À la conquête de la fourmilière urbaine :
quand le géographe se fait explorateur de mondes artificiels

Arnaud Banos

Maître de Conférences SET (UMR 5603 CNRS) Université de Pau et des Pays de l’Adour

E.mail : arnaud.banos@univ-pau.fr   Page web : http://www.univ-pau.fr/~banos/banos.html

Résumé Article complet

La ville change, s'étale, se dilue, prend ses aises. Au sein des nouveaux « archipels urbains », discontinus et multipolarisés, les distances s'allongent, les densités baissent. Le mouvement devient la norme, dans cet « espace transactionnel » sillonné par des « nomades-urbains » pressés, aux trajectoires toujours plus complexes. L'avènement des « quatre roues de la fortune » a considérablement amplifié cette tendance, ouvrant de nouveaux territoires de conquête à ces aventuriers du quotidien, autorisant des pratiques individuelles plus riches, renouvelant les termes de cette « lutte contre l'espace » dont parlait Fernand Braudel. Toujours plus nombreux, les mobiles urbains irriguent quasiment en permanence cette trame urbaine faite pour et par l'automobile, consommant des espaces plus étendus qu'auparavant. Les trajectoires individuelles se lient et se délient, au gré des pérégrinations effectuées par chacun, ajoutant à la complexité des motifs spatiaux tissés en permanence comme par une main invisible, particulièrement habile et facétieuse.

Confronté à cette incroyable effervescence, cette vie bouillonnante et grouillante, le géographe est désemparé. Appréhendée à un niveau microscopique, la « fourmilière » urbaine semble en effet n'être qu'amalgame de comportements individuels particuliers, spécifiques, non réductibles les uns aux autres. Et pourtant, des structures plus ou moins nettes, plus ou moins durables, semblent émerger par moment de cette invraisemblable diversité, pour peu que l'on accepte de prendre de la hauteur, de s'éloigner temporairement des individus pour observer le territoire. En créant des mondes artificiels, informatiques, peuplés d'agents artificiels autonomes agissant au sein de réseaux d'interaction à géométrie variable, le géographe se dote dès lors de plateformes d'expérimentation d'un genre nouveau, lui permettant de reproduire in silico des situations observées afin de mieux les étudier. Mieux comprendre le monde qui nous entoure, à travers l'exploration de mondes artificiels, devient à ce titre l'un des enjeux clés de la discipline géographique.

  1. Reconnaître la complexité des phénomènes étudiés

Mieux connaître la mobilité quotidienne à l'échelle d'une ville est un enjeu de taille. Nulle politique d'aménagement urbain ne saurait en effet aujourd'hui faire l'impasse sur ce sujet brûlant qui, au-delà de sa dimension « transport », renvoie à la fonction essentielle et fondamentale de la ville : permettre et favoriser les interactions sociales entre ses habitants. Mais c'est également un défi, scientifique et technique. Comment en effet appréhender une telle diversité, une telle richesse ? Comment prétendre embrasser du même regard cette multitude de comportements individuels si différents ? Le parti pris traditionnel est de réduire cette complexité de manière systématique :

    • En réduisant l'objet même d'étude et en le ramenant à des dimensions maîtrisables. La mobilité est ainsi souvent simplifiée, réduite à ses composantes de base (une série de déplacements, souvent considérés comme indépendants, entre deux activités) ;

    • L'espace géographique est souvent simplifié par une opération de zonage spatial, permettant de raisonner sur des sous-ensembles spatiaux moins nombreux et plus homogènes, donc plus facilement maîtrisables ;

    • Les données d'enquêtes, recueillies auprès d'échantillons d'individus, sont le plus souvent simplifiées au moyen d'opérations d'agrégation, permettant de raisonner non plus sur des individus mais sur des groupes sociaux ou spatiaux, au moyen d'indicateurs statistiques généraux ;

    • La diversité (le terme statistique clé est variabilité) des comportements individuels est souvent réduite à un comportement moyen, plus simple à modéliser, mais qu'on ne retrouve évidemment jamais dans la rue. « L'homme moyen » de Quételet, qui fut décrié dès le départ comme ne pouvant être qu'un monstre, perdure toujours dans les sciences humaines et sociales mais également économiques, sous la forme d'un « individu moyen », abstrait, aux caractéristiques parfois invraisemblables, mais aptes à être formalisées et modélisées ;

    • Enfin, la mobilité est très rarement appréhendée dans sa composante dynamique, alors même que le mouvement est au cœur du phénomène.

