Bayes et probabilités — raisonner avec l’incertitude plutôt que contre elle

Nous aimons les réponses nettes. Une affirmation est vraie ou fausse, un suspect est coupable ou innocent, un traitement fonctionne ou ne fonctionne pas, une information est fiable ou mensongère. Le monde, pourtant, nous oblige rarement à décider avec une connaissance aussi complète. Nous devons agir à partir d’indices incomplets, de témoignages imparfaits, de mesures entachées d’erreur, de prévisions révisables et d’informations parfois contradictoires. Entre ce que nous savons avec une quasi-certitude et ce que nous ignorons entièrement s’étend un vaste domaine : celui de l’incertitude.

Raisonner correctement ne consiste donc pas seulement à distinguer le vrai du faux. Il faut également apprendre à répondre à une question plus difficile : à quel point avons-nous de bonnes raisons de croire qu’une hypothèse est vraie ? C’est dans cet espace que les probabilités prennent toute leur importance. Et c’est également là que le raisonnement bayésien devient particulièrement utile : non comme une machine capable de produire automatiquement la vérité, mais comme une manière rigoureuse de penser ce que nous savions auparavant, ce qu’une nouvelle information nous apprend réellement et la manière dont notre degré de confiance devrait évoluer.

Entre certitude et ignorance

Nous raisonnons souvent comme si trois positions seulement étaient disponibles : savoir, ne pas savoir ou se tromper. Pourtant, une grande partie de nos connaissances possède une structure plus graduelle. Nous pouvons être presque certains qu’un événement aura lieu, juger une hypothèse plausible sans être convaincus, hésiter entre plusieurs explications ou considérer une possibilité comme très improbable sans pouvoir l’exclure.

Dire qu’une croyance est incertaine ne signifie donc pas que « tout se vaut ». Entre une certitude de 100 % et une ignorance totale existe toute une gamme de degrés de confiance. Une prévision météorologique annonçant 70 % de probabilité de pluie ne prétend pas connaître l’avenir avec certitude ; elle exprime une incertitude structurée. De même, lorsqu’un médecin envisage plusieurs diagnostics, lorsqu’un enquêteur compare des scénarios ou lorsqu’un scientifique évalue différentes hypothèses, la question pertinente n’est pas toujours « laquelle est vraie ? », mais souvent « laquelle est actuellement la mieux soutenue, et avec quel degré de confiance ? »

Cette manière de penser protège contre deux erreurs opposées. La première consiste à transformer trop vite une possibilité en certitude : un indice paraît confirmer une hypothèse, donc nous la déclarons vraie. La seconde consiste à considérer que toute incertitude nous condamne à ne rien conclure : puisque nous ne pouvons pas être certains, toutes les hypothèses seraient équivalentes. Entre ces deux excès se trouve le raisonnement probabiliste : croire proportionnellement à ce que les informations disponibles permettent réellement d’établir.

Une croyance peut changer sans se renverser

Imaginons que le détecteur de fumée d’un appartement se déclenche. Avant d’entendre l’alarme, nous considérions probablement qu’un incendie était peu probable. L’alarme constitue une information nouvelle et doit augmenter notre inquiétude. Mais elle ne suffit pas nécessairement à conclure qu’un incendie est en cours : un appareil défectueux, de la vapeur ou de la fumée de cuisson peuvent également déclencher certains détecteurs.

Notre croyance vient pourtant de changer. Nous sommes passés de « un incendie est peu probable » à « un incendie est désormais suffisamment plausible pour être pris au sérieux ». Cette modification est déjà une mise à jour.

Le raisonnement bayésien cherche précisément à formaliser cette opération. Nous partons d’un état initial de connaissance, parfois appelé probabilité a priori ou *prior*. Nous recevons ensuite une nouvelle information. Nous évaluons ce que cette information nous apprend relativement aux différentes hypothèses possibles. Nous obtenons alors une croyance révisée, appelée probabilité a posteriori ou *posterior*.

ÉtapeQuestion
Avant l’informationÀ quel point l’hypothèse était-elle plausible compte tenu de ce que je savais déjà ?
Nouvelle observationCette observation était-elle particulièrement attendue si l’hypothèse était vraie ? Et l’était-elle également sous d’autres hypothèses ?
Après l’informationÀ quel point dois-je désormais croire à l’hypothèse ?

Cette structure est beaucoup plus importante, pour commencer, que la formule mathématique du théorème de Bayes. La formule viendra ensuite. Il faut d’abord comprendre ce qu’elle cherche à représenter : un changement rationnel de croyance provoqué par une information nouvelle.

