ABOUT THE SPEAKER
Nicolas Perony - Animal scientist
Nicolas Perony models the movement of animal groups to understand: what is the individual behavior that guides the behavior of the larger society?

Why you should listen

Nicolas Perony started his career as a roboticist. But after one of his robots -- which was designed to follow a white line -- destroyed itself because of a lighting snafu on demo day, he realized that he was less interested in creating complicated robots and more interested in studying the complexity that already exists out there in the animal kingdom. He quickly changed course and is now a quantitative scientist at the Chair of Systems Design at ETH Zurich, where he studies the structure and dynamics of animal societies.

Perony conducts his research by placing GPS collars on animals like Bechstein's bats and meerkats, and studying the spacial data of the group. He creates models of the movement over time to see patterns. He then tries to ascertain at the simple rules that individuals in the animal group seem to be following that, when done en masse, result in the larger flow. In other words, he looks at the underlying mechanics that lead to the collective movement of animal groups.

More profile about the speaker
Nicolas Perony | Speaker | TED.com
TEDxZurich 2013

Nicolas Perony: Puppies! Now that I’ve got your attention, complexity theory

Nicolas Perony: Regardez, des chiots ! Maintenant que j'ai votre attention, je vais vous parler de la théorie de la complexité

Filmed:
1,021,641 views

Le comportement animal n'est pas compliqué, il est complexe. Nicolas Perony étudie comment des animaux en particulier -- que ce soit des Scottish Terriers, des chauve-souris ou des suricates -- suivent des schémas plus larges de comportement. Et comment cette complexité née de la simplicité peut les aider à s'adapter à de nouvelles conditions de vie lorsqu'elles apparaissent.
- Animal scientist
Nicolas Perony models the movement of animal groups to understand: what is the individual behavior that guides the behavior of the larger society? Full bio

Double-click the English transcript below to play the video.

