Depuis plusieurs années, une même question traverse mes lectures, mon travail médical et mes recherches :

Comment comprendre une réalité complexe sans confondre nos représentations avec la réalité elle-même ?

Cette question n'est pas née d'une théorie unique.

En 2012, l'apprentissage du logiciel statistique R m'a confronté à la possibilité de décrire quantitativement des phénomènes et leur incertitude.

En 2016, j'ai consacré environ 180 heures à la bibliothèque de philosophie de l'Université du Witwatersrand à acquérir les bases philosophiques et épistémologiques nécessaires pour mieux comprendre ce que signifie connaître scientifiquement.

En 2017, lors des conférences qui ont accompagné la naissance du Projet Elikya, j'utilisais déjà l'allégorie de la caverne de Platon pour défendre une idée qui reste centrale dans ma pensée : ce que nous percevons de la réalité ne doit jamais être confondu avec la totalité de cette réalité.

Il faut donc continuer à observer, questionner et confronter nos certitudes au réel.

Cette curiosité m'a ensuite conduit vers la science des systèmes complexes et les enseignements du Santa Fe Institute.

En 2022, ma lecture d'Euclide répondait à une autre interrogation : jusqu'où peut-on reconstruire une grande architecture de connaissances à partir d'un nombre limité de définitions, principes et relations ?

Entre ces explorations théoriques, la réalité s'est chargée de fournir son propre laboratoire.

Pendant l'épidémie de COVID-19, comme responsable d'une cellule locale de réponse à Mafikeng, dans le North West en Afrique du Sud, les probabilités, les statistiques et le raisonnement stochastique n'étaient plus des abstractions. Ils participaient à la compréhension d'une épidémie réelle, à la décision sous incertitude et à un travail qui contribuera ensuite à deux publications scientifiques.

Plus récemment, mon étude des élections en République démocratique du Congo m'a confronté au même problème sous une forme différente : derrière une immense quantité d'événements, d'acteurs et de données, quels mécanismes produisent réellement les phénomènes observés ?

De ces expériences émerge progressivement un cadre de travail fondé sur quatre propositions.

1. L'humilité épistémique

La réalité excède probablement toujours nos représentations.

Toute connaissance doit donc rester ouverte à la révision.

2. La recherche des mécanismes générateurs

Derrière une grande diversité de phénomènes peuvent parfois se trouver un nombre plus restreint de mécanismes fondamentaux.

Il faut rechercher cette simplicité sans présumer qu'elle existe nécessairement.

3. La complexité

Des mécanismes relativement simples, lorsqu'ils interagissent par milliers avec rétroactions, réseaux, adaptation et hasard, peuvent produire des propriétés émergentes qui ne sont plus intuitivement prévisibles à partir de leurs composants isolés.

4. La confrontation empirique

Les mécanismes proposés doivent pouvoir être formalisés, modélisés lorsque cela est possible, confrontés aux observations et abandonnés ou révisés lorsqu'ils échouent.

Ma démarche peut donc être résumée par une boucle :

ObserverQuestionnerIdentifier les mécanismesModéliserPrédireConfronterRéviser

Je ne propose pas ici une théorie achevée.

J'explicite plutôt le cadre intellectuel à partir duquel je souhaite désormais organiser mes lectures, mes recherches et mes écrits.

La question qui le guidera est simple :

Jusqu'où pouvons-nous découvrir, derrière la complexité observable du réel, des mécanismes suffisamment simples pour être compris et suffisamment puissants pour expliquer, modéliser et parfois prédire ce que nous observons ?

Ce blog sera aussi le journal de cette recherche.

Cadre intellectuel — Version 1.0
Septembre 2026