Séminaire CVSI Vendredi 16 mai 2025 : Les modèles climatiques et l’imprévisible

Vendredi 16 mai 2025, 16h.

Télécom Paris, 19, place Marguerite Perey, Palaiseau, salle 1A322 (Bât. A, 1er étage).

Intervenant : Didier Paillard, paléoclimatologue au Laboratoire des sciences du climat et de l’environnement (LSCE). Il s’intéresse particulièrement à la réponse non linéaire du système climatique aux changements climatiques passés du Quaternaire. Il a reçu, en 2013, la Médaille Milutin Milancović.

Reste causal

Auteurs : Marc Delepouve, Ada Diaconescu, Emmanuel Ferrand.

Définitions

Les Phénomènes causaux de l’évolution future d’un phénomène donné sont les phénomènes qui influenceront ou pourraient influencer cette évolution
Le Reste causal associé à une représentation de l’évolution future d’un phénomène donné rassemble les phénomènes causaux de cette évolution qui ne sont pas pris en compte par cette représentation.

Les concepts de Phénomènes causaux et de Reste causaux ont été introduits, explorés et utilisés pour la première fois dans la thèse Le GIEC, une dialectique science et politique. De la quantophrénie et de l’imprévisible.

Le Reste causal a vocation à favoriser une intégration de l’ensemble des phénomènes causaux dans l’étude de l’évolution future d’un phénomène P. Sa portée potentielle est un enrichissement de l’appréhension de l’évolution d’un phénomène donné et de la capacité à agir avec pertinence et efficacité sur ce phénomène. Le Reste causal peut être convoqué pour l’élaboration et l’évaluation des savoirs scientifiques, des savoirs experts et des décisions politiques. Il vise notamment à affaiblir la quantophrénie et prendre en compte l’imprévisible dans le triptyque science-expertise-politique.

Classification des phénomènes d’un Reste causal

Soit P un phénomène donné et R la représentation de son évolution durant un intervalle de temps T à venir.
Lors de la construction de R, des phénomènes causaux de l’évolution future de P durant l’intervalle T peuvent ne pas être connus, pas identifiés par la science. Ces phénomènes causaux sont alors dans la catégorie Inconnu inconnu du Reste causal associé à R. Par exemple, l’existence de populations de bactéries émettrices de méthane dans les océans, à proximité de la surface, n’a été découverte qu’en 2014. Ce phénomène se situait dans la catégorie Inconnu inconnu du Reste causal associé aux scénarios climatiques pour le XXIe siècle publiés en 2013 par le Groupe 1 du GIEC.
Lors de la construction de R, des phénomènes causaux de l’évolution future de P durant l’intervalle T peuvent être connus, identifiés par la science, mais avoir un comportement durant T (temporalité, ampleur) insuffisamment connu pour être pris en compte. Ces phénomènes sont alors dans la catégorie Connu au comportement insuffisamment connu du Reste causal associé à R. Actuellement, et depuis 2014, les populations de bactéries méthanogènes de l’exemple ci-dessus se situent dans cette catégorie du Reste causal associé aux scénarios climatiques pour le XXIe siècle publiés par le Groupe 1 du GIEC.
Lors de la construction de R, des phénomènes causaux de l’évolution future de P durant l’intervalle T peuvent être connus, identifiés par la science, avoir un comportement durant T suffisamment connu pour être pris en compte, et néanmoins être situés dans le Reste causal. Ces phénomènes sont alors dans la catégorie Connu au comportement connu du Reste causal associé à R. Par exemple, de tels phénomènes se situent dans le Reste causal associé à des projections climatique pour le XXIe siècle issues de modèles, en raison des limites de la puissance de calcul des ordinateurs et/ou d’une limite des moyens financiers disponibles et/ou de la conception des modèles. Dans d’autres exemples, les raisons sont idéologiques et/ou politiques.

