Le scepticisme ne vous sauvera pas La science ne peut jamais être certaine

En 1939, alors que son Allemagne natale était sous un régime totalitaire, Bertolt Brecht écrivit un poème. Intitulé « À la louange du doute », il encourage les lecteurs à toujours remettre en question les orthodoxies établies. Brecht se moque de « ceux qui ne doutent jamais », et qui « ne croient pas aux faits », s’appuyant plutôt sur leurs propres opinions. Mais la principale cible du poète est ceux qui disent aux opprimés que leur place dans le monde est inévitable, prédestinée et impossible à contester. Comme le dit Brecht, réviser « la sagesse éternelle » peut également apporter un changement dans le monde réel — en modifiant nos croyances sur ce qui est possible.

Aujourd’hui, nous vivons à une époque curieuse de scepticisme, non seulement envers l’autorité de l’expertise, mais aussi envers les promesses de changement social. Un attachement déraisonnable à nos propres idées coexiste souvent avec une réticence à considérer les arguments des autres, même si nous sommes souvent cyniques quant à leurs motivations. Dans ce contexte, Adam Kucharski pose une question délicate. Que signifie, se demande-t-il, dans son nouveau livre Proof: the Uncertain Science of Uncertainty, être convaincu de quelque chose ? Plus précisément, qu’est-ce qu’il faut pour vous convaincre — quel type de preuve, et quel type de raisonnement ?

Tout ne peut pas être prouvé par les mathématiques et la logique. Bien joué, Euclide, d’avoir utilisé la preuve par contradiction pour montrer que, si deux angles dans un triangle sont égaux, les côtés opposés aux angles le seront aussi. Mais cela m’aide-t-il à décider si un accusé est coupable, si je dois me faire vacciner, ou à quel point un post sur les réseaux sociaux est susceptible d’être vrai ? Peu probable.

La preuve n’est pas le tampon qui met fin à l’argument que les pédants d’internet désirent. Les normes de preuve, en science, en médecine ou en droit, ne sont pas tombées, prêtes à l’emploi, du ciel. Des idées comme « au-delà de tout doute raisonnable » ou « signification statistique » ont été développées par des humains pour répondre à des questions importantes dans les limites de ce qu’ils avaient à disposition : preuves, personnes, ressources techniques et temps.

Aujourd’hui, nous tenons pour acquis que tout nouveau traitement médical aura été soumis à un ensemble standard de tests, y compris des essais contrôlés randomisés (ECR), analysés avec des méthodes statistiques désormais principalement effectuées par des ordinateurs. Tous ces outils ont été inventés par des chercheurs et des statisticiens pour répondre à des questions spécifiques. Les bébés s’épanouissent-ils mieux avec du lait de vache ou du lait maternel ? La streptomycine guérit-elle la tuberculose ? Quel type d’orge fait la meilleure Guinness ?

La nature, comme un accusé coupable, ne craque généralement pas sous l’interrogatoire et ne livre pas une confession complète. Mesurer l’efficacité d’un traitement, ou identifier les facteurs qui influencent les résultats, est également un travail pour des détectives : rassembler des preuves, éliminer les indices trompeurs ou non pertinents, et trouver des moyens de tester une hypothèse. Même dans ce cas, les chercheurs peuvent conclure qu’une chose semble en causer une autre, mais ils ne savent pas vraiment pourquoi.

Est-ce important ? Après tout, comme le souligne Kucharski, nous utilisons des techniques médicales très efficaces, comme la défibrillation, chaque jour sans comprendre pourquoi elles fonctionnent. Nous montons dans des avions sans nous inquiéter que les mathématiciens ne peuvent toujours pas expliquer exactement comment le flux d’air sur les ailes les maintient en vol. À un moment donné, nous acceptons simplement les preuves des résultats — sans comprendre les causes. C’est particulièrement vrai lorsque des méthodes statistiques familières sont propulsées par l’IA et alimentées par des données à l’échelle industrielle, ce qui signifie que les interventions sociales ainsi que médicales sont souvent basées sur ce type de corrélation, plutôt que sur une compréhension claire de la causalité.

Cependant, même en laissant de côté le véritable problème des conséquences imprévues, il y a un inconvénient à cette approche. Observer la corrélation nous permet de prédire ce qui se passe si nous faisons plus de la même chose. Mais comprendre la causalité nous permet d’invoquer quelque chose de nouveau. Kucharski cite la « échelle de causalité » du philosophe Judea Pearl — passant de l’association, à l’intervention, jusqu’aux contrefactuels — pour imaginer une version alternative de la réalité. Que se passerait-il si nous faisions X au lieu de Y ? Et, peut-être plus controversé, que se serait-il passé, si nous n’avions pas fait Y ?

En tant que mathématicien médical, impliqué dans le conseil au gouvernement britannique pendant le Covid dans le cadre de SAGE, Kucharski était à la pointe de ce type de modélisation « et si ? ». Il a plus d’expérience pratique que la plupart ne le souhaiteraient dans l’utilisation de données incomplètes pour construire des scénarios de ce qui pourrait se passer à l’avenir — ou, plutôt, dans différents futurs. Pour Kucharski, après tout, les variables incluaient non seulement des facteurs naturels, comme la contagiosité des différentes souches de Covid, mais aussi comment les gens se comporteraient, et comment différentes politiques gouvernementales pourraient affecter ce comportement.