Le rôle de ce que nous savions déjà

Une information ne tombe jamais dans un esprit entièrement vide. Nous l’interprétons toujours à partir de connaissances antérieures. C’est ce que représente le prior.

Si quelqu’un affirme avoir vu un chien dans une station de métro, nous pouvons accepter son témoignage assez facilement. S’il affirme avoir vu un tigre en liberté dans la même station, nous demanderons probablement des vérifications supplémentaires. Pourtant, les deux phrases ont exactement la même structure : « j’ai vu un animal dans le métro ». La différence vient de leur plausibilité initiale. Les chiens sont courants dans une grande ville ; les tigres en liberté ne le sont pas.

Prendre en compte cette connaissance préalable n’est pas nécessairement un préjugé irrationnel. Au contraire, ignorer systématiquement ce que nous savons déjà rendrait notre raisonnement extrêmement vulnérable. Une hypothèse très improbable avant l’apparition d’une information ne devient pas automatiquement probable parce qu’un indice lui est compatible.

Mais un prior n’est pas une condamnation définitive. Si des images vérifiées, plusieurs observations indépendantes et l’intervention des autorités confirmaient qu’un tigre s’est effectivement échappé d’un cirque, notre croyance devrait changer. Un prior faible signifie qu’il faudra généralement une preuve plus forte, non qu’aucune preuve ne pourra jamais suffire. Sans cette possibilité de révision, la connaissance préalable deviendrait un dogme plutôt qu’un point de départ.

Une preuve compatible n’est pas nécessairement une preuve forte

Voici l’une des distinctions les plus importantes de toute cette catégorie. Supposons que nous cherchions à savoir s’il existe réellement un incendie dans l’appartement. Le déclenchement du détecteur est parfaitement compatible avec cette hypothèse : s’il y a un incendie, il est normal que l’alarme puisse sonner.

Mais cela ne suffit pas à mesurer la force de la preuve. Il faut aussi demander : à quelle fréquence l’alarme pourrait-elle sonner en l’absence d’incendie ?

Si elle ne se déclenche presque jamais sans fumée dangereuse, son activation constitue un indice très fort. Si elle sonne chaque semaine dès que quelqu’un fait griller du pain, la même observation devient beaucoup moins informative. Dans les deux cas, l’alarme est compatible avec l’hypothèse « incendie ». Mais elle n’a pas la même capacité à distinguer cette hypothèse de ses concurrentes.

Cette idée est fondamentale : une observation soutient fortement une hypothèse lorsqu’elle est beaucoup plus attendue si cette hypothèse est vraie que si ses principales concurrentes le sont. C’est ce que nous préciserons plus tard avec les notions de vraisemblance et de rapport de vraisemblance.

Cette distinction explique pourquoi certaines « preuves » impressionnantes en apparence apprennent en réalité très peu. Dire qu’un comportement est « exactement ce que ferait un coupable » n’est pas suffisant si un innocent pourrait se comporter exactement de la même manière. Observer un symptôme fréquent chez les malades ne permet pas à lui seul un diagnostic solide si ce symptôme est également très courant chez les personnes non malades. Trouver une donnée compatible avec une théorie scientifique n’est pas une forte confirmation si toutes les théories concurrentes prédisaient la même chose.

La bonne question n’est donc pas seulement « cette observation est-elle compatible avec mon hypothèse ? », mais « cette observation permet-elle réellement de distinguer mon hypothèse des autres explications possibles ? »

La même information ne produit pas toujours la même mise à jour

La force d’une preuve dépend à la fois de l’information nouvelle et du point de départ. Une alarme très fiable pourra fortement augmenter la probabilité d’un incendie. Mais si nous savons par ailleurs que le bâtiment fait précisément l’objet d’un exercice d’évacuation, la même sonnerie n’aura plus la même signification.

C’est pourquoi le raisonnement bayésien ne consiste pas à attribuer une valeur fixe à chaque indice. Une information prend son sens à l’intérieur d’un ensemble d’hypothèses et de connaissances antérieures. Ce qui compte n’est pas seulement ce que nous observons, mais ce que cette observation aurait été susceptible de produire dans différents scénarios.

Une preuve faible devrait provoquer une faible modification de croyance. Une preuve très discriminante peut produire une modification beaucoup plus importante. Et plusieurs informations successives peuvent progressivement transformer une hypothèse autrefois improbable en hypothèse très plausible.

