La dynamique des systèmes est une démarche systémique qui s’intéresse

aux systèmes ouverts. En effet, elle capture la dynamique par rapport à une
problématique et va permettre d’explorer les évolutions. On dit que la dynamique des
systèmes complexes est une science du changement et de l’évolution. C’est-à -dire qu’elle
permet d’analyser les facteurs qui créent le changement ou, au contraire, qui s’y
opposent. La dynamique des systèmes s’appuie sur des principes, une démarche, une
complexité, des notions de bases et une analyse causale. Donc dans un premier
temps, nous allons définir toutes les notions de base de la dynamique des systèmes afin
de comprendre le fondement de cette science du changement, puis à partir d’un exemple
concret, nous expliquerons la démarche que l’on va entreprendre pour implémenter un
modèle et l’utiliser pour prendre des décisions.

D’une part, un système est un ensemble de variables interconnectées entre elles

et qui s’influencent mutuellement. Il existe quatre grands principes qui fondent l’étude
d’un système : le principe de totalité c.à .d. que l’on considère le système comme une
totalité et non comme un ensemble de composants ; le principe d’homéostasie c.à .d.
qu’un système est auto régulé donc il possède des mécanismes régulateurs qui le
ramènent à son état initial dès qu’il y a une perturbation interne ou externe ; le principe
de rétroaction c.à .d. que l’on peut avoir la rétroaction positive qui tend à accentuer les
fluctuations et le système s’écarte de plus en plus de son état initial et on peut avoir une
rétroaction négative qui tend à amortir les fluctuations. Enfin, on a le principe
d’équifinalité c.à .d. que l’on possède un système ouvert qui peut parvenir à un état
temporellement autonome, indépendant des conditions initiales et déterminé
uniquement par les paramètres du système.

La dynamique des systèmes s’appuie sur une démarche systémique qui consiste à se
concentrer sur les interactions entre éléments et considère les effets des interactions.
Elle s’appuie sur la perception globale et modifie des groupes de variables
simultanément. De plus, elle intègre la durée et l’irréversibilité des phénomènes. Alors
que la démarche analytique se concentre sur les éléments et considère la nature des
interactions. Elle modifie une variable à la fois et est indépendante de la durée. Nous
remarquons donc que la systémique remet en question la conception traditionnelle de la
causalité et propose des analyses causales qui mettent en évidence des phénomènes de
causalité rétroactive et circulaire.

Par ailleurs, la DDS ne fait pas face aux complexités spatiales et imprévisibles mais
plutô t à la complexité dynamique c.à .d. que l’on possède un système composé d’un
ensemble de variables reliées entre elles par des boucles de rétroaction. Ce type
d’analyse complète la connaissance structurelle par une meilleure compréhension du
comportement dynamique du système étudié.

Il est important aussi d’énoncer les cinq notions de base sur lesquelles se fonde la
dynamique des systèmes. En premier lieu, nous retrouvons la notion de Force et d’Etat
qui dit qu’une force agissant sur l’état d’un système résulte toujours de la comparaison
entre deux états: le but (objectif) et la réalité. Donc la différence entre l’objectif et la
réalité va pousser à l’action et donc cela va générer une ou des forces qui auront pour
effet de modifier à terme la réalité et plus tard encore l’objectif.
En deuxième lieu, nous retrouvons les boucles de rétroaction que nous avons énoncées
plus haut. Nous pouvons distinguer entre les boucles stabilisatrices et les boucles
explosives. Les boucles stabilisatrices tendent à stabiliser le système dans le temps et
l'amènent vers un état d’équilibre donc on parle de comportement homéostatique. En
second, on a les boucles explosives qui ont un comportement explosif ou implosif et
donc qui écarte le système de son état initial.
En troisième lieu, nous distinguerons la notion de Retards et Délais. En effet, il y a
toujours un délai entre les variables. C’est la non instantanéité des relations de cause à
effet. Ainsi la notion de retard paraît évidente.
En quatrième lieu, nous retrouvons la notion de non linéarité qui explique que les
relation d’influence entre variables comportent un élément de non linéarité entre cause
et effet.
Enfin, la dernière notion fait part de l’évolution structurelle qui explique que l’on
constate que les relations entre variables et les boucles de rétroaction mises en évidence
ne sont pas toutes actives au même moment. Donc selon l’évolution du système et l’état
dans lequel il se trouve, nous assistons à un changement de comportement structurel
prévisible.

