Le rêve de prédire l’avenir a toujours hanté l’esprit humain. Des oracles de l’Antiquité aux algorithmes contemporains, cette quête traverse les siècles, prenant des formes sans cesse renouvelées. Aujourd’hui, à l’université d’Oxford, le physicien et économiste J. Doyne Farmer propose une approche révolutionnaire de la prédiction et l’explique dans son dernier livre, Making Sense of Chaos: A Better Economics for a Better World.
Cette dernière s’enracine dans la puissance de calcul des systèmes modernes et la théorie du chaos, qui explore comment des systèmes déterministes, soumis à des règles précises, peuvent générer des comportements imprévisibles et complexes dus à une extrême sensibilité aux conditions initiales. Le parcours atypique de Farmer illustre une conviction profonde : l’apparente imprévisibilité de certains phénomènes masque souvent des régularités que la science peut décrypter. Paul Rand lui a donné la parole pour le 147ᵉ épisode du podcast américain Big Brain ; voilà ce qu’il en est ressorti.
Du hasard aux lois physiques : la naissance d’une méthode inédite
Les premiers pas de Farmer dans l’univers de la prédiction commencent devant une roulette de casino dans les années 1970 à Las Vegas. Là où le commun des mortels ne voit qu’un jeu de hasard, le physicien décèle un système mécanique régi par les lois de Newton. « Attendez une minute, ce n’est qu’une bille qui roule sur une piste circulaire avec un rotor au centre, qui tourne dans le sens opposé. Ce sont des systèmes physiques simples, donc en tant que physiciens, nous devrions être capables de prédire leur comportement », explique Farmer.
En appliquant ces lois fondamentales et en mesurant précisément les forces physiques en jeu, son équipe développe un modèle mathématique capable de prédire la trajectoire de la bille. Pour exploiter cette découverte, ils créent le premier ordinateur portable dissimulable – une innovation remarquable pour l’époque. Le dispositif, caché sous leurs vêtements, reçoit les données via des interrupteurs actionnés par les orteils.
Lorsque la bille passe devant un point de référence, l’opérateur envoie un signal. L’ordinateur calcule alors la vitesse de la bille et prédit sa zone d’arrivée probable. Un second joueur peut ainsi placer ses mises en conséquence. Cette méthode scientifique leur a permis de dégager un avantage statistique énorme sur le casino. « Nous avons battu le casino avec une belle avance, environ 20 % de marge », précise Farmer.
Cette expérience, au-delà de son aspect anecdotique, pose les bases d’une réflexion plus profonde sur la nature du hasard et de la prédictibilité. Elle démontre qu’un phénomène apparemment aléatoire peut devenir prévisible lorsqu’on comprend les mécanismes physiques qui le gouvernent et qu’on dispose des outils mathématiques appropriés pour les modéliser. Une leçon que Farmer appliquera plus tard avec succès à un tout autre secteur.
La complexité comme clé de lecture des marchés financiers
Fort de ce succès, Farmer transpose ses méthodes aux marchés financiers. Il fondera dans les années 1990 une société, baptisée Prediction Company, qui sera l’équivalent d’une secousse dans le monde de la finance. Elle sera l’une des premières entreprises à utiliser des ordinateurs pour effectuer des transactions boursières de manière entièrement automatique, en suivant des modèles mathématiques et statistiques.
Contrairement aux casinos où les gains attirent rapidement l’attention hostile des établissements, les marchés financiers offrent à Farmer un terrain d’expérimentation idéal. « Dès qu’on commençait à bien gagner, le casino nous mettait la pression, alors on s’éclipsait. On a bien profité, mais on ne peut pas dire qu’on a fait fortune » souligne Farmer.
En partenariat avec UBS, l’entreprise développe des stratégies de trading sophistiquées, basées sur l’analyse des systèmes complexes. Les résultats dépassent toutes les attentes : sur 28 années d’activité, la société réalise des bénéfices pendant 27 ans. Plus impressionnant encore, le ratio rendement/risque de leurs investissements s’avère six fois supérieur à celui du marché. Un succès qui ne doit rien au hasard. Là où les théories financières classiques postulent l’efficience des marchés et la rationalité parfaite des investisseurs, Farmer adopte une approche radicalement différente.
