18
J. M. Gates
On peut également faire appel à des équations différentielles et des modèles
structuraux pour projeter explicitement des trajectoires "correctes". Le recours à celte
méthode plus compliquée se paie par des temps de calcul informatique plus élevés. En
économie, la dynamique des décisions d'investissement dans la pêche et le temps de
réponse de ces dernières, aux fluctuations des stocks par exemple, ont été peu étudiés.
Ils restent mal connus.
4.3. Modèles déterministes et modèles stochastiques
Un modèle stochastique prend en compte l'effet de phénomènes aléatoires, alors
qu'un modèle déterministe fait abstraction de la distribution du bruit, en représentant
les variables aléatoires par des mesures de leur tendance centrale (moyenne, médiane
ou mode). L'exemple du bol, auquel nous avons fait appel pour illustrer la statique
comparative, peut encore servir pour éclairer les effets d'événements aléatoires.
Supposons que la table sur laquelle il est placé se mette à vibrer sous l'effet d'un
tremblement de terre. Intuitivement, on s'attend à ce que la bille soit soumise à un
mouvement aléatoire au voisinage du fond du bol, tout en manifestant une tendance à
revenir vers le même point d'équilibre. En faisant abstraction pour l'instant des
questions de stabilité, l'introduction dans ce système simple d'un phénomène aléatoire
ne pose pas trop de difficulté à notre intuition ; il nous suffit de généraliser la notion
précédente d'équilibre sans mouvement à celle d'un mouvement aléatoire au voisinage
de la zone d'équilibre. Malheureusement, tous les systèmes ne se comprennent pas
aussi facilement.
Le recrutement fournit l'exemple le plus évident d'interférence de l'aléatoire
dans un modèle bioéconomique. Des investigations sont en cours actuellement sur le
déterminisme du recrutement, notamment dans les upwellings océaniques (chapitres 4,
5 et 6). Dans la mesure où ces déterminants sont eux-mêmes aléatoires, l'interférence
du bruit dans un modèle change de niveau. Ainsi, l'identification des facteurs et
phénomènes causaux (climat, météorologie, stock parental, ...) peut permettre de
préciser la structure du bruit. L'analyse de séries historiques de mesures des
phénomènes pertinents (température, vent, pluviométrie, ...) peut montrer que sa
distribution n'est pas normale et permettre de mieux la représenter (chapitre 9). Pour
que ces connaissances soient utilisables, au cas par cas, il est nécessaire que les
décideurs publics et privés puissent être informés suffisamment à l'avance pour pouvoir
agir. On relèvera ici l'interaction des démarches dynamique et stochastique :
l'identification des phénomènes aléatoires causaux ou la connaissance de délais dans la
manifestation d'événements stochastiques peuvent améliorer les décisions (chapitre 4).
480
J. M. Gates
On peut également faire appel à des équations différentielles et des modèles
structuraux pour projeter explicitement des trajectoires "correctes". Le recours à celte
méthode plus compliquée se paie par des temps de calcul informatique plus élevés. En
économie, la dynamique des décisions d'investissement dans la pêche et le temps de
réponse de ces dernières, aux fluctuations des stocks par exemple, ont été peu étudiés.
Ils restent mal connus.
4.3. Modèles déterministes et modèles stochastiques
Un modèle stochastique prend en compte l'effet de phénomènes aléatoires, alors
qu'un modèle déterministe fait abstraction de la distribution du bruit, en représentant
les variables aléatoires par des mesures de leur tendance centrale (moyenne, médiane
ou mode). L'exemple du bol, auquel nous avons fait appel pour illustrer la statique
comparative, peut encore servir pour éclairer les effets d'événements aléatoires.
Supposons que la table sur laquelle il est placé se mette à vibrer sous l'effet d'un
tremblement de terre. Intuitivement, on s'attend à ce que la bille soit soumise à un
mouvement aléatoire au voisinage du fond du bol, tout en manifestant une tendance à
revenir vers le même point d'équilibre. En faisant abstraction pour l'instant des
questions de stabilité, l'introduction dans ce système simple d'un phénomène aléatoire
ne pose pas trop de difficulté à notre intuition ; il nous suffit de généraliser la notion
précédente d'équilibre sans mouvement à celle d'un mouvement aléatoire au voisinage
de la zone d'équilibre. Malheureusement, tous les systèmes ne se comprennent pas
aussi facilement.
Le recrutement fournit l'exemple le plus évident d'interférence de l'aléatoire
dans un modèle bioéconomique. Des investigations sont en cours actuellement sur le
déterminisme du recrutement, notamment dans les upwellings océaniques (chapitres 4,
5 et 6). Dans la mesure où ces déterminants sont eux-mêmes aléatoires, l'interférence
du bruit dans un modèle change de niveau. Ainsi, l'identification des facteurs et
phénomènes causaux (climat, météorologie, stock parental, ...) peut permettre de
préciser la structure du bruit. L'analyse de séries historiques de mesures des
phénomènes pertinents (température, vent, pluviométrie, ...) peut montrer que sa
distribution n'est pas normale et permettre de mieux la représenter (chapitre 9). Pour
que ces connaissances soient utilisables, au cas par cas, il est nécessaire que les
décideurs publics et privés puissent être informés suffisamment à l'avance pour pouvoir
agir. On relèvera ici l'interaction des démarches dynamique et stochastique :
l'identification des phénomènes aléatoires causaux ou la connaissance de délais dans la
manifestation d'événements stochastiques peuvent améliorer les décisions (chapitre 4).
480