Chaos déterministe : l'attracteur de Lorenz au-delà du papillon

L’image est devenue une icône scientifique. Une courbe fine se divise en deux lobes, comme les ailes d’un papillon. Elle tourne plusieurs fois autour d’un côté, traverse la région centrale, puis s’enroule autour de l’autre. Elle revient, repart, hésite, change encore de lobe, sans jamais répéter exactement le même parcours.

Cette figure ne provient ni d’un dessin artistique ni d’un processus aléatoire. Elle est la trace d’un système composé de trois équations différentielles. À chaque instant, ces équations déterminent sans ambiguïté la direction du mouvement. Il n’y a aucun lancer de dés, aucun bruit ajouté, aucune intervention extérieure. Pourtant, après un temps suffisamment long, une différence initiale presque invisible devient une divergence spectaculaire.

C’est ce paradoxe apparent qui a rendu le système de Lorenz célèbre : le déterminisme n’implique pas toujours une prévisibilité durable.

Le surnom de « papillon » est utile pour reconnaître la forme générale, mais il cache une géométrie plus riche. La trajectoire s’enroule localement autour de deux équilibres instables. Dans certaines projections, ces tours ressemblent à des spirales. Mais la trajectoire globale n’est pas une seule spirale. Elle alterne de façon irrégulière entre deux régions de l’espace des phases.

L’enjeu de cet article est donc double. Nous allons comprendre comment trois équations simples produisent une dynamique chaotique, puis déterminer avec précision où se trouve la spirale dans ce système, et où elle n’existe que comme métaphore visuelle.

Dans le langage courant, le mot chaos évoque le désordre absolu. En mathématiques, le sens est plus précis.

Un système dynamique déterministe associe à chaque état initial une évolution unique. Si l’on connaît exactement l’état initial et les équations, le futur est fixé. Le système de Lorenz respecte cette règle.

Le problème est que deux états initialement presque identiques peuvent s’éloigner exponentiellement. Une incertitude minuscule, inévitable dans toute mesure réelle, est amplifiée. Après un certain temps, elle devient assez grande pour rendre les trajectoires pratiquement indiscernables du point de vue prédictif.

Le chaos déterministe réunit donc plusieurs propriétés :

• des règles déterministes;
• une dynamique non périodique;
• une sensibilité aux conditions initiales;
• une structure géométrique organisée dans l’espace des phases;
• un horizon limité de prévision détaillée.

Cette distinction est essentielle. Une suite de nombres tirés au hasard et une trajectoire chaotique peuvent toutes deux sembler irrégulières, mais elles ne sont pas produites de la même manière. Le chaos est une irrégularité engendrée par des lois déterministes non linéaires.

Edward Lorenz était météorologue. Au début des années 1960, il étudiait des modèles simplifiés de circulation atmosphérique. Son système de trois équations ne représente pas la météo mondiale. Il dérive d’une réduction beaucoup plus radicale d’un problème de convection thermique. ^[1]

Imaginez une couche de fluide chauffée par dessous et refroidie par-dessus. Pour une faible différence de température, la chaleur se diffuse sans mouvement organisé important. Lorsque le gradient devient suffisamment fort, le fluide peut former des rouleaux de convection : le fluide chaud monte, se refroidit, puis redescend.

Barry Saltzman avait développé une formulation mathématique de cette convection à partir des équations de la mécanique des fluides. Lorenz en a conservé seulement trois modes dominants. Cette troncature spectaculaire transforme un problème de champ continu en un système à trois variables.

Le résultat n’est pas une simulation météorologique réaliste. C’est un modèle minimal capable de révéler un mécanisme fondamental : une dynamique déterministe de très faible dimension peut devenir non périodique et sensible aux conditions initiales.

Le système utilise trois variables notées x, y et z. Leur interprétation exacte dépend du choix de normalisation, mais on peut retenir les significations suivantes :

• x est relié à l’intensité du mouvement convectif;
• y représente une différence horizontale de température;
• z représente une déformation du profil vertical de température par rapport à l’état purement conducteur.