Singularité

La notion de Reste causal est connexe aux notions d’inconnu, d’imprévisible et d’invisible. Toutefois, elle ne peut se confondre avec aucune d’entre elles.
Elle ne peut se confondre avec la notion d’inconnu. Des phénomènes causaux connus peuvent se situer dans le Reste causal, pour des raisons diverses telles qu’une incapacité à les quantifier ou une motivation politique.
Elle ne peut se confondre avec la notion d’imprévisible. Des phénomènes prévisibles peuvent se situer dans le Reste causal. Par exemple, dans certains modèles climatiques des phénomènes prévisibles ne sont pas pris en compte, afin de simplifier la modélisation, en raison des limites de la puissance de calcul des ordinateurs, etc. Dans des domaines sensibles, les raisons peuvent être idéologiques ou politiques.
Elle ne peut se confondre avec la notion d’invisible ou d’invisibilisé. Certains phénomènes du Reste causal associé aux scénarios climatiques, par exemple les éruptions volcaniques, sont présentés dans les Résumés à l’intention des décideurs (RID) des rapports du GIEC, c’est-à-dire dans les textes de communication du GIEC. Ils ne sont donc ni invisibles ni invisibilisés.

L’imprévisibilité systémique

Dans bien des situations, un grand nombre de phénomènes du Reste causal sont interdépendants. C’est en particulier le cas lorsque des phénomènes du Reste causal sont des rétroactions à l’évolution future du phénomène P. Le Reste causal présente alors une imprévisibilité globale qui ne vaut pas la somme des imprévisibilités directement liées à chacun des phénomènes qui le composent. Un exemple nous est donné par le Reste causal associé aux scénarios climatiques pour le XXIe siècle publiés par le GIEC. Il s’avère que, dans cet exemple, les rétroactions au réchauffement du climat présentes dans le Reste causal sont le plus souvent positives, c’est-à-dire amplificatrices. In fine, le surplus de réchauffement que pourrait provoquer le Reste causal vaut bien plus que la somme des surplus de chacun des phénomènes qu’il contient.

Conclusion

Identifier et rendre explicite le Reste causal associé à une représentation R de la trajectoire future d’un phénomène P permet :
– d’appréhender la distance qui sépare la représentation R de la somme des connaissances scientifiques apportant des éléments d’information sur la trajectoire future de P ;
– de définir une stratégie politique informée de l’ensemble de ces connaissances scientifiques.
Toute communication de la représentation R de la trajectoire future d’un phénomène P devrait être accompagnée de la communication du contenu du Reste causal associé. Il y a là une exigence pour la science post-normale, la prospective et plus largement le triptyque science-expertise-politique.

Quantophrénie

Auteurs : Marc Delepouve, Ada Diaconescu, Emmanuel Ferrand

Nous précisons que nous considérons que les mathématiques, la rationalité et la science sont essentielles au développement des connaissances et indispensables à la résolution de nombreux problèmes cruciaux pour le devenir de l’humanité, de ses sociétés et du système Terre. Le recours à la notion de quantophrénie ne met pas en question ce constat, mais porte le regard sur des mésusages de la quantification et des mathématiques.

Définition (Delepouve, 2023) :

Nous appelons quantophrénie la tendance :

– à limiter les représentations des phénomènes aux seules représentations quantifiées ;

– à nourrir les processus de décision politique de ces seules représentations quantifiées ;

– à largement utiliser des critères quantitatifs comme outil de la mise en œuvre et de l’évaluation des politiques (Supiot, 2015 ; Bocquet et al., 2018 ; David Demortain, 2019).

1ère occurrence :

La notion de quantophrénie a été introduite par le sociologue Russe Pitirim Sorokin (1889, 1968), immigré aux États-Unis et fondateur du département de sociologie de l’Université Harvard. On la trouve pour la première fois en 1956, dans son ouvrage Fads and foibles in modern sociology and related sciences1 :

– « Présentement l’étude quantitative des phénomènes psycho-sociaux est l’une des méthodes essentielles de la recherche en ce domaine. Tant que cette méthode reste vraiment mathématique et s’applique à des faits psycho-sociaux qui se prêtent à une analyse quantitative, elle s’avère féconde et mérite d’être toujours cultivée davantage. Mais quand (…) on en use à mauvais escient ou quand on en abuse de diverses manières, quand on l’applique à des phénomènes qui ne paraissent nullement se prêter à des quantifications, et quand elle consiste en une manipulation dans le vide de symboles mathématiques ou en une simple transcription sur le papier de formules mathématiques sans rapport véritable avec les faits psycho-sociaux en question, alors cette méthode manque totalement son but. Dans ces conditions, l’emploi de la méthode mathématique devient une sorte d’obsession quantophrénique (…) n’apportant aucune lumière sur le monde psycho-social.

