🧬 biology

Evolutionary Systems Thinking -- From Equilibrium Models to Open-Ended Adaptive Dynamics

Cet article propose le cadre non-équilibré de l'Assemblage Piloté par la Stabilité (SDA) pour modéliser l'évolution comme un processus de sélection endogène fondé sur la persistance des structures, démontrant ainsi que les modèles de dynamique des systèmes doivent dépasser l'équilibre pour permettre une évolution ouverte où structure et dynamique co-évoluent.

Auteurs originaux : Dan Adler

Publié 2026-02-19

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Dan Adler

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète

🌱 L'Évolution sans Génétique : Comment la "Persistance" crée le monde

Imaginez que vous essayez de comprendre comment les entreprises, les idées ou les technologies changent avec le temps. Souvent, les économistes et les experts utilisent le mot "évolution". Mais attention : ils l'utilisent souvent comme une simple métaphore, comme si on parlait de la nature, alors qu'ils ne modélisent pas vraiment le mécanisme.

C'est un peu comme si on disait qu'une voiture "évolue" vers une Ferrari, alors qu'en réalité, on ne fait que régler le thermostat d'une voiture qui reste toujours la même.

L'auteur, Dan Adler, nous dit : "Arrêtons de faire semblant. Si nous voulons vraiment modéliser l'évolution, nous devons arrêter de chercher un équilibre parfait et commencer à comprendre comment certaines choses survivent simplement parce qu'elles sont plus solides."

Voici les idées clés, expliquées avec des analogies du quotidien.

1. Le Problème : Les Modèles "Statiques" vs. La Réalité "Dynamique"

L'analogie du Puzzle Fixe 🧩
La plupart des modèles actuels (en économie, en politique) ressemblent à un puzzle dont les pièces sont fixes.

Vous avez des pièces (les entreprises, les lois).
Vous avez des règles pour les assembler.
Le but du modèle est de trouver la position "parfaite" où tout le puzzle est calme et stable (l'équilibre).

Le problème : Dans la vraie vie, le puzzle change ! De nouvelles pièces apparaissent, d'autres disparaissent, et la boîte du puzzle elle-même se transforme. Les modèles actuels sont incapables de créer de nouvelles pièces. Ils peuvent seulement déplacer celles qui existent déjà.

2. La Solution : L'Assemblage Piloté par la Stabilité (SDA)

Adler propose une nouvelle façon de voir les choses, qu'il appelle SDA (Stability-Driven Assembly).

L'analogie de la Fête de Danse 🕺💃
Imaginez une grande fête où des gens arrivent et se rencontrent au hasard pour former des groupes de danse.

Le Hasard : Au début, tout le monde se mélange au hasard.
La Stabilité (La Clé) : Certains groupes de danse sont très synchronisés et amusants. Ils restent sur la piste de danse pendant 2 heures. D'autres groupes sont mal assortis et s'arrêtent après 2 minutes.
L'Effet : Parce que les groupes "durables" restent plus longtemps, ils ont beaucoup plus de chances de rencontrer d'autres danseurs et de former de nouveaux groupes avec eux. Les groupes éphémères disparaissent avant d'avoir pu faire quoi que ce soit.

Ce qui se passe ici :
Il n'y a pas de "chef" qui choisit les meilleurs groupes. Il n'y a pas de "gènes" qui se copient.
C'est simplement une question de temps.

Ce qui dure longtemps s'accumule.
Ce qui s'accumule a plus de chances d'être vu et utilisé.
Cela crée une sorte de "sélection naturelle" sans qu'il y ait de reproduction biologique.

3. Pourquoi c'est révolutionnaire ?

Dans les modèles classiques, on dit : "Les entreprises qui sont les plus rentables survivent."
Dans le modèle d'Adler, on dit : "Les entreprises qui survivent le plus longtemps (parce qu'elles sont stables) deviennent plus visibles, attirent plus de partenaires et finissent par dominer le marché, juste parce qu'elles sont restées là."

