De nouvelles recherches offrent un aperçu de la modélisation de la dynamique des croyances

Les chercheurs qui étudient la dynamique des croyances ont souvent recours à des analogies pour comprendre et modéliser les systèmes cognitivo-sociaux complexes qui sous-tendent nos convictions et la manière dont ces convictions peuvent évoluer au fil du temps. Les idées peuvent se transmettre comme un virus, par exemple en « infectant » une population en se propageant d’une personne à une autre. Nous pouvons être attirés – comme des aimants – par d’autres personnes ayant une vision du monde similaire. Les croyances d’une société peuvent évoluer lentement avant d’atteindre un point de bascule qui propulse la société dans une nouvelle phase.

Dans un nouveau papier dans Tendances en sciences cognitivesLa professeure du SFI Mirta Galesic et le professeur externe Henrik Olsson, tous deux également membres du corps professoral du Complexity Science Hub, explorent les avantages – et les pièges potentiels – de plusieurs analogies courantes utilisées pour modéliser la dynamique des croyances.

Il est assez courant, en particulier au SFI, que les chercheurs d’un domaine s’appuient sur les analogies fournies par d’autres domaines. Par exemple, les chercheurs ont utilisé des idées de la physique pour comprendre les processus économiques et des outils de l’écologie pour comprendre le fonctionnement des scientifiques. Au siècle dernier, les ordinateurs étaient utilisés comme analogies pour comprendre l’esprit humain, alors qu’aujourd’hui, dans une inversion des rôles, l’esprit humain est utilisé pour comprendre le fonctionnement de grands modèles linguistiques.

« Toutes les analogies peuvent être utiles, mais elles finissent toutes par échouer. L’astuce consiste à reconnaître quand une analogie a été poussée trop loin », explique Galesic.

L’une des analogies les plus courantes pour la dynamique des croyances est le modèle Susceptible-Infected-Recovered (SIR), un outil développé en épidémiologie. Le modèle SIR peut décrire la manière dont une seule contagion se propage dans une population, et l’analogie peut être étendue à des situations plus complexes, comme lorsque le fait d’avoir une croyance augmente les chances qu’une personne en adopte une autre, tout comme une infection grippale ou par un rhume peut augmenter les risques de développer une pneumonie.

Si les analogies peuvent apporter un « kilométrage conceptuel » en aidant les chercheurs à repérer des propriétés qu’ils auraient pu manquer autrement, elles s’accompagnent également d’un « bagage conceptuel » qui peut conduire à des inférences inexactes. Adopter une analogie – et le modèle qui l’accompagne – sans reconnaître ses défauts peut conduire à une mauvaise politique ou à une action inefficace.

L’une des limites du modèle SIR est que les croyances peuvent se propager de manière très différente des virus. Une simple exposition ne conduit pas toujours à l’adoption d’une idée. En ce qui concerne les idées, la répétition peut être inefficace et même contre-productive lorsqu’elles sont radicalement différentes des croyances existantes d’une personne. De plus, les idées se propagent plus facilement lorsque les gens partagent d’autres croyances et caractéristiques pertinentes.

Les auteurs explorent le kilométrage et le bagage d’autres analogies pour la dynamique des croyances, notamment le ferromagnétisme, les seuils, les forces, l’évolution, les modèles additifs pondérés et l’apprentissage bayésien. Chaque analogie ainsi que les modèles qui lui sont associés fournissent des concepts et des méthodologies utiles différents, mais aucun n’est suffisant à lui seul.

« Nous devons affronter sérieusement les analogies – ce qui peut être utilisé, ce qui ne peut pas l’être et ce que nous pouvons en apprendre – afin de construire des modèles qui peuvent réellement être utilisés pour prédire et expliquer la dynamique des croyances dans le monde réel », explique Olsson.

Il serait peut-être préférable de tirer des enseignements de sources multiples, tout en reconnaissant les spécificités de chacune, plutôt que d’utiliser une simple analogie.

« En fin de compte, bien sûr, ce qui compte, c’est le résultat qui vous aide à expliquer les phénomènes naturels que vous souhaitez expliquer », explique Olsson.

« Nous proposons quelques lignes directrices pour l’utilisation d’analogies afin de développer des modèles de dynamique de croyance. Tout d’abord, il faut les cartographier, puis les mettre en œuvre dans des modèles quantitatifs. Et, tout aussi important, il faut effectuer des tests empiriques et des comparaisons pour voir si les modèles inspirés par une analogie particulière sont utiles et réalistes », explique Galesic.