You're viewing the f.duriansoftware.com public feed.

Federated feed Local feed

Mathieu Génoismathieugenois@fediscience.org
Sep 12, 2026, 1:03 PM
Point de départ : la marche aléatoire 2D. Des particules qui bougent en changeant de direction au hasard à chaque pas de temps, sur une distance elle-même tirée au hasard. Et déjà là, grosse surprise : ce modèle ultra simpliste permet de reproduire la distribution des durées entre les contacts : une jolie loi de puissance avec un exposant -3/2.
Alors ça ne veut pas dire que les humains bougent au hasard. Par contre, ça signifie que cette propriété des contacts entre individus n'a potentiellement aucun intérêt sociologique, puisque des particules complètement aléatoires font pareil.
Aussi, comme le modèle est très simple on a (longtemps) essayer de dériver analytiquement cet exposant -3/2, sans succès. Un des membres du jury, lui-même spécialiste des marches aléatoires (et qui nous a donné le résultat —différent— pour le 1st passage time dans la limite brownienne) en est lui aussi resté un peu troublé. (Avis aux spécialistes ici si vous avez une idée.)
💬 1🔄 2⭐ 9

Replies

Mathieu Génoismathieugenois@fediscience.org
Sep 12, 2026, 1:13 PM
Ensuite, ce modèle ne pouvant pas reproduire les durées et les nombre de contacts, elle a rajouté un mécanisme de renforcement pour mimer l'apparition de "conversations" entre les particules : avic une certaine probabilité, deux particules qui interagissent par hasard peuvent décider de s'arrêter et de papoter. Puis, à chaque pas de temps, chacune peut décider avec une autre probabilité de quitter la conversation. Pour éviter de rester coincées, les particules ciblent alors un point au hasard et se séparent.
Et ça marche ! (Je passe sur toutes les versions qui ne marchaient pas : c'est la joie de la recherche en modélisation que d'inventer majoritairement des trucs qui ne marchent pas.) En ayant des valeurs de probabilités relativement faibles, on a des particules qui alternent entre exploration aléatoire et conversations plus ou moins longues, et on retrouve une loi large pour les durées de contact (avec un exposant autour de -3 si vous voulez savoir).
💬 1🔄 0⭐ 4
Mathieu Génoismathieugenois@fediscience.org
Sep 12, 2026, 1:43 PM
Restait la distribution des nombres de contacts entre individus. C'est la plus difficile à reproduire : en général on fait intervenir pour cela une mémoire des interactions passées : plus j'ai interagi avec une personne, plus je suis susceptible d'interagir de nouveau avec elle (un effet "best friend"). Elle a commencé avec un mécanisme de ce type, contrebalancé par la possibilité de choisir une personne au hasard, ou même un endroit au hasard. Et ça marche aussi.
Sauf qu'il y a 4 paramètres dans le modèle, et que ça fait beaucoup. Et en explorant ce qui se passe dans des cas extrêmes, elle s'est rendu compte… que ça marche aussi sans l'effet "best friend". Le simple fait pour une particule d'alterner entre des phases de marche aléatoire et des phases de ciblages d'un endroit précis permet de générer la distribution large des nombres de contact. Par contre, la manière dont les cibles sont choisies est importante : il faut que ce choix lui-même soit aléatoire. Les contacts sont alors fréquents entre des particules qui par chance ont des cibles proches et sont toutes les deux en mode "ciblage", et peu fréquents quand deux particules se croisent au hasard.
💬 1🔄 0⭐ 3
Mathieu Génoismathieugenois@fediscience.org
Sep 12, 2026, 1:57 PM
En conclusion, elle a montré que trois propriétés de réseaux temporels empiriques, qui avaient l'air mystérieuses, pouvaient être expliquées par des mécanismes très simples, à partir du moment où on tient compte des contraintes spatiales du système.
💬 1🔄 2⭐ 3
Mathieu Génoismathieugenois@fediscience.org
Sep 12, 2026, 2:33 PM
Addendum épistémologique : pourquoi est-ce que ce type de recherche est bien de la physique et pas de la sociologie (même quantitative) ?
Historiquement, quand j'étais jeune et naïf et que je cherchais déjà à expliquer ces propriétés des réseaux temporels de contact, j'ai eu la chance de travailler dans une équipe de computational social science, et donc de demander à des sociologues ce qu'iels en pensaient. À mon grand désarrois, la réponse fut que mes questions n'avaient aucun sens pour eux.
En effet, en sociologie la question du sens est centrale dans la définition d'une interaction. Mes "contacts" étant définis de manière objective mais dépourvu de sens, leur analyse ne veut rien dire pour eux. Tandis que pour moi, dans une optique physique statistique, elle a au contraire beaucoup de sens !
Au final, on en revient à la définition moderne d'un champ disciplinaire : ce qui compte n'est pas l'objet d'étude mais le type de question qu'on se pose à propos de cet objet. Dans le cas de ma recherche, je pose des questions se physique à propos d'objets sociaux, je fais donc de la #sociophysique
💬 0🔄 5⭐ 7