Exposé complet — environ 10 minutes
Cette trame est écrite pour être comprise et reformulée à l’oral. Les formules importantes peuvent être affichées sur le support pendant la présentation.
00:00–01:05Introduction — une règle exacte, un avenir flou
Quand on dit qu’un phénomène est imprévisible, on pense souvent au hasard. Pourtant, un phénomène peut être gouverné par une règle parfaitement définie et devenir presque impossible à anticiper à long terme si sa valeur de départ est connue avec une précision limitée. Je vais illustrer cette idée à l’aide d’une suite récurrente très simple, la suite logistique. On part d’un nombre entre 0 et 1, on applique toujours la même formule, puis on recommence. L’ordinateur peut exécuter cette règle sans jamais lancer de dé. Malgré cela, pour certaines valeurs d’un paramètre, deux débuts séparés d’un millionième peuvent conduire à des valeurs très différentes.
01:05–02:10Définir la suite logistique
Je considère la suite définie par \[\boxed{u_{n+1}=r\,u_n(1-u_n)},\] avec \(u_0\) compris entre 0 et 1 et \(r\) compris entre 0 et 4. Le nombre \(u_n\) peut représenter, dans une modélisation très simplifiée, une proportion de population à la génération \(n\). Quand la population est faible, la multiplication par \(r\) favorise une augmentation ; quand elle s’approche de 1, le facteur \(1-u_n\) freine la croissance. Pour \(0\leq r\leq4\), la fonction \(f(x)=rx(1-x)\) envoie bien \([0;1]\) dans \([0;1]\), car \(0\leq x(1-x)\leq1/4\). Cette propriété permet d’itérer indéfiniment sans sortir de notre intervalle.
02:10–03:15Commencer par chercher les points fixes
Avant de parler de chaos, je cherche les états qui resteraient inchangés : ce sont les points fixes. Un nombre \(\ell\) est fixe s’il vérifie \(f(\ell)=\ell\), donc \[r\ell(1-\ell)=\ell.\] On factorise : \(\ell[r(1-\ell)-1]=0\). Il existe toujours le point fixe 0. Si \(r\ne0\), un second point fixe vaut \[\boxed{\ell=1-\frac1r}.\] Pour \(r=2{,}8\), cette seconde solution vaut exactement \(9/14\), soit environ 0,643. Mais connaître un point fixe ne suffit pas à savoir si la suite va s’en rapprocher : il faut examiner comment la fonction agit à proximité.
03:15–04:20La dérivée prédit une stabilité locale
La fonction \(f(x)=rx(1-x)\) est dérivable et \(f'(x)=r(1-2x)\). Au point fixe non nul, on obtient \[f'(\ell)=2-r.\] Voici une idée très instructive : si \(|f'(\ell)|<1\), un petit écart au point fixe tend à être réduit au voisinage de ce point. Si \(|f'(\ell)|>1\), un petit écart tend au contraire à s’agrandir localement. Pour \(r=2{,}8\), on trouve \(2-r=-0{,}8\), de valeur absolue inférieure à 1. Le point fixe \(9/14\) est donc localement attractif. Le signe négatif explique une alternance : les valeurs peuvent passer au-dessus, puis au-dessous, tout en se rapprochant du point fixe.
04:20–05:25Un premier comportement rassurant
Prenons \(u_0=0{,}4\) et \(r=2{,}8\). Les termes de la suite fluctuent au début, mais leurs oscillations diminuent. Au rang 20, on trouve environ \(u_{20}=0{,}642425\) ; au rang 30, \(u_{30}\approx0{,}642811\). Ils se rapprochent de \(9/14\approx0{,}642857\). Si je repars de \(v_0=0{,}400001\), les deux trajectoires numériques deviennent de plus en plus proches : l’écart n’est plus que de l’ordre du milliardième au rang 30. C’est l’image d’une prévision relativement robuste. Attention au vocabulaire : ce calcul illustre une convergence et la dérivée établit ici une attraction locale ; il ne suffit pas, à lui seul, à démontrer une propriété globale pour tout départ possible.
05:25–06:40Un changement de paramètre, une autre histoire
Gardons les deux départs \(u_0=0{,}400000\) et \(v_0=0{,}400001\), mais prenons cette fois \(r=3{,}9\). La règle de calcul ne change pas de nature : elle reste \(r x(1-x)\). Pourtant, après 15 générations, l’écart est déjà proche de 0,00177 ; après 20 générations, il vaut environ 0,0593 ; au rang 30, il atteint environ 0,3690. Ainsi, une incertitude initiale d’un millionième peut devenir une différence considérable. Les valeurs exactes dépendent du rang et de l’ordinateur, mais le phénomène de séparation rapide est visible sur le support. Cette sensibilité est caractéristique de certaines dynamiques chaotiques.
06:40–07:40Pourquoi ce n’est pas du hasard
Le modèle est déterministe : si je donne exactement la valeur initiale, exactement le paramètre et exactement la règle, chaque terme suivant est mathématiquement déterminé. Ce qui devient fragile, c’est la capacité de prévoir à partir d’une mesure imparfaite. Dans la vie réelle, on ne connaît jamais une population avec une précision infinie ; les calculs numériques eux-mêmes utilisent un nombre fini de chiffres. Si de petites erreurs se propagent et s’amplifient, une prévision lointaine peut perdre tout intérêt. Cela ne rend pas la formule aléatoire. Il faut distinguer « être déterminé par une règle » et « être prévisible avec nos informations ». C’est une nuance au cœur de l’étude des systèmes dynamiques.
07:40–08:45Les limites de ce que nous avons prouvé
Il serait excessif d’affirmer : « nous avons démontré que la suite est chaotique pour \(r=3{,}9\) ». L’image de deux trajectoires est une expérience numérique, pas un théorème général sur toutes les valeurs initiales. Une définition complète du chaos et sa démonstration demandent des outils plus avancés, par exemple une étude fine des orbites ou des exposants de Lyapunov. Au niveau de Terminale, nous pouvons rigoureusement établir les points fixes, le signe des dérivées, certaines conditions de stabilité locale et la conservation de l’intervalle. Nous pouvons ensuite observer une sensibilité remarquable dans la région \(r=3{,}9\), en annonçant honnêtement ce qui relève de la simulation.
08:45–10:00Conclusion — la précision du présent et le futur
La suite logistique montre qu’une formule très courte peut engendrer plusieurs comportements : attraction vers un point fixe, oscillations, puis évolutions très sensibles aux valeurs initiales. Le passage de \(r=2{,}8\) à \(r=3{,}9\) est spectaculaire, alors que la structure algébrique ne change pas. Les notions de Terminale — suites, dérivation, limites et points fixes — nous aident à comprendre une partie de ces changements. Le prolongement ouvre sur une idée profonde : dans certains systèmes, améliorer la prévision ne demande pas seulement un ordinateur plus puissant ; cela exige des mesures initiales d’une précision qui devient rapidement inaccessible. Voilà pourquoi déterministe n’est pas synonyme de facilement prévisible.
