberg [2013]) dans les sciences de la nature ou les sciences sociales (Armatte [2005]). Bien souvent, les modèles ne parviennent ni à expliquer ni à décrire un phénomène. Ils sont seulement utilisés comme des fictions exploratoires (Bokulich [2009]) rapprochant démarche scientifique et démarche fictionnelle, science et fiction. Dans cet usage, un modèle raconte une histoire sur le monde, ou crée un monde factice, cela même quand le modèle est considéré comme totalement irréaliste (Aydinonat et Köksal [2019]). Dans le cadre de ces fictions exploratoires, une pluralité de modèles permet de mieux cerner un phénomène à examiner (Aydinonat [2018], Ylikoski et Aydinonat [2014]), et les différents formats de représentation d’une théorie (Vorms [2009]) contribuent à cette pluralité. Derrière cette pluralité se trouve la réfutation d’une explication par un modèle qui présenterait une idée unique (Reiss [2012, 2013]). Cet usage des modèles relève d’une nouvelle approche de l’explication en philosophie des sciences, appelée HPE. Nous l’introduisons avec les deux usages possibles du mot « comment ».

Toute explication peut se penser comme une réponse à la question « comment ? ». Il existe deux façons d’envisager cette question, relatives aux deux modalités possibles du « comment ». On peut se demander « comment cela [ce phénomène] est-il possible ? ». Mais on peut aussi se demander « comment cela [ce phénomène] serait-il possible ? », c’est-à-dire : comment ce phénomène pourrait advenir ou se produire. En langue anglaise on appelle la première explication how-actually explanation et la seconde explication how-possibly explanation (HPE). L’approche HPE renouvelle ainsi la démarche de l’explication avec l’inclusion de démarches exploratoires fictionnelles.

Les modèles comme gisements de narrations risquées

L’explication dite HPE est introduite en toute généralité dans l’ouvrage de William Dray Laws and Explanations in History (Dray [1957] p. 157, notre traduction) :

« Le besoin d’explication est, dans certains contextes, satisfait si l’on montre simplement que ce qui s’est passé était possible. Il n’est pas indispensable de montrer aussi que c’était nécessaire. En d’autres termes, nous soutenons que, quoique comme le dit le professeur Toulmin, expliquer une chose soit souvent ‘‘montrer qu’on aurait pu s’y attendre’’, l’approche appropriée pour les (explications de l’éventualité) est plus générale que cela. Expliquer une chose peut parfois simplement revenir à montrer qu’elle n’aurait pas dû causer de surprise, qu’il n’est pas nécessaire de s’étonner qu’elle advienne. »

Cette approche complète le schéma classique dit déductif-nomologique (Hempel [1965, 1966]) dans lequel on distingue le phénomène à expliquer (explanandum) et ce qui l’explique (explanans), aux cas où quelque chose pourrait se passer, mais pourrait aussi ne pas se passer. Le schéma déductif-nomologique ne concerne que les explications de phénomènes qui existent effectivement. Il fallait aussi envisager des explications pour des phénomènes qui ne pouvaient exister que possiblement, éventuellement (Dray [1968], Reiner [1993]).

Une des conséquences de cette approche est l’apparition de la contrefactualité. La modélisation HPE est ce qu’on appelle contrefactuelle. Elle fait naître des futurs possibles autres que ceux immédiatement prévisibles, fait émerger une multiplicité de mondes futurs fictionnels. En cela, elle peut ainsi être reliée à l’imaginaire de mondes possibles, une question très ancienne, récurrente en Occident depuis l’antiquité grecque (Fantino [2002]), celle de la pluralité des mondes possibles (Fontenelle [1686]) reprise au vingtième siècle dans le contexte de la philosophie analytique (Lewis [1986]) et abondamment présente dans la littérature de science-fiction. Les récits de science-fiction participent de cette compréhension, tenant le rôle de réservoirs à idées dans la création de mondes factices (Déléage [2023]). La modélisation HPE peut aider dans l’exploration des possibles (Resnik [1991]).

