🧩 Choisis une règle, regarde naître un univers
Une seule ligne de cellules en haut. La règle décide la ligne d'en dessous. 256 règles, 256 mondes différents.
Le schéma de la règle (les 8 motifs)
Pour chacun des 8 trios de voisines (haut), la règle fixe l'état de la cellule du dessous (bas).
Règle 30 : du chaos déterministe. La colonne centrale est si imprévisible qu'elle sert de générateur de hasard.
🧩 Une ligne, une règle, c'est tout
Imagine une seule rangée de cases, chacune noire (1) ou blanche (0). C'est l'état du monde au temps zéro. Pour fabriquer la ligne suivante, on applique une règle à chaque case : son nouvel état dépend uniquement de trois cellules juste au-dessus — sa voisine de gauche, elle-même, et sa voisine de droite. On empile les lignes les unes sous les autres, et le temps s'écoule de haut en bas.
Trois cases qui valent chacune 0 ou 1 : cela fait 2×2×2 = 8 motifs possibles (de 111 à 000). Pour chacun de ces 8 motifs, la règle doit décider : la nouvelle cellule sera-t-elle noire ou blanche ? Soit 8 choix binaires. Le nombre total de règles différentes est donc 28 = 256. Wolfram les a numérotées de 0 à 255 : on lit les 8 réponses comme les 8 bits d'un nombre. C'est la fameuse « notation de Wolfram ».
Comment lire un numéro de règle ? Le numéro 30 s'écrit en binaire 00011110. Ces 8 bits donnent, dans l'ordre des motifs 111, 110, 101, 100, 011, 010, 001, 000, le nouvel état : 0, 0, 0, 1, 1, 1, 1, 0. Autrement dit, le motif 100 (noir-blanc-blanc) devient noir, le motif 111 devient blanc, etc. Le schéma au-dessus du canevas affiche exactement ces 8 transitions pour la règle choisie — fais glisser le curseur et regarde-le changer.
🔬 Stephen Wolfram : un nouveau type de science
En 1983, le physicien Stephen Wolfram entreprend une chose un peu folle : explorer systématiquement les 256 règles, une par une. Personne n'avait fait ça. Il s'attendait à de l'ennui — des damiers, des rayures, du vide. Au lieu de quoi il découvre, tapie au milieu de ces règles enfantines, une complexité extraordinaire.
Cette obsession le mènera, presque vingt ans plus tard, à un livre-monument de 1280 pages : « A New Kind of Science » (2002). Sa thèse : les programmes les plus simples qu'on puisse écrire ne produisent pas forcément des résultats simples. La nature elle-même — la croissance des plantes, les motifs des coquillages, la turbulence — pourrait fonctionner ainsi, par règles locales répétées plutôt que par équations. C'est une autre façon de faire de la science.
🗂️ Les quatre classes de Wolfram
En observant ses 256 mondes, Wolfram remarque que tous les comportements tombent dans quatre grandes familles. C'est une classification phénoménologique, mais étonnamment robuste — on la retrouve dans bien d'autres systèmes dynamiques.
- Classe 1 — stable. Tout converge vers un état uniforme. La ligne devient entièrement blanche (ou entièrement noire) et plus rien ne bouge. L'histoire s'éteint.
- Classe 2 — périodique. Des structures simples et stables apparaissent : rayures, damiers, triangles isolés qui se répètent. C'est ordonné, prévisible, un peu monotone.
- Classe 3 — chaotique. Du désordre apparent, du « bruit » sans structure visible, comme de la neige sur un vieux téléviseur. C'est ici qu'on trouve la règle 30.
- Classe 4 — complexe. La plus fascinante : ni vraiment ordonnée, ni vraiment chaotique. Des structures localisées naissent, se déplacent, se rencontrent, interagissent. C'est le territoire de la règle 110 — et c'est exactement à la frontière entre ordre et chaos que se cache le calcul.
Le bord du chaos. La leçon profonde de cette classification : la richesse n'est ni dans l'ordre parfait (trop figé) ni dans le chaos total (trop brouillon), mais juste entre les deux. C'est là, à la frontière, que des systèmes minuscules peuvent devenir capables de calculer.
🎲 La règle 30 : du chaos dans une équation triviale
Charge la règle 30 dans la simulation et démarre d'une seule cellule noire. Le triangle qui se dessine est saisissant : le côté gauche garde une structure presque régulière, mais tout le côté droit part dans un désordre total, sans le moindre motif répétitif.
Le plus stupéfiant concerne la colonne centrale. Si on note la suite des 0 et 1 qui descendent pile au milieu du triangle, on obtient une séquence si imprévisible qu'elle réussit la plupart des tests statistiques de hasard. Pendant des années, le logiciel Mathematica (créé par Wolfram lui-même) a utilisé la règle 30 comme générateur de nombres pseudo-aléatoires. Du « hasard » fabriqué par une règle entièrement déterministe, tenant en 8 bits.
