Le modèle de l’intelligence collective
Les convergences existant entre l’open source et le nouveau management témoignent de la force d’attraction indéniable exercée par le modèle d’organisation du logiciel libre.
À partir de la fin des années 1990, cette séduction toucha les milieux économiques, mais aussi certains cercles académiques, où l’on commença à reconnnaître aux principes d’organisation théorisés par le mouvement open source une portée générale, et un caractère emblématique de transformations historiques profondes liées au développement d’Internet.
Il n’a certes point été besoin d’attendre les grands projets du logiciel libre pour se rendre compte qu’il pouvait être extrêmement efficace de faire collaborer de nombreuses personnes à la résolution d’un problème, ou à l’exécution d’une tâche. Aristote remarquait déjà que la majorité pouvait, par l’union de tous, être meilleure que l’élite, « non pas individuellement mais collectivement, de même que les repas à frais communs sont meilleurs que ceux dont une seule personne fait la dépense »2.
Les projets open source apparurent néanmoins profondément originaux à certains universitaires, du fait de la taille des coopérations mises en place (plusieurs centaines de contributeurs), du moyen de communication qui les rendait possible (Internet), mais surtout du fait qu’ils paraissaient concilier une organisation égalitaire anti-hiérarchique avec un haut degré d’efficacité.
Cette dernière spécificité tranchait en effet avec la vieille vision taylorienne selon laquelle la performance dans les collectifs de travail dépend de structures de commandement pyramidales, et de procédures précisément codifiées.
Elle consonnait avec les préceptes du nouveau management, mais elle semblait aussi rappeler un ensemble d’autres phénomènes naturels et artificiels.
Une notion fut utilisée pour rendre compte théoriquement de ces similitudes : celle d’ « intelligence collective ».
1 Ces exemples sont extraits de l’article suivant : « Down with fun. The depressing vogue for having fun at work », The Economist, 16 septembre 2010, en ligne : http://www.economist.com/node/17035923 (consulté le 14/11/2011). Par ailleurs, Sylvie Craipeau remarque que les pratiques vidéo-ludiques sont aussi empreintes de cette conviction qu’il faudrait « réussir en s’amusant » (cf. Sylvie CRAIPEAU, La société en jeu(x), op. cit., p. 78).
2 ARISTOTE, Politique, livre III, chapitre 11, texte établi et traduit par Jean Aubonnet, Paris, Les Belles Lettres, 1989, p. 75.
Mise en avant par un certain nombre de penseurs des nouvelles technologies, notamment Pierre Lévy1, elle sert à penser la manière dont des propriétés remarquables sont susceptibles d’émerger d’un réseau d’interactions purement « horizontal ».
On parlera ainsi « d’intelligence collective » à propos de la coopération humaine dans les projets open source, mais aussi à propos de certains modes d’organisation dans le monde animal, ou encore de certains courants de recherche en intelligence artificielle2.
