Overblog
Editer l'article Suivre ce blog Administration + Créer mon blog
10 Jun

Les systèmes complexes et le vivant

Publié par francois delcourt  - Catégories :  #recherche et développement

Les systèmes complexes et le vivant

j'ai choisi d'ajouter (en septembre 2016) à cet article un document vidéo essentiel qui résume à lui seul l'essentiel des enjeux de la complexité du vivant

« Un système complexe peut être défini comme un système composé de nombreux éléments autonomes différenciés interagissant entre eux de manière non triviale. Un système complexe se caractérise également par l’émergence au niveau global de propriétés nouvelles, non observables au niveau des éléments constitutifs et par une dynamique de fonctionnement global difficilement prédictible à partir de l’observation et de l’analyse des constituants et de leurs interactions élémentaires. Cela implique en particulier qu’un système complexe ne peut être analysé par une décomposition en sous-systèmes plus simples. » Bui

Cette définition nous apporte quoi en fait ? Elle nous donne une définition d’un système en premier lieu. C’est une association de nombreux élément interagissant entre eux, la particularité d’un système complexe réside dans le fait que les interaction sont non triviales, la trivialité c'est la banalité donc accessoirement prévisibles comme les inter réactions des atomes dans un gaz pur ; selon les conditions environnementales, elles sont toujours les mêmes. 

 

Emergence

L’idée réside dans le fait que les interactions d’éléments autonomes et différentiés implique l’apparition de propriétés et caractéristiques particulières et nouvelles. Ces dernières n’ont rien à voir avec celles des constituants d’origine, de plus elles sont imprévisibles, aléatoires. C’est la notion d’émergence.

Citons un exemple concret d’émergence triviale, simple pour comprendre. Prenons deux atomes d’hydrogène, un gaz explosif au contact d’une flamme (rappelons nous les mésaventures du zeppelin Hindenburg en 1937).

Les systèmes complexes et le vivant

Ajoutons un atome d’oxygène, un gaz comburant bien connu (le vent n’attise-t-il pas les braises ?) et on obtient une molécule d’un liquide capable d’éteindre n’importe quel feu. Deux atomes de gaz donnent une molécule d’un liquide aux propriétés diamétralement opposées de ses deux constituant originaux. Vous avez là une idée assez précise du phénomène d’émergence, c’est un des maître-mot pour comprendre les systèmes complexes. 

L’émergence spontanée d’une organisation structurelle en état de non équilibre à un niveau macroscopique, due aux interactions collectives entre un grand nombre de sous systèmes microscopiques habituellement simples.

Coveney P.V.

L'émergence désigne l'apparition de nouvelles caractéristiques à un certain degré de complexité. C'est un phénomène qu'on trouve dans les domaines physiques, biologiques, écologiques, socio-économiques et autres systèmes dynamiques comportant des rétroactions. On peut définir l'émergence par deux caractéristiques :

L’ensemble fait plus que la somme de ses parties. Ceci signifie qu'on ne peut pas forcément prédire le comportement de l'ensemble par la seule analyse de ses parties.

L’ensemble adopte un comportement caractérisable sur lequel la connaissance détaillée de ses parties ne renseigne pas complètement. 

La notion d’émergence de structure globale à partir d’interactions locales entre constituants. Ces structures émergentes peuvent avoir, dans les cas les plus intéressants, des propriétés fonctionnelles émergentes elles aussi en ce qu’elles ne peuvent pas être prédites, à priori, à partir des propriétés individuelles des constituants.

Henri Atlan 2011

Emergence vs immergence

Les propriétés émergentes apparaissent dans le sens « bottom-up », c’est à dire d’une échelle microscopique à une échelle macroscopique. L’association de différents éléments à caractéristiques particulières au niveau microscopique va constituer un ensemble à caractéristiques différentes.