Cette manie de la quantification a, au cours des dernières décennies, et au détriment des sciences psycho-sociales, pris un développement considérable. Elle menace d’embourber nombre d’enquêtes non quantitatives, ou même d’enquêtes quantitatives dignes de ce nom. Le courant dans ce sens est si fort qu’on pourrait décrire l’état présent des sciences psycho-sociales comme l’époque de la quantophrénie et de la numérologie.

Cette maladie se manifeste sous des formes diverses et dans tous les domaines de la sociologie, de la psychologie, de la psychiatrie et de l’anthropologie. »2(Sorokin, 1956, p. 108)

Historique

« L’étude mathématique des phénomènes psycho-sociaux fut particulièrement pratiquée aux XVIIe et XVIIIe siècles. Spinoza, Descartes, Leibniz, Newton, Weigel, Malebranche, Cumberland, Berkeley, Hobbes, d’autres encore, commencèrent à édifier une science quantitative universelle : la Pantometrika ou Mathesis Universalis, et ses subdivisions : la Psychometrika, l’Ethicometrika et la Sociometrika, destinée à l’étude des phénomènes psychosociaux selon les méthodes de la géométrie et de la mécanique physique. « Toutes les vérités ne se découvrent que par des mesures » et « sans les mathématiques les êtres humains vivraient comme des bêtes sauvages », telles étaient les maximes des socio-physiciens de cette époque ». (Sorokin, 1956, p. 108).

« Nicolas de Condorcet (1743 – 1794), en forgeant la notion de « mathématique sociale », marquait sa volonté d’introduire la mesure dans les sciences sociales et, surtout, de bâtir une science générale des faits humains fondée sur la science mathématique » (Martin, 2002, p. 3).

Durant les XIXe et XXe siècles, la mathématisation (qui recouvre les formalismes ‘quantifiés’ et ‘non quantifiés’3) de la sociologie et de l’ensemble des Sciences humaines et sociales (SHS) fut l’objet de débats (Martin, 2002). L’un de ses contempteurs les plus ardents est l’inventeur du terme ‘sociologie’, Auguste Comte (1798 – 1857), lequel estimait « que l’idée selon laquelle tout savoir positif est mathématisé est un préjugé métaphysique résultant de la forme qu’ont prise les premières sciences (astronomie, mécanique…) » et « que la société et l’homme en société sont trop complexes et pas assez inertes pour pouvoir faire l’objet d’une science mathématisée ou d’analyses statistiques. » (Martin, 2002, p. 4).

À la suite de la Seconde Guerre mondiale, les développements de la puissance des ordinateurs et de la modélisation mathématique ont ouvert la voie à un déploiement de l’usage des approches quantitatives dans des domaines et pour des questions où elles étaient auparavant inutilisables.

Analyse critique

L’utilisation de la quantification et des modèles mathématiques n’est pas neutre. Elle peut être mise au service du contrôle politique des populations. Ainsi, « Les mesures quantitatives sont un mécanisme clé pour simplifier, classer, comparer et évaluer, ce qui est au cœur du pouvoir disciplinaire » (Espeland & Stevens, 2008 : p. 414), (VO4). Elle peut aussi être un outil de libération. Selon Alain Desrosières (2014), « La critique sociale prend souvent appui sur des arguments statistiques. Ceux-ci visent à exprimer et à rendre visibles des exigences d’égalité et de justice. La confiance accordée à ce type d’outils a cependant été érodée, dans la période récente, par la montée en puissance des politiques d’inspiration néolibérale. En effet celles-ci utilisent largement des « indicateurs » quantitatifs pour contrôler les acteurs sociaux et les mettre en concurrence à travers des techniques comme le benchmarking. La statistique est-elle un outil de libération ou un outil de pouvoir ? La question peut sembler saugrenue pour qui a connu l’époque optimiste des années 1950 à 1970, où l’information fournie par la statistique publique était vue comme une des composantes majeures d’une société démocratique. » (Desrosières, 2014).

