Convergence dans les systèmes complexes : ressemblance, contrainte ou parenté?

Une coquille s'enroule autour d'un axe. Un cyclone dessine des bandes nuageuses courbes. Une galaxie présente des bras qui semblent tourner autour d'un centre lumineux. Placées côte à côte, ces images donnent l'impression qu'une même loi traverse la biologie, l'atmosphère et le cosmos.

Cette intuition est puissante. Elle est aussi dangereuse.

Une ressemblance peut signaler une parenté réelle, une contrainte commune, une même classe d'équations ou une simple convergence visuelle. Elle peut aussi être fabriquée par la manière dont nous projetons, cadrons ou choisissons les images. La science commence donc après l'émerveillement.

La bonne question n'est pas seulement : « Est-ce que ces objets se ressemblent? » Il faut demander : partagent-ils une histoire? un mécanisme? une contrainte? une équation? Réagissent-ils de la même manière lorsqu'on les perturbe? La ressemblance est-elle quantitative ou seulement qualitative?

L'ambition de cet article est de construire une méthode pour répondre à ces questions. Le mot convergence sera utilisé dans plusieurs sens — biologique, mathématique, dynamique, statistique — et ces sens ne sont pas interchangeables. Mais les comparer permet de comprendre une idée profonde : des détails différents peuvent parfois devenir secondaires, tandis que certaines contraintes, symétries ou interactions dominent la forme finale.

[[figure:FigSameFormDifferentMechanisms]]

Lorsqu'on observe deux formes semblables, trois questions doivent être posées dans l'ordre.

1. Quelle est la ressemblance exacte?

Est-ce la silhouette? Une relation métrique? Une loi de croissance? Une topologie? Un champ de vitesse? Une séquence temporelle? Une fonction? Une réponse à une perturbation? Une statistique? Deux courbes peuvent se ressembler à l'œil sans partager la même courbure, la même loi radiale ou la même dynamique.

2. Quelle est la cause génératrice?

Il faut identifier les mécanismes qui produisent la forme : croissance différentielle, forces, transport, réaction-diffusion, sélection naturelle, optimisation, contraintes architecturales, interactions locales, rétroactions, héritage.

3. Quelle prédiction commune peut être testée?

La comparaison devient plus forte lorsqu'un modèle partagé prédit les mêmes changements de forme lorsque les paramètres varient, les mêmes seuils, les mêmes lois d'échelle, les mêmes invariants, les mêmes réponses à une perturbation. Sans prédiction, la convergence reste souvent descriptive.

En biologie évolutive, une convergence est une ressemblance apparue indépendamment dans des lignées différentes. En mathématiques, une suite converge lorsque ses termes se rapprochent d'une limite. En analyse numérique, un algorithme converge si ses approximations se rapprochent d'une solution. En systèmes dynamiques, une trajectoire peut converger vers un point fixe, un cycle ou un attracteur. En physique statistique, des systèmes distincts peuvent converger vers le même comportement collectif près d'un point critique.

Le même mot cache donc plusieurs opérations : devenir semblable; approcher une limite; perdre la mémoire de certains détails; atteindre une solution stable; répondre de façon comparable à une contrainte. L'article doit conserver ces distinctions au lieu de les fusionner.

Une ressemblance peut venir d'un ancêtre commun. Le bras humain, l'aile d'une chauve-souris et la nageoire d'une baleine sont organisés selon un plan osseux apparenté. Leurs fonctions ont divergé, mais leur histoire est partagée. L'homologie n'exige pas que les formes actuelles se ressemblent parfaitement. Elle concerne la continuité historique et développementale.

Une analyse de parenté s'appuie sur la phylogénie, l'anatomie comparée, le développement, les gènes, les fossiles et la position relative des structures. La parenté n'est donc pas une impression visuelle. C'est une hypothèse historique testée par plusieurs sources de données.

La convergence évolutive se produit lorsque des lignées distinctes développent indépendamment des traits semblables. Les formes hydrodynamiques des dauphins, des ichthyosaures et de certains poissons illustrent une convergence fonctionnelle. Le milieu impose des coûts à la traînée, à la propulsion et à la stabilité. Des corps fuselés deviennent avantageux dans plusieurs lignées.

Mais la convergence n'implique pas que tout le système soit identique. Les matériaux, les architectures internes, les trajectoires développementales et les histoires génétiques peuvent rester différents. Jonathan Losos a insisté sur une nuance importante : la convergence dans des environnements semblables constitue souvent un indice d'adaptation, mais elle ne suffit pas à elle seule à prouver que la sélection est l'unique cause. Les contraintes développementales, la disponibilité des variations et l'histoire peuvent canaliser les trajectoires.