00:15
ScienceScience,
0
3393
1228
La science,
00:16
sciencescience has allowedpermis us to know so much
1
4621
3337
la science nous a permis
de savoir tant de choses
00:19
about the farloin reachesatteint of the universeunivers,
2
7958
3026
sur les immensités de l'univers,
00:22
whichlequel is at the sameMême time tremendouslyénormément importantimportant
3
10984
3195
ce qui est à la fois
incroyablement important,
00:26
and extremelyextrêmement remoteéloigné,
4
14179
2066
et extrêmement lointain,
et pourtant, bien plus proche de nous,
00:28
and yetencore much, much closerplus proche,
5
16245
2459
00:30
much more directlydirectement relateden relation to us,
6
18704
2091
bien plus directement lié à nous,
00:32
there are manybeaucoup things we don't really understandcomprendre.
7
20795
2468
il y a de nombreuses choses
que nous ne comprenons pas.
00:35
And one of them is the extraordinaryextraordinaire
8
23263
2129
Une de ces choses est
l'extraordinaire
00:37
socialsocial complexitycomplexité of the animalsanimaux around us,
9
25392
3326
complexité sociale
des animaux autour de nous
00:40
and todayaujourd'hui I want to tell you a fewpeu storieshistoires
10
28718
2016
et aujourd'hui, je veux vous raconter
quelques histoires
00:42
of animalanimal complexitycomplexité.
11
30734
2008
sur la complexité animale.
00:44
But first, what do we call complexitycomplexité?
12
32742
3350
Mais d'abord,
qu'est-ce que la complexité ?
00:48
What is complexcomplexe?
13
36092
1487
Que veut dire complexe ?
00:49
Well, complexcomplexe is not complicatedcompliqué.
14
37579
3427
Eh bien, complexe n'est pas
la même chose que compliqué.
00:53
Something complicatedcompliqué comprisescomprend manybeaucoup smallpetit partsles pièces,
15
41006
3448
Quelque chose de compliqué
se compose
plusieurs petites parties,
toutes différentes,
00:56
all differentdifférent, and eachchaque of them
16
44454
2430
et chacune d'entre elles joue un rôle
bien précis au sein du mécanisme.
00:58
has its ownposséder preciseprécis rolerôle in the machinerymachinerie.
17
46899
3104
A l'inverse, un système complexe
01:02
On the oppositecontraire, a complexcomplexe systemsystème
18
50003
2811
01:04
is madefabriqué of manybeaucoup, manybeaucoup similarsimilaire partsles pièces,
19
52814
2641
est composé de nombreuses parties
toutes similaires,
01:07
and it is theirleur interactioninteraction
20
55455
2008
et c'est leur interaction
qui produit un comportement
globalement cohérent.
01:09
that producesproduit a globallyglobalement coherentcohérente behaviorcomportement.
21
57463
3320
01:12
ComplexComplexe systemssystèmes have manybeaucoup interactinginteragir partsles pièces
22
60783
3836
Les systèmes complexes ont
de nombreuses parties en interaction
qui se comportent selon des règles
simples et individuelles,
01:16
whichlequel behavese comporter accordingselon to simplesimple, individualindividuel rulesrègles,
23
64619
3426
01:20
and this resultsrésultats in emergentEmergent propertiesPropriétés.
24
68045
3349
et ça donne naissance à
des nouvelles propriétés.
01:23
The behaviorcomportement of the systemsystème as a wholeentier
25
71394
1888
Le comportement du système
comme ensemble
01:25
cannotne peux pas be predictedprédit
26
73282
1668
ne peut être prévu à partir
des seules règles individuelles.
01:26
from the individualindividuel rulesrègles only.
27
74950
2152
01:29
As AristotleAristote wrotea écrit,
28
77102
1810
Aristote a écrit : le tout est plus
que la somme des parties.
01:30
the wholeentier is greaterplus grand than the sumsomme of its partsles pièces.
29
78912
3060
01:33
But from AristotleAristote, let's movebouge toi ontosur
30
81972
2462
Mais passons d'Aristote
01:36
a more concretebéton exampleExemple of complexcomplexe systemssystèmes.
31
84434
3690
à un exemple plus concret
de systèmes complexes.
01:40
These are ScottishÉcossais terriersTerrier.
32
88124
1956
Voici des Scottish terriers.
01:42
In the beginningdébut, the systemsystème is disorganizeddésorganisé.
33
90080
3751
Au début,
leur système est désorganisé.
01:45
Then comesvient a perturbationperturbation: milkLait.
34
93831
3801
Puis vient l'élément perturbateur :
du lait.
01:49
EveryChaque individualindividuel startsdéparts pushingen poussant in one directiondirection
35
97632
3850
Chaque individu commence à
pousser dans une direction
01:53
and this is what happensarrive.
36
101482
3309
et voici ce qui arrive.
01:56
The pinwheelpinwheel is an emergentEmergent propertypropriété
37
104791
2826
Le moulin à vent est une
nouvelle propriété
01:59
of the interactionsinteractions betweenentre puppieschiots
38
107617
1903
des interactions entre ces chiots
02:01
whosedont only ruleRègle is to try to keep accessaccès to the milkLait
39
109520
3910
dont la seule règle est d'essayer
d'atteindre le lait
02:05
and thereforedonc to pushpousser in a randomau hasard directiondirection.
40
113430
3607
et donc de pousser
dans une direction aléatoire.
02:09
So it's all about findingdécouverte the simplesimple rulesrègles
41
117037
3975
Il s'agit donc de trouver
les règles simples
dont émerge la complexité.
02:13
from whichlequel complexitycomplexité emergesémerge.
42
121012
2758
C'est ce que j'appelle
« simplifier la complexité. »
02:15
I call this simplifyingsimplifier complexitycomplexité,
43
123770
2940
02:18
and it's what we do at the chairchaise of systemssystèmes designconception
44
126710
2135
Et c'est ce que nous faisons à l’École
Polytechnique Fédérale de Zurich.
02:20
at ETHETH ZurichZurich.
45
128845
1977
02:22
We collectcollecte dataLes données on animalanimal populationspopulations,
46
130822
3705
Nous recueillons des données
sur des populations d'animaux
02:26