C'est comme une rumeur dans une école :

Si une rumeur est fausse mais qu'elle est racontée une fois, elle meurt vite.
Si une rumeur est vraie (ou juste très accrocheuse) et qu'elle reste dans les mémoires pendant des jours, elle finit par être racontée par tout le monde, non pas parce qu'elle est "meilleure" au départ, mais parce qu'elle a persisté.

4. Ce que cela change pour nous (Économie et Politique)

Si nous utilisons ce nouveau modèle pour penser le monde, notre approche change radicalement :

Arrêtons de chercher le "Plan Parfait" : Au lieu d'essayer de concevoir une économie ou une loi parfaite qui restera stable pour toujours (ce qui est impossible), nous devrions créer des environnements où les bonnes idées peuvent durer.
La Résilience avant l'Optimisation : Au lieu de demander "Quelle est la solution la plus efficace ?", demandons "Quelle solution a le plus de chances de survivre aux chocs et de s'adapter ?".
L'Importance du Hasard : Les modèles actuels essaient d'éliminer le hasard. Adler dit que le hasard (les rencontres fortuites, les erreurs, les innovations inattendues) est essentiel. C'est le moteur de la nouveauté. Mais ce n'est que si ces nouveautés sont assez solides pour durer qu'elles deviennent importantes.

En Résumé 🎯

Dan Adler nous dit que l'évolution n'est pas une magie biologique réservée aux animaux. C'est un mécanisme physique simple : ce qui dure, s'accumule.

Les vieux modèles sont comme des cartes routières fixes : elles vous montrent le chemin, mais ne peuvent pas créer de nouvelles routes.
Le nouveau modèle (SDA) est comme un jardin sauvage : vous plantez des graines (des idées, des entreprises), vous laissez le vent (le hasard) les disperser, et vous observez quelles plantes survivent le plus longtemps. Celles qui survivent finissent par former la forêt.

Pour comprendre le futur de l'économie ou de la technologie, il ne faut pas prédire l'avenir, mais comprendre comment les choses survivent pour façonner l'avenir elles-mêmes.

Titre : Pensée Systémique Évolutive : Des Modèles d'Équilibre aux Dynamiques Adaptatives Ouvertes

1. Problématique

Le terme « évolution » est largement utilisé en économie, en politique et en technologie pour décrire des changements à long terme (évolution des firmes, des marchés, des institutions). Cependant, la majorité des modèles de dynamique des systèmes (System Dynamics) actuels restent contraints par des espaces d'états fixes, des règles de transition statiques et une recherche d'équilibre.

Le paradoxe : Bien que ces modèles capturent l'adaptation au sein de structures préétablies, ils échouent à expliquer l'émergence de nouvelles structures, stratégies ou catégories au fil du temps.
La limitation fondamentale : Les modèles basés sur l'équilibre supposent que le paysage dynamique (les règles, les états possibles) est fixe. Ils ne peuvent pas générer une évolution ouverte (open-ended evolution), car ils ne permettent pas à la composition de la population de remodeler les règles qui régissent son propre futur. L'évolution y est souvent utilisée comme une métaphore descriptive plutôt que comme un mécanisme dynamique implémenté.

2. Méthodologie : L'Assemblage Piloté par la Stabilité (SDA)

L'auteur propose un cadre minimaliste et non-équilibré appelé Stability-Driven Assembly (SDA) pour modéliser l'évolution sans recourir à la biologie classique (pas de gènes, pas de réplication, pas de fonctions de fitness prédéfinies).

Principe de base : Le système est un flux ouvert où des entités (motifs) sont générées par des interactions stochastiques et supprimées par dégradation.
Mécanisme clé : La différence de persistance. Certains motifs persistent plus longtemps que d'autres en raison de leur stabilité intrinsèque.
Boucle de rétroaction endogène :
1. Les motifs plus stables persistent plus longtemps dans la population.
2. Leur accumulation augmente leur fréquence relative.
3. Une fréquence plus élevée augmente la probabilité qu'ils soient sélectionnés pour de futures interactions (échantillonnage proportionnel à la fréquence).
4. Cela crée une pression de sélection émergente : les structures stables dominent non pas parce qu'elles sont « optimales » selon un critère externe, mais parce qu'elles survivent plus longtemps et participent davantage aux cycles suivants.
Formalisation mathématique :
- L'auteur modélise la dynamique de la distribution des motifs comme une équation de Fokker-Planck non linéaire et dépendante de l'histoire :
  $\frac{\partial P(x, t)}{\partial t} = -\nabla \cdot [A[P](x, t) P(x, t)] + D\nabla^2 P(x, t)$
- Le terme de dérive (drift) $A[P]$ n'est pas un champ externe fixe (comme la gravité), mais une fonctionnelle qui dépend de la distribution entière de la population $P$ . Cela rend le système non-linéaire et incapable de converger vers un équilibre statique fixe.
- Le terme de diffusion représente la création stochastique de nouveauté.

