ScienceEtPolitique

Les interfaces "Science–Politique" dans les procédures d'évaluation d'impact

Ann-Katrin Bäcklund, Jean Paul Bousset, Sara Brogaard,

Catherine Macombe, Marie Taverne, et Martin van Ittersum

Introduction

Science et Politique servent des fins différentes. Une politique correspond généralement à un choix de valeurs effectué par une organisation (Lee, 1993, 2006). Les options politiques sont des moyens (actions) pour favoriser certaines valeurs et défavoriser d'autres. Le processus d'élaboration d'une politique est gouverné par des forces qui peuvent être caractérisées en utilisant trois dimensions - utilité, crédibilité et légitimité (Cash et Buizer 2005). L'utilité concerne les questions en jeu (pertinence des objectifs de la politique), lesquelles trouvent leur source dans les perceptions des élus quant aux atouts et faiblesses du système-cible et aux intérêts et au rôle de leur organisation. La crédibilité concerne la qualité technique des connaissances et de l'information utilisées par les élus (validité et l'exactitude) pour juger de l'état du système. La légitimité concerne la perception de la société quant à la représentativité des élus.

La science d'autre part peut être considérée comme la somme des connaissances produites par l'application de méthodes d'enquête systématiques (observations, expérimentations, calculs, ...) des acteurs-chercheurs guidés par différentes des épistémologies (ce qui peut être connu et ce qui est connaissable) qui peuvent être différentes (Feynman, 1998). La connaissance peut être caractérisée par la trois dimensions : l'acquisition, l'application et de l'éthique. L'acquisition concerne ce qui a été trouvé à l'aide de méthodes d'enquête. L'application concerne la façon dont les résultats peuvent être mis en pratique (à savoir la technologie). L'éthique concerne les bonnes et les mauvaises façons de trouver de nouvelles choses ou d'utiliser les technologies, lesquelles sont influencées par des normes sociales.

SEAMLESS-IF (www.seamless-ip.org/) est un cadre intégré d'évaluation d'impacts qui permet la simulation des effets d'une politique et/ou des innovations de développement agricole et rural, en mettant l'accent sur la communication entre les scientifiques et les parties prenantes des politiques/ innovations évaluées (Van Ittersum et al., 2008a). Ce faisant, il ne doit pas être considéré comme une application strictement scientifique / technique, mais comme un outil de communication entre Science et Politique qui peut contribuer à améliorer la crédibilité d'une politique et des organisations qui la promeuvent.

Cette interaction est une caractéristique des procédures de d'évaluation d'impact de politiques. Il est donc logique que l'interaction commence avec les utilisateurs potentiels de cet outil, qui peuvent contribuer à son développement. Cela signifie que les évaluations d'impact réalisées par SEAMLESS-IF peuvent être comprises comme des processus sociaux, y compris dans leurs produits finaux formels. Une perspective sociale qui dirige l'attention au-delà du contenu des rapports d'évaluation et englobe des questions concernant la participation, la présentation, l'évaluation, et comment les frontières entre les dimensions scientifiques et politiques de l'évaluation sont négociées et légitimées (Hoppe 2005).
 

De tels processus sont donc des processus délibératifs, i.e. des processus dans lesquels les idées, les valeurs et les faits sont réciproquement confrontés les uns aux autres comme un moyen d'apprentissage. Pour être scientifiquement crédible, un processus de délibération pour doit considérer toutes les formes de connaissances - scientifiques, expertise, locales et autochtones. Il doit aussi assurer la «responsabilité» de chaque forme de connaissance avant de compter sur elle comme une base de choix politiques. Pour fonctionner, ce processus doit assurer le plein accès à la connaissance par tous les participants. Il faut aussi une transparence totale dans la façon dont la connaissance est créée et utilisée et comment les valeurs sont découverts et appliqués.

Ce faisant, les processus délibératifs peuvent résoudre le double problème de l'incertitude et de l'ambiguïté. Cela se fait en institutionnalisant deux principes de base de l'apprentissage : l'adaptation par l'expérimentation et l'itération à travers le suivi, l'évaluation continue et les changements (Casey 2005).

Si l'on suit Habermas, SEAMLESS-IF peut contribuer à un processus délibératif, lorsque les conditions suivantes sont remplies: (1) Les valeurs de l'organisation -- objectifs des politiques -- correspondent à ceux intégrés dans l'outil SEAMLESS-IF par les experts-scientifiques. (2) La définition du problème peut être débattue entre les parties concernées. (3) Le résultat des évaluations permet un véritable débat avec les parties prenantes concernées.

La troisième condition ne sera normalement pas maîtrisée par les «organisations politiques propriétaires du modèle d'évaluation d'impact", mais contrôlée par les agences d'experts-scientifiques qui utilisent l'outil SEAMLESS-IF.

Pour répondre à la première condition, nous vérifions si les hypothèses des politiques sur le "nexus" science-politique, sont compatibles avec les hypothèses énoncées dans SEAMLESS-IF par les experts-scientifiques. Pour répondre à la seconde, nous illustrons comment la définition du problème créé un véritable débat entre les experts politiques et les experts-modélisateurs dans le cas de tests régionaux. Et ainsi de quelle manière SEAMLESS-IF pourrait contribuer à l'institutionnalisation d'un processus d'évaluation délibératif.

Ce chapitre présente les caractéristiques du système d'évaluation d'impact mis en œuvre en Europe. Nous présenterons ensuite SEAMLESS-IF comme une interface entre Science et Politique, puis nous rapportons sur les façons dont les valeurs de la connaissance et de la politique scientifique furent confrontées et délibérées en discussions avec les utilisateurs potentiels et les applications de SEAMLESS-IF .

Motivation et but de l'évaluation de l'impact (IA) de la Commission

Evaluer l'impact des propositions de politiques devient progressivement un instrument important dans l'élaboration de la politique européenne. Depuis 2003, une évaluation d'impact formelle est nécessaire pour toutes les propositions de réglementation dans la Commission Européenne (CE 2002). L'initiative remonte à la stratégie adoptée à Lisbonne en 2000, où l'Union européenne s'est fixé l'objectif de devenir l'économie la plus compétitive et dynamique du monde en se fondant sur la connaissance. Dans ses efforts pour atteindre cet objectif, la priorité est de mettre en œuvre un meilleur processus d'élaboration des lois et règlements dans l'Union et les États membres. Une façon de parvenir à une meilleure base de connaissances pour de nouvelles réglementations est de soumettre les propositions de politiques à un processus d'évaluation d'impact (CE 2006).
 

L'évaluation d'impact vue comme une partie de la dynamique de construction d'une politique
 

La procédure d'évaluation d'impact à la Commission européenne découle d'un concept de gouvernance qui suppose que les programmes politiques sont le produit d'une interaction complexe entre des organismes gouvernementaux et non gouvernementaux (chercheurs inclus) visant à influencer des décisions collectivement contraignantes qui ont des conséquences pour leur intérêt.

La consultation des parties prenantes de la future politique est toutefois encore souvent retardée jusqu'à ce que le projet soit complet. Dans ce cas -- le plus fréquemment --, l'examen est alors plus politique que scientifique.

Un processus d'évaluation (IA) idéal implique les parties prenantes tout au long du processus, de sorte que les suggestions mises en avant dans la proposition finale sont ancrées à tous les niveaux dans la Communauté européenne (Bäcklund 2009). Les parties prenantes peuvent être consultées sur les différents éléments de l'IA; la nature du problème, les options politiques, impacts, etc. (CE 2005: 9).

L'idée de l'évaluation d'impact est basée sur une hypothèse de «co-production de la connaissance» (Callon 1999), l'hybridation de différents types de connaissances étant nécessaire pour progresser dans la gestion du risque-complexité-incertitude de la mise en œuvre des politiques.

