Critères de Bradford Hill
En 1965, l’épidémiologiste Austin Bradford Hill a proposé plusieurs considérations permettant d’évaluer si une association observée pouvait raisonnablement être interprétée comme causale.
Ces considérations sont souvent appelées « critères de Bradford Hill ».
Le terme « critères » peut toutefois être trompeur. Hill lui-même ne les présentait pas comme une checklist rigide permettant de décider mécaniquement :
« causal » / « non causal ».
Il s’agissait plutôt d’un ensemble de questions destinées à structurer le raisonnement.
Pourquoi Hill a proposé ces considérations
À l’époque, une question majeure concernait notamment la relation entre :
tabagisme
et
cancer du poumon.
Il n’était évidemment pas possible de réaliser un essai randomisé dans lequel des personnes seraient assignées à fumer pendant plusieurs décennies.
Il fallait donc évaluer la causalité à partir d’un ensemble de données observationnelles, expérimentales et biologiques.
Hill cherchait à préciser :
« Dans quelles circonstances une association devient-elle suffisamment convaincante pour justifier une interprétation causale et éventuellement une action ? »
Les neuf considérations classiques
La liste traditionnellement associée à Bradford Hill comprend :
- force de l’association ;
- cohérence ;
- spécificité ;
- temporalité ;
- gradient biologique ;
- plausibilité ;
- cohérence avec les connaissances ;
- expérimentation ;
- analogie.
Toutes n’ont pas la même importance.
La temporalité occupe notamment une place particulière : une cause doit généralement précéder son effet.
1. Force de l’association
Une association très importante est souvent plus difficile à expliquer entièrement par de petits biais ou des facteurs de confusion.
Supposons :
RR = 1,08.
Une faible confusion résiduelle peut parfois produire une association de cet ordre.
Supposons au contraire :
RR = 15.
Il faudrait généralement une explication alternative beaucoup plus puissante pour expliquer entièrement le résultat.
Un effet fort renforce donc parfois la causalité
Si une exposition est associée à un risque multiplié par dix ou vingt :
- dans plusieurs études ;
- avec des méthodes différentes ;
la possibilité d’un simple petit biais devient moins crédible.
Mais ce n’est toujours pas une preuve absolue.
Une forte association peut être entièrement biaisée
Supposons qu’une étude compare deux populations extrêmement différentes.
Un biais majeur de sélection ou de classification peut produire une association considérable.
L’ampleur ne remplace donc jamais l’analyse du design.
Et un faible effet peut être causal
L’erreur inverse serait de considérer qu’un effet modeste n’est jamais causal.
Une exposition très fréquente augmentant un risque de seulement 10 % peut provoquer beaucoup d’événements à l’échelle d’une population.
De nombreux effets biologiques réels sont modestes.
La force de l’association est donc un argument de degré, pas un seuil de causalité.
2. Cohérence
Une association est plus convaincante lorsqu’elle est retrouvée :
- dans plusieurs populations ;
- par différentes équipes ;
- à différentes périodes ;
- avec différents plans d’étude.
Si un résultat apparaît uniquement dans une petite étude isolée, la prudence est plus grande.
La réplication compte
Supposons qu’une relation soit retrouvée dans :
- études cas-témoins ;
- cohortes ;
- expériences naturelles.
La convergence réduit la probabilité qu’un biais particulier explique tous les résultats.
Cette idée rejoint ce que nous avons appelé triangulation.
Mais la répétition du même biais ne crée pas la vérité
Dix études utilisant exactement :
- la même base ;
- la même mesure imparfaite ;
- le même facteur de confusion non mesuré
peuvent reproduire le même résultat biaisé.
La cohérence est plus informative lorsque les méthodes possèdent des vulnérabilités différentes.
3. Spécificité
Hill évoquait l’idée qu’une cause produisant un effet relativement spécifique pouvait être plus facilement interprétée causalement.
Par exemple :
une exposition particulière → une maladie particulière.
Historiquement, cette idée avait beaucoup de sens pour certaines maladies infectieuses.
Mais la spécificité est souvent faible en épidémiologie moderne
Le tabac provoque ou contribue à de nombreuses maladies :
- cancers ;
- maladies cardiovasculaires ;
- maladies respiratoires.
Et un cancer du poumon peut avoir plusieurs causes.
L’absence de relation « une cause → une maladie » ne constitue donc pas un argument sérieux contre la causalité.