1 Pierre LÉVY, L’intelligence collective : pour une anthropologie du cyberespace, Paris, La Découverte, 1997.
2 La notion d’intelligence collective est utilisée dans l’étude du monde animal, à propos des bancs de poisson, des oiseaux migrateurs, et surtout des insectes sociaux (abeilles, fourmis, termites). Elle renvoie alors à l’idée qu’un comportement collectif « intelligent » peut émerger d’un ensemble d’interactions entre agents simples « stupides ». Les fourmis, par exemple, possèderaient la particularité d’être dotées de capacités cognitives extrêmement limitées, mais de facultés de communication importantes grâce aux phéromones. Ainsi, ce seraient les interactions entre membres de la colonie qui expliqueraient l’apparition de comportements collectifs adaptés. Soit l’exemple de la recherche du plus court chemin entre une source de nourriture et le nid. Selon les chercheurs, une colonie de fourmis procède schématiquement de la manière suivante : au début, plusieurs chemins de longueurs différentes sont possibles, et les fourmis les empruntent tous en s’orientant au hasard. Ce faisant, elles laissent derrière elles des traces de phéromones. Sachant que ces traces s’évaporent petit à petit, et que le chemin le plus court permet par définition un plus grand nombre d’allers-retours, les traces de phéromone se concentrent assez rapidement sur l’itinéraire optimal. Les fourmis convergent alors vers celui-ci. Autrement dit, l’ « intelligence » déployée par la colonie de fourmis dérive d’une « communication stigmergétique », c’est-à-dire d’une « interaction entre agents par modification de l’environnement » [Joël QUINQUETON, « Aspects socio-organisationnels dans les systèmes multi-agents : l’intelligence artificielle en essaim » in Jean-Michel PENALVA (dir.), Intelligence collective. Rencontres 2006, École des Mines de Paris, 2006, p. 355-367]. Cette communication stigmergétique est à l’origine d’une propriété dite émergente, c’est-à-dire de l’apparition au niveau du système d’une propriété nouvelle, n’étant possédée par aucune de ses composantes prises séparément. Ainsi, la colonie découvre collectivement le chemin le plus court entre le nid et une source de nourriture, alors que chaque fourmi en est incapable individuellement. Cet exemple est intéressant, parce ce qu’il a donné lieu à un véritable courant de recherche en intelligence artificielle, baptisé swarm intelligence (intelligence en essaim). Introduite par Gerardo Beni et Jing Wang en 1989, l’expression désigne des modèles de résolution de problème, fonctionnant grâce à des systèmes décentralisés et auto-organisés. La description suivante offre un bon aperçu de leurs principes de base : « L’intelligence en essaim consiste à étudier et à construire des sociétés d’individus artificiels simples qui sont capables collectivement de fournir une réponse complexe. Dans un tel système multi-agents, chaque agent n’a qu’une vue limitée du système, mais il décide de manière autonome de ses actions. De ce fait, le système est caractérisé par un fonctionnement décentralisé : aucun agent ne décide ni ne coordonne les actions des autres. Chaque agent est simple : il ne fait appel à aucune représentation ni mécanisme de raisonnement sophistiqué. Ainsi la résolution est le fait des interactions et de la dynamique du système : l’intelligence naît de façon collective » [Vincent CHEVRIER et Aurélien SAINT-DIZIER, « L’intelligence en essaim ou comment faire complexe avec du simple », 5 janvier 2005, en ligne : http://interstices.info/jcms/c_7083/l-intelligence-en-essaim-ou-comment-faire-complexe-avec-du-simple (consulté le 14/01/2009)]. De tels systèmes, construits par biomimétisme, ont été appliqués à la simulation de phénomènes complexes (mouvements de foule en animation 3D par exemple), et à la résolution de divers problèmes (routage d’informations dans un réseau de communication, gestion du trafic routier urbain). Ils constituent un cas particulier de ce qu’on nomme en informatique les systèmes multi-agents (SMA). La swarm intelligence se singularise par le caractère très fruste de ses agents simples qui, à l’image des fourmis, n’ont aucune capacité de « raisonnement ». Il existe cependant de nombreux systèmes artificiels dont les éléments de base sont plus sophistiqués. Les spécialistes des SMA distinguent ainsi agents cognitifs (ou « intelligents ») et agents réactifs d’une part, comportements téléonomiques (orientés vers un but) et comportements réflexes d’autre part. Par ailleurs, la mise au point de certains systèmes nécessite de faire quelques entorses au principe qui veut que chaque agent agisse, ou réagisse, de façon totalement au
tonome. Ainsi, des dispositifs de régulation ou d’organisation hiérarchique sont parfois intégrés. Il n’en demeure pas moins que les systèmes multi-agents reposent fondamentalement sur l’idée que « l’intelligence » d’un système informatique provient d’un ensemble d’entités en interaction, et non d’un programme monolithique comme dans l’intelligence artificielle classique. Pour plus de précisions, on pourra se référer aux textes suivants : Éric BONABEAU, Marco DORIGO et Guy THÉRAULAZ, Swarm Intelligence : from Natural to Artificial Systems, Oxford University Press, 2000; Jacques FERBER, Les systèmes multi-agents : vers une intelligence collective, Paris, Inter Éditions, 1997.
Dans tous ces cas, il est affirmé que des interactions se déroulant indépendamment de toute instance centrale de commandement ou de régulation produisent des résultats remarquables.
