Le paradigme cybernétique et systémique, Introduction aux théories de la communication (Licence)

UE2L73U1

L2
LIC

Fondamentaux de l'infocom

Théories de l'information et de la communication
mardi 3 décembre 2013 09:10:05

Paradigme Cybernétique
le message entre émetteur et récepteur
"Les machines de la nature ont un nombre d'organes véritablement infini, et sont si bien munies et à
l'épreuve de tous les accidents qu'il n'est pas possible de les détruire. » Leibniz, Extrait de Système
nouveau de la nature

Amar LAKEL
Maître de Conférence
en Sciences de l’Information et de la
Communication

amar.lakel@u-bordeaux3.fr

UE1 – Théories des Sciences de l’Info-Communication
C1 – Paradigme cybernétique
 Introduction

 Le paradigme cybernétique est l’une des plus grandes révolutions intellectuelles, partie des

Mathématiques et de la Philosophie pour venir bouleverser la physique, la biologie, la
neuropsychologie et les sciences de l’ingénieur.

Définition de l'information : moins une observation est
probable, plus son observation est porteuse d'information
(Ronald Aylmer Fisher).
Les sciences sociales et humaines n’ont pas été épargnées :
transposer par analogie la révolution des sciences dures à la
compréhension des comportements humains, organisationnels et
sociétaux (sciences cognitives).
Cette révolution se fonde sur la relation de transmission
d’informations, qui est mise au cœur des processus de
structuration et d’organisation des individus en des systèmes
stables. C’est l’échange d’informations qui génère les différences
et renforce les identités.


 I – La théorie systémique

1 – Le modèle Emetteur/Récepteur de la première cybernétique.
 Le modèle formel de Shannon

En 1948, l'américain Claude Elwood Shannon (né en 1916) publie une monographie intitulée The Mathematical
Theory of Communication dans le cadre de ses recherches pour le laboratoire Bell System, filiale de l'entreprise de
télécommunications, American Telegraph and Telephone (ATT). Shannon propose un schéma du « système général
de communication » augmenté par les commentaires de Warren Weaver.
• L’information, c’est le choix dans une différence binaire (Binary Digital : Bit). C’est le processus qui permet
d’encoder/décoder le signal pour en retrouver le symbole malgré le bruit environnant. On peut mesurer de la
Quantité d’Information
• Les notions d'information, de transmission d'information, d'encodage, de décodage, de recodage, de
redondance, de bruit disrupteur et de liberté de choix vont être les bases premières de la recherche en
cybernétique.
• On constate donc que dans la chaîne qui mène de la donnée à l'action:- données - informations - connaissances motivations - actions, seules les deux premières transformations sont prises en compte par la théorie de
l'information classique.
Leurs travaux complétés par ceux d'Alan Turing, de Norbert Wiener et de John von Neumann (pour ne citer
que les principaux) constituent le socle initial de la théorie du signal et des « Sciences de l'Information ».
L'informatique constituera une déclinaison technique automatisant les traitements.



1 – Le modèle Emetteur/Récepteur de la première cybernétique.
 Le modèle formel de Shannon

Information Transmission d'information Encodage
Décodage Recodage
Redondance

Bruit Liberté de choix


2 - Dynamique des systèmes : l’approche cybernétique
 Les Conférences de Macy
La première cybernétique s'établit entre 1942 et 1953 dans le cadre des conférences
organisées par la Fondation Macy. La formalisation des principes de la cybernétique
a été établie par Norbert Wiener et Warren McCulloch. Wiener popularisa ensuite
les implications sociales de la cybernétique, en figurant l'analogie entre les systèmes
automatiques et les institutions humaines dans son best-seller : The Human Use of
Human Beings, sous-titré Cybernetics and Society.
• C'est la phase d'émergence d'une nouvelle méthode d'analyse des phénomènes. La
cybernétique marque le moment d'une rupture épistémologique majeure qui a
profondément influencé tous les domaines de la science et ses retombées sont
innombrables.
• Dans la pratique, le champ proposé par la cybernétique était bien trop étendu pour rentrer
dans le cadre d’une seule discipline. La cybernétique ne deviendra pas un
domaine scientifique à part entière et le mouvement disparaîtra, pour se muer
finalement en "systémique".
• Dans son livre Semantic Information Processing publié en 1969, Marvin Minsky
présente la première cybernétique comme un tronc commun, qui se serait divisé en
trois branches: les sciences cognitives à la Newell et Herbert Simon; l'intelligence
artificielle et la théorie des systèmes auto-organisateurs (2nde Cybernétique).