Ces critiques doivent évidemment être replacées dans un canevas plus large, par exemple celui du fonctionnement particulier de la recherche en tant qu'activité sociale inscrite dans un contexte historique donné et alternant des phases de stabilité (ce que le philosophe Thomas Kuhn a proposé d'appeler des « paradigmes ») avec des phases de transition (de « révolution », d'après le même auteur). Or, le paradigme réductionniste, justement centré sur l'idée d'une simplification par réduction et décomposition de tout objet d'étude (ici la mobilité quotidienne), est attaqué de toute part depuis plus de trente ans par des approches complémentaires parfois, compétitives souvent, que l'on qualifie plus volontiers « d'émergentistes ». Le renouvellement des questionnements scientifiques, des stratégies d'investigation et des options technologiques ouvrent ainsi la voie à d'autres approches de la fourmilière urbaine. En particulier, nous défendons depuis plusieurs années l'idée d'une approche exploratoire qui, mise en œuvre à bon escient, permettrait de révéler la complexité inhérente des phénomènes étudiés (ce qui suppose évidemment d'accorder une telle qualité aux phénomènes en question), afin de mieux l'étudier, la comprendre et au-delà en tirer partie, dans l'aide à la décision et l'action. Quelques exemples permettront d'imaginer notre propos.

  1. Révéler la complexité !

Partons d'une question simple : pour quelle raison agréger systématiquement les comportements individuels en comportements moyens supposés représentatifs ? Pourquoi ne pas se donner les moyens d'exploiter une telle richesse, puis décider ensuite de la meilleure stratégie à adopter pour les exploiter au mieux ?

C'est précisément ce genre de questionnement qui a mené nos travaux menés en collaboration avec deux chercheurs en informatique du Laboratoire d'Informatique de l'UPPA, Bruno Jobard et Julien Lesbegueries. Notre objectif était d'exploiter de manière originale une base de données classique dans le domaine de la mobilité quotidienne, l'Enquête Ménage-Déplacements, disponible dans la plupart des grandes agglomérations françaises. Cette base de données regroupe des informations particulièrement détaillées sur l'ensemble des déplacements réalisés par un échantillon représentatif d'individu, un jour donné. La figure 1 illustre le type de données disponibles pour chaque individu.


Figure 1. Les données individuelles de mobilité fournies par l'Enquête Ménage-Déplacements

On notera la richesse des informations fournies sur les activités réalisées, les modes de transport utilisés, ainsi que les horaires. On notera également que la dimension spatiale est plus problématique : la localisation exacte des individus n'est pas connue. Chaque activité est ainsi localisée approximativement dans une zone de déplacement, tandis que les trajets réellement effectués par les individus dans le réseau routier ne sont pas recensés.

A partir de cette base de données, et en comblant les lacunes identifiées, est-il possible de reconstruire les déplacements effectués par les individus enquêtés ? Une telle entreprise suppose de formuler des hypothèses de travail permettant de compenser le manque d'information. Ainsi, à titre d'exemple, nous assumons que les individus empruntent toujours l'itinéraire le plus court en temps entre une origine et une destination données. Cette hypothèse, qui peut paraître audacieuse voire irréaliste, se retrouve pourtant dans la quasi-totalité des modèles de déplacement mis en œuvre dans la plupart des pays depuis les années 60-70. Une telle hégémonie trouve une double justification :

  • Théorique : assumer que chaque individu est capable d'un tel tour de force revient à l'inscrire ipso facto dans le cadre théorique aujourd'hui encore dominant de l'acteur rationnel, ou Homo Oeconomicus : la variabilité des comportements individuels peut être résumée par un comportement synthétique moyen, qui serait celui d'un individu moyen, parfaitement rationnel, en situation d'information illimitée, doté de capacités de calcul infinies et cherchant toujours à maximiser son utilité en adoptant un comportement optimisateur. Bref, capable de toujours trouver le plus court chemin dans un réseau routier.

  • Technique : une telle hypothèse trouve enfin une justification technique immédiate, grâce aux travaux menés de longue date en recherche opérationnelle dans le domaine du parcours de graphe. Il existe en effet différentes familles d'algorithmes aux comportements et propriétés parfaitement connus, permettant d'identifier le plus court chemin entre deux points dans un réseau.