analyzeanalyser complexcomplexe patternsmodèles, try to explainExplique them.
47
134527
3811
et nous analysons des schémas complexes
pour essayer de les expliquer.
02:30
It requiresa besoin physicistsphysiciens who work with biologistsbiologistes,
48
138338
2619
Ça implique des physiciens travaillant
avec des biologistes,
02:32
with mathematiciansmathématiciens and computerordinateur scientistsscientifiques,
49
140957
2723
des mathématiciens
et des informaticiens,
02:35
and it is theirleur interactioninteraction that producesproduit
50
143680
2820
et c'est leur interaction qui crée
une compétence transverse
02:38
cross-boundarytransfrontaliers competencecompétence
51
146500
1714
pour résoudre ces problèmes.
02:40
to solverésoudre these problemsproblèmes.
52
148214
1578
02:41
So again, the wholeentier is greaterplus grand
53
149792
2272
Une fois encore, le tout est plus que
la somme des parties.
02:44
than the sumsomme of the partsles pièces.
54
152064
1400
02:45
In a way, collaborationcollaboration
55
153464
2150
D'une certaine façon,
la collaboration
02:47
is anotherun autre exampleExemple of a complexcomplexe systemsystème.
56
155614
3491
est un autre exemple
de système complexe.
02:51
And you maymai be askingdemandant yourselftoi même
57
159105
1876
Vous vous demandez peut-être
où je me situe :
02:52
whichlequel sidecôté I'm on, biologyla biologie or physicsla physique?
58
160981
2817
la biologie ou la physique ?
02:55
In factfait, it's a little differentdifférent,
59
163798
2111
En fait, c'est un peu différent.
02:57
and to explainExplique, I need to tell you
60
165909
1589
Pour vous l'expliquer, je dois passer par
une petite histoire sur moi-même.
02:59
a shortcourt storyrécit about myselfmoi même.
61
167498
2342
03:01
When I was a childenfant,
62
169840
1727
Quand j'étais enfant,
j'adorais construire,
03:03
I lovedaimé to buildconstruire stuffdes trucs, to
createcréer complicatedcompliqué machinesmachines.
63
171567
4109
créer des machines compliquées.
03:07
So I setensemble out to studyétude electricalélectrique engineeringingénierie
64
175676
2737
J'ai donc entrepris des études
d'ingénierie électrique et de robotique.
03:10
and roboticsrobotique,
65
178413
1552
03:11
and my end-of-studiesfin-de-études projectprojet
66
179965
2093
Mon projet de fin d'étude
03:14
was about buildingbâtiment a robotrobot calledappelé ER-ER-1 --
67
182058
2926
était la construction d'un robot, le ER-1,
qui ressemblait à ça,
03:16
it lookedregardé like this—
68
184984
1930
03:18
that would collectcollecte informationinformation from its environmentenvironnement
69
186914
2371
qui recueillerait des informations
à partir de son environnement
03:21
and proceedprocéder to followsuivre a whiteblanc lineligne on the groundsol.
70
189285
3498
et suivrait une ligne blanche
sur le sol.
03:24
It was very, very complicatedcompliqué,
71
192783
2379
C'était très, très compliqué,
03:27
but it workedtravaillé beautifullymagnifiquement in our testtester roomchambre,
72
195162
2984
mais il fonctionnait à merveille
dans notre labo.
03:30
and on demodémo day, professorsles professeurs had
assembledassemblé to gradequalité the projectprojet.
73
198146
3453
Et le jour de la démonstration,
les professeurs se sont réunis
pour évaluer le projet.
03:33
So we tooka pris ER-ER-1 to the evaluationévaluation roomchambre.
74
201607
2902
Nous avons donc apporté ER-1
dans la salle d'évaluation,
03:36
It turnedtourné out, the lightlumière in that roomchambre
75
204509
2310
il s'est avéré que la lumière
dans cette salle
03:38
was slightlylégèrement differentdifférent.
76
206819
1819
était légèrement différente.
03:40
The robot'sdu robot visionvision systemsystème got confusedconfus.
77
208638
2331
Le système de vision du robot
était perturbé.
03:42
At the first bendpliez in the lineligne,
78
210969
1761
Dès le premier virage,
il a quitté sa trajectoire
03:44
it left its coursecours, and crashedécrasé into a wallmur.
79
212730
3739
et s'est écrasé contre un mur.
Nous avions passé des semaines
à le construire,
03:48
We had spentdépensé weekssemaines buildingbâtiment it,
80
216469
2087
03:50
and all it tooka pris to destroydétruire it
81
218556
1673
et il a suffi d'un léger changement
dans la couleur
03:52
was a subtlesubtil changechangement in the colorCouleur of the lightlumière
82
220229
2656
de la lumière de la salle
pour le détruire.
03:54
in the roomchambre.
83
222885
1596
03:56
That's when I realizedréalisé that
84
224481
1515
C'est alors que j'ai réalisé que
plus on fabrique une machine compliquée,
03:57
the more complicatedcompliqué you make a machinemachine,
85
225996
2327
plus il est probable qu'elle échouera
à cause d'imprévus.
04:00
the more likelyprobable that it will failéchouer
86
228323
2039
04:02
due to something absolutelyabsolument unexpectedinattendu.
87
230362
2563
04:04
And I decideddécidé that, in factfait,
88
232925
1830
Et j'ai décidé qu'en fait,
je ne voulais pas vraiment
04:06
I didn't really want to createcréer complicatedcompliqué stuffdes trucs.
89
234755
3013
construire des choses compliquées.
04:09
I wanted to understandcomprendre complexitycomplexité,
90
237768
2942
Je voulais comprendre la complexité.
04:12
the complexitycomplexité of the worldmonde around us
91
240710
1988
La complexité du monde
qui nous entoure,
04:14
and especiallynotamment in the animalanimal kingdomRoyaume.
92
242698
2405
et en particulier dans le monde animal,
04:17
WhichQui bringsapporte us to batschauves-souris.
93
245103
3320
ce qui nous amène aux chauves-souris.
04:20
Bechstein'sVespertilion de Bechstein batschauves-souris are a commoncommun
speciesespèce of EuropeanEuropéenne batschauves-souris.
94
248423
3051
