Jessica Lombard, Docteure en philosophie (Qualifications CNU 17 et 72), Centre de Recherche en Histoire des Idées, Université Côte d’Azur.

En 2005 est advenu un étrange événement dans le monde numérique, à savoir la première pandémie propagée dans un espace virtuel, qui ne résulte pas de l’intention des programmeurs mais bel et bien d’un bug dans la matrice. Nous référons ici à l’événement bien connu de l’Incident du sang vicié de World of Warcraft (WoW), parfois appelé Peste du sang corrompu ou Corrupted Blood incident dans le monde anglo-saxon.

Cet événement, comparable à une « épidémie virtuelle¹», a ouvert de nombreuses pistes de réflexion sérieuses quant à la modélisation en épidémiologie, mais nous permet également, avec l’indéniable essor et popularité de l’IA ces dernières années, de repenser la logique elle-même derrière la simulation d’un corps numérique.

Une pandémie virtuelle

World of Warcraft (WoW) est un MMORPG (jeu de rôle en ligne massivement multijoueur) de plusieurs millions d’abonnés, développé et édité par la société américaine Blizzard Entertainment². Le 13 septembre 2005, un dysfonctionnement du raid Zul’Gurub, tout juste ajouté au jeu, a provoqué la propagation d’un effet indésirable à travers l’ensemble du monde virtuel d’Azeroth : le fameux « Sang corrompu ». Un raid est une zone de jeu privée, séparée du monde commun, composée de nombreux ennemis qu’il s’agit de battre en équipe de dizaines de joueurs. Or, l’ennemi final de Zul’Gurub, nommé Hakkar, introduisait une mécanique de combat particulière : durant le combat, Hakkar pouvait siphonner le sang des joueurs pour régénérer sa propre santé. Pour contrer cette attaque, les joueurs pouvaient corrompre volontairement leur propre sang à l’aide d’une maladie hautement contagieuse pour les joueurs à proximité : tous subissaient alors des dégâts continus, mais parvenaient ainsi à infecter Hakkar et à réduire ses points de vie, jusqu’à la victoire. Bien entendu, cette maladie était censée rester localisée à l’instance : en sortant, les joueurs n’étaient plus porteurs du sang corrompu.

Et pourtant, elle s’est répandue à une échelle sans précédent dans l’histoire du jeu en ligne, à cause d’un défaut de conception, un simple oubli dans le code. L’effet du sang corrompu ne se propageait pas uniquement aux joueurs attaquant Hakkar, mais également à leurs familiers (les animaux des chasseurs, les démons des démonistes, etc.), dans une transmission « inter-espèce »³. Ainsi, lorsqu’un joueur invoquait son familier, celui-ci était contaminé. Et si, pendant ce même combat, le joueur renvoyait son familier, le faisant disparaître, la créature demeurait porteuse de la contamination lorsqu’elle était ensuite réinvoquée en dehors de l’instance. En un mot, au moment de réinvoquer le familier, aucune instruction du programme ne vérifiait si le joueur se trouvait encore dans la zone du raid, et le familier réapparaissait infecté qu’il soit en dehors ou non, propageant à nouveau l’effet du sang corrompu.

On comprend mieux comment ce simple défaut de conception transforma une mécanique de combat en un vecteur épidémique à l’échelle du jeu. La maladie se diffusa de manière exponentielle et eut des effets impressionnants. En effet, un raid est une instance particulièrement difficile, adaptée aux joueurs de haut niveau. Si le sang vicié leur retire petit à petit des points de vie et peut être jugulé par des soins (potions de soin, sorts de soin, etc.), cet effet est en revanche immédiatement mortel pour les joueurs de bas niveau. Pour ajouter une difficulté, le sang vicié affectait non seulement les joueurs alentours et leurs familiers, mais aussi… les personnages non-joueurs, comme les marchands, qui peuplent l’univers du jeu. Programmés pour être immortels afin de ne pas être attaqués par les joueurs, ils devinrent donc rapidement des porteurs asymptomatiques de la maladie. Pour un joueur de bas niveau, parler à un personnage non-joueur porteur du sang corrompu impliquait d’être contaminé et de mourir en quelques secondes. Pour un joueur de haut niveau, survivre à la contamination impliquait la possibilité de la transmettre aux alentours. Bien que dans un univers virtuel, et avant que Blizzard n’ait vraiment réalisé la portée de la contamination, l’épidémie se transforma en pandémie qui affecta la carte entière d’Azeroth, notamment ses capitales, très fréquentées.

