Expliquer et comprendre dans les sciences empiriques : les modèles scientifiques et le tournant computationnel

Explanation and understanding in the empirical sciences : scientific models and the computational turn

• Auteur / Autrice : Julie Jebeile
• Direction : Jacques Dubucs, Anouk Barberousse
• Type : Thèse de doctorat
• Discipline(s) : Philosophie
• Date : Soutenance le 11/12/2013
• Etablissement(s) : Paris 1
• Ecole(s) doctorale(s) : École doctorale Philosophie (Paris)
• Partenaire(s) de recherche : Equipe de recherche : Institut d'histoire et de philosophie des sciences et des techniques (Paris ; 1932-....)
• Jury : Président / Présidente : François-David Sebbah
• Jury : Examinateurs / Examinatrices : Jacques Dubucs, Max Kistler
• Jury : Rapporteurs / Rapporteuses : Margaret Morrison

Mots clés

Mots clés contrôlés

Explication

Communication visuelle en sciences

Simulation par ordinateur

Modèle (épistémologie)

Philosophie des sciences

Mots clés libres

Modèle computationnel

Modèles analytiques

Modèles de simulation

Simulation models

Analytical models

Résumé

Comprendre les phénomènes consiste souvent a interroger les modèles mathématiques des systèmes considérés. En particulier. il s'agit d'obtenir par leur intermédiaire des réponses fiables aux questions de type « pourquoi'? ». Nous y réussissons dès lors que les modèles sont acceptables et intelligibles: c'est l'idée directrice de la thèse. Ce double réquisit est ainsi étudié; d'abord dans l'analyse des modèles analytiques puis dans celle des modèles de simulation. Cela a permis dans un premier temps de mettre en lumière le rôle positif des idéalisations dans la compréhension par les modèles analytiques. Puis, dans un second temps, il a été possible d'identifier les conséquences du tournant computationnel. Il demeure en effet un fossé entre le modèle computationnel et ses résultats, il cause, notamment de l'opacité épistémologique des simulations numériques. Or ce fossé semble doublement entraver notre compréhension des phénomènes simulés. En effet, d'une part, certaines difficultés d'ordre épistémologique, qui sont propre à la justification et a l'utilisation des modèles de simulation, contreviennent il leur acceptabilité. D'autre part, puisque la simulation ne peut pas faire l'objet d'une inspection directe, il est difficile pour l'utilisateur de faire la relation entre les résultats de cette simulation et le contenu du modèle : celui-ci devenant par là-même inintelligible. Néanmoins. les représentations visuelles semblent jouer un rôle fondamental en permettant de surmonter le problème de l'opacité des simulations et ainsi d'assurer une fonction explicative.

Understanding phenomena often requires using mathematical models of the target systems. ln particular, this requires obtaining. through them. reliable answers to why-questions. In this context, we achieve understanding once the models are acceptable and intelligible; this is the central assumption in this thesis. This double requirement is thus studied first in the analysis of analytical models. and then in the analysis of simulation models. This study first allowed us to highlight the positive role of idealizations in understanding through analytical models. Next, it allowed for an identification of the consequences of the computational turn. There is in fact a gap between a computational model and its results. partly because of the epistemic opacity of computer simulations. This gap seems to doubly hinder our understanding of simulated phenomena. On the one hand, some epistemological difficulties arise which are specific to the justification and the use of simulation models. These difficulties contravene their acceptability. On the other hand, since simulation is not open to direct inspection. it seems difficult for a user to make the relation between the model content and its results. Nevertheless, visual representations seem to play a fundamental function in allowing us to overcome the opacity issue. and thus to provide us with explanatory elements to our why-questions.