Le Vespertilion de Bechstein
est une espèce commune
de chauve-souris en Europe.
04:23
They are very socialsocial animalsanimaux.
95
251474
1413
Elles sont très sociables,
elles nichent et dorment
04:24
MostlyPour la plupart they roostperchoir, or sleepdormir, togetherensemble.
96
252887
3291
quasiment toujours ensemble.
04:28
And they livevivre in maternitymaternité coloniescolonies,
97
256178
1679
Elles vivent
en colonies de maternité,
04:29
whichlequel meansveux dire that everychaque springprintemps,
98
257857
1540
ce qui signifie qu'à chaque printemps,
04:31
the femalesfemelles meetrencontrer after the winterhiver hibernationmise en veille prolongée,
99
259397
3258
les femelles se retrouvent après
l'hibernation hivernale,
et restent ensemble pendant
environ 6 mois
04:34
and they stayrester togetherensemble for about sixsix monthsmois
100
262655
2089
04:36
to reararrière theirleur youngJeune,
101
264744
2486
pour élever leurs petits.
04:39
and they all carryporter a very smallpetit chippuce,
102
267230
2805
Les chauves-souris portent
toutes une très petite puce,
04:42
whichlequel meansveux dire that everychaque time one of them
103
270035
1871
ce qui signifie qu'à chaque fois
l'une d'entre elles
04:43
entersentre dans one of these speciallyspécialement equippedéquipé batchauve souris boxesdes boites,
104
271906
3057
entre dans l'un de ces nichoirs
spécialement équipés,
04:46
we know where she is,
105
274963
1643
nous savons où elle est,
04:48
and more importantlyimportant,
106
276606
1169
et encore plus important,
nous savons avec qui elle est.
04:49
we know with whomqui she is.
107
277775
2563
04:52
So I studyétude roostingse percher associationsassociations de in batschauves-souris,
108
280338
3694
J'ai donc étudié la façon dont
elles se regroupent en se perchant,
04:56
and this is what it looksregards like.
109
284032
2445
et voici à quoi ça ressemble.
04:58
DuringAu cours de the day, the batschauves-souris roostperchoir
110
286477
2442
Le jour, les chauves-souris se perchent
en un certain nombre de sous-groupes
05:00
in a numbernombre of sub-groupssous-groupes in differentdifférent boxesdes boites.
111
288919
2304
dans des nichoirs différents.
05:03
It could be that on one day,
112
291223
1929
Il se peut qu'un jour, la population
soit répartie dans 2 nichoirs,
05:05
the colonycolonie is splitDivisé betweenentre two boxesdes boites,
113
293152
2220
05:07
but on anotherun autre day,
114
295372
1300
mais qu'un autre jour, elle soit regroupée
dans un seul nichoir
05:08
it could be togetherensemble in a singleunique boxboîte,
115
296672
2241
05:10
or splitDivisé betweenentre threeTrois or more boxesdes boites,
116
298913
2316
ou divisée en 3 ou 4 nichoirs.
05:13
and that all seemssemble ratherplutôt erraticerratique, really.
117
301229
2927
Ça semble plutôt imprévisible, vraiment.
05:16
It's calledappelé fission-fusionfission-fusion dynamicsdynamique,
118
304156
3203
Ça s'appelle la dynamique de
fusion-fission,
05:19
the propertypropriété for an animalanimal groupgroupe
119
307359
1713
la propriété d'un groupe d'animaux
à se séparer et se rassembler
05:21
of regularlyrégulièrement splittingfractionnement and mergingla fusion
120
309072
2178
05:23
into differentdifférent subgroupssous-groupes.
121
311250
1661
en différents sous-groupes.
05:24
So what we do is take all these dataLes données
122
312911
2562
Nous prenons toutes ces données
05:27
from all these differentdifférent daysjournées
123
315473
1662
de tous ces différents jours,
05:29
and poolpiscine them togetherensemble
124
317135
1504
et nous les mettons en commun
05:30
to extractextrait a long-termlong terme associationassociation patternmodèle
125
318639
2617
pour établir un schéma d'association
à long terme
05:33
by applyingappliquer techniquestechniques with networkréseau analysisune analyse
126
321256
2505
en appliquant des techniques
d'analyse de réseau
05:35
to get a completeAchevée picturephoto
127
323761
1621
afin d'avoir une vision globale
05:37
of the socialsocial structurestructure of the colonycolonie.
128
325382
2537
de la structure sociale de la colonie.
05:39
Okay? So that's what this picturephoto looksregards like.
129
327919
4265
Ça va ?
Voici à quoi cette vision ressemble.
05:44
In this networkréseau, all the circlescercles
130
332184
2394
Dans ce réseau,
les cercles sont des nœuds,
05:46
are nodesnœuds, individualindividuel batschauves-souris,
131
334578
2777
des chauves-souris individuelles
05:49
and the lineslignes betweenentre them
132
337355
1583
et les lignes entre eux
sont les liens sociaux,
05:50
are socialsocial bondsobligations, associationsassociations de betweenentre individualspersonnes.
133
338938
3664
les associations entre individus.
05:54
It turnsse tourne out this is a very interestingintéressant picturephoto.
134
342602
2678
Il s'avère que c'est une
vision très intéressante.
05:57
This batchauve souris colonycolonie is organizedorganisé
135
345280
1982
Cette colonie de chauves-souris
est organisée
05:59
in two differentdifférent communitiescommunautés
136
347262
1868
en 2 communautés différentes
06:01
whichlequel cannotne peux pas be predictedprédit
137
349130
1839
qu'on ne peut pas prévoir
06:02
from the dailydu quotidien fission-fusionfission-fusion dynamicsdynamique.
138
350969
2249
sur la base de la dynamique
quotidienne de fusion-fission.
06:05
We call them crypticcryptique socialsocial unitsunités.
139
353218
3550
On les appelle
des unités sociales cryptiques.
06:08
Even more interestingintéressant, in factfait:
140
356768
1616
Fait encore plus intéressant,
06:10
EveryChaque yearan, around OctoberOctobre,
141
358384
2364
tous les ans, vers octobre,
06:12
the colonycolonie splitsfractionne up,