Une convergence complète est rare. Elle est souvent mosaïque : convergence d'une fonction, convergence d'une forme externe, divergence de la structure interne, réutilisation partielle de gènes anciens, solutions différentes à certaines échelles.

Un système n'explore pas toutes les formes imaginables. La géométrie, les matériaux, les équations, le développement et l'histoire réduisent l'espace des possibles. Le morphospace est une manière de représenter cet espace. ^[1]

David Raup a montré qu'un grand nombre de coquilles pouvaient être décrites à l'aide d'un petit nombre de paramètres géométriques : taux d'expansion du tube W, distance du tube à l'axe D, déplacement le long de l'axe T, forme de l'ouverture. En faisant varier ces paramètres, on génère une vaste famille de coquilles théoriques. Mais les organismes réels n'occupent qu'une partie du morphospace.

Pourquoi? Plusieurs zones peuvent être mécaniquement instables, coûteuses à construire, incompatibles avec le développement, fonctionnellement inefficaces ou historiquement inaccessibles. La contrainte ne signifie donc pas qu'une seule solution est possible. Elle signifie que l'espace des solutions est structuré et inégal.

[[figure:MorphospaceShell]]

L'opposition simple entre homologie et convergence est parfois insuffisante. L'œil de la pieuvre et l'œil des vertébrés ont évolué séparément dans leur architecture complexe. Pourtant, des gènes et réseaux de développement anciens participent à la formation des yeux dans de nombreux groupes. Shubin, Tabin et Carroll ont popularisé l'idée de « deep homology » : des structures apparemment nouvelles ou convergentes peuvent être construites à partir de circuits génétiques profondément homologues.

Cela produit une situation à plusieurs niveaux : convergence de la structure finale; parenté de certains outils génétiques; divergence des trajectoires développementales; adaptation à des fonctions comparables. La question « convergence ou parenté? » reçoit alors une réponse plus subtile : « Les deux, mais à des niveaux différents. »

La physique statistique fournit l'un des exemples les plus puissants de convergence scientifique. Près d'une transition de phase continue, des systèmes microscopiquement différents peuvent partager les mêmes exposants critiques. Un aimant, un fluide près de son point critique et certains modèles sur réseau peuvent présenter des lois d'échelle communes. ^[2]

La grandeur d'ordre M peut se comporter comme M ~ |t|^β, où t mesure la distance réduite au point critique et β est un exposant critique. Le même exposant peut apparaître dans plusieurs systèmes qui n'ont pas les mêmes particules ni les mêmes interactions détaillées.

Pourquoi? À grande échelle, certains détails deviennent « non pertinents » au sens du groupe de renormalisation. Les symétries, la dimension spatiale et la portée des interactions dominent. C'est une convergence plus profonde qu'une ressemblance de silhouette. Deux systèmes appartiennent à la même classe d'universalité lorsqu'ils partagent une structure asymptotique mesurable : exposants, fonctions d'échelle, effondrement des données.

Dans un système complexe, plusieurs chemins peuvent mener au même résultat. C'est l'équifinalité. Un motif identique peut être produit par des équations différentes, des paramètres différents, des historiques différents, des architectures différentes.

L'équifinalité crée un problème inverse. En observant seulement la forme finale y, peut-on retrouver le mécanisme m? Symboliquement : $y=F(m,\theta,x_0)$, où m est le modèle, θ représente ses paramètres, $x_{0}$ est l'état initial et F est le processus générateur. Plusieurs triplets (m, θ, $x_{0}$) peuvent produire des y presque identiques. L'inverse n'est alors pas unique.

Cette non-identifiabilité explique pourquoi une image seule ne suffit pas. Il faut ajouter des mesures temporelles, des perturbations, des données multi-échelles, des contraintes indépendantes, des comparaisons de modèles.

[[figure:FigEquifinality]]

Deux disciplines peuvent utiliser des équations de forme similaire. Une équation de diffusion apparaît dans la chaleur, les molécules, les populations, l'information et certains modèles financiers. La forme mathématique commune révèle une structure de transport et de lissage. Mais les objets transportés, les conditions aux limites et les sources restent différents.

Une même équation réduite peut signifier : (1) un mécanisme physique commun; (2) une approximation commune; (3) une structure mathématique universelle; (4) une analogie formelle seulement. Il faut donc comparer les variables, les unités, les paramètres, les hypothèses, le domaine de validité, les perturbations et les conditions aux limites. La simple présence d'un Laplacien ou d'une exponentielle ne suffit pas.

