Introduction

Alors que l’idée d’étudier et de projeter le développement socioéconomique et démographique d’une société en simulant un grand échantillon d’individus ainsi que leurs actions et interactions avait déjà été exprimée durant les années 50, la microsimulation dynamique n’a pas encore trouvé sa place dans la boîte à outils méthodologiques des spécialistes en sciences sociales traditionnels. La simulation réaliste d’une société requiert des donnés détaillées, des modèles compliqués, des ordinateurs rapides et des essais poussés. Plus les modèles deviennent complexes, plus il est difficile de comprendre leur fonctionnement et d’évaluer leur pouvoir prédictif. On pourrait présumer que la microsimulation est trop exigeante ou que les modèles de microsimulation sont des produits spécialisés ou des modèles à boîte noire douteux, qui ne sont applicables qu’avec prudence, quand il n’existe pas d’autres méthodes. Ici, toutefois, nous allons présenter un autre point de vue.

En premier lieu, la microsimulation est un outil puissant qui a déjà fait ses preuves dans des applications de complexité modérée pour lesquelles existent d’autres approches de modélisation n’ayant cependant pas la souplesse de l’approche par microsimulation.

En deuxième lieu, nous relevons (ou reconnaissons) de plus en plus souvent des défis socioéconomiques pour lesquels la microsimulation est le seul outil d’étude disponible. De surcroît, la microsimulation est une approche qui découle naturellement des paradigmes de recherche modernes et qui complète l’analyse détaillée des données.

En troisième lieu, la microsimulation est une approche dont l’heure est venue. Plus d’un demi‑siècle après son introduction dans les sciences sociales, les grands obstacles à son utilisation ont pratiquement disparu. La puissance des ordinateurs a augmenté de manière exponentielle, la collecte de données longitudinales individuelles est devenue une activité de routine, les spécialistes des sciences sociales possèdent une formation en recherche longitudinale, tandis que la recherche proprement dite a évolué d’une macro à une microapproche et s’en va vers l’intégration multiniveaux. La perspective de la trajectoire de vie est devenue le paradigme dominant et la plupart des problèmes les plus pressants que nous devons résoudre sont d’une nature qui fait de la microsimulation dynamique la méthode d’étude la plus appropriée.

Un autre obstacle a également disparu aujourd’hui. Les langages de programmation, tels que Modgen, permettent maintenant aux chercheurs ne possédant que des compétences de programmation modestes — comparables à celles nécessaires pour se servir de progiciels statistiques — de mettre en œuvre leurs modèles.

Ce matériel offre une introduction à la microsimulation et expose les grandes idées sous‑jacentes, ainsi que les points forts et les inconvénients de cette approche. Il comporte trois volets :

• premièrement, nous définissons la microsimulation dynamique dans le domaine des sciences sociales et en faisons brièvement l’historique;
• deuxièmement, nous explorons trois situations importantes où la microsimulation est une approche adéquate;
• troisièmement, nous soulignons les principaux avantages et inconvénients de la microsimulation. En ce qui concerne les avantages, nous décrivons ses points forts théoriques dans la perspective de la trajectoire de vie, ses points forts pratiques dans la perspective de l’élaboration des politiques et ses points forts techniques. En ce qui concerne les inconvénients et les limites, nous faisons la distinction entre les limites intrinsèques dues au caractère aléatoire des phénomènes et les limites plutôt transitoires dues la forte demande de données. Nous survolons également brièvement les questions liées aux ressources informatiques et d’autres questions techniques, quoique leurs coûts correspondants diminuent au cours du temps.