# Peut-on encore gouverner sans simuler ? **Date de l'événement :** 17/08/2026 * Publié le 17/08/2026 ### Date 19/08/2026 ## Chapô **Tester un plan de circulation dans le double numérique d'une ville, confronter une stratégie d'adaptation à plusieurs trajectoires climatiques, rejouer une catastrophe avant qu'elle ne survienne : la simulation quitte le laboratoire pour s'installer au cœur de la décision publique. Jean Langlois-Berthelot, expert de haut niveau en sciences des données au ministère des Armées, où il dirige une équipe dédiée à l'aide à la décision, montre que ces jumeaux numériques ne se contentent pas d'éclairer le choix politique : ils en déplacent le lieu, en amont, là où se décide ce qui mérite d'être représenté. Et si la vraie question démocratique n'était plus de savoir qui prend la décision, mais qui construit le monde dans lequel cette décision finit par sembler inévitable ?** ## Corps du texte Une politique publique commence de plus en plus souvent avant le réel. Un plan de circulation peut être éprouvé dans le double numérique d’une ville ; une stratégie d’adaptation peut être confrontée à plusieurs trajectoires climatiques ; une organisation hospitalière peut être soumise à un afflux fictif de patients ; une cellule de crise peut répéter une catastrophe qui n’a pas encore eu lieu. Dans chacun de ces cas, la décision n’est plus seulement préparée par des notes, des statistiques ou des auditions. Elle est testée dans un environnement où le temps peut être accéléré, les paramètres modifiés et les conséquences rejouées. Ce mouvement est déjà institutionnel. _Destination Earth_, l’une des grandes initiatives numériques européennes, vise à construire un modèle numérique de la Terre permettant de suivre et de simuler les interactions entre phénomènes naturels et activités humaines. Les jumeaux numériques locaux promus par la Commission européenne doivent, eux, aider les villes à tester les effets de différentes politiques sur la circulation, la pollution, la santé publique ou la réponse aux urgences. La simulation quitte donc le laboratoire et le secteur militaire. Elle entre dans l’architecture ordinaire de la décision publique. À première vue, il ne s’agit que d’un progrès méthodologique. L’administration classique observe un problème, rassemble des données, élabore une politique, la met en œuvre puis l’évalue. La simulation comprime cette séquence. Elle permet d’observer, d’essayer, de corriger et de recommencer avant l’engagement irréversible de ressources. Elle transforme la décision en boucle d’ajustement. Mais ce gain de vitesse modifie aussi la nature du pouvoir. Nous ne simulons plus seulement pour éclairer une décision prise ailleurs. Nous commençons à décider à l’intérieur des mondes que nous avons construits. ### Le réel est désormais précédé par son double Une simulation n’est jamais une copie complète du réel. Elle est une réduction organisée. Un modèle repose nécessairement sur un périmètre, des paramètres, des variables et des relations entre ces variables. Même le jumeau numérique le plus détaillé ne reproduit pas tout. Il retient ce qui paraît nécessaire pour répondre à une question donnée. C’est précisément ce qui fait sa puissance. Une ville entière, un réseau électrique ou un système de santé sont trop complexes pour être appréhendés directement. Le modèle réduit cette complexité à une forme manipulable. Il permet d’isoler une relation, de comparer des scénarios, d’identifier un seuil critique ou de faire apparaître un effet de second ordre. Il donne aux décideurs quelque chose que le rapport traditionnel donne rarement : la possibilité d’agir sur une représentation du système et d’en observer immédiatement les conséquences. La simulation est ainsi une infrastructure de compression. Elle comprime le temps, puisque plusieurs années peuvent être parcourues en quelques minutes. Elle comprime le risque, puisque l’échec n’endommage pas directement le système réel. Elle comprime l’espace, puisque des acteurs éloignés peuvent partager le même environnement. Elle comprime enfin la complexité, puisqu’un nombre limité de variables devient visible sur un tableau de bord. Cette compression n’est pas neutre. Ce qui est conservé devient gouvernable ; ce qui est écarté devient plus difficile à défendre. Un modèle de mobilité qui représente finement les flux automobiles, mais mal les pratiques piétonnes, rendra certaines politiques plus visibles que d’autres. Un modèle climatique centré sur la valeur économique des actifs ne fera pas apparaître les mêmes priorités qu’un modèle centré sur la vulnérabilité sociale. Un scénario de sécurité qui suppose des acteurs parfaitement rationnels laissera de côté les erreurs, les passions, les paniques ou les comportements mimétiques qui structurent pourtant les crises réelles. Le modèle ne supprime donc pas