Il ne s’agit pas d’entreprendre une prévision du futur mais d’imaginer une connaissance sur les modes d’existence des futurs possibles. C’est la raison pour laquelle on dit que l’explication HPE est de type modal (Fischer [2016]) Cette connaissance modale est en fait l’apport propre des modèles mathématiques HPE. Dans l’investissement en capital, les projections des résultats des scénarios à une date future donnée permettent de choisir quelles actions il fallait mettre en place pour s’assurer de tel résultat. Dans la gestion d’une épidémie, cela aide à savoir quel mode du futur adviendra. Par exemple, si on confine, alors tel futur existera, si on ne confine pas, alors ce sera tel autre etc. Comprendre que les modèles d’épidémiologie relèvent d’une approche HPE permet de réfuter les critiques longuement entendues au moment du COVID sur le thème entendu selon lequel “ces modèles se sont tous trompés dans leurs prévisions” .

La modélisation HPE ne cherche donc pas à représenter les choses du monde mais à trouver des choses sur le monde par les histoires que racontent les modèles. Sa fonction est plutôt heuristique (favoriser des découvertes) qu’épistémique (Verreault-Julien [2019]). Le bénéfice que l’on retire de l’usage de cette modélisation provient essentiellement de l’amélioration de la connaissance des conditions de possibilités des futurs contingents que le modèle permet de préciser. Connaissant les conditions des scénarios et les résultats selon ces conditions, on voit mieux comment l’on doit agir si l’on veut atteindre tel scénario en particulier. Au fond, une modélisation HPE peut être vue comme un générateur de scénarios.

Dans le secteur financier, comme la gestion des portefeuilles et la finance de marché, on savait déjà que les modèles utilisés dans les activités pratiques ne décrivent ni n’expliquent des phénomènes. Ils les mettent en forme par des normes de conduite, des règles d’investissement, des techniques de couverture etc., cette mise en forme étant appelée leur fonction performative (MacKenzie [2006], Svetlova [2012]). La conception iconique des modèles était déjà abandonnée avec la compréhension performative des modèles. L’approche HPE représente un deuxième abandon de la conception iconique des modèles. Les usages contemporains des modèles sont donc multiples et tous partagent désormais l’idée que la relation entre un modèle et le phénomène qu’il vise est complexe. L’approche HPE s’inscrit dans cette complexité.

On ne confronte donc pas une modélisation HPE à la réalité, on n’utilise pas un modèle mathématique HPE pour mettre en forme la réalité, comme les modèles performatifs de la finance, on utilise une modélisation HPE pour mieux savoir comment agir connaissant les conditions d’occurrence des futurs contingents. L’exploration des futurs contingents est l’une des fonctions importantes de la modélisation (Massimi [2018]). La modélisation HPE permet de bien remplir cette fonction.

Si l’objet d’une modélisation HPE est de raconter une histoire, on pourrait argumenter que toute activité non mathématique dans laquelle l’imagination est mise en mouvement et fait naître un récit, ceci d’où qu’elle provienne (marcher dans la rue, aller au cinéma etc.) peut permettre, tout autant que des modèles mathématiques, de trouver quelque chose à dire sur le monde et, dans ce sens, justifier des modélisations HPE par le fait qu’elles permettent de produire des fictions narratives « place l’utilisation de modèles dans la même catégorie que lire le journal » (Grüne-Yanoff [2013] p. 851). Pourtant, même si ces modèles n’ont aucune accroche sur le monde, ils peuvent nous faire évoluer dans les manières que nous avons de voir le monde. Par exemple dans le cas de l’investissement en capital, cela signifierait que les modèles auraient pour fonction de nous apprendre quelque chose sur l’opération d’investissement si elle se fait, nous amener à voir le futur si l’opération a eu lieu. Donc d’apprendre quelque chose sur un monde situé finalement en dehors du champ du modèle.