La mise en œuvre de ce genre de modèle au sein d'un Systèmes d'Information Géographique, environnement informatique permettant de gérer, d'exploiter et d'analyser l'information territorialisée, permet ainsi de reconstruire les déplacements et itinéraires « probables » (au sens mathématique du terme) des individus enquêtés.soit près de 13 000 à Lille ! Se pose alors la question de la visualisation des résultats obtenus. Car révéler la complexité a un coût, entre autre lié à notre capacité à la montrer ! La figure 2 montre un exemple de solution retenue dans le cadre de ce projet1.


Figure 2. Montrer la complexité : une première image de la fourmilière urbaine (ici Lille)

Le réseau routier figure en bleu, les individus mobiles (se déplaçant) sont représentés sous forme de points blancs, ceux immobiles à l'instant t sous forme de points verts. Les pics expriment une mesure du nombre d'individus présents sur le réseau à proximité, pour un seuil de densité donné. Cet arrêt sur image correspond à la situation simulée à 07h47.

Il est légitime de s'interroger sur la portée d'un tel travail. A l'évidence, les capacités visuelles de l'être humain, même le plus doué ou le mieux entraîné, sont insuffisantes pour suivre les déplacements de 13 000 individus.quant à parler du million d'habitants de l'agglomération lilloise.Disons le clairement, à l'heure actuelle, ce type de réalisation a une vertu avant tout démonstrative et pédagogique : pointer du doigt la complexité inhérente de l'objet d'étude, afin d'éviter que la batterie d'hypothèses toutes plus lourdes et contraignantes les unes que les autres (et parfois posées sans même y penser) soit égrenée a priori. Toutefois, il paraît évident qu'une telle vue, forcément partielle, ne prend son sens qu'au sein d'un éventail de vues complémentaires2. Diversifier les points de vue et les éclairages sur un même problème est en effet l'un des principes de base de l'analyse exploratoire des données, telle qu'elle a été définie dans les années 1970 par le mathématicien américain John Tukey.

L'une des limites de l'animation proposée concerne sa capacité à révéler la manière dont l'espace urbain est occupé (ou non) au cours d'une même journée. Or, en se focalisant ainsi sur les individus, on en vient forcément à perdre de vue l'espace.


Figure 3. Reconstruire par simulation les « palpitations » du territoire (ici Besançon)

En collaboration avec Thomas Thévenin, de l'Université de Bourgogne à Dijon, nous avons ainsi cherché à enrichir ce niveau d'analyse microscopique en opérant un changement fondamental de niveau d'observation, des mobilités individuelles à la ville en mouvement. Il est en effet crucial de replacer ces comportements individuels au sein d'une trame plus vaste : l'espace urbain dans toute sa richesse et son ampleur. Révéler et identifier les respirations d'une agglomération, d'une région urbaine, à travers l'agencement sans cesse renouvelé des espaces « pleins » et «vides » au cours d'une même journée, constituent ainsi des enjeux urbains forts, qui justifient un investissement méthodologique supplémentaire. Sur la figure 33, on observe ainsi ces fluctuations permanentes de l'espace urbain, qui se vide et se remplit en permanence au cours de la journée, en fonction des déplacements des individus qui l'occupent.

Ces deux exemples qui auront permis, nous l'espérons, d'illustrer le fond de notre propos, auront peut être éveillé chez le lecteur une question insidieuse quoique légitime : une fois la complexité des phénomènes révélés, qu'elle est l'étape suivante ? Deux options s'offrent à nous. L'option analytique, très liée au parti pris réductionniste cité précédemment, nous incite à déconstruire cette complexité, en décomposant le tout en sous-ensembles plus simples (les parties), jusqu'à ce que le cœur même du ou des phénomènes étudiés apparaisse, tel un diamant débarrassé de sa gangue. Une intuition aujourd'hui largement répandue, plus connue sous le credo systémique « le tout est plus que la somme des partie », suggère toutefois que cette course à la décomposition analytique est par essence vouée à l'échec : même si nous connaissions l'ensemble des facteurs intervenant dans les actions individuelles, nous ne serions pas pour autant capables de prédire le comportement d'un groupe d'individus, compte tenu des multiples interactions à l'œuvre. Cette limite fondamentale nous a alors poussé, dans le cadre du projet SAMU, à nous inscrire dans une famille théorique que nous qualifierons de large, regroupant des travaux variés autour des systèmes complexes, de la simulation de sociétés artificielles et de la simulation à base d'agents et visant à mieux comprendre les phénomènes complexes non plus en les déconstruisant, mais en les reconstruisant.

