> For the complete documentation index, see [llms.txt](https://sexytrees.savimbo.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://sexytrees.savimbo.com/methodology/fr/foundations/complex-and-chaotic.md). # La nature est complexe et chaotique La nature a toujours été complexe ([Bak et Paczuski 1993](https://doi.org/10.1088/2058-7058/6/12/26)). Maintenant, c’est chaotique ([Bernardini et al. 2025](https://doi.org/10.1016/j.eve.2025.100060), [Rockström 2009](https://doi.org/10.1038/nature08967), [Sakschewski 2025](https://doi.org/10.48485/pik.2025.017)). > *« Plus des trois quarts des systèmes de soutien de la Terre ne sont pas dans la zone sûre. L’humanité pousse au-delà des limites d’un espace d’action sûr, ce qui augmente de plus en plus le risque de déstabiliser la planète. » — Johan Rockström, 2025* Nous sommes maintenant dans le domaine des « cygnes noirs » ([Sornette 2009](https://doi.org/10.2139/ssrn.1470006)), avec des événements météorologiques chaotiques de plus en plus probables ([IPCC 2021](https://doi.org/10.1017/9781009157896.013)). L’IA élargit notre [horizon cognitif](#user-content-fn-1)[^1]. C’est un vrai outil pour traiter ce problème, mais il ne nous *sauvera* pas. Il ne résoudra pas le problème à notre place. L’apprentissage automatique (ML) est une IA de reconnaissance de motifs. Cela veut dire qu’il est particulièrement sujet aux erreurs dans ce contexte, pour les mêmes raisons décrites dans le travail récompensé par le prix Nobel qui sert de base au livre [*Thinking Fast and Slow*](https://amzn.to/43EpoS1) sur les raisons pour lesquelles l’intuition humaine échoue dans certains problèmes structurés ([Tversky & Kahneman 1974](https://doi.org/10.1126/science.185.4157.1124)). Le ML reconnaît des motifs, ce qui veut dire qu’il ne fonctionne pas quand le motif *se rompt*. Une prédiction à long terme faite avec l’IA peut échouer de façon catastrophique *quelle que soit la quantité de données* disponibles ([Fan et al. 2020](https://doi.org/10.1103/PhysRevResearch.2.012080)). Dans ce monde, de notre vivant, et de votre vivant si vous lisez ceci, les prédictions fondées sur le passé, aussi coûteuses ou détaillées soient-elles, sont de plus en plus peu fiables. #### Figure J. La théorie du chaos et de la complexité produit des erreurs dans les données des systèmes naturels et l’analyse statistique
Data points S-curve away from the diagonal reference line at the extremes — visible signal that the data isn't actually normal.

Quand les données sont linéaires, les points se placent bien sur une droite. Comme ceci.

A straight line forced onto curved data — the line misses both the low and high ends

Avec des données non linéaires, nos statistiques commencent à échouer. La droite passe au milieu. Mais elle manque les deux extrémités. Les données ne sont pas linéaires.

Scatter points spreading above the 1:1 reference line — linear models systematically underestimate the high end.

Parfois, les modèles linéaires fonctionnent près de zéro. La queue est là où se trouve la réalité. Et la réalité est plus grande que la droite.

A bifurcation diagram showing the transition from a single stable value through period-doubling into chaos.

La nature ne fait même pas semblant de suivre ces règles. Ce sont de vraies données, d’un vrai système. Il Y A un motif. Il est juste plus intelligent que nous.

Zoomed view of the chaotic region, revealing bands of order embedded inside the chaos.

Approchez, et le chaos contient de l’ordre. Approchez de cet ordre, et il y a encore plus de chaos. À tous les niveaux.

