Du risque individuel au risque collectif

Un risque minuscule pour une personne peut devenir important à l’échelle d’une population

Dire qu’un événement possède une probabilité de 1 sur 100 000 donne spontanément l’impression d’un risque presque négligeable. Pour une personne exposée une seule fois, cette impression peut être raisonnable. Mais si cent millions de personnes sont exposées au même risque, l’ordre de grandeur change complètement. Si les situations sont suffisamment comparables, un risque individuel de 1 sur 100 000 correspondrait en moyenne à environ 1 000 événements dans une population de 100 millions de personnes. La probabilité individuelle n’a pas changé. Ce qui a changé est le nombre d’occasions où l’événement peut se produire. Cette distinction est fondamentale en santé publique, sécurité, transports, industrie, environnement et politique publique. Une décision collective ne peut pas toujours être évaluée uniquement en demandant : « Le risque est-il faible pour chaque personne ? » Elle doit également demander :

« Combien de personnes seront exposées, combien de fois, et quelles conséquences cela produit-il à l’échelle du groupe ? »

Probabilité individuelle et nombre attendu de cas

Dans une situation simple, le passage de l’individuel au collectif peut être compris par une multiplication. Si un événement possède une probabilité moyenne de : 1 sur 10 000 et que : 1 000 000 de personnes sont exposées une fois dans des conditions comparables, le nombre moyen attendu d’événements est : 1 000 000 × 1/10 000 = 100. Cela ne signifie pas que nous observerons exactement cent cas. Il pourrait y en avoir 92, 107 ou un autre nombre. Mais à grande échelle, une probabilité individuelle très faible peut produire un nombre collectif prévisible et non négligeable. Cette propriété explique pourquoi les systèmes comportant des millions d’utilisations doivent parfois prendre très au sérieux des taux de défaillance qui paraîtraient minuscules pour une seule opération.

Un événement rare multiplié par des millions d’occasions. Prenons un exemple industriel. Un composant possède un taux de défaillance extrêmement faible : environ une panne pour un million d’utilisations. Une personne utilisant ce composant dix fois dans sa vie n’a pratiquement aucune raison de s’en inquiéter. Une entreprise qui réalise un milliard d’opérations comparables par an ne se trouve plus dans la même situation. Avec un taux moyen d’une défaillance par million, le nombre attendu de défaillances devient de l’ordre de : 1 000 par an. Le système doit donc être conçu non pas comme si les défaillances étaient impossibles, mais comme si certaines allaient inévitablement apparaître à cette échelle. La question devient alors : « Que se passe-t-il lorsqu’une défaillance se produit ? » Si elle ne provoque qu’un redémarrage de quelques secondes, le problème peut être mineur. Si elle entraîne un accident grave, les exigences de sécurité seront très différentes. La fréquence et la gravité doivent toujours être pensées ensemble.

Risque individuel faible ne signifie donc pas risque collectif faible

Cette distinction est particulièrement importante dans les politiques de santé. Supposons qu’une exposition augmente très légèrement la probabilité d’un événement sanitaire. Pour chaque individu, l’augmentation absolue peut être minuscule. Mais si presque toute une population est exposée pendant des années, l’effet collectif peut devenir important. Inversement, une intervention qui réduit très légèrement un risque individuel peut prévenir un nombre important d’événements lorsqu’elle concerne des millions de personnes. C’est l’une des raisons pour lesquelles certaines mesures de santé publique produisent un bénéfice collectif substantiel alors que leur bénéfice attendu pour chaque personne prise isolément reste faible.

Risque relatif et risque absolu. Le passage de l’individuel au collectif oblige aussi à distinguer risque relatif et risque absolu. Supposons qu’une exposition double un risque. L’expression : « le risque est multiplié par deux » semble impressionnante. Mais tout dépend du risque initial. S’il passe de : 1 sur 1 000 000 à 2 sur 1 000 000, l’augmentation relative est de 100 %, mais l’augmentation absolue est d’un cas supplémentaire par million de personnes exposées. S’il passe de : 10 % à 20 %, l’augmentation relative est également de 100 %, mais l’augmentation absolue est de dix points de pourcentage. Ces deux situations ne possèdent évidemment pas la même importance. Une décision rationnelle doit donc demander : « De combien le risque change-t-il réellement en valeur absolue, et combien de personnes sont concernées ? » Le pourcentage relatif seul peut fortement déformer la perception.