Une cause peut avoir plusieurs effets
Une même exposition peut agir sur plusieurs organes.
Par exemple, une substance toxique circulant dans l’organisme peut produire différents dommages.
La causalité multifactorielle rend donc la spécificité beaucoup moins importante que certaines autres considérations.
Un effet peut avoir plusieurs causes
Inversement, une même maladie peut être produite par :
- facteurs génétiques ;
- environnement ;
- comportements ;
- agents infectieux.
La spécificité est donc souvent un critère faible.
4. Temporalité
C’est la considération la plus fondamentale.
Pour que X cause Y, X doit généralement apparaître avant Y.
On ne peut pas raisonnablement affirmer :
X → Y
si Y existait déjà avant X.
Le diagnostic n’est pas forcément le début de Y
Comme nous l’avons vu avec la causalité inverse, il faut distinguer :
date du diagnostic
et
début biologique réel de la maladie.
Une exposition mesurée avant le diagnostic peut malgré tout être une conséquence d’un processus préclinique déjà commencé.
La temporalité doit donc être analysée finement.
Exemple
Supposons qu’une perte de poids soit observée deux ans avant un diagnostic de cancer.
La perte de poids précède le diagnostic.
Mais le cancer pouvait déjà être présent de manière silencieuse.
La condition de temporalité causale n’est donc pas automatiquement satisfaite.
Pourquoi la temporalité est particulière
Si l’effet précède clairement la cause supposée, l’hypothèse causale est généralement impossible sous cette forme.
C’est pourquoi la temporalité est beaucoup plus proche d’une condition nécessaire que les autres considérations de Hill.
5. Gradient biologique
Un gradient biologique correspond à une relation dose-réponse.
Par exemple :
plus l’exposition augmente, plus le risque augmente.
Cette structure peut renforcer une hypothèse causale.
Exemple tabac
Si le risque augmente avec :
- nombre de cigarettes ;
- durée du tabagisme ;
puis diminue après arrêt, cela forme un ensemble cohérent avec une relation causale.
Mais toutes les causes ne produisent pas une relation linéaire
Une relation peut avoir :
- seuil ;
- plateau ;
- forme en U ;
- forme en J.
Par exemple, au-delà d’une certaine dose, augmenter encore l’exposition peut ne plus changer beaucoup le risque.
L’absence de gradient simple ne réfute donc pas la causalité.
Dose-réponse artificielle
Un facteur de confusion peut également produire un gradient.
Supposons que la consommation d’un produit augmente progressivement avec le revenu, et que le revenu influence aussi fortement la santé.
On peut observer une relation dose-réponse sans effet causal direct du produit.
6. Plausibilité
Une relation est plus crédible lorsqu’un mécanisme biologique ou physiologique connu peut expliquer comment l’exposition produit le résultat.
Par exemple :
substance cancérogène → lésions de l’ADN → mutations → cancer.
Cela renforce la cohérence causale.
Mais la plausibilité dépend de nos connaissances
Une causalité réelle peut sembler peu plausible simplement parce que son mécanisme n’a pas encore été découvert.
L’histoire scientifique contient de nombreux phénomènes observés avant que leur explication soit comprise.
La plausibilité ne doit donc pas être utilisée comme veto absolu.
Le danger du « je ne vois pas comment »
Dire :
« je ne connais aucun mécanisme, donc c’est impossible »
confond :
absence de mécanisme connu
et
absence de mécanisme réel.
Nos connaissances biologiques sont incomplètes.
Le problème inverse
On peut aussi inventer facilement une histoire biologiquement plausible après avoir vu une association.
Une chaîne mécanistique convaincante sur le papier peut être fausse.
La plausibilité doit être soutenue par des observations indépendantes.
7. Cohérence avec les connaissances existantes
Hill distinguait également la cohérence avec ce que l’on sait déjà de :
- l’histoire naturelle de la maladie ;
- la biologie ;
- l’épidémiologie ;
- les expériences animales ou de laboratoire.
Une hypothèse causale est renforcée lorsqu’elle s’intègre bien aux autres connaissances.
Exemple
Supposons qu’une exposition soit associée à une maladie chez l’humain.
On observe également :
- lésions correspondantes chez l’animal ;
- mécanisme cellulaire plausible ;
- temporalité compatible.
L’ensemble devient plus convaincant.
Mais une théorie nouvelle peut contredire les connaissances existantes
Une découverte importante peut précisément montrer que certaines connaissances antérieures étaient incorrectes.
