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 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