Science, science has allowed us to know so much about the far reaches of the universe, which is at the same time tremendously important and extremely remote, and yet much, much closer, much more directly related to us, there are many things we don't really understand. And one of them is the extraordinary social complexity of the animals around us, and today I want to tell you a few stories of animal complexity.
La science, la science nous a permis de savoir tant de choses sur les immensités de l'univers, ce qui est à la fois incroyablement important, et extrêmement lointain, et pourtant, bien plus proche de nous, bien plus directement lié à nous, il y a de nombreuses choses que nous ne comprenons pas. Une de ces choses est l'extraordinaire complexité sociale des animaux autour de nous et aujourd'hui, je veux vous raconter quelques histoires sur la complexité animale.
But first, what do we call complexity? What is complex? Well, complex is not complicated. Something complicated comprises many small parts, all different, and each of them has its own precise role in the machinery. On the opposite, a complex system is made of many, many similar parts, and it is their interaction that produces a globally coherent behavior. Complex systems have many interacting parts which behave according to simple, individual rules, and this results in emergent properties. The behavior of the system as a whole cannot be predicted from the individual rules only. As Aristotle wrote, the whole is greater than the sum of its parts. But from Aristotle, let's move onto a more concrete example of complex systems.
Mais d'abord, qu'est-ce que la complexité ? Que veut dire complexe ? Eh bien, complexe n'est pas la même chose que compliqué. Quelque chose de compliqué se compose plusieurs petites parties, toutes différentes, et chacune d'entre elles joue un rôle bien précis au sein du mécanisme. A l'inverse, un système complexe est composé de nombreuses parties toutes similaires, et c'est leur interaction qui produit un comportement globalement cohérent. Les systèmes complexes ont de nombreuses parties en interaction qui se comportent selon des règles simples et individuelles, et ça donne naissance à des nouvelles propriétés. Le comportement du système comme ensemble ne peut être prévu à partir des seules règles individuelles. Aristote a écrit : le tout est plus que la somme des parties. Mais passons d'Aristote à un exemple plus concret de systèmes complexes.
These are Scottish terriers. In the beginning, the system is disorganized. Then comes a perturbation: milk. Every individual starts pushing in one direction and this is what happens. The pinwheel is an emergent property of the interactions between puppies whose only rule is to try to keep access to the milk and therefore to push in a random direction.
Voici des Scottish terriers. Au début, leur système est désorganisé. Puis vient l'élément perturbateur : du lait. Chaque individu commence à pousser dans une direction et voici ce qui arrive. Le moulin à vent est une nouvelle propriété des interactions entre ces chiots dont la seule règle est d'essayer d'atteindre le lait et donc de pousser dans une direction aléatoire.
So it's all about finding the simple rules from which complexity emerges. I call this simplifying complexity, and it's what we do at the chair of systems design at ETH Zurich. We collect data on animal populations, analyze complex patterns, try to explain them. It requires physicists who work with biologists, with mathematicians and computer scientists, and it is their interaction that produces cross-boundary competence to solve these problems. So again, the whole is greater than the sum of the parts. In a way, collaboration is another example of a complex system.
Il s'agit donc de trouver les règles simples dont émerge la complexité. C'est ce que j'appelle « simplifier la complexité. » Et c'est ce que nous faisons à l’École Polytechnique Fédérale de Zurich. Nous recueillons des données sur des populations d'animaux et nous analysons des schémas complexes pour essayer de les expliquer. Ça implique des physiciens travaillant avec des biologistes, des mathématiciens et des informaticiens, et c'est leur interaction qui crée une compétence transverse pour résoudre ces problèmes. Une fois encore, le tout est plus que la somme des parties. D'une certaine façon, la collaboration est un autre exemple de système complexe.
And you may be asking yourself which side I'm on, biology or physics? In fact, it's a little different, and to explain, I need to tell you a short story about myself. When I was a child, I loved to build stuff, to create complicated machines. So I set out to study electrical engineering and robotics, and my end-of-studies project was about building a robot called ER-1 -- it looked like this— that would collect information from its environment and proceed to follow a white line on the ground. It was very, very complicated, but it worked beautifully in our test room, and on demo day, professors had assembled to grade the project. So we took ER-1 to the evaluation room. It turned out, the light in that room was slightly different. The robot's vision system got confused. At the first bend in the line, it left its course, and crashed into a wall. We had spent weeks building it, and all it took to destroy it was a subtle change in the color of the light in the room. That's when I realized that the more complicated you make a machine, the more likely that it will fail due to something absolutely unexpected. And I decided that, in fact, I didn't really want to create complicated stuff. I wanted to understand complexity, the complexity of the world around us and especially in the animal kingdom.