La notion d’intelligence collective remet ainsi au goût du jour un style d’analyse qui n’est pas sans rappeler la cybernétique, celle-ci ayant grandement contribué à abattre les frontières entre phénomènes biologiques, techniques et humains, en postulant que « tous les phénomènes du monde visible peuvent se comprendre […] en dernière instance, en termes de relations, d’échange et de circulation d’information »1.
Le lien avec la cybernétique est même encore plus direct que cela. On peut en effet considérer que l’article publié en 1943 par Walter Pitts et Warren McCulloch, « A logical calculus of the ideas immanent in nervous activity »2, est l’une des principales racines théoriques de la notion d’intelligence collective.
Dans ce texte qui s’est avéré fondateur à de multiples égards, les deux chercheurs analysent le fonctionnement de réseaux de neurones complexes semblables à ceux présents dans le cerveau.
Ils entendent prouver que le cerveau, tant dans sa fonction que dans sa structure matérielle, est pensable comme un réseau d’interactions entre entités élémentaires, appelées « psychons ».
Ils réussissent ainsi à démontrer dans les termes mathématiques du calcul des propositions, que des réseaux bâtis à partir de composants élémentaires extrêmement simples (les neurones de W. Pitts et W. McCulloch sont « binaires », gouvernés par la « loi du tout ou rien ») sont susceptibles de réaliser des calculs d’une extrême complexité.
Ce résultat de l’article de 1943 n’a par la suite jamais été démenti par W. McCulloch, qui n’eut de cesse d’essayer de compléter son modèle pour parvenir à rendre compte de toutes les capacités de l’esprit1.
1 Philippe BRETON, L’utopie de la communication, op. cit., p. 22-23. La cybernétique a ainsi eu dès l’origine une vocation interdisciplinaire. Lors des conférences Macy entre 1946 et 1953 se retrouvèrent ainsi des mathématiciens (Norbert Wiener, John von Neumann), des neurologues (Warren McCulloch), des linguistes (Roman Jakobson), ou encore des anthropologues (Gregory Bateson, Margaret Mead). Cette dimension d’ouverture et d’interdisciplinarité était cependant inséparable d’une volonté d’unification, voire de conquête. On a ainsi pu voir la cybernétique comme la tentative d’annexer des domaines, notamment les sciences humaines, jusque là rétifs au formalisme des sciences « dures ». Que l’on accepte ou non cette interprétation, il est clair que la cybernétique s’est nourrie d’une pratique décomplexée de l’analogie entre homme, animaux et machines. Pour plus de précisions, en sus de l’ouvrage de Philippe Breton déjà mentionné, on pourra se référer au livre suivant : Steve Joshua HEIMS, The Cybernetics Group, 1946-1953. Constructing a Social Science for Postwar America, Cambridge, Massachussets, MIT Press, 1991.
2 Warren S. MCCULLOCH et Walter H. PITTS, « A logical calculus of the ideas immanent in nervous activity » in Margaret A. BODEN, The Philosophy of Artificial Intelligence, Oxford, Oxford University Press, 1990, p. 22-40.
L’idée maîtresse de l’intelligence collective, selon laquelle des processus d’interconnexion indépendants de toute forme de contrôle centralisé peuvent produire des résultats remarquables, disposait ainsi dès les années 1940 de formulations théoriques abouties.
Au cours des décennies suivantes, les approches connexionnistes du cerveau ont éprouvé cette idée plus avant2.
Et peu à peu, cette grille d’analyse s’est trouvée étendue à l’étude des phénomènes sociaux, conformément à un raisonnement par analogie qui était déjà au coeur de la pensée de Norbert Wiener, lorsqu’il écrivait qu’au « même titre que l’individu, le système social est une organisation qui dépend d’un système de communication »3.