 Norber t Wiener : l’information entropique.

En1948, Norbert Wiener, publie Cybernetics or Control and Communication in the
Animal and Machine (puis plus tard The Human Use of Human Beings: Cybernetics
and Society). La cybernétique est devenue, dans un sens dérivé, l'art de
gouverner les hommes (Platon).
• Les différentes bases de la cybernétique reposent sur un rapprochement
des conceptions théoriques des mécanismes de l'information, et
de leur étude dans le milieu naturel et en particulier dans le système
nerveux.
• Il définit le principe dynamique fondamental de la cybernétique :
l'entropie. Cette tendance qu'a la nature à détruire l'ordonné et à
précipiter la dégradation biologique et le désordre social.
• La thermodynamique est probablement la science préexistante qui s'y
apparente le plus, elle est beaucoup citée en référence pas Wiener.



 L’homéostasie comme principe premier

On trouve un processus particulier dans les systèmes vivants : l’homéostasie. L’homéostasie
(d’homios, le même, et stasis, l’arrêt, la mise au repos) désigne la capacité d’un système à se
maintenir dans un état constant, dans sa forme et ses conditions internes, en dépit des
perturbations externes. La loi physique, montrant que tous les systèmes connaissent des
évolutions d’états réversibles ou irréversibles, s’appelle l’entropie (également appelé 2e
principe thermodynamique).
Si le monde vivant lutte contre la flèche du temps (tous les êtres vivants créant des boucles de
néguentropie provisoires), ils ne reviennent cependant jamais à un état identique,
mais évoluent vers un état légèrement différent, qu’ils s’efforcent de rendre aussi
proche que possible de leur état initial.
Donc, l’une des caractéristiques des systèmes « vivants » est qu’ils sont tous dans un état de
déséquilibre thermodynamique, dans la mesure où ils ne cessent d’échanger de
l’information avec leur environnement. Ils se retrouvent donc obligés de se maintenir dans
un état constant, caractérisé par une relative stabilité au sein même de laquelle existent des
déséquilibres provoqués par les flux d’entrées et de sorties.
La conservation d’un état constant est aussi une nécessité des systèmes cybernétiques (qu’ils soient
organiques ou artificiels) : leur autorégulation dépend des boucles de rétroaction
négative, qui ont une fonction de contrôle et de stabilisation autour d’une valeur
moyenne.



 Fondamentaux de la cybernétique
La cybernétique : science qui étudie exclusivement les communications et leurs régulations dans les systèmes
naturels et artificiels. Ce qui peut être traduit par la science générale de la régulation des communications dans les
systèmes naturels et artificiels. Techniquement, c'est une méthode interdisciplinaire qui étudie l'évolution dynamique des
systèmes.
•
Tout système tend vers un but, orienté par un projet : intégrer dans son programme dirigeant ses décisions : « la
dépendance du futur ».
•
Il met en scène le fait qu'elle ne prend pas en compte les émetteurs et récepteurs. « La cybernétique se situe comme une
approche indépendante de la nature des éléments qu'elle étudie (William Ross Ashby). » C'est le concept de la boîte
noire : un élément émetteur ou récepteur dont on ne soucie pas de savoir comment il fonctionne, mais
ce qu'il envoie ou reçoit (E(I)R).
•
La capacité qu'a ce dernier de maîtriser la tension entre changement et conservation dépend de la présence
et de la nature de l'information qui fait retour (feedback) aux acteurs internes. Le Système déclenche des
actions et reçoit en retour des feedback qu’il doit redistribuer en interne en vue de la stabilité et de l’efficience.
•
La rétroaction, définit donc comme l’effet du retour des actions sur la poursuite de ces actions, peut être Positive quand
elle accroît la réaction du système avec le risque éventuel d’instabilité et d’emballement, Négative diminue la réaction
du système dans le but de le stabiliser avec le risque éventuel de l’éteindre
•
L’homéostasie est la capacité d’un système à maintenir ses différents états à l’intérieur d’une marge de variation définie
par les conditions limites qui fixent le danger pour la stabilité, voire l’existence. Elle maîtrise son degré de complexité à
l’intérieur d’un nombre d’états possibles.
•
La communication est définie ici comme transmission d’informations (Shannon). Des Unités d’informations
Oui/Non chargées de réduire l’incertitude. « De même que l'entropie est une mesure de désorganisation,
l'information fournie par une série de messages est une mesure d'organisation[5]. »