Les évaluations sont susceptibles d'être plus approfondies et comprennent également les aspects de durabilité quand ils concernent des questions complexes sans solutions politiques simples. De telles situations «ouvrent des fenêtres et réduisent les pressions pour réaliser des changements significatifs de politique, ainsi qu'une demande de nouvelles sources de connaissances »(Turnpenny 2008). Pour un exemple, voir l'évaluation de la stratégie thématique pour la protection des sols (Van-Camp et al. 2004).

L'introduction de l'IA dans l'élaboration de la politique européenne est une étape utile pour rendre le développement économique plus fondée sur la connaissance et plus rationnel, mais le développement économique est néanmoins toujours une lutte entre des intérêts contradictoires. Nous considérons ici le «modèle contradictoire» de Hoppe (2005), où l'élaboration d'une politique est une lutte non-violente pour le pouvoir entre les partis politiques et / ou des groupes d'intérêts organisés, qui conduit à des compromis temporaires d'intérêt public (Lindblom 1968).

La Commission Européenne (CE) et ses administrations sont sous forte pression des sphères influentes du pouvoir. Mais les scientifiques et l'utilisation d'outils de modélisation scientifiques sont également subordonnées au jeu politique, car la conception de l'évaluation, ainsi que les résultats de l'évaluation, peuvent être sévèrement critiqués sur des faits et des motifs politiques (voir, par exemple EEAC 2006: 17). Si bien que les groupes scientifiques contribuant à IA risquent d'être la cible d'une critique politique (Bäcklund 2009). Par conséquent, il est nécessaire que les scientifiques soient conscients du caractère politique du processus auquel ils participent.
 

Lorsque la CE propose un nouveau règlement, l'argumentation de la DG pour la recommandation de la politique proposée doit paraître convaincant aux décideurs et au public. Comme il leur faudra expliquer comment l'évaluation résultats appuient l'option politique de la proposition, les agents veulent de la simplicité et de la transparence dans la modélisation. Les modèles et les hypothèses retenues doivent être compris par les spécialistes de la politique. S'ils ne sont pas compréhensibles et transparents ils ne sont pas politiquement utiles pour l'administration (Bäcklund 2009).

Le besoin de simplification peut être une source de conflit entre les ambitions d'un scientifique modélisateur et un expert en politique. Le noyau de cette question concerne une différence «culturelle» entre les chercheurs et la façon d'aborder les problèmes des praticiens - en particulier les praticiens des administrations hautement politisées. Les interactions entre ces cultures sont donc un enjeu principal lors de l'élaboration et l'application d'un tel système SEAMLESS-IF.

La procédure d'évaluation d'impact vue comme un processus d'apprentissage
 

Le but de l'introduction d'une procédure IA est plus large que de fournir simplement une connaissance base pour la prise de décision. L'IA est présenté comme une meilleure manière, plus rationnelle de la prise de décision politique, mais aussi comme un outil pour améliorer la communication interne dans l'Union et rétablir un manque anticipé de confiance dans la gouvernance européenne. La grande aspiration placée dans le système IA comme un moyen de parvenir à améliorer la communication et l'unité dans la politique européenne, afin de promouvoir l'apprentissage mutuel entre les institutions européennes et les États membres et d'aider à "rétablir la confiance dans le gouvernement" sont exprimé dans le rapport Mandelkern précédant la proposition de IA final (Mandelkern [AU1], 2001).
 

Le système politique de l'UE ne repose pas sur une démocratie représentative, mais sur un système de négociation en combinaison avec des principes démocratiques délibératifs. Il peut être décrit comme un système de «prise de décision collective avec participation de tous ceux qui seront touchés par la décision ou de leurs représentants »en combinaison avec une «prise de décision à partir des arguments offerts par et pour les participants qui se sont engagés aux valeurs de rationalité et d'impartialité »(Elster 1998: 8). Une condition préalable au déroulement d'un véritable processus délibératif est qu'il se déroule comme un «raisonnement public gratuit entre parties prenantes placées sur un pied d'égalité »(Cohen 1998: 186).

Le modèle sous-jacent des interactions entre Science et Politique" est un modèle d'«apprentissage pur». Il suppose que les scientifiques et les décideurs politiques coopèrent à travers des concepts et des stratégies d'innovation partagés. Il traite le processus politique comme une sorte de processus de recherche, où le programme politique est considéré comme un ensemble d'hypothèses sur les liens de causalité entre des actions (mesures) et un état futur souhaitable du système cible des mesure. Et simuler la mise en pratique des mesures politiques peut être considéré comme un cas d'expérimentation sociale (Hoppe 2005: 211).

Pour veiller à ce que l'évaluation des travaux de serve également la négociation et la délibération, des consultations font partie de la procédure d'IA, afin qu'il rende les décideurs et le public conscient de l'impact probable des politiques et serve comme un outil de communication entre les (CE 2002: 3).

Conceptualisation des interactions entre Science et Politique dans SEAMLESS IF
 

SEAMLESS-IF est conçu comme un ensemble de procédures et d'outils informatiques produits par des scientifiques, qui peuvent fournir des «informations» aux décideurs, afin de faciliter l'évaluation des impacts probables à court terme d'une politique proposée, et l'exploration des stratégies alternatives pour la réalisation d'objectifs à long terme au travers de décisions d'agriculteurs influençant la gestion des terres de leurs fermes.

Les procédures d'évaluation d'impact de SEAMLESS-IF peuvent être vues comme les applications d'une technologie spécifique encapsulant des méthodes (modèles de simulation) et des données spécifiques pour l'acquisition de nouvelles connaissances (www.seamless-ip.org/).

Pour appréhender le domaine d'intersection entre la science et la politique, nous allons tout d'abord analyser la procédure d'évaluation d'impact de SEAMLESS-IF (technologie) puis les sorties de la procédure (nouvelles connaissances).

La procédure d'évaluation de l'impact de SEAMLESS-IF
 

La procédure d'évaluation de l'impact de SEAMLESS-IF comprend trois phases principales: la pré-modélisation, la modélisation et la post-modélisation (Thérond et al., 2009). Pendant la phase de pré-modélisation, la question en jeu et l'échelle spatiale et temporelle associées sont définies. Les forces motrices du future à un horizon de temps donné sont définies et les indicateurs d'impact sont sélectionnés. Les choix et les sélections effectuées au cours de cette phase expriment les intérêts, les valeurs et les motivations de l'organisation qui a initié l'évaluation de la politique ou un changement technologique.

L'exemple suivant montre comment les options politiques peuvent orienter une évaluation. Supposons que l'objectif de la politique à l'essai soit d'augmenter cultures productrices de bio-carburant. Afin d'atteindre cet objectif, un groupe d'acteurs spécifique veut soutenir la production de biocarburants. Pour défendre cet objectif, ce groupe a besoin d'arguments en faveur de biocarburants. Alors le groupe suggère que les nouveaux systèmes de culture doivent être testés et évalués sur des indicateurs de bilan énergétique. Le groupe pourrait être intéressé par l'évaluation comparée des performances globales des systèmes de culture qui incluent les cultures oléagineuses, et des systèmes de culture sans cultures oléagineuses. Le groupe peut obtenir de plus amples idées sur la façon dont les cultures oléagineuses pourraient être introduites dans de nouvelles régions, et à quel niveau le prix de ces cultures seraient acceptées. La principale préoccupation du groupe est l'emplacement des cultures oléagineuses et les éléments économiques qui favoriseraient ou défavoriseraient leur introduction. Ces deux facteurs auront des répercussions sur l'ensemble de la chaîne d'approvisionnement.