Mais ce champ semble vaste voire illimité. Les histoires à raconter sur le futur d’une entreprise sont innombrables. Pour Gelfert [2019], si on ne veut pas que les scénarios des modélisateurs soient considérés comme des « histoires à dormir debout » (Kipling [1902]) totalement invraisemblables, par exemple aux yeux des investisseurs dans le cas de l’investissement en capital, il faut élaborer des modélisations qui permettent, telles les représentations 3D en architecture, de visualiser comment les mécanismes envisagés permettent d’arriver à l’histoire racontée. Pour le dire autrement, l’approche HPE vise aussi à délimiter le champ des possibles dans les mondes imaginaires. Ils permettent de modéliser le risque des récits.

Pour prouver que ce qui pourrait exister pourrait effectivement exister, il faut établir un mécanisme de causalité, expliquer par quel mécanisme la situation illustrée par l’hypothèse pourrait éventuellement advenir. Un modèle miniature peut aider à comprendre ce mécanisme. Une logique de scénario qui ferait apparaître comment les projections des mondes futurs engendrées par des modèles pourraient être sélectionnées, i.e. sur quels critères, pour que les résultats soient pertinents. Par exemple, dans le cas de l’investissement en capital, s’assurer que les mondes futurs engendrés par les modèles sont factuellement possibles, même s’ils ne sont pas justifiés au moment où l’on lance les projections.

Une voie de solutions serait la prise en compte de données empiriques. Les travaux de philosophie des modèles HPE divergent sur la façon de considérer les données empiriques disponibles. Par certains (Forber [2010]), une explication du genre « comment cela pourrait-il être possible ? » peut se passer de données empiriques, car cette explication aurait au moins une vertu épistémique, celle de faciliter les spéculations sur le système examiné. Pour d’autres (Bokulich [2014]) c’est impossible. En l’absence de toute base empirique, comment peut-on être sûr que ce que l’on modélise est en rapport quelconque avec le phénomène examiné ? Selon ce point de vue, toute explication du genre « comment cela pourrait-il être possible ? », nécessite de disposer de données empiriques pour étayer les simulations ou les projections exploratoires : « mêmes les enquêtes les plus mathématiques sur le tigre de brousse sont toujours étayées par des données empiriques » (Bokulich [2014] p. 234).

La biologie de l’évolution fut le premier terrain où l’approche HPE fut appliquée (Brandon [1990]). Ce qui ouvrit la voie d’un programme de recherche en modèles HPE pour la biologie (Forber [2010], Pearson [2018]). Puis cette façon de faire des modèles mathématiques fut utilisée en informatique quantique (Cuffaro [2015]). La philosophie des sciences s’intéressa alors à ce nouvel usage des modèles mathématiques et de nombreux travaux furent engagés sur la nature de l’explication HPE (Bokulich [2014], Persson [2012]), jusqu’à des synthèses récentes (Verreault-Julien [2019], Brainard [2020]). Nous avons proposé d’appliquer cette approche à l’investissement en capital pour pouvoir utiliser des modèles en présence d’incertitude radicale (Walter [2023]).

Scénarios du futur et romans du hasard

Les romans du hasard, selon le titre de l’ouvrage de Sébastien Wit [2019] représentent une catégorie de récits dans lesquels est posée la question de la place du hasard dans les représentations narratives des événements, une place qui incite à abandonner l’idée d’une linéarité du récit, du début à la fin. Dans ces romans, le hasard est non seulement un ingrédient de la structure narrative du récit, mais aussi une manière aléatoire de s’approprier le déroulé des événements. La linéarité de l’explication est abandonnée au profit d’une approche qui fait droit à l’incertitude. Le hasard est à la fois dedans et dehors, à la fois dans la chose elle-même et dans la tête de celui qui lit, qui a la main sur le texte (Palud [2020]) comme on dit « avoir la main » dans le sens d’un jeu, celui qui tire la carte. On tire au hasard la succession des séquences des récits ou on utilise des procédés de divination comme le tarot divinatoire ou le jeu chinois Yi-King. L’histoire finale n’apparaît que lorsque la lecture la constitue, elle ne préexiste pas avant. Elle n’existe qu’au fil de l’eau, et l’auteur ne peut contraindre son lecteur à emprunter un chemin particulier, voire unique. Tous les chemins narratifs deviennent également possibles.