3 - L'approche systémique de première génération
 Vers une théorie générale des systèmes
Système vient du grec Sun istemi, c'est-à-dire assembler les parties en son tout, faire tenir
ensemble. Dans son usage courant, ensemble d’éléments quelconques liés entre eux par un
réseau de relations si cohérent que toute modification de l’une a pour effet de modifier
toutes les autres. L’étude des totalités complexes ET de leur régulation ou de
leur organisation par l’analyse des relations de ses éléments.
• Le terreau de ces théories, est la biologie cellulaire où l’on va faire la découverte
de l’ADN. En 1943, Erwin Schrödinger (1887 - 1961) emploie le mot pour expliquer les
modèles de développement de l'individu, contenus dans les chromosomes (voir les travaux
sur le code génétique des trois Nobels français (1965), François Jacob, François Lwoff et
Jacques Monod.)
• Sous l'impulsion de Norbert Wiener, la cybernétique fut créée en tant que "théorie de la
communication" dans les années 1940 et donna naissance à l'électronique, l'informatique,
ou encore la robotique.
• Le mot systémique est apparu dans la deuxième moitié du XXe siècle et découle de la
Théorie des systèmes (ou Théorie systémique) qui est l'une des bases de la systémique, mais
pas la seule. En 1933, dans un ouvrage intitulé Modern Theories of Development, le biologiste
Ludwig von Bertalanffy avait jeté les bases de ce qu'il formalise en 1968 (avec l’apport
de la cybernétique) comme la « théorie générale des systèmes ».




 Définir les systèmes complexes
L'ambition de la systémique est de penser la globalité par les interactions entre les éléments d’un système défini comme un ensemble dynamique
de relations multiples et changeantes. Le système est une définition dynamique et téléologique de la structure. C’est un ensemble organisé de processus
liés entre eux par un réseau d’interactions (Matière, Energie et information) à la fois assez cohérent et assez souple pour le rendre capable d’un certain degré
d’autonomie.
•
L’information est souvent considérée comme l’agent actif des systèmes. « L’organisation informationnelle est la clé de l’utilisation, la
manipulation, la transformation, le contrôle de plus en plus complexe, précis et économique de l’énergie » (Morin, 1977, p343)
•
L’interaction (ou l’interrelation) renvoie à l’idée d’une causalité non-linéaire. Ce concept est essentiel pour comprendre la coévolution et la symbiose en
biologie. La rétroaction (ou feed-back) est une forme particulière d’interaction dont l’étude est au centre des travaux de la cybernétique.
•
Les variations enregistrées dans les structures et les processus à l'intérieur d'un système peuvent s'interpréter comme des efforts réalisés par les membres du
système en vue de réguler ou d'affronter une tension qui peut provenir aussi bien de l'environnement que de l'intérieur du système; La
variété d’un système est le nombre de configurations ou d’états que ce système peut revêtir. Cette propriété est nécessaire pour éviter la sclérose.
•
La complexité. La complexité d’un système tient au moins à trois facteurs : le degré élevé d’organisation ; l’incertitude de son environnement ;
la difficulté, sinon l’impossibilité d’identifier tous les éléments et de comprendre toutes les relations en jeu. D’où l’idée que les lois
permettant de décrire un système ne peuvent être purement déterministes, ou, tout au moins, que son comportement global ne permet qu’une
prédictivité réduite (certain chaos).
•
Pour définir un système, la systémique distingue une série de propriétés discriminantes : axe rigidité/souplesse qui fonde son adaptabilité, axe
entropie/neguentropie qui fonde son dynamisme, axe explosion/implosion, axe fermé/ouvert dans la mesure où il reçoit de son environnement
des inputs et sortent de lui des outputs.
•
La totalité (ou la globalité). Si un système est d’abord un ensemble d’éléments, il ne s’y réduit pas. Selon la formule consacrée, le tout est plus que la somme
de ses parties. Cette idée s’éclaire par le phénomène d’émergence : au niveau global, apparaissent des propriétés non déductibles des propriétés
élémentaires, ce qu’on peut expliquer par un effet de seuil.




