Les variables initiales choisies pour commencer à construire notre scénario sont les cinq variables les plus importantes de notre modèle, selon la centralité des vecteurs propres, comme l'explique l'article "Réexamen de l'analyse d'influence"..

Nous allons maintenant choisir valeurs pour chaque critère.

Cohérence est ensuite vérifié, mais uniquement pour les variables qui sont liées.

Comme notre objectif est de trouver un ensemble de critères initiaux plausibles et moyens, nous partirons de l'ensemble suivant, qui est également intuitivement représentatif de la situation, réelle ou perçue, dans laquelle se trouvent de nombreux pays du monde réel depuis quelques années.

Il convient de noter qu'un ensemble complet de scénarios décrivant toute la gamme des possibles pour l'avenir de l'État-nation moderne devrait couvrir toutes les combinaisons possibles de variables. Nous n'aborderons pas ici la manière de relever ce défi spécifique de l'élaboration de scénarios (nous en traitons dans notre des cours de formation sur place).

Nous vérifions ensuite que les scénarios choisis sont cohérents avec la matrice de cohérence.

Un de nos objectifs est d'obtenir des calendriers aussi précis que possible pour tous nos processus et dynamiques sous-jacents, comme expliqué dans Créer le modèle. Cependant, la plupart du temps, une telle connaissance scientifique détaillée fait encore défaut (voir aussi "Le temps de la prospective stratégique et de la gestion des risques“. Par conséquent, les délais fixés sont provisoires. Pour souligner cette absence de certitude, nous avons créé un temps spécifique à Everstate, Toujours. Comme l'explique le document "Créer l'éternité“, Toujours (en bref EVT) reflète notre propre temps, mais est aussi un type idéal. Elle met l'accent sur la dynamique et les séquences d'événements plutôt que sur des dates précises de début des événements et des durées très précises.

Aussi insatisfaisant que soit ce dispositif lorsque l'on veut dépeindre notre futur proche très réel, cette approche permet d'isoler la composante temporelle et de se concentrer sur les séquences. L'alerte et le pilotage des politiques s'en trouvent facilités. Chaque lecteur ou utilisateur est libre d'adapter le schéma temporel selon ses convictions ou sa méthodologie, en attendant une meilleure connaissance scientifique.

Nous avons maintenant tout le matériel nécessaire, ainsi que toutes les explications méthodologiques de base pour commencer à raconter l'histoire d'Everstate, en commençant par préparer le terrain.

Publié par Dr Helene Lavoix (MSc PhD Lond)

Dr Hélène Lavoix is President and Founder of The Red Team Analysis Society. She holds a doctorate in political studies and a MSc in international politics of Asia (distinction) from the School of Oriental and African Studies (SOAS), University of London, as well as a Master in finance (valedictorian, Grande École, France). An expert in strategic foresight and early warning, especially for national and international security issues, she combines more than 25 years of experience in international relations and 15 years in strategic foresight and warning. Dr. Lavoix has lived and worked in five countries, conducted missions in 15 others, and trained high-level officers around the world, for example in Singapore and as part of European programs in Tunisia. She teaches the methodology and practice of strategic foresight and early warning, working in prestigious institutions such as the RSIS in Singapore, SciencesPo-PSIA, or the ESFSI in Tunisia. She regularly publishes on geopolitical issues, uranium security, artificial intelligence, the international order, China’s rise and other international security topics. Committed to the continuous improvement of foresight and warning methodologies, Dr. Lavoix combines academic expertise and field experience to anticipate the global challenges of tomorrow.

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