Navigation – Plan du site

AccueilTransversalitésGeOpenMod - Modèles et logiciels2017ViCTOr : paysage virtuel pour exp...

2017
820

ViCTOr : paysage virtuel pour explorer les dynamiques de la VIticulture et de la Consommation en TouRaine

ViCTOr: a virtual landscape exploration of viticulture and consumption in Touraine
Étienne Delay, Samuel Leturcq et Xavier Rodier

Résumés

Dans les sociétés de type pré-industriel, vigne et cultures vivrières entrent en compétition pour l’espace. Les terres les plus riches étant généralement réservées aux céréales, la vigne a tendance à être plantée sur les sols pauvres où la culture céréalière est plus difficile, voire impossible (Dion 1952). Dans nos sociétés actuelles, l’espace est fondamentalement spécialisé en fonction d’un marché, avec une production de masse permettant les échanges (Hinnewinkel 2004). À la lumière d’une approche fondée sur un système multi-agents, nous explorons les stratégies qui peuvent se mettre en place sur un territoire, en réponse à des stimulations maîtrisées. Ainsi sommes-nous à même d’envisager les implications et les retombées spatiales du basculement d’un type d’agriculture vers un autre, ce qui nous amène à interroger l’importance de l’historicité des dynamiques parcellaires dans le temps vis-à-vis de la construction territoriale. Nous exposons, par le biais de différents scénarios, certains mécanismes mobilisés dans la construction historique de cette discrétisation spatiale et sociale du territoire pour proposer des pistes de réflexion sur les motifs d’évolution.

Haut de page

Notes de l’auteur

Cet article a été présenté aux rencontres jeunes chercheurs sur la modélisation des dynamiques spatiales du GDR MoDyS1. Cette réflexion prend place dans le programme VitiTerroir (2014-2016) financé par la région Centre-Val de Loire. Le modèle est disponible au téléchargement sur la plateforme github2.

Texte intégral

Introduction

  • 1 Actuellement, 10 paysages de vignoble sont inscrits au patrimoine mondial de l’UNESCO.

1Les paysages viticoles sont emblématiques de la capacité d’adaptation des sociétés qui les ont construits. Ils sont le reflet pluriel de leur appropriation de l’espace et du temps. À ce titre, ils accèdent à de très hauts niveaux de reconnaissance patrimoniale1.

2Les productions viticoles font l’objet d’une grande fascination et polarisent beaucoup d’attention. D’une part, les consommateurs sont encouragés à acheter un produit plutôt qu’un autre, mettant ainsi en compétition les producteurs et les régions. D’autre part, les institutions sont appelées à protéger ou conserver des paysages et des filières pour maintenir une activité économique sur leurs territoires. Enfin la recherche se focalise, suivant les disciplines, sur les innombrables questionnements que soulèvent les systèmes viticoles. Dans tous les cas, ces interrogations impliquent toujours l’espace et les territoires.

3Nous avons choisi d’explorer sur le temps long, pour un territoire abstrait, les conséquences spatiales de l’action de processus économiques. Pour procéder à cette exploration, nous avons mobilisé les systèmes multi-agents (SMA), faisant appel à l’appareillage méthodologique et conceptuel des sciences de la complexité. La modélisation à base d’agent consiste en une démarche de modélisation itérative. En cela elle s’inscrit dans la dialectique mise en évidence par Durand-Dastès (1992) entre général et particulier :« parce qu’elle simplifie, la modélisation est un puissant instrument de mise en évidence du général. Mais elle permet aussi d’orienter la recherche de spécificité, donc de retrouver le particulier, et d’en donner une image plus efficace [...] » (Durand-Dastès, p. 6, 1992).

4Dans ce travail, nous considérons le paysage comme l’espace que nous percevons au travers de la simulation. Il ne s’agit pas d’une composante, mais bien d’une résultante des mécanismes à l’œuvre. Les formes paysagères peuvent donc être considérées comme l’émergence issue de l’agrégation des différents terroirs (Delay 2013) et du territoire qui les supporte. Il constitue ici le point d’entrée dans la compréhension des mécanismes en jeu dans le système. Pour cela, nous soumettons un territoire virtuel à différentes contraintes économiques en vue d’identifier les forces évolutives qui ont des effets sur le maintien, l’extension ou la disparition des formes de couvert agricole en situation de concurrence. A cette fin, nous nous intéressons plus particulièrement aux effets spatiaux de deux types de dynamiques économiques (un marché logistique contre un marché linéaire), ainsi qu’aux effets produits par la multiplicité du nombre d’agents sur la structure du couvert végétal produit.

5Notre modèle met ainsi en évidence les conséquences, sur la structure d’un territoire, des mécanismes de compétition spatiale aujourd’hui révolus entre céréaliculture et viticulture. Il permet donc de lier de manière conceptuelle une structure encore visible aujourd’hui avec des processus dynamiques dans le temps.

6En travaillant dans un monde virtuel, nous proposons de nous abstraire des spécificités spatiales et des problématiques liées aux particularismes locaux, tout en conservant la notion importante d’espace. En opérant par simplification et dans une démarche tant constructiviste (Anderson et al. 1999 ; Bommel 2009) que structuraliste (Thom 1989), notre objectif est de déterminer et comprendre petit à petit les variables qui entrent en considération dans la structuration, l’agencement et l’émergence de configurations à l’échelle des paysages virtuels simulés. Par la mobilisation de ces concepts, nous voulons utiliser le paysage, en tant qu’espace perçu, comme indicateur de territorialisation ou reterritorialisation du terroir.

7Ce travail a pris la forme d’une co-construction de modélisation entre historien, archéologue et géographe. Il a permis de confronter les différentes réalités qui sous-tendent les territoires viticoles dans des contextes de recherche différents et à des échelles de temps très contrastées. Ce travail est une première étape dans une réflexion plus large sur la viticulture et la construction de la qualité. Par ailleurs, il a servi de « validation de principe » pour l’élaboration du programme VitiTerroir2.

Contexte de la modélisation

8L’interaction de l’espace avec la société dans le contexte d’une production viticole s’inscrit dans une représentation partagée par les différentes disciplines qui s’intéressent à la vigne et au vin, considérant la vigne comme une culture peuplante (Hannin et al. 2010). La production viticole est donc difficilement délocalisable, d’autant plus qu’elle bénéficie d’une reconnaissance de qualité (AOC, IGP, DOC, etc.).

9Pourtant, la viticulture s’est transformée dans le temps long, en colonisant certaines terres quand les conditions économiques étaient favorables ou en les délaissant en période de crise. Cette alternance de phases d’expansion et de contraction du vignoble a donné lieu à la notion de « noyau d’élite » (Kuhnholtz-Lordat 1960) pour désigner un foyer de viticulture de qualité dont l’intensité s’amenuise à mesure qu’on s’éloigne du centre (concept discuté pour la Touraine par Lammoglia & Leturcq 2017).

10En s’inspirant des travaux de Dion (1952), on a pu confirmer que le contexte économique et commercial jouait un rôle dans l’émergence et le développement d’un vignoble, et dans la construction sociale de la qualité (Delay et al. 2014 ; Delay & Chevallier 2015). En effet, en favorisant les parcelles historiques, le vignoble de qualité se structure autour de ce qu’on pourrait identifier comme des « cœurs d’appellation » (Kuhnholtz-Lordat 1960) entourés de parcelles moins qualitatives.

11Cependant, d’après Auriac (2000), dans une approche systémique du vignoble, « le problème le plus délicat pourrait provenir de l’interférence de plusieurs sous-systèmes collatéraux intégrant un même espace selon plusieurs types de culture ou de spéculations agricoles ». C’est à ce questionnement que nous nous sommes intéressés ici en considérant le « vignoble-système » confronté à la concurrence d’une agriculture vivrière de type céréalière. Ces deux cultures guidées par les communautés villageoises entrent en compétition spatiale, mais aussi économique en fonction des conditions microscopiques et macroscopiques des systèmes.

  • 3 Base de données réalisée à partir des statistiques préfectorales conservées aux Archives départemen (...)

12En nous appuyant sur une enquête en archives pour construire un référentiel de données historiques3, nous avons positionné conceptuellement le modèle ViCTOr sur la situation de la Touraine à la fin du XVIIIe/début du XIXe siècle. La consommation moyenne de vin par habitant et par an s’accroît fortement durant tout le XIXe siècle jusqu’au début du XXe siècle (accroissement de la consommation locale interne au département d’Indre-et-Loire), tandis que le marché parisien s’ouvre de plus en plus aux productions tourangelles, de sorte que dans de nombreux secteurs de la Touraine (rive droite de la Loire, rive gauche jusque Montlouis-sur-Loire, vallée du Cher, Chinonais, Bourgueillois), les sociétés villageoises entrent, pour cette denrée, dans une économie de rente (Lammoglia & Leturcq 2017).

13En guise d’exemple, le tableau 1 donne une idée de la production et de la consommation de certains villages.