 Décrire les systèmes complexes



UE10 C2 – Communication des organisations publiques
 CONCLUSION de la Ière par tie
 Quelques applications sociales



 II – L’Intelligence ar tificielle : le système cognitif

1 – Le modèle du problem solving
 Le modèle des neurones formels de McCulloch et Pitts

Dans les champs des sciences cognitives, tout commence avec la 1er cybernétique (1943 – 1953) : le modèle
des neurones formels. Warren Sturgis McCulloch et Walter Pitts veulent fonder la base d’une
science logique de l’esprit humain.
•

Pour les sciences cognitives, tout robot possède un certain degré d'« intelligence ». En revanche, la
notion d'« intelligence» est difficile à cerner : connaître, apprendre ou comprendre grâce à l’expérience;
résoudre des problèmes, choisir la solution optimum, etc.

•

La machine logique de Alan Turing, qui a produit nos ordinateurs, se veut une idéalisation du
cerveau. Le processeur est un réseau de calculs élémentaires très simples, interfaces de traitement entre
des entrées binaires issues de leurs voisins et leurs propres sorties binaires.

•

L’objet est de réduire les facultés de l’esprit (perception, mémoire, formation de concept,
connaissance des universaux, volonté…) à des opérations élémentaires. Le cognitivisme considère que
le cerveau manipule essentiellement des symboles élémentaires.




1 – Le modèle du problem solving
 La cognition comme arbitrage des solutions à un problème.

Herbert Simon et Allen Newell (Human problem solving, 1972) vont tenter de développer une théorie du Problem
Solving autour des tâches élémentaires (échec, puzzles...). La théorie doit produire un système de mécanisme suffisant
pour accomplir des tâches dans un contexte de rationalité limitée (Bounded rationality) : le GPS. General
problem Solver.
•

Ils s’appuient sur Miller, Austin et Chomsky pour revendiquer une théorie de la pensée en process d’information. L'homme
est un processeur d'information (Information Processing system). Dans un environnement donné, Un organisme(1) use de moyen
rationnalisé(2) pour atteindre un but(3)

•

La démarche de tri d’infos et de tri de programmes peut être modélisée en un rationalité universelle. La théorie est une
méthode de collections de process d’information qui combine en série des moyens pour atteindre des fins

•

Dans un schéma spatialisant, on peut faire la carte des Ready Made Structure (fonctions et programmes) dans l'esprit,
prêts à combiner les signes d’une réalité. La mémoire est une topologie (ou MAPS) où des MOPS(Memory organisation
Packets) et des unités d'action se structurent pour m'offrir des possibilités efficientes que j'actualise dans l'action.

Dans son livre, La société de l’esprit, Marvin Minsky, envisage le processus cognitif comme une compétition d’agents
fournissant des réponses partielles et dont les avis sont arbitrés par d’autres agents. Les facultés cognitives
sont des calculs sur ces représentations.



2 – Le projet I.A.
 Automatiser les processus cognitifs

On parle d'agent intelligent si le system d'information (SI) peut percevoir son environnement et
entreprendre des actions pour maximiser ses chances de succès en vue d’un but. John McCarthy
qui prononça le premier le terme en 1956 le définit comme "la science et les méthodes pour rendre
intelligent une machine". On parle aussi d'intelligence computationnelle.
•

C'est sur le campus du Dartmouth College, qu'un été de 1956, un groupe de chercheurs se réunirent pour
donner naissance à la recherche en Intelligence Artificielle(IA). John McCarthy, Marvin Minsky, Allen
Newell and Herbert Simon, furent les figures de proue de cette aventure intellectuelle. Ils fondèrent des
laboratoires de IA au MIT, et à Stanford.

•

L'enthousiasme fut tel qu'en 1965, H. A. Simon déclara "machines will be capable, within twenty years, of doing any
work a man can do". Mais le retour de bâton fut douloureux et l'IA fut abandonnée dans les années 70 avant de
renaître sous des formes faibles (les systèmes experts des années 80, la recherche opérationnelle, le
datamining, analyse médicale, l'analyse du langage....).