Les décisions prises sur la base de ces modèles, comme Kucharski et ses collègues en étaient bien conscients, affecteraient des millions de vies. Il n’y avait pas de laboratoire dans lequel tester des politiques alternatives, seulement des modèles mathématiques avec de nombreuses hypothèses intégrées. Les enjeux étaient élevés, le temps et l’information étaient limités, et le débat public était hautement politisé.

Kucharski prend soin de distinguer les disputes factuelles des simples désaccords politiques. Comme il le dit, « décider ce qui est vrai et faux n’est pas la même chose que de décider ce qui est socialement juste ou injuste. » Il critique à juste titre la revendication malhonnête selon laquelle les gouvernements suivaient simplement « la science », citant avec approbation Austin Bradford Hill, mieux connu pour avoir découvert le lien entre le tabagisme et le cancer du poumon. « Ce n’était pas notre rôle de dire au public comment se comporter en ce qui concerne le tabagisme… Devenir des propagandistes nous ruinerait en tant que scientifiques et ferait de nous des présentateurs « biaisés » de matériel supplémentaire. »

Cependant, étant donné les profonds désaccords qui ont émergé sur la nature du Covid, et sur la manière de le prévenir et de le guérir, on pourrait s’attendre à ce que le livre de Kucharski, comme le poème de Brecht, attaque ceux qui « ne croient pas » aux faits. Vous auriez tort. Après tout, si nous sommes conscients de ce qu’il faut pour être convaincu que quelque chose est vrai, ne devrions-nous pas aussi réfléchir à ce qu’il faut pour convaincre les autres ? Nous ne sommes pas des machines, absorbant des données et produisant des hypothèses. Nous pesons les preuves et les arguments, testant de nouvelles théories sur le monde par rapport à toutes nos connaissances et hypothèses existantes. Il est raisonnable de supposer que les autres font de même.

L’expérience personnelle de Kucharski avec des amis et des membres de la famille hésitants vis-à-vis du vaccin était qu’ils avaient des raisons variées de douter. Certains estimaient qu’ils ne savaient pas assez. D’autres étaient profondément sceptiques à l’égard des entreprises pharmaceutiques en général. L’auteur a constaté qu’il ne pouvait les convaincre que la vaccination était une bonne idée qu’en « prenant le temps de comprendre pourquoi ils doutaient, puis en trouvant des moyens de répondre à ces doutes spécifiques. »

Cela devrait être évident pour tout le monde, dans une société pluraliste et démocratique. Mais nous vivons dans un monde où « la preuve par intimidation (‘les preuves sont claires’) » est trop souvent invoquée par ceux qui considèrent le public comme en dessous de l’argument rationnel. Ironiquement, la recherche montre que ce type d’approche n’est pas efficace — et tend en effet à se retourner contre ceux qui l’utilisent. « La confiance du public, » avertit Kucharski, « est érodée lorsque les problèmes sont balayés avec des appels à l’autorité. »

Cela souligne un problème plus profond avec l’attitude répandue selon laquelle la preuve, ou l’évidence, n’est qu’une munitions pour les propagandistes de tous bords. Ceux qui sont à la réception perdent foi, non seulement dans des éléments de preuve spécifiques, mais dans les méthodes et institutions mêmes qu’ils devraient utiliser pour peser et tester les arguments.

Kucharski cite Jules Henri Poincaré, le mathématicien et philosophe français, écrivant en 1908 : « Douter de tout ou croire tout sont deux solutions également commodes ; les deux dispensent de la nécessité de la réflexion. » Pour reformuler, un scepticisme sain cède la place à un cynisme fataliste, ce que Brecht appelle « le doute qui est une forme de désespoir. »

Malgré son titre, « À la louange du doute » cible également ceux qui doutent « non pas pour prendre une décision mais pour éviter une décision. » Écrivant en 1939, exilé de l’Allemagne nazie et désillusionné par la Russie stalinienne, il désigne non seulement ceux qui ne posent pas de questions, ou qui répriment la dissidence — mais aussi ceux qui ne veulent pas faire face à la réalité de leur situation, ou prendre la responsabilité de l’action.

Tout à fait. Le discours public aujourd’hui tombe trop souvent dans des slogans paresseux, des attaques personnelles, et une invocation négligente de faits hautement sélectionnés ou douteux. Nous devrions tous attendre de meilleurs standards de raisonnement et de preuves, et à notre tour déployer de meilleurs arguments lorsque nous essayons de convaincre les autres. Mais l’argument politique n’est généralement pas susceptible des types de preuves dans le livre de Kucharski. Les types de preuves et de raisonnements appropriés à un laboratoire, à un tribunal, ou aux réflexions d’un philosophe, ne peuvent aller que jusqu’à un certain point.

Abraham Lincoln, fasciné par les méthodes de preuve mathématique d’Euclide, a utilisé « la preuve par contradiction » pour montrer qu’une personne ne pouvait pas légitimement asservir une autre. Sa capacité à argumenter logiquement contre ses opposants a probablement aidé son élection à la présidence, mais cela n’a pas mis fin à la pratique de l’esclavage. En fin de compte, il a fallu plus que des preuves et des démonstrations pour changer cette réalité sociale. Il a fallu douter que l’état actuel des choses était le meilleur (ou le seul) monde possible — et imaginer positivement une réalité alternative. Pourtant, cela signifiait aussi convaincre les autres que le changement était possible. Et cela, comme le dit Kucharski, « ne concerne pas seulement les données ou la recherche ; c’est une question de psychologie, de politique et de croyances antérieures. »

En fin de compte, personne ne peut prouver à l’avance qu’il est possible de convaincre suffisamment de personnes de changer d’avis. À un moment donné, il faut simplement agir en fonction de sa conviction.

---