Tableau 1 : La consommation de vin dans quelques villages de Touraine au XIXe siècle (AD Indre-et-Loire, 7M192)

Communes

Date

Nombre d’habitants

Production

Surfaces (estimation)

Consommation (estimation)

Jaulnay

1813

275

10 hl/ha

20 ha

71-75 l/hab/an

Bléré

1854

25 hl/ha

Louans

1812

818

10hl/ha

14ha

73-74 l/hab/an

Matériels et Méthodes : ODD

  • 4 Afin de facilité l'accès à la méthodologie ODD, nous avons conservé les titres en anglais issu des (...)

14Pour explorer les dynamiques paysagères et la construction territoriale, nous avons développé sur Netlogo (Wilensky 1999) un modèle multi-agents intitulé ViCTOr (VIticulture Consommation TOuraine) qui modélise un espace abstrait à l’échelle communale. Il est construit dans une démarche constructiviste et est fondé sur un individualisme méthodologique (Livet 2006 ; Bommel 2009 ; Boudon 1991). Nous proposons ici une description du modèle suivant le formalisme du protocole ODD4 (Grimm et al. 2006 ; Grimm et al. 2010 ; Railsback & Grimm 2011). Dans un souci de conformité, nous conservons pour cette description les titres originaux en anglais, tel qu’ils sont proposés par Grimm et al. (2010).

15Ce modèle est construit pour mettre en évidence les configurations spatiales et les dynamiques paysagères issues des interactions et des compétitions à l’œuvre sur un territoire. C’est un modèle parcimonieux, dans lequel nous avons opté pour une approche KISS – Keep It Simple, Stupid (Axelrod 1997).

Overview

Purpose

16L’objectif du modèle ViCTOr v2.0.X est d’explorer les dynamiques paysagères liées à la compétition entre la viticulture et une autre forme d’agriculture.

  • 5 En considérant grâce au résultat du modèle Dion still alive que la qualité est une fonction du temp (...)

17En postulant après Hinnewinkel (2004) que le terroir viticole de qualité est constitué d’un triptyque « rente ↔ organisation ↔ terroir », nous proposons d’envisager différents paramètres (sociaux, économiques ou spatiaux) qui influencent la stabilité du territoire, et donc la potentielle émergence de « production de qualité »5. Dans ce travail, la notion de qualité ne sera pas abordée (la qualité étant une notion complexe nécessitant une analyse de l’évolution culturelle, ce qui nous éloignerait de notre propos), mais elle reste sous-jacente dans le discours, comme une représentation sur laquelle nous extrapolerons dans la discussion.

18Nous voulons ainsi isoler, par la modélisation, des trajectoires territoriales et paysagères pour entrevoir certaines facettes de la construction du terroir. Le modèle est utilisé, dans cette étude, pour observer les effets de la variation de contraintes économiques et spatiales sur la dynamique du système, et ainsi identifier des comportements génériques qui les engendrent.

  • 6 Il existe dans la France moderne des expériences de législation pour essayer de limiter l’extension (...)

19Dans le monde virtuel du modèle, la culture des céréales est considérée à la fois comme une culture de subsistance (dont les populations locales ont besoin pour vivre)6, mais également comme un produit d’échange dans une économie relativement connectée. Aussi intégrons-nous ici, selon les simulations, une variable spatiale (implémentée à l’échelle de la parcelle) qui permet aux agents « localités » de calculer un indice de rendement correspondant à un gradient de qualité de la terre. Cette variable est utilisée par les localités dans leur recherche de nouvelles parcelles et permet d’identifier des agroterroirs (terroirs physiques) relativement simples (Hinnewinkel & Velasco-Graciet 2007).

State Variable, Scales

Les entités

20En nous intéressant aux dynamiques spatiales dans le temps long, nous avons construit le modèle autour d’agents constitués d’habitats (villages, hameaux), appelés « localités ». Ces localités sont de deux types : localité principale et hameau (localité secondaire). Les communautés d’habitants de ces localités sont donc considérées dans leur ensemble. C’est la localité qui va opérer les choix individuels.

21Nous avons défini une hiérarchie dans la population initiale entre les localités, selon laquelle nous distinguons une localité principale (village) et des hameaux, considérés comme des entités satellites du village. Chaque agent est constitué d’habitants qui cultivent la terre. Les orientations de culture, c’est-à-dire le choix d’orienter la production vers la viticulture ou la céréaliculture, sont prises par l’agent chaque année. Chaque localité adopte le même comportement d’optimisation de leur aire d’influence en fonction de la demande locale et des prix du marché global.

Les variables d’état des entités

22Les localités (fig. 1) sont décrites par leur identifiant unique, leur type (localité principale ou hameau), leur population, le nombre d’actifs, la demande locale en céréales et en vignes, la quantité de céréales et de vin importée, le nombre de parcelles de chaque culture cultivée pour l’exportation et le capital. Elles ont également connaissance des parcelles qui dépendent d’elles.

23Les parcelles sont utilisées pour produire des ressources dont les localités ont besoin. Elles sont définies par leur rendement, leur propriétaire et leur type de culture (vigne, céréale ou absence de culture). Le monde simulé peut donc être spatialement hétérogène (fig. 2), composé de zones pauvres ou riches (d’un point de vue agronomique les « mauvaises terres » ou les « bonnes terres »).

Figure 1 : Configuration de l’espace pour une simulation donnée (pour un monde anisotrope, c’est-à-dire hétérogène)

Figure 1 : Configuration de l’espace pour une simulation donnée (pour un monde anisotrope, c’est-à-dire hétérogène)

L’échelle temporelle

24Puisque nous nous intéressons aux dynamiques paysagères liées à une activité économique de nature agricole basée sur le cycle végétatif d’une plante, nous avons donc opté pour un pas de temps annuel. Il permet d’observer les mises en culture et les abandons de zones agricoles, mais aussi, de cette manière, nous pouvons synthétiser les itinéraires de culture de l’année sous forme de bénéfices/déficits pour les agents.

L’échelle spatiale

25Nous nous situons pour ce travail dans un espace abstrait constitué d’une grille de 70 x 70 patches (unité spatiale de Netlogo), présentée en figure 1. Les parcelles (patches) sont des entités spatiales primordiales et indivisibles, elles-mêmes constitutives d’unités paysagères lorsque l’on change d’échelle.

26La taille des parcelles a été définie comme représentative sur le temps long des surfaces cultivées en agriculture vivrière. Ces surfaces sont cohérentes avec les surfaces viticoles moyennes à l’échelle de communautés villageoises. Ainsi un patch de l’espace simulé équivaut à 1 hectare, la grille représente donc 49 km2, soit le territoire d’une grande commune rurale.

Process overview and Scheduling

27Le modèle est divisé en quatre sous-modèles (figure 2 et cf. 3.3.3) qui s’enchaînent de la manière suivante durant une itération :

  • Les localités mettent à jour leurs portefeuilles de parcelles en fonction des variables environnementales auxquelles elles ont accès : sous-modèles d’extension/rétractation des parcelles pour chaque localité (1 sur la figure 2)

  • Les agents localités effectuent leurs récoltes et mettent à jour leur capital disponible : sous-modèle de mise à jour du capital des localités (2)

  • En fonction de la situation démographique et des ressources disponibles, la population des localités est mise à jour : sous-modèle d’évolution de la population des localités (3)

  • En fonction des conditions environnementales totales, les prix de vente des productions viticoles et céréalières sont mis à jour : sous-modèle de mise à jour du prix d’achat et de vente des productions de manière généralisée à tout le système (4)

  • Au niveau de chaque parcelle, l’historique de conversion est conservé : sous-modèle de mise à jour de l’historique des parcelles (5)

Figure 2 : Schéma d’ordonnancement des processus lors d’une itération de la simulation (les flèches représentent les interactions entre les entités, et les chiffres, l’ordre dans lequel ses interactions ont lieu)

Figure 2 : Schéma d’ordonnancement des processus lors d’une itération de la simulation (les flèches représentent les interactions entre les entités, et les chiffres, l’ordre dans lequel ses interactions ont lieu)

Design Concepts

Theoretical and empirical background

28La résolution spatiale et la granularité sociale choisies offrent la possibilité d’explorer les conditions de conservation de la viticulture sur un territoire dans le temps long. Les valeurs de seuils définis dans le modèle (cf. 3.3.3) correspondent à la fois à des estimations issues de données réelles récupérées dans les archives (statistiques préfectorales d’Indre-et-Loire), et d’un travail d’ajustement empirique et arbitraire du modèle.

29Nous nous attachons ici à l’exploration d’un monde virtuel répondant à la complexification des hypothèses proposées par Von Thünen (Thünen 1966 ; Moindrot 1995) :

  • l’inégale fertilité du sol dans le monde virtuel a une influence sur la structuration et les stratégies d’implantation des différentes cultures ;

  • la multiplicité des marchés urbains : chaque localité est à la fois productrice et consommatrice. Elle suscite donc autour d’elle l’imbrication d’aires de cultures influencées par la qualité des sols, la présence de ses voisins et les chocs de demande de la part des consommateurs locaux ou étrangers (s’il existe une demande extérieure) ;

  • la tension de l’infield/outfield : les agents localités sont tentés d’abandonner en premier lieu des parcelles les plus éloignées du centre.