La spirale est un excellent objet pour tester les niveaux de convergence. Une spirale logarithmique plane satisfait $r(\theta)=a\exp(b\theta)$. Sa propriété géométrique la plus célèbre est l'angle constant entre la tangente et le rayon. Mais de nombreuses formes qualifiées de spiralées ne suivent pas cette loi.

Une forme peut être une spirale d'Archimède, une spirale de Fermat, une hélice, une onde spiralée, une trajectoire précessante, une rosette, un bras galactique irrégulier, une bande nuageuse courbe ou un simple motif tournant. La première étape consiste à identifier la géométrie réelle. La deuxième consiste à identifier le mécanisme. La troisième consiste à tester la réponse aux paramètres.

Coquille

Une coquille peut approximativement conserver sa forme tout en augmentant d'échelle. Si chaque nouvel incrément est proportionnel à la taille existante, une géométrie logarithmique peut émerger. Le mécanisme implique croissance à l'ouverture, sécrétion de matériau, déplacement et expansion du bord, contraintes biologiques.

Cyclone

Un cyclone est un système fluide en rotation. Sa structure dépend notamment du gradient de pression, de la rotation terrestre, de la convection, de l'humidité, du cisaillement, de la conservation du moment cinétique et des ondes atmosphériques. Les bandes spiralées sont des structures de précipitation et de flux, pas des lignes de croissance d'une coquille.

Galaxie

Les bras galactiques ne sont pas des bras matériels rigides. Ils peuvent être associés à des ondes de densité, des instabilités du disque, des interactions gravitationnelles, la formation stellaire et des structures transitoires. Les étoiles traversent souvent les bras.

La ressemblance visuelle entre les trois systèmes est donc réelle, mais le niveau de mécanisme commun est faible. Ils partagent au mieux certaines idées abstraites : rotation, variation radiale, symétrie brisée, transport, évolution d'échelle. Ils ne partagent pas une cause unique.

[[figure:FigLogFit]]

Comparons maintenant deux systèmes très différents matériellement : un tissu cardiaque et une réaction chimique oscillante. Dans les deux cas, on peut observer des ondes spiralées. Le tissu cardiaque est un milieu excitable. Une cellule activée déclenche ses voisines, puis traverse une période réfractaire. Certaines réactions chimiques possèdent une dynamique comparable : excitation, propagation et récupération.

Une forme générique de modèle réaction-diffusion est :

Les molécules d'une réaction et les cellules cardiaques ne sont pas parentes. Pourtant, les deux systèmes peuvent appartenir à une même famille dynamique de milieux excitables. La convergence porte sur la propagation d'un front, la période réfractaire, la rupture d'onde, la rotation autour d'un cœur, la réponse à une perturbation. Une stimulation prématurée peut briser un front et créer une onde tournante dans les deux systèmes. C'est une parenté de mécanisme mathématique, pas une parenté matérielle.

[[figure:ExcitableMedia]]

Les arrangements spiralés des feuilles, graines ou fleurons sont souvent associés à Fibonacci. Le nombre seul n'explique pas le mécanisme. Des modèles physiques et développementaux montrent que des interactions locales peuvent produire des angles de divergence proches de l'angle d'or. Les ingrédients peuvent inclure croissance du méristème, initiation successive de primordia, inhibition locale, transport d'auxine, emballage spatial et déplacement radial.

L'angle de divergence proche de α = 2π(1 − 1/φ) réduit les alignements répétés et favorise une répartition efficace. Mais plusieurs mécanismes peuvent produire des motifs voisins. La convergence observée entre des modèles mécaniques, biologiques et géométriques doit être analysée par les prédictions quantitatives : transitions entre nombres de parastiches, ordre d'apparition, réponse à la taille du méristème, défauts, dynamique de croissance.

Une comparaison scientifique doit définir une distance. Pour deux formes A et B, on peut mesurer la distance de Hausdorff, la différence de courbure, les paramètres ajustés, les moments, les symétries, la topologie, le spectre, les exposants d'échelle ou la réponse dynamique.

En évolution, des méthodes comme celles de Stayton demandent si des lignées sont devenues plus semblables qu'elles ne l'étaient ancestralement. Une mesure simple de convergence compare $d_{\mathrm{anc}}$ (distance entre états ancestraux) et $d_{\mathrm{tip}}$ (distance entre états actuels). Une convergence phénotypique implique typiquement $d_{\mathrm{tip}}$ < $d_{\mathrm{anc}}$. Mais ce critère dépend du modèle d'évolution, de la reconstruction ancestrale, du choix des traits, de l'échelle et de la phylogénie.

En physique, on cherchera plutôt un effondrement de données. Si plusieurs courbes deviennent une même fonction après normalisation, la convergence est quantitative. En dynamique, on comparera attracteurs, spectres, bifurcations, exposants et fonctions de réponse.