1 La question du réalisme biologique des réseaux de neurones est toutefois controversée depuis l’origine. Ainsi, les travaux de W. Pitts et W. McCulloch ont donné lieu à une véritable « querelle d’héritage ». Dans les années 1960, les principaux représentants de l’intelligence artificielle classique, alors triomphante, firent une lecture purement logicienne du modèle. Selon Marvin Minsky ou Seymour Papert, celui-ci ne disait rien du fonctionnement réel du cerveau, mais se situait à un niveau d’abstraction supérieur. Avec l’essor du courant connexionniste, plusieurs auteurs (James Anderson, Jerome Lettvin) prirent le contre-pied de cette lecture pour réhabiliter la dimension physiologique des travaux de W. Pitts et McCulloch, vus comme fournissant des concepts opératoires pour une étude du fonctionnement effectif du cerveau. Cf. Mathieu TRICLOT, Le moment cybernétique, Seyssel, Champ Vallon, 2008, p. 174-180.
2 Francisco VARELA, Connaître les sciences cognitives, tendances et perspectives, traduit de l’anglais par Pierre Lavoie, Paris, Seuil, 1989, p. 61. Aujourd’hui, il semble néanmoins que la démarche élémentariste, qui cherche à reconstruire le fonctionnement du cerveau uniquement à partir des propriétés des réseaux de neurones, soit mise en échec et demande à être complétée par la prise en compte d’autres niveaux d’organisation.
3 Norbert WIENER, Cybernetics or control and communication in the animal and in the machine, Cambridge, MIT Press, 1961 (1948), p. 24. Si la vision connexionniste du monde social s’ancre indéniablement dans la première cybernétique, on peut aussi lui trouver une forme de parenté avec l’économie politique, et peut-être plus particulièrement avec une pensée comme celle de Friedrich Hayek. Ce dernier décrit ainsi les « ordres spontanés » comme des « structures ordonnées, qui sont le résultat d’actions d’hommes nombreux mais ne sont pas le résultat d’un dessein humain » (Friedrich von HAYEK, Droit, législation, liberté, tome I : Règles et ordre, traduit de l’anglais par Raoul Audouin, P.U.F, Paris, 1980, p. 43). Le principe d’auto-organisation valorisé par Hayek, en vertu notamment d’une défense des libertés individuelles, semble ainsi relativement proche de l’idée maîtresse de l’intelligence collective : l’organisation spontanée d’une multitude d’agents simples autonomes. Cette convergence partielle entre la cybernétique et un libéralisme politique hostile à l’interventionnisme étatique peut se lire dans certains écrits de Pierre Lévy. Ce chantre de l’intelligence collective appelle par exemple de ses vœux un avenir où « nombre de fonctions d’intégration, d’harmonisation et de coordination précédemment accomplies à grand peine par l’Etat seront remplies spontanément par le processus de l’intelligence collective » (Pierre LÉVY, Cyberdémocratie, Paris, Odile Jacob, 2002, p. 200).
Cette approche du monde social a très certainement culminé dans les diverses métaphores et expressions (cerveau social, cybionte, hive mind, intelligence connectée) employées par les penseurs des nouvelles technologies dans le contexte du boom d’Internet à la fin des années 1990.
Luc Boltanski et Ève Chiapello en sont ainsi venus à présenter l’approche connexionniste du monde social comme constitutive du « nouvel esprit du capitalisme », en notant que les modèles d’intelligence distribuée « sont aujourd’hui souvent transposés, de façon plus ou moins métaphorique, à l’étude des sociétés humaines »1.
La notion d’intelligence collective, telle qu’elle a émergé au cours des années 1990, se présente comme l’héritière de ce courant de pensée ancré dans la cybernétique de l’après-guerre. Par-delà son succès lié à Internet et son incroyable plasticité qui confine souvent à l’incohérence, elle a permis d’avancer une explication théorique au mélange d’efficacité et d’auto-organisation qui semble caractériser les projets open source.
Si ceux-ci fonctionnent, ce serait parce qu’ils mettent en œuvre une forme d’organisation, dont la fécondité peut être constatée sur un grand nombre d’exemples à la fois naturels et artificiels.
Grâce à la notion d’intelligence collective, le mode de collaboration théorisé par les promoteurs de l’approche open source a ainsi pu être rattaché – moyennant quelques raccourcis et diverses simplifications théoriques – à un modèle beaucoup plus général, englobant un ensemble de phénomènes sociaux, techniques et biologiques.