3. Contributions Clés

Démystification de l'évolution : Démonstration que la sélection peut émerger purement de la stabilité différentielle (persistance) dans un système ouvert, sans besoin de réplication biologique ou de gènes.
Critique des modèles d'équilibre : Preuve théorique que les modèles à espace d'états fixe, même simulés numériquement, ne peuvent pas produire d'évolution ouverte car ils ne permettent pas la co-évolution de la structure et de la dynamique.
Algorithme SDA/GA : Introduction d'un algorithme minimaliste (Stability-Driven Assembly / Genetic Algorithm) où l'échantillonnage proportionnel à la fitness (sélection) est une propriété émergente de la persistance, et non une règle imposée.
Refonte de la modélisation par stocks et flux : Proposition de réinterpréter les « stocks » non pas comme des quantités de substances conservées, mais comme des populations de motifs dont l'identité et les règles d'interaction évoluent.

4. Résultats

Simulation de réduction d'entropie : Dans une simulation symbolique SDA, l'entropie de Shannon de la distribution de la population diminue de manière constante au fil du temps. Cela indique l'accumulation de probabilité sur un sous-ensemble de motifs à longue durée de vie, démontrant l'émergence d'ordre et de sélection sans fonction de fitness explicite.
Contraste avec les contrôles : Dans un contrôle sans biais de persistance (recherche aléatoire), l'entropie reste élevée, indiquant une exploration uniforme sans convergence vers des structures dominantes.
Dynamique non-équilibrée : Les résultats montrent que le système ne converge pas vers un point fixe, mais maintient un état transitoire dynamique où la structure est continuellement remodelée par la sélection basée sur la persistance.

5. Signification et Implications

Pour la Dynamique des Systèmes : Il est nécessaire de passer d'une analyse d'équilibre à des modèles où l'espace d'états, les règles d'interaction et les pressions de sélection co-évoluent avec la population. La structure elle-même doit être soumise à la sélection.
Pour l'Économie et les Politiques Publiques :
- Les modèles économiques actuels, souvent centrés sur l'équilibre, échouent à prédire l'émergence de nouvelles stratégies ou institutions.
- L'approche SDA suggère que les politiques ne doivent pas viser l'optimisation d'un état final, mais le façonnage des paysages de persistance (persistence landscapes). L'objectif est de créer des conditions où les structures désirables (modèles d'affaires, normes, technologies) peuvent survivre et se propager.
- De petites interventions affectant les taux de survie ou de renouvellement peuvent avoir des conséquences disproportionnées en remodelant la composition de la population sur le long terme.
Pour la Modélisation Agent-Based et l'IA : Les modèles basés sur les agents (ABM) sont un substrat naturel pour implémenter le SDA, à condition qu'ils permettent une rétroaction où la composition de la population modifie les règles d'interaction futures. L'IA peut servir de substrat flexible pour la variation et l'interaction, favorisant une évolution ouverte plutôt qu'une simple optimisation.

Conclusion :
L'évolution n'est pas une métaphore biologique importée, mais une classe générale de comportement dynamique qui émerge sous des conditions structurelles spécifiques : couplage stochastique entre génération et persistance différentielle dans un système ouvert. Pour modéliser correctement les systèmes adaptatifs complexes, il faut abandonner les contraintes d'équilibre et adopter des cadres où la structure et la dynamique s'influencent mutuellement de manière endogène.