142
360748
1561
la colonie se sépare,
06:14
and all batschauves-souris hibernatemise en veille prolongée separatelyséparément,
143
362309
2698
et les chauves-souris
hibernent séparément.
Mais année après année,
06:17
but yearan after yearan,
144
365007
1461
06:18
when the batschauves-souris come togetherensemble again in the springprintemps,
145
366468
3073
lorsque les chauves-souris se réunissent
au printemps,
06:21
the communitiescommunautés stayrester the sameMême.
146
369541
2590
la communauté reste la même.
06:24
So these batschauves-souris rememberrappelles toi theirleur friendscopains
147
372131
2720
Donc ces chauves-souris se souviennent
de leurs amies pendant très longtemps.
06:26
for a really long time.
148
374851
1830
06:28
With a braincerveau the sizeTaille of a peanutarachide,
149
376681
2474
Avec leur cerveau
de la taille d'une cacahuète,
06:31
they maintainmaintenir individualizedindividualisés,
150
379155
2125
elles conservent des liens sociaux
individualisés sur le long terme.
06:33
long-termlong terme socialsocial bondsobligations,
151
381280
2142
06:35
We didn't know that was possiblepossible.
152
383422
1724
Nous ne pensions pas ça possible.
06:37
We knewa connu that primatesprimates
153
385146
1759
Nous savions que les primates,
06:38
and elephantsles éléphants and dolphinsdauphins could do that,
154
386905
2568
les éléphants, les dauphins
en sont capables,
06:41
but comparedpar rapport to batschauves-souris, they have hugeénorme brainscerveaux.
155
389473
2628
mais par rapport aux chauves-souris,
ils ont des cerveaux énormes.
06:44
So how could it be
156
392101
2399
Comment est-il possible
que les chauves-souris
06:46
that the batschauves-souris maintainmaintenir this complexcomplexe,
157
394500
1951
conservent cette structure sociale
complexe et stable
06:48
stablestable socialsocial structurestructure
158
396451
1688
06:50
with suchtel limitedlimité cognitivecognitif abilitiescapacités?
159
398139
3532
avec des capacités
cognitives si limitées ?
06:53
And this is where complexitycomplexité bringsapporte an answerrépondre.
160
401671
2889
Et c'est là que la complexité
nous donne une réponse.
06:56
To understandcomprendre this systemsystème,
161
404560
2141
Pour comprendre ce système,
06:58
we builtconstruit a computerordinateur modelmaquette of roostingse percher,
162
406701
2797
nous avons créé un modèle informatique
de nichoir
07:01
basedbasé on simplesimple, individualindividuel rulesrègles,
163
409498
2018
basé sur des règles simples
et individuelles,
07:03
and simulatedsimulé thousandsmilliers and thousandsmilliers of daysjournées
164
411516
2435
et nous avons simulé des milliers et
des milliers de journées
07:05
in the virtualvirtuel batchauve souris colonycolonie.
165
413951
2019
de une colonie virtuelle
de chauves-souris.
07:07
It's a mathematicalmathématique modelmaquette,
166
415970
2124
C'est un modèle mathématique,
mais il n'est pas compliqué.
07:10
but it's not complicatedcompliqué.
167
418094
1954
07:12
What the modelmaquette told us is that, in a nutshellcoquille de noix,
168
420048
3098
Ce que le modèle nous a appris,
pour faire bref,
c'est que chaque chauve-souris
considère plusieurs membres de la colonie
07:15
eachchaque batchauve souris knowssait a fewpeu other colonycolonie membersmembres
169
423146
3186
07:18
as her friendscopains, and is just slightlylégèrement more likelyprobable
170
426332
2488
comme ses amis,
et elle est légèrement
plus susceptible
07:20
to roostperchoir in a boxboîte with them.
171
428820
2510
de nicher avec elles dans le même lieu.
07:23
SimpleSimple, individualindividuel rulesrègles.
172
431330
2444
Des règles simples et individuelles.
07:25
This is all it takes to explainExplique
173
433774
1712
Il suffit de ça pour expliquer la
complexité sociale de ces chauves-souris.
07:27
the socialsocial complexitycomplexité of these batschauves-souris.
174
435486
2389
07:29
But it getsobtient better.
175
437875
1718
Mais il y a encore mieux.
07:31
BetweenEntre 2010 and 2011,
176
439593
2848
Entre 2010 et 2011, la colonie a perdu
plus de deux tiers de ses membres,
07:34
the colonycolonie lostperdu more than two thirdstiers of its membersmembres,
177
442441
3453
certainement à cause
de l'hiver très froid.
07:37
probablyProbablement due to the very colddu froid winterhiver.
178
445894
2986
07:40
The nextprochain springprintemps, it didn't formforme two communitiescommunautés
179
448880
3144
Au printemps, elles n'ont pas formé
deux communautés comme tous les ans,
07:44
like everychaque yearan,
180
452024
1271
07:45
whichlequel maymai have led the wholeentier colonycolonie to diemourir
181
453295
2203
ce qui aurait provoqué la mort de
la colonie entière, devenue trop petite.
07:47
because it had becomedevenir too smallpetit.
182
455498
2095
07:49
InsteadAu lieu de cela, it formedformé a singleunique, cohesivecohésive socialsocial unitunité,
183
457593
5373
A la place, elles ont formé
une seule unité sociale cohésive
ce qui a permis à la colonie de survivre
et de grandir les deux années suivantes.
07:54
whichlequel allowedpermis the colonycolonie to survivesurvivre that seasonsaison
184
462966
2732
07:57
and thriveprospérer again in the nextprochain two yearsannées.
185
465698
3104
08:00
What we know is that the batschauves-souris
186
468802
1778
On sait que les chauve-souris
n'ont pas conscience qu'elles font cela.
08:02
are not awareconscient that theirleur colonycolonie is doing this.
187
470580
2907
08:05
All they do is followsuivre simplesimple associationassociation rulesrègles,
188
473487
3546
Elles ne font que suivre des règles
simples d'association,
et de cette simplicité,
naît une complexité sociale,
08:09
