Courbes exponentielle et logistique avec capacité de charge, temps de doublement.
La dynamique des populations régit tout, de l'épidémiologie (R₀ d'une maladie infectieuse, seuils de vaccination) à l'écologie (capacité de charge d'un habitat, points de basculement dans les pêcheries) en passant par la démographie (projections de population mondiale des Nations Unies jusqu'en 2100) et la microbiologie (cultures bactériennes dans une fiole, courbes de létalité des antibiotiques). Le cœur mathématique est l'équation différentielle dN/dt = r · N (croissance exponentielle) ou, lorsque les limites des ressources sont importantes, dN/dt = r · N · (1 − N/K) (croissance logistique). Les deux ont des solutions analytiques et produisent des courbes qualitativement différentes : l'exponentielle monte indéfiniment, la logistique se sature à la capacité de charge K. Comprendre quel modèle s'applique — et où se situe un système sur la courbe — est essentiel pour la prévision et les politiques. Ce calculateur calcule les deux côte à côte afin que l'utilisateur puisse comparer les trajectoires non contraintes par rapport aux trajectoires limitées et voir le point d'inflexion où le modèle logistique diverge de l'exponentiel.
Exponentielle : N(t) = N₀ · e^(r · t), où r est le taux de croissance par habitant par unité de temps.
Le temps de doublement est T_d = ln(2) / r ≈ 0,693 / r. Un taux de croissance de 0,05/an donne un temps de doublement de 13,86 ans.
Logistique (Verhulst 1838) : N(t) = K / (1 + ((K − N₀) / N₀) · e^(−r · t)), où K est la capacité de charge.
La courbe logistique a un point d'inflexion à N = K/2, où le taux de croissance est maximal. Le temps jusqu'à l'inflexion est t_inflection = ln((K − N₀)/N₀) / r.
Pour N₀ → 0, les deux modèles correspondent dans la phase précoce ; la logistique diverge en dessous de l'exponentielle lorsque N approche K.
Le calculateur trace les deux courbes avec 100 points d'échantillon, marque le point d'inflexion sur la courbe logistique et affiche une ligne pointillée horizontale à K. L'axe des Y est auto-échelonné pour s'adapter à min(5 × max_logistique, K) afin que l'explosion exponentielle n'écrase pas les détails logistiques.
Entrez la population initiale N₀, le taux de croissance r (par unité de temps choisie ; typiquement 0,01–0,5 par an pour les populations animales, 0,5–3 par heure pour les bactéries), le temps écoulé t, la capacité de charge K (désactivez si vous ne souhaitez que l'exponentielle) et l'unité de temps (années ou jours). Le panneau des résultats affiche N(t) pour les deux modèles, le temps de doublement et le temps jusqu'à l'inflexion.
Une culture bactérienne commence avec N₀ = 10⁶ cellules/mL. Taux de croissance r = 0,69 /h (E. coli en milieu riche, doublement chaque heure).
Exponentielle à t = 6 h : - N(6) = 10⁶ × e^(0,69 × 6) = 10⁶ × e^4,14 = 10⁶ × 62,8 = 6,28 × 10⁷ cellules/mL. - Temps de doublement : ln(2)/0,69 ≈ 1 h ✓.
Logistique avec K = 10⁹ cellules/mL (saturation typique en culture discontinue) : - N(6) = 10⁹ / (1 + ((10⁹ − 10⁶)/10⁶) × e^(−0,69 × 6)) - = 10⁹ / (1 + 999 × e^(−4,14)) - = 10⁹ / (1 + 999 × 0,0159) - = 10⁹ / 16,89 = 5,92 × 10⁷ cellules/mL — légèrement inférieur à l'exponentielle non contrainte (encore en phase de croissance précoce).
À t = 12 h, la logistique se stabilise autour de 4,7 × 10⁸ (près de K/2, près de l'inflexion) ; l'exponentielle dépasse 4 × 10⁹ — physiquement impossible avec des ressources limitées.
Une population sauvage de 50 cerfs dans un habitat avec K = 500, r = 0,2/an : - Temps d'inflexion = ln(450/50) / 0,2 = ln 9 / 0,2 ≈ 11 ans. - Après 30 ans : N_log = 500 / (1 + 9 × e^(−6)) ≈ 488 (très proche de la capacité de charge). - N_exp = 50 × e^6 ≈ 20 200 (impossible).
L'exponentielle est une approximation de pointe. Les systèmes réels finissent par se heurter aux limites des ressources, à la prédation, aux maladies, à la densité sociale, etc. Utiliser l'exponentielle au-delà de la phase précoce surestime considérablement.
Choisir K est la partie difficile. La capacité de charge est rarement connue précisément et peut elle-même changer avec les conditions environnementales, le climat ou la technologie. Les projections démographiques citent souvent des plages de K avec une grande incertitude.
Un r constant est rarement réaliste. Les taux de croissance réels fluctuent saisonnièrement, avec la disponibilité des ressources, avec des rétroactions dépendantes de la densité. L'hypothèse d'un r constant est un lissage.
Les effets stochastiques sont importants à faible N. Avec N₀ = 10 individus, la stochasticité démographique (naissances/décès aléatoires) peut entraîner la population à zéro même avec un r déterministe positif. Les courbes déterministes sont des trajectoires moyennes de la population, pas des prédictions de réalisation unique.
Effet Allee. Certaines populations ont une densité minimale viable en dessous de laquelle la croissance devient négative. La logistique simple ne capture pas cela ; les populations petites et isolées peuvent s'effondrer plutôt que de croître.
Croissance négative (déclin). r < 0 transforme l'exponentielle en décroissance ; la logistique avec K > 0 asymptotique toujours à K (qui est maintenant un attracteur par le dessus). Changer l'interprétation du modèle peut être déroutant — lisez la direction de la courbe.
Cohérence des unités. r et t doivent utiliser la même unité de temps. Le r bactérien est généralement par heure, le r démographique par an — des ordres de grandeur différents.
Temps continu vs discret. Les solutions analytiques supposent un temps continu. Pour les populations qui se reproduisent à des saisons fixes (plantes annuelles, saumons), les modèles en temps discret comme la carte de Beverton–Holt ou Ricker sont plus appropriés.
Régulation paramétrique vs dépendante de la densité. La logistique suppose que la régulation est purement dépendante de la densité (concurrence intraspécifique). La régulation réelle combine souvent la dynamique prédateur-proie, parasite-hôte et les impulsions de ressources ; les modèles multi-espèces donnent une dynamique plus riche.
Inflection vs saturation. L'inflexion est l'endroit où le taux de croissance est le plus élevé, pas où la courbe s'aplatit. La saturation (95 % de K) est beaucoup plus tardive — environ 4,4/r unités de temps après l'inflexion.