•

Aujourd'hui, si l'IA forte est une utopie de laboratoire, l'IA faible connaît de nombreux succès
indiscutables




 Intelligence For te ou Intelligence Faible

Il existe aujourd’hui un consensus de séparation entre l'intelligence artificielle faible et l'intelligence
artificielle forte.
•

La théorie de l’intelligence artificielle forte explique qu’il est possible de créer une machine capable de penser. Il n'y
aurait aucune limite fonctionnelle, il n'y aurait que des limites liées à l'aptitude humaine à concevoir le
programme approprié. Suivant en cela la loi de Moore, les ordinateurs actuels les plus puissants ont dépassé la capacité de
calcul du cerveau (ex.jeux d'échec)

•

En effet, l'important n'est pas de raisonner plus vite, en traitant plus de données, ou en mémorisant plus de choses que le
cerveau humain, l'important est de traiter les informations de manière appropriée. C’est donc un problème de
compréhension de l’architecture de la pensée humaine. (ex. reconnaissance faciale).

•

La notion d’intelligence artificielle faible constitue une approche pragmatique d’ingénieur : chercher à
construire des systèmes de plus en plus autonomes (pour réduire le coût de leur supervision), des algorithmes capables de
résoudre des problèmes d’une certaine classe, etc.

•

L’intelligence artificielle faible s’inscrit à ce compte dans la droite succession de ce qu’ont été la recherche
opérationnelle dans les années 1960, le process control dans les années 1970, l’aide à la décision dans les années
1980 et le data mining dans les années 1990. Et, qui plus est, avec une certaine continuité.




 La place grandissante des robots

En l’état, les réalisations actuelles de l’intelligence artificielle se retrouve dans différents domaines d’application,
tels que : Les systèmes experts, L’analyse et la gestion automatique des contenus, Le traitement automatique des langues,
La reconnaissance des formes, des visages et la vision en général, les simulateurs et les bots dans le monde des réalités
virtuelles. Plusieurs exemples peuvent faire pointer l'incroyable évolution de l'intelligence artificielle dans nos
sociétés.
•

Le projet européen EUREKA Prometheus a investi plus de 800 millions de dollars ces 10 dernières années pour
le développement de voiture sans conducteur.

•

Vladimir Kramnik, le Russe de 31 ans reconnu comme meilleur joueur d'échecs au monde, s'est fait battre par le
logiciel Deep Fritz, un logiciel du commerce disponible à 55€ (Deep Blue était un super-calculateur de 1,4 tonne
et de 256 processeurs).

•

En août 2001 des robots ont battu des humains dans une compétition d'investissement boursier. Les
hôpitaux robotisés savent organiser la disponibilité du matériel et des chambres de façon entièrement automatisée
etc.

Aujourd’hui, en dix ans, l’intelligence artificielle est entrée dans notre quotidien. D’une façon
accélérée on voit se multiplier les applications dans notre environnement. 3 décembre 2013 09:10:05
mardi


3 – Le cas des systèmes experts
 La structure sémantique de la réalité

Les systèmes experts sont parmi les résultats les plus surprenants de la recherche en intelligence artificielle.
L'intelligence artificielle a divisé le système expert en deux grandes zones de traitement : les processus
d'inférence au niveau des interfaces et les processus d'inférence au niveau de la mémoire.
•

Ils sont bâtis sur des systèmes d'inférences automatiques simulant le raisonnement logique. Une inférence est
basée sur la structure fondamentale If-Then/ Si-Alors, «si certaines conditions alors certaines conclusions».

•

Les classificateurs qui sont chargés de placer et de ranger les informations perçues dans des mémoires
structurées sémantiquement.

•

Les contrôleurs qui, reconnaissant des situations grâce aux classificateurs, en tirent des conclusions
d'action. Le contrôleur a lui-même un système de classification pour reconnaître les éléments envoyés par le
classificateur.

Ainsi la structure sémantique est le fondement même de l'intelligence artificielle car elle détermine la
reconnaissance aux fondements de l'action. Dans la plupart des systèmes de reconnaissance, on n'exige pas une
reconnaissance absolue mais bien un résultat approximatif calculé statistiquement.



 Apprendre : c’est classer approximativement selon son expérience passée.

