Dissertation - HQ
Dissertation - HQ
Dissertation - HQ
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Intérêts et limites des modèles numériques 177<br />
Cet exemple, caricatural certes, met néanmoins en valeur le fait que,<br />
même si le champ moyen de courant est bien connu, l’advection de<br />
particules est très sensible aux variations locales, et notamment aux<br />
conditions initiales de dispersion 47 , qui sont pour l’instant très mal<br />
résolues par les GCMs 155 . Jusqu’ici, seuls des processus complètement<br />
déterministes ont été considérés : les mouvements des courants et<br />
l’advection des particules sont régis par des lois physiques. Cependant,<br />
leur description dans les modèles repose souvent sur des approximations<br />
probabilistes, pour représenter les phénomènes ayant lieu à une échelle<br />
plus faible que celle de la grille de simulation. Les modèles de résolution<br />
trop faible (maille > 3 km) peuvent donc faire des erreurs de prédiction<br />
substantielles du fait de ces approximations 302 . Mais oublions même cela<br />
et considérons que les développements techniques futurs permettront<br />
de bien représenter ces processus. Il reste toujours une source inhérente<br />
de stochasticité : les “particules” simulées dans ces modèles sont des<br />
être vivants. Elles ne sont pas inertes. Elles ont donc des propriétés<br />
(de mouvement, de taille, de flottaison, etc.) qui ne sont pas régies<br />
par des lois déterministes. Certaines de ces propriétés, comme leur<br />
distribution verticale par exemple, peuvent complètement changer leurs<br />
trajectoires d’advection 70,83,84,198 (chapitre 6). Enfin, étant donné la faible<br />
proportion de larves qui recrutent finalement, il est possible, et à vrai<br />
dire probable 25 , que les recrues aient des propriétés différentes de<br />
la moyenne de la population. Décrire la stochasticité des processus<br />
biologiques de façon classique, c’est-à-dire par le biais d’un taux de<br />
variation autour d’une moyenne, serait donc insuffisant.<br />
En résumé, les modèles de la phase larvaire des organismes marins<br />
traitent de phénomènes probabilistes (et potentiellement de leurs exceptions<br />
plutôt que de leur moyenne), aux dynamiques non linéaires et<br />
très sensibles aux conditions initiales, et tentent de faire des prédictions<br />
à long terme en se basant sur une description de l’environnement imparfaite.<br />
Je pense donc que, dans ces conditions, les modèles de la<br />
phase larvaire ne peuvent pas, et ne pourront jamais, donner des prédictions<br />
quantitatives fiables du taux de recrutement. Est-ce à dire que tous les<br />
modèles sont inutiles, et que le chapitre 6 de ce travail, au moins, est<br />
bon à jeter ? Évidemment non, du moins je l’espère.<br />
Tout d’abord, même si les modèles océanographiques sont imparfaits<br />
et si les modèles biologiques probabilistes ne sont qu’approximatifs,<br />
ils ne sont pas non plus complètement déraisonnables. Ainsi, il est<br />
probable que ces modèles soient assez solides pour donner des indices<br />
de confiance sur des prédictions qualitatives, par exemple : “Cette année<br />
le taux de recrutement a 80% de chances d’être élevé”, ou : “. . . plus<br />
élevé que l’année dernière”, ou encore : “Placer une réserve marine à<br />
cet endroit permettra, en moyenne, de protéger davantage de sources<br />
de larves que de la placer ailleurs”. De telles prédictions qualitatives<br />
seraient déjà très utiles à la gestion des peuplements. Ces indices de<br />
confiance et la solidité des prédictions ne pourront être évalués qu’après<br />
. . . où l’advection est<br />
non-linéaire . . .<br />
. . . et où les particules<br />
ont des propriétés<br />
stochastiques propres<br />
Leur résultat ne peut<br />
pas être quantitatif<br />
Des indices de<br />
confiance et des<br />
prédictions qualitatives<br />
peuvent suffire