Le nombre nécessaire pour observer un bénéfice ou un dommage. En médecine, cette logique est parfois exprimée à travers des indicateurs comme le nombre nécessaire à traiter ou le nombre nécessaire pour nuire. Supposons qu’un traitement réduise le risque d’un événement de 10 % à 8 %. La réduction absolue est de : 2 points de pourcentage. Cela signifie approximativement qu’il faut traiter : 1 / 0,02 = 50 personnes pour éviter un événement supplémentaire, en moyenne, dans des conditions comparables. Cela ne signifie pas que nous savons quelle cinquantième personne bénéficiera du traitement. Cela signifie que, sur une population suffisamment grande, l’effet moyen correspond à cet ordre de grandeur. Ce type de présentation aide à relier une probabilité individuelle à une conséquence collective beaucoup plus concrète.

Le paradoxe de la prévention

Les interventions préventives possèdent une caractéristique particulière : la plupart des personnes qui les reçoivent n’auraient de toute façon jamais subi l’événement évité. Supposons qu’un programme réduise un risque de 2 % à 1 %. Sur 100 personnes :

  • une personne bénéficie statistiquement de l’intervention en évitant l’événement ;
  • 98 personnes n’auraient probablement pas subi l’événement même sans intervention ;
  • une personne peut encore le subir malgré la mesure.

Mais nous ne savons généralement pas à l’avance qui appartient à quel groupe. Cette structure peut rendre certaines mesures préventives intuitivement difficiles à apprécier. À l’échelle individuelle, le bénéfice attendu semble faible. À l’échelle d’une population de dix millions de personnes, une réduction absolue d’un point peut représenter environ 100 000 événements évités. La perspective individuelle et la perspective collective sont toutes deux correctes. Elles répondent simplement à des questions différentes.

Geoffrey Rose et le « paradoxe de la prévention » L’épidémiologiste Geoffrey Rose a formulé une idée devenue classique : une mesure produisant un faible bénéfice pour chaque individu peut produire un bénéfice considérable pour l’ensemble de la population. À l’inverse, une intervention très bénéfique pour les individus à haut risque peut avoir un effet limité sur le nombre total d’événements si ce groupe est très petit. Cette distinction conduit à deux stratégies générales : agir fortement sur les personnes présentant un risque élevé ; ou réduire légèrement le risque d’une population beaucoup plus large. Les deux approches peuvent être pertinentes. Le choix dépend de la structure du risque, des coûts, des effets indésirables et de la capacité à identifier correctement les personnes les plus exposées.

Moyenne collective et risque individuel ne sont pas interchangeables

Supposons qu’un groupe possède un risque moyen de 5 %. Cela ne signifie pas que chaque individu possède exactement 5 % de risque. Certains peuvent avoir 1 %. D’autres 20 %. D’autres encore presque aucun risque. Une moyenne collective masque donc souvent une hétérogénéité individuelle. Cette distinction est importante lorsqu’une politique est appliquée uniformément. Une mesure peut être très bénéfique pour un petit groupe, presque inutile pour la majorité et problématique pour certains autres. L’analyse collective doit donc éviter deux erreurs opposées : supposer que chaque individu ressemble exactement à la moyenne ; ou oublier que l’agrégation de millions de petits risques individuels produit malgré tout un résultat collectif réel.

