Complexité

Si la langue courante confond « compliqué » et « complexe », la science de la complexité s'attache à les distinguer. 

Les systèmes compliqués peuvent être décrits de manière analytique. Ces systèmes sont linéaires au sens où leur fonctionnement suit une chaîne de causalité clairement identifiable. Le fonctionnement d’ensemble résulte d’interactions linéaires entre des éléments simples, en lesquels le système peut être décomposé. Comme les sous-systèmes sont autonomes et interagissent de façon linéaire, le tout n’est ici rien de plus que la somme des parties. André Zwirn résume cette propriété lorsqu'il affirme que "nous dirons qu'un système est compliqué mais non complexe si ... il est possible de l'analyser en le décomposant en parties plus simples, en identifiant la fonction de chacune de ses parties  et en déduisant le fonctionnement du système global de la combinaison des fonctions de chacune de ses parties" (2006, 22).

Avec plus de mille pièces, une montre mécanique est un système compliqué. Certes, une personne ordinaire ne peut pas embrasser du regard les rapports de cause à effet à l’œuvre dans ce système, et encore moins le réparer si quelque chose se grippe. Mais pour qui possède l'expertise nécessaire, il est possible de comprendre les différentes étapes de l'engrenage et de saisir le fonctionnement global du système. L’horloger peut décider sans peine quel ressort ou quelle roue dentée il doit remplacer pour que le système fonctionne de nouveau sans accroc. 

En conséquence, les systèmes compliqués se prêtent à une appréhension intuitive, notre cognition saisissant sans peine une chaîne linéaire de causalités : A cause B, B cause C, C cause D, et ainsi de suite (Zwirn, 2006, 24).

A l'inverse, les systèmes complexes requièrent une description holistique. Dans des systèmes complexes, les rapports de causalité et les interdépendances échappent à toute description exacte par des règles ou des modèles, même lorsqu'on dispose de suffisamment d’informations sur chaque acteur du système pris isolément. Les systèmes complexes comportent une part de chaos : celui-ci échappe à toute description par des règles claires et reste, de ce fait, imprévisible.

À cela s’ajoute une difficulté supplémentaire : nous ne disposons de toute façon la plupart du temps que d’une partie des informations qui seraient nécessaires à une prise de décision éclairée. Dans les enchevêtrements de la complexité, nous ne comprenons souvent même pas assez bien les rapports de causalité pour pouvoir décider quelles données il faudrait recueillir afin de décider en connaissance de cause. En conséquence, l’action d’un acteur isolé ne produit pas de réactions prévisibles dans le système. Les effets de l'irrationnalité sont donc imprévisibles. 

Les systèmes complexes présentent en outre des propriétés émergentes. Les interactions entre leurs éléments peuvent créer de nouvelles propriétés. Cela implique que les propriétés du système ne se laissent pas dériver des propriétés de ses éléments. 

Enfin, les systèmes complexes se dérobent à l'intuition et déroutent davantage notre cognition. Nous peinons par exemple à comprendre des réseaux d’interactions circulaires, avec des boucles des boucles de rétroaction du type : A influe sur B, B sur C, et C à son tour sur A.  Faute de pouvoir saisir intuitivement le comportement de ces systèmes, il faut recourir à la modélisation pour en rendre compte (voir Zwirn, 2006, 23-27, qui en donne une illustration). 

Thomas Range résume cette opposition en affirmant que "la vie n'est pas compliquée. Elle n'est pas un jeu d'échec. La vie est complexe. Elle est un match de football" (2020, 32). 

Bibliographie

Thomas Range, Augmented Intelligence. Wie wir mit Daten und KI besser entscheiden, Stuttgart, 2020

Hervé P. Zwirn, Les systèmes complexes. Mathématique et biologie, Paris, 2006