Cela permet d’abandonner une conception spectaculaire du changement d’avis. Nous imaginons parfois la rationalité comme une succession de conversions : j’étais convaincu de A, je découvre une preuve décisive, je passe immédiatement à non-A. Dans la réalité, les révisions raisonnables sont souvent graduelles. Une information peut faire passer une hypothèse de « très improbable » à « possible », puis de « possible » à « plausible », avant que de nouveaux éléments ne justifient éventuellement une confiance beaucoup plus forte.

Les taux de base : ce que l’on oublie avant même de regarder la preuve

Le rôle du prior conduit directement à celui des taux de base. Avant d’interpréter un résultat, nous devons souvent connaître la fréquence initiale du phénomène étudié.

Cette question devient spectaculaire avec les tests médicaux. Un test peut détecter correctement une grande majorité des personnes atteintes d’une maladie et produire très peu de résultats positifs chez les personnes saines. Pourtant, lorsqu’une maladie est extrêmement rare, une proportion non négligeable des résultats positifs peut encore correspondre à des personnes qui ne sont pas malades.

Le phénomène semble paradoxal tant que nous regardons uniquement les performances du test. Il devient beaucoup plus clair lorsque nous demandons combien de personnes étaient susceptibles d’être malades avant même que le test soit réalisé. Nous rencontrerons donc très tôt une distinction essentielle : la probabilité d’obtenir un test positif lorsqu’une personne est malade n’est pas la même chose que la probabilité qu’une personne soit malade lorsqu’elle obtient un test positif.

C’est le sens de la formule que nous retrouverons souvent : P(A|B) n’est pas P(B|A). L’ordre des conditions change la question.

Pourquoi les fréquences naturelles rendent souvent le problème plus clair

Les probabilités peuvent devenir rapidement abstraites lorsqu’elles sont présentées uniquement sous forme de pourcentages. Une autre manière consiste à transformer le problème en populations concrètes : sur 1 000 personnes, combien possèdent réellement la caractéristique recherchée ? Combien auront un résultat positif parmi celles qui la possèdent ? Combien auront également un résultat positif parmi celles qui ne la possèdent pas ?

Ces fréquences naturelles rendent souvent visibles des relations qui étaient difficiles à percevoir sous forme de probabilités conditionnelles. Les travaux de Gerd Gigerenzer et Ulrich Hoffrage ont notamment montré que la manière dont l’information est représentée peut fortement influencer la réussite à certains problèmes bayésiens. Cela prolonge directement ce que nous avons vu à propos de l’intuition : une erreur de raisonnement ne provient pas toujours d’une incapacité humaine générale à comprendre les probabilités ; elle peut aussi être favorisée par une représentation particulièrement difficile du problème.

L’objectif de cette catégorie ne sera donc pas seulement d’apprendre quelques formules. Il s’agira aussi d’apprendre à représenter correctement un problème probabiliste afin de rendre sa structure intelligible.

Bayes ne transforme pas l’incertitude en certitude

Le théorème de Bayes est une identité mathématique. Lorsqu’on lui fournit des probabilités déterminées, le calcul permettant de passer d’un prior à un posterior n’est pas une opinion philosophique. Mais l’utilisation concrète de cette identité soulève immédiatement d’autres questions : d’où viennent les probabilités utilisées ? Le modèle est-il pertinent ? Les données sont-elles fiables ? Avons-nous envisagé les bonnes hypothèses ? Les différentes preuves sont-elles réellement indépendantes ?

Une analyse peut donc être mathématiquement impeccable et néanmoins mal représenter le monde. Si nous comparons H1 et H2 alors que l’explication correcte H3 a été oubliée, Bayes pourra parfaitement nous dire laquelle de H1 et H2 est la mieux soutenue. Il ne pourra pas nous prévenir automatiquement que nous avons posé la mauvaise question.

De même, accumuler les chiffres ne garantit pas l’accumulation de connaissance. Dix articles répétant la même dépêche ne constituent pas dix sources indépendantes. Plusieurs témoignages contaminés les uns par les autres ne doivent pas être traités comme autant d’observations autonomes. Des probabilités arbitrairement inventées ne deviennent pas solides parce qu’elles ont été introduites dans une formule exacte.

Le raisonnement bayésien est donc une carte de l’incertitude, pas une machine à fabriquer des certitudes. La qualité de la carte dépend encore de la qualité de ce que nous y faisons entrer.