En raison de la capacité des joueurs à ressusciter ou à être ressuscités, la propagation de l’infection était potentiellement illimitée et ne pouvait trouver d’issue endogène : naturellement, aucun mécanisme d’immunité collective ne pouvait se développer, d’un point de vue biologique, et aucun vaccin ne pouvait être produit par les joueurs dans le jeu, d’un point de vue technique. Sous quatre jours, Blizzard dut mettre en place la seule mesure viable : les administrateurs décidèrent de redémarrer les serveurs et d’apporter plusieurs patchs correctifs modifiant le code du sort concerné afin qu’il ne puisse plus affecter les familiers ni, en aucun cas, quitter la zone du combat contre Hakkar. L’épisode du Sang corrompu est généralement considéré comme achevé le 17 septembre 2005, après près d’une demi-semaine de perturbations et la mort virtuelle de centaines de milliers de personnages.

Cependant, avant cette conclusion, et dans l’intervalle de ces quatre jours de pandémie virtuelle, une panique (virtuelle, elle aussi ?) se développa. On peut voir sur des screenshots de l’époque que les rues étaient couvertes d’ossements, ceux des corps des joueurs décédés. Si les réactions des joueurs sur les réseaux sociaux furent mitigées, certains pensant à un formidable événement organisé par Blizzard, d’autres pouvant à peine jouer, ce sont les réactions des joueurs in game qui intéressèrent les épidémiologistes. Le Centers for Disease Control and Prevention (CDC), l’agence nationale de santé publique des États-Unis, contacta Blizzard pour leur demander des données sur la simulation, ce à quoi Blizzard répondit qu’il s’agissait en vérité d’un glitch, d’un bug, et non d’un événement organisé et monitoré.

Les sols couverts des ossements de corps digitaux, World of Warcraft, Blizzardwatch
Source : ROSSI Matthieu, 2020, Zul’Gurub is live in WoW Classic, but Corrupted Blood doesn’t plague Azeroth (this time), https://blizzardwatch.com/2020/04/14/zul-gurub-corrupted-blood-plague-wow-classic/, consulté le 10 octobre 2025.

Cela n’empêcha pas les chercheurs de s’intéresser à l’événement. En effet, les réactions des joueurs à l’épidémie dessinèrent une véritable micro-société de crise, où se sont manifestées de nombreuses attitudes observables lors d’une pandémie réelle. Certains joueurs, dont les personnages disposaient de compétences de soins, se sont improvisés secouristes ou médecins de terrain et se sont placés délibérément en première ligne pour soigner les infectés, au prix de leur propre contamination. D’autres ont cherché à protéger ou informer leurs pairs, en organisant des zones de quarantaine et en diffusant des alertes locales au moyen du canal de communication yell (cri), dont la portée limitée permettait de prévenir les joueurs alentours, mais sans provoquer l’afflux de joueurs intrigués et éloignés de la zone. De nombreux joueurs se sont déconnectés, reproduisant une conduite d’évitement comparable à celle d’un confinement, tandis que d’autres se sont connectés mais ont fui ou se sont isolés dans des zones moins peuplées, au risque d’y amener la maladie. À l’inverse, une partie des joueurs adopta des comportements individualistes ou hostiles, en ignorant délibérément les avertissements et en répandant la maladie, voire en se contaminant volontairement pour la propager dans les zones densément peuplées⁴.

Sans supposer que de tels comportements nuisibles seraient intentionnels en situation de pandémie réelle, les conduites observées dans WoW ont néanmoins été rapprochées de certains comportements constatés quelques années plus tard lors de la pandémie de COVID-19. Par exemple les individus qui, bien qu’ils sachent être contagieux, continuent de se déplacer pour travailler ou assister à des événements. Cela concerne aussi ceux dont les comportements sont guidés par une information erronée ou incomplète, une minimisation de la gravité de la maladie, ou la croyance en une immunité collective (herd immunity) censée permettre à la population de s’adapter plus rapidement. Or, ce phénomène par lequel la propagation d’une maladie contagieuse peut être enrayée dans une population si une certaine proportion des individus y est immunisée nécessite généralement une immunité croisée ou une vaccination de la population, et a été contestée dans le cas de la COVID-19⁵.