Au cours de l'étape suivante, la phase de modélisation, la chaîne de modèle appropriée est utilisée avec les données pertinentes. Une analyse micro-macro cohérente implique un modèle agricole bio-économique (FSSIM) et un modèle macro-économique du secteur agricole (CAPRI). Des simulations du modèle FSSIM sont exécutés pour les principaux types d'exploitations agricoles dans un échantillon de régions au sein de l'UE (une approche similaire et un modèle micro-économique semblable à FSSIM ont été mis en oeuvre dans le projet CAMAR (CAMARInEnglish  educator6.webnode.fr/decidons/applications/). Ces simulations sont exécutés pour une gamme de prix des produits modélisés avec FSSIM et CAPRI. Il en résulte des indications sur les productions réalisées par ces ferme types et régions à un certain niveau de prix. Les relations prix-approvisionnement sont alors extrapolée aux types d'exploitations agricoles des régions pour lesquelles aucun modèle de FSSIM n'a été exécuté, en utilisant un modèle économétrique (EXPAMOD). Ensuite, le modèle d'approvisionnement (CAPRI) est étalonné à ces réactions de l'offre, permettant la dérivation du marché des matières premières des prix compatibles avec le comportement des fermes. Les prix simulés avec CAPRI sont ensuite utilisés pour une nouvelle évaluation du comportement des fermes agricoles (Van Ittersum et al., 2008a).
 

Au cours de la phase de post-modélisation, les impacts des options politiques et technologique testées sont analysés et explorés, y compris leur compatibilité institutionnelle. La phase post-modélisation peut également inclure la transformation des indicateurs en indices pour la comparaison entre les différentes options stratégiques. Enfin, les différents résultats, indicateurs nouvellement construits et les modèles sont stockés dans une base de connaissances, ainsi que les annotations, et d'autres documents liés au processus, pour une future réutilisation.

Les deux phases pré et post-modélisation nécessitent une interaction complète entre deux types d'acteurs: les spécialistes de la politique et des scientifiques-modélisateurs. Les spécialistes de la politique expriment le problème à évaluer en fonction de leurs intérêts et du rôle de leur organisation. Les scientifiques-modélisateurs fournissent des connaissances et des données et réalisent l'analyse des résultats des simulations. Ils se nourrissent des connaissances scientifiques mises en oeuvre dans le processus politique, en fonction de leurs valeurs.

La procédure d'évaluation d'impacts de SEAMLESS-IF peut être considérée comme un plan pour l'institutionnalisation de la «délibération. Le terme «délibéré» signifie que les valeurs et les faits sont construits dans une pratique participative, où ils sont moulés dans un processus de confrontation mutuelle. Dans les processus de délibération, il est prévu que les gens à travers l'interrogatoire va découvrir des valeurs - ce qui est important pour eux, pour les autres, et à la société - et en apprendre davantage sur les intérêts de leurs et de la société. Il est cet engagement fondamental à l'apprentissage qui caractérise l'utilisation de «confrontation» et «interrogation» parmi des idées et des valeurs.

L'institutionnalisation de la «délibération» - à savoir l'interrogation simultanée des connaissances et des valeurs - peut transformer la prise de décision politique (Smith, 2000). Ce processus est aussi décrit par Habermas comme une phase majeure de la démocratie délibérative (1996). Habermas distingue trois modèles pour la relation entre la science et la politique, parmi lesquels "le modèle pragmatique» reconnaît que «... il y a interdépendance entre les valeurs et les faits ... et la stricte séparation entre les fonctions de l'expert et du politique est remplacée par une inter-relation critique» (Van den Hove 2007).

La représentation de la classification "Habermas" des relations science-politique dans SEAMLESS-IF peut être considérée comme un modèle pragmatique. La raison principale de ceci provient du fait que les procédures SEAMLESS-IF reconnaissent l'interdépendance entre les valeurs exprimées par les organisations et les techniques pour satisfaire les besoins axés sur la valeur. Dans les procédures SEAMLESS-IF, la séparation stricte entre les fonctions des scientifiques et des décideurs est remplacé par une inter-relation critique.

Dans la procédure d'évaluation, où le choix des connaissances scientifiques est nécessaire - à savoir quelles situations problématiques sont examinées et lesquelles sont laissées de côté - implique la dynamique qui se rapportent à la fois aux domaines scientifiques et politiques. L'identification de la question en jeu, le choix des disciplines, les méthodes pertinentes, échelles, les variables et les frontières, et les stratégies visant à articuler entre eux sont éléments du processus scientifique qui ne sont nullement isolés du socio-politique le contexte. En d'autres termes, le cadrage de la question à examiner dans l'évaluation implique des jugements de valeur et les décisions concernant ce qui sera considéré et ce qui ne - d'experts en politique, et à propos de qui prendra être impliqués et cependant de modélisateurs intégratives. Où le premier domaine d'intersection entre la science et la politique dans la procédure SEAMLESS-IF est une conséquence du fait que les processus de la sélection, le cadrage et résoudre un problème, ainsi que la conception du potentiel solutions concernent à la fois scientifique et les sphères politiques.

Le second domaine d'intersection entre la science et la politique se rapporte à la sélection des modèles et des indicateurs utilisés pour identifier les impacts de la politique pour être testées. Les jugements de valeur sont également intégrées dans les décisions sur les résultats wi ll être utilisé et la façon dont ils sont interprétés. Le point essentiel ici est que la processus de sélection SEAMLESS-IF des modèles et des indicateurs appartient à la fois à la processus scientifique et le processus politique. Les experts politiques peuvent influencer le scientifique processus de validation dans le sens de l'intérêt et les valeurs de leurs organisations. modélisateurs intégrés pourraient nourrir les connaissances scientifiques dans le processus politique en conformément aux valeurs des réseaux scientifiques par lequel «les scientifiques construisent leur autorité cognitive ». Les réseaux scientifiques peuvent être utilisés comme «un véhicule puissant pour canaliser l'apport scientifique à l'élaboration des politiques »(Van den Hove 2007: 813).

Les sorties de SEAMLESS-IF vues comme une interface Science-Politique
 

SEAMLESS-IF a été conçu pour fournir aux "experts-politiques" des informations sur les probables incidences d'une politique spécifique  (www.seamless-ip.org/). Comme dans le projet CAMAR (CAMAR, CAMARInEnglish ), ces informations sont fournies par des indicateurs et indices, dont l'ensemble des valeurs constituent un scénario politique (P). Le scénario de base (P0) est constitué par les impacts probables de la PAC telle que prévue pour être mis en œuvre en 2013, y compris les modifications législatives futures déjà décidées. Il constitue le point de référence pour l'interprétation des effets de certaines modifications de la PAC et/ou de divers chocs provenant du marché ou de la ferme, en termes de besoins économiques, sociaux et écologiques de la société, et des moyens pour satisfaire ces besoins (scénarios Pi).

Les "sorties" de SEAMLESS-IF peuvent être comprises comme des interfaces science-politique pour la construction de «connaissances stratégiques». Suivant Grunwald (2004), il y a trois raisons de considérer les "sorties" de SEAMLESS-IF comme des connaissances stratégiques :
- Elles combinent des informations contextuelles (fermes, région, marché) et des informations technologies (innovations agronomiques)
- Elles sont provisoire et incomplète dans leurs aspects descriptifs en raison du degré d'incertitude dans les modèles et les données fournies
- Elles sont non-vérifiables, car elles ne donnent pas une représentation empirique de la réalité

Les "sorties" de SEAMLESS-IF constituent une forme exploratoire de la connaissance. Leur but n'est pas de prévoir l'avenir - supposé être pluriel - mais plutôt de contribuer à délimiter l'incertitude.