Vous vous demandez peut-être où je me situe : la biologie ou la physique ? En fait, c'est un peu différent. Pour vous l'expliquer, je dois passer par une petite histoire sur moi-même. Quand j'étais enfant, j'adorais construire, créer des machines compliquées. J'ai donc entrepris des études d'ingénierie électrique et de robotique. Mon projet de fin d'étude était la construction d'un robot, le ER-1, qui ressemblait à ça, qui recueillerait des informations à partir de son environnement et suivrait une ligne blanche sur le sol. C'était très, très compliqué, mais il fonctionnait à merveille dans notre labo. Et le jour de la démonstration, les professeurs se sont réunis pour évaluer le projet. Nous avons donc apporté ER-1 dans la salle d'évaluation, il s'est avéré que la lumière dans cette salle était légèrement différente. Le système de vision du robot était perturbé. Dès le premier virage, il a quitté sa trajectoire et s'est écrasé contre un mur. Nous avions passé des semaines à le construire, et il a suffi d'un léger changement dans la couleur de la lumière de la salle pour le détruire. C'est alors que j'ai réalisé que plus on fabrique une machine compliquée, plus il est probable qu'elle échouera à cause d'imprévus. Et j'ai décidé qu'en fait, je ne voulais pas vraiment construire des choses compliquées. Je voulais comprendre la complexité. La complexité du monde qui nous entoure, et en particulier dans le monde animal,
Which brings us to bats. Bechstein's bats are a common species of European bats. They are very social animals. Mostly they roost, or sleep, together. And they live in maternity colonies, which means that every spring, the females meet after the winter hibernation, and they stay together for about six months to rear their young, and they all carry a very small chip, which means that every time one of them enters one of these specially equipped bat boxes, we know where she is, and more importantly, we know with whom she is. So I study roosting associations in bats, and this is what it looks like. During the day, the bats roost in a number of sub-groups in different boxes. It could be that on one day, the colony is split between two boxes, but on another day, it could be together in a single box, or split between three or more boxes, and that all seems rather erratic, really. It's called fission-fusion dynamics, the property for an animal group of regularly splitting and merging into different subgroups.
ce qui nous amène aux chauves-souris. Le Vespertilion de Bechstein est une espèce commune de chauve-souris en Europe. Elles sont très sociables, elles nichent et dorment quasiment toujours ensemble. Elles vivent en colonies de maternité, ce qui signifie qu'à chaque printemps, les femelles se retrouvent après l'hibernation hivernale, et restent ensemble pendant environ 6 mois pour élever leurs petits. Les chauves-souris portent toutes une très petite puce, ce qui signifie qu'à chaque fois l'une d'entre elles entre dans l'un de ces nichoirs spécialement équipés, nous savons où elle est, et encore plus important, nous savons avec qui elle est. J'ai donc étudié la façon dont elles se regroupent en se perchant, et voici à quoi ça ressemble. Le jour, les chauves-souris se perchent en un certain nombre de sous-groupes dans des nichoirs différents. Il se peut qu'un jour, la population soit répartie dans 2 nichoirs, mais qu'un autre jour, elle soit regroupée dans un seul nichoir ou divisée en 3 ou 4 nichoirs. Ça semble plutôt imprévisible, vraiment. Ça s'appelle la dynamique de fusion-fission, la propriété d'un groupe d'animaux à se séparer et se rassembler en différents sous-groupes.
So what we do is take all these data from all these different days and pool them together to extract a long-term association pattern by applying techniques with network analysis to get a complete picture of the social structure of the colony. Okay? So that's what this picture looks like. In this network, all the circles are nodes, individual bats, and the lines between them are social bonds, associations between individuals. It turns out this is a very interesting picture. This bat colony is organized in two different communities which cannot be predicted from the daily fission-fusion dynamics. We call them cryptic social units. Even more interesting, in fact: Every year, around October, the colony splits up, and all bats hibernate separately, but year after year, when the bats come together again in the spring, the communities stay the same.