  1. Reconstruire la complexité !

Le projet SAMU (Simulation Agents et Modélisation Urbaine), mené en collaboration avec Sylvain Lassarre de l'INRETS4 et Abhimanyu Godara de l'Université Banaras Hindu, en Inde, trouve son origine dans un constat simple : en dépit de son rôle fondamental dans le système des mobilités quotidiennes urbaines, la marche à pied reste le mode de déplacement le moins bien connu. De manière générale, si la France dispose depuis les années 1970 d'outils d'observation standardisés des mobilités à l'échelle urbaine (enquêtes ménages-déplacements, enquêtes emploi du temps, enquêtes nationales transport, enquêtes cordons), force est de constater la faible adéquation de ces dispositifs à l'appréhension des déplacements piétons. Diffus, quasi isotropes, souvent de courte portée et dans une grande mesure stochastiques, ces derniers n'en constituent pas moins une part considérable de la mobilité quotidienne, la marche à pied s'intégrant forcément au cœur de toute chaîne de déplacement. Longtemps délaissée, la marche à pied est aujourd'hui revalorisée, portée par l'aspiration générale à des modes de vie urbains moins agressifs, protégés des externalités négatives engendrées par l'invasion automobile. Mieux comprendre les stratégies de déplacement des piétons dans un environnement urbain mouvant, caractérisé à la fois par un ensemble de contraintes et d'opportunités, mais également de nuisances et de dangers, est devenu l'un des principaux enjeux actuels de la planification urbaine. Un certain nombre de travaux s'attachent depuis peu à explorer ce domaine, notamment dans la perspective des systèmes complexes, mais rares sont ceux abordant le problème de la dynamique des déplacements piétons en interaction avec le trafic routier, qui est pourtant l'une des dimensions clés de l'environnement urbain vécu. C'est cette lacune que le projet SAMU cherche à combler. L'hypothèse centrale formulée dans ce projet est la suivante :

en dépit de la complexité avérée des mécanismes cognitifs en jeu, la dynamique d'ensemble des déplacements piétons dans un environnement mouvant doit pouvoir être approchée à partir de règles individuelles simples, mais intégrées dans un réseau d'interactions en évolution permanente.

Dans cette perspective, le projet SAMU vise à créer un environnement urbain virtuel et à le peupler d'agents autonomes, piétons et automobilistes, animés par des motifs propres et agissant dans le cadre d'une architecture distribuée de type multi-agents. Ce projet s'incrit par ailleurs dans un cadre théorique large, la théorie des systèmes complexes. Cette théorie, qui a été vulgarisée par plusieurs ouvrages quelque peu romancés et/ou romantiques, regroupe une variété considérable de travaux le plus souvent transversaux, reposant toutefois sur un certain nombre de principes communs. Un système dit complexe est ainsi constitué d'un grand nombre d'agents en interaction, situés dans un environnement. Les agents agissent dans et sur cet environnement, qui les influence en retour.


Figure 4. Un agent situé dans son environnement

Par ailleurs, chaque agent est guidé par des règles de fonctionnement le plus souvent simples, de type stimulus-réaction. Le fait que ces stimuli soient eux-mêmes situés dans l'environnement, suffit à produire des réactions individuelles différenciées, à partir d'un canevas invariant de règles. Un tel système ne bénéficie pas, de plus, d'un mode de contrôle global, centralisé. Le pouvoir d'action des agents est réduit à une dimension très locale, et certaines structures globales observées sont le fait de processus d'auto-organisation. Dans une telle perspective, les multiples interactions, qui plus est localisées, entre agents peuvent conduire à l'apparition de propriétés à un autre niveau d'observation ou d'agrégation, intermédiaire ou global, non déductibles à partir des simples propriétés des agents. Ces propriétés sont dites émergentes et leur identification constitue l'un des principaux enjeux des théories de la complexité. Enfin, certains systèmes complexes sont également qualifiés d'adaptatifs, afin de souligner leur capacité à évoluer, essentiellement par mutation ou par apprentissage, soit au niveau des règles de fonctionnement des agents, soit au niveau des agents eux-mêmes. Un volume spécial édité par le Sante-Fe Institute, suffit toutefois à convaincre, si besoin en était, que cette dimension adaptative est de loin la plus délicate à appréhender.