Individual Decision-making

30Les localités, par un jeu d’extension/rétraction de leur territoire cultivé (parcelles, cf. 3.3.3), sont capables de réorienter leur politique agricole pour essayer d’éviter une situation difficile (banqueroute) en cas de perte de valeur d’une culture (baisse de la rente). La main-d’œuvre inoccupée est envoyée sur de nouvelles parcelles. Certaines parcelles de cultures moins avantageuses peuvent être abandonnées au profit d’autres plus bénéfiques sur le moment (cf. 3.3.3).

Interaction

31Les agents localités interagissent avec la grille des parcelles, ce qui limite leur propre interaction à des relations de compétition pour l’espace. La prise de possession immédiate par les agents des parcelles exclut du modèle les situations de conflit entre deux localités ayant des ambitions sur la même parcelle.

Hétérogénéité

32Nous avons introduit de l’hétérogénéité entre les agents localités dans leur positionnement spatial à l’initialisation du modèle, mais aussi par la population initiale qu’ils abritent. L’espace est possiblement hétérogène, les patches peuvent être considérés comme riches ou pauvres agronomiquement.

Stochastique

33Nous avons dû tester la stochasticité du modèle et déterminer le nombre de simulations dont nous avions besoin pour stabiliser suffisamment nos résultats. Il s’agit ici de faire un compromis entre un grand nombre de réplications de chaque paramétrage et le temps de calcul que nécessite une simulation. Pour cela, nous avons effectué 3000 simulations d’un même jeu de paramétrage. Par une procédure de tirage aléatoire des résultats de simulations, nous avons constitué cinq groupes de différentes tailles : respectivement 10 (fig. 3a), 20 (fig. 3b) et 30 simulations (fig. 3c). On observe, sur la figure 3, une stabilisation de la variance intergroupe pour des populations de 30 simulations. Nous utiliserons donc ce nombre de réplications pour l’analyse des résultats. Il faudra néanmoins garder à l’esprit que cette variance est liée à ce jeux de paramètres. La modification de ces derniers pourrait entraîner une évolution de cette variance.

Figure 3 : Tirage aléatoire de 10 (a), 20 (b) et 30 (c) simulations par groupe, réparties en 5 groupes (NPV : Nombre de Parcelles Viticoles).

Figure 3 : Tirage aléatoire de 10 (a), 20 (b) et 30 (c) simulations par groupe, réparties en 5 groupes (NPV : Nombre de Parcelles Viticoles).

Observations

34Nous avons effectué plusieurs analyses de sensibilité (One-Factor-At-A Time) sur notre système pour explorer les comportements liés à :

  • l’effet de l’isotropie et l’anisotropie, et de la position initiale des localités dans l’espace ;

  • l’effet du nombre d’agents localités sur le comportement du système ;

  • l’effet d’une macroéconomie basée sur une fonction linéaire et logistique.

35Chaque paramétrage a été testé 30 fois sur 300 itérations. En sortie, nous nous sommes intéressés à la surface en céréales et en vigne, à l’utilisation du sol en fonction de la culture et au nombre de localités qui perdurent dans le temps. L’ensemble des données issues des 510 simulations (tab. 1) a été traité avec le logiciel R (Team 2014). Les résultats présentés ici (section 4) sont les moyennes des 30 simulations de chaque paramétrage.

36Nous observons :

  • l’évolution du nombre de localités ;

  • le nombre de parcelles viticoles et céréalières ;

  • le pourcentage de parcelles viticoles et céréalières implantées sur des parcelles appropriées à cette culture ;

  • le pourcentage d’espace disponible pour la vigne ou les céréales dans les zones adaptées.

37Ces variables sont explorées au regard des différents paramètres d’entrée de la modélisation.

Tableau 2 : Les différents plans d’expériences effectuées avec ViCTOr

Paramètres

Valeurs

Nombre de simulations

Type d’espaces

Iso-anisotrope

60

Nombre de hameaux

0 à 10 par pas de 2

150

Evolution logistique

-0,005 à 0 par pas de 0,001

150

Evolution périodique

0 à 10 par pas de 2

150

Total

510

Détails

Initialisation

  • 7 C'est ici un ordre de grandeur du nombre de localités observé empiriquement dans les données histor (...)

38Le monde est initialisé avec un nombre de localités variant de un à onze7. L’une de ces localités joue le rôle de la localité centrale ; elle est initialisée avec une population de 400 habitants, tandis que les hameaux le sont avec 40 habitants. Les hameaux sont distribués aléatoirement à une distance comprise entre 18 et 25 parcelles de la localité centrale. La distribution de la population est réalisée de manière à retrouver les ordres de grandeur identifiés dans les statistiques préfectorales (tab. 2). La localité centrale est toujours initialisée au même endroit, quels que soient les scénarii.

39Chaque localité est dotée d’un nombre suffisant de parcelles pour répondre à la demande locale en vin et céréales, selon la proportion suivante : une parcelle de céréale pour 2 habitants, et une parcelle viticole pour 3 habitants.

40La répartition de ces parcelles se fait de manière concentrique et emboîtée pour répondre au présupposé de la théorie de Von Thünen (Thünen 1966).

Variables de forçage

41Il n’y a pas d’entrée externe au système une fois les simulations lancées.

Sous-modèles

Extension/Rétraction des parcelles

  • 8 Par exemple à cause d’une saturation de l’espace, ou d’une trop grande distance au centre bourg.

42Un certain nombre de paramètres influencent la mise en culture des parcelles par les agents. En effet ceux-ci doivent répondre aux besoins de leur population tout en essayant de maximiser leurs revenus sur les marchés. En cas d’indisponibilité des terres8, pour répondre à une demande extérieure plus valorisante ou mieux valorisée, les parcelles peuvent subir une réaffectation de leur production, ce qui a bien sûr des conséquences sur la structure des paysages.

Figure 4 : Diagramme d’activité UML pour les mécanismes de dynamique parcellaire

Figure 4 : Diagramme d’activité UML pour les mécanismes de dynamique parcellaire

43Plus spécifiquement l’extension et la rétractation des cultures répondent à un enchaînement de mécanismes de décision de la part de l’agent localité (fig. 4). La première de ces décisions s’appuie sur une double condition qui fait basculer l’agent d’un système d’autoconsommation à un système de rente commerciale (Hinnewinkel 2004).

L’autoconsommation

44L’objectif de l’autoconsommation est de sécuriser la consommation locale dans un contexte économique de difficultés à approvisionner. Dans ce processus, l’ensemble des valeurs est issu d’un travail d’ajustement empirique. Ainsi, si de la main-d’œuvre est disponible et si la demande locale en céréales n’est pas assouvie (fonction vivrière), la localité utilise la moitié de la main-d’œuvre pour cultiver des céréales. S’il reste encore de la main-d’œuvre après cette opération, elle est affectée au travail sur des parcelles de vigne. Par ailleurs, si le nombre de personnes vacantes est égal à zéro, intervient alors une démobilisation de 1/3 de la main-d’œuvre viticole pour l’affecter à la culture de céréales.

Le commerce

45Le commerce devient possible une fois que les localités ont acquis une certaine stabilité. Cette stabilité est arbitrairement fixée par la valeur du capital de chaque localité. Une fois que cette dernière passe à un comportement commercial, le prix des denrées cultivées prend de l’importance. Si le prix d’achat/vente de l’une des denrées est plus élevé que l’autre, les agents affectent une partie de la population à la culture la plus rémunératrice. Ce mécanisme est accentué si le capital de la localité couvre les besoins d’approvisionnement de la denrée à l’extérieur. Dans ce cas, elle abandonne 10 % des parcelles de subsistance dont la production est achetée à l’extérieur.

46Le processus de choix d’extension/rétractation dans l’espace est lié au type de culture que la localité cherche à produire, les parcelles viticoles pouvant être installées sur des sols « plus pauvres » que les parcelles céréalières. La figure 5 retrace le processus de choix.

Figure 5 : Diagramme d’activité des processus d’extension des parcelles

Figure 5 : Diagramme d’activité des processus d’extension des parcelles

47Le mécanisme de rétraction est quasiment similaire pour les céréales et la vigne. Dans le premier cas, on abandonne la parcelle qui est la plus éloignée et dont l’indice de rendement est le plus bas. Dans le second cas, on abandonne celle qui est la plus éloignée, mais avec l’indice de rendement le plus haut. Ainsi privilégiera-t-on les terres riches (indice de rendement élevé) pour y implanter du blé, et les terres pauvres pour y implanter de la vigne, sans pour autant se limiter à ces conditions.