Le dénominateur compte

Les chiffres de risque deviennent trompeurs lorsqu’ils sont présentés sans leur dénominateur. Dire : « 1 000 personnes ont subi cet événement » ne suffit pas. Sur combien de personnes exposées ? 1 000 sur 10 000 est énorme. 1 000 sur un milliard ne représente pas le même niveau de risque individuel. Inversement, dire : « seulement 0,01 % des personnes sont concernées » peut minimiser artificiellement l’importance collective lorsque la population compte plusieurs centaines de millions d’individus. Une présentation honnête doit donc idéalement montrer à la fois la fréquence individuelle et le nombre collectif.

Risque par personne, par année ou par exposition ? Une autre source de confusion concerne l’unité de temps. Un risque peut être exprimé :

  • par trajet ;
  • par opération ;
  • par année ;
  • sur dix ans ;
  • au cours de la vie.

Ces probabilités ne sont pas directement interchangeables. Un risque d’un sur un million par exposition peut devenir beaucoup plus important si une personne est exposée quotidiennement pendant plusieurs décennies. Inversement, un risque d’un sur un million sur toute une vie reste extrêmement faible. Avant de comparer deux chiffres, il faut donc vérifier : « Un risque de quoi, pour qui, et sur quelle durée ? » Sans ces trois informations, les nombres peuvent donner une impression de précision tout en restant presque inutiles.

Le risque cumulé. Supposons qu’un événement possède une probabilité de 0,1 % chaque année et que, pour simplifier, le risque soit indépendant et constant d’une année à l’autre. Le risque cumulé sur vingt ans n’est pas simplement décrit par le chiffre annuel. La probabilité de ne jamais subir l’événement pendant vingt ans est : 0,999²⁰ ≈ 98,0 %. La probabilité de le subir au moins une fois devient donc environ : 2 %. Cela reste faible, mais vingt fois plus important que le chiffre annuel pris isolément. Les répétitions changent donc parfois fortement la perception du risque.

Les petits risques peuvent s’additionner… ou non. Lorsque plusieurs risques sont indépendants, leur agrégation peut être relativement simple. Mais dans de nombreux systèmes réels, ils sont corrélés. Supposons qu’un hôpital dispose de trois systèmes de secours censés protéger contre une panne. Si chacun possède 1 % de risque de défaillance indépendante, la probabilité de leur défaillance simultanée peut être extrêmement faible. Mais s’ils dépendent tous du même réseau électrique, d’un même logiciel ou d’un même fournisseur, une cause commune peut les faire échouer ensemble. Le raisonnement collectif doit donc examiner non seulement : combien de risques existent mais : comment ils dépendent les uns des autres. Nous retrouvons ici la question du portefeuille de risques étudiée précédemment.

Un risque collectif peut être systémique

Certains risques ne sont pas simplement une somme d’accidents individuels. Ils peuvent se propager à travers un système. Une faillite bancaire peut affecter d’autres institutions. Une panne électrique peut perturber les télécommunications, les transports et les hôpitaux. Une maladie infectieuse peut passer d’une personne à une autre. Dans ces situations, le risque d’un individu dépend du comportement et de la situation des autres. Le passage à l’échelle collective change alors la dynamique même du phénomène. Nous ne pouvons plus simplement multiplier une probabilité individuelle par le nombre de personnes. Il faut comprendre les interactions, les dépendances et les mécanismes de propagation.

Les maladies transmissibles montrent bien cette différence. Pour une maladie non contagieuse, le risque d’une personne peut être relativement indépendant du risque subi par ses voisins. Pour une maladie transmissible, ce n’est pas vrai. Le comportement d’une personne peut modifier légèrement son propre risque mais aussi celui d’autres personnes. Une protection individuelle peut donc produire des externalités positives. Inversement, une infection supplémentaire peut créer d’autres infections. Dans ce type de situation, l’évaluation individuelle et l’évaluation collective peuvent légitimement conduire à des perspectives différentes. Il faut alors distinguer : le risque que j’accepte pour moi et le risque que mon comportement contribue à imposer aux autres. Cette question nous conduira directement vers les décisions collectives et la responsabilité.

