Dans notre monde contemporain du début du 21e siècle, l'hyper-état est un état imaginaire créé pour identifier et imaginer différents futurs.

Il sera utilisé pour représenter tous les États et chaque État. L'inverse est donc un état de type idéal. C'est aussi une abréviation du modèle qui a été construit pour représenter la dynamique et les processus qui sous-tendent l'évolution d'un État, en tant que forme politique. Ce modèle est un graphique, une carte ou un réseau dynamique, comme l'explique le Modélisation des risques et des incertitudes dynamiques (1) : Cartographie des risques et des incertitudes et Modélisation des risques et incertitudes dynamiques (2) : Cartographie d'un réseau dynamique

Cependant, même si nous travaillons avec un type idéal, les événements ne se déroulent pas dans le vide mais dépendent et sont contraints par une foule de facteurs spécifiques, notamment la géographie, le milieu écologique et l'histoire.

Ainsi, pour rendre notre prévision réaliste, reproductible et adaptable à des pays existants spécifiques, certains critères ont été identifiés puis précisés : nous leur donnons des valeurs pour l'hyperévaluation. Ces caractéristiques initiales influenceront également ce qui se passera.

Les lecteurs et les utilisateurs des Chroniques d'Everstate peuvent imaginer de modifier ces critères pour tester les futurs potentiels des pays qui les intéressent. Ils peuvent appliquer des critères réels pour identifier des futurs plausibles pour des pays réels.

Par exemple, si la géographie est choisie comme critère, alors la valeur peut être : terres dans la ceinture tropicale en Asie du Sud, ou terres en Amérique du Nord. La taille du pays devra également être précisée, etc.

Pour identifier les critères, nous avons utilisé une "une analyse d'influence revisitée“. Nous expliquons ensuite comment attribuer des valeurs pour chaque critère dans le cas spécifique des réseaux dynamiques. Nous soulignons enfin le les critères retenus et leurs valeurs pour Everstate.

Ensuite, nous expliquons comment la carte est utilisée pour construire le récit en utilisant les réseaux d'egoet l'appliquer pour expliquer comment les valeurs sélectionnées ouvrent la voie à l'inversion.

Nous commençons alors à dire l'histoire d'Everstatetout en montrant comment le faire.

Publié par Dr Helene Lavoix (MSc PhD Lond)

Dr Hélène Lavoix est présidente et fondatrice de The Red Team Analysis Society. Elle est titulaire d'un doctorat en études politiques et d'une maîtrise en politique internationale de l'Asie (avec distinction) de la School of Oriental and African Studies (SOAS), Université de Londres, ainsi que d'une maîtrise en finance (major de promotion, Grande École, France). Experte en prospective stratégique et en alerte précoce, notamment pour les questions de sécurité nationale et internationale, elle combine plus de 25 ans d'expérience en relations internationales et 15 ans d'expérience en prospective stratégique et en alerte. Elle a vécu et travaillé dans cinq pays, effectué des missions dans quinze autres et formé des officiers de haut niveau dans le monde entier, notamment à Singapour et dans le cadre de programmes européens en Tunisie. Elle enseigne la méthodologie et la pratique de la prospective stratégique et de l'alerte précoce, travaillant dans des institutions prestigieuses telles que le RSIS à Singapour, SciencesPo-PSIA, ou l'ESFSI en Tunisie. Elle publie régulièrement sur les questions géopolitiques, la sécurité de l'uranium, l'intelligence artificielle, l'ordre international, la montée en puissance de la Chine et d'autres sujets liés à la sécurité internationale. Engagée dans l'amélioration continue des méthodologies de prospective et d'alerte, Mme Lavoix combine expertise académique et expérience de terrain pour anticiper les défis mondiaux de demain.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

FR