Ces variables ne sont pas les coordonnées physiques d’un objet dans l’espace. Le « papillon » est tracé dans un espace abstrait appelé espace des phases. Chaque point (x, y, z) représente l’état complet du modèle à un instant donné.

La courbe montre donc l’évolution de l’état du système, et non la trajectoire d’une particule d’air.

Cette distinction permet d’éviter une confusion fréquente : les spirales visibles sur le graphique ne sont pas nécessairement des spirales dessinées dans le fluide réel. Elles sont des enroulements dans l’espace des états.

Le système classique s’écrit :

$\frac{dx}{dt}=\sigma(y-x)$

$\frac{dy}{dt}=x(\rho-z)-y$

$\frac{dz}{dt}=xy-\beta z$

Les paramètres classiques sont :

$\sigma=10\quad\rho=28\quad\beta=\frac83$

La première équation indique que x tend à suivre y, avec une vitesse contrôlée par sigma. Si y est supérieur à x, x augmente. Si y est inférieur, x diminue.

La deuxième équation combine trois effets. Le terme rho x fournit une excitation liée au gradient thermique. Le terme -xz couple le mouvement au profil vertical de température. Le terme -y dissipe la différence horizontale.

La troisième équation contient le produit xy, qui transfère de l’énergie vers la variable z, tandis que -beta z agit comme un amortissement.

Les produits xz et xy sont non linéaires. Cette non-linéarité permet aux variables de se modifier mutuellement d’une façon qui ne peut pas être décomposée en une simple somme de réponses indépendantes.

Une propriété remarquable apparaît immédiatement si l’on calcule la divergence du champ de vitesse dans l’espace des phases :

$\frac{\partial(dx/dt)}{\partial x}+\frac{\partial(dy/dt)}{\partial y}+\frac{\partial(dz/dt)}{\partial z}=-\sigma-1-\beta$

Pour les paramètres classiques :

$-\sigma-1-\beta=-10-1-\frac83=-\frac{41}{3}\approx-13{,}667$

Cette valeur négative signifie que les volumes dans l’espace des phases se contractent exponentiellement. Un petit nuage d’états initiaux voit son volume diminuer comme :

$V(t)=V(0)\exp[-(\sigma+1+\beta)t]$

Le système étire les distances dans certaines directions, mais comprime encore plus fortement dans d’autres. Cette combinaison d’étirement et de contraction est l’une des clés de la géométrie fractale.

Pour aller plus loin : dissipation sans immobilité

Un système dissipatif ne doit pas nécessairement converger vers un point immobile. La dissipation peut concentrer les trajectoires sur un ensemble de dimension plus faible tout en laissant subsister une dynamique complexe à l’intérieur de cet ensemble.

Dans le système de Lorenz, le volume tridimensionnel se contracte, mais la trajectoire continue de circuler sur un attracteur mince et plissé.

Un équilibre est un état où les trois dérivées sont nulles.

L’origine :

$O=(0,0,0)$

est toujours un équilibre.

Lorsque rho dépasse 1, deux équilibres symétriques apparaissent :

$C_+=\left(+\sqrt{\beta(\rho-1)},+\sqrt{\beta(\rho-1)},\rho-1\right)$

$C_-=\left(-\sqrt{\beta(\rho-1)},-\sqrt{\beta(\rho-1)},\rho-1\right)$

Pour $\sigma=10$, $\beta=\frac83$ et $\rho=28$ :

$\sqrt{\beta(\rho-1)}=\sqrt{72}\approx8{,}485$

Ainsi :

C+ ≈ (8,485, 8,485, 27) C- ≈ (-8,485, -8,485, 27)

Lorsque rho est inférieur à 1, l’origine attire les trajectoires.

À $\rho=1$, une bifurcation en fourche fait apparaître les deux équilibres non triviaux.

Pour une plage de valeurs supérieure à 1, C+ et C- sont stables. Les trajectoires s’enroulent vers l’un ou l’autre de ces points et finissent par s’immobiliser.