En offrant une base de discussion, elles peuvent jouer un rôle décisif dans un dispositif de communication. Mais débattre sur les "sorties" de SEAMLESS-IF nécessite une bonne connaissance de leur sensibilité aux valeurs masquées et autres hypothèses des modèles utilisés (Morgan et Dowlatabadi 1996; Brugnach et al., 2007). Van Ittersum et al., 2008b suggèrent que les "sorties" de SEAMLESS-IF soient analysées en quatre étapes: l'identification des sources d'incertitude dans la chaîne de modèles utilisée; la communication de cette incertitude à l'utilisateur; la construction d'un aperçu des effets et / ou de l'importance relative des sources d'incertitude pertinentes pour les utilisateurs; la communication de ces effets pour les utilisateurs.

Les problèmes et défis inhérents aux interfaces science-politique SEAMLESS-IF peuvent être résumés comme suit :
Phase de pré-modélisation :
- Définition du problème : sélection des situations problématiques regardées / laissées de côté
- Technologie de résolution : choix de la chaîne de modèles et des données

Phase de post-modélisation
- Réseaux de discussion scientifique : véhicules pour canaliser l'apport scientifique à la politique;

- Influence des questions de politique sur l'éducation des scientifiques
- Analyse stratégique : équilibre entre les impacts économiques, environnementaux et sociaux
- Achèvement de la base de données / complexité des indicateurs
- Analyse L'incertitude du modèle / sensibilité des sorties basées sur les locaux des modèles

La phase de pré-modélisation consiste à sélectionner les situations problématiques regardées / laissées de côté. Un des défis majeurs de cette sélection pour les décideurs politiques concerne la pertinence des questions à traiter, en raison des divergences de points de vue possibles entre les décideurs -- sensibles aux perceptions de leurs mandants respectifs -- et les chercheurs.

Le défi lié à la "technologie de résolution" concerne le choix des données sélectionnées, des algorithmes de calcul, et des indicateurs d'impacts retenus, ainsi que la description des attendus qui gouvernent ces choix, qui doivent être discutés entre chercheurs-modélisateurs et experts-politiques.

Au cours de la phase post-modélisation, les chercheurs sont confrontés à des discussions où les résultats peuvent être contestée. En fait, les chercheurs scientifiques n'agissent pas seuls. Ils appartiennent à des institutions et des réseaux. Sans toujours en être pleinement conscient, les chercheurs apportent les idées de leurs réseaux dans le travail. Grâce aux modèles, des hypothèses
sont introduits dans la formulation de la question à évaluer. À son tour, les politiques des décideurs influencent la formation des scientifiques.

Au cours de l'analyse stratégique d'autres questions doivent être abordées, telles que la façon d'équilibrer économique, environnemental et social impacts; comment sélectionner les sorties de la modélisation, parmi toutes celles qui sont disponibles, lesquelles seront considérés comme «les résultats»; et comment les causes potentielles de l'incertitude doivent être présentées.

Les sections suivantes décrivent des applications de test de cette démarche.

Études de cas : Création d'un débat
 

Les deux cas présentés ci-après décrivent des interactions avec les utilisateurs potentiels au cours du développement de l'SEAMLESS-IF. Le premier cas décrit l'interaction avec les agents à la CE afin d'explorer leurs points de vue sur la façon dont la procédure devrait être développée afin de répondre des travaux d'évaluation dans les directions générales. Le deuxième cas décrit des interactions avec les représentants au niveau régional en France lors de la mise en place des évaluations dans des situations de test.

Cas 1 : Interaction avec la CE

Les affectations des crédits de recherche par la CE est une façon de manifester la priorisation politique et l'expansion des connaissances dans une certaine direction. Compte tenu de l'importance attribuée à évaluation de l'impact de la politique européenne,il est logique que plusieurs grands projets visant à élaborer des cadres pour des outils de modélisation soient actuellement financés par le programme-cadre de l'UE pour recherche et développement technologique (Par exemple SEAMLESS, CAPTEUR, EFORWOOD). Le développement de ces systèmes est clairement en ligne avec l'objectif de la Commission de mettre en œuvre l'évaluation de l'impact procédure de la CE et dans les États membres.

Mais aussi le travail de manière dans les projets financés est organisé, fait partie d'une politique progression de répandre l'idée d'évaluation de l'impact comme outil politique. Dans la recherche des propositions et des évaluations intermittentes des projets sur l'importance de l'utilisateur interaction avec les utilisateurs potentiels à différents niveaux politiques pendant le développement du système a été soulignée avec force. Diffusion et parties prenantes interaction sont des exigences régulières dans la recherche financée par la CE, mais dans les recommandations au projet SEAMLESS il a été préconisé d'une manière assez prononcée.

Il a déjà été reconnu dès le début du projet que le succès de SEAMLESS-IF et son impact sur les politiques de l'UE dépendaient d'une mise en œuvre efficace de cet outil et de son intégration dans les organisations d'utilisateurs. Dans la proposition de projet, il a donc été stipulé que le programme de recherche devrait mettre en place un groupe permanent de conseillers entre les utilisateurs potentiels de SEAMLESS-IF qui pourraient aider à maintenir et développer l'outil dans un processus de «co-évolution». Les utilisateurs ont été définis comme des organisations / individus qui pourraient potentiellement utiliser SEAMLESS-IF pour soutenir les processus d'évaluation des impacts. Pour des raisons essentiellement pratiques, les utilisateurs ont été divisés en premiers utilisateurs (DG de l'agriculture et de l'environnement de la CE) et d'autres décideurs politiques de niveau national ou des agences et organisation chargées de la la mise en œuvre de politiques.
 

Construire une plate-forme d'interaction

Comme l'objectif était de développer un outil qui pourrait aider les évaluations d'impact effectuées par la Commission, une interaction a été organisée avec des décideurs politiques que nous avons identifiés comme possibles utilisateurs potentiels de SEAMLESS-IF.

Plus de 30 personnes appartenant à différentes DG de la Commission, au Parlement européen, ainsi que dans les administrations nationales et régionales ont été approchés par le biais d'e-mail, d'entrevues personnelles et de réunions d'information concernant l'objectif du projet et son arrière-plan dans la directive de la Commission de Évaluation de l'impact.

Les acteurs impliqués, chercheurs et agents des administrations, ont participé à un processus qui peut être décrit comme un apprentissage interactif. Mais on peut également considérer que les chercheurs ont agi à titre de lobbyistes pour ancrer l'idée d'évaluation d'impacts ex ante en général et l'évaluation à l'aide d'outils de modélisation en particulier, parmi les employés dans les administrations.

Finalement le processus a donné lieu à la création d'un Forum d'utilisateur "experts-politiques" comprenant une dizaine de représentants de la DG Agriculture, DG Environnement et de la DG Economie et des Finances, EEA (European Environment Agency), JRC (Joint Research Centre) prêts à travailler avec les chercheurs-modélisateurs.
 

Cette expérience d'apprentissage a montré que, selon la «culture de travail» des services, les DG préfèrent ne pas de représentants d'organisations externes à la Commission dans ce type du forum, alors que les chercheurs suggéraient de créer un Forum comprenant des représentants des services de la Commission, et des représentants d'autres organisations telles comme les syndicats d'agriculteurs, les organisations environnementales et l'OCDE.

Les sept réunions qui ont eu lieu ont donné lieu à un échange de connaissances qui a été bénéfique pour le développement de l'outil SEAMLESS-IF. Une revue systématique des procès-verbaux des réunions affiche que les discussions ont principalement tournées autour de trois types de thèmes: (i) la structure et le contenu du système ; (ii) les performances techniques, la connaissance de l'outil; et (iii) méthodes pour aborder et attirer l'intérêt de la DG et les autres utilisateurs.