Et ce n'est pas qu'une curiosité de laboratoire : on retrouve exactement le motif de la règle 30 sur la coquille de certains coquillages du genre Conus (les cônes textiles). La pigmentation de leur coquille semble produite par un automate cellulaire naturel le long du bord de croissance. La même règle, dessinée par un mollusque.
🔺 La règle 90 : le triangle de Sierpinski caché
Maintenant charge la règle 90, toujours depuis une cellule noire unique. Surprise : apparaît le triangle de Sierpinski, l'une des plus célèbres fractales — ce triangle troué de triangles, troués eux-mêmes de triangles, à l'infini.
Pourquoi ? La règle 90 dit simplement : « la nouvelle cellule est noire si exactement une de ses deux voisines (gauche et droite) est noire ». C'est une addition modulo 2 — un OU exclusif. Et il se trouve que ce calcul reproduit précisément la structure des coefficients du triangle de Pascal pris modulo 2. La fractale n'est dessinée nulle part dans la règle : elle émerge de la répétition d'une opération arithmétique élémentaire. Un pont direct entre informatique, arithmétique et géométrie fractale.
💻 La règle 110 : un ordinateur dans une seule ligne
Voici le sommet de l'histoire. Charge la règle 110 et lance-la depuis une ligne aléatoire. Tu verras des structures qui ressemblent à de petits « vaisseaux » glissant sur un fond rayé, se croisant, fusionnant, en émettant d'autres. Ni le chaos de la règle 30, ni la rigidité de la règle 90 : quelque chose entre les deux, de la classe 4.
En 2004, Matthew Cook (un collaborateur de Wolfram) a démontré un résultat qui a stupéfié les informaticiens : la règle 110 est Turing-complète. Cela signifie qu'avec la bonne configuration de départ, cette règle d'une seule ligne peut simuler n'importe quel programme informatique, n'importe quel calcul réalisable. Un ordinateur universel, tout entier contenu dans la phrase qui définit la règle 110.
C'est l'un des résultats les plus simples connus possédant cette propriété. Et il vient renforcer une conjecture audacieuse de Wolfram : le « principe d'équivalence computationnelle ». Dès qu'un système n'est ni trivialement simple ni purement aléatoire, il a de bonnes chances d'être déjà aussi puissant qu'un ordinateur universel.
🚗 La règle 184 : modéliser un embouteillage
Pour montrer que ces jouets ne sont pas que de l'art abstrait, charge la règle 184. Elle a une interprétation physique très concrète : c'est le modèle le plus simple de trafic routier. Chaque cellule noire est une voiture, chaque cellule blanche une place libre ; à chaque pas, une voiture avance si la case devant elle est libre, sinon elle attend.
On voit alors émerger, sur l'écran, des vagues d'embouteillage qui se propagent vers l'arrière du flux, exactement comme sur une vraie autoroute saturée — ces bouchons fantômes qui remontent la file sans cause visible. Les ingénieurs des transports utilisent réellement des versions de ce modèle.
♾️ La complexité irréductible
Le concept le plus profond que Wolfram tire de tout cela, c'est l'irréductibilité computationnelle. Pour beaucoup de ces automates, il n'existe aucun raccourci. Si tu veux savoir à quoi ressemblera la ligne numéro un million de la règle 30, il n'y a pas de formule magique : tu es obligé de calculer les un million de lignes, une par une.
C'est contre toute l'intuition de la physique classique, qui cherche des équations permettant de « sauter » directement au résultat (où sera la planète dans mille ans). Ici, le système est son propre prédicteur le plus rapide. La seule façon de connaître l'avenir, c'est de le laisser se dérouler. C'est le cousin direct du problème de l'arrêt de Turing : certains comportements sont déterminés mais fondamentalement imprédictibles par avance.
Pourquoi c'est important. Si la nature contient des processus computationnellement irréductibles — et tout suggère que oui — alors certains phénomènes ne pourront jamais être résumés par une jolie équation. Non par manque d'intelligence, mais par une limite mathématique de fond. La science aurait, à côté des formules, à apprendre à simuler.
🎓 La leçon
Les automates de Wolfram tiennent dans presque rien : une ligne de cases, un nombre entre 0 et 255. Et pourtant cette poignée de bits suffit à engendrer :
- du chaos déterministe (règle 30, le hasard de Mathematica, les coquillages Conus),
- de la géométrie fractale (règle 90, le triangle de Sierpinski),
- un ordinateur universel complet (règle 110, Turing-complète),
- et de la physique appliquée (règle 184, les embouteillages).
Quatre univers entièrement différents, séparés par le simple choix d'un nombre. C'est l'idée vertigineuse de Wolfram : la complexité ne se mesure pas à la complication des règles. Les ingrédients les plus modestes peuvent contenir l'infini.