Pour les paramètres classiques $\sigma=10$ et $\beta=\frac83$, ces équilibres perdent leur stabilité près de :

$\rho_H=\frac{\sigma(\sigma+\beta+3)}{\sigma-\beta-1}\quad\rho_H\approx24{,}7368$

Cette transition est associée à une bifurcation de Hopf sous-critique.

Il faut cependant éviter une histoire trop simple où « le chaos commence exactement à 24,74 ». Avant cette perte de stabilité, une bifurcation homocline se produit près de rho ≈ 13,926. Des trajectoires chaotiques transitoires et des structures instables apparaissent. Au-delà, le paysage dynamique contient aussi des fenêtres périodiques et d’autres régimes.

Un diagramme de bifurcation complet est donc plus riche qu’un seul seuil.

Autour de C+ et C-, la dynamique locale est gouvernée par la matrice jacobienne du système. Lorsque deux valeurs propres forment une paire complexe, une petite perturbation combine rotation et croissance ou décroissance.

Si la partie réelle des valeurs propres complexes est négative, la trajectoire tourne en se rapprochant de l’équilibre : c’est un foyer stable.

Si la partie réelle est positive, elle tourne en s’éloignant : c’est un foyer instable.

Voilà l’origine mathématique des spirales locales visibles dans le système de Lorenz.

À $\rho=28$, les équilibres C+ et C- sont instables. Une trajectoire peut effectuer plusieurs tours autour d’un lobe, mais l’enroulement s’élargit jusqu’à ce qu’elle soit expulsée vers la région centrale. Elle peut alors être captée temporairement par l’autre lobe.

La forme globale résulte donc de deux mécanismes distincts :

• une rotation locale autour de chaque équilibre;
• une commutation globale entre les deux régions.

Dire que « l’attracteur de Lorenz est une spirale » serait trompeur. Il est plus juste de dire qu’il contient des enroulements spiralés locaux intégrés à une structure chaotique à deux lobes.

Encadré : spirale plane, hélice et trajectoire de Lorenz

Une spirale plane peut s’écrire en coordonnées polaires sous la forme $r=f(\theta)$.

Une hélice combine une rotation autour d’un axe et une progression régulière le long de cet axe.

La trajectoire de Lorenz n’obéit à aucune de ces géométries simples. Sa vitesse, son rayon apparent, son plan de rotation et la durée de séjour autour d’un lobe varient continuellement.

Dans une projection bidimensionnelle, un segment peut ressembler à une spirale. Dans l’espace tridimensionnel des phases, il s’agit d’une orbite courbe autour d’un équilibre instable, suivie d’une transition vers un autre voisinage.

Pourquoi la trajectoire ne reste-t-elle pas autour d’un seul équilibre?

Chaque lobe correspond au voisinage de C+ ou de C-. Le système possède une symétrie :

(x, y, z) devient (-x, -y, z)

Les deux lobes sont donc des images symétriques.

Lorsqu’une trajectoire s’approche de la région centrale, sa position par rapport à la variété stable de l’origine détermine vers quel lobe elle repart. Deux trajectoires très proches peuvent se retrouver de côtés opposés de cette frontière. Elles choisissent alors des lobes différents.

Le mot « choisir » est une image. Les équations ne prennent aucune décision. Mais la dépendance extrême à la position de passage rend la séquence de lobes difficile à prévoir.

On peut coder cette séquence par des symboles :

L pour le lobe gauche R pour le lobe droit

Une trajectoire produit alors une suite du type :

LLRLRRLLLRLR...

Cette dynamique symbolique révèle une structure cachée. Le mouvement est irrégulier, mais pas dépourvu d’organisation.

Une image classique du chaos consiste à étirer une pâte, la replier, puis répéter l’opération.

L’étirement sépare les points proches. La contraction empêche le système de s’étendre sans limite. Le repliement ramène les trajectoires dans une région bornée.

Dans le système de Lorenz, ces opérations ne sont pas réalisées par une main extérieure. Elles émergent du champ de vecteurs.

Près de certaines directions instables, les écarts grandissent. Dans les directions stables, ils diminuent. La dynamique non linéaire replie l’ensemble dans une région bornée.

