Modélisation de la manière dont les processus stochastiques génèrent des comportements complexes dans les systèmes biologiques ou cognitifs.La modélisation de la complexité émergente étudie comment des interactions simples et stochastiques (aléatoires) au niveau microscopique donnent naissance à des comportements complexes et organisés au niveau macroscopique. Ce domaine couvre la physique, la biologie et les sciences cognitives, abordant des phénomènes tels que le mouvement collectif dans les groupes d'animaux, la formation de motifs dans les réactions chimiques, et l'émergence de fonctions cognitives à partir de l'activité neuronale. L'idée clé est que la complexité ne nécessite pas de règles complexes : elle peut émerger du hasard combiné à une rétroaction non linéaire.
L'approche de modélisation consiste généralement à définir un ensemble d'agents ou d'éléments avec des règles d'interaction locales, incluant souvent des éléments probabilistes. Grâce à des simulations informatiques ou à des méthodes analytiques, les chercheurs observent comment des motifs globaux émergent de ces interactions stochastiques locales. Les mécanismes impliquent souvent des boucles de rétroaction positive, où de petites fluctuations sont amplifiées, et une rétroaction négative qui stabilise le système, conduisant à l'auto-organisation.
Cette approche est utilisée pour prédire la dynamique des foules en vue de la planification de la sécurité, pour comprendre et contrôler la propagation des épidémies, et pour concevoir des algorithmes pour la robotique en essaim et l'intelligence artificielle.
Dans les simulations de dynamique des foules, l'ajout d'une petite quantité de bruit aléatoire aux mouvements individuels peut en réalité rendre le flux global plus ordonné et prévenir les bousculades dangereuses.
| \sigma_f | variable | Combined uncertainty of the function f — incertitude varies |
| f | variable | Function of multiple measured variables — function varies |
| x_i | variable | i-th measured variable — variable varies |
| \sigma_{x_i} | variable | Uncertainty of the i-th measured variable — incertitude varies |
| \partial f / \partia | opérateur | Partial derivative of f with respect to x_i, giving the sensitivity of f to that variable — dérivée partielle |
| \sqrt{} | opérateur | Square root of the sum of squared terms — racine carrée |
| \sum_i | opérateur | Sum over all independent variables i — somme |
| F | variable | value of the decaying quantity at position x — amplitude varies |
| F_0 | variable | initial value at x = 0 — amplitude varies |
| x | variable | independent variable (position, time, etc.) — position metre |
| α | variable | decay constant (rate of decay per unit x) — constante de désintégration per metre |










