Comment la nouvelle science de l'histoire computationnelle change l'étude du passé

L'une des caractéristiques curieuses de la science des réseaux est que les mêmes réseaux sous-tendent des phénomènes entièrement différents. En conséquence, ces phénomènes présentent de profondes similitudes qui sont loin d'être évidentes à première vue. De bons exemples incluent la propagation des maladies, la taille des incendies de forêt et même la distribution de la magnitude des tremblements de terre, qui suivent tous un schéma similaire. Ceci est le résultat direct de leur partage de la même structure de réseau.

Il n'est donc généralement pas surprenant que les mêmes lois émergent lorsque les physiciens trouvent les mêmes réseaux sous-jacents à d'autres phénomènes. C'est exactement ce qui s'est produit à plusieurs reprises dans les sciences sociales. La science des réseaux permet désormais aux spécialistes des sciences sociales de modéliser les sociétés, d'étudier la manière dont les idées, les commérages, les modes, etc. circulent dans la société - et même d'étudier comment cela influence l'opinion.

Pour ce faire, ils ont utilisé les outils développés pour étudier d'autres disciplines. C'est pourquoi le nouveau domaine des sciences sociales computationnelles est devenu si puissant si rapidement.

Mais il y a un autre domaine d'activité qui devrait également en bénéficier : l'étude de l'histoire. Tout au long de l'histoire, les humains ont formé des réseaux qui ont joué un rôle profond dans le déroulement des événements. Les historiens ont récemment commencé à reconstruire ces réseaux en utilisant des sources historiques telles que la correspondance et les archives contemporaines.

Aujourd'hui, Johannes Preiser-Kapeller de l'Académie autrichienne des sciences de Vienne explique comment cette approche jette un nouvel éclairage sur divers événements historiques. En effet, le travail a révélé des modèles jusque-là inconnus dans le déroulement de l'histoire. De la même manière que les modèles dans la nature révèlent les lois de la physique, ces découvertes révèlent les premières lois de l'histoire.

Preiser-Kapeller s'est concentré sur les conflits médiévaux et particulièrement ceux relatifs à l'Empire byzantin au XIVe siècle, concentrés autour de Constantinople, trait d'union entre les réseaux commerciaux européens et asiatiques. Ce fut une période de conflits importants en raison de l'évolution des forces politiques, de la peste et du changement climatique causé par une petite période glaciaire au Moyen Âge.

Preiser-Kapeller a reconstitué les réseaux politiques qui existaient à l'époque en utilisant la correspondance survivante et d'autres documents historiques. Dans ces réseaux, chaque individu influent est un nœud, et des liens sont établis entre ceux qui partagent des relations significatives. Pour être enregistrés sur le réseau, ces liens doivent être enregistrés en correspondance avec des phrases telles que Ma noble tante ou Mon cousin impérial . Il enregistre également comment ceux-ci changent au fil du temps.

En utilisant des algorithmes standard pour étudier diverses mesures de la structure du réseau, Preiser-Kapeller a trouvé des clusters au sein du réseau, identifié les acteurs les plus importants d'un réseau et examiné comment les individus se regroupaient autour d'autres qui étaient similaires d'une certaine manière.

La façon dont ces mesures évoluent au fil du temps s'avère avoir un lien important avec les événements majeurs qui se sont déroulés plus tard. Par exemple, dit Preiser-Kapeller, la fragmentation du réseau politique a créé les conditions d'une guerre civile qui a définitivement affaibli l'Empire byzantin. Il s'est finalement effondré en 1453.

Ces changements ont également suivi des schémas intéressants. La distribution des fréquences du nombre de liens conflictuels activés au cours d'une année tend à suivre une loi de puissance, explique Preiser-Kapeller. Exactement les mêmes modèles de loi de puissance émergent lorsque les scientifiques de la complexité étudient la distribution par taille des guerres, des épidémies et des religions.

Une question intéressante est de savoir si les mêmes schémas se retrouvent ailleurs dans l'histoire. Pour le savoir, il a comparé le réseau byzantin avec ceux de cinq autres périodes de conflits médiévaux en Europe, en Afrique et en Asie.

Et les résultats rendent la lecture intéressante. En moyenne dans les cinq politiques, un changement de dirigeant en un an multiplie par trois la probabilité d'un autre changement l'année suivante, explique Preiser-Kapeller. Ainsi, plus vous êtes proche d'un bouleversement, plus il y a de chances qu'il y en ait un autre bientôt. Ou en d'autres termes, les bouleversements ont tendance à se regrouper.

C'est une règle qui devrait sembler familière aux géophysiciens. Un phénomène similaire existe dans les enregistrements de tremblements de terre : plus un grand tremblement de terre est récent, plus la probabilité d'un autre grand bientôt est grande. C'est ce qu'on appelle la loi d'Omori, selon laquelle les tremblements de terre ont tendance à se regrouper.

Il n'est pas surprenant que des effets similaires se produisent dans ces systèmes, car ils sont tous deux régis par la même science des réseaux. Les historiens auraient tout à fait le droit d'adopter ce modèle et d'autres comme lois de l'histoire.

Ces lois sont mûres pour une étude plus approfondie. Alors que la complexité qui découle de la théorie des réseaux dans de nombreux domaines scientifiques a été étudiée pendant des décennies, il n'y a presque pas eu de telles recherches dans le domaine de l'histoire. Cela suggère que la première génération d'historiens de l'informatique, comme Preiser-Kapeller, a des fruits à portée de main. Attendez-vous à en savoir plus dans un proche avenir.

Réf : arxiv.org/abs/1606.03433 : Calculer le Moyen Age ? Complexités et réseaux du projet en Méditerranée médiévale et au Proche-Orient

cacher