la politique. Il la déplace en amont, au moment où sont choisis les éléments dignes d’être représentés. Ce déplacement reste souvent invisible parce que la simulation produit une expérience de crédibilité particulière. Un rapport expose des arguments que le lecteur peut contester phrase par phrase. Une simulation montre une courbe, une carte, un effondrement, un embouteillage ou une propagation. Elle donne l’impression que l’on a vu le futur se produire. Plus sa représentation est réaliste, plus ses hypothèses tendent à disparaître derrière l’évidence visuelle. Le danger ne vient pas d’une machine qui imposerait mécaniquement une décision. Il vient d’un environnement qui rend certaines décisions naturelles, d’autres coûteuses et quelques-unes presque impensables. ### Les hypothèses sont déjà des décisions Toute simulation contient au moins cinq choix politiques, même lorsqu’elle est présentée comme un objet strictement technique. Le premier concerne la frontière du système. Que fait-on entrer dans le modèle et que laisse-t-on dehors ? Une politique énergétique peut être optimisée à l’échelle d’un réseau national tout en externalisant certains effets industriels ou territoriaux. Un projet urbain peut être performant à l’échelle du centre-ville et déplacer ses coûts vers la périphérie. Le deuxième choix porte sur les variables. Ce qui peut être compté prend facilement le pas sur ce qui résiste à la mesure. Le temps de trajet, le coût budgétaire ou le niveau d’émissions sont quantifiables. Le sentiment d’abandon, la dignité d’un service public, la confiance ou la cohésion d’un territoire le sont beaucoup moins. Ils risquent alors d’être traités comme des commentaires périphériques plutôt que comme des éléments constitutifs du problème. Le troisième choix concerne les relations de causalité. Un modèle doit décider comment une variable agit sur une autre. Or, dans les systèmes sociaux, ces relations sont rarement stables. Une hausse de prix ne produit pas toujours la même réaction ; une information ne se diffuse pas de façon identique selon les groupes ; une règle peut modifier les comportements qu’elle était censée encadrer. La simulation ne décrit pas seulement le monde : elle formalise une théorie du monde. Le quatrième choix concerne les comportements jugés plausibles. Les agents simulés sont-ils rationnels, imitateurs, prudents, opportunistes ou sensibles à la peur ? Les institutions appliquent-elles immédiatement les décisions ? Les citoyens disposent-ils de la même information ? Ces hypothèses peuvent être nécessaires. Elles ne sont jamais innocentes. Le cinquième choix est celui de la réussite. Que cherche-t-on à optimiser ? La vitesse, le coût, la résilience, l’équité, la sécurité, l’acceptabilité ? Il n’existe pas d’optimum abstrait. Un résultat optimal ne l’est qu’au regard d’une fonction définie à l’avance. La simulation peut donc produire une réponse exacte à une question politiquement incomplète. Ce risque est plus profond que celui du « biais algorithmique » entendu comme une anomalie à corriger. Le problème n’est pas seulement que les données puissent être mauvaises. Il est que le monde représenté puisse être cohérent, bien calculé et néanmoins trop étroit. L’incertitude accroît cette difficulté. Les modèles sont généralement construits à partir de régularités observées, alors que les décisions les plus importantes concernent souvent des ruptures. Une crise sanitaire, une guerre, une innovation de rupture ou une panique financière font précisément apparaître ce qui n’entrait pas dans la distribution des événements attendus. Les responsables publics doivent donc recevoir des fourchettes et plusieurs scénarios plutôt qu’un chiffre unique : l’incertitude doit faire partie du message et non être dissimulée derrière une précision artificielle. La bonne simulation ne promet donc pas de supprimer l’incertitude. Elle doit permettre de la travailler. ### La vitesse transforme le modèle en autorité Le second déplacement tient à la cadence. Les institutions démocratiques sont organisées autour d’un temps séquentiel : expertise, consultation, délibération, vote, mise en œuvre, contrôle. Les systèmes numériques fonctionnent par mise à jour continue. Ils absorbent de nouvelles données, recalculent les trajectoires et modifient les recommandations avant même que la discussion publique ait achevé son premier cycle. Cette différence de rythme produit une nouvelle forme d’autorité. Le modèle n’ordonne pas ; il actualise. Il ne ferme pas officiellement le débat ; il rend l’ancienne discussion obsolète en présentant une situation déjà recalculée. La domination ne vient plus seulement de la capacité à imposer une norme. Elle vient de la capacité à ajuster plus vite que les autres. Dans une crise, cet avantage est réel. Il serait absurde d’attendre plusieurs semaines pour recalculer