Son équipe modélise alors les marchés comme des systèmes complexes, comparables aux phénomènes naturels qu’il étudiait en tant que physicien. Les fluctuations des cours ne sont plus vues comme une suite de nombres aléatoires, mais comme le résultat de multiples interactions entre acteurs aux comportements imparfaits. Cette approche permet de capturer des dynamiques subtiles : effets de cascade, formations de bulles, mouvements de panique. En intégrant les biais cognitifs des investisseurs et leurs stratégies réelles – souvent éloignées de la rationalité pure – leurs modèles parviennent à anticiper des mouvements de marché invisibles aux approches traditionnelles.
La révolution silencieuse de la « complexity economics »
Après ces réussites, Farmer s’attaque aujourd’hui à un défi encore plus ambitieux : modéliser l’économie dans son ensemble. Sa nouvelle entreprise, Macrocosm développe un outil de navigation économique permettant de visualiser les interdépendances complexes entre acteurs et de simuler l’impact de différentes décisions. Farmer le compare à un outil bien connu, Google Maps : « Mon rêve ultime, c’est de révolutionner la prise de décision économique comme Google Maps a transformé la gestion du trafic ».
Baptisée « complexity economics », cette approche rompt radicalement avec les modèles économiques traditionnels. Au lieu de s’appuyer sur des équations mathématiques supposant des agents parfaitement rationnels, la stratégie de Farmer simule des millions d’acteurs économiques prenant des décisions imparfaites, basées sur des règles empiriques simples. Un dirigeant d’entreprise ne calcule pas une stratégie optimale, il imite ses concurrents qui réussissent. Un consommateur ne maximise pas une fonction d’utilité abstraite, il suit des habitudes et des heuristiques, etc.
L’efficacité de cette méthode s’est notamment manifestée pendant la crise du COVID-19. Les modèles de Farmer ont prédit une chute du PIB britannique de 21,5 % au deuxième trimestre 2020 – la réalité s’est établie à 22,1 %. Une précision remarquable qui a convaincu progressivement des institutions d’envergure. Plusieurs banques centrales, dont celles du Canada et d’Italie, intègrent désormais ces outils dans leur prise de décision. Les applications potentielles sont vastes : de l’anticipation des crises financières à l’optimisation des politiques de transition énergétique, en passant par l’étude des inégalités. Une nouvelle façon de penser l’économie émerge, plus proche de la réalité complexe qu’elle cherche à comprendre.
Cette nouvelle science de la complexité pourrait donc fiabiliser nos prédictions dans de nombreux domaines. Non pas en prédisant l’avenir avec une certitude absolue – une ambition qui restera toujours illusoire – mais en identifiant les schémas et les dynamiques qui structurent les systèmes complexes.
- Doyne Farmer a utilisé les mathématiques du chaos pour rendre prévisibles des phénomènes complexes, des roulettes de casino aux marchés financiers.
- Ses modèles, fondés sur les interactions humaines réelles et non la rationalité parfaite et capturent des dynamiques souvent invisibles.
- Aujourd’hui, il vise désormais à transformer complètement la prise de décision économique avec son entreprise Macrocosm.
📍 Pour ne manquer aucune actualité de Presse-citron, suivez-nous sur Google Actualités et WhatsApp.
Passionnant.
“(…) fiabiliser nos prédictions dans de nombreux domaines. Non pas en prédisant l’avenir avec une certitude absolue (..)”
L’absence de certitude absolue est-elle le fait d’un outil si élaboré soit-il qui ne l’est pas assez ou qui ne le sera jamais ?
Le hasard “vrai” serait-il cette inconnue si infime soit-elle qui vient perturber l’outil le plus sophistiqué ?
In fine, peut-être bien que l’on taxe de hasard ce qui ne l’est pas, sans que pour autant on puisse affirmer qu’il n’existe pas.
Comment savoir s’il y a ou non une limite à ce que la science permet de connaître ? Saura-t-on jamais ce qui s’est produit entre le Temps T0 de l’Origine de l’univers et le Temps T1 du Big Bang, pourquoi ne peut-on pas aller au-delà de ces quelques milliardièmes de milliardièmes de seconde ? Limite de la science en son état actuel ou limite infranchissable que la science sait ne jamais pouvoir franchir ?
Avant même que tu écrives ton texte, FARMER savait ce que tu allais écrire 🤭