Dès la fin du XIXe siècle, quantification et mathématisation furent convoquées pour contribuer à des processus de décisions politiques. Nous prenons pour exemple le contexte du génie civil étasunien au XIXe siècle, à propos duquel « Ted Porter avait montré que le recours à la quantification et aux outils mathématiques est un moyen permettant aux ingénieurs américains des ponts et chaussées dont l’autorité n’était pas encore assurée de fonder cette autorité sociale et scientifique (Porter, 1995). En se mathématisant, les critères de décision devenaient explicites et publics : ils assuraient ainsi une certaine objectivité aux décisions. » (Martin, 2002, p.10).

Avec la quantification, des aspects du réel peuvent être soustraits du regard et finalement non pris en compte dans des processus de représentation, de décision et d’évaluation. À la fin des années 1960, la sociologue étasunienne Ida Hoos alerta sur des aspects sociaux majeurs qui n’étaient pas pris en compte dans l’évaluation quantifiée du déploiement de nouvelles technologies. Nous lui devons cette formule : « Ce qui ne peut être compté ne compte tout simplement pas, et nous ignorons donc systématiquement des grands et importants domaines de préoccupation. D’autre part, nous faisons parfois apparaître des chiffres à partir d’hypothèses afin de pouvoir effectuer des calculs. Une fois inclus, ces chiffres deviennent des ‘données concrètes’, que l’on peut facilement confondre avec des ‘faits’. » (Hoos, 1979, p. 193), (VO5).

De nos jours, la critique porte sur la gouvernementalité du climat : « Nos travaux sont centrés sur le croisement de cette dynamique [internationale science et politique relative au changement climatique, dans laquelle le GIEC est rapidement devenu l’acteur central] avec la tension entre la quantophrénie (tendance à ne prendre en considération que ce qui est quantifié) et l’imprévisible. En particulier, nous avons observé cette tension dans l’utilisation des résultats de la modélisation climatique portant sur le futur et, corrélativement, dans l’utilisation des scénarios climatiques pour le XXIe siècle, notamment lors de leur traduction en objectifs politiques. In fine, nous constatons la diffusion d’une sous-estimation du risque climatique sur la base de laquelle sont définis des objectifs politiques, en raison de l’absence de prise en compte de l’imprévisible. » (Delepouve, 2013, p. 8).

La critique porte sur la gouvernementalité du vivant : « La sociologie des nombres nous enseigne qu’une manière de construire une crédibilité et une légitimité politique au XIXe siècle a consisté à objectiver un fait par des mesures. Trust in numbers nous dit l’historien des sciences Theodore Porter dans un ouvrage consacré à ce rôle déterminant joué par les nombres et les statistiques en politique (Porter, 1995). Or si cette quantification est semée d’embûches, c’est la construction d’une fragilisation décisionnelle qui en découle. Montrons comment la biodiversité va vite apparaître à la fois indénombrable et non mesurable et comment les enjeux politiques de la biodiversité finiront dans la pénombre des nombres. » (Devictor, 2021, p. 29).

La critique porte aussi sur la modélisation des sociétés humaines et de leur futur, notamment face aux incertitudes radicales qui se présentent aujourd’hui, et face aux risques de fatalisme. « Il ne faut pas (…) oublier les limites de la formalisation, car les hommes sont aussi guidés par l’intuition et la passion. Les modèles sont des inventions de l’esprit pour représenter un monde qui ne se laissera jamais enfermer dans la cage des équations. C’est heureux car, sans cette liberté, la volonté animée par le désir serait sans espoir ! Telle est la conviction qui nous anime : utiliser toutes les possibilités de la raison, tout en connaissant ses limites, mais aussi ses vertus. » (Godet et Durance, 2011, p. 17).

Portée heuristique

L’introduction de la notion de quantophrénie par P. Sorokin portait sur les seuls phénomènes psychologiques et sociaux. Nous l’utilisons au-delà et la concevons comme un outil d’analyse de l’ensemble des sciences et plus largement du triptyque science/expertise/politique. En particulier, à toute représentation quantifiée d’un phénomène, la notion de quantophrénie appelle un certain nombre de questions, dont voici quelques premiers exemples :

– Quels aspects du réel et quels possibles ou éventuellement possibles à venir sont soustraits du regard ?