Le risque socialement acceptable n’est pas seulement une moyenne

Supposons deux politiques produisant exactement le même nombre attendu de décès : dix par an. Dans la première, le risque est réparti extrêmement largement et uniformément. Dans la seconde, il est concentré sur une petite population précise. Le nombre total est identique. Mais les deux situations ne sont pas nécessairement équivalentes. La seconde peut poser des problèmes supplémentaires de consentement, d’équité, d’exposition involontaire ou de responsabilité. L’analyse du risque collectif ne doit donc pas seulement compter : combien d’événements au total ? Elle doit aussi préparer la question : « Sur qui ces risques sont-ils concentrés ? » Nous approfondirons ce problème dans la fiche consacrée à la distribution des risques et à la justice.

Risque volontaire et risque imposé

Une personne peut accepter librement un risque relativement important dans une activité choisie. Elle peut en revanche juger inacceptable qu’une entreprise ou une administration lui impose un risque beaucoup plus faible sans son consentement. Ce comportement n’est pas nécessairement incohérent. La décision porte également sur :

  • le contrôle ;
  • le consentement ;
  • les bénéficiaires ;
  • les responsables ;
  • la possibilité d’éviter l’exposition.

Les travaux de Paul Slovic sur la perception du risque ont notamment montré que les jugements sociaux sur les risques ne dépendent pas uniquement de leur fréquence statistique, mais aussi de propriétés comme le contrôle perçu, la familiarité, le caractère catastrophique ou involontaire. Ces perceptions peuvent parfois conduire à des erreurs. Mais elles peuvent aussi signaler des dimensions normatives réelles que probabilité × conséquence ne suffit pas à représenter.

Le même risque n’est pas identique pour tout le monde. Un risque moyen peut également masquer des différences de vulnérabilité. Une vague de chaleur n’a pas la même probabilité de conséquences graves pour un adulte jeune en bonne santé et pour une personne âgée fragile. Une pollution peut affecter davantage certaines personnes en fonction de leur âge, de leur état de santé, de leur profession ou de leur lieu de résidence. Une politique fondée uniquement sur le risque moyen peut donc sous-protéger certains groupes. L’analyse collective doit parfois utiliser des distributions ou des sous-groupes, plutôt qu’un unique individu statistique imaginaire.

Cas pratique — Un effet indésirable rare d’un médicament

Un médicament très efficace présente un effet indésirable grave dans environ un cas sur 100 000 traitements. Pour une personne, le risque est extrêmement faible. Si le médicament est administré à 50 millions de personnes dans des conditions comparables, cet ordre de grandeur correspondrait néanmoins à environ : 500 effets indésirables graves. Cette information peut sembler inquiétante. Mais elle ne permet toujours pas de décider. Il faut comparer ces 500 cas aux bénéfices produits par le traitement et aux risques de la maladie en l’absence de traitement. Supposons qu’il permette d’éviter 100 000 hospitalisations et 10 000 décès. La comparaison change profondément. Inversement, si le médicament traite une affection bénigne et apporte un bénéfice marginal, le même effet indésirable rare peut être jugé beaucoup moins acceptable. Le nombre de victimes ne doit jamais être étudié séparément du nombre de dommages évités.

Cas pratique — Un défaut de sécurité informatique

Un logiciel bancaire possède une vulnérabilité ayant une probabilité extrêmement faible d’être exploitée lors d’une transaction particulière. Pour chaque client, le risque paraît presque nul. Mais le système traite plusieurs milliards de transactions. Une vulnérabilité « exceptionnellement rare » peut donc produire un nombre significatif d’incidents. L’entreprise doit en outre examiner la possibilité que les attaques ne soient pas indépendantes : une fois la vulnérabilité découverte, elle peut être exploitée massivement. Nous passons alors d’un petit risque indépendant répété à un risque collectif corrélé, beaucoup plus dangereux. Ce cas montre pourquoi les probabilités observées avant un événement ne décrivent pas toujours correctement le risque une fois qu’un mécanisme est découvert ou diffusé.

