Sujet :

Il a demandé d’expliquer analyse causale (les étapes) et de faire un modèle sur la

consommation de drogue par les jeunes !

Réponses :

Cette analyse est répartie en quatre grande étape :

1. Conceptualisation :
● Définir le but du modèle : pourquoi on veut faire ce modèle (objectif)

● Définir les limites et variables clés : On indique les variables qui me

semblent internes et externes.
● Décrire le comportement ou dessiner un scénario de référence des
variables clé : ces variables on les projette dans le temps sur un
scénario de référence, c’est essentiel parce que quand la
modélisation sera terminée, et que je souhaiterai le tester, je vais
obtenir les graphiques. SINON JE SERAI PAS QUOI SIMULER ET
SAVOIR LE BON OU MAUVAIS RÉSULTAT…. Mon modèle est
capable de simuler une situation.
● Faire le diagramme de flux de base des boucles de rétroaction : de
l’analyse causale, je relie toutes les variables entre elles en se posant
la question des causes et je construis le modèle causal. Il faut une
certaine dynamique dans la simulation, donc il faut avoir des forces
qui s’opposent : boucle explosive et boucle stabilisatrice.
2. La formulation :
● Convertir le modèle causal en variable de niveau et équation : on va
convertir les différentes variables en stock et flux
● Sélectionner et estimer les valeurs des variables de décision :
formaliser équations en attribuant des valeurs à chacune de ces variables et
tout ça en fonction de notre scénario de départ.

3. Le test :
Je teste différents scénarios , je commence par un secteur puis un autre. Je prends la
valeur d’un secteur et je la branche à la variable d’un autre et je vais voir ce qu’il
s’y passe. Je fais des campagnes de simulation, je teste des valeurs sur des
centaines de valeurs, voir s’il y a des choses qui s’y passent.
4. L’implémentation :
On va mettre en forme notre modèle final et réfléchir aux scénarios futurs, si telle
décision n’est pas prise, dans 20 ans c mort … jouer sur plusieurs aspects.
 Q2: 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.

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 étapes 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 :

Ce modèle nous montre des boucles 2 boucles positives et 4 boucles négatives telles que :

Boucle rouge: plus le taux d'infection augmente plus on a d’infection plus on a d’infection
moins la pop non immunisée diminue et lus la pop non immunisée diminue plus y a
d'infection plus y a d'infection plus le taux d'infection augmente ce qui constitue une boucle
positive.

De plus nous avons les variables externes qui peuvent varier sur la fluctuation de taux
d'infection, plus on a le taux de contacte qui augmente plus le taux d’infection augmente, plus
la puissance de virus augmente plus le taux d’infection augmente et plus la durée
d’incubation est élevé plus le taux d’infection diminue.

Boucle bleu: Plus il y a d'infection plus il y a de la population non immunisée et moins de la

population non immunisée plus il y a d’infection ce qui constitue une boucle négative.
Boucle verte : à supprimer

Boucle orange : plus on a un taux d’infection qui augmente, plus le taux de population
infectée augmente, plus le nombre de pop infectées augmente, plus l’infection augmente et
plus l’infection augmente le taux d’infection augmente, ce qui constitue une boucle positive.

Boucle violet : plus on a le nombre de population infectée plus le nombre de guérison

augmente, plus on a des garaison moins à de nombre de population infectée ce qui constitue
boucle négative, de plus nous avons les variables externes qui peuvent varier sur la
fluctuation de guérison, plus le taux de guérison est fort plus on a de guérison, plus la durée
minimum de l’état virus actif est grande moins on a de guérison, et plus on a de population
guérie plus on a de guérison .

Boucle rose : plus le nombre de population infectée est élevé plus on a de décès plus on a de
décès le nombre de population infectée diminue, ce qui fait une boucle négative.

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.

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 émises 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 produit 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.