– Quelles sont les hypothèses explicites ou implicites ? Quelle est la nature des chiffres produits ?

– Quels sont les éventuels objectifs politiques (convaincre et/ou mobiliser, construire un consensus entre différentes acteurs ou parties prenantes, contrôler des populations…) ?

Ces questions peuvent être posées à propos de modélisations fondées sur le traitement de masses de données à l’aide de l’informatique et des mathématiques, par exemple dans les domaines du climat, du vivant et des sociétés humaines.

Bibliographie

Bocquet Bertrand et al., 2018. La fièvre de l’évaluation. Quels symptômes ? Quels traitements ? Presses universitaires du Septentrion. Villeneuve d’Ascq.

Delepouve Marc, 2023. Le GIEC, une dialectique science et politique. De la quantophrénie et de l’imprévisible. Thèse de doctorat. HESAM Université, CNAM, Laboratoire HT2S. Paris. https://theses.hal.science/tel-04166748

Demortain David, 2019. Towards a sociology of quantification in governance. Revue d’anthropologie des connaissances, Vol. 13, N°4, pages 973 à 990, doi : 10.3917/rac.045.0973

Desrosières Alain, 2014. La statistique, outil de libération ou outil de pouvoir. Dans Statactivisme. Comment lutter avec les nombres. Éditions Zone, https://www.editions-zones.fr/lyber?statactivisme#chap2

Devictor Vincent, 2021. Gouverner la biodiversité ou comment réussir à échouer. Éditions Quæ.

Espeland Nelson & Stevens Mitchell, 2008. A Sociology of Quantification. European Journal of Sociology, 49(03), 401-436. doi : 10.1017/S0003975609000150.

Godet Michel et Durance Philippe, 2011, La prospective stratégique. Pour les entreprises et les territoires, Éditions Dunod, Paris.

Hoos Ida, 1979. Societal aspects of technology assessment. Technological Forecasting and Social Change, Volume 13, Issue 3, 1979, Pages 191-202. https://doi.org/10.1016/0040-1625(79)90044-1.

Martin Olivier, 2002. Mathématiques et sciences sociales au XXème siècle. Revue d’histoire des sciences humaines. Publications de la Sorbonne. 2002, pp.3-13. Hal-01261337.

Porter Theodore, 1995. Trust in Numbers : The Pursuit of Objectivity in Science and Public Life. Princeton, Princeton University Press.

Sorokin Pitirim, 1956. Fads and Foibles in Modern Sociology and Related Sciences (1956). Traduit de l’Américain par Cyrille Arnavon. Tendances et déboires de la sociologie américaine, Paris: Aubier, Éditions Montaigne, 1959, Collection Sciences de l’homme. https://classiques.uqam.ca/classiques/sorokin_pitirim/tendances_socio_americaine/tendances_socio_americaine.html .

Supiot Alain, 2015. La gouvernance par les nombres. Cours au Collège de France (2012 -2014). Éditions Fayard. Paris. Juin 2015.

1 https://archive.org/details/fadsfoiblesinmod0000soro/page/n3/mode/2up

2 Fads and Foibles in Modern Sociology and Related Sciences (1956), traduit de l’Américain par Cyrille Arnavon, Tendances et déboires de la sociologie américaine, Paris: Aubier, Éditions Montaigne, 1959, Collection Sciences de l’homme.

3 Exemples de formalismes mathématiques non nécessairement quantifiés : les théories des groupes, des jeux, des réseaux et des graphes, l’algèbre de Boole, la théorie des ensembles, la topologie générale.

4 « Quantitative measures are a key mechanism for the simplifying, classifying, comparing, and evaluating that is at the heart of disciplinary power ».

