La modélisation peut se définir de la manière suivante. C'est un processus qui passe par toutes les phases de la démarche scientifique, avec, à partir de l'observation, une conceptualisation du phénomène, une traduction dans un langage (un modèle) et une confrontation du modèle avec de nouvelles observations. Cela peut apparaître trivial, mais il faut rappeler que l'ensemble des phases est influencé par l'expérience et la science de l'observateur.
La nature du modèle utilisé est diverse : une maquette, un texte, un dessin, une courbe sur un graphique, un formalisme mathématique... De fait, tout scientifique fait de la modélisation. Mais une distinction est souvent faite entre « expérimentation » et « modélisation », l'accent étant mis sur la partie « observation » dans le cas des expérimentateurs, et sur la partie « traduction dans un langage » dans le cas des modélisateurs. Lorsque l'on parle de modélisation en sciences, il est le plus souvent fait mention de la modélisation mathématique et numérique (informatique) de systèmes dits « complexes », c.a.d. prenant en compte la non-linéarité des processus et des interactions dans le temps et l'espace.
Pourquoi utiliser ces modèles complexes ?
Voici des questions auxquelles l'utilisation de ce type de modèle peut nous aider à apporter des réponses :
Quelle pourrait-être la dynamique des concentrations en nitrate, en tout point du bassin versant, à l'horizon 2050 ?
Restaurer/construire une zone humide aura-t-il un impact significatif, et dans combien de temps ?
Est-ce que cibler la réduction des intrants (fertilisation azotée) dans l'espace à un impact sur ce bassin versant ?
Pourra-t-on atteindre les objectifs fixés en termes de concentration moyenne (ou médiane) en nitrate dans le cours d'eau avec les aménagements proposés, et en combien de temps ?
L'utilisation de ces modèles « complexes», intégrant nos connaissances à différentes échelles de temps et d'espace, est incontournable pour répondre à ces types de question. La raison en est simple : l'ensemble des interactions entre tout les processus, dans le temps et l'espace, sont non-linéaires. Quand la simplification est trop grande, les résultats deviennent au mieux incohérents. Les approches de modélisation mises au point nous permettent de tester des scénarios « opérationnels » (analyse prédictive), et d'aider à la définition de nouveaux systèmes de production ou processus industriels, adaptés aux changements (climatiques, notamment) et surtout aux exigences (sociétales et réglementaires) environnementales. En cela, l'expertise que nous proposons à travers notre société est au cœur des éco-enjeux.