Il en ressort (i) des informations sur les points positifs et négatifs de la structure et du contenu du système ; (ii) des demandes d'informations sur l'outil et ses performances techniques; et (iii) des suggestions sur les méthodes pour aborder et attirer l'intérêt de la DG et les autres utilisateurs.

Réactions positives et négatives du point de vue de l'utilisateur de SEAMLESS-IF

La phase précoce de l'interaction a été centrée sur l'objectif de l'outil SEAMLESS-IF ses composants afin d'obtenir une rétroaction sur son utilité pour les organisations. Il est devenu clair qu'un cadre intégré pour modéliser les effets d'une politique -- tel que SEAMLESS-IF -- était d'un grand intérêt pour les organisations et qu'il était opportunément présenté comme un outil permettant d'augmenter l'importance de l'évaluation d'impacts (IA) dans les procédures de la CE.

La mise en œuvre d'un système comme SEAMLESS-IF impliquerait un changement majeur dans la procédure et la qualité par rapport aux méthodes actuelles, en ce qu'il permet une meilleure estimations des impacts que celle basées sur les jugements d'experts ou sur les modèles fragmentés.

Une des caractéristiques qui a particulièrement interpellé les participants fut la construction ouverte du système avec des liens vers d'autres modèles, et des résultats qui peuvent être présentés avec différentes techniques de visualisation. L'importance d'une conception ouverte du cadre d'évaluation est liée à l'anticipation qu'il y aura plus de questions générales et ouvertes à l'avenir, comme: Qu'est-ce qui se passera si la sécurité alimentaire devient plus importante? Qu'est-ce qui se passera dans l'UE si l'Inde et la Chine deviennent les principaux importateurs de produits alimentaires? Une autre raison de garder le cadre d'évaluation ouvert serait d'étudier par exemple des problème liés aux ressources en eau qui nécessite l'intégration de modèles hydrologiques ou d'incorporer des modèles qui sont déjà opérationnels dans les organisations.

Parallèlement à l'intérêt positif des participants dans le potentiel prometteur d'un outil comme SEAMLESS-IF, ils ont démontré leur rôle de praticiens en considérant les aspects négatifs de l'ouverture du système. Dès le départ, les participants étaient soucieux de ne pas «perdre leur temps» sur le développement d'un outil dont l'usage et l'administration n'est pas assuré. Ceci est une différence entre chercheurs et praticiens. Pour les chercheurs le développement de la connaissance est bénéfique en tant que tel. Pour les praticiens, il n'est bénéfique que si la connaissance peut être administrée et appliquée. Théoriquement chacune des deux parties comprend le point de vue de l'autre, mais les questions soulevées étaient: «Qu'est-ce qui se passera avec SEAMLESS-IF après 2008, lorsque le projet de recherche aura pris fin ? Qui va maintenir les modèles et la base de données ?" "L'équipe de recherche était bien sûr consciente de la nécessité de fournir une répondre à cette question, mais pour des raisons évidentes, il était impossible de donner des garanties avant le processus de développement eût commencé. Cette interaction montre donc qu'il est nécessaire d'envisager des formes d'administration du système, dès le début du projet.

Ce point a également été fortement appuyé par le Conseil consultatif scientifique du projet et les examinateurs indépendants. En conséquence, le conseil d'administration du projet a développé une plan d'administration de l'outil SEAMLESS-IF, avec la mise en place d'une Association chargée de sa maintenance. L'objectif principal de l'Association est de maintenir, développer et diffuser le produit majeur du projet, à savoir SEAMLESS-IF, ses modèles et ses bases de données.

Quel type d'interface pour qui?

Une autre question importante à ce stade précoce du projet a été la question de savoir comment l'interface utilisateur doit être conçue. Mais avant, il est nécessaire d'établir plus précisément le type d'utilisateur de l'outil SEAMLESS-IF et quelle connaissances sont nécessaires pour être en mesure de naviguer dans le système. Au début des discussions, il a été suggéré par les participants du Forum qu'ils aimeraient avoir un outil simple sur leur ordinateur pour répondre rapidement des questions brûlantes, dans leur travail quotidien.

Il est cependant apparu très difficile d'envisager que le système soit, à la fois, assez convivial pour que tout IA-chef de file dans une DG soit en mesure de mettre en place et traiter une question avec le système de modélisation, et capable de fournir un cadre souple pour modéliser un large éventail d'applications.

Il est apparu que la possibilité de naviguer à travers le système serait limitée aux personnes qui ont de bonnes connaissances en modélisation. Il y a évidemment une tendance à faire un travail plus en interne sur les Agents des organisations politiques et aussi à augmenter le nombre de personnes qui ont des connaissances sur la modélisation dans les directions générales, mais le nombre d'employés qui seront capables d'effectuer la modélisation restera limitée. Une discussion plus approfondie sur cette question dans le Forum a également révélé que même les personnes ayant des connaissances dans la modélisation n'auraient guère la possibilité de passer le temps qu'il faudrait pour mettre en place les pistes de modélisation nécessaires. Un chef d'évaluation doit consacrer son temps pour initier et conduire les différentes parties de l'évaluation de l'impact processus et il ne sera donc pas en mesure d'effectuer personnellement l'analyse et la modélisation des questions complexes. Il est donc apparu que dans le cas où la modélisation est utilisée, elle sera généralement sous-traitée.

Les discussions du Forum, complétées par des informations provenant d'autres agents DG qui étaient en tête de projets d'évaluation de l'impact, a conduit à la décision que nous devions viser un système conçu pour une utilisation à différents niveaux. Pour configurer et traiter de nouvelles questions, il y aura un besoin de spécialistes de l'intégration des modèles -- integrative modellers --

qui connaissent le système SEAMLESS-IF et ses composants. Les experts de la politique des organisations -- policy expert -- devraient être munis d'une interface où ils peuvent modifier les paramètres de la chine de modèles élaborée par le spécialiste, pour tester des réponses alternatives à l'aide de modifications mineures dans les variables, et pour afficher et analyser les résultats.

Motifs stratégiques des technologies et connaissances mobilisées

Nous avons rencontré un certain nombre de demandes concernant les performances techniques de l'outil SEAMLESS-IF. Ces demandes étaient généralement concrètes. Par exemple, il a été dit qu'il serait bénéfique que l'outil soit relié aux Directives de la Commission pour les Évaluation de l'impact. Une autre demande spécifique était de montrer le résultat d'une modélisation par rapport à un objectif politique, comme un drapeau rouge indiquant des objectifs chiffrés qui ne sont pas atteints. Ces demandes sont assez faciles à satisfaire.

La première demande sur l'adoption de directives CE a une grande influence sur la conception de l'interface de l'utilisateur final qui est construite autour des trois étapes dans le processus d'évaluation intégrée : pré-modélisation, modélisation, post modélisation. La dernière demande peut être satisfaite par les techniques de visualisation élaborées dans la partie de présentation de l'interface. La raison des deux requêtes des exemples ci-dessus peut être reliées au travail d'évaluation pratiqué quotidiennement par des services. Elles sont également facilement comprises et traitées par les chercheurs.

D'autres demandes, comme la transparence et l'incertitude des résultats, trouvent leurs raisons dans la dimension politique de l'évaluation d'impacts et ne seront pas facilement traitées dans l'outil SEAMLESS-IF. Les participants ont exprimé à plusieurs reprises leur préoccupation concernant le manque de transparence des systèmes de modélisation en général. La demande pour un système d'évaluation transparent découle de la nécessité pour les organisations politiques d'améliorer leur légitimité, légitimité qui s'accroît lorsque la production de connaissances, sur laquelle la politique est basée, a été menée de manière impartiale et a traité des intérêts opposés d'une manière équitable. La partie modélisation d'une évaluation ne doit donc pas être soupçonné d'avoir prise sur l'agenda politique. Dans la pratique, la question de la transparence signifie que les leaders des processus d'évaluation d'impacts et d'autres responsables politiques doivent être en mesure de défendre et d'expliquer résultats de la modélisation à un groupe critique de parties prenantes. Si le système de modélisation est une boîte noire, où les hypothèses et les autres paramètres critiques ne sont pas clairs et compréhensibles, le résultat pourrait ne pas être perçu comme utile (saillant) pour les responsables politiques.