Mise à jour du capital de la localité

48La localité consomme en priorité sa propre production. Cette production n’est pas soumise aux prix des denrées. Il n’y a donc pas dans notre modèle de marché interne, mais seulement un marché externe à l’agent. La mise à jour du capital de chaque agent est la somme des exportations en céréales et en vin, moins les importations nécessaires pour la population locale en céréales ou en vin. Les prix d’achat et de vente d’une denrée sont les mêmes pendant chaque itération, mais variables entre les itérations. Leur variation dépend du sous-modèle de mise à jour des prix d’achat et de vente des productions (cf. infra). Les prix sont calculés en fin de procédure pour l’itération suivante.

Évolution de la population

49La population de chaque localité est modélisée comme une quantité dont l’évolution suit une courbe logistique définie par l’équation 1, dans laquelle la valeur à un instant t dépend de l’état précédent.

50Si la demande locale (dl) est inférieure à la somme de la production de l’agent (prod) et de ses importations (imp) (dl < prod + imp), ces deux variables étant strictement positives, le signe de a est alors négatif et la population augmente.

51En revanche, si la demande locale ne peut pas être assouvie (dl > prod + imp) et que le capital n’est pas suffisant pour importer la nourriture manquante, alors le signe de a devient positif et la population décroît.

Équation 1 : Evolution de la population

Équation 1 : Evolution de la population
  • p est un nombre réel représentant la population à t+1 ;

  • pmax est la taille maximum de la population, fixée arbitrairement à 1000, pour correspondre avec les données historiques ;

  • a est le coefficient logistique de la courbe (est un nombre réel entre 0 et 1)

Mise à jour du prix d’achat et de vente des productions

52Nous avons travaillé sur deux types de comportements macroéconomiques en vue d’en explorer les conséquences sur chacun des mondes virtuels. Comme nous l’avons déjà évoqué, le prix d’achat et de vente est le même pour chacune des denrées produites.

Le modèle logistique

53Il établit un lien direct entre le prix de vente du produit et le nombre de parcelles mises en production à un instant t, comme représenté sur la figure 4. La fonction calculant le prix de vente à l’itération suivante compare le nombre actuel de parcelles avec le nombre de parcelles de l’état précédent. L’équation 2 permet de calculer l’évolution du prix à chaque itération.

Équation 2 : Evolution logistique du prix de vente des productions

Équation 2 : Evolution logistique du prix de vente des productions

où :

  • np est le nombre de parcelles gagnées ou perdues pour une production (nombre entier) ;

  • px est le prix de la production à l’instant t ou t+1 (nombre réel) ;

  • pxmax est le prix maximum, fixé à 100 ;

  • et b est le coefficient logistique de la courbe (nombre réel entre -0,001 et -0,006).

54Si le nombre de parcelles à l’instant t est supérieur à celui de l’instant t-1, alors le coefficient b est négatif et le prix diminue donc. Si par contre le nombre de parcelles à l’instant t est inférieur à t-1, le coefficient b est alors positif et le prix augmente, créant un choc de demande sur les autres marchés.

Figure 6 : Les dynamiques économiques implémentées dans le modèle VIcTOr. Les six premières courbes ont une dynamique logistique, le prix payé pour la production viticole ou pour la production céréalière étant lié à la production dans le modèle (équation 2). La dernière courbe légendée « linéaire », le prix payé pour chaque production étant linéaire (équation 3).

Figure 6 : Les dynamiques économiques implémentées dans le modèle VIcTOr. Les six premières courbes ont une dynamique logistique, le prix payé pour la production viticole ou pour la production céréalière étant lié à la production dans le modèle (équation 2). La dernière courbe légendée « linéaire », le prix payé pour chaque production étant linéaire (équation 3).
Le modèle linéaire

55Il propose aux agents un prix qui varie de manière inversement proportionnelle à la production du territoire. Nous l’avons implémenté en utilisant l’équation 3.

Équation 3 : Evolution linéaire du prix de production

Équation 3 : Evolution linéaire du prix de production

Où :

  • pt est le prix de la production à un instant t ;

  • prt la production à un instant t ;

  • prmax la production maximum (le nombre total d’unités spatiales).

Résultats

Exploration de l’hétérogénéité spatiale

56Nous avons exploré le comportement du modèle dans un monde isotrope et dans quatre configurations spatiales différentes d’un même monde anisotrope avec une situation commerciale linéaire (cf. 3.2.1 et équation 3). Sur la figure 7, nous observons qu’en se plaçant dans une configuration avec onze agents « localité » à l’initialisation, le comportement général du système est relativement similaire et suit le même motif. Les localités se maintiennent jusqu’à environ 90 itérations, puis s’ensuit une décroissance exponentielle en 100 ans, pour finalement se stabiliser autour de cinq localités encore présentes après 200 itérations.

Figure 7 : Exploration de l’impact de la configuration spatiale initiale sur le nombre moyen de localités (« iso » représente un espace isotrope, et « aniso » un espace anisotrope). Nous testons ici différentes configurations anisotropiques (aniso 1, 2, 3 et 4). Nous attirons l’attention du lecteur sur le fait que ces résultats sont des moyennes du nombre de localités de chaque paramétrisation sur 30 répétitions.

Figure 7 : Exploration de l’impact de la configuration spatiale initiale sur le nombre moyen de localités (« iso » représente un espace isotrope, et « aniso » un espace anisotrope). Nous testons ici différentes configurations anisotropiques (aniso 1, 2, 3 et 4). Nous attirons l’attention du lecteur sur le fait que ces résultats sont des moyennes du nombre de localités de chaque paramétrisation sur 30 répétitions.

57Considérant dans les mêmes conditions la couverture du sol (fig. 8), nous observons un comportement relativement semblable sur les 150 premières itérations, les deux graphes divergeant au-delà. En effet, alors que la régression des surfaces viticoles tend à se stabiliser, les surfaces cultivées en céréales ont tendance quant à elles à croître et se stabiliser sur les 100 dernières itérations.

58La variation des surfaces pour chaque culture est ensuite identifiable sur chaque graphe. Cette variabilité est issue de la configuration spatiale initiale (fig. 1, cf. mauvaises/bonnes terres). On met donc en évidence ici la part d’adaptation locale, ainsi que l’influence du motif spatial général initial sur la dynamique des surfaces cultivées.

Figure 8 : Exploration de l’impact de la configuration spatiale initiale sur les surfaces cultivées. Les courbes représentent les surfaces moyennes en vigne et en céréales (« iso » représente un espace isotrope et « aniso » un espace anisotrope). Nous testons ici différentes configurations anisotropiques (aniso 1, 2, 3 et 4).

Figure 8 : Exploration de l’impact de la configuration spatiale initiale sur les surfaces cultivées. Les courbes représentent les surfaces moyennes en vigne et en céréales (« iso » représente un espace isotrope et « aniso » un espace anisotrope). Nous testons ici différentes configurations anisotropiques (aniso 1, 2, 3 et 4).

Exploration de la variation du nombre d’agents

59Nous nous intéressons ensuite aux effets de la variation du nombre d’agents « localité ». Pour cela, les autres paramètres sont fixés comme suit : comportement macroéconomique linéaire et structuration spatiale anisotropique (fig. 9). Le motif observé dans la figure 7 se retrouve si l’on effectue les simulations avec onze localités. Le même motif est également observable pour des simulations comprenant de sept à onze localités initiales. Ces simulations aboutissent toutes à une disparition relativement brusque d’une partie des agents « localité », avec une stabilisation à cinq. Le motif représenté est très proche de celui déjà remarqué sur la figure 7 avec cinq à onze agents « localité » à l’initialisation. Dans les configurations explorées, on peut donc considérer que le système est attiré par une configuration à cinq agents.

Figure 9 : Exploration du comportement des localités et de leur réorganisation en fonction de la saturation de l’espace (moyenne pour 30 simulations dans un scénario spatial).

Figure 9 : Exploration du comportement des localités et de leur réorganisation en fonction de la saturation de l’espace (moyenne pour 30 simulations dans un scénario spatial).

60Considérons maintenant la figure 10, qui représente l’utilisation de l’espace en fonction du nombre d’agents « localité » initial dans un système économique linéaire. On observe que dans une configuration à deux localités, l’espace viticole ne subit pas de régression forte (fig. 10a), mais également que l’espace adapté à la viticulture n’est jamais saturé (fig. 10b), ce qui traduit une occupation rationnelle de l’espace. La vigne est installée sur des terres plus pauvres, en superficie suffisante pour répondre malgré tout au comportement d’un marché linéaire.

61Pour les paramétrages initialisés avec quatre à dix localité, l’espace disponible de terres favorables à la viticulture est très vite saturé. Sans espace disponible sur les terres pauvres pour implanter de la vigne, commence alors une compétition spatiale entre la vigne et le blé. La compétition pour les terres les plus riches engendre la décroissance qu’on observe (fig. 8a) et qui exprime la proportion de terres pauvres utilisée pour la production viticole.