Nous prenons toutes ces données de tous ces différents jours, et nous les mettons en commun pour établir un schéma d'association à long terme en appliquant des techniques d'analyse de réseau afin d'avoir une vision globale de la structure sociale de la colonie. Ça va ? Voici à quoi cette vision ressemble. Dans ce réseau, les cercles sont des nœuds, des chauves-souris individuelles et les lignes entre eux sont les liens sociaux, les associations entre individus. Il s'avère que c'est une vision très intéressante. Cette colonie de chauves-souris est organisée en 2 communautés différentes qu'on ne peut pas prévoir sur la base de la dynamique quotidienne de fusion-fission. On les appelle des unités sociales cryptiques. Fait encore plus intéressant, tous les ans, vers octobre, la colonie se sépare, et les chauves-souris hibernent séparément. Mais année après année, lorsque les chauves-souris se réunissent au printemps, la communauté reste la même.
So these bats remember their friends for a really long time. With a brain the size of a peanut, they maintain individualized, long-term social bonds, We didn't know that was possible. We knew that primates and elephants and dolphins could do that, but compared to bats, they have huge brains. So how could it be that the bats maintain this complex, stable social structure with such limited cognitive abilities?
Donc ces chauves-souris se souviennent de leurs amies pendant très longtemps. Avec leur cerveau de la taille d'une cacahuète, elles conservent des liens sociaux individualisés sur le long terme. Nous ne pensions pas ça possible. Nous savions que les primates, les éléphants, les dauphins en sont capables, mais par rapport aux chauves-souris, ils ont des cerveaux énormes. Comment est-il possible que les chauves-souris conservent cette structure sociale complexe et stable avec des capacités cognitives si limitées ?
And this is where complexity brings an answer. To understand this system, we built a computer model of roosting, based on simple, individual rules, and simulated thousands and thousands of days in the virtual bat colony. It's a mathematical model, but it's not complicated. What the model told us is that, in a nutshell, each bat knows a few other colony members as her friends, and is just slightly more likely to roost in a box with them. Simple, individual rules. This is all it takes to explain the social complexity of these bats.
Et c'est là que la complexité nous donne une réponse. Pour comprendre ce système, nous avons créé un modèle informatique de nichoir basé sur des règles simples et individuelles, et nous avons simulé des milliers et des milliers de journées de une colonie virtuelle de chauves-souris. C'est un modèle mathématique, mais il n'est pas compliqué. Ce que le modèle nous a appris, pour faire bref, c'est que chaque chauve-souris considère plusieurs membres de la colonie comme ses amis, et elle est légèrement plus susceptible de nicher avec elles dans le même lieu. Des règles simples et individuelles. Il suffit de ça pour expliquer la complexité sociale de ces chauves-souris.
But it gets better. Between 2010 and 2011, the colony lost more than two thirds of its members, probably due to the very cold winter. The next spring, it didn't form two communities like every year, which may have led the whole colony to die because it had become too small. Instead, it formed a single, cohesive social unit, which allowed the colony to survive that season and thrive again in the next two years. What we know is that the bats are not aware that their colony is doing this. All they do is follow simple association rules, and from this simplicity emerges social complexity which allows the colony to be resilient against dramatic changes in the population structure. And I find this incredible.
Mais il y a encore mieux. Entre 2010 et 2011, la colonie a perdu plus de deux tiers de ses membres, certainement à cause de l'hiver très froid. Au printemps, elles n'ont pas formé deux communautés comme tous les ans, ce qui aurait provoqué la mort de la colonie entière, devenue trop petite. A la place, elles ont formé une seule unité sociale cohésive ce qui a permis à la colonie de survivre et de grandir les deux années suivantes. On sait que les chauve-souris n'ont pas conscience qu'elles font cela. Elles ne font que suivre des règles simples d'association, et de cette simplicité, naît une complexité sociale, ce qui permet à la colonie de résister à d'énormes changements de la structure de la population. Je trouve que c'est incroyable.