De la même manière, l’écriture d’un modèle HPE est aussi un jeu d’écriture mathématique pour celui qui le conçoit. L’approche HPE pourrait alors se comprendre comme une rencontre entre deux « joueurs », celui qui imagine le modèle et celui qui l’utilise. Si les utilisateurs de modèles classiques sont habitués à un usage linéaire de la prévision, une forme de séquentialité qui amène à pouvoir tirer des conclusions immédiates du modèle, les modèles HPE obligent à repenser le processus d’usage de la modélisation mathématique, pour le décentrer de sa « fin » à son « écriture ». Dans la mesure où le modèle produit un récit du futur (Dahan-Dalmedico [2007]), on pourrait considérer que l’utilisateur du modèle participe à sa conception. L’approche HPE amène à concevoir un modèle, non plus comme une icône d’un hypothétique vrai monde que le modélisateur modélise, mais comme un vrai jeu entre le modèle et son utilisateur. De ce point de vue, les romans du hasard et les modèles HPE semblent en résonance.

On a vu que l’expression « roman du hasard » peut se comprendre de deux manières différentes. D’une part comme un roman qui est le résultat d’un hasard, un fruit du hasard, d’autre part comme un roman qui raconte une histoire de hasard, l’histoire d’un personnage qui serait le hasard. Ces deux modalités de l’expression semblent assez bien rencontrer l’explication HPE. D’une part, les récits produits par les modèles HPE résultent d’un procédé aléatoire mettant en jeu une représentation particulière du hasard, par exemple un hasard gaussien, un hasard parétien. D’autre part, l’explication HPE raconte une histoire sur la manière dont le hasard est mis en scène dans les scénarios du futur. La question soulevée par les romans du hasard rejoint celle posée par les modèles HPE. Notre proposition ici est que les romans du hasard et plus généralement la créativité ouverte par l’usage du hasard dans la narration littéraire, entrent en résonance avec les modèles HPE puisque ces modèles racontent des histoires de mondes possibles. Cette résonance que nous proposons de trouver entre les romans du hasard et les modèles HPE permet de rouvrir le dossier des rapports entre création (de romans, de modèles) et réception (du texte, des scénarios). Passer par la littérature permet d’imaginer une classe de modèles pertinente pour proposer des stratégies face à l’incertitude radicale.

Un modèle HPE est une fabrique à histoires (sur l’incertitude radicale, les investissements dans le non coté, sur les risques de contagion COVID etc.). Ce type de modèle amène à se poser la question de sa réception par ceux qui lisent ces histoires et les prédictions des modèles. Et à se demander ce que font les lecteurs de ces histoires qu’ils lisent (quel rapport à l’incertitude radicale, investissement ou non dans une société non cotée). Ainsi le rapprochement que nous effectuons ici entre les romans du hasard et les modèles HPE peut être considéré comme une contribution au dialogue entre la science et la littérature, entre la modélisation mathématique et la fiction narrative, une correspondance entre des expériences de lectures offertes par la littérature et une théorisation de la pratique des modèles HPE. Cela permet d’envisager des modèles pour l’incertitude radicale, non au sens positiviste de la modélisation mais dans un sens nouveau qui n’exclut pas l’usage du calcul. Une voie qui réfute le scepticisme pour indiquer qu’agir avec des modèles est possible dans un monde incertain.



Citer ce billet
Christian Walter (2024, 27 février). Incertitude radicale et romans du hasard. EpistemoFinance. Consulté le 16 juin 2024, à l’adresse https://doi.org/10.58079/vwnq

Christian Walter

Actuaire agrégé, chercheur en philosophie et sciences sociales, spécialiste des représentations du hasard en finance et dans les modèles de risque / Fully qualified actuary, academic researcher in philosophy and social sciences, specialised in the representation of chance in finance and risk models

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search