Figure 10 : Exploration de l’utilisation de l’espace pour la viticulture en fonction du nombre d’agents localité initial dans un système économique linéaire. (a) pourcentage de parcelles viticoles implantées sur des terres adaptées à la vigne, (b) proportion d’espace disponible sur ces terres.

Figure 10 : Exploration de l’utilisation de l’espace pour la viticulture en fonction du nombre d’agents localité initial dans un système économique linéaire. (a) pourcentage de parcelles viticoles implantées sur des terres adaptées à la vigne, (b) proportion d’espace disponible sur ces terres.

Exploration de l’influence des marchés

62Les figures 7, 8, 9 et 10 ont été réalisées avec un paramétrage macroéconomique linéaire (cf. 3.3.3) permettant de ne pas soumettre le système à une contrainte rendant l’interprétation trop complexe. Toutefois, nous avons également utilisé un autre type de variation macro-économique (cf. 3.3.3) avec un marché guidé par une fonction logistique (équation 2). Nous comparons ainsi les comportements du système selon les deux modèles macroéconomiques.

63Concernant la viticulture, commençons par comparer les figures 10 (en nous focalisant sur la configuration à 10 localités) et 11. On constate immédiatement que le marché dynamique, alternant des phases de prospérité tantôt pour la vigne, tantôt pour les céréales, a pour effet de pousser les localités à petit à petit implanter de la vigne sur des parcelles plus adaptées aux céréales (sol plus riche). Un marché linéaire (fig. 10a), avec une compétition spatiale entre les localités, produit sensiblement le même motif qu’un marché logistique sur les surfaces viticoles plantées sur un sol adapté (fig. 11a). Le paramètre qui varie fortement est celui de la localisation des parcelles viticoles. En effet, si dans les deux configurations autour de 100 itérations l’espace viticole est entièrement utilisé, les simulations en situation de marché logistique ont tendance à laisser de côté ces terres pauvres au-delà de 150 itérations. La compétition spatiale entre les localités et entre les types de cultures réduit les possibilités de rationaliser l’espace.

Figure 11 : Exploration de l’utilisation de l’espace pour la viticulture en fonction de la variation du coefficient b du marché logistique. (a) proportion de parcelles viticoles implantées sur des terres adaptées par rapport au nombre total de parcelles viticoles, (b) proportion inutilisée des terres adaptées à la viticulture.

Figure 11 : Exploration de l’utilisation de l’espace pour la viticulture en fonction de la variation du coefficient b du marché logistique. (a) proportion de parcelles viticoles implantées sur des terres adaptées par rapport au nombre total de parcelles viticoles, (b) proportion inutilisée des terres adaptées à la viticulture.

64La figure 11 permet d’identifier trois phases d’utilisation du sol par la vigne. La première, en début de simulation, durant laquelle les agents colonisent les terres à proximité. Leur préférence va aux parcelles plus adaptées à la vigne, ce qui se traduit par une croissance des courbes. Dans la deuxième phase, certaines localités n’ayant pas réussi à s’adapter à la concurrence disparaissent (autour de 100 itérations) ; les courbes sont alors décroissantes. Enfin la troisième phase, le ratio parcelles viticoles implantées sur des terres viticoles et parcelles viticoles implantées sur des terres plus propices aux céréales est donc déséquilibré. Des terres adaptées à la viticulture sont libérées (fig. 11b). Cela se traduit sur le paysage global par le maintien ou la survivance de la viticulture face à la céréaliculture, au détriment des zones adaptées à la vigne. Dans ce système, localement, les céréales et la vigne entrent bien plus en compétition pour l’espace que dans une situation régie par un marché linéaire (fig. 10).

65En comparant les figures 8 et 12 (pour un monde initialisé avec onze localités), on constate que les comportements avec un marché logistique sont assez différents de ceux d’un marché linéaire. Le maximum de parcelles cultivées en vigne (fig. 12a) et en céréales (fig. 12b), sous conditions de marché logistique, est majoritairement plus élevé qu’avec un marché linéaire (fig. 8), même si on constate une décroissante plus forte dans la suite de simulation. Le modèle logistique est moins propice à une stabilité des productions à leur maximum. En effet, une fois ce maximum atteint, une décroissance des parcelles viticoles apparaît, plus ou moins rapidement selon l’intensité du coefficient b utilisé. Celui-ci conduit le système vers un nombre de parcelles viticoles généralement inférieur à celui d’une situation avec un marché linéaire. Paradoxalement, plus le coefficient b est faible (tend vers -1) plus le système viticole à tendance à se rapprocher de la stabilité du marché linéaire, tout en conservant des valeurs supérieures.

66Pour les céréales, on peut constater que pour des valeurs du coefficient b comprises entre -0,001 et -0,003 (c’est-à-dire dans le cas d’un système relativement résistant), les surfaces ont tendance à diminuer tandis que, pour des valeurs de -0,004 et -0,005, la tendance est plutôt croissante.

Figure 12 : Exploration de la sensibilité à différentes variations d’un marché logistique. (a) nombre de parcelles viticoles, (b) nombre de parcelles en céréales par rapport au temps. Dans les deux cas, selon le coefficient b de la fonction logistique.

Figure 12 : Exploration de la sensibilité à différentes variations d’un marché logistique. (a) nombre de parcelles viticoles, (b) nombre de parcelles en céréales par rapport au temps. Dans les deux cas, selon le coefficient b de la fonction logistique.

Discussion

Isotropie, anisotropie, espace de compétition ?

67En analysant les résultats, on constate que l’espace, dans ses différentes configurations, n’influence pas ou peu les dynamiques observées au niveau des agents. En effet, quelles que soient les configurations spatiales initialisées (fig. 7), le nombre de localités se stabilise en moyenne autour de 5. À l’inverse, ces configurations spatiales, et en particulier l’hétérogénéité spatiale que nous introduisons à l’initialisation, influencent quant à elles le couvert végétal.

68Ainsi un monde anisotrope défavorise la culture de céréales. En effet, considérant que la l’activité céréalière est sensible aux conditions d’implantation (qualité de la terre), une réduction de la superficie favorable à la céréaliculture induit inévitablement une diminution de sa surface cultivée.

69Pour la viticulture, ce mécanisme n’a pas lieu. En effet, la vigne est capable de se développer à la fois sur des sols pauvres et sur des sols riches, ce qui a parfois forcé les pouvoirs publics à prendre des mesures coercitives envers la viticulture (Vivier 1938 ; Maillard 1992 ; Messiez 2002).

70La compétition spatiale entre les localités, exacerbée par l’hétérogénéité spatiale, est également confirmée par la figure 9 qui met en évidence empiriquement leurs besoins spatiaux. La compétition entre les différentes localités a lieu de manière très agressive au fur et à mesure que leur population, et donc leurs besoins, grandissent. L’espace d’analyse est capable d’abriter 5 localités sans leur faire subir une concurrence destructrice. La dynamique et l’intensité de cette compétition sont identifiables sur la figure 10. On observe une croissance de l’occupation des sols adaptés à la vigne jusqu’à un optimum, suivi assez rapidement par une diminution de cette occupation.

71Cette compétition entre les localités pour l’espace productif met en évidence l’influence de l’historicité sur les configurations spatiales. Ainsi, après une centaine d’itérations, près de 20 % des parcelles viticoles (pour des configurations initiales de plus de cinq agents) ne sont pas situées sur des terrains adaptés. Au même moment, le nombre de localités a déjà commencé à diminuer dans les simulations avec plus d’agents initiaux (plus de 7 agents sur la figure 7). Une fois que certaines localités ont disparu, les zones viticoles persistent sur les espaces précédemment investis, même si ces derniers sont moins adaptés à cette culture. Les formes ainsi créées sont donc le résultat d’une compétition initiale pour l’espace.

72Si l’on tente une comparaison avec des exemples historiques, on peut citer l’utilisation, dans le Bordelais, des zones dites « de palu » dont le sol gras et frais a été utilisé pour implanter de nouvelles parcelles viticoles au XIIIe siècle (Dion 1952 : Enjalbert 1953), et dont Hinnewinkel (2011) en retrouve la trace au moment des tractations avec le négoce au XVe siècle puisque « les vins de palu y sont en bonne place, avec le prix plancher le plus élevé ».

73Autrement dit, si la discrétisation initiale imposée au territoire permet d’orienter la production, elle ne la contraint pas, ce qui reste en conformité avec le travail de R. Dion (1952). Quand la rente attribuée à la vigne devient avantageuse ou que la place vient à manquer dans les terres adaptées, alors sa culture peut gagner de l’espace sur les terres céréalières.

Dynamique macro-économique et conséquences spatiales

74En situation de marché linéaire, la rente de production est calculée en fonction de la production totale du système. Dans cette configuration, les localités doivent faire face à une compétition par l’espace qui est contrebalancée par le fait que la rente se dégrade avec l’augmentation de la production. On peut donc rapprocher cette configuration d’une situation d’inhibition des velléités d’expansion des agents les uns envers les autres.

