Agent-based Modeling meets the Capability Approach for Human Development: Simulating Homelessness Policy-making

Résumé technique : La modélisation à base d'agents rencontre l'approche des capacités pour le développement humain

Problématique
Le document traite de la nécessité urgente de solutions politiques alternatives face à l'augmentation de l'échelle mondiale de l'itinérance. Les modèles de développement traditionnels se concentrent souvent sur la distribution des ressources (par exemple, les cadres utilitaristes), tandis que les auteurs soutiennent que l'itinérance et la pauvreté doivent être comprises comme des formes sévères de privation de capacités. Cette perspective, ancrée dans l'Approche des Capacités (AC), postule que les individus sont incapables d'accéder à des « capacités centrales » (des droits humains essentiels pour une vie digne, tels que la santé, l'intégrité corporelle et le contrôle de son environnement) en raison d'un manque de ressources et de facteurs de conversion défavorables (personnels, sociaux et environnementaux).

L'élaboration des politiques actuelles manque d'outils pour évaluer de manière non invasive comment des interventions spécifiques (normes juridiques, allocation de ressources) impactent ces capacités. La littérature existante sur la modélisation à base d'agents (ABM) utilise rarement l'AC comme cadre conceptuel, et ceux qui l'utilisent simplifient souvent trop la motivation humaine en se fondant uniquement sur les besoins hiérarchiques (par exemple, Maslow) plutôt que sur l'interaction complexe entre valeurs et besoins inhérente à l'AC.

Méthodologie
Les auteurs proposent un nouveau cadre qui opérationnalise l'Approche des Capacités en utilisant la modélisation à base d'agents (ABM) et l'apprentissage par renforcement (spécifiquement les processus de décision markoviens - MDP). La méthodologie comprend trois étapes techniques fondamentales :

1. Formalisation de l'AC en tant que MDP : Les auteurs cartographient les concepts de l'AC vers les éléments des MDP pour permettre la simulation computationnelle :

   • États ($s$) : Représentent la situation actuelle de l'agent, incluant les caractéristiques personnelles, les ressources disponibles et les préférences individuelles en matière de besoins/valeurs.
   • Actions ($a$) : Différenciées en actions possibles (capacités spécifiques), actions impossibles (capacités privées) et actions réalisées (fonctionnements).
   • Probabilités de transition ($P(s'|s, a)$) : Représentent les Facteurs de Conversion. Ils déterminent la probabilité qu'un agent passe d'un état de ressources à un état de capacité. Les facteurs de conversion sociaux sont modélisés comme des normes juridiques et sociales qui peuvent rendre certaines actions impossibles (par exemple, un citoyen non enregistré ne peut accéder aux soins de santé primaires).
   • Récompenses : Représentent les Facteurs de Choix. Le cadre distingue entre :
     • Récompenses à court terme : Motivées par les urgences de besoins (ex: soulagement immédiat de la douleur).
     • Récompenses à long terme : Motivées par les préférences de valeurs (ex: santé ou sécurité à long terme).
   • Politique ($\pi$) : La règle de décision de l'agent agrège les récompenses attendues à court terme et à long terme ($Q_s$ et $Q_l$) pour sélectionner les actions, permettant de modéliser des comportements complexes où les valeurs peuvent l'emporter sur les besoins immédiats.

2. Modèle de prise de décision amélioré : Contrairement aux travaux antérieurs reposant sur des hiérarchies de besoins rigides, ce modèle intègre les valeurs humaines (basées sur le cadre de valeurs de Schwartz) et les besoins comme des motivateurs distincts. Le système permet des mises à jour dynamiques où les actions réalisées peuvent modifier l'état d'un agent (ressources/facteurs de conversion) et ses facteurs de choix internes (ex: un accident rendant un agent plus averse au risque).

3. Cadre de simulation : Le MDP sert de moteur comportemental pour des agents représentant divers acteurs (personnes en situation d'itinérance, travailleurs sociaux, organisations à but non lucratif). La simulation inclut un environnement physique (ressources) et un environnement réglementaire (normes juridiques). Elle est conçue pour être peuplée de données synthétiques dérivées de données réelles anonymisées et d'entretiens avec des parties prenantes.

Contributions clés

• Opérationnalisation computationnelle de l'AC : Le document fournit une cartographie concrète de l'Approche des Capacités abstraite (Ressources, Facteurs de conversion, Capacités, Facteurs de choix, Fonctionnements) dans le langage technique des MDP et de l'ABM.
• Intégration des Valeurs et des Besoins : Il introduit un modèle de prise de décision où les « valeurs » (importance/objectifs à long terme) et les « besoins » (urgence/objectifs à court terme) agissent comme des facteurs de choix distincts, permettant une représentation plus nuancée du comportement humain que les simulations précédentes basées sur l'AC.
• Outil d'évaluation des politiques : Le cadre est conçu pour évaluer l'impact des politiques non seulement sur la distribution des ressources, mais aussi sur l'expansion ou la restauration des capacités centrales. Il évalue l'équité en analysant l'ensemble des actions possibles versus impossibles disponibles pour les agents sous différents scénarios réglementaires.
• Conception d'étude de cas interdisciplinaire : Les auteurs décrivent une application spécifique dans le quartier du Raval à Barcelone, se concentrant sur l'iniquité en santé. Ils détaillent comment construire des profils d'agents à partir de données réelles provenant d'organisations à but non lucratif (ex: Arrels Fundació) et d'experts du domaine pour simuler les effets des lois proposées sur l'accès aux soins de santé primaires pour les citoyens enregistrés versus non enregistrés.

Résultats et statut actuel
S'agissant d'une proposition et d'un document méthodologique, il ne présente pas de résultats de simulation finaux ou de données de validation empirique. Il présente plutôt :

• Un prototype conceptuel : Un exemple simplifié de MDP (Figure 2) démontrant comment une norme juridique (statut d'enregistrement) agit comme un facteur de conversion, rendant l'action « recevoir des soins médicaux » impossible pour les citoyens non enregistrés, les privant ainsi de la capacité centrale de « santé corporelle ».
• Une feuille de route de mise en œuvre : Un plan pour passer de cet exemple simple à une simulation complexe impliquant de multiples capacités centrales, en utilisant des données de population synthétique et un retour d'information itératif des parties prenantes.
• Indicateurs d'évaluation : Un ensemble défini d'indicateurs pour des évaluations futures, incluant les états de logement (terminologie ETHOS), les états de santé, le statut d'enregistrement, les dépenses économiques et la discrimination institutionnelle.

Signification
Le document revendique sa pertinence en fournissant un cadre de simulation non invasif et reproductible ancré dans l'Approche des Capacités. Son objectif principal est de soutenir l'évaluation des politiques visant à étendre les capacités humaines, s'alignant sur les Objectifs de Développement Durable (ODD) des Nations Unies. En déplaçant l'accent de l'allocation des ressources vers l'opportunité de mener une vie digne, le cadre vise à identifier les politiques qui restaurent efficacement les capacités centrales pour les groupes marginalisés. Les auteurs soulignent que cette approche nécessite une collaboration interdisciplinaire étroite pour définir des éléments contextuels spécifiques (facteurs de conversion, valeurs) et vise à aborder les défis éthiques tels que l'aporophobie (le rejet des pauvres) et la discrimination institutionnelle. Ce travail se positionne comme une étape vers un outil robuste et computationnellement fondé pour les politiques de justice sociale et de développement humain.