La cohérence avec le savoir existant est donc utile sans être absolue.
Une preuve très forte peut justifier de réviser le cadre théorique.
8. Expérimentation
Si modifier l’exposition modifie le résultat, l’argument causal devient particulièrement puissant.
C’est la logique :
intervention sur X → changement de Y.
L’essai randomisé constitue l’exemple le plus évident.
Exemple
Si un traitement donné au hasard réduit la fréquence d’une maladie comparativement au placebo, cela fournit un argument causal très fort.
De même, si réduire une exposition environnementale est suivi d’une diminution du risque dans une expérience naturelle bien construite, cela soutient la causalité.
L’arrêt de l’exposition
Une forme d’expérimentation peut aussi être :
exposition → risque élevé
puis
arrêt de l’exposition → risque qui diminue.
Ce phénomène, parfois appelé dechallenge dans certains contextes, peut renforcer l’interprétation.
Réexposition
Dans certains domaines, une réexposition entraînant de nouveau le même événement peut constituer un argument causal.
Mais provoquer volontairement une réexposition potentiellement dangereuse serait souvent contraire à l’éthique.
Ce type d’information apparaît donc surtout accidentellement ou dans des situations à faible risque.
L’expérimentation n’est pas toujours possible
On ne randomisera pas :
- amiante ;
- tabagisme ;
- pollution toxique.
L’absence d’expérience randomisée n’empêche donc pas une causalité d’être solidement établie.
9. Analogie
Hill évoquait enfin l’analogie.
Si une exposition similaire est connue pour produire un effet comparable, une nouvelle hypothèse peut devenir plus plausible.
Par exemple, si plusieurs substances d’une même famille provoquent le même type de toxicité, suspecter une nouvelle substance apparentée peut être raisonnable.
Analogie et génération d’hypothèses
L’analogie est surtout utile pour :
- orienter la recherche ;
- générer une hypothèse.
Elle constitue une preuve relativement faible.
Deux substances ressemblantes peuvent avoir des effets très différents.
Les critères ne sont pas indépendants
Une relation dose-réponse peut aussi renforcer la plausibilité.
Une expérience peut renforcer la cohérence.
Une forte association peut être retrouvée dans plusieurs études.
Les considérations de Hill se chevauchent donc partiellement.
Il serait artificiel de les traiter comme neuf tests indépendants.
Il ne faut pas compter les cases
Une mauvaise utilisation serait :
7 critères sur 9 = causalité prouvée.
Il n’existe aucun seuil de ce type.
Certaines relations causales peuvent ne satisfaire clairement que quelques considérations.
Une association non causale peut sembler en satisfaire plusieurs.
Exemple fictif
Supposons une association avec :
- forte corrélation ;
- dose-réponse ;
- mécanisme plausible ;
- répétition dans plusieurs études.
Cela semble impressionnant.
Mais si toutes les études reposent sur le même facteur de confusion massif, les quatre éléments peuvent être trompeurs.
L’analyse causale du design reste indispensable.
Hill n’a jamais proposé un algorithme causal
Le texte original était beaucoup plus prudent que certaines présentations modernes.
Hill parlait de viewpoints, des points de vue à considérer.
Son objectif était de structurer le jugement scientifique, pas de remplacer ce jugement par une grille mécanique.
Ce que les critères ne disent pas clairement
Les approches modernes de l’inférence causale accordent davantage d’attention à :
- confondeurs ;
- colliders ;
- médiateurs ;
- sélection ;
- contrefactuels.
Ces concepts ne sont pas explicitement structurés dans la liste de Hill.
Les critères ne remplacent donc pas les méthodes modernes.
Hill et les DAG répondent à des questions différentes
Un DAG cherche notamment à déterminer :
quelles voies causales ou non causales relient les variables ?
Les considérations de Hill demandent plutôt :
l’ensemble des observations disponibles ressemble-t-il à ce que l’on attendrait d’une relation causale ?
Les deux approches peuvent être complémentaires.
Bradford Hill et le contrefactuel
Le cadre contrefactuel moderne demande :
« Que se serait-il passé si l’exposition avait été différente ? »
Cela donne une définition plus formelle de l’effet causal.
Les considérations de Hill aident davantage à évaluer la crédibilité empirique de cette hypothèse à partir d’un ensemble de preuves.
Force de preuve différente selon le critère
Toutes les considérations ne possèdent donc pas le même poids.
