Les potentialités des SMA ne doivent pas cacher les difficultés qui guettent le modélisateur. Plus précisément, c'est la question de la validation des modèles qui est régulièrement soulevée. Car, contrairement aux modèles mathématiques, il est impossible de prouver les caractéristiques d'un SMA. De plus, les probabilités de faire apparaître des erreurs ou des biais ne sont pas négligeables. On peut alors légitimement s'interroger sur la fiabilité des simulateurs. Or il s'agit moins d'erreurs de codage que de problèmes de gestion approximative des interactions ou d'activation des agents qui peuvent remettre en cause cette fiabilité. Souvent sous-estimés, ces approximations produisent des artéfacts et on risque d'attribuer par erreur des propriétés à un modèle. Certaines techniques limitent l'apparition de ce genre de biais en renforçant par exemple l'autonomie des agents. En effet, en protégeant leur intégrité informatique, ces architectures empêchent les interactions directes de gré à gré. Elles obligent donc un traitement dévié vers une entité d'ordre supérieur (l'environnement ou l'univers) en charge de résoudre les interactions, les conflits et les traitements parallèles. Néanmoins, ces techniques informatiques sont contraignantes et difficiles à mettre en oeuvre. Seules, elles apportent rarement de réponses satisfaisantes pour empêcher l'apparition de biais. Il importe plutôt de connaître les zones sensibles susceptibles de générer des artefacts et d'utiliser des procédures standards en les adaptant au domaine modélisé. Ceci ne veut pas dire qu'il faille sophistiquer les interactions entre les agents ou bien imposer un système particulier de gestion du temps. Au contraire, il est nécessaire d'aborder ces points sensibles en proposant des modèles simples et contrôlables et en considérant que l'activation et les interactions font partie intégrante du modèle. La modélisation des socio-éco-systèmes n'est pas juste une spécialité informatique, mais demande un véritab