A quoi a servi la modelisation mathematique et ce quelle n'a pas pu faire

C'est une des plus vieilles questions de la philosophie que de savoir ce que l'on peut justement savoir. Et aussi vieille comme question celle de savoir si ce que l'on pourrait effectivement savoir mérite qu'on s'attelle à la tâche de le savoir vraiment. Car le savoir, même celui qui paraît frivole, résulte d'une construction --l'astrologie aussi bien que le comportement d'un trou noir ou d'une pandémie-- et d'une composition qui joue des divers entrelacs de la démonstration, de l'observation, mais aussi de l'écriture afin de constituer une connaissance, forcément située et pourtant avec une couverture d'intemporalité. Car contrairement à l'art et à la politique, l'écrit est bien plus important pour celle que l'on qualifie de scientifique et qui a le grand avantage de ne pas être une incessante remise en cause, tout en reconnaissant l'importance de véritables révolutions, y compris dans la science dite à tort comme la plus immuable, les mathématiques. Du coup, la modélisation mathématique, quoique sans ce nom mais toujours avec l'affichage d'un virtuel, a joué un grand rôle dans la fabrication de science, par ses calculs écrits sous toutes les formes, des épicycles ptoléméens aux algorithmes des Big Data, en passant par les formules, les équations aux dérivées partielles, etc. Avec une forte tendance à assurer que la prévisibilité était une qualité a priori reconnue de par le côté axiomatique et logico-déductif des mathématiques. Cette croyance épistémologique a changé d'une part parce que l'investigation mathématique a quitté ce qui parut longtemps sa limitation fondamentale, le seul quantitatif des grandeurs numériques, ne serait-ce qu'en s'investissant en logique comme en topologie et retrouvant même l'objectif aristotélicien des classifications avec l'exemple pertinent de la théorie des catastrophes. D'autre part, parce que la révolution probabiliste est venue inscrire sa marque épistémologique profonde. Mon propos par ces neuf séances n'est pas de faire de l'épistémologie abstraite, voire prévisionnelle, mais de choisir des cas concrets de modélisation, de mesurer leurs succès, ou leurs échecs sur différentes échelles, ce qui revient le plus souvent à les inscrire dans la trame historique qui le plus souvent en modifie les conditions d'exercice.