Cette échelle n'est pas absolue. Elle sert à rendre explicite le niveau de preuve atteint pour une comparaison donnée.

1. Niveau 0 — Ressemblance visuelle : deux images paraissent semblables.
2. Niveau 1 — Similarité géométrique : une mesure confirme une forme ou relation comparable.
3. Niveau 2 — Similarité fonctionnelle : les structures remplissent une fonction voisine.
4. Niveau 3 — Contrainte commune : une même limitation réduit l'espace des solutions.
5. Niveau 4 — Modèle générateur commun : les mêmes équations ou règles locales reproduisent les deux systèmes.
6. Niveau 5 — Prédictions quantitatives communes : le modèle prédit les mêmes seuils, transitions ou lois d'échelle.
7. Niveau 6 — Réponse commune à une perturbation : les systèmes réagissent comme le modèle le prévoit.
8. Niveau 7 — Invariants ou classe d'universalité : les détails microscopiques changent, mais certaines propriétés mesurées restent identiques.

[[figure:EvidenceLadder]]

Une forme statique est ambiguë. Une perturbation révèle la dynamique. Pour distinguer des mécanismes, on peut modifier un paramètre, une condition initiale, une frontière, une échelle, une interaction, un délai ou une source d'énergie. Si deux systèmes partagent un mécanisme, ils devraient souvent présenter des transformations homologues après normalisation.

Exemples : modifier l'excitabilité d'un milieu change la vitesse et la stabilité des ondes spiralées; modifier la croissance d'un méristème change les parastiches; modifier les interactions d'un réseau change sa transition collective; modifier la viscosité ou la rotation change un régime fluide. La perturbation fait passer la comparaison de l'image à la causalité.

Une hélice vue de face peut sembler circulaire. Une trajectoire tridimensionnelle projetée en deux dimensions peut sembler spiralée. Une courbe quelconque recadrée autour d'un centre peut paraître régulière. Les échelles posent un autre piège : un motif peut être spiralé localement mais non globalement. Une galaxie peut comporter des segments de bras sans suivre une spirale logarithmique unique.

Le biais de sélection est également puissant. Si l'on cherche des spirales partout, on conserve les images qui ressemblent à des spirales et on oublie les contre-exemples. Une bonne analyse doit donc inclure une règle de sélection explicite, des exemples négatifs, des mesures à l'aveugle, des comparaisons alternatives et un intervalle d'incertitude.

Le comparateur ci-dessous permet de sélectionner deux systèmes et d'examiner leurs caractéristiques côte à côte : géométrie, variable en rotation, source d'énergie, mécanisme générateur, équations, paramètres clés, échelle, réponse à une perturbation, invariants et niveau de preuve de convergence. Le score est un outil pédagogique, pas une vérité scientifique universelle.

[[figure:SystemComparator]]

[[figure:FigDecisionTree]]

[[figure:FigSummaryMatrix]]

Le titre du projet ne doit pas signifier que toutes les sciences obéissent à une seule cause. Il peut recevoir un sens plus rigoureux. « Tout converge » peut signifier que des problèmes semblables réduisent l'espace des solutions; que certaines formes sont stables ou efficaces; que des lois d'échelle réapparaissent; que des dynamiques différentes partagent des modèles réduits; que des systèmes complexes perdent certains détails à grande échelle; que des outils mathématiques communs deviennent pertinents.

La convergence n'efface pas les différences. Elle permet de demander quels détails comptent et lesquels deviennent secondaires. La meilleure version de l'idée n'est donc pas : « Tout est la même chose. » Elle est : « Des systèmes différents peuvent devenir comparables à un niveau précis, mesurable et limité. »

Les ressemblances entre domaines sont parmi les plus puissants moteurs de découverte. Elles permettent de transférer une équation, une méthode, une expérience, une intuition, une représentation. Mais une analogie devient dangereuse lorsqu'elle remplace l'explication.

La méthode proposée dans cet article est simple : définir la ressemblance; identifier le mécanisme; mesurer les paramètres; tester les prédictions; perturber le système; chercher les invariants; préciser les limites.

La spirale illustre parfaitement cette discipline intellectuelle. Une coquille, un cyclone, une galaxie et une onde cardiaque peuvent toutes être dites spiralées. Pourtant, leurs degrés de parenté scientifique sont radicalement différents. Ce n'est pas une faiblesse du projet Spirals Everywhere. C'est son cœur.

La beauté des ressemblances ne réside pas dans l'affirmation qu'elles ont toutes la même origine. Elle réside dans la découverte exacte de ce qu'elles partagent, de ce qu'elles ne partagent pas, et de la raison pour laquelle certaines formes réapparaissent.