La simulation à base d’agents humains

En s’intéressant à cette pandémie virtuelle, plusieurs épidémiologistes ont souligné les limites⁶ des modèles épidémiologiques classiques qui expérimentent sur des populations virtuelles. Les épidémiologistes peuvent par exemple utiliser la modélisation à base d’agents (ABM, agent-based modeling), ce principe de simulation algorithmique qui utilise des agents⁷ pour « conceptualiser, modéliser et simuler⁸ » un phénomène émergent et en étudier les propriétés globales. Pourtant, ces modèles mathématiques présentent une hypothèse implicite de rationalité et de régularité des comportements, du fait de les formaliser par un ensemble de règles algorithmiques.

Dès lors, l’intérêt de ces chercheurs n’a pas résidé uniquement dans la fidélité épidémiologique du phénomène, même si des analogies entre les comportements hors-jeu et en jeu ont été relevées (et des incompatibilités soulignées, comme le fait que la mort hors-jeu n’a évidemment aucun équivalent en jeu⁹). Il résidait plus spécifiquement dans la manière dont le comportement des joueurs a façonné la dynamique de propagation. Ces chercheurs soulignent, en effet, que les épidémies ne sont pas simplement des événements extérieurs qui « se produisent » et impactent les individus, mais qu’elles émergent aussi des interactions humaines.

Or, non seulement cette dimension comportementale est pour le moment imprévisible et irreprésentable pour les modèles mathématiques, mais elle a aussi une conséquence importante, à savoir qu’elle impacte le modèle lui-même. Il ne s’agit pas juste de représenter ce qui arrive aux agents dans un système donné ; il faut aussi pouvoir prendre en compte le fait que les comportements des agents impactent le système. En somme, créer le modèle mathématique d’un système implique de coder un ensemble de variables et de faire comme si l’on savait déjà ce qui allait ou pouvait arriver :

« Les modèles informatiques, qui permettent des expérimentations à grande échelle sur des populations virtuelles sans ces limitations, manquent de la variabilité et des résultats inattendus qui apparaissent depuis l’intérieur du système non par la nature de la maladie, mais par la nature des hôtes qu’elle infecte. »¹⁰

Plusieurs chercheurs prennent pour exemple le projet EpiSims¹¹, justement un ABM (agent-based model), conçu pour modéliser des épidémies à Portland, dans l’Oregon. Dans ce cadre, des données issues du recensement de la population et des registres de transport ont été rassemblées afin de simuler, à intervalles réguliers, le comportement des individus, les lieux qu’ils fréquentent et les personnes qu’ils rencontrent habituellement. Ce modèle est efficace pour examiner la direction que prendra la maladie en anticipant la façon dont les gens vont se comporter au cours d’une journée normale mais, puisque le modèle EpiSims ne modifie pas de manière approfondie le comportement une fois que la maladie commence à se propager, il risque de s’effondrer si ces comportements changent.

Or, puisque dans les mondes virtuels, les avatars sont contrôlés par un individu plutôt que d’être simplement une donnée statistique dans une simulation, « il n’est pas nécessaire d’essayer de prédire leur comportement ; on peut l’observer »¹² . Fefferman et Lofgren proposent donc de voir dans le monde virtuel un modèle hybride, où la simulation est fondée sur des avatars contrôlés par des humains, ce qui permettrait de combler l’écart entre les modèles computationnels et les comportements empiriques. Se dessine ici un nouveau type de modélisation mathématique, que ces auteurs désignent sous le nom de « simulation à base d’agent humain » (human-agent simulation¹³) :

« Les simulations à base d’agents humains, dans lesquelles les sujets sont virtuels mais leurs actions contrôlées par des personnes réelles interagissant entre elles, pourraient combler l’écart entre les études épidémiologiques empiriques et les simulations informatiques à grande échelle. »¹⁴

Cette modélisation dessine ce que nous pourrions appeler une simulation habitée, où les comportements des agents émergent de véritables interactions entre individus (par le biais de leurs avatars), ce qui associerait le modèle mathématique structuré par des règles et un environnement contrôlé, à la richesse du comportement humain.

Bien entendu, la pandémie virtuelle de WoW a retrouvé ses jours de gloire dans les médias, comme analogie de modélisation, lors de la COVID-19. Pourtant, il nous semble qu’un angle de réflexion doit faire l’objet d’une réflexion proprement philosophique : l’enjeu de la simulation d’un corps numérique.