Penser bayésiennement sans faire de calcul

Il n’est pas nécessaire de disposer de probabilités numériques précises pour appliquer une partie de cette logique. Imaginons une hypothèse initialement peu plausible. Une information nouvelle apparaît. Elle est un peu plus facile à expliquer si cette hypothèse est vraie que si elle est fausse, mais elle pourrait tout de même se produire dans les deux cas. Une conclusion raisonnable serait : l’hypothèse devient légèrement plus plausible, mais la preuve est trop faible pour provoquer un changement majeur de confiance.

Aucun pourcentage artificiel n’est nécessaire. Attribuer arbitrairement « 23 % » puis « 31 % » donnerait même une illusion de précision. L’essentiel est de respecter la direction et, autant que possible, l’ampleur relative de la mise à jour.

Cette manière de raisonner peut devenir une discipline intellectuelle quotidienne. Une information confirme-t-elle vraiment ce que je pensais, ou est-elle simplement compatible avec mon opinion ? Une prédiction réussie était-elle suffisamment précise pour être informative ? Une nouvelle étude modifie-t-elle fortement l’état des connaissances ou seulement légèrement ? Plusieurs sources apportent-elles plusieurs preuves, ou répètent-elles la même information ? Mon hypothèse concurrente aurait-elle également prévu ce résultat ?

Le calcul bayésien permet de formaliser ces questions lorsqu’on dispose de données adaptées. Mais leur logique reste utile bien au-delà des situations où une calculatrice est nécessaire.

De Bayes à l’autonomie intellectuelle

L’un des objectifs de l’esprit critique est d’éviter que nos croyances deviennent des possessions à défendre. Le raisonnement bayésien propose une autre image : une croyance est un état provisoire de confiance, appelé à évoluer lorsque l’information disponible évolue.

Cela ne signifie pas changer d’avis à chaque nouvelle anecdote. Une croyance solidement étayée ne devrait pas être renversée par une preuve faible. Mais l’inverse est également vrai : conserver exactement le même degré de confiance après l’apparition d’une preuve réellement forte peut révéler que nous ne raisonnons plus sur l’hypothèse, mais que nous cherchons à la protéger.

L’autonomie intellectuelle exige donc davantage que de savoir dire « je peux me tromper ». Elle suppose de pouvoir préciser ce qui pourrait nous faire changer d’avis et dans quelle direction. Elle demande également une certaine symétrie : aurions-nous accordé le même poids à cette information si elle avait favorisé l’hypothèse adverse ? Demandons-nous aux idées que nous apprécions les mêmes preuves qu’à celles auxquelles nous sommes hostiles ?

Bayes fournit un langage particulièrement puissant pour poser ces questions. Nous apprendrons progressivement à distinguer probabilités simples et probabilités conditionnelles, à comprendre les taux de base, les priors et les posteriors, à mesurer la capacité discriminante d’une preuve, à utiliser les fréquences naturelles, à interpréter les tests médicaux, à comprendre certains pièges judiciaires et à comparer plus proprement des hypothèses scientifiques. Nous verrons également pourquoi l’accumulation des preuves dépend de leur indépendance, pourquoi une bonne analyse doit tester sa sensibilité aux choix du modèle et pourquoi inférence probabiliste et inférence causale ne sont pas la même chose.

Le but n’est pas de transformer chaque opinion quotidienne en équation. Il est d’acquérir une habitude plus fondamentale : remplacer progressivement la question binaire « est-ce vrai ou faux ? », lorsqu’elle dépasse ce que nous savons réellement, par une question mieux adaptée à l’incertitude : « compte tenu de ce que je savais et de ce que je viens d’apprendre, à quel point ai-je maintenant de bonnes raisons d’y croire ? »

C’est cette capacité à faire évoluer nos croyances ni trop vite, ni trop lentement, mais proportionnellement à la force des preuves qui constituera le fil directeur de toute la catégorie.

Pour aller plus loin

  • Bayes, T. (1763). *An Essay towards Solving a Problem in the Doctrine of Chances*. *Philosophical Transactions of the Royal Society*, 53, 370–418. DOI : 10.1098/rstl.1763.0053.
  • Gigerenzer, G., & Hoffrage, U. (1995). “How to Improve Bayesian Reasoning Without Instruction: Frequency Formats”. *Psychological Review*, 102(4), 684–704. DOI : 10.1037/0033-295X.102.4.684.
  • Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). *Bayesian Data Analysis*, 3e éd. CRC Press.
1 sur 35Retour à la catégorie