L'informatique permet de donner corps à ce cadre théorique, par la création de mondes artificiels, au sein desquels évoluent des agents également artificiels, et qui puissent devenir observables au même titre que le monde réel. Ainsi que le souligne Alexis Drogoul, « ce ne sont plus seulement les résultats de la simulation qui deviennent objets d'attention, mais également les processus souvent complexes par lesquels ces résultats ont été obtenus », ce qui introduit une composante expérimentale novatrice dans l'étude des phénomènes sociaux. D'après ce même auteur, « observer un monde artificiel offre de grands avantages du point de vue de la simulation : tous les paramètres, depuis les lois physiques de l'environnement jusqu'à la définition des acteurs qui le peuplent, peuvent être modifiés, simplifiés ou complexifiés. Tout en lui permettant de conserver sa méthode de travail, l'environnement expérimental va donc permettre au chercheur d'adopter une démarche spéculative, fondée sur la constitution d'hypothèses difficilement vérifiables en nature ».

Dans la première version de SAMU5, l'environnement urbain est simplifié à l'extrême : des rues et des trottoirs. Des voitures sillonnent les rues au hasard, en respectant le sens de circulation, tandis que des piétons localisés au hasard convergent tous vers le même point par le plus court chemin. Des curseurs permettent de spécifier le nombre d'agents et leur comportement : capacité d'accélération et de décélération pour les voitures (en fonction de la vitesse du véhicule devant et/ou de la présence de piétons dans un champ de vision variable) ; portée de la vision pour les piétons, à laquelle s'ajoute une capacité d'accélération et de décélération en phase de traversée, en fonction de la présence de voitures dans le champ de vision. Les agents évoluent ainsi en parallèle et adaptent leur vitesse en fonction des interactions locales auxquelles ils prennent part.


Figure 5. Le prototype SAMU

Des graphiques mis à jours en permanence permettent de suivre l'évolution de certains paramètres agrégés tels que la distribution des vitesses minimum et maximum des véhicules ou celle de la proportion de piétons "écrasés". Enfin, un module cartographique permet de suivre en permanence l'occupation des cellules par les agents, mais également de visualiser la répartition des accidents.


Figure 6. Un exemple de résultat : les accidents de piétons

Cette idée de reconstruire (générer) la complexité d'un phénomène par l'identification d'un ensemble réduit (nécessaire et suffisant) de briques élémentaires, insérées dans un réseau d'interactions approprié, soulève évidemment toute une série de questionnements épistémologiques, logiques, méthodologiques et même techniques dont nous ne prétendrons pas ici ne serait-ce qu'esquisser les contours. Nous nous contenterons de souligner un point essentiel : une telle entreprise peut elle aboutir sans une feuille de route cohérente et suffisamment détaillée ? Or, force est de constater qu'un tel cadre n'existe pas vraiment à l'heure actuelle. Le modélisateur peut, au mieux, se laisser guider par un nombre réduit de principes, afin d'éviter de créer des modèles trop riches et compliqués, dont les résultats seraient aussi difficile à analyser et comprendre que le phénomène initialement étudié. Citons ici le principe d'économie et celui de parcimonie qui occupent une place centrale dans le domaine. Le principe d'économie exprime ainsi une idée clé, déjà évoquée : au lieu d'intégrer autant de détails que possible dans le modèle, il vaut mieux fonctionner à l'économie et chercher à identifier les détails strictement nécessaires et suffisants permettant de générer des structures émergents (par exemple un embouteillage ou une distribution statistique d'accidents). Le principe de parcimonie, également dénommé rasoir d'Occam en référence aux travaux du philosophe Willian d'Occam, suggère de retenir, parmi toutes les explications possible d'un phénomène, la plus simple. Ainsi, dans SAMU, les embouteillages sont des phénomènes émergents, non programmés en tant que tels dans le prototype, et qui naissent de l'interaction locale des véhicules : chaque voiture accélère ou décélère en fonction du comportement de la voiture située devant elle, dans son champs de vision, mais avec des micro variations aléatoires, liées au fait que chaque conducteur peut difficilement réagir exactement de la même façon que les autres (pensons au temps de réaction par exemple). Ce principe simple, traduit par une règle de comportement au niveau des agents « voiture », permet néanmoins de générer des embouteillages (phénomène émargent à l'échelle de la rue ou de la ville virutelle), pour certains paramètres d'accélération ou de décélération.

