Avec l’émergence des réseaux sociaux, des MOOC, de l’apprentissage informel via les réseaux et des approches connectivistes de l’apprentissage, l’analyse d’Environnements Numériques d’Apprentissages (ENA) devient de plus en plus complexe. Les modèles jusqu’alors utilisés pour rendre compte de l’activité instrumentée à des fins cognitives montrent aujourd’hui leurs limites. L’aspect massif d’un MOOC par exemple devient difficilement « représentable » dans ce type de modèles. Son caractère « ouvert » n’en est pas moins difficile à modéliser. De plus, l’évolution de ces environnements est chaotique et leurs effets apparaissent comme imprévisibles. Mais chaotique ne signifie pas hasardeux. Un système complexe est de nature imprévisible et il n’est pas possible de prédire directement, par le calcul, l’issue des processus en jeu. Mais il est possible, à partir d’une modélisation systémique, d’élaborer des scénarios plausibles sur la base des données disponibles (trace de l’activité, résultats de la simulation, tendances lourdes, propriétés émergentes, etc.). Comme le disait Paul Valéry, « nous ne raisonnons que sur des modèles ». Dès lors qu’il est perçu comme un phénomène complexe, un ENA de dernière génération peut donc être avantageusement représenté et analysé dans le paradigme de la Modélisation systémique de la complexité. C’est le parti-pris de cette HDR qui orientera d’ailleurs nos recherches futures.