Certains des articles de cette catégorie sont en libre accès, vous pouvez les lire librement. Certains articles sont premium : si vous êtes membre, veuillez se connecter. Devenir un membre.

Prévoir le futur monde de l'intelligence artificielle quantique et la géopolitique

Google aurait atteint la fameuse suprématie quantique, comme le Financial Times premier rapport le 20 septembre 2019.

Malgré des discussions animées sur la validité de la demande (par exemple Hacker News), cela nous rappelle qu'un monde avec des ordinateurs quantiques est sur le point de naître. Tous les acteurs doivent prendre en compte ce nouvel avenir, dans toutes ses dimensions. Cela est encore plus vrai pour ceux qui s'occupent de la sécurité internationale au sens large.

Cette nouvelle série se concentre sur la compréhension du monde de l'informatique quantique à venir. À quoi ressemblera ce monde futur ? Quels seront les impacts sur la géopolitique et la sécurité internationale ? Quand ces changements auront-ils lieu...

Modélisation des risques et des incertitudes dynamiques (1) : Cartographie des risques et des incertitudes

(Cet article est une version entièrement mise à jour de l'article original publié en novembre 2011 sous le titre "Creating a Foresight and Warning Model : Cartographie d'un réseau dynamique (I)"). La cartographie des risques et des incertitudes est la deuxième étape d'un processus approprié pour anticiper et gérer correctement les risques et les incertitudes. Cette étape commence par la construction d'un modèle qui, une fois achevé, décrira et expliquera le problème ou la question en jeu, tout en permettant l'anticipation ou la prévoyance. En d'autres termes, à la fin de la première étape, vous avez sélectionné un risque, une incertitude, ou une série de risques et d'incertitudes, ou une question préoccupante, avec son calendrier et sa portée appropriés, par exemple, quels sont les risques et les incertitudes pour ...

La partie restante de cet article est destinée à notre membres. Assurez-vous d'obtenir de vraies analyses et non des opinions ou, pire, de fausses nouvelles. Devenez l'un de nos membres et accédez à cet article. Log in si vous êtes membre.

Construire le récit d'un scénario de prospective avec les réseaux d'ego

Dans de nombreuses méthodes de prospective, une fois que vous avez identifié les principaux facteurs ou variables et que vous avez atteint le moment de développer le récit des scénarios, vous n'avez plus aucune indication sur la manière d'accomplir cette étape, au-delà de quelque chose qui va dans le sens de "donner de la chair au scénario et développer l'histoire "*.

Ici, nous allons faire autrement et fournir une méthode simple et facile pour écrire le scénario. Nous utiliserons le réseau dynamique que nous avons construit pour Everstate - ou pour une autre question - et la fonction appelée "Ego Network" qui est disponible dans les logiciels d'analyse et de visualisation des réseaux sociaux pour guider le développement et la rédaction du récit.

La partie restante de cet article est destinée à notre membres. Assurez-vous d'obtenir de vraies analyses et non des opinions ou, pire, de fausses nouvelles. Devenez l'un de nos membres et accédez à cet article. Log in si vous êtes membre.

Variables, valeurs et cohérence dans les réseaux dynamiques

Dans cet article, nous expliquons et discutons le contexte méthodologique qui nous permet de fixer les critères pour l'Everstate - ou pour tout pays ou question choisis - comme le montre le post "Les caractéristiques de l'inversion.” En attendant, nous nous attaquons également au problème de la cohérence.

La partie restante de cet article est destinée à notre membres. Assurez-vous d'obtenir de vraies analyses et non des opinions ou, pire, de fausses nouvelles. Devenez l'un de nos membres et accédez à cet article. Log in si vous êtes membre.

Réexamen de l'analyse d'influence

Une fois que les variables (également appelées facteurs et déterminants selon les auteurs) ont été identifiées - et dans notre cas mappéLa plupart des méthodes de prévision visent à réduire leur nombre, c'est-à-dire à ne conserver que quelques-unes de ces variables.

En effet, compte tenu des limites cognitives, ainsi que des ressources limitées, on essaie d'obtenir un certain nombre de variables qui peuvent être facilement et relativement rapidement combinées par le cerveau humain.

Le problème auquel nous sommes confrontés ici sur le plan méthodologique est de savoir comment réduire au mieux ce nombre de variables, en s'assurant que nous ne réintroduisons pas de biais et/ou que nous simplifions notre modèle au point qu'il devienne inutile ou sous-optimal.

En outre, compte tenu également des réactions indésirables potentielles des praticiens à des modèles complexes, il est le plus souvent nécessaire de pouvoir présenter un modèle correctement simplifié ou réduit (tout en restant fidèle au modèle initial).

La partie restante de cet article est destinée à notre membres. Assurez-vous d'obtenir de vraies analyses et non des opinions ou, pire, de fausses nouvelles. Devenez l'un de nos membres et accédez à cet article. Log in si vous êtes membre.

Modélisation des risques et incertitudes dynamiques (2) : Cartographie d'un réseau dynamique

Retournez à Première partie

En fait, tout modèle de SF&W, puisqu'il traite principalement du temps, devrait être un réseau dynamique. Comment pouvons-nous espérer obtenir une ébauche potentielle pour l'avenir si notre modèle de compréhension est statique ?

Notre carte vise donc à représenter la dynamique potentielle des politiques. Nous utiliserons notamment ErtmanIl s'agit d'un travail de construction de l'État dans le passé, mais qui peut être adapté aux conditions actuelles et futures.

La partie restante de cet article est destinée à notre membres. Assurez-vous d'obtenir de vraies analyses et non des opinions ou, pire, de fausses nouvelles. Devenez l'un de nos membres et accédez à cet article. Log in si vous êtes membre.

FR