5 « What cannot be counted simply doesn’t count, and so we systematically ignore large and important areas of concern. On the other hand, we sometimes conjure numbers out of assumptions so that we can make calculations. Once included, they become ‘hard data’, easily to be confused with ‘facts’. »

Prospective

Auteurs : Marc Delepouve, Ada Diaconescu, Emmanuel Ferrand

En 1959, Gaston Berger (1896 – 1960), auteur du terme Prospective, décrit le contexte d’application de ce nouveau concept méthodologique : « Dans un monde en accélération, l’habitude voit son domaine légitime se restreindre singulièrement. Le précédent n’est valable que là où tout se répète. L’analogie ne se justifie que dans un univers stable où les causes profondes se trouvent engagées dans des formes extérieures aisément reconnaissables. Quand les transformations sont négligeables les surprises ne sont pas trop à craindre. Mais quand tout change vite, les ensembles se désagrègent… Quant à l’extrapolation, elle se contente de prolonger la tendance actuelle qui n’est que la résultante des causes profondes. Croire que tout va continuer sans s’être assuré que ces mêmes causes continueront à agir est un acte de foi gratuit. »1 (Berger et al., 2008).

La prospective, pour une organisation publique ou privée, « permet d’accompagner la réflexion en amont des processus stratégiques appelant une meilleure compréhension du potentiel de certains changements profonds et de leurs conséquences à plus ou moins long terme » (Guathier et Hanifa, 2020, p. 35).

« En prospective, un scénario est un outil de description d’un futur possible ou souhaitable. (…). Une démarche prospective développe généralement plusieurs scénarios (…). » (Gauthier et Hanifa, 2020, p. 87). Selon l’OCDE, les scénarios sont une « exploration explicite et structurée de futurs possibles pour éclairer les décisions d’aujourd’hui » (OCDE, 2019).

Bibliographie

Berger Gaston, de Bourbon-Busset Jacques et Masset Pierre. De la Prospective. Textes fondamentaux de la prospective française. 1955-1966. Textes réunis et présentés par Philippe Durance. Éditions l’Harmattan. Paris. 2008.

Gauthier Thomas et Hanifa Vanessa. Prospective. Anticiper, décider et agir dans l’incertitude. EPFL PRESS. Lausanne. 2020.

Godet Michel et Durance Philippe (2011). La prospective stratégique. Pour les entreprises et les territoires. Éditions Dunod.

OCDE. Strategic Foresight for Better Policies – Building effective Governance in the Face of Uncertain Futures. 2019. https://www.developmentaid.org/api/frontend/cms/file/2021/09/Strategic-Foresight-for-Better-Policies.pdf

1 Extrait du chapitre Attitude prospective : http://www.laprospective.fr/dyn/francais/memoire//texte_fondamentaux/attitude-prospective-g-berger-1959.pdf

Science post-normale

Auteurs : Marc Delepouve, Ada Diaconescu, Emmanuel Ferrand

Selon Hélène Guillemot (2014, p. 345) « Les sciences du climat constituent l’exemple même de ce que Funtowicz et Ravetz appellent des sciences « post-normales », caractérisées par « des faits incertains, des valeurs discutées, des enjeux élevés et des décisions urgentes » ».

Deux décennies auparavant, Funtowicz et Ravetz (1993) présentaient la science post-normale : « Maintenant que les questions politiques liées aux risques et à l’environnement posent les problèmes les plus urgents à la science, l’incertitude et la qualité quittent la périphérie, on pourrait dire l’ombre, de la méthodologie scientifique pour devenir des concepts centraux et intégrateurs. Jusqu’à présent, elles ont été maintenues en marge de la compréhension de la science, tant pour les profanes que pour les scientifiques. Un nouveau rôle pour les scientifiques sera la gestion de ces incertitudes cruciales ; c’est là que se situe la tâche de l’assurance qualité de l’information scientifique fournie pour les décisions politiques. » (p. 742) (VO1) ; « Dans le domaine de la science post-normale, les problèmes d’assurance qualité de l’information scientifique sont aigus et leur résolution exige de nouvelles conceptions de la méthodologie scientifique. » (p. 740), (VO2).

Les deux auteurs mettent en avant le besoin d’élargir le processus scientifique au-delà du monde scientifique, afin d’inclure des acteurs issus de tous les secteurs concernés par les phénomènes étudiés et par les politiques qui en découlent. Ils précisent que ces nouveaux acteurs peuvent manquer de savoir faire scientifique, mais qu’en revanche ils détiennent des connaissances essentielles à la définition du problème et aux contraintes qui s’imposent aux solutions : « On pourrait dire qu’ils manquent de connaissances théoriques et sont biaisés par l’intérêt personnel ; mais on peut tout aussi bien dire que les experts manquent de connaissances pratiques et ont leurs propres formes de biais inconscients. » (p. 753), (VO3).