La demande de transparence est satisfaite avec une documentation détaillée de chacun des composants et l'ensemble de l'outil SEAMLESS-IF. De plus, le développement d'une articulation entre les concepts qui sont partagés entre les composantes de l'outil sert l'objectif de transparence et la cohérence (Janssen et al., 2009). En outre, le besoin de transparence a déclenché un investissement important pour développer des interfaces utilisateur graphiques pour deux types d'utilisateurs, pour définir et documenter les spécifications des expériences d'évaluation de l'impact avec SEAMLESS-IF.

Nous avons aussi appris que la question de l'incertitude des résultats est importante. Plus le processus d'évaluation est proche de la mise en œuvre de la politique plus l'incertitude augmente. L'information sur l'incertitude doit être basée sur les points que les utilisateurs ont trouvé importants et ils ont besoin d'obtenir une compréhension plus profonde de ces points. Cette expérience a encouragé le projet d'adopter une approche de l'analyse d'incertitude axée sur l'utilisateur (Gabbert et al., 2009). Dans le cadre de cette approche, un questionnaire dans le but de saisir les aspects les plus importants de l'incertitude a été distribué aux participants du Forum d'utilisateur et d'autres contacts à divers niveaux (DG, CCR et de l'EEA). Le questionnaire a révélé quels éléments d'incertitude ces utilisateurs potentiels trouvent les plus pertinents. Bien que les réponses des répondants diffèrent, ils donnent une certaine l'orientation vers les analyses de l'incertitude dans les chaînes de modèles de SEAMLESS-IF. Une approche traditionnelle de l'analyse de l'incertitude n'est ni faisable ni efficace; à la place SEAMLESS-IF met l'accent sur les sources pertinentes et les aspects de l'incertitude identifiés par les utilisateurs et les scientifiques(ibid.).

Le caractère politique d'un processus IA a également été transformé en demandes comme la nécessité d'une sélection très souple d'indicateurs. Une situation où les décideurs politiques serait complètement libre de proposer leurs propres indicateurs serait la situation optimale. La raison en est que, au cours d'une évaluation d'impacts (IA), des négociations entre plusieurs DG et les parties prenantes sont nécessaires. Une sélection des indicateurs trop fixée peut nuire à l'évaluation d'impacts. Un compromis acceptable peut être trouvé dans des typologies de problèmes, des listes d'échelles spatiales, des options de politique (instruments économiques, réglementaires volontaires), des scénarios (économiques et indicateurs environnementaux) et impact (domaine, échelle).

Conclusion Remarque sur l'expérience UE

Les interactions avec les utilisateurs potentiels de la Commission ont servi au développement du processus d'évaluation d'impacts avec l'outil SEAMLESS-IF, avec les spécifications des exigences et le développement d'une stratégie pour l'entretien au-delà de la durée de vie du projet. Elle a conduit à l'identification de la nécessité pour les interfaces utilisateur différentes et la possibilité d'adopter ces selon aux exigences de procédure dans le travail d'évaluation de la CE. De toute évidence, les degrés de la liberté dans un vaste projet de recherche avec de nombreux partenaires avec une agence de financement demande une proposition de projet claire et détaillée avant de commencer le projet sont en quelque sorte restreint une fois que la projection a commencé. Les interactions cependant confirmées d'emblée que ce qui était proposé et développé par le projet SEAMLESS était correspondant à leurs besoins globaux. Dans les objectifs généraux et la méthodologie des interactions a contribué à l'établissement des priorités au sein du projet et grandement déclenché la réflexion en temps opportun à propos de la continuité, la maintenance, l'extension et la diffusion. De cette manière, les deux principaux résultats des interactions, à savoir l'évaluation et la spécification des exigences et la continuité, servent aussi les uns des autres. Exigences qui ne peuvent pas être satisfaites (Entièrement) au cours de la durée de vie du projet sont un point de départ important pour la plan de travail de l'Association SEAMLESS.

Cas 2 : Interactions avec les organisations régionales

Les cas d'application sont dérivées de la phase de test du prototype 2 de SEAMLESS-IF impliquant des scientifiques avec des connaissances sur les structures des base de données, les formats des données, les mesures de qualité et des composants du modèle, et des experts représentant des instances politiques ou administratives en France.

Onze tests régionaux impliquant 17 experts politiques et 9 modélisateurs (de 6 instituts de recherche différents ) ont été réalisés. Deux méthodes différentes d'interaction ont été appliquées: discussions ouvertes autour des sujets clés et des discussions structurées autour des modèles à spécifier.

Les essais de la phase de pré-modélisation incluent la sélection et le cadrage des enjeu pour l'organisation impliquée, ainsi que la définition des mesures de politique à tester et les expériences pour évaluer ces mesures. Le cadrage de la question inclut la définition des objectifs ultimes et intermédiaires de la politique à tester en termes d'indicateurs d'impact. Définir les mesures à tester implique la spécification des changements dans l'environnement des acteurs cibles de la politique (instruments économiques, instruments de régulation, instruments volontaires) et / ou des changements dans le comportement des acteurs donnés. La conception des expériences implique de définir l'échelle spatiale de la question en jeu (nation, région, type de ferme, etc.), l'échelle temporelle de la mise en œuvre des mesures, et les forces motrices du future affectées par la politique testée et qui pourraient influer sur les résultats (scénarios économiques et / ou scénarios environnementaux).

Commentaires généraux sur le processus de pré-modélisation
 

La plupart des experts en politique ont apprécié les étapes de travail dans la phase de pré-modélisation et ont dit qu'elles les ont aidés à clarifier et à rendre leurs problèmes explicites.
Les modèles ont été perçus comme de bons outils pour soutenir le problème de cadrage et identifier les options politiques appropriées à tester. Les experts politiques ont apprécié d'avoir été interrogés sur leur opinion sur les impacts possibles d'une politique. Cela leur a donné l'occasion d'exprimer leur expérience et des connaissances, et a donné aux modélisateurs une possibilité de fusionner ces informations avec les connaissances scientifiques pour préciser les indicateurs d'impact. Ce processus de travail en commun peut éviter de voir les résultats rejetés plus tard.

Les modélisateurs ont reconnu les procédures de pré-modélisation comme un moyen efficace pour en apprendre davantage sur les valeurs sociales des experts politiques et inclure de nouvelles connaissances. Le test leur a permis de mieux comprendre les opinions des experts en politique et de trouver ainsi les moyens de les aider dans la formulation de leurs objectifs et de leurs intérêts et de les traduire dans un système d'évaluation d'impact tel que SEAMLESS-IF
 

Si les expériences rapportées ci-dessus sont généralement valables, cela signifie que l'outil SEAMLESS-IF et la procédure de pré-modélisation peuvent servir d'interface d'apprentissage pour experts politiques. Bien que le feed-back général soit prometteur, quelques étapes de la processus de pré-modélisation apparaissent critiques. Ces situations clés seront discutées ci-dessous ainsi que des suggestions pour des améliorations qui peuvent faciliter le processus.

Le cadrage du problème
 

Le cadrage du problème est le processus au cours duquel les acteurs précisent ce qu'ils veulent faire dans les termes acceptables par le système d'évaluation d'impacts. Le cadrage du problème nécessite une représentation adéquate des principaux aspects de la question et de leurs connections. Les facteurs et relations de causalité permettent de proposer des options politiques et des forces motrices externes à tester.