Dans l’autre sens, « top-down », du niveau macroscopique au niveau microscopique. Une action sur les systèmes en entier va créer une modification des propriétés des éléments constituants. Ce sont les propriétés immergentes.

Une illustration de l’émergence pourrait être le devenir du corps et ses pathologies inhérentes à force de se nourrir de junk food. Le film super size me en donne un aperçu éloquent. Des ingrédients à priori non nocifs mais de qualité nutritive pauvre font émerger des pathologies bien connues comme l’obésité, le diabète de type II, l’hypercholestérolémie faisant le lit du développement des maladies cardio vasculaires en forte augmentation à ce jour. Ne parle-ton pas de maladies émergentes ? Ce mode de comportement alimentaire, à grand renfort de publicité alléchantes, a pour conséquence la constitution d’un énorme problème de santé publique mondial ayant pour effet de développer toute une macroéconomie inflationniste en matière de dépenses de santé provoquant un impact, par immergence, sur la microéconomie (les impôts) des consommateurs et de l’ensemble de la population. La boucle est bouclée, l’effet systémique est constitué par effet boule de neige et institutionnalisé.

L’ostéopathie ne serait-elle pas une intervention du niveau macroscopique (la main du thérapeute) créant des modifications systémiques, par phénomène d’immergence, au niveau microscopique (voir article sur la mécanobiologie) ? L’impact thérapeutique pourrait-il avoir des conséquences macroéconomiques en terme de réduction des problématiques de santé publique ?

L’ensemble de ces interactions à différentes échelles constitue des boucles de rétroactions permettant d’adapter le système à son environnement et ses contraintes de tous ordre. Il est nécessaire de les prendre en compte pour avoir une approche intégrée et cohérente du système.

 

Auto organisation

C’est l’autre maître-mot des systèmes complexes, dans une autre définition des systèmes complexes :

Un système constitué d’un grand nombre d’entités hétérogènes qui interagissent localement les unes avec les autres et qui créent ainsi de multiples niveaux de structures et d’organisations collectives.

RNSC

L’idée d’organisation collective et de structure émergente est présente.

Cette notion d’auto organisation est apparue au milieu du XXème siècle, à la croisée des mathématiques et de l'informatique, avec les travaux de J. Von Neumann sur les automates cellulaires[1] et ceux de N. Wiener (Wiener, 1948), fondant la cybernétique[2]. Par la suite un article fondateur d'A. Turing (Turing, 1952) sur la morphogenèse (modélisation des réactions de belouzov zhabotinsky) et les travaux d'I. Prigogine sur les structures dissipatives[3]. Toutes ces études soulignèrent l'importance des rétroactions, des non linéarités et du caractère ouvert et hors d'équilibre des systèmes pour qu'il y apparaisse des formes stables et reproductibles sans plan d'ensemble ni prescription extérieure. Les ouvrages ultérieurs d'H. Von Foerster  (Von Foerster, 1961), d'H. Haken (Haken, 1977) et de H. Atlan (Atlan, 1979) achevèrent d'établir et de populariser la notion d'auto organisation.

[1] Modèles numériques discrets où l'état d'une cellule évolue en fonction de l'état des voisines

[2] Etude en parallèle de l'organisation, des mécanismes de contrôle et de la communication dans les systèmes vivants et artificiels

[3] Structures stationnaires hors d'équilibre où la dissipation d'énergie entretient une organisation locale

L’auto organisation est un mécanisme ou un ensemble de mécanismes par lesquels les structures sont produites au niveau global d’un système à partir d’interactions entre ces constituants à un niveau d’intégration inférieur. Les interactions entre constituants sont eux-mêmes produites localement sans aucune référence à une structure globale préconçue. Au contraire, celle-ci est une propriété émergente du système et non une propriété imposée de l’extérieur du système.