Le résultat est un attracteur étrange : un objet invariant qui attire de nombreuses trajectoires, tout en contenant une dynamique sensible et non périodique.

Cette combinaison explique pourquoi l’attracteur peut être simultanément :

• borné;
• très mince;
• infiniment détaillé;
• imprévisible à long terme.

Prenons deux états initiaux :

$A=(1,1,1)\quad B=(1+10^{-8},1,1)$

Au début, leurs trajectoires sont visuellement indiscernables. Elles tournent autour des mêmes lobes et traversent presque les mêmes régions.

Après un certain temps, la distance entre elles croît approximativement comme :

delta(t) ≈ delta(0) exp(lambda t)

où lambda est le plus grand exposant de Lyapunov.

Pour les paramètres classiques, une estimation numérique courante donne un exposant maximal proche de :

$\lambda_{1}$ ≈ 0,9 par unité de temps du modèle

Cela signifie que l’erreur est multipliée par e après environ $\frac1{\lambda_1}$ unité de temps.

Le temps de doublement approximatif est :

$T_2=\frac{\ln2}{\lambda_1}$

Pour $\lambda_{1}$ ≈ 0,9 :

T2 ≈ 0,77 unité de temps

Cette loi exponentielle ne peut pas continuer indéfiniment, car la distance finit par atteindre la taille de l’attracteur. Mais elle décrit le régime initial de séparation.

Le véritable sens de l’effet papillon

L’effet papillon ne dit pas qu’un petit événement produit toujours un grand événement déterminé.

Il dit qu’une petite différence peut rendre deux évolutions futures radicalement différentes dans un système chaotique.

La métaphore historique d’un battement d’ailes et d’une tornade résume la sensibilité, mais elle ne fournit pas une chaîne causale prédictive. On ne peut pas remonter d’une tornade précise vers « le papillon responsable ».

Un système à trois dimensions possède trois exposants de Lyapunov principaux.

Pour le régime classique, on obtient typiquement :

$\lambda_{1}$ > 0 $\lambda_{2}$ ≈ 0 $\lambda_{3}$ < 0

Une valeur positive indique un étirement exponentiel. Une valeur nulle correspond à la direction du flux temporel. Une valeur négative indique une contraction.

Des valeurs numériques souvent citées sont approximativement :

$\lambda_{1}$ ≈ 0,906 $\lambda_{2}$ ≈ 0 $\lambda_{3}$ ≈ -14,57

La somme est négative, conformément à la contraction globale du volume.

L’horizon de prévision dépend de trois éléments :

• l’incertitude initiale;
• la précision souhaitée;
• le taux de croissance des erreurs.

Si l’erreur initiale vaut delta_0 et que la tolérance maximale vaut Delta, alors :

$T_{\mathrm{horizon}}\approx\frac1{\lambda_1}\ln\left(\frac{\Delta}{\delta_0}\right)$

Cette formule montre qu’améliorer la précision initiale prolonge l’horizon seulement de façon logarithmique.

Diviser l’erreur initiale par mille n’ajoute pas mille fois plus de temps de prévision. Cela ajoute environ :

$\frac{\ln1000}{\lambda_1}$

Cette limitation est l’une des leçons les plus profondes du chaos.

Un point a une dimension 0. Une courbe lisse a une dimension 1. Une surface a une dimension 2. Un volume a une dimension 3.

L’attracteur de Lorenz possède une dimension fractale légèrement supérieure à 2.

À partir des exposants de Lyapunov, la formule de Kaplan–Yorke donne :

$D_{\mathrm{KY}}=2+\frac{\lambda_1+\lambda_2}{|\lambda_3|}$

Avec les valeurs classiques :

$D_{\mathrm{KY}}\approx2+\frac{0{,}906}{14{,}57}\quad D_{\mathrm{KY}}\approx2{,}062$

Cette valeur indique que l’attracteur est plus riche qu’une surface lisse, mais qu’il ne remplit pas un volume tridimensionnel.