Bibliographie

Funtowicz Silvio 0. and Ravetz Jerome R. (1993). Science for the post-normal age. Futures, Volume 25, Issue 7, September 1993, Pages 739-755. https://doi.org/10.1016/0016-3287(93)90022-L

Guillemot Hélène. (2014). Les désaccords sur le changement climatique en France : au-delà d’un climat bipolaire. Natures Sciences Sociétés, 22, 340-350. https://doi.org/10.1051/nss/2014047

1 « Now that the policy issues of risk and the environment present the most urgent problems for science, uncertainty and quality are moving in from the periphery, one might say the shadows, of scientific methodology, to become the central, integrating concepts. Hitherto they have been kept at the margin of the understanding of science, for laypersons and scientists alike. A new role for scientists will involve the management of these crucial uncertainties; therein lies the task of quality assurance of the scientific information provided for policy decisions. »

2 « One way of distinguishing among the different sorts of research is by their goals: applied science is ‘mission-oriented’; professional consultancy is ‘client-serving’; and post-normal science is ‘issue-driven’. These three can be contrasted with core science-the traditional ‘pure’ or ‘basic’ research-which is ‘curiosity-motivated’. In the area of post-normal science the problems of quality assurance of scientific information are particularly acute, and their resolution requires new conceptions of scientific methodology. »

3 « It may be argued that they lack theoretical knowledge and are biased by self-interest; but it can equally well be argued that the experts lack practical knowledge and have their own unselfconscious forms of bias. »

Séminaire CVSI Vendredi 11 avril 2025 : Voir et prévoir les transformations sociales ?

Vendredi 11 avril 2025, 16h.

Télécom Paris, 19, place Marguerite Perey, Palaiseau.

Salle 1D19 (1er étage, bât. D).

Intervenante, Marie-Anne Dujarier,  professeure de sociologie à l’Université Paris Cité, membre du Laboratoire de Changement Social et Politique (LCSP). https://lcsp.u-paris.fr/annuaire/1660/

Plus de précisions très bientôt !

Séminaire CVSI 21 mars 2025 : L’hydrologie et l’usage de l’eau face à l’incertitude.

Vendredi 21 mars 2025, 16h.

Télécom Paris, 19, place Marguerite Perey, Palaiseau.

Salle 1D23 (1er étage, bât. D).

Intervenant, Pascal Maugis du Laboratoire des Sciences du Climat et de l’Environnement (LSCE). Chercheur en hydrologie, usages de l’eau et adaptation au changement climatique.

Thème : “L’hydrologie et l’usage de l’eau face à l’incertitude”

La présentation de Pascal Maugis se fera en trois temps :

– Quelle place est donnée à l’incertitude dans ses travaux ? Un focus portera sur le domaine de l’hydrologie.

– Même question à propos des travaux des “communautés” de recherche avec un focus sur la prise en compte de l’imprévisibilité de la trajectoire du changement climatique.

– Dans ces domaines, propositions de stratégies robustes du triptyque science-expertise-politique face à l’incertitude.

Compte-rendu de l’exposé et questions qui se posent.

Séminaire CVSI 21 février 2025 : l’agriculture face à l’incertitude

Vendredi 21 février 2025, 16h.
Télécom Paris, 19, place Marguerite Perey, Palaiseau.
Salle 1D23 (1er étage, bât. D),

https://www.telecom-paris.fr/fr/ecole/bref/acces-contact

Intervenante : Adrienne Ressayre, INRAE, UMR Génétique Quantitative et Évolution, Université Paris-Saclay.

titre : “Ce que je comprends des problèmes de l’agriculture face à l’incertitude”

L’incertitude a toujours fait partie de la vie des exploitations agricoles.
Toutefois elle augmente considérablement en ces temps où le monde se transforme radicalement sous l’effet de la grande accélération et du changement climatique.
L’adaptation des modèles agricoles est-elle possible ?

Slides de l’exposé. 

Compte rendu de l’exposé et des questions qui se posent.