Il faut d’abord souligner la scientifisation du jeu, entendue non pas comme le brouillage entre le réel et le virtuel, mais bien comme la proposition d’une utilisation concrète du dispositif ludique dans un certain régime de savoir, utilisation qui insiste concrètement sur le potentiel des mondes virtuels pour la recherche scientifique¹⁵. Cela recoupe par exemple des enjeux relevant du champ des sciences de l’éducation : les joueurs apprennent-ils (ou non¹⁶) l’Histoire en jouant à Assassin’s Creed ?

Cette scientifisation d’un régime ludique va néanmoins un peu plus loin que l’étude du comportement et de l’apprentissage des joueurs à partir du jeu, puisqu’il est ici question du comportement des joueurs en jeu. Si l’épisode du Sang corrompu dans WoW (de même que d’autres simulations reposant sur des agents humains dans divers mondes virtuels), peut être interprété comme une forme de simulation expérimentale apte à intégrer la variabilité des comportements humains, alors ces modèles hybrides posent un nouvel enjeu épistémique. Car ici, c’est l’agent en jeu (et non hors-jeu) qui fait l’objet d’une simulation : en somme, c’est l’avatar dont on évalue les comportements nuisibles ou vertueux¹⁷, car l’avatar est censé représenter non le joueur en tant qu’individu, mais une donnée, un point qu’il aurait autrement fallu modéliser par un système algorithmique. Autrement dit, l’expérience de l’avatar, de ses déplacements, de ses actions et de sa corporéité, devient une source de pattern, une trace computationnelle qui va être dite utilisable dans un cadre scientifique, ici épidémiologique. C’est en ce sens selon nous que se décline le geste de scientifisation du jeu, dans ce passage d’une corporéité habitée via l’avatar à une corporéité calculable qui puisse se traduire comme une donnée dans un modèle mathématique. On peut considérer que les joueurs deviennent des actants dans le réseau de production de savoir, car leurs actions sont traduites en données exploitables par le laboratoire qui étudierait le comportement de leurs avatars.

Or, ce geste repose sur la présupposition d’une continuité implicite entre deux formes d’agentivité, celle du joueur (via son avatar) et celle de l’agent simulé. De la même manière, toute modélisation dépourvue d’agent humain postule une forme d’identité entre la donnée simulée et le comportement d’un individu réel, dans la mesure où elle prétend en reproduire la dynamique. C’est cette continuité – tenue pour nécessaire dans tout processus de modélisation et sans laquelle la simulation du comportement humain deviendrait en somme impossible – entre deux types d’agents, l’un humain et l’autre algorithmique, qu’il convient selon nous de problématiser.

Un nouveau pattern pour la modélisation algorithmique ?

Hans Moravec¹⁸ propose une distinction entre une identité incarnée (embodied) et une identité informationnelle (patterned). Cette distinction le pousse à considérer que l’identité pourrait tenir tout entière à l’information et que le mode d’incarnation ou le substrat sur lequel elle repose n’est que secondaire, réflexion qui fait d’ailleurs tout l’objet de la critique de Katherine Hayles¹⁹.

L’observation centrale que met en lumière l’épisode du Sang corrompu tient selon nous à la possibilité de distinguer deux régimes de modélisation, dont chacun engage une conception spécifique du corps numérique. Dans les modèles comme EpiSims, fondés sur des agents computationnels (ABM, agent-based model), le comportement humain est intégralement traduit en variables, qui sont par exemple son état, sa position, sa direction, ses interactions, sa probabilité de contagion, etc. Ainsi, le corps de l’agent est entièrement édifié à partir de l’information qui le constitue, c’est un pattern de données et de règles d’évolution. À l’inverse, dans les simulations hybrides fondées sur des agents humains (human-agent simulation²⁰) que proposent de mettre en place Fefferman et Lofgren dans des environnements vidéoludiques, le corps numérique articule une double dynamique. Il demeure inscrit dans le système sous forme de traces computationnelles (c’est le pattern de l’avatar), mais il est simultanément animé, affecté et finalement incarné (embodied) par la procuration d’un sujet humain externe au système. Cela permet donc de distinguer deux types de corps numériques à proprement parler : d’une part le corps numérique habité, c’est-à-dire l’avatar du joueur qui se fait le support d’action d’un sujet humain dans un espace numérique ; d’autre part le corps numérique modélisé, cet agent algorithmique qui se fait le support d’action d’un ensemble de données et fonctions mathématiques.