75C’est ce qu’on observe avec 10 agents sur la figure 10a. Les localités, par cette interdépendance, prennent beaucoup plus en compte les variations locales des conditions agricoles. Dans ces conditions, elles ne font face qu’à de micro-variations économiques. L’espace le mieux adapté à la viticulture lui est presque entièrement dédié et on assiste à une co-construction des espaces agricoles (fig. 10b). Cela signifie que quand les localités ne sont soumises qu’à de petites variations de l’évolution des cours de leur production, elles sont en mesure de tirer parti des variations locales afin d’optimiser l’utilisation du territoire. Ainsi, après 250 itérations du modèle, dans 3 situations logistiques sur 5, le pourcentage de terres adaptées à la viticulture et inoccupée est supérieur à 50 % (fig. 11b), contre moins de 20 % dans 4/5 des configurations en système linéaire (fig. 10b).

76Cette interdépendance des localités sur le territoire fait qu’une augmentation de la production des uns influe à long terme sur les revenus, tant individuels que collectifs, des autres. En effet, mise à part la disparition d’une localité, la dynamique de territoire n’est influencée que par les actions des voisins. Ce type de contraintes peut être en partie représentatif d’une région où la société met en place une réglementation sur les droits de plantation afin de contrôler l’extension de la viticulture, éventuellement pour protéger une production de qualité (à l’instar de la création des AOC en France à partir des années 1930).

77En situation de marché logistique (fig. 11), le système se trouve dans une situation où les prix sont alors ajustés de l’extérieur, une fois par itération. Les évolutions de prix sont partiellement découplées de la réalité du territoire. Elles ne tiennent compte que du bilan territorial, positif ou négatif, de l’itération ; le comportement logistique fait le reste. La courbe d’ajustement des prix suit là encore un comportement logistique qui s’amplifie par la fréquence de l’événement. Dans ce cas, les localités cherchent à optimiser leurs revenus. Cependant, si l’une d’elles prend l’avantage durant une itération en mettant en culture une grande superficie, grâce à de la main-d’œuvre disponible par exemple, ces parcelles lui rapportent beaucoup, mais le prix chute lors de la suivante. C’est une situation où le marché crée des opportunités à court terme, qui encouragent les dynamiques individuelles et imposent donc aux agents une compétition immédiate.

  • 9 Le concept de noyaux d’élite a été défini par Kuhnholtz-Lordat (1960). Il le définit comme un systè (...)

78Ces deux types de configuration sont représentés sur la figure 13. En effet, dans un contexte de marché guidé par une fonction linéaire, les surfaces viticoles sont un peu moins étendues, mais elles sont largement disposées sur les zones qui leur sont propices (fig. 13a et b par rapport à fig. 1). Dans les conditions où le territoire est soumis à un marché logistique (fig. 11, coef. logistique -0,005), la viticulture occupe une place un peu plus importante. Les deux dernières visualisations (fig. 13b et c) montrent que les zones qui ont le moins changé de couvert végétal, et ont donc conservé de la vigne le plus longtemps, sont plus étendues avec un marché linéaire qu’avec un marché logistique. Le marché linéaire aurait donc tendance à maintenir des noyaux d’élite9 plus importants que dans le cas d’un marché guidé par une fonction logistique. La figure 13c montre la stabilité de la viticulture autour des centres des localités ; a contrario, l’affectation (vigne ou blé) des parcelles éloignées des localités est très instable, changeant fréquemment en fonction de l’évolution de la configuration du système.

79Un parallèle historique est envisageable avec la situation de la Touraine au XVIIIe siècle. Les exportations des produits pondéreux par la Loire sont alors taxées en direction de l’Atlantique au péage d’Ingrandes, au moment du passage dans la province de Bretagne (Vivier 1938 ; Maillard 1992 ; Maillard 1998). Le vin étant une marchandise pondéreuse, l’exportation atlantique des vins tourangeaux et angevins, produits en amont de ce péage, sont très fortement désavantagées. Dès la fin du XVIe siècle, la demande hollandaise en vins blancs capiteux suscite une production spécifique de qualité dans certains vignobles ligériens (par exemple Vouvray). Il s’ensuit une augmentation des prix de cette production viticole spécifique, qui entraîne un phénomène spéculatif en faveur de la viticulture et au détriment d’autres activités agricoles. Le contrôle douanier au péage d’Ingrandes, qui taxe les exportations, exerce toutefois un contrôle extérieur sur le prix qui pourrait donner ce type de résultat sur les surfaces.

Figure 13 : Deux types de configurations spatiales d’un même territoire soumis à un marché linéaire (en haut), et logistique (en bas) après 300 itérations. En : (a) partage de l’espace entre vigne et céréales ; (b) histoire de la culture de la vigne, nombre d’itérations où la vigne s’est maintenue sur la parcelle ; (c) nombre de fois où le couvert végétal a varié sur la parcelle (plus la couleur s’approche du vert clair, plus les parcelles ont changé d’affectations).

Figure 13 : Deux types de configurations spatiales d’un même territoire soumis à un marché linéaire (en haut), et logistique (en bas) après 300 itérations. En : (a) partage de l’espace entre vigne et céréales ; (b) histoire de la culture de la vigne, nombre d’itérations où la vigne s’est maintenue sur la parcelle ; (c) nombre de fois où le couvert végétal a varié sur la parcelle (plus la couleur s’approche du vert clair, plus les parcelles ont changé d’affectations).

80Les simulations permettent de dire que les territoires viticoles aujourd’hui reconnus ont sûrement eu besoin initialement d’un environnement économique suffisamment stable pour garantir des débouchés, tout en profitant localement de « ce qui, dans la disposition naturelle des lieux, pouvait favoriser son [en parlant de viticulteurs] dessein […]. Par là s’établit, mais dans le menu détail, bien plus que dans les grandes lignes, le lien de la géographie viticole à la géographie physique » (Dion 1952, 428).

81La fonction logistique représente un modèle plus spéculatif dans lequel les prix sont fixés par des variables qui échappent au moins partiellement au territoire et aux agents. On peut alors parler de vin d’opportunité dans la mesure où le comportement des agents n’influencera que peu le prix d’achat du produit. Si la baisse des prix est liée à l’extension entre deux itérations, la figure 10 montre qu’une forte réactivité du prix (b de -0,003 ou -0,004) génère une réappropriation de l’espace par les localités qui ont réussi à se maintenir. Ces émergences sont le résultat d’une adaptation économique et spatiale couplée à une forte réactivité du système économique en jeu, qui a tendance à créer un équilibre précaire. Les zones les plus adaptées pour la viticulture ne sont alors plus occupées de manière aussi optimale par la vigne, bien que celle-ci reste une composante du paysage.

82Le modèle permet d’explorer les implications spatiales des hypothèses avancées par Hinnewinkel (2010, 10) : « La position commerciale acquise ne durera que par la mise en place d’une efficace protection de la rente territoriale sur un espace délimité. La durabilité de cette rente est alors essentiellement liée à la société qui la porte ». Cette protection, qui fait défaut dans la situation où le marché est guidé par une équation logistique et qui est finalement peu nécessaire aux situations soumises au marché linéaire, permet de dresser les grandes lignes par « plausibilité de principe » (Varenne 2011) du défaut de protection et d’auto-organisation dont ont besoin les sociétés pour faire face à toutes les circonstances.

Conclusion

83Ce travail présente le modèle ViCTOr dans une version qui nous satisfaisait pour ses apports heuristiques sur les dynamiques viticoles d’un territoire virtuel. Il permet d’explorer les comportements du monde réel à partir de modélisations dans une démarche inductive. La modélisation et les systèmes multi-agents sont alors utilisés comme « une béquille pour l’esprit humain » (Banos 2010). Ils aident à se projeter et à comprendre des situations complexes.

84Certaines hypothèses utiles à la compréhension de comportements génériques de la structuration des paysages viticoles ont ainsi pu être explorées. En particulier, nous montrons que l’espace joue un rôle majeur sur l’implantation des cultures quand les territoires ne font pas face à un marché trop volatile. L’exploration des comportements du paysage, pour en déduire la nature de la contrainte économique, a également permis d’esquisser quelques pistes quant aux forces agissant sur les paysages agricoles.

  • Le marché reste très structurant, mais l’hétérogénéité spatiale est utilisée par les agents ;

  • La nouveauté réside ici à considérer les formes économiques à l’œuvre sur le territoire comme des contraintes spatialement structurantes.

85Ainsi, si certaines formes ou certains processus jouant sur la structuration paysagère nous semblent plus clairs (par exemple la détermination de la contrainte liée à l’hétérogénéité spatiale sur les cultures), une grande part d’ombre persiste sur les structures plus fines qui peuvent se mettre en place.

86Ces résultats posent donc de nouvelles questions dans plusieurs directions :

    • 10 Mis en avant dans la lecture des travaux de Dion (1952) avec une grille de lecture marxisante, oppo (...)
    • 11 Dans un rapport de Morgan Stanley analysts, Kierath and Wang (2013) avancent que le marché mondial (...)
    • 12 En explorant les concepts mobilisés par la modélisation nous pouvons de manière itérative identifie (...)