Now I want to tell you another story, but for this we have to travel from Europe to the Kalahari Desert in South Africa. This is where meerkats live. I'm sure you know meerkats. They're fascinating creatures. They live in groups with a very strict social hierarchy. There is one dominant pair, and many subordinates, some acting as sentinels, some acting as babysitters, some teaching pups, and so on. What we do is put very small GPS collars on these animals to study how they move together, and what this has to do with their social structure. And there's a very interesting example of collective movement in meerkats. In the middle of the reserve which they live in lies a road. On this road there are cars, so it's dangerous. But the meerkats have to cross it to get from one feeding place to another. So we asked, how exactly do they do this? We found that the dominant female is mostly the one who leads the group to the road, but when it comes to crossing it, crossing the road, she gives way to the subordinates, a manner of saying, "Go ahead, tell me if it's safe." What I didn't know, in fact, was what rules in their behavior the meerkats follow for this change at the edge of the group to happen and if simple rules were sufficient to explain it.
Je vais maintenant vous raconter une autre histoire. Pour cela, nous devons quitter l'Europe et nous rendre dans le désert du Kalahari, en Afrique du Sud. Là où habitent les suricates. Je suis certain que vous connaissez les suricates. Ce sont des créatures fascinantes. Ils vivent en groupes avec une hiérarchie sociale très stricte. Il y a un couple dominant et de nombreux subalternes, dont certains ont un rôle de sentinelle, ou de baby-sitter, d'autres éduquent les jeunes, etc. Nous leur mettons de tout petits colliers GPS, pour étudier la manière dont ils évoluent ensemble, et ce que ça a à voir avec leur structure sociale. Il y a un exemple très intéressant de mouvement d'ensemble chez les suricates. Au milieu de la réserve où ils vivent, se trouve une route. Sur cette route, passent des voitures ; c'est donc dangereux. Les suricates doivent la traverser pour passer d'un endroit où il y a de la nourriture à un autre. Nous nous sommes donc demandés : Comment précisément font-ils cela ? Nous avons appris que la femelle dominante est généralement celle qui mène le groupe vers la route, mais dès qu'il s'agit de traverser, elle laisse place aux subalternes, une façon de dire : « Allez-y, dites-moi si c'est sûr. » Ce que je ne connaissais pas, ce sont les règles de comportement que les suricates suivent pour provoquer ce changement dans le groupe, et si des règles simples suffisaient pour l'expliquer.
So I built a model, a model of simulated meerkats crossing a simulated road. It's a simplistic model. Moving meerkats are like random particles whose unique rule is one of alignment. They simply move together. When these particles get to the road, they sense some kind of obstacle, and they bounce against it. The only difference between the dominant female, here in red, and the other individuals, is that for her, the height of the obstacle, which is in fact the risk perceived from the road, is just slightly higher, and this tiny difference in the individual's rule of movement is sufficient to explain what we observe, that the dominant female leads her group to the road and then gives way to the others for them to cross first. George Box, who was an English statistician, once wrote, "All models are false, but some models are useful." And in fact, this model is obviously false, because in reality, meerkats are anything but random particles. But it's also useful, because it tells us that extreme simplicity in movement rules at the individual level can result in a great deal of complexity at the level of the group. So again, that's simplifying complexity.
J'ai donc construit un modèle. Un modèle simulant des suricates traversant une route virtuelle. C'est un modèle simpliste. Des suricates en mouvement sont comme des particules aléatoires dont la seule règle est celle de l'alignement. Ils bougent tout simplement ensemble. Quand ces particules atteignent la route, elles sentent une sorte d'obstacle, et rebondissent contre lui. La seule différence entre la femelle dominante, ici en rouge, et les autres individus, c'est que, pour elle, la hauteur de l'obstacle, autrement dit, le risque représenté par la route, n'est que légèrement plus importante. Et cette toute petite différence dans la règle individuelle de mouvement suffit à expliquer ce que nous observons, le fait que la femelle dominante mène son groupe à la route, et laisse ensuite place aux autres, pour qu'ils traversent en premier. George Box, un statisticien anglais, a écrit : « Tous les modèles sont faux, mais certains sont utiles. » Et en fait, ce modèle est évidemment faux. Car en réalité, les suricates sont tout sauf des particules aléatoires. Mais il est également utile, car il nous dit que la simplicité extrême de règles de mouvement à un niveau individuel peuvent conduire à une importante complexité au niveau du groupe. Encore une fois, c'est la simplification de la complexité.