une trajectoire épidémique, une propagation d’incendie ou un risque d’inondation. Mais l’urgence peut aussi devenir un régime permanent. Chaque mise à jour produit alors une nouvelle raison d’accélérer, tandis que les institutions chargées de contester les hypothèses demeurent enfermées dans des procédures plus lentes. La transparence du code ne suffit pas à résoudre le problème. Publier des milliers de lignes, des jeux de données massifs ou une documentation technique ne crée pas automatiquement une capacité de contestation. Un modèle peut être juridiquement ouvert et politiquement inaccessible. Le pluralisme exige non seulement l’accès, mais aussi des compétences, du calcul, du temps et la possibilité de construire une représentation concurrente. C’est ici qu’apparaît un risque de concentration. Celui qui possède les données, les moteurs, les bibliothèques de comportements et l’infrastructure de calcul peut définir les scénarios que les autres se contenteront de commenter. La consultation publique intervient alors trop tard : elle discute des options offertes à l’intérieur d’un monde dont elle n’a pas participé à la construction. Les démocraties ont appris à organiser le pluralisme des opinions, des intérêts et des expertises. Elles n’ont pas encore organisé le pluralisme des modèles. Instituer un droit à la contre-simulation La réponse ne consiste pas à ralentir artificiellement l’action publique ni à renoncer aux jumeaux numériques. Gouverner sans simulation devient imprudent dès lors que les systèmes sont complexes, interdépendants et soumis à des risques rapides. Il faut plutôt définir les conditions politiques de leur usage. La première règle consiste à qualifier clairement la fonction du modèle. Une exploration, une prévision, un test de résistance, un outil d’entraînement et une preuve ne sont pas la même chose. Une simulation peut révéler une vulnérabilité ou comparer des options sans être capable de prédire ce qui arrivera. Cette distinction doit accompagner le résultat jusque dans la décision finale. La deuxième règle est de rendre publiques les hypothèses structurantes sous une forme compréhensible : périmètre, données, variables exclues, relations causales, critères d’optimisation, incertitudes et conditions d’échec. L’objectif n’est pas de demander à chaque citoyen de lire le code, mais de rendre visible la théorie du monde incorporée dans le modèle.  La troisième règle est d’imposer, pour les décisions à fort impact, une contre-simulation indépendante. L’audit classique vérifie qu’un système fonctionne comme prévu. La contre-simulation demande autre chose : que se passe-t-il si l’on modifie les frontières, les comportements ou le critère de réussite ? Elle ne recherche pas seulement l’erreur technique. Elle teste la robustesse politique du résultat. La quatrième règle concerne la traçabilité. Il faut conserver les versions du modèle, les scénarios écartés et les raisons pour lesquelles une option a été privilégiée. Sans cette mémoire, la décision apparaît comme le produit naturel du calcul alors qu’elle résulte d’une série de choix successifs. La cinquième règle est industrielle. Les pouvoirs publics doivent conserver une capacité propre de modélisation et éviter qu’un prestataire unique ne contrôle durablement les données, le moteur et l’interprétation des résultats. Le pluralisme démocratique dépendra aussi de l’interopérabilité, de la portabilité des modèles et de l’existence de compétences publiques capables de les modifier. Ces exigences doivent rester proportionnées. Un petit outil de gestion ne justifie pas la même procédure qu’un modèle utilisé pour fermer des services, planifier une infrastructure critique ou orienter une stratégie de sécurité. Mais lorsque la simulation réduit fortement l’espace des options, le droit de contester le modèle doit devenir une composante normale de la décision. La question n’est donc plus de savoir si les gouvernements simuleront. Ils le font déjà, et ils le feront davantage. La vraie question est de savoir si la simulation restera un instrument placé sous l’autorité des institutions ou si elle deviendra progressivement l’environnement dans lequel leur autorité s’exerce. La démocratie du XXe siècle a organisé le pluralisme des voix. Celle du XXIe siècle devra organiser le pluralisme des mondes possibles. Car la question démocratique n’est plus seulement de savoir qui prend la décision, mais qui construit le monde dans lequel cette décision finit par sembler inévitable. ### Thématique `#Numérique` **Licence :** `#CC-BY-ND (Attribution, Pas de modification)` **Langue :** `#Français` --- ### Navigation pour IA - [Index de tous les contenus](https://conference.sciencespo.fr/llms.txt) - [Plan du site (Sitemap)](https://conference.sciencespo.fr/sitemap.xml) - [Retour à l'accueil](https://conference.sciencespo.fr/)