    L’utilisation du modèle pour interroger d’autres composantes : en s’inspirant des travaux de Roger Dion, on pourrait s’interroger sur les possibilités de cohabitation de deux types de viticulture : une viticulture paysanne et une viticulture bourgeoise10. On pourrait également imaginer explorer les effets d’une viticulture de consommation locale contre une viticulture d’exportation11 ; et ainsi poursuivre cette tentative de définition du concept de terroir au sens topologique de Thom (2009)12.

  • Le changement de résolution dans l’organisation sociale. Le passage à une unité individuelle, à l’échelle des agriculteurs, pourrait être un enrichissement du système qui permettrait de descendre à un niveau d’interactions intra-communautaires (à l’intérieur de la localité). Il serait alors possible de vérifier la robustesse des territoires viticoles et plus particulièrement les comportements spatiaux liés au triptyque « rente-organisation-terroir » (Hinnewinkel 2004). Ce changement d’échelle de réflexion, en remplaçant l’agent « localité » par les individus, permettrait une exploration plus fine. Dans ces conditions, les paysages viticoles pourraient être considérés comme des émergences de second ordre (Gilbert 1995).

Haut de page

Bibliographie

Anderson J.R., Reder L.M. and Simon H.A., 1999, Applications and misapplications of cognitive psychology to mathematics education, Washington DC, ERIC Clearinghouse [En ligne], URL: http://act-r.psy.cmu.edu/papers/misapplied.html.

Auriac F., 2000, Système économique et espace. Le vignoble languedocien, Paris, Economica.

Axelrod R.M., 1997, The complexity of cooperation. Agent-Based Models of competition and collaboration, Princeton, Princeton University Press.

Banos A., 2010, "La simulation à base d’agents en sciences sociales : une béquille pour l’esprit humain ?", Nouvelles perspectives en sciences sociales. Revue internationale de systémique complexe et d’études relationnelles, vol. 5, No. 2, 91-100.

Berque A., 1995, "Espace, milieu, paysage, environnement", in : Encyclopédie de Géographie, Paris, Economica, 349-367.

Berque A., 2005, "La forclusion du travail médial", L’Espace Géographique, vol. 34, No. 1, 81-90.

Bertrand C., Bertrand G., 2002, Une géographie traversière : l’environnement à travers territoires et temporalités, Paris, Arguments.

Bertrand G., Bertrand C., 1995, "La géographie et les sciences de la nature", in : Encyclopédie de Géographie, Paris, Economica, 91-109.

Bommel P., 2009, Définition d’un cadre méthodologique pour la conception de modèles multi-agents adaptée à la gestion des ressources renouvelables, Thèse de doctorat, Université Montpellier II-Sciences et Techniques du Languedoc.

Boudon R., 1991, "Chapitre 2. Individualisme et holisme dans les sciences sociales", Références, 45-59 [En ligne], URL : http://www.cairn.info/sur-l-individualisme--9782724605945-page-45.htm.

Brunet R., Dollfus O. (dir.), 1990, Mondes nouveaux, Paris, Hachette, coll. Géographie Universelle.

Delay E., 2013, "Du paysage au terroir viticole de forte pente. A la recherche des leviers du management territorial", Projets de paysage, No. 9, [En ligne], URL : http://www.projetsdepaysage.fr/fr/du_paysage_au_terroir_viticole_de_forte_pente_a_la_recherche_des_leviers_du_management_territorial].

Delay E., Chevallier M., 2015, "Roger Dion, toujours vivant !", Cybergeo : European Journal of Geography [En ligne], GeOpenMod, document 721. URL : http://cybergeo.revues.org/26961 ; DOI : 10.4000/cybergeo.26961.

Delay E., Chevallier M., Piou C., Rouvellac E., 2014, "Modélisation sur le temps long des facteurs de qualité du vin", in : Xth International Terroirs Congress, vol. 1, 218-224.

Dion R., 1952, "Querelle des anciens et des modernes sur les facteurs de la qualité du vin", Annales de Géographie, vol. 61, No. 328, 417-431.

Durand-Dastès F., 1992, "Le particulier et le général en géographie", in : Audigier F., Baillat G. (dir.). Analyser et gérer les situations d’enseignement-apprentissage. La notion de chaos. Quelques réflexions. Actes du sixième Colloque de didactique de l’histoire, de la géographie et des sciences sociales, Paris, INRP, 311-314.

Enjalbert H, 1953, "Comment naissent les grands crus. Bordeaux, Porto, Cognac (Première Partie)", Annales. Économies, Sociétés, Civilisations, vol. 8, No. 3, 315-328.

Ferber J., 1995, Les Systèmes Multi-Agents. Vers une intelligence collective, Paris, InterEditions.

Gentelle P., 1995, "Géographie et Archéologie", in : Encyclopédie de Géographie, Paris, Economica, 203-215.

Gilbert N., 1995, "Emergence in Social Simulation", in: Gilbert N., Conte R. (dir..), Artificial societies: The computer simulation of social life, London, UCL, 144-156.

Grimm V., Berger U., Bastiansen F., Eliassen S., Ginot V., Giske J., Goss-Custard J. et al., 2006, "A standard protocol for describing individual-based and agent-based models", Ecological Modelling, vol. 198, No. 1, 115-126.

Grimm V., Berger U., De Angelis D.L., Polhill J.G., Giske J., Railsback S.F., 2010, "The ODD Protocol. A Review and First Update", Ecological Modelling, vol. 221, No. 23, 2760-2768.

Hannin H., Brugière F., Aigrain P., 2010, "Mutation et perspective de la filière vitivinicole", in : La vigne et le vin. Mutations économiques en France et dans le monde, Paris, La documentation française.

Hinnewinkel J.-C., 2004, Les terroirs viticoles. Origines et devenirs, Bordeaux, Féret.

Hinnewinkel J.-C., 2010, Faire vivre le terroir. Hommage au Professeur Philippe Roudié, Bordeaux, Presses universitaires de Bordeaux.

Hinnewinkel J.-C., 2011, "Vignes et vins de la porte de l’Entre-deux-Mers. La fin d’une longue histoire ?", in : La rive droite de Bordeaux. Treizième colloque "L’Entre-deux-mers et son identité".

Hinnewinkel J.-C., Velasco-Graciet H., 2007, "Espace et temporalités du vignoble. Une comparaison franco-chilienne", Géoconfluences [En ligne], URL : http://geoconfluences.ens-lyon.fr/doc/typespace/vin/VinScient11.htm.

Kierath T., Wang C., 2013, "The global wine industry", in: The global wine industry. Australie, Morgan Stanley Research.

Kuhnholtz-Lordat G., 1960, La genèse des appellations d’origine des vins, Chaintré, Avenir œnologique (réédition 1991).

Lammoglia A., Leturcq S., 2017, "Les petits terroirs viticoles en Touraine dans la longue durée (XIXe-XXIe siècle)", in : S. Le Bras (dir.), Les petits vignobles. Des territoires en question, Tours-Rennes, PUFR-PUR, 227-260.

Livet P., 2006, "Essai d’épistémologie de la simulation multi-agents en sciences sociales", in : Amblard F., Phan D. (dir.), Modélisation et simulation multi-agents. Applications pour les sciences de l’Homme et de la société, Londres, Hermès-Sciences & Lavoisier, 193-218.

Maillard B., 1992, Les campagnes de Touraine au XVIIIe siècle. Etude d’histoire économique et sociale, Thèse de doctorat, Université de Rennes 2.

Maillard B., 1998, Les campagnes de Touraine au XVIIIe siècle. Structures agraires et économie rurale, Rennes, Presses universitaires de Rennes.

Messiez M., 2002, Les vignobles des pays du Mont-Blanc : Savoie, Valais, Val d’Aoste. Etude historique, économique, humaine, Grenoble, Revue de Géographie Alpine.

Moindrot C., 1995, "Les systèmes agraires", in : Encyclopédie de Géographie, Paris, Economica, 445-470.

Morin E., 2013, La méthode. Tome 1 : La nature de la nature, Paris, Seuil.

Railsback S., Grimm V., 2011, Agent-based and individual-based modeling. A practical introduction, Princeton, Princeton University Press.

Rouvellac E., 2005, Les terroirs du vin de Cahors, Limoges, PULIM.

Team R Development Core, 2014, R: A language and environment for statistical computing, Vienna, Austria, R Foundation for Statistical Computing (http://www.R-project.org).

Thom R., 1989, Paraboles et catastrophes. Entretiens sur les mathématiques. La science et la philosophie, Paris, Flammarion.

Thom R., 1989, Prédire n’est pas expliquer, Paris, Flammarion.

Thünen J.H. von, 1966, Isolated state. An English edition of Der isolierte Staat, Oxford/London/Paris, Pergamon Press.

Varenne F., 2011, Modéliser le social. Méthodes fondatrices et évolutions récentes, Paris, Dunod.