Or, l’incarnation de l’avatar par le joueur (sans être absolument identique à l’incarnation du joueur lui-même, bien entendu, tout comme la simulation d’un agent humain par ABM ne prétend pas identifier la donnée à l’humain) permet de dévoiler un ensemble de comportements plus variés, plus imprévisibles, et irréductibles à la modélisation mathématique. D’où l’intérêt de Fefferman et Lofgren pour une modélisation à l’aide d’avatars, qui réduisent la distinction entre la donnée et ce qu’elle est supposée simuler, précisément du fait de ne pas être entièrement simulée, mais partiellement incarnée. On peut ici envisager des applications pratiques pour les comportements difficilement modélisables, par exemple les comportements en cas de crise épidémique.

Cela pose une question concrète pour la modélisation algorithmique, qui nous semble complètement occultée des préoccupations habituelles, à savoir que perd-t-on (ou que gagne-t-on) en effaçant l’embodiment derrière le pattern ? Que simule véritablement la simulation ABM, lorsqu’elle ne peut intégrer la variabilité ou le bruit du comportement humain, et surtout est-ce suffisant pour profiler de véritables modèles sur lesquels se fonder ?

L’intérêt provient moins du fait que les chercheurs traitent l’avatar comme s’il était un agent algorithmique, en réduisant ultimement les comportements de l’avatar à un ensemble de données, que du fait que, dès l’origine, l’avatar n’était pas seulement une donnée inscrite dans le modèle – il ne faisait pas partie d’un dataset. Il était le vecteur d’un comportement non modélisé, celui de l’humain, du joueur en l’occurrence. Les traces qui en résultent ne sont donc pas celles d’une donnée préexistante (c’est-à-dire d’un comportement déjà formalisé en information), mais celles d’un individu dont l’action est ensuite traduite, transposée et formalisée en un ensemble de données.

Pour reprendre l’exemple d’EpiSims : s’il était en réalité un modèle à agent humain (human-agent simulation), on peut imaginer un monde virtuel comme les Sims (mais… situé à Portland, dans l’Oregon !), où les joueurs interagiraient communément et où un jour une épidémie virtuelle se déclencherait, entraînant un ensemble de comportements nouveaux de la part des joueurs pour la contenir, se soigner, se confiner, déménager, l’ignorer ou autre – et sur lesquels les chercheurs pourraient s’appuyer pour étudier l’impact de ces comportements sur la propagation de la maladie et plus largement, sur le système. Ce scénario n’a, en réalité, rien d’absurde : certaines pistes contemporaines en matière de modélisation s’orientent désormais vers la conception de world models²¹, c’est-à-dire des représentations internes de l’environnement qu’un agent d’IA se construit et utilise pour simuler les conséquences potentielles de ses actions. L’agent y opère une transition entre un état, d’une part, et une action, d’autre part, afin de prédire l’état suivant. Il fait cela selon une logique inductive, donc non déterminée à l’avance, ce qui incline la simulation selon les réactions dynamiques de l’agent dans l’environnement modélisé. Mais, si l’adaptation de l’agent algorithmique au dynamisme de l’environnement est un point important pour l’évolution des modélisations, elle n’en est pas encore le point clef.

Le bruit, une trace du corps numérique

L’enjeu futur de la modélisation d’agents est donc devant nous. Si les réactions, les interactions, les décisions mais aussi la panique, la curiosité, le déni, l’inattention, etc., peuvent accélérer ou freiner la propagation virale ou bactérienne, alors toute modélisation pertinente doit intégrer une variabilité comportementale étendue en plus des paramètres biologiques et environnementaux déjà présents dans l’ensemble de règles que constitue le système. D’un point de vue épistémologique, cette analyse nous invite à réviser le principe même sous-tendant les modèles de simulation d’agents et envisager une piste d’ingénierie future ; à savoir la nécessaire traduction du bruit humain dans un espace de calcul.