and from this simplicitysimplicité
189
477033
1349
08:10
emergesémerge socialsocial complexitycomplexité
190
478382
2441
08:12
whichlequel allowspermet the colonycolonie to be resilientrésiliente
191
480823
2840
ce qui permet à la colonie de résister
à d'énormes changements
08:15
againstcontre dramaticdramatique changeschangements
in the populationpopulation structurestructure.
192
483663
2981
de la structure de la population.
08:18
And I find this incredibleincroyable.
193
486644
2694
Je trouve que c'est incroyable.
08:21
Now I want to tell you anotherun autre storyrécit,
194
489338
2084
Je vais maintenant vous
raconter une autre histoire.
08:23
but for this we have to travelVoyage from EuropeL’Europe
195
491422
1555
Pour cela,
nous devons quitter l'Europe
08:24
to the KalahariKalahari DesertDésert in SouthSud AfricaL’Afrique.
196
492977
3048
et nous rendre dans le désert
du Kalahari, en Afrique du Sud.
08:28
This is where meerkatssuricates livevivre.
197
496025
2027
Là où habitent les suricates.
08:30
I'm sure you know meerkatssuricates.
198
498052
1500
Je suis certain
que vous connaissez les suricates.
08:31
They're fascinatingfascinant creaturescréatures.
199
499552
2106
Ce sont des créatures fascinantes.
Ils vivent en groupes avec une hiérarchie
sociale très stricte.
08:33
They livevivre in groupsgroupes with a
very strictstrict socialsocial hierarchyhiérarchie.
200
501658
2989
08:36
There is one dominantdominant pairpaire,
201
504647
1459
Il y a un couple dominant
et de nombreux subalternes,
08:38
and manybeaucoup subordinatesles subordonnés,
202
506106
1382
dont certains ont un rôle de sentinelle,
ou de baby-sitter,
08:39
some actingagissant as sentinelssentinelles,
203
507488
1714
08:41
some actingagissant as babysittersgardiennes d’enfants,
204
509202
1337
08:42
some teachingenseignement pupschiots, and so on.
205
510539
1897
d'autres éduquent les jeunes, etc.
08:44
What we do is put very smallpetit GPSGPS collarscolliers
206
512436
3321
Nous leur mettons
de tout petits colliers GPS,
08:47
on these animalsanimaux
207
515757
1525
pour étudier la manière
dont ils évoluent ensemble,
08:49
to studyétude how they movebouge toi togetherensemble,
208
517282
1875
08:51
and what this has to do with theirleur socialsocial structurestructure.
209
519157
3717
et ce que ça a à voir avec
leur structure sociale.
08:54
And there's a very interestingintéressant exampleExemple
210
522874
1490
Il y a un exemple très intéressant
de mouvement d'ensemble
08:56
of collectivecollectif movementmouvement in meerkatssuricates.
211
524364
2716
chez les suricates.
Au milieu de la réserve où ils vivent,
se trouve une route.
08:59
In the middlemilieu of the reserveréserve whichlequel they livevivre in
212
527080
2367
09:01
liesmentir a roadroute.
213
529447
1209
09:02
On this roadroute there are carsdes voitures, so it's dangerousdangereux.
214
530656
3233
Sur cette route, passent des voitures ;
c'est donc dangereux.
09:05
But the meerkatssuricates have to crosstraverser it
215
533889
2284
Les suricates doivent la traverser
pour passer d'un endroit
où il y a de la nourriture à un autre.
09:08
to get from one feedingalimentation placeendroit to anotherun autre.
216
536173
2574
09:10
So we askeda demandé, how exactlyexactement do they do this?
217
538747
4751
Nous nous sommes donc demandés :
Comment précisément font-ils cela ?
09:15
We founda trouvé that the dominantdominant femalefemelle
218
543498
1836
Nous avons appris que la femelle dominante
est généralement celle
09:17
is mostlyla plupart the one who leadspistes the groupgroupe to the roadroute,
219
545334
2621
qui mène le groupe vers la route,
09:19
but when it comesvient to crossingtraversée it, crossingtraversée the roadroute,
220
547955
3272
mais dès qu'il s'agit de traverser,
elle laisse place aux subalternes,
09:23
she givesdonne way to the subordinatesles subordonnés,
221
551227
2351
09:25
a mannermanière of sayingen disant,
222
553578
1777
une façon de dire :
« Allez-y, dites-moi si c'est sûr. »
09:27
"Go aheaddevant, tell me if it's safesûr."
223
555355
2682
09:30
What I didn't know, in factfait,
224
558037
1664
Ce que je ne connaissais pas,
09:31
was what rulesrègles in theirleur behaviorcomportement the meerkatssuricates followsuivre
225
559701
3142
ce sont les règles de comportement
que les suricates suivent
09:34
for this changechangement at the edgebord of the groupgroupe to happense produire
226
562843
2925
pour provoquer ce changement
dans le groupe,
09:37
and if simplesimple rulesrègles were sufficientsuffisante to explainExplique it.
227
565768
3850
et si des règles simples suffisaient
pour l'expliquer.
09:41
So I builtconstruit a modelmaquette, a modelmaquette of simulatedsimulé meerkatssuricates
228
569618
3991
J'ai donc construit un modèle.
Un modèle simulant des suricates
traversant une route virtuelle.
09:45
crossingtraversée a simulatedsimulé roadroute.
229
573609
1913
09:47
It's a simplisticsimpliste modelmaquette.
230
575522
1872
C'est un modèle simpliste.
09:49
MovingSe déplaçant meerkatssuricates are like randomau hasard particlesdes particules
231
577394
2840
Des suricates en mouvement sont comme
des particules aléatoires
09:52
whosedont uniqueunique ruleRègle is one of alignmentalignement.
232
580234
2222
dont la seule règle
est celle de l'alignement.
09:54
They simplysimplement movebouge toi togetherensemble.
233
582456
2406
Ils bougent tout simplement ensemble.
09:56
When these particlesdes particules get to the roadroute,
234
584862
3184
Quand ces particules atteignent la route,
elles sentent une sorte d'obstacle,
10:00
they sensesens some kindgentil of obstacleobstacle,
235
588046
1942
10:01
and they bounceBounce againstcontre it.