Vivier R., 1938, "Un problème d’histoire économique. Les essais de limitation de la culture de la vigne en Touraine au XVIIIe siècle", Revue d’histoire économique et sociale, vol. 24, No. 1, 15-55.

Wilensky U., 1999, Netlogo (version 5.0.4), Northwestern University, Evanston, Illinois, Center for Connected Learning and Computer-Based Modeling [En ligne], URL: http://ccl.northwestern.edu/netlogo/.

Haut de page

Notes

1 Actuellement, 10 paysages de vignoble sont inscrits au patrimoine mondial de l’UNESCO.

2 Le programme VitiTerroir (https://vititerroi.hypotheses.org/) a pour ambition de poser les bases d’une analyse dynamique des vignobles en région Centre-Val de Loire dans le temps long des périodes historiques. Il a débuté en 2014, piloté par S. Leturcq et A. Lammoglia, et propose une approche pluridisciplinaire dans laquelle l’UMR 6042 Geolab est partie prenante.

3 Base de données réalisée à partir des statistiques préfectorales conservées aux Archives départementales d’Indre-et-Loire dans les séries 6M et 7M.

4 Afin de facilité l'accès à la méthodologie ODD, nous avons conservé les titres en anglais issu des publications originales.

5 En considérant grâce au résultat du modèle Dion still alive que la qualité est une fonction du temps (Delay & Chevallier 2015).

6 Il existe dans la France moderne des expériences de législation pour essayer de limiter l’extension de la viticulture concurrentielle à la production de céréales (Vivier 1938 ; Maillard 1992 ; Messiez 2002), allant à l’encontre des logiques de l’économie libérale portée au XVIIIe siècle par les physiocrates.

7 C'est ici un ordre de grandeur du nombre de localités observé empiriquement dans les données historiques.

8 Par exemple à cause d’une saturation de l’espace, ou d’une trop grande distance au centre bourg.

9 Le concept de noyaux d’élite a été défini par Kuhnholtz-Lordat (1960). Il le définit comme un système d’extension spatiale centrifuge, dans lequel plus on s’éloigne du centre et plus la qualité diminue.

10 Mis en avant dans la lecture des travaux de Dion (1952) avec une grille de lecture marxisante, opposant la viticulture paysanne et la viticulture bourgeoise dans leurs objectifs de qualité

11 Dans un rapport de Morgan Stanley analysts, Kierath and Wang (2013) avancent que le marché mondial du vin, risque de se contracter, à cause d’une pénurie de production. Les auteurs s’appuient entre autre sur le fait que la demande mondiale de vin a dépassé l’offre. Cette caractéristique est accentuée par le fait que 2012 aurait été l’année où la production serait tombée au plus bas sur les 40 dernières années.

12 En explorant les concepts mobilisés par la modélisation nous pouvons de manière itérative identifier les limites « topologique » des concepts que nous mobilisons derrière le Terroir viticole.

Haut de page

Note de fin

1 On retrouvera le programme des rencontres à l'adresse suivante : http://isa.univ-tours.fr/modys/rencontre.php?year=2013. Consultée le 14 septembre 2015.

2 Vous pouvez retrouver le modèle sur : https://github.com/ElCep/victor_cybergeo

Haut de page

Table des illustrations

Titre Figure 1 : Configuration de l’espace pour une simulation donnée (pour un monde anisotrope, c’est-à-dire hétérogène)
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-1.png
Fichier image/png, 36k
Titre Figure 2 : Schéma d’ordonnancement des processus lors d’une itération de la simulation (les flèches représentent les interactions entre les entités, et les chiffres, l’ordre dans lequel ses interactions ont lieu)
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-2.png
Fichier image/png, 51k
Titre Figure 3 : Tirage aléatoire de 10 (a), 20 (b) et 30 (c) simulations par groupe, réparties en 5 groupes (NPV : Nombre de Parcelles Viticoles).
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-3.png
Fichier image/png, 31k
Titre Figure 4 : Diagramme d’activité UML pour les mécanismes de dynamique parcellaire
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-4.png
Fichier image/png, 15k
Titre Figure 5 : Diagramme d’activité des processus d’extension des parcelles
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-5.png
Fichier image/png, 7,0k
Titre Équation 1 : Evolution de la population
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-6.png
Fichier image/png, 15k
Titre Équation 2 : Evolution logistique du prix de vente des productions
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-7.png
Fichier image/png, 16k
Titre Figure 6 : Les dynamiques économiques implémentées dans le modèle VIcTOr. Les six premières courbes ont une dynamique logistique, le prix payé pour la production viticole ou pour la production céréalière étant lié à la production dans le modèle (équation 2). La dernière courbe légendée « linéaire », le prix payé pour chaque production étant linéaire (équation 3).
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-8.png
Fichier image/png, 287k
Titre Équation 3 : Evolution linéaire du prix de production
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-9.png
Fichier image/png, 13k
Titre Figure 7 : Exploration de l’impact de la configuration spatiale initiale sur le nombre moyen de localités (« iso » représente un espace isotrope, et « aniso » un espace anisotrope). Nous testons ici différentes configurations anisotropiques (aniso 1, 2, 3 et 4). Nous attirons l’attention du lecteur sur le fait que ces résultats sont des moyennes du nombre de localités de chaque paramétrisation sur 30 répétitions.
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-10.png
Fichier image/png, 229k
Titre Figure 8 : Exploration de l’impact de la configuration spatiale initiale sur les surfaces cultivées. Les courbes représentent les surfaces moyennes en vigne et en céréales (« iso » représente un espace isotrope et « aniso » un espace anisotrope). Nous testons ici différentes configurations anisotropiques (aniso 1, 2, 3 et 4).
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-11.png
Fichier image/png, 333k
Titre Figure 9 : Exploration du comportement des localités et de leur réorganisation en fonction de la saturation de l’espace (moyenne pour 30 simulations dans un scénario spatial).
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-12.png
Fichier image/png, 172k
Titre Figure 10 : Exploration de l’utilisation de l’espace pour la viticulture en fonction du nombre d’agents localité initial dans un système économique linéaire. (a) pourcentage de parcelles viticoles implantées sur des terres adaptées à la vigne, (b) proportion d’espace disponible sur ces terres.
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-13.png
Fichier image/png, 371k
Titre Figure 11 : Exploration de l’utilisation de l’espace pour la viticulture en fonction de la variation du coefficient b du marché logistique. (a) proportion de parcelles viticoles implantées sur des terres adaptées par rapport au nombre total de parcelles viticoles, (b) proportion inutilisée des terres adaptées à la viticulture.
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-14.png
Fichier image/png, 389k
Titre Figure 12 : Exploration de la sensibilité à différentes variations d’un marché logistique. (a) nombre de parcelles viticoles, (b) nombre de parcelles en céréales par rapport au temps. Dans les deux cas, selon le coefficient b de la fonction logistique.
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-15.png
Fichier image/png, 414k
Titre Figure 13 : Deux types de configurations spatiales d’un même territoire soumis à un marché linéaire (en haut), et logistique (en bas) après 300 itérations. En : (a) partage de l’espace entre vigne et céréales ; (b) histoire de la culture de la vigne, nombre d’itérations où la vigne s’est maintenue sur la parcelle ; (c) nombre de fois où le couvert végétal a varié sur la parcelle (plus la couleur s’approche du vert clair, plus les parcelles ont changé d’affectations).
URL http://journals.openedition.org/cybergeo/docannexe/image/28356/img-16.png
Fichier image/png, 75k
Haut de page

Pour citer cet article

Référence électronique

Étienne Delay, Samuel Leturcq et Xavier Rodier, « ViCTOr : paysage virtuel pour explorer les dynamiques de la VIticulture et de la Consommation en TouRaine », Cybergeo: European Journal of Geography [En ligne], GeOpenMod - Modèles et logiciels, document 820, mis en ligne le 12 juin 2017, consulté le 28 mars 2024. URL : http://journals.openedition.org/cybergeo/28356 ; DOI : https://doi.org/10.4000/cybergeo.28356

Haut de page

Auteurs

Étienne Delay

Docteur en géographie, Laboratoire GEOLAB UMR 6042 CNRS, Université de Limoges, France, etienne.delay@unilim.fr

Articles du même auteur

Samuel Leturcq

Maître de conférences en Histoire du Moyen Age, Laboratoire CITERES, Equipe Laboratoire Archéologie et Territoires (LAT), UMR 7324 CNRS, Université François Rabelais, Tours, France, samuel.leturcq@univ-tours.fr

Articles du même auteur

Xavier Rodier

Ingénieur de recherche HDR au CNRS, Laboratoire CITERES, Equipe Laboratoire Archéologie et Territoires (LAT), UMR 7324 CNRS, Université François Rabelais, Tours, France, xavier.rodier@univ-tours.fr

Articles du même auteur

Haut de page

Droits d’auteur

CC-BY-4.0

Le texte seul est utilisable sous licence CC BY 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search