La classification est un système de fonctions qui peut être améliorée au gré des apprentissages. Chaque
exemple, chaque cas est inséré à une classe. Le processus de classification doit prendre une
décision pour intégrer chaque exemple dans son arbre de classification. Ainsi les informations
externes sont classifiées puis structurées selon un arbre de données.
•

Chaque nouvelle observation est classifiée (évaluée) grâce aux expériences passées. En effet la somme des
observations permet le calcul statistique d'approximation qui permet par la suite d'intégrer
l'imprévu.

•

Il existe aujourd'hui plusieurs sortes de processus de classification avec leurs points forts et leurs points
faibles. On organise les processus de classification selon les caractéristiques des informations
qui doivent être reconnues (langage humain, images, vidéo...).

•

Les plus connues des classificateur sont les réseaux de neurones, Machine à vecteurs de support, Méthode des k plus
proches voisins, Densité mélange, Naive Bayes classifier, Arbre de décision...




 L’intelligence est-elle nette ou débraillée ?

Il existe deux grandes écoles de pensée dans l'approche de la reconnaissance artificielle : L'école
conventionnelle de l'intelligence artificielle et l'école computationelles de l'intelligence
artificielle. Ces deux courants sont souvent classés selon une opposition "neats vs scruffies" (« net contre
débraillé").
•

L'approche en intelligence artificielle conventionnelle développe une recherche de machines
apprenantes caractérisée par la formalisation du savoir et l'analyse statistique. On les appelle aussi
l'intelligence artificielle symbolique ou l'intelligence artificielle logique ou l'intelligence artificielle nette ou la bonne vieille
intelligence artificielle (Good Old Fashioned Artificial Intelligence (GOFAI).

•

Avec la méthode débraillée, on fabrique à partir des problèmes posés une boite à outils d'analyse
que l'on améliore au fur et à mesure de la pratique (approche bottom-up). On parle d'intelligence
artificielle non symbolique, ou d'intelligence artificielle débraillée ou de programmation légère. On y retrouve les
méthodes des réseaux de neurones, des Fuzzy control system et les algorithmes évolutionnistes.

C'est parce que le cerveau humain utilise en effet plusieurs sortes de classification que l'on pense que
l'intelligence artificielle résultera de la combinaison intelligente de ces différents dispositifs



Pour aller plus loins…
 Quelques exemples

http://science.discovery.com/videos/brink-package-artificial-intelligence-arrives.html
http://video.google.com/videoplay?docid=-4754932809381773258&ei=GYvbStCEBZfWAa8teWlCg&q=artificial+intelligence&hl=en&client=firefox-a#
http://www.ina.fr/video/CAF88038611/albert-ducrocq-la-cybernetique-1ere-partie.fr.html



 III – l’Auto-organisation : dernier avatar du cybernétisme

systémique

1 – Principes de la seconde cybernétique : La connaissance comme
fondement dynamique

 Renouveau du systémisme : le connexionnisme

Le systémisme et l’IA, plutôt complémentaires que contradictoires, sont respectivement à la base des hypothèses
de travail que constituent le cognitivisme et le connexionnisme. Elles tendent, depuis 2005, à opérer
leur fusion.
C’est donc ce que l’on a appelé la Seconde Cybernétique ou Connexionnisme du Biological Computer
Laboratory, entre 1958 et 1976 et sous l’impulsion du physicien Heinz Von Foerster (ASHBY ; Gordon
Pask ; Gothard Gunther ; Maturana et Varel), qui va tenter de dépasser les impasses de l’IA.
Elle va repartir du programme de McCulloch et son idée de la possibilité d’une théorie de la connaissance
expérimentale permettant la simulation artificielle(1), la modélisation des processus de la réflexion(2) et la
modélisation des éléments de la complexité(3).
Le connexionnisme, se référant aux processus auto-organisationnels, envisage la cognition comme le
résultat d’une interaction globale des parties élémentaires d’un système (IA+Systémique).




systémique

fondement dynamique

 Le changement, c’est se connaître connaissant.

Si à partir de Norbert Wiener sont produits l'Intelligence Artificielle et le système expert, à partir de Warren McCullogh et
Walter Pitts sont produits Heinz von Foerster et le mouvement de l'auto organisation.
•

La thermodynamique du non équilibre, élaboré par l’Ecole de Bruxelles(Nicolis et prigogine, 1977 ; Prigogine et
Stengers, 1979). L'opposition de la seconde loi de la thermodynamique marque la révolution scientifique en ce qu'elle
sépare les anciens des modernes. Le temps du vivant est irréversible car il est le changement de structure.