Il faut parler d’une estimation ou d’une dimension spécifique. Les dimensions de Hausdorff, de corrélation, de capacité et de Kaplan–Yorke ne sont pas identiques par définition, même si elles peuvent être proches dans certains systèmes.

La structure fractale vient du processus répété d’étirement, de contraction et de repliement. À chaque grossissement, on découvre de nouveaux filaments.

Une trajectoire tridimensionnelle complexe peut être étudiée à l’aide d’une section de Poincaré.

On choisit une surface que la trajectoire traverse régulièrement. On enregistre un nombre caractérisant chaque passage, puis on compare une valeur à la suivante.

Une autre méthode simple consiste à relever les maxima successifs de z :

$z_{n}$, $z_{n+1}$

Le nuage de points forme une carte de retour étroite, proche d’une courbe avec un pli. Cette carte réduit une dynamique continue tridimensionnelle à une relation itérée beaucoup plus simple.

Le mécanisme fondamental devient visible :

• les distances sont étirées;
• la courbe est repliée;
• deux branches correspondent aux deux lobes.

La carte de retour aide aussi à comprendre la dynamique symbolique. Les suites L et R ne sont pas de simples chaînes aléatoires : elles sont contraintes par la géométrie de l’attracteur.

Les simulations chaotiques posent une difficulté particulière. Deux méthodes numériques légèrement différentes finissent nécessairement par produire des trajectoires ponctuelles différentes.

Cela ne signifie pas qu’une méthode est forcément fausse. Dans un système chaotique, on ne doit pas exiger que deux simulations restent point par point identiques indéfiniment.

On vérifie plutôt :

• la stabilité statistique;
• la géométrie de l’attracteur;
• les distributions de temps de séjour;
• les exposants de Lyapunov;
• les cartes de retour;
• la convergence des propriétés globales lorsque le pas de temps diminue;
• des bornes rigoureuses lorsque cela est nécessaire.

Un intégrateur numérique ordinaire peut produire une belle image du papillon sans constituer une preuve de l’existence mathématique d’un attracteur étrange.

C’est pourquoi le travail de Warwick Tucker est important.

À la fin du XXe siècle, Stephen Smale avait inclus la question de l’attracteur de Lorenz dans sa liste de grands problèmes pour le siècle suivant. ^[2]

Warwick Tucker a démontré que les équations de Lorenz possèdent bien un attracteur étrange pour les paramètres classiques. Son travail combine :

• formes normales;
• sections de Poincaré;
• partitionnement de l’espace;
• arithmétique d’intervalles;
• arrondis dirigés;
• contrôle rigoureux des erreurs numériques.

L’idée essentielle de l’arithmétique d’intervalles est de remplacer un nombre approximatif par un intervalle garanti qui contient la valeur exacte. Chaque opération propage des bornes, de sorte que les erreurs d’arrondi ne sont pas ignorées.

Tucker a aussi montré la robustesse de l’attracteur sous de petites perturbations des coefficients.

Des travaux ultérieurs ont formalisé et vérifié informatiquement des parties importantes de cette preuve avec des assistants de preuve. Cela illustre une évolution majeure des mathématiques : un calcul peut participer à une preuve, à condition que toutes les erreurs soient encadrées de façon rigoureuse.

Le système de Lorenz est né d’un problème atmosphérique, mais il ne faut pas l’interpréter comme un modèle de prévision du temps moderne.

Il montre qu’une dynamique déterministe peut posséder une prévisibilité intrinsèquement limitée. Cette idée est directement pertinente pour l’atmosphère.

Cependant, la vraie atmosphère possède :

• énormément plus de degrés de liberté;
• des échelles spatiales multiples;
• des échanges avec les océans et les continents;
• du rayonnement;
• des changements de phase de l’eau;
• des phénomènes non représentés dans les trois équations.

Les prévisions météorologiques modernes utilisent des ensembles de simulations. On fait varier légèrement les conditions initiales et parfois les modèles afin d’estimer une distribution de scénarios possibles.

Le chaos ne rend donc pas la prévision inutile. Il transforme la question.