Henri Atlan. 2011

Le préfixe « auto » souligne qu'il peut apparaître des phénomènes collectifs robustes dans un ensemble d'éléments en interaction, sans qu'il y ait besoin ni d'un chef d'orchestre, ni d'une préparation initiale inhomogène, ni de conditions extérieures biaisant les interactions ou la dynamique individuelle. (voir article sur l’intelligence collective)

Processus par lequel des systèmes (physique, biologiques ou sociaux) parviennent à un état stable de manière spontanée, immanente, sans intervention de facteurs extérieurs, sans finalité.

C. Godin 2004

Une partie de l'énergie absorbée par les organismes vivants sert ainsi à maintenir leur organisation dynamique. Les structures auto organisées sont hors d'équilibre, car parcourues de flux de matière et d'énergie. Elles s'évanouissent si on coupe les flux entrants (en contradictions avec les lois de la thermodynamique qui ne fonctionnent qu’en système fermé), ceci à valu un prix Nobel à Ilya Prigogine sur les structures dissipatives.

Le terme central d' « organisation » suggère une apparition d'ordre et renvoie aux notions d'entropie et d'information.

L’auto organisation suggère une dynamique du système, créant de la matière ou une structure à partir d’éléments simples. Ce que produit n’importe quel être vivant à partir de l’utilisation ou de la dégradation de certains éléments de son environnement. Une plante utilise l’eau et des sels minéraux pour se développer, les rayons du soleil pour créer de la matière lors de la photosynthèse. L’animal dégrade et utilise les constituants d’une plante ou d’un autre animal pour se développer, se régénérer, créer la matière organique le constituant. 

Le terme d'auto organisation désigne l'émergence spontanée et dynamique d'une structure spatiale, d'un rythme ou d'une structure spatiotemporelle (se développant dans l'espace et le temps) sous l'effet conjoint d'un apport extérieur d'énergie et des interactions à l'oeuvre entre les éléments du système considéré.

Annick Lesne

Les interactions doivent donc être non linéaires mais elles peuvent être à courte portée (i.e. entre éléments voisins) et présenter une composante aléatoire. Du fait de ces principes communs à tous les phénomènes auto organisés, des modèles très similaires se rencontrent dans des domaines très différents et à des échelles très différentes (dynamique des populations et réactions chimiques, que nous avons vu dans les notions d’immergence et d’immergence).

 

Science des réseaux

La multiplication des données, des interactions et des processus émergents s’y rapportant implique la création d’algorithmes puissants, de modèles mathématiques (théorie des graphes, physique statistique), et l’utilisation de calculateurs rapides ; c’est l’émergence de la science des réseaux. Nous sommes passés d’une ère où l’on surveillait quelques données ou marqueurs sur une population entière caractérisant un suivi médical par exemple (certains marqueurs sanguins à un temps t) à une ère où l’on tente de suivre de nombreux marqueurs sur un cas isolé au cours du temps. Est-il plus judicieux de prendre la tension artérielle en une prise le jour de la consultation sur de nombreuses personnes afin de suivre les effets d’un traitement – au risque d’avoir un effet « blouse blanche » - ou de faire un suivi de la tension artérielle, grâce à un holter, ainsi que de nombreux autres facteurs biologiques pouvant être influencés par le traitement lors d’une journée sur moins d’individus ?

La notion de temporalité, du nombre de facteurs considérés et de leurs interactions joue dans certains cas un rôle majeur dans l’évolution d’un écosystème (voir article sur la systémique).

Peut-on modéliser ces réseaux ? Existe-t-il différents types de réseaux et comment fonctionnent-ils ?

 

Réseaux avec échelle

Les modèles usuels de la science des réseaux sont dits aléatoire ou avec échelle, c’est à dire que les éléments sont reliés par des « nœuds ». Les nœuds sont reliés par des liens aléatoires. Le nombre de liens suit une loi de poisson (courbe en cloche avec une moyenne). La plupart des nœuds ont un nombre de liens proche de la moyenne. Il y a peu de nœuds avec beaucoup ou peu de liens. Matériellement dans de tels réseaux, il est difficile de créer d’autres liens. C’est l’exemple des réseaux routiers.