Les liens de causalité spécifieront les contextes biophysiques et les éléments de gestion agronomique qui doivent être pris en considération, et indiqueront les solutions qui ne doivent pas être prises en considération (Bardach 2000). Les différentes combinaison d'options politiques, perspectives et contextes à considérer, constituent des «plans d'expérimentation». Ces plans constituent la principale forme de "sorties" du processus de cadrage du problème (Janssen et al., 2009). Si le problème néglige [AU2] des dimensions importantes, cela peut «limiter la compréhension et réduire la 'vision' des analystes, créant des «zones d'ombres dans lequelles les gens ne verront pas certaines alternatives potentiellement intéressantes ' (Stern 1986: 200).

Au cours de la phase de définition du problème, les experts politiques, expriment leur problème en termes d'intérêts organisationnels, leurs valeurs et motivations (différences entre la situation actuelle et la situation désirée), alors que les modélisateurs ont besoins de spécifier les objectifs de la politique, les indicateurs d'impact et les contraintes en vue de mettre en place un plan d'expérimentation. En conséquence, la définition du problème et les spécifications des plans d'expérimentation peut nécessiter plusieurs réunions entre experts politiques et modélisateurs. Dans certains cas, aucun problème et expérience n'ont été définis car les experts en politiques avaient besoin de plus de temps pour préciser les enjeux des questions à traiter. Dans d'autres cas, les modélisateurs ont eu besoins de temps pour vérifier la capacité des modèles à résoudre le problème proposé ou trouver des façons de le rendre traitable avec l'outil SEAMLESS-IF.

À la suite de la discussion avec les décideurs politiques, il a été décidé que SEAMLESS-IF, pour des fins de comparaison, devrait offrir des outils de cartographie interactive pour aider à co-concevoir différents plans d'expérimentation. En outre, il a été suggéré que des exemples de problèmes et de spécifications de plans d'expérimentation devraient être fournies à titre indicatif. Cela rendrait plus facile la transformation des intérêts et valeurs des organisations en indicateurs d'impact et expériences à exécuter. Un discours ouvert sur les questions de recherche et des questions politiques au début du processus d'évaluation peut aider à veiller à ce qu'un large cadrage soit réalisé. Dans les cas de test, la procédure de cadrage du problème a été est essentielle pour attirer l'intérêt des acteurs, bien que les participants parfois contesté le procédé. Même l'idée qu'un problème dusse être traité pourrait être contesté.

Spécification de l'option de politique

Les experts de la politique régionale se sont montrés intéressés pour évaluer les politiques de l'UE (par exemple la réforme de la politique agricole commune) et les politiques régionales qui sont conçus par leur propre organisation (par exemple les politiques soutenant l'introduction de cultures spécifiques dans de nouvelles régions). Mais spécifier les options de politique à tester s'est avéré être une autre étape difficile dans la méthodologie, car il y a encore un manque d'outils de soutien pour faire de cette processus efficace.

La spécification des options politiques est également d'une importance capitale pour une évaluation réussie et elle est également cruciale pour la compréhension entre les experts politiques et modélisateurs. Une option politique est un ensemble de mesures (changements dans le contexte économique et / ou réglementaire /environnemental) qui doivent être appliquée dans un espace donné pour résoudre un problème, i.e. réduire le différence entre la situation réelle et la situation désirée par l'organisation politique.

Mais l'étape la plus difficile pour les scientifiques est la définition du problème. Les décideurs expriment leur frustration avec des définition étroites de problèmes scientifiques (différences entre la situation actuelle et la situation désirée). Et les scientifiques s'efforcent de séparer les nombreux fils et pièces des problèmes politiques complexes en options évaluables.

Remarque sur les expériences de test régional
 

Pour conclure, les tests suggèrent que SEAMLESS-IF peut contribuer à faire de l'évaluation intégrée un processus de délibération entre le scientifique et politique sphères. Bien que l'expérience générale de la mise en place des cas de tests régionaux soit prometteurs, des étapes critiques sont apparues dans la procédure d'évaluation, qui doit encore être améliorée. Trois étapes de conception particulières méritent une attention: le processus de cadrage, la spécification de la résolution spatiale et la spécification de la politique à évaluer. Les tests ont également donné un aperçu de l'importance des outils pédagogiques qui peuvent favoriser la compréhension mutuelle et le débat entre les acteurs pour améliorer le processus.

Une recommandation supplémentaire est de rendre compte de la politique et du contexte économique, social et scientifique dans lequel l'évaluation est intégrée. Pour cela, il est essentiel de connaître les besoins des utilisateurs potentiels, de prendre connaissance du passé, de l'expérience et l'histoire institutionnelle, et d'assurer une participation appropriée au processus d'évaluation. Sinon, il y a un risque pour l'implication des parties prenantes (Hilborn 1979; Mintzberg 1980).

Conclusions

L'évaluation d'impact (IA) des politiques devient progressivement un instrument important dans l'élaboration de la politique européenne. La procédure d'IA dans la Commission découle d'un concept de gouvernance qui suppose que les programmes politiques devraient être le produit de l'interaction complexe entre le gouvernement et les organisations non gouvernementales (chercheurs compris), chacun cherchant à influencer l'ensemble les décisions qui ont des conséquences pour leur intérêts. Basée sur une hypothèse de «co-production de la connaissance», cette procédure vise à améliorer la crédibilité d'une politique.

Afin de rendre un système comme SEAMLESS-IF applicable dans un processus de prise de décision Européen, l'interaction avec les utilisateurs potentiels du système doit intervenir au cours de son développement. Avec l'objectif de prendre en compte l'opinion des utilisateurs potentiels du système, différentes formes d'interaction ont été réalisées. Les discussions avec les agents de l'administration de l'UE participant au Forum d'utilisateurs de SEAMLESS et des représentants des administrations régionales dans la mise en place des évaluations des situations d'essai en France ont conduit aux conclusions suivantes.

Les discussions au niveau de l'UE ont confirmé que le cadre proposé développé par le projet SEAMLESS correspond aux besoins globaux des utilisateurs potentiels. Les commentaires sur les prototypes qui ont servi au développement de SEAMLESS-IF et permis de développer des visualisations qui correspondent aux exigences des utilisateurs. Il ont également permis d'identifier la nécessité de développer des interfaces utilisateurs spécifiques, conformément aux exigences de procédure d'évaluation de la CE. Les interactions ont en outre contribué à l'établissement des priorités au sein du projet et déclenché au moment opportun la réflexion sur la continuité, la maintenance, l'extension et la diffusion.

Les tests des procédures d'évaluation au niveau régional ont révélé que les scientifiques spécialisés dans la modélisation ou l'analyse des systèmes, peuvent jouer un rôle important rôle pour faciliter l'intégration des différents types de connaissances dans la définition d'un problème de politique. Bien que l'expérience générale de la mise en place des cas-tests soit prometteuse, des étapes critiques sont apparues dans la procédure d'évaluation, qui doivent encore être améliorées. Trois étapes particulières du processus méritent une attention: le processus de cadrage du problème, la spécification de la résolution spatiale, et la spécification de la politique à évaluer.

Les rencontres interactives entre les décideurs et les scientifiques montrent que les scientifiques peuvent avoir un rôle important dans la promotion du processus d'apprentissage de la politique. En effet, l'une des raisons pour intégrer la science dans le processus d'élaboration d'une politique est pour les scientifiques de se renseigner sur les valeurs sociales, et d'apprécier d'autres façons de connaître et reconnaître les limites de la science dans la politique. Un rôle pour le scientifique est d'intervenir comme un «critique institutionnalisé» dans un processus d'analyse des politiques. Une contribution essentielle de la science est de démontrer dans quels contextes les "croyances" des experts sont validées / prouvées et dans quels contextes la "sagesse" conventionnelle est tout simplement fausse. Les acteurs politiques, d'autre part, doivent être prêts à s'engager dans un processus d'évaluation assez exigeant en temps pour arriver à un résultat crédible.