Une hiérarchie grossière pourrait être :
temporalité : fondamentale ;
expérimentation / quasi-expérimentation : souvent très forte ;
cohérence entre méthodes : très importante ;
dose-réponse et mécanisme : utiles ;
spécificité et analogie : souvent beaucoup plus faibles.
Ce classement dépend toutefois du problème étudié.
Cas du tabac et cancer du poumon
Historiquement, la causalité était soutenue notamment par :
- associations très fortes ;
- répétition dans différentes populations ;
- relation dose-réponse ;
- temporalité ;
- diminution progressive du risque après arrêt ;
- données expérimentales et biologiques.
Aucune étude unique ne fournissait seule la démonstration.
C’est l’ensemble cohérent du dossier qui devenait convaincant.
C’est une logique de convergence
La causalité en épidémiologie fonctionne souvent ainsi :
association
bon ordre temporel
réplication
élimination d’explications alternatives
mécanismes
données interventionnelles lorsque possibles.
Plus ces éléments convergent, plus la confiance augmente.
L’absence d’un critère n’est pas forcément un problème
Supposons qu’une exposition augmente le risque à partir d’un seuil mais qu’ensuite le risque reste stable.
Il n’existe pas de dose-réponse linéaire.
Cela ne réfute pas l’effet causal.
De même, une exposition peut produire plusieurs maladies et donc manquer de spécificité.
Présence d’un critère n’est pas une preuve
Une relation peut présenter une belle dose-réponse parce qu’un confondeur augmente lui aussi progressivement avec l’exposition.
Elle peut être biologiquement plausible parce que le mécanisme a été inventé après coup.
Chaque considération doit donc être interrogée, pas simplement cochée.
Exemple alimentaire
Supposons qu’une cohorte trouve :
plus on consomme l’aliment X, moins la mortalité est élevée.
On observe une dose-réponse.
Mais les gros consommateurs de X sont aussi :
- plus diplômés ;
- plus actifs ;
- moins fumeurs.
La dose-réponse elle-même peut refléter ce gradient social.
Le critère de Hill ne remplace pas l’analyse de la confusion.
Exemple de médicament
Un médicament est associé à une diminution spectaculaire de mortalité.
Le mécanisme paraît plausible.
Mais il est prescrit uniquement aux patients suffisamment stables pour recevoir le traitement.
Un biais de sélection ou de temps immortel peut expliquer le résultat.
Encore une fois, un critère favorable ne sauve pas un mauvais design.
Critères et tribunal
Les critères de Hill sont parfois utilisés dans les débats juridiques ou réglementaires.
Ils peuvent aider à organiser l’expertise.
Mais la causalité scientifique populationnelle et l’attribution causale d’un cas individuel ne sont pas exactement la même question.
Une exposition peut augmenter causalement le risque sans qu’on puisse déterminer avec certitude si elle a provoqué un cas particulier.
Critères et santé publique
L’une des intuitions importantes de Hill est qu’on n’a pas toujours besoin d’une certitude absolue avant d’agir.
Si :
- risque potentiel grave ;
- preuves convergentes ;
- intervention raisonnable ;
une décision de prévention peut être justifiée avant que chaque mécanisme soit parfaitement établi.
Cela renvoie à la distinction entre niveau de preuve et seuil de décision.
La certitude scientifique totale est rarement accessible
Attendre que toutes les considérations soient parfaitement satisfaites peut conduire à une inertie indéfinie.
Inversement, agir sur une simple corrélation fragile peut conduire à des mesures inutiles ou nuisibles.
Le jugement doit combiner :
- qualité de preuve ;
- gravité du risque ;
- coût de l’action ;
- coût de l’inaction.
Une mauvaise utilisation sceptique
On peut utiliser Hill pour nier une causalité solide :
« Il manque la spécificité, donc ce n’est pas causal. »
C’est un mauvais raisonnement.
Aucune considération, à part la temporalité dans son sens logique, n’est universellement nécessaire.
Une mauvaise utilisation militante
L’erreur inverse consiste à choisir les considérations favorables :
« il y a plausibilité + dose-réponse + temporalité, donc c’est prouvé ».
Si la comparaison est fortement confondue, ces éléments peuvent être insuffisants.
Les critères ne doivent pas servir d’outil rhétorique pour légitimer une conclusion déjà choisie.