  1. Conclusion

Les propositions conceptuelles et méthodologiques émises au cours de ce travail autorisent la création de véritables laboratoires virtuels, favorisant l'exploration de cette réalité complexe qui est la notre. Ces capacités nouvelles de déambulation spatiale favorisent en effet la mise en œuvre de modèles plus transparents, mieux maîtrisés et au final plus efficients. Les opportunités créées par la production d'une information spatiale individualisée sont considérables, au point d'autoriser une modification significative des logiques d'investigation elles-mêmes. La dimension spatiale ne saurait être en effet considérée plus longtemps comme une dimension optionnelle, surtout dans une problématique d'aménagement et de planification urbains. En tant que phénomène s'inscrivant pleinement dans l'espace, la mobilité quotidienne peut et doit être appréhendée à travers le prisme spatial, et ce à l'échelle la plus fine. Cette information individuelle ne prend toutefois sens que ramenée au territoire. Il serait d'ailleurs plus juste de parler de territoires au pluriel, les territoires de la mobilité quotidienne. L'identification fine des « palpitations » de ces territoires, au terme d'une intégration active de la dimension temporelle dans le processus d'investigation, est d'ailleurs un défi passionnant à relever, défi face auquel nous espérons avoir montré que les géographes ont une contribution propre à apporter.

  1. Références Bibliographiques

Ballot G., Weisbuch G., 2000 : Applications of simulation to social sciences, Paris, Hermes, 460 p.

Banos A., Chardonnel S., Lang C., Marilleau N., Thévenin T., 2005 : Simulating the swarming city : a MAS approach, Proceedings of the CUPUM'05 Conference on Computers in Urban Planning and urban Management, London, 29-30 Juin, 17 p.

Banos A., Godara A., Lassarre S., 2005 : Simulating pedestrians and cars behaviours in a virtual city : an agent-based approach, Proceedings of the European Conference on Complex Systems, Paris, 14-18 Novembre, 4 p.

Benkirane, 2002 : La complexité, vertiges et promesses, Le Pommier, Paris

Drogoul A., 2000 : Systèmes multi-agents distribués, Habilitation à Diriger des Recherches, Université de Paris 6, 117 p.

Epstein J., Axtell R., 1996 : Growing artificial societies : social science from the bottom up, Brookings Institution Press, MIT Press, Washington DC

Gilbert N., Troitzsch K., 1999 : Simulation for the social scientist, Open University Press, Buckingham, 273 p.

Johnson, S. (2001) Emergence: The Connected Lives of Ants, Brains, Cities, and Software, Scribner, New York.

Kuhn T., 1983 (1962 pour la première édition) : La structure des révolutions scientifiques, Flammrion, Paris, 284 p.

Resnick M., 1997 : Turtles, Termites, and Traffic Jams: Explorations in Massively Parallel Microworlds, MIT Press

Scheiwtzer F., 2003 : Brownian Agents and active particles Springer-Verlag

Schelling T., 1978 : Micromotives and Macrobehavior, W.W. Norton & Company

Tukey J.-W., 1977 : Exploratory data analysis, Addison-Wesley, Reading, Massachusetts, 688 p.

Waldrop M., 1992 : Complexity : the emerging science at the edge of chaos, Simon and Schuster, New-York

1 L'animation complète est visible à l'adresse suivante : http://www.univ-pau.fr/~banos/etudiants-travaux.html

2 L'animation complète est visible à l'adresse suivante : http://www.univ-pau.fr/~banos/etudiants-travaux.html

3 L'http://www.univ-pau.fr/~banos/geovisualisation.html

4 Institut National de Recherche sur les Transports et leur Sécurité

5 Cette première version de SAMU peut être testée en ligne depuis le site http://www.univ-pau.fr/~banos/sma.html

Haut de la page

Retour au menu général

Actes 2005