Les données humaines sont, par nature, bruyantes et profondément contextuelles. Or, vouloir modéliser des milieux avec des agents humains (voire des agents vivants non humains) implique précisément de tenter de rendre calculable le bruit inhérent à cette forme d’imprévisibilité et d’errance qui sous-tend, elle aussi, les comportements réels. Pourtant, la modélisation suppose le prétraitement des données sources afin de faire tourner la simulation sur des données nettoyées et donc exploitables. Les modèles multi-agents utilisés dans la recherche scientifique, notamment les ABM, reposent donc sur une logique relativement déterministe, où les agents obéissent à des règles explicites et où le bruit est une erreur ou une nuisance. Lorsqu’une forme de variabilité est introduite, elle ne peut l’être que de façon stochastique, c’est-à-dire à travers une forme de prédiction probabiliste, donc un aléa contrôlé, dans une moindre mesure. Cette approche est aujourd’hui ce qui permet la simulation, mais celle-ci s’effectue au prix d’un appauvrissement du comportement des agents, car le bruit est lissé et la variabilité contrainte afin de faire rentrer l’indétermination propre au vivant dans des paramètres probabilistes. En somme, aucune perturbation depuis l’intérieur ne permet d’affecter ou de déstabiliser le système modélisé.

Dans cette perspective, Fefferman et Lofgen soutiennent que l’intermédiation de l’avatar et du monde virtuel est une piste sérieuse pour la modélisation. Cela impliquerait de créer des simulations-jeux ou des jeux-simulations, ou autre « laboratoire expérimental »²², ce qui pose bien entendu d’autres problèmes méthodologiques et cliniques²³.

Une autre proposition que nous pensons importante de soumettre serait l’introduction de l’intelligence artificielle (et plus spécifiquement du deep learning) dans la modélisation. La plupart des discours consacrés à l’inflexion introduite par l’intelligence artificielle dans la modélisation scientifique tendent à situer la rupture au niveau technologique : l’arrivée de l’IA serait, à elle seule, censée modifier en profondeur la nature même de la modélisation. Pourtant, selon nous, l’inflexion ne tient pas à l’introduction de l’IA dans la modélisation en tant que telle, mais à l’introduction du bruit humain comme principe de modélisation – ce que pourrait peut-être apporter l’IA.

Autrement dit, nous soutenons l’idée qu’aucune évolution épistémique des systèmes de modélisation ne résulterait de la simple introduction de l’IA, car celle-ci ne ferait que rendre la modélisation plus sophistiquée, en améliorant par exemple sa puissance de traitement ou en lui permettant de traiter un plus grand nombre de variables, et à de plus grandes échelles ; ou en créant des world models plus complexes. Ces apports certes indéniables ne touchent néanmoins pas au point clef soulevés par les épidémiologistes à partir de ce simple exemple d’une pandémie virtuelle ; à savoir la capacité du modèle à produire et supporter des déviations contextuelles semblables à celles des agents humains. Une IA entraînée non à corriger le bruit dans une simulation, mais à l’intégrer voire à le produire, pourrait simuler non plus seulement des comportements probabilistes, mais des dynamiques plus instables et perturbatrices. C’est en ce sens que la simulation assistée par IA marquerait un passage décisif – une direction que l’on retrouve aujourd’hui dans l’hypothèse récente de world models qui soient soutenus par une intelligence artificielle neurosymbolique²⁴, à partir des travaux de Yann le Cun²⁵.

Cela implique de concevoir des objectifs d’apprentissage, des architectures et des protocoles d’évaluation qui préservent la perturbation plutôt qu’ils ne l’écrasent. Ce n’est qu’en intégrant le bruit, non pas comme un résidu mais bien comme un principe opératoire, que les dispositifs de modélisation pourraient véritablement innover, en ouvrant une piste encore spéculative, où un bruit volontairement modélisé dans les systèmes de simulation ne serait plus un facteur de désordre, mais peut-être un principe de vitalité.

L’œil de la revue Third

L’épisode du Sang corrompu dans World of Warcraft illustre à merveille la complexité des comportements humains face à une pandémie, même virtuelle. Jessica Lombard montre que les avatars habités offrent une richesse comportementale impossible à capturer par les modèles classiques. Le vrai défi, selon elle, est d’intégrer ce « bruit humain » dans la modélisation algorithmique, ouvrant la voie à des simulations plus vivantes et imprévisibles. Une leçon stimulante sur la corporéité numérique et le rôle du hasard dans les systèmes complexes.