Collective behavior is the emergent coordinated action of individuals in a system that results from local interactions without central control.Le comportement collectif apparaît dans les systèmes de nombreux agents en interaction — des vols d'animaux aux particules grouillantes. La clé réside dans les interactions locales : chaque agent réagit à son environnement selon un algorithme simple, sans plan global. Cela engendre des propriétés émergentes — des propriétés que les éléments individuels n'ont pas. Par exemple, un banc de poissons se resserre en cas de danger, créant l'illusion d'un grand organisme ; une colonie de fourmis trouve le chemin le plus court vers la nourriture grâce à des marques phéromonales. Le passage d'un mouvement chaotique à un mouvement ordonné est l'analogue d'une transition de phase en physique, où l'état collectif change brusquement lorsque la densité critique ou la force de couplage est atteinte.
Les premières descriptions scientifiques du comportement collectif animal apparaissent au début du XXe siècle, mais la base théorique a été posée en physique par de nombreux scientifiques. Ludwig Boltzmann au XIXe siècle a développé la mécanique statistique, montrant comment les règles microscopiques pour les molécules engendrent les propriétés macroscopiques d'un gaz. Cette idée a été reprise pour d'autres systèmes. Dans les années 1930-40 en biologie (Julian Huxley, William H. Thorpe), on a étudié la synchronisation chez les oiseaux et les poissons. Le tournant est venu avec le développement des ordinateurs : dans les années 1970 sont apparues les premières simulations (par exemple, le modèle de Vicsek pour le mouvement collectif de particules), et en 1986 Craig Reynolds a publié le célèbre modèle « Boids », montrant que trois règles engendrent un comportement de vol réaliste. Parallèlement, des physiciens (Stanley Milgram, Serge Galam) ont étudié les foules, et des chimistes la réaction de Belousov-Zhabotinsky. Aujourd'hui, le comportement collectif est un domaine en plein développement, applicable aux neurosciences, à la robotique et aux réseaux sociaux.
Le mécanisme repose sur une rétroaction positive et des interactions non linéaires. Chaque agent obéit à des règles locales simples, comprenant souvent la répulsion à courte distance (pour éviter les collisions), l'alignement du vecteur vitesse sur la moyenne des voisins (accord de direction) et l'attraction vers le centre du groupe local (maintien de la cohésion). À faible densité ou avec une interaction faible, le système est chaotique. Lorsque le seuil de couplage (force d'attraction ou nombre de voisins) est dépassé, une transition de phase se produit, similaire à l'aimantation : un ordre à longue portée apparaît et tous les agents se déplacent de manière cohérente. Ceci est décrit par un paramètre d'ordre, par exemple le vecteur d'orientation moyen. Dans des cas plus complexes, des ondes d'excitation, des tourbillons, des grappes se forment. Dans les systèmes neuronaux, la dynamique collective engendre des oscillations et la synchronisation des décharges. L'universalité de ces phénomènes est expliquée par les méthodes du groupe de renormalisation, qui montrent que de nombreux systèmes différents appartiennent à une même classe d'universalité au voisinage du point critique.
Gestion d'un essaim de drones, prévision des embouteillages et de la panique dans les foules, création de matériaux auto-organisés.
Les lucioles de certaines espèces synchronisent leurs éclairs sans aucun chef d'orchestre : chaque insecte s'ajuste au rythme de ses voisins, et après quelques cycles, toute la population brille à l'unisson, transformant la forêt nocturne en un nuage clignotant vivant.


