 

Réseaux sans échelle

D’autres types de réseaux existent, ne suivant pas la même distribution de liens. Ce sont des réseaux sans échelle ou à invariance d’échelle. Il existe toujours une moyenne du nombre de liens par nœud, mais avec certains nœuds ayant énormément de liens (très « connectés » = hubs), d’autres très peu. Dans ces réseaux, la distribution des liens suit une loi de puissance (logarithmique, la dispersion autour de la moyenne tends vers l’infini). Dans ces réseaux, matériellement, la création d’un lien supplémentaire est moins contraignante. On retrouve ce genre de distribution dans les réseaux aériens, internet, les réseaux sociaux

 

Modélisation du vivant

La plupart des processus de fonctionnement du vivant résultent d’interactions entre des milliers de facteurs : ions, molécules, enzymes, gènes, conformation de protéines, etc.

L’ensemble des interactions entre les ions, molécules, enzymes peut se représenter sous la forme d’un système complexe que l’on appelle le métabolome ; son étude, la métabolomique, dans une approche systémique  étudie l’ensemble des métabolites d’un organisme. De la même manière, la génomique étudie l’ensemble du génome ; mais il est une approche récente appelée l’épigénétique qui tente d’élucider l’influence de l’environnement sur le génome. (Voir vidéo de Joël de Rosnay) 

Un réseau complexe connu et loin d’être maitrisé est représenté par le connectome, notre réseau neuronal cérébral.

Ces interactions entre les différents éléments, avec un suffixe « ome », sont de plusieurs ordre : mécaniques, chimiques, électrochimiques, voire inconnues la plupart du temps. Modéliser ces interactions c’est mieux les comprendre et pouvoir interagir de façon différente. C’est l’objectif de la biologie des réseaux. Les outils informatiques permettent de construire, analyser et simuler (« in silico ») ces réseaux (nœuds et arcs). Les simulations permettent d’obtenir des préconisations, des prédictions, sur les phénomènes étudiés à soumettre à l’expérimentation (« in vivo ») dans leur contexte.

Dans une pathologie multifactorielle, on peut modéliser, construire le réseau des facteurs (biologiques, chimique, génétiques) impliqués dans la genèse de cette pathologie. En simulation, on peut déterminer quels sont les facteurs prépondérants (nœuds = hubs) à l’apparition de la pathologie. Faire des prédictions sur les causes possibles, les vérifier par l’expérimentation et définir des cibles thérapeutiques plus précises. 

Eric Schadt[1] spécialiste de l’approche multi-échelle de la biologie

[1] Eric Schadt: institut de génomique et biologie multi-échelle, école de médecine du Mont Sinaï, NY

Un phénomène actuel majeur, dans le paysage de la biologie des réseaux, est l’introduction de méthodes et d’outils permettant de maitriser la causalité.

Eric Schadt

Les réseaux construits ne se contentent pas de dessiner les interrelations entre les facteurs impliqués dans un processus, ils reproduisent la logique causale de la réalité biologique étudiée.

Dotés de nombreux nœuds peu connectés et de super-nœuds qui le sont beaucoup, les réseaux invariants d'échelle résistent mieux que les réseaux aléatoires à la mise hors circuit accidentelle de plusieurs nœuds. En revanche, une attaque ciblée de quelques super-nœuds menace l'ensemble du système.