•

La seconde cybernétique (1958 – 1976) reprend le flambeau avec le thème de l’auto organisation dans le Biological
Computer laboratory de Heinz von foerster avec la théorie de l’ordre par le bruit. (Humberto Maturana et
Francisco Varela sur l’autopoietique, Henri Atlan, ordre par le bruit) Incertitude, complémentarité,
récursivités, construction en abîme d'une enveloppe d'un autre niveau, des enveloppes qui enveloppe...

•

La complexité du système auto-organisé est lié à l’in-formation, à sa capacité de se former, à s'adapter et à évoluer
dans son rapport à l'autre. La matière est capable de se restructurer en forme stables, les structures
dissipatrices. C’est l’ordre par fluctuation non contrôlable (d’où auto organisation)

Pour Gregory Bateson, la réalité intérieure/totalité des conditions du sujet sont de 1er ordre « être la ». Mais le système est
dynamique car il offre la possibilité de connaître dans sa propre dynamique de l'observation.



systémique

fondement dynamique

 La matrice fait sens pour le système.

Tout élément vit dans un contexte, intégrer dans un réseau d'échanges possibles ou effectif. Il est membre d’un système, schéma
où les éléments se subsument. Pourtant le système croit par auto production. Sa finalité est en lui, en ses éléments.
Chaque élément communique comme partie du tout, qui est la communication de tous en une forme stable. La
communication devient l’essence de toute chose. Elle devient enveloppes et formes de toute activité, qu'il s'agit de
l'homme, de l'animal ou de la nature.
•

Ce système vit dans sont environnement où il émerge pour se réaliser aux frontières de ses limites.

•

Ce système est fondamentalement
environnementaux.

•

Le système s’observe dans son code, ses programmes, ses localisations, ses appareillage.

•

Les échanges informationnels se décrivent selon un schéma horizontal d’efficience communicative.

•

L’analyse systémique est donc construite en niveaux pour rendre compte des différentes modalités de coexistence. Tout
élément est membre d’un système/élement d’un système…

impliqué

dans

un

processus

d’adaptation

aux

changements

Ce n’est pas les éléments qui forment le système mais l’algorithme général (la matrice) effectuer par les unités
remplaçable et seul transformateur des inputs en outputs. Le processus est indépendant de ses éléments.




systémique

2 – Le paradigme de l’autopoiesis

 Le système auto-produit…
L’ecole chilienne de l’auto organisation développe alors une théorie de l’autopoiesis (Réseau de Varela) : Un réseau de
processus de production, transformation et destruction dont les produits sont des composants qui par
leur interaction reproduisent en permanence le réseau de processus qui les a produit. Ce système autonome
est clos et constitué de deux espace isomorphe : des opérateurs endomorphique et des opérandes.

Pour J. Von neumann, au dela du seuil critique de la compléxité. Ce dont est capable un élément complexe est
infiniment plus complexe que l’élément lui même. Les éléments ne sont pas destinées a priori à réaliser un projet
collectif, c’est la totalité particulière qu’ils produiront dans telles ou telles circonstance qui a posteriori, leur donnera du
sens.
D’ou vient alors la capacité d’un organisme de se modifier et de se complexifier tout en conservant son identité : De son
environnement (Atlan). Les formes nouvelles ne sont ni dans un programme internes, ni dans un programme externe
mais sont des créations résultant du jeu de perturbation aléatoire de l’environnement sur les mécanismes de
l’auto organisation.
Atlan, à partir d’une relecture de Shannon, développe une nouvelle théorie de l’entropie d’information. Le bruit se traduit
par une augmentation de la compléxité du systéme capable d’assurer sa reproduction selon un nouvel ordre. Le
bruit (un temps pas encore compréhensible par la lecture antérieur) devient le nouvel ordre du système quand il réussit à
intégrer ses perturbations.



systémique


 Connaître, c’est communiquer. Communiquer, c’est changer

La réalité objective cèdent devant une réalité que l'on nomme du second ordre. Mais cette implication est relative car il
peut en changeant de niveau se connaître comme observateur observé par d'autres observateurs. Position intersubjective. C'est la relation entre observateurs qui est objectivantes.
•

La différence force à l'interprétation. L'environnement fourni le bruit qui est structurés selon l'aléatoire. C'est
l’ordonnancement du bruit (epistémé) qui, en intégrant au système le possible de l'aléatoire, permet la connaissance
des choses.

