Comment les sciences du comportement peuvent-elles rendre les aéroports moins pénibles ?

La science du comportement est souvent utilisée pour rechercher des points d'échec constants e^t fournir des suggestions2 sur la manière d'y remédier, mais elle peut offrir des prédictions encore plus spécifiques. Lorsqu'il s'agit de nombreux individus, ou de foules, nous pouvons utiliser une technique appelée modélisation basée sur les agents pour comprendre comment les gens interagissent les uns avec les autres.

La modélisation basée sur des agents (ABM) est une méthode algorithmique permettant de créer de multiples entités indépendantes ("agents") qui réagissent à des stimuli selon des conditions prédéfinies. Cela permet d'imaginer les humains non pas comme une masse amorphe, mais comme des éléments prévisibles dans une équation.

Prenons un exemple : Une attention considérable a récemment été accordée à l'évacuation des piétons en cas d'urgence, par exemple en cas d'incendie, de tremblement de terre, de tsunami ou d'attentat terroriste. Comme les gens se précipitent pour échapper à de telles situations et convergent vers un nombre limité d'issues, il existe un risque important de blessure, voire de mort, en cas de bous^culade ou de piétinement par la foule. L'examen de vidéos d'évacuation3 et les modèles de physique statistique utilisés pour reproduire le comportement d'évacuation ont confirmé que les goulets d'étranglement les plus importants se trouvent généralement à proximité des sorties.

Plutôt que de considérer les piétons de cette équation comme un groupe indifférencié et paniqué, la modélisation basée sur les agents les aborde comme un ensemble d'individus qui réagissent de manière prévisible et rationnelle à ce qui se passe autour d'eux. Les chercheurs qui utilisent cette approche ont été en mesure d'identifier des solutions surprenantes au problème : ils ont modifié leurs modèles en ajoutant un pilier juste devant la sortie et ont constaté que cela réduisait les goulots d'^étranglement, parce que les gens étaient dirigés vers deux lignes naturelles.4

Bien que le pilier ait amélioré le mouvement vers la sortie, il a augmenté le temps nécessaire pour sortir. Un autre groupe de chercheurs a estimé que ce temps supplémentaire constituait un danger en soi et a découvert qu'en remplaçant l'obstacle par un plan large, le goulot d'étranglemen^t et le temps étaient tous deux réduits.4

Ce qui est intéressant, ce n'est pas seulement qu'il s'agit d'une solution élégante et contre-intuitive, mais aussi que la solution n'aurait pas nécessairement pu être découverte en ne s'intéressant qu'aux individus. Placer des obstacles sur le chemin des gens ne devrait pas les faire avancer plus vite - et pour une personne seule, ce ne serait probablement pas le cas. Mais l'utilisati^on d'un modèle basé sur des agents permet de mettre en évidence des comportements autrement invisibles.5

Cela nous ramène à l'embarquement dans les compagnies aériennes. Non seulement la méthode d'embarquement "front-to-back" est lente, mais c'est pratiquement la méthode la plus lente possible pour embarquer dans un avion.6 Il a été démoⁿtré que même un embarquement aléatoire serait plus rapide.7

Si nous réimaginons les passagers comme des agents, nous pouvons modéliser leurs comportements, comme mettre les bagages dans le compartiment à bagages, se lever pour laisser un autre passager s'asse^oir à leur place (ce qu'on appelle l'interférence entre les sièges)8 , etc. Les chercheurs ont testé des variantes de cette expérience ABM et ont découvert que la meilleure façon d'embarquer les passagers est de faire alterner les groupes d'embarquement en fonction du numéro de rangée et du côté de l'avion où ils se trouvent (voir ci-dessous).

Cette méthode a permis de réduire le nombre d'interférences entre les sièges de 91 à 9 en moyenne. En termes de temps, cela représente un gain de 11 minutes ou plus sur la procédure d'embarquement. Cela pourrait permettre aux compagnies aériennes d'économiser environ 300 dollars par vol et épargne^r à chacun d'entre nous quelques millions d'heures d'attente par an.9

À ce stade, vous vous demandez peut-être en quoi tout cela est important. Les humains ne sont-ils pas simplement des agents, et toute la science n'est-elle pas de la "modélisation basée sur les agents" ? À cette question, nous répondons : oui, absolument ! La GPA copie effectivement les personnes et nous permet de répondre à des questions vastes, complexes ou autrement prohibitives en reproduisant algorithmiquement une approximation proche du comportement humain. Il n'est généralement pas pratique de faire descendre et monter quelque^s centaines de personnes dans un avion, encore et encore, pour tester quelle méthode d'embarquement fonctionne le mieux (bien que quelqu'un l'ait fait).10

L'application de la GPA à des problèmes réels concernant le d^éplacement des touristes11 , ^les structures organisationnell^es12 et la protection de l'environnement12 nous permet d'atteindre un nouveau niveau de compréhension du comportement humain global. J'espère que cet article contribuera à réduire l'animosité à l'égard d'une personne la prochaine fois que vous serez bloqué dans un festival (prenez le temps de leur expliquer la GPA, je suis sûr qu'ils apprécieront).

Remarque : l'ABM est plus accessible que vous ne le pensez - il existe des outils faciles à utiliser en javascript et en python qui font de la mise en œuvre de ces techniques un moyen puissant et relativement simple de fournir des informations commerciales.