236
589988
2084
et rebondissent contre lui.
10:04
The only differencedifférence
237
592072
1156
La seule différence
entre la femelle dominante,
10:05
betweenentre the dominantdominant femalefemelle, here in redrouge,
238
593228
2042
ici en rouge, et les autres individus,
10:07
and the other individualspersonnes,
239
595270
1485
10:08
is that for her, the heightla taille of the obstacleobstacle,
240
596755
2554
c'est que, pour elle,
la hauteur de l'obstacle,
10:11
whichlequel is in factfait the riskrisque perceivedperçue from the roadroute,
241
599309
2505
autrement dit,
le risque représenté par la route,
10:13
is just slightlylégèrement higherplus haute,
242
601814
1949
n'est que légèrement plus importante.
10:15
and this tinyminuscule differencedifférence
243
603763
1661
Et cette toute petite différence
dans la règle individuelle de mouvement
10:17
in the individual'sde l’individu ruleRègle of movementmouvement
244
605424
1838
10:19
is sufficientsuffisante to explainExplique what we observeobserver,
245
607262
2446
suffit à expliquer ce que nous observons,
10:21
that the dominantdominant femalefemelle
246
609708
2560
le fait que la femelle dominante
mène son groupe à la route,
10:24
leadspistes her groupgroupe to the roadroute
247
612268
1434
et laisse ensuite place aux autres,
10:25
and then givesdonne way to the othersautres
248
613702
1670
10:27
for them to crosstraverser first.
249
615372
2863
pour qu'ils traversent en premier.
10:30
GeorgeGeorge BoxBoîte de, who was an EnglishAnglais statisticianstatisticien,
250
618235
3651
George Box, un statisticien anglais,
a écrit :
10:33
onceune fois que wrotea écrit, "All modelsdes modèles are falsefaux,
251
621886
2962
« Tous les modèles sont faux,
mais certains sont utiles. »
10:36
but some modelsdes modèles are usefulutile."
252
624848
2059
10:38
And in factfait, this modelmaquette is obviouslyévidemment falsefaux,
253
626907
3197
Et en fait,
ce modèle est évidemment faux.
10:42
because in realityréalité, meerkatssuricates are
anything but randomau hasard particlesdes particules.
254
630104
3968
Car en réalité, les suricates
sont tout sauf des particules aléatoires.
10:46
But it's alsoaussi usefulutile,
255
634072
1637
Mais il est également utile,
car il nous dit que la simplicité extrême
10:47
because it tellsraconte us that extremeextrême simplicitysimplicité
256
635709
2749
de règles de mouvement
à un niveau individuel
10:50
in movementmouvement rulesrègles at the individualindividuel levelniveau
257
638458
3358
10:53
can resultrésultat in a great dealtraiter of complexitycomplexité
258
641816
2351
peuvent conduire à une importante
complexité au niveau du groupe.
10:56
at the levelniveau of the groupgroupe.
259
644167
1938
10:58
So again, that's simplifyingsimplifier complexitycomplexité.
260
646105
4056
Encore une fois, c'est la simplification
de la complexité.
11:02
I would like to concludeconclure
261
650161
1448
J'aimerais conclure par ce que ça signifie
pour l'ensemble de l'espèce.
11:03
on what this meansveux dire for the wholeentier speciesespèce.
262
651609
2817
11:06
When the dominantdominant femalefemelle
263
654426
1664
Lorsque la femelle dominante
laisse la place aux subalternes,
11:08
givesdonne way to a subordinatesubalterne,
264
656090
1566
11:09
it's not out of courtesycourtoisie.
265
657656
2117
ce n'est pas par politesse.
11:11
In factfait, the dominantdominant femalefemelle
266
659773
1507
En fait, la femelle dominante
est extrêmement importante
11:13
is extremelyextrêmement importantimportant for the cohesioncohésion of the groupgroupe.
267
661280
2519
pour la cohésion du groupe.
11:15
If she diesmeurt on the roadroute, the wholeentier groupgroupe is at riskrisque.
268
663799
3512
Si elle meurt sur la route,
tout le groupe sera en danger.
11:19
So this behaviorcomportement of riskrisque avoidanceévitement
269
667311
2236
Ce comportement de prévention de risque
est une réponse évolutive très ancienne.
11:21
is a very oldvieux evolutionaryévolutionniste responseréponse.
270
669547
2801
11:24
These meerkatssuricates are replicatingrépliquer an evolvedévolué tactictactique
271
672348
3869
Ces suricates reproduisent une tactique
qui a évolué dans le temps,
11:28
that is thousandsmilliers of generationsgénérations oldvieux,
272
676217
2233
vieille de milliers de générations,
et ils l'adaptent à un risque moderne,
11:30
and they're adaptings’adaptant it to a modernmoderne riskrisque,
273
678450
2414
11:32
in this caseCas a roadroute builtconstruit by humanshumains.
274
680864
3325
dans ce cas, une route construite par
des êtres humains.
11:36
They adaptadapter very simplesimple rulesrègles,
275
684189
2395
Ils adaptent des règles très simples,
et le comportement complexe en découlant
11:38
and the resultingrésultant complexcomplexe behaviorcomportement
276
686584
2289
11:40
allowspermet them to resistrésister humanHumain encroachmentempiètement
277
688873
2956
leur permet de résister à l’empiétement
des humains sur leur habitat naturel.
11:43
into theirleur naturalNaturel habitathabitat.
278
691829
2448
11:46
In the endfin,
279
694277
1802
Au bout du compte,
il peut s'agir de chauves-souris
qui changent leur structure sociale
11:48
it maymai be batschauves-souris whichlequel changechangement theirleur socialsocial structurestructure
280
696079
2700
11:50
in responseréponse to a populationpopulation crashcrash,
281
698779
2384
pour répondre à un effondrement
de leur population ;
11:53
or it maymai be meerkatssuricates
282
701163
1399
ou il peut s'agir de suricates
11:54
who showmontrer a novelroman adaptationadaptation to a humanHumain roadroute,
283
702562
3202
qui déploient une nouvelle adaptation