Un cadre moderne plus complet
Aujourd’hui, une bonne analyse causale combine souvent :
- plan d’étude ;
- raisonnement contrefactuel ;
- DAG ;
- analyse des biais ;
- triangulation ;
- réplication ;
- mécanismes ;
- considérations proches de celles de Hill.
Les critères de Bradford Hill restent donc utiles, mais à l’intérieur d’un cadre méthodologique plus large.
Un exemple d’analyse structurée
Supposons qu’une nouvelle exposition X soit associée à une maladie Y.
On peut procéder ainsi :
1. Association
L’effet est-il clairement observé ?
2. Temporalité
X apparaît-il réellement avant le début de Y ?
3. Design
La sélection ou la confusion peuvent-elles expliquer l’association ?
4. Réplication
D’autres études retrouvent-elles le résultat ?
5. Gradient
Existe-t-il une relation avec la dose ou la durée ?
6. Mécanisme
Existe-t-il des données biologiques indépendantes ?
7. Intervention
Modifier X modifie-t-il Y ?
8. Triangulation
Des méthodes différentes convergent-elles ?
Cette démarche est beaucoup plus solide qu’un simple comptage des critères.
Critères et preuves contradictoires
Une situation intéressante apparaît lorsque certains éléments vont dans des directions différentes.
Par exemple :
- forte association observationnelle ;
- mécanisme plausible ;
- mais essais randomisés négatifs.
Dans ce cas, l’expérimentation peut conduire à reconsidérer sérieusement l’interprétation des études observationnelles.
L’inverse peut aussi arriver
Un essai peut être trop court ou trop petit pour répondre à une question sur un dommage rare à long terme.
Des cohortes très importantes peuvent alors apporter une information essentielle.
Il faut donc évaluer si chaque méthode était capable de tester correctement la question.
Hiérarchie contextuelle des preuves
La meilleure preuve dépend de ce que l’on cherche.
Pour :
efficacité d’un médicament, un essai randomisé peut être idéal.
Pour :
cancer rare apparaissant trente ans après une exposition professionnelle, une cohorte historique ou une étude cas-témoins peut être beaucoup plus pertinente.
Hill rappelle indirectement cette nécessité de regarder l’ensemble du dossier plutôt qu’un seul type de preuve.
Une leçon d’esprit critique
Lorsqu’une personne affirme :
« Tous les critères de Bradford Hill sont remplis »,
il faut demander :
Comment ont-ils été évalués ?
La temporalité est-elle réellement établie ?
Les facteurs de confusion sont-ils correctement traités ?
Les études sont-elles indépendantes ?
La dose-réponse pourrait-elle être confondue ?
Le mécanisme est-il démontré ou simplement plausible ?
Existe-t-il des données expérimentales ou quasi expérimentales ?
Le nom de Bradford Hill ne transforme pas une argumentation en preuve.
À retenir
Les considérations de Bradford Hill constituent un cadre historique important pour réfléchir au passage de l’association à la causalité.
Elles comprennent notamment :
- force de l’association ;
- cohérence ;
- spécificité ;
- temporalité ;
- gradient biologique ;
- plausibilité ;
- cohérence avec les connaissances ;
- expérimentation ;
- analogie.
Mais elles ne constituent ni une checklist automatique ni un score de causalité.
La temporalité est fondamentale, tandis que d’autres considérations comme la spécificité ou l’analogie sont beaucoup moins décisives.
Une causalité solide repose surtout sur la convergence d’un ensemble de preuves et sur l’élimination méthodique des explications alternatives.
Le principe essentiel est donc :
les considérations de Bradford Hill ne disent pas « combien de cases sont cochées », mais aident à demander si l’ensemble du dossier ressemble davantage à une véritable relation causale qu’à une association produite par hasard, biais ou confusion.
Pour aller plus loin
Austin Bradford Hill — « The Environment and Disease: Association or Causation? » (1965). Le texte original dans lequel Hill présente ses neuf viewpoints et insiste sur le fait qu’ils ne constituent pas une checklist mécanique.
Kenneth J. Rothman, Sander Greenland et Timothy L. Lash — Modern Epidemiology. Une référence centrale pour replacer les considérations de Hill dans l’épidémiologie causale moderne.
Miguel Hernán et James Robins — Causal Inference: What If. Une approche formelle de la causalité fondée sur les contrefactuels, complémentaire du raisonnement historique de Hill.
Judea Pearl — Causality. Une référence majeure sur les graphes causaux, les interventions et les conditions permettant de distinguer association et causalité.