•

Or « la communication est l'interprétation faite par un observateur de l'interaction de deux organismes ou la représentation
interne d'une relations informationnelle entre soi ( comme représentation interne de soi) et un autre ». Le Knowledge
Knowing consiste donc à connaître notre propre processus de connaissance par la communication.

•

La communauté des observateurs me valide comme observateur. C'est la présence en moi des autres observateurs
qui rend possible ma réflexion subjective : c'est une réalité de second ordre, réalité de la réalité.

Connaître repose sur une récurrence incessantes de la pensée à la pensée par quoi se définit le connaître. Tout se
passe en soi.




systémique


 Gouvernance autopoiétique

L’émergence du concept d’auto poièse et auto organisation d’un système bouclé sur lui-même et dont les états
internes sont prééminents sur les influences externes
•

Récursivité : idée d’une méta capacité qui permet d’appliquer une fonction à elle même pour former des
séries récursives.

•

Réseau de ces fonctions qui forme des Etat d’un autre ordre selon des architectures multiples.

•

L’homeostasie est le caractère de ce qui conserve l’identité du tout(différend de immuable, équilibré). Différentiation
d’un système ouvert qui peut s’organiser en sous systèmes spécifique en vue de la conservation de la fonction globale.

•

Le système globale est nécéssairement intégratif, cette intégrativité est même la résultante des échanges des sous
systèmes aux rationnalités hétérogènes. C’est le rapport qui crée la stabilité, le rapport de différenciation, de hiérarchie, de
concurrence.

Le comportement d’un système autonome resulte de son organisation interne. Il est constitué de la suite des
compensations que le système effectue pour maintenir son organisation face à des perturbation externes
ou internes



systémique


 Les échelles de gouvernance des systèmes
La dynamique interne utilise et consomme les ressources externes mais en subit les perturbations et les
contraintes qui limite l’autonomie des systèmes. Ainsi les systèmes possèdent des processus de conservation qui peuvent
être classé sur une échelle de degrés qui implique à chaque niveau, les propriétés et les capacités de degrés précédents mais fait
émerger des capacités et propriétés nouvelles.




systémique

3 – Une théorie sociopolitique de l’autonomie symbolique

 Les échelles de gouvernance des systèmes

Dans les sociétés traditionnelles, le social comme système des actions humaines, s’autonomise par rapport aux
individus qui l’agissent (Dieu, roi…). La modernité a vu lap crise de conscience de l’autonomie du social mais a conserver
des institutions de la séparation, mise à distance dans la figure de l’Etat ou du Marché qu’il construit. Une société
autopoïétique est capable de s’autoinstituer dans une quasi parfaite transparence.
•Pour F Hayek, le Système auto organisé complexe n’a pas besoin de régulation centrale d’ou l’on puisse faire la somme de tout
ce qui intéresse l’ensemble. La régulation est distribuée dans le système tout entier. L’homme accroit sa capacité
d’action et de libérté quand il reconnaît les ordres sociaux qu’il produit et qui le dépasse (Ethique de la meta
position).
•A l’autre bout C. Castoriadis attaque cette opacité hierachisante pour développer un modèle autogestionnaire.
L’information instituante et créatrice relève de l’imagination. C’est l’environnement symbolique des sociétés qui peut
régir les processus d’intégration. L’autotranscendance du social (immanence de la transcendance), c’est l’imagination comme
source d’un univers de signification et du faire historique.
•Pour Niklas Luhmann, L’identité symbolique des éléments sociaux repose sur 3 processus : la visée identitaire, la liaison,
la mutabilité. La visée identitaire s’effectue par un travail de liaison entre les éléments rassemblés par des noyau
symbolique polysémique : la métaphore et la métabole ( transport de sens d’un objet à un autre)


Le paradigme cybernétique et systémique, Introduction aux théories de la communication (Licence)

Contenu connexe

Tendances

En vedette

Plus de Amar LAKEL, PhD

Dernier

Le paradigme cybernétique et systémique, Introduction aux théories de la communication (Licence)