Toutefois, la procédure proposée n'apporte aucune aide à l'amélioration de la pertinence des objectifs d'une politique, et la définition du problème à traiter reste une phase difficile. Les décideurs politiques expriment ce problème sous forme d'assez larges frustration ou au travers de spécifications étroites (différences entre la situation actuelle et la situation désirée) plutôt qu'au travers d'une définition scientifique du problème. Scientifiques et politiques doivent donc travailler à de nouveaux moyens de spécification des problèmes.

Références

[AU3] Alkan Olsson, J., Bockstaller, C., Stapleton, L.M., Ewert, F., Knapen, R., Therond, O., Geniaux, G., Bellon, S., Pinto Correira, T., Turpin, N., & Bezlepkina, I. (2009). A goal oriented indicator framework to support integrated assessment of new policies for agri-environmental systems. Environmental Science and Policy (in press).

[AU4] Bäcklund, A.-K. (2009). Impact assessment in the European commission – a system with multiple objectives. Environmental Science and Policy (in press).

Bardach, E. (2000). A practical guide to policy analysis: The eightfold path to more effective problem solving . New York: Chatham House.

Brugnach, M., Tagg, A., Keil, F., & de Lange, W. J. (2007). Uncertainty matters: Computer models at the science–policy interface. Water Resources Management, 21 , 1075–1090.

Callon, M. (1999). The role of lay people in the production and dissemination of scientific knowledge. Science, Technology and Society, 4 (1), 81–94.

Casey, A. (2005). Enhancing individual and organizational learning: A sociological model. Management Learning, 36 (2), 131–147.

Cash, D., & Buizer, J. (2005). Knowledge-action systems for seasonal to inter-annual climate forecasting: Summary of a workshop . Washington, DC: The National Academies Press.

Cohen, J. (1998). Democracy and liberty. In J. Elster (Ed.), Deliberative democracy (pp. 185–231).Cambridge: Cambridge University Press.

EC. (2002). Communication on impact assessment, COM 2002(276). Retrieved Feb 15, 2007,from https://ec.europa.eu/governance/impact/docs/key_docs/com_2002_0276_en.pdf

EC. (2005). Impact assessment guidelines, SEC 2005(791). Retrieved Feb 15, 2007, from https://ec.europa.eu/governance/impact/docs/SEC2005_791_IA%20guidelines_annexes.pf

EC. (2006). A strategic review of better regulation in the European Union. COM 2006 (689).Retrieved Feb 15, 2008, from https://www.ec.europa.eu/enterprise/regulation/better_regulation/docs/en_689.pdf

EEAC. (2006). Impact assessment of European commission policies: Achievements and prospects.Statement of the EEAC – Working Group on Governance. Retrieved Feb 15, 2007, from https://www.ecologic-events.de/eu-impact assessment/en/documents/EEAC_WG_Gov_IAstatement_background.pd

A.-K. Bäcklund et al.Elster, J. (ed). (1998). Deliberative democracy (pp. 1–18). Cambridge: Cambridge University Press.

Feynmann, R. (1998). The meaning of it all . Reading, MA: Perseus.

Gabbert, S., van Ittersum, M., Ewert, F., Kroeze, C., Stalpers, S., & Alkan-Olsson, J. (2009, March). Accounting for user’s uncertainty information needs in Integrated Assessment models:The case of the SEAMLESS Integrated Framework. In M.K. Van Ittersum, J. Wolf, & H.H. Van Laar (Eds.), Proceedings of the Conference on Integrated Assessment of Agriculture and Sustainable Development: Setting the agenda for science and policy (AgSAP 2009) , Egmondaan Zee, The Netherlands, 10–12 March 2009 (pp. 504–505). Wageningen, The Netherlands: Wageningen University and Research Centre.

Grunwald, A. (2004). Strategic knowledge for sustainable development: the need for reflexivity and learning at the interface between science and society. International Journal of Foresight and Innovation Policy, 1 (1–2), 150–167.

Habermas, J. (1996). Between facts and norms . Cambridge: MIT Press.

Hilborn, R. (1979). Some failure and successes in applying systems analysis to ecological systems. Journal of Applied Systems Analysis, 6 , 25–31.

Hoppe, R. (2005). Rethinking the science-policy nexus: from knowledge utilisation and science technology studies to types of boundary arrangements. Poiesis & Praxis, 3 , 199–215.

Janssen, S., Andersen, E., Athanasiadis, I.N., & van Ittersum, M.K. (2009). A database for integrated [AU5] assessment of European agricultural systems. Environmental Science and Policy (in press) .

Lee, K. (1993). Compass and gyroscope . Washington, DC: Island Press.

Lee, N. (2006). Bridging the gap between theory and practice in integrated assessment. Environmental Impact Assessment Review, 26 (1), 57–78.

Lindblom, Ch E. (1968). The policy-making process . Englewood Cliffs, NJ: Prentice Hall.

Mandelkern Group on Better Regulation (2001). Final Report. Retrieved Feb 10, 2007, from https://ec.europa.eu/governance/better_regulation/documents/mandelkern_report.pdf

Mintzberg, H. (1980). Beyond implementation: An analysis of the resistance to policy analysis. INFOR, 18 (2), 100–138.

Morgan, M. G., & Dowlatabadi, H. (1996). Learning from integrated assessment of climate change. Climate Change, 34 (4), 337–368.

Smith, G. (2000). Toward deliberative institutions. In M. Saward (Ed.), Democratic innovation:Deliberation, representation and association (pp. 29–39). London: Routledge.

Stern, P. C. (1986). Blind spots in policy analysis: What economics doesn’t say about energy use. Journal of Policy Analysis and Management, 5 (2), 200–227.

Therond, O., Belhouchette, H., Janssen, S., Louhichi, K., Ewert, F., Bergez, J.-E., Wery, J., [AU6] Heckelei, T., Alkan Olsson, J., Leenhardt, D., & van Ittersum, M. (2009). Methodology to translate policy assessment problems into scenarios: the example of the SEAMLESS Integrated Framework. Environmental Science and Policy (in press).

Turnpenny, J. (2008). Are we nearly there yet? Lessons for integrated sustainability assessment from EU environmental policy-making. International Journal of Innovation and Sustainable Development, 3 (1/2), 33–47.

Van den Hove, S. (2007). A rationale for science-policy interfaces. Futures, 39 (7), 807–826.

Van Ittersum, M., Ewert, F., Heckelei, T., Wery, J., Alkan Olsson, J., Andersen, E., et al. (2008). Integrated assessment of agricultural systems – A component-based framework for the European Union (SEAMLESS). Agricultural Systems, 96 , 150–165.

Van Ittersum, M., Gabbert, S., & Ewert, F. (2008b). Uncertainty analysis in model chains for integrated assessment. SEAMLESS deliverable PD1.3.11.2, SEAMLESS Integrated Project, EU 6th Framework Programme, contract no. 010036-2, www.SEAMLESS-IP.org, p. 60.

Van-Camp, L., Bujarrabal, B., Gentile, A.-R., Jones, R.J.A., Montanarella, L., Olazabal, C., & Selvaradjou, S.-K. (2004). Reports of the Technical Working Groups established under the thematic strategy for soil protection . EUR 21319 EN/1, Official Publication of the European Communities, Luxembourg, from https://ec.europa.eu/environment/soil/pdf/vol1.pdf

CAMARInEnglish