12h00
Salle 255
Modèles : interprétation, procédures de validation et degré (acceptable) d’indétermination
Mario Barra-Jover, UMR SFL (Paris 8)
[Remarque préalable : cette séance n’est pas conçue comme un exposé visant à argumenter en faveur de telle ou telle idée, mais comme la tentative de proposer un cadre d’échanges d’ordre méthodologique entre les différentes équipes et opérations de l’UMR]
Le présupposé de départ sera que la faculté de langage est traitée (d’une façon plus ou moins explicite) comme un dispositif biologique dans la mesure où : a) un nombre fini d’unités de base produit un nombre indéfini de séquences dont la complexité et richesse sont dans la pratique indéterminées ; b) cette complexité n’est pas uniquement le fruit de la récursivité mais d’un certain degré d’auto-organisation dû à des propriétés codées dans les unités et à leur interaction ; c) ce dispositif se réplique (par le biais de l’acquisition), c’est qui est source de mutations et, par conséquence, d’évolutions.
Il va de soi, comme dans toute fonction biologique humaine, que les limites entre la base biologique et le façonnement culturel sont inextricables.
Trois questions peuvent d’emblée être soulevées à propos des modèles conçus pour décrire/expliquer ces systèmes :
1) Sont-ils interprétés (voire « ressentis ») de façon réaliste (leurs représentations convergent progressivement avec les propriétés constitutives du système) ; anti-réaliste (leurs représentations n’aspirent pas à reproduire les propriétés naturelles du mécanisme mais à construire un dispositif qui produit grosso modo les mêmes out-puts) ; pratique (les représentations sont des répertoires d’outils et d’étiquettes permettant une description consensuelle ? La réponse en soulève une autre : qu’est-ce qu’on attend, en termes de connaissance, des résultats obtenus ?
2) Qu’est-ce que ces modèles entendent par « expliquer » les out-puts (les faire dériver des postulats de base d’un cadre plus ou moins formalisé, en faire des prédictions ou autres) et quelles sont les conditions et contraintes pour la validation des résultats ?
3) Quel est le niveau exigé de « grain » pour garantir la validité du modèle ? Doit-il « capturer » tous les out-puts ou se contenter de décrire/prédire/expliquer des out-puts dont la complexité est contrôlée ?
