Contexte thermodynamique

Clausius (1865) introduit l’entropie comme fonction du travail et de la température. Il montre que, pour un processus réversible tel le moteur de Carnot, le delta S est nul, alors que tout processus irréversible impose ΔS>0, sauf si une énergie externe est injectée. Cette loi du second principe justifie l’usage de l’entropie comme indicateur de désordre, même si elle n’est pas mesurable directement avec un thermomètre.

Modélisation de Boltzmann et exemple à cinq atomes

Boltzmann formalise le lien entre désordre et nombre de micro‑états Ω par l’équation fondamentale 

S = k_B * ln(Ω)
. Dans le texte, un système de cinq atomes possède une énergie macro‑état E=1. La contrainte n↑+n↓=5 impose trois spins up et deux spins down, ce qui génère C(5,3)=10 micro‑configurations. En base 2, l’entropie vaut log₂10≈3,32 bits, soit S≈k_B·ln 10≈2,30·10⁻²³ J·K⁻¹. Cette illustration montre comment le comptage exact des micro‑états traduit la dépendance de S à la température : plus le nombre de configurations compatibles augmente, plus l’entropie croît.

Entropie d'une chaîne de Markov selon Dyson

Dyson propose un modèle de cellule où N sites peuvent être « vide », « actif » ou « inactif ». Le processus est un chaîne de Markov à états finis qui converge vers un point d’équilibre caractérisé par des probabilités stationnaires p₀=½, p₁=¼, p₂=¼. Pour N=8, le nombre de configurations compatibles avec ces proportions est le coefficient multinomial 8!/(4!·2!·2!)=420. En appliquant la même formule de Boltzmann, l’entropie du réseau vaut S=k_B·ln 420≈k_B·6,04, soit environ 8,3·10⁻²³ J·K⁻¹. Cette démarche montre que l’entropie d’une chaîne de Markov peut être définie comme le logarithme du nombre de réalisations du vecteur d’état à l’équilibre, exactement comme en thermodynamique statistique.

Limites et perspectives scientifiques

Le comptage repose sur l’hypothèse d’indépendance des sites et d’une distribution stationnaire déjà atteinte. Dans des chaînes plus complexes, les corrélations spatiales ou temporelles modifient Ω et exigent l’usage de l’entropie de Shannon S=−∑p_i log p_i, qui coïncide avec la formule de Boltzmann lorsque les probabilités sont uniformes. De plus, la constante de Boltzmann k_B introduit une échelle physique que l’on ne retrouve pas toujours dans les modèles abstraits de Markov. Ainsi, bien que le cadre de Dyson permette un calcul explicite, son extension à des systèmes biologiques réels nécessite de prendre en compte des contraintes énergétiques, des flux d’énergie externes et des non‑équilibres dynamiques, qui restent hors du champ du simple comptage combinatoire.