### Quelques notions de base sur les systèmes complexes Les systèmes complexes ne sont pas seulement difficiles à mesurer — ils sont *impossibles* à quantifier complètement ([Anderson 1972](https://doi.org/10.1126/science.177.4047.393)). C’est une propriété de la complexité elle-même, pas un problème d’outil. * **Émergence** — les propriétés au niveau du système n’existent pas au niveau des composants ; le tout a des comportements que les parties n’ont pas ([Anderson 1972](https://doi.org/10.1126/science.177.4047.393)). * **Non-linéarité** — les résultats ne sont pas proportionnels aux entrées ; de petites perturbations peuvent se propager en cascade, les grandes peuvent se dissiper ([Strogatz 2015](https://doi.org/10.1175/1520-0469\(1963\)020)). * **Boucles de rétroaction** — les composants se façonnent mutuellement ; la cause et l’effet tournent en rond, pas en ligne ([Meadows 2008](https://amzn.to/4ub7fGE)). * **Sensibilité aux conditions initiales** — de minuscules différences dans l’état initial divergent de façon exponentielle avec le temps ; c’est la définition formelle du chaos ([Lorenz 1963](https://doi.org/10.1175/1520-0469\(1963\)020)). * **Points de bascule** — les systèmes restent dans des régimes stables jusqu’à ce qu’un seuil soit franchi, puis basculent brusquement vers un nouveau régime ([Scheffer et al. 2009](https://doi.org/10.1038/nature08227)). La grande majorité des scientifiques autochtones avec qui nous avons parlé se sont moqués de l’état d’esprit réductionniste envers la nature. Ce n’est pas un manque de compréhension du réductionnisme ; c’est un rejet clair de cette approche comme le *mauvais outil pour le travail*. > *« Avec tout le respect, mais sans bagage, nous disons que nous comprenons, mais nous déplorons la logique selon laquelle ceux qui détiennent le pouvoir technologique et le pouvoir économique contrôlent le monde ; parce que dans cette voie, le pouvoir est devenu une obsession des nations puissantes, qui ont aveuglé leur essence d’enfants de la terre et sont devenues maîtres de la planète. Dans cette logique utilitaire, ils ont transformé le monde en objet et marchandisé tout ce qui existe, et c’est maintenant la base du système que les États ont adopté aujourd’hui. » - Miguel Chindoy,* [*La voix des Peuples Autochtones du monde sur l’urgence environnementale planétaire*](https://www.savimbo.com/blog/the-voice-of-the-indigenous-peoples-of-the-world-on-the-planetary-environmental-emergency) ### Quelques notions de base sur les systèmes chaotiques La distinction simple entre complexe et chaotique est que les systèmes complexes *peuvent* être stables. Les systèmes chaotiques ne le peuvent pas. La complexité est une structure ; le chaos est ce qui se produit quand cette structure bascule dans l’instabilité. * **Déterministe mais imprévisible** — les règles sont entièrement connues, mais l’avenir ne l’est toujours pas ([Lorenz 1963](https://doi.org/10.1175/1520-0469\(1963\)020%3C0130:DNF%3E2.0.CO;2)). * **Dépendance sensible aux conditions initiales** — l’effet papillon ; de petites causes, de vastes conséquences ([Lorenz 1963](https://doi.org/10.1175/1520-0469\(1963\)020%3C0130:DNF%3E2.0.CO;2)). * **Borné mais jamais répétitif** — les trajectoires chaotiques ne s’envolent pas vers l’infini, mais elles ne retracent jamais exactement leur chemin. Elles dessinent un « attracteur étrange » — une forme dans l’espace des possibilités que le système parcourt sans fin sans se répéter ([Ruelle & Takens 1971](https://doi.org/10.1007/BF01646553)). * **Les horizons de prédiction sont finis par nécessité mathématique** — au-delà d’un certain point, aucune précision de mesure ni puissance de calcul n’aide. L’erreur s’amplifie plus vite que les données n’informent ([Palmer 2000](https://doi.org/10.1088/0034-4885/63/2/201)). * **Les statistiques survivent ; pas les trajectoires** — vous pouvez caractériser la *forme* du chaos (moyennes, intervalles, fréquences des régimes), même quand vous ne pouvez prédire aucun chemin précis ([Eckmann & Ruelle 1985](https://doi.org/10.1103/RevModPhys.57.617)). C’est pourquoi le ML échoue précisément sur les systèmes chaotiques : le ML apprend à partir des trajectoires, mais dans le chaos, la trajectoire est la partie qui *ne peut pas* être généralisée. Seule l’enveloppe statistique peut l’être. ### Comment travailler dans les systèmes complexes et chaotiques Le but de travailler dans ces systèmes est de travailler plus intelligemment, pas plus durement. Autrement dit, nous devons écouter les meilleurs scientifiques du monde (ci-dessus) et *travailler dans le cadre des contraintes*. * **N’essayez pas de tout mesurer** (même avec l’IA, *surtout* avec l’IA !). Choisissez des dimensions orthogonales et concrètes ; échantillonnez, n’énumérez pas. L’exhaustivité est impossible. Le but est un signal qui ne peut pas être manipulé. * **N’essayez pas de prédire l’avenir trop à l’avance.** Les horizons de prédiction sont mathématiques, pas techniques — aucune quantité de données ne réduit l’écart au-delà d’un certain point. Utilisez [des boucles de rétroaction courtes](/methodology/fr/foundations/bricolage.md) au lieu de prévisions longues. * **Optimisez pour les effets papillon.** Dans un système chaotique, le levier se trouve aux points de bascule — de petites entrées au bon endroit produisent des résultats disproportionnés. La structure de paiement #SexyTrees ($1 plant / $0.50 alive at 6mo / $0.50 alive at 12mo) est un effet papillon : un petit paiement par arbre qui change le comportement des agriculteurs à grande échelle. * **N’assumez pas que vous savez ce qui va arriver. Regardez ce qui s’est réellement passé.** Mesure ex post seulement. Les modèles sont des cartes ; quand ils contredisent le terrain, faites confiance au terrain. [^1]: La capacité mentale à garder un plus grand ensemble de faits pour les traiter. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://sexytrees.savimbo.com/methodology/fr/foundations/complex-and-chaotic.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.