Ainsi dans un système complexe, les éléments doivent être étudiés et analysés non pas séparément mais dans leur contexte. « étudier le comportement des constituants individuels mais non des constituants isolés ». Ceci va à l’encontre des études « in vitro » habituellement faites à moins de prendre en compte un  nombre suffisant d’éléments. Les interactions nombreuses posent le problème des critères de jugement et d’observations utilisés pour étudier le comportement du système. Sont-ils suffisants en nombre et surtout représentatifs ? C’est tout le problème du modélisateur dans la création de son modèle abstrait. Quels outils utiliser ? Le modèle est-il assez ressemblant au modèle réel ? Le modèle crée a t-il un comportement identique au modèle réel ? Pour cela il faut non seulement modéliser mais expérimenter par la suite ou simuler. Heureusement, les outils informatiques récents (supercalculateurs rapides, algorithmes puissants, automates cellulaires, modèles multi-agents) permettent la simulation des modèles.

 

Et l’ostéopathie ?

On peut bien évidemment décliner cette idée de réseau sur le protéinome et en particulier sur l’ensemble du tissu conjonctif, le conjonctome ou le collagénome sur lequel l’ostéopathe travaille. L’hypothèse est simple et contre-intuitive, mais l’ostéopathie serait un traitement du conjonctome favorisant l’auto organisation et l’équilibre de celui-ci. Ainsi rien à voir avec l’auto guérison ; un patient se présentant chez son ostéopathe n’est pas forcement malade et n’en ressort pas nécessairement guéri. Quid de la guérison ?

La guérison c’est la « Disparition totale des symptômes d'une maladie ou des conséquences d'une blessure avec retour à l'état de santé antérieur. » Def Larousse

Est-ce un retour ad integrum à un état initial d’avant la maladie ? L’exemple classique de la cicatrisation comme guérison laisse tout de même des traces cutanées et non-cutanées plus ou moins profondes influençant de façon variable l’équilibre global du sujet. Ne pourrait-on pas parler d’auto organisation des tissus du corps plutôt que d’auto guérison ? L’ostéopathie est centrée sur la notion d’état de santé et non de maladie. L’ostéopathie ne traite pas des maladies ni des symptômes au sens strict, mais des personnes pouvant être malade. Comment peut-on justifier d’un suivi préventif chez un sportif si on ne parle que d’auto guérison et de maladies ?

L’ostéopathie c’est favoriser le travail d’émergence de l’autonomie et de l’équilibre. 

L’ostéopathie c’est favoriser le travail d’émergence de l’autonomie et de l’équilibre.

Références

Atlan, H. (1979). "Entre le cristal et la fumée". Paris: Seuil.

 

Atlan, H. (2011). "Le vivant post-génomique. qu'est-ce que l'auto-organisation ?". Odile Jacob.

 

Bui, M. (s.d.). http://www.ephe.sorbonne.fr/details/764-modelisation-et-cognition-par-les-systemes-complexes.html . Récupéré sur http://www.necsi.edu/visual/systems.html .

 

Coveney, P. (2003). "self organisation and complexity : a new age for theory, computation and experiment". Philosophical Transaction of the Royal Society of London A. 2003, 361, p 1057-1079 , 361, pp. 1057-1079.

 

Godin, C. (2004). "auto-organisation". Dictionnaire de philosophie. Paris: Fayard - Editions du temps.

 

Haken, H. (1977). Synergetics: An introduction : nonequilibrium phase transitions and self-organization in physics, chemistry, and biology. Springer Verlag.

 

Lesne, A. (s.d.). LPTMC Laboratoire de physique théorique de la matière condensée. Récupéré sur Laboratoire de physique théorique de la matière condensée LPTMC. CNRS.

 

RNSC : réseau national des systèmes complexes. (s.d.). RNSC. Récupéré sur http://roadmap.csregistry.org/

 

Turing, A. (1952, Août). "The chemical basis of morphogenesis". Philosophical Transactions of the Royal Society of London .

 

Von Foerster, H. (1961). "A Predictive Model for Self-Organizing Systems," Part I. Cybernetica , 3, pp. 258-300.

 

Wiener, N. (1948). "Cybernetics, or Control and Communication in the Animal and the Machine". Cambridge (Mass) et Wiley (NYC): MIT press.

Commenter cet article

À propos

L'ostéopathie et les sciences