aux routes humaines,
11:57
or it maymai be anotherun autre speciesespèce.
284
705764
2685
ou il peut s'agir d'une autre espèce.
12:00
My messagemessage here -- and it's not a complicatedcompliqué one,
285
708449
2793
Mon message n'est pas compliqué,
mais c'est un message simple
12:03
but a simplesimple one of wondermerveille and hopeespérer --
286
711242
2764
d'émerveillement et d'espoir.
12:06
my messagemessage here is that animalsanimaux
287
714006
3093
Mon message est que les animaux démontrent
une complexité sociale extraordinaire,
12:09
showmontrer extraordinaryextraordinaire socialsocial complexitycomplexité,
288
717099
2424
12:11
and this allowspermet them to adaptadapter
289
719523
2441
et ça leur permet de s'adapter
12:13
and respondrépondre to changeschangements in theirleur environmentenvironnement.
290
721964
3481
et de réagir aux changements
dans leur environnement.
12:17
In threeTrois wordsmots, in the animalanimal kingdomRoyaume,
291
725445
2768
En trois mots, dans le monde animal,
la simplicité mène à la complexité
12:20
simplicitysimplicité leadspistes to complexitycomplexité
292
728213
2774
12:22
whichlequel leadspistes to resiliencerésistance.
293
730987
1483
qui débouche sur la résilience.
12:24
Thank you.
294
732470
2284
Merci.
12:26
(ApplauseApplaudissements)
295
734754
6680
(Applaudissements)
12:42
DaniaDania GerhardtGerhardt: Thank you very much, NicolasNicolas,
296
750694
1953
Dania Gerhardt : Nicolas,
merci beaucoup pour ce formidable début.
12:44
for this great startdébut. Little bitbit nervousnerveux?
297
752647
3279
Vous êtes un peu nerveux ?
Nicolas Perony : Ça va, merci.
12:47
NicolasNicolas PeronyPerony: I'm okay, thanksMerci.
298
755926
1644
12:49
DGDG: Okay, great. I'm sure a
lot of people in the audiencepublic
299
757570
2460
DG : Super.
Je suis sure que de nombreuses
personnes dans le public
12:52
somehowen quelque sorte trieda essayé to make associationsassociations de
300
760030
1864
ont essayé d'une certaine façon
d'établir des liens
entre les animaux dont vous parliez,
12:53
betweenentre the animalsanimaux you were talkingparlant about --
301
761894
1824
12:55
the batschauves-souris, meerkatssuricates -- and humanshumains.
302
763718
2056
les chauve-souris, les suricates,
et les humains.
12:57
You broughtapporté some examplesexemples:
303
765774
1208
Vous avez montré des exemples.
12:58
The femalesfemelles are the socialsocial onesceux,
304
766982
1735
Les femelles sont les membres sociaux,
les membres dominants,
13:00
the femalesfemelles are the dominantdominant onesceux,
305
768717
1713
13:02
I'm not sure who thinkspense how.
306
770430
1673
je ne sais pas bien
qui pense comment, mais bon.
13:04
But is it okay to do these associationsassociations de?
307
772103
2895
A-t-on raison de faire ces liens ?
13:06
Are there stereotypesstéréotypes you can confirmconfirmer in this regardce qui concerne
308
774998
2800
Y a-t-il des clichés que vous pouvez
confirmer à cet égard
13:09
that can be validvalide acrossà travers all speciesespèce?
309
777798
3273
qui sont peut-être valables
pour toutes les espèces ?
NP : Je voudrais dire
qu'il y a des contre-exemples
13:13
NPNP: Well, I would say there are alsoaussi
310
781071
1603
13:14
counter-examplescontre-exemples to these stereotypesstéréotypes.
311
782674
1952
dans ces stéréotypes.
13:16
For examplesexemples, in seamer horsesles chevaux or in koalaskoalas, in factfait,
312
784626
3140
Par exemple, chez les hippocampes
ou chez les koalas,
ce sont en fait les mâles qui s'occupent
des jeunes, tout le temps.
13:19
it is the malesmâles who take carese soucier of the youngJeune always.
313
787766
3698
13:23
And the lessonleçon is that it's oftensouvent difficultdifficile,
314
791464
5041
La leçon à en tirer,
c'est que c'est souvent difficile
et parfois un peu dangereux
13:28
and sometimesparfois even a bitbit dangerousdangereux,
315
796505
1752
de faire des parallèles entre les humains
et les animaux. Voilà.
13:30
to drawdessiner parallelsParallels betweenentre humanshumains and animalsanimaux.
316
798257
2672
13:32
So that's it.
317
800929
2106
13:35
DGDG: Okay. Thank you very much for this great startdébut.
318
803035
2846
DG : Très bien.
Merci beaucoup pour cet excellent début.
13:37
Thank you, NicolasNicolas PeronyPerony.
319
805881
2080
Merci Nicolas Perony.
Translated by Leslie Louradour
Reviewed by Mathieu Bastien

▲Back to top

ABOUT THE SPEAKER
Nicolas Perony - Animal scientist
Nicolas Perony models the movement of animal groups to understand: what is the individual behavior that guides the behavior of the larger society?

Why you should listen

Nicolas Perony started his career as a roboticist. But after one of his robots -- which was designed to follow a white line -- destroyed itself because of a lighting snafu on demo day, he realized that he was less interested in creating complicated robots and more interested in studying the complexity that already exists out there in the animal kingdom. He quickly changed course and is now a quantitative scientist at the Chair of Systems Design at ETH Zurich, where he studies the structure and dynamics of animal societies.

Perony conducts his research by placing GPS collars on animals like Bechstein's bats and meerkats, and studying the spacial data of the group. He creates models of the movement over time to see patterns. He then tries to ascertain at the simple rules that individuals in the animal group seem to be following that, when done en masse, result in the larger flow. In other words, he looks at the underlying mechanics that lead to the collective movement of animal groups.

More profile about the speaker
Nicolas Perony | Speaker | TED.com