Bienvenue sur le simulateur du modèle à flux constants.

Ce modèle est basé sur notre cas d'étude simplifié : un groupe de guépards dans un parc national géré, où les entrées et sorties sont contrôlés par les gestionnaires (translocation entre parcs).

Fonctionnement :

• Le [Variable d'état] qui représente l'effectif de guépards (le nombre d'individus).

• Les [Flux] (B, I, D, E) sont le nombre fixe d'individus qui entrent ou sortent à chaque pas de temps.

• Variables forçantes : Les décisions des gestionnaires sont les "variables forçantes" qui rendent ces flux constants.

Votre mission : Utilisez les curseurs pour régler les conditions et lancez la simulation en cliquant sur le bouton "SIMULATE" en haut à droite, pour observer comment l'effectif évolue sur le graphique !

A model of the argument in Michael Powell's Atlantic essay 'The Cities That Said Yes to Drugs' (https://www.theatlantic.com/magazine/2026/09/city-drug-addiction-harm-reduction-policy/687967/). Radical harm reduction (injection sites, 'safer supply', paraphernalia hand-outs, non-enforcement) makes each act of drug use safer, but it removes every consequence and creates open-air drug markets that pull in users and dealers. The street-using population grows until TOTAL overdose deaths and community disorder rise even though the death risk PER USER has fallen. Enforcement paired with a firm push into treatment does the opposite. One stock of street drug users in a Seattle-sized city (~750k residents); one reinforcing loop (the open drug market attracts more users); two balancing loops (deaths and exits to treatment). The drug supply turns from heroin to fentanyl over 2015-2018 in every scenario, so deaths rise everywhere at first, as they did in reality; policy decides whether the city ends up with a 2x or an 8x increase. Time runs 2015-2035: the decade of the fentanyl era plus a decade of policy consequences.

Model beschrijft de onomkeerbare reactie A --> B --> C