Group dynamics shape contagion onsets and multistable active phases under collective reinforcement

1. Problématique et Contexte

Les modèles de contagion complexe (adoption de comportements, idées ou innovations) reposent souvent sur l'idée que l'adoption nécessite une exposition multiple ou un renforcement par les pairs, plutôt qu'une simple exposition unique. Récemment, la modélisation de ces processus via des interactions d'ordre supérieur (au sein de groupes de taille $n \ge 2$) a montré que le renforcement collectif pouvait transformer une transition de phase continue en une transition discontinue (explosive).

Cependant, la majorité de ces études se basent sur deux approximations limitantes :

1. Structures statiques (limite "quenched") : Les groupes sont figés dans le temps.
2. Approximations de champ moyen (limite "annealed") : Les groupes se recomposent infiniment vite, négligeant la dynamique temporelle réelle.

La question centrale de cet article est de déterminer comment la dynamique des groupes (le fait que les individus rejoignent et quittent les groupes à une vitesse finie) influence la nature des transitions de phase, les seuils d'invasion et la stabilité des états actifs dans les modèles de contagion d'ordre supérieur. Les auteurs soulignent que les résultats contradictoires de la littérature (la variabilité temporelle favorisant ou inhibant la contagion selon les modèles) pourraient provenir de la manière dont la temporalité est modélisée.

2. Méthodologie

Les auteurs développent un modèle mathématique analytiquement traitable couplant la dynamique de contagion complexe et la dynamique temporelle des groupes.

• Modèle de Contagion Temporel d'Ordre Supérieur :

  • Le système est composé d'individus et de groupes de taille $n$ (distribution $\{p_n\}$).
  • Les individus ont un nombre de memberships $k$ (distribution $\{g_k\}$).
  • Dynamique de contagion : Un individu susceptible dans un groupe de taille $n$ contenant $i$ adopteurs devient adopteur à un taux $\beta(n, i) = \lambda i^\nu$, où $\nu$ est l'exposant de synergie (renforcement non linéaire). Les adopteurs reviennent à l'état susceptible à un taux $\mu$.
  • Dynamique des groupes : Les individus changent de groupes à un taux $\omega$ (taux de rotation ou switching rate). Ce processus est modélisé comme un échange aléatoire d'individus entre groupes.

• Équations Maîtresses Approchées (AME - Approximate Master Equations) :

  • Les auteurs dérivent un système d'équations différentielles couplées (nommées $\omega$-AME) qui suivent l'évolution de la densité d'individus susceptibles avec $k$ memberships ($s_k$) et la fraction de groupes de taille $n$ contenant $i$ adopteurs ($f_{n,i}$).
  • Ce modèle permet d'interpoler analytiquement entre la limite statique ($\omega \to 0$) et la limite de champ moyen ($\omega \to \infty$).
  • L'état stationnaire est résolu numériquement et analytiquement pour déterminer le seuil d'invasion ($\lambda_c$), le seuil de persistance ($\lambda_p$) et la stabilité des points fixes.

• Validation Empirique :

  • Le modèle est appliqué à sept jeux de données réels d'interactions face-à-face (écoles, hôpitaux, conférences, villages) provenant de la base SocioPatterns.
  • Les distributions de tailles de groupes et de memberships réelles, ainsi que les taux de rotation empiriques ($\langle \omega \rangle$), sont intégrés dans le modèle.

3. Résultats Clés

A. Impact de la dynamique des groupes sur la transition de phase

• Transition Discontinue et Bistabilité : Dans les systèmes statiques (quenched) avec des groupes finis et disjoints, la contagion ne peut pas s'infiltrer (le seuil d'invasion diverge). L'introduction d'une dynamique de groupes ($\omega > 0$) permet l'émergence d'une phase active.
• Changement de nature de la transition : Pour les contagions linéaires ($\nu=1$), la transition reste continue. Cependant, pour des contagions non linéaires fortes ($\nu > 1$), l'augmentation du taux de rotation $\omega$ peut transformer une transition continue en une transition discontinue, créant une région de bistabilité (coexistence d'un état absorbant et d'un état actif).
• Seuil d'invasion non monotone : Contrairement aux réseaux pair-à-pair où la variabilité temporelle abaisse toujours le seuil d'invasion, ici, le seuil d'invasion $\lambda_c(\omega)$ présente un comportement non monotone. Il existe un taux de rotation optimal $\omega^*$ qui maximise la propagation. Au-delà de ce taux, un brassage trop rapide empêche l'accumulation du renforcement nécessaire, supprimant l'adoption.

B. Hétérogénéité et Multistabilité (Régimes Localisés)

Lorsque l'on intègre l'hétérogénéité réelle des tailles de groupes et des memberships :

• Quatre Régimes Dynamiques : Le diagramme de phase devient beaucoup plus riche, révélant quatre régimes distincts combinant transitions continues/discontinues et activité localisée/délocalisée.
• Phases Actives Multistables : Les auteurs découvrent des régimes où trois états stables coexistent : un état absorbant et deux états actifs distincts.
  • L'état actif inférieur est maintenu par les adopteurs dans les plus grands groupes (localisation mésoscopique).
  • L'état actif supérieur est partiellement localisé.
• Ces phases multistables complexes n'apparaissent ni dans la limite statique ni dans la limite de champ moyen ; elles sont intrinsèquement dues à l'interaction entre la dynamique temporelle et l'hétérogénéité structurelle.

C. Implications pour les Systèmes Réels

• Renforcement Nécessaire : L'analyse des données empiriques montre que pour observer des transitions discontinues dans des systèmes réels, le renforcement non linéaire ($\nu$) doit être beaucoup plus fort que ce que prédisent les modèles statiques ou de champ moyen.
• Échelles de Temps : La classe de transition est déterminée par la compétition entre l'échelle de temps de la contagion ($\mu^{-1}$) et celle du mouvement des individus ($\omega^{-1}$).
• Couplage Structurel : Un indicateur de couplage structurel effectif ($Q$) est introduit. Les systèmes faiblement couplés nécessitent un renforcement plus fort pour basculer vers une transition discontinue.

4. Signification et Conclusion

Ce travail établit que la temporalité n'est pas un effet secondaire mais un mécanisme dynamique central qui détermine la classe de transition macroscopique des processus de contagion d'ordre supérieur.

• Correction des Prédictions : Les représentations statiques (agrégées) ou de champ moyen peuvent fournir des prédictions qualitativement erronées, notamment en sous-estimant la force du renforcement nécessaire pour déclencher des transitions explosives.
• Nouveaux Phénomènes : L'étude révèle l'existence de phases actives multistables et de transitions hybrides (continues avec bistabilité active, ou discontinues avec trois états stables) qui sont invisibles dans les modèles traditionnels.
• Implications Méthodologiques : Pour une modélisation précise des systèmes sociaux réels, il est impératif d'intégrer les informations temporelles et la dynamique de composition des groupes, car l'agrégation des données masque des mécanismes critiques de localisation et de multistabilité.

En résumé, l'article propose un cadre unifié pour la contagion temporelle d'ordre supérieur, démontrant que la dynamique des groupes restructure fondamentalement le paysage des transitions de phase, rendant la prédiction des épidémies sociales ou de l'adoption de comportements beaucoup plus complexe et dépendante des échelles de temps spécifiques du système.