I would like to conclude on what this means for the whole species. When the dominant female gives way to a subordinate, it's not out of courtesy. In fact, the dominant female is extremely important for the cohesion of the group. If she dies on the road, the whole group is at risk. So this behavior of risk avoidance is a very old evolutionary response. These meerkats are replicating an evolved tactic that is thousands of generations old, and they're adapting it to a modern risk, in this case a road built by humans. They adapt very simple rules, and the resulting complex behavior allows them to resist human encroachment into their natural habitat.
J'aimerais conclure par ce que ça signifie pour l'ensemble de l'espèce. Lorsque la femelle dominante laisse la place aux subalternes, ce n'est pas par politesse. En fait, la femelle dominante est extrêmement importante pour la cohésion du groupe. Si elle meurt sur la route, tout le groupe sera en danger. Ce comportement de prévention de risque est une réponse évolutive très ancienne. Ces suricates reproduisent une tactique qui a évolué dans le temps, vieille de milliers de générations, et ils l'adaptent à un risque moderne, dans ce cas, une route construite par des êtres humains. Ils adaptent des règles très simples, et le comportement complexe en découlant leur permet de résister à l’empiétement des humains sur leur habitat naturel.
In the end, it may be bats which change their social structure in response to a population crash, or it may be meerkats who show a novel adaptation to a human road, or it may be another species. My message here -- and it's not a complicated one, but a simple one of wonder and hope -- my message here is that animals show extraordinary social complexity, and this allows them to adapt and respond to changes in their environment. In three words, in the animal kingdom, simplicity leads to complexity which leads to resilience.
Au bout du compte, il peut s'agir de chauves-souris qui changent leur structure sociale pour répondre à un effondrement de leur population ; ou il peut s'agir de suricates qui déploient une nouvelle adaptation aux routes humaines, ou il peut s'agir d'une autre espèce. Mon message n'est pas compliqué, mais c'est un message simple d'émerveillement et d'espoir. Mon message est que les animaux démontrent une complexité sociale extraordinaire, et ça leur permet de s'adapter et de réagir aux changements dans leur environnement. En trois mots, dans le monde animal, la simplicité mène à la complexité qui débouche sur la résilience.
Thank you.
Merci.
(Applause) Dania Gerhardt: Thank you very much, Nicolas, for this great start. Little bit nervous? Nicolas Perony: I'm okay, thanks. DG: Okay, great. I'm sure a lot of people in the audience somehow tried to make associations between the animals you were talking about -- the bats, meerkats -- and humans. You brought some examples: The females are the social ones, the females are the dominant ones, I'm not sure who thinks how. But is it okay to do these associations? Are there stereotypes you can confirm in this regard that can be valid across all species? NP: Well, I would say there are also counter-examples to these stereotypes. For examples, in sea horses or in koalas, in fact, it is the males who take care of the young always. And the lesson is that it's often difficult, and sometimes even a bit dangerous, to draw parallels between humans and animals. So that's it. DG: Okay. Thank you very much for this great start. Thank you, Nicolas Perony.
(Applaudissements) Dania Gerhardt : Nicolas, merci beaucoup pour ce formidable début. Vous êtes un peu nerveux ? Nicolas Perony : Ça va, merci. DG : Super. Je suis sure que de nombreuses personnes dans le public ont essayé d'une certaine façon d'établir des liens entre les animaux dont vous parliez, les chauve-souris, les suricates, et les humains. Vous avez montré des exemples. Les femelles sont les membres sociaux, les membres dominants, je ne sais pas bien qui pense comment, mais bon. A-t-on raison de faire ces liens ? Y a-t-il des clichés que vous pouvez confirmer à cet égard qui sont peut-être valables pour toutes les espèces ? NP : Je voudrais dire qu'il y a des contre-exemples dans ces stéréotypes. Par exemple, chez les hippocampes ou chez les koalas, ce sont en fait les mâles qui s'occupent des jeunes, tout le temps. La leçon à en tirer, c'est que c'est souvent difficile et parfois un peu dangereux de faire des parallèles entre les humains et les animaux. Voilà. DG : Très bien. Merci beaucoup pour cet excellent début. Merci Nicolas Perony.