Au lieu de demander uniquement :

« Quel sera exactement l’état de l’atmosphère? »

on demande aussi :

« Quelles évolutions sont plausibles, avec quelles probabilités et quelle confiance? »

Le système de Lorenz ne fixe pas un nombre universel de jours de prévisibilité. Il fournit un paradigme pour comprendre pourquoi l’incertitude croît et pourquoi la prévision détaillée possède un horizon.

Une courbe irrégulière ne prouve pas la présence de chaos déterministe.

Des données peuvent paraître complexes à cause de :

• bruit de mesure;
• forçage aléatoire;
• variables cachées;
• changements de régime;
• échantillonnage insuffisant;
• tendance non stationnaire;
• mélange de plusieurs processus.

Pour chercher un attracteur dans une série temporelle, les scientifiques peuvent reconstruire un espace des phases à partir de retards temporels. Le théorème de plongement associé à Floris Takens fournit un cadre théorique pour cette approche.

Mais une reconstruction convaincante exige beaucoup de prudence. Les méthodes de dimension de corrélation, d’exposants de Lyapunov et de récurrence peuvent produire des faux positifs lorsque les données sont courtes ou bruitées.

Le modèle de Lorenz est donc à la fois un exemple de chaos et une leçon méthodologique : reconnaître une belle forme ne suffit pas pour identifier un mécanisme.

La page doit permettre au lecteur de modifier au minimum :

sigma rho beta l’écart initial delta_0 la durée de simulation la vitesse d’animation

Le laboratoire doit afficher :

• la trajectoire dans une projection x-z;
• les deux équilibres C+ et C-;
• deux trajectoires presque identiques;
• la distance entre elles sur une échelle logarithmique;
• le lobe courant L ou R;
• la contraction du volume théorique;
• un avertissement indiquant qu’il s’agit d’une simulation numérique.

Des boutons de préréglage doivent proposer :

• $\rho=0{,}5$ : origine stable;
• $\rho=10$ : deux équilibres stables;
• $\rho=20$ : enroulements vers les équilibres;
• $\rho=24{,}5$ : proximité de la perte de stabilité;
• $\rho=28$ : attracteur classique;
• $\rho=100$ : régime différent et très complexe.

Il faut éviter d’affirmer que tous ces régimes sont chaotiques.

La spirale se trouve réellement dans la dynamique locale autour des équilibres lorsque les valeurs propres complexes produisent une rotation accompagnée d’une croissance ou d’une décroissance.

Elle apparaît aussi dans les projections des segments de trajectoire qui s’enroulent autour des lobes.

Mais l’attracteur complet n’est pas une spirale classique.

Il n’a pas :

• un centre unique;
• un rayon monotone;
• un angle qui progresse régulièrement;
• un plan fixe;
• une loi simple $r=f(\theta)$.

Le système relie donc parfaitement deux idées importantes du projet Spirals Everywhere :

• des formes ressemblantes peuvent émerger de mécanismes dynamiques précis;
• une ressemblance visuelle ne suffit pas à classer deux objets dans la même famille géométrique.

La trajectoire de Lorenz ne confirme pas que « tout est une spirale ». Elle montre quelque chose de plus intéressant : une rotation locale peut participer à une structure globale qui dépasse complètement la spirale.

Le système de Lorenz est devenu célèbre parce qu’il rend visible une idée difficile : des lois simples et déterministes peuvent produire une évolution que personne ne peut prévoir indéfiniment.

Sa forme en papillon est mémorable, mais sa science réside dans l’interaction entre plusieurs mécanismes :

• équilibres et bifurcations;
• rotation locale;
• étirement exponentiel;
• contraction dissipative;
• repliement;
• commutation entre deux lobes;
• géométrie fractale.

La spirale est présente, mais elle n’est qu’une partie du mécanisme. Autour de chaque lobe, la trajectoire s’enroule. À l’échelle globale, elle se replie, bascule et construit un attracteur étrange.

C’est précisément cette transition entre une géométrie locale familière et une organisation globale imprévisible qui fait du système de Lorenz l’un des objets les plus féconds de la science moderne.