Un algorithme d’optimisation ne cherche jamais dans le vide.
Il cherche dans un espace déjà découpé. Variables. Contraintes. Encodage. Fonction objectif. Critère d’arrêt. Chaque point correspond à une solution possible. Chaque valeur indique une performance selon la mesure choisie. L’algorithme ne crée pas cet espace. Il le parcourt.
Holland a donné une forme artificielle à cette logique d’adaptation. Les algorithmes génétiques recombinent, mutent, sélectionnent. Ils peuvent produire des configurations que personne n’a dessinées. Mais ils ne produisent pas le problème qui les reçoit. Celui-ci existait déjà dans la fonction qui décide ce qui mérite de survivre.
La mutation est aléatoire. La survie ne l’est pas.
Un paysage de fitness n’est pas une nature cachée. C’est une géométrie produite par la formulation du problème. Changer la représentation, changer la fonction objectif, changer les contraintes, changer les pénalités, et le relief change. Un pic n’est pas un sommet absolu. C’est un sommet dans un espace construit.
L’optimisation découvre donc moins une solution qu’elle ne révèle la forme du cadre qui l’a rendue trouvable.
La sélection artificielle expose la même limite. L’éleveur choisit un caractère. Taille. Rendement. Vitesse. Docilité. Couleur. Résistance. Ce choix ne crée pas toutes les formes possibles. Il modifie la pression exercée sur une variation disponible. La sélection ne déborde pas ce que l’hérédité, le développement, le coût physiologique et la reproduction peuvent soutenir.
Formuler ce qu’on cherche, c’est déjà construire ce qu’on pourra reconnaître comme progrès.
C’est pourquoi aucun algorithme ne possède une supériorité générale sur tous les problèmes. Une méthode performante l’est parce qu’elle exploite une structure particulière : continuité, gradients, recombinaisons utiles, modularité, régularités, voisinages. Là où ces structures manquent, son avantage disparaît. L’algorithme n’est pas intelligent en soi. Il est adapté à un relief.
La convergence ne prouve pas que la solution attendait. Elle prouve que le problème avait une forme exploitable.
L’acte décisif n’est donc pas seulement dans la recherche. Il est dans la formulation. La fonction de fitness précède la découverte qu’elle rend possible. Elle ne dit pas seulement quelle solution gagne. Elle dit quel monde peut produire un gagnant.
Doctrine
L’optimisation ne révèle pas le meilleur en général. Elle révèle le meilleur selon un monde déjà formulé.
La solution n’est pas indépendante de l’espace qui la rend visible. L’invention algorithmique n’est pas seulement dans la recherche. Elle est dans le choix de ce qui comptera comme amélioration. Ce qu’on appelle optimum est une propriété du problème autant qu’une propriété de la solution.
Vecteur ouvert
Un modèle entraîné sur un benchmark, une usine optimisée sur un rendement, une ville pilotée par un indicateur, une plateforme réglée sur l’engagement : chaque système apprend le relief qu’on lui donne.
Quand une machine atteint parfaitement son objectif, que sait-on encore de l’objectif lui-même ?