D’autre part, afin de modéliser un modèle, de l’implémenter et de l’utiliser pour

prendre des décisions nous utiliserons un logiciel qui est un outil de simulation intitulé
STELLA. Il va nous permettre d’explorer une infinité de scénarios sur la dynamique des
systèmes qui nous intéresse. Afin de mieux comprendre les processus de modélisation et
ses différentes étapes, nous allons contextualiser un exemple afin de mieux comprendre.
Le contexte de notre exemple porte sur l’épidémie de coronavirus actuelle qui est une
maladie infectieuse dont le patient zéro se trouvait en Chine à Wuhan depuis le 31
Décembre 2019. Il existe quatre étape afin de pouvoir implémenter un modèle. Il faut
commencer par la conceptualisation qui consiste à définir le but du modèle (dans notre
contexte, on souhaite savoir comment on peut réduire le nombre de cas infectés pour
qu’il n’y ait plus de propagation) ; il faut définir les limites et les variables clés de notre
modèle (dans notre contexte les variables clés sont les suivantes : le taux d’infection, le
taux de contact, la puissance du virus, la population totale, le taux de mortalité, le taux
de guérison etc.) , il faut aussi décrire le comportement ou dessiner un scénario de
référence des variables clés et ensuite faire le diagramme de flux de base des boucles de
rétroaction c.à .d. que l’on va relier les variables entres elle en se posant la question des
causes. Dans notre contexte, ça ressemblera à cela :
La deuxième étape s’intitule la formulation c.à .d. que l’on va convertir le modèle causal
en variable de niveau et équation, il s’agit de poser le secteur, le stock, les flux entrants
et sortant, les taux donc en tenant compte de notre exemple on aura une simulation
équivalente à celle-ci :

Ainsi on pourra sélectionner et estimer les valeurs des variables de décision par
exemple on va formaliser les équations en mettant des valeurs comme le taux de
contaminés est de 84000, le taux de décès est de 3000 etc. Puis nous procéderons au
Test c.à .d. que l’on va tester les scénarios de référence à partir des hypothèses que l’on
aura émis au début. Dans le contexte de notre exemple, nous avons quatre scénarios :
scénario 1 : plus la durée d’incubation augmente et plus le taux d’infection diminue ;
scénario 2 : plus le remède est puissant, plus la durée moyenne de l’état du virus actif
diminue ; scénario 3 : plus le remède est puissant et plus la puissance du virus diminue ;
scénario 4 : plus la population sera sensibilisée, moins il y aura de propagation du virus.
Puis en vue des simulations faites lors des tests nous ferons l’implémentation c.à .d. que
l’on va réfléchir aux scénarios futurs si telle ou telle décision n’est pas prise, ainsi on va
jouer sur plusieurs aspects. On peut par exemple trouver le meilleur scénario possible
ou un modèle contre-intuitif. En effet, nous aurons différents types de vues par rapport à
la problématique du système. Nous aurons donc deux types de vues objective (trouver
le bon résultat optimisé pour éviter ce qu’il va se passer) et subjective (trouver le bon
consensus donc le scénario sur lequel tout le monde va s’entendre). Les deux méthodes
ont en commun de rejeter le statu quo et de rechercher à restructurer le système par
apprentissage ou par transformation. Mais elles peuvent avoir aussi en commun
d’accepter la structure du système par la coordination ou l’analyse. Par ailleurs nous
pouvons formuler un changement radical si la problématique ne produits pas les
résultats escomptés alors nous serons amenés à changer le système ou l’on peut
formuler une régulation si le système convient tel qu’il est.

En somme, le but est de construire un modèle et d’impliquer les personnes dans le

processus et de développer un éclairage qui change les modèles mentaux et qui en
retour conduira à changer les décisions et la dynamique du système étudié. L’étape de
l’analyse causale permet une représentation ordonnée du système. L’analyse causale
permet de structurer le problème, de le décomposer en sous-ensemble d’éléments
souples destinés à être analysés individuellement ; Plus on développe cette analyse
qualitative, plus on se rend compte de la complexité des choses et des comportements.