Une faible réduction individuelle peut valoir beaucoup collectivement. Considérons une mesure réduisant un risque annuel de : 10 sur 100 000 à 9 sur 100 000. La réduction individuelle absolue n’est que : 1 sur 100 000. Pour une personne, le bénéfice attendu est minuscule. Pour une population de 50 millions de personnes exposées pendant une année, cette réduction correspondrait en moyenne à environ : 500 événements évités. La décision collective peut donc considérer comme importante une amélioration qui paraît presque imperceptible individuellement. Mais il reste encore à demander : combien coûte la mesure ? quels autres risques crée-t-elle ? qui supporte ses contraintes ? La taille du bénéfice collectif ne supprime pas les autres dimensions de la décision.

Le piège du « même une seule vie » Dans les débats publics, nous rencontrons parfois l’affirmation :

« Si cette mesure sauve ne serait-ce qu’une seule vie, elle vaut la peine. »

L’intuition morale est compréhensible. Mais utilisée littéralement comme règle de décision, elle est impossible à appliquer. Des ressources consacrées à sauver une vie dans une politique ne peuvent plus être utilisées ailleurs, où elles pourraient peut-être en sauver plusieurs. Presque toute activité comporte également un risque résiduel qu’une dépense supplémentaire pourrait réduire. Une décision collective doit donc raisonner en coûts d’opportunité, même lorsque les conséquences sont humaines et graves. Cela ne signifie évidemment pas qu’une vie possède une valeur insignifiante. Cela signifie que les ressources destinées à protéger les vies sont elles-mêmes limitées, et que leur allocation produit des conséquences.

Le piège inverse : « seulement quelques cas » Le raisonnement opposé peut être tout aussi trompeur. Dire :

« Cela ne touche que 0,001 % de la population »

peut servir à minimiser une conséquence. Mais 0,001 % d’un milliard de personnes représente 10 000 personnes. Le pourcentage seul ne suffit donc jamais. Pour comprendre un risque collectif, il est souvent utile de présenter simultanément : risque individuel ; population exposée ; nombre attendu d’événements ; gravité des conséquences. C’est beaucoup plus informatif qu’un pourcentage isolé.

Population générale et groupes à haut risque

Une stratégie collective peut également être ciblée. Supposons qu’un événement soit très rare dans la population générale mais vingt fois plus fréquent dans un groupe identifiable. Une intervention appliquée à toute la population peut alors avoir un mauvais rapport bénéfice-risque. La concentrer sur le groupe à haut risque peut être beaucoup plus efficace. Mais le ciblage lui-même n’est pas gratuit : il faut pouvoir identifier correctement ce groupe, éviter les erreurs de classification et tenir compte des éventuelles conséquences sociales. La comparaison doit donc opposer : intervention universelle ; intervention ciblée ; absence d’intervention, plutôt que supposer que le même dispositif doit être appliqué à tous.

Une moyenne collective peut masquer les gagnants et les perdants

Supposons qu’une politique réduise globalement 1 000 accidents par an mais en augmente 100 dans une catégorie particulière de population. Le bilan total reste largement positif. Mais annoncer uniquement : « 900 accidents évités » cache une partie importante de la décision. Certaines personnes bénéficient. D’autres supportent davantage de risque. Une analyse collective complète doit donc commencer à distinguer : bilan total et distribution du bilan. Cette distinction ne rend pas automatiquement la politique mauvaise. Elle oblige simplement à rendre visible une question que la moyenne ne peut pas résoudre : qui gagne, qui perd et dans quelle proportion ?

L’échelle peut changer la règle de décision. À petite échelle, un risque rare peut être accepté. À grande échelle, la même technologie peut nécessiter davantage de surveillance, de redondance ou de réglementation. Cela ne signifie pas que la technologie devient intrinsèquement plus dangereuse. Son exposition totale augmente. Un prototype utilisé par cent personnes ne possède pas la même importance systémique qu’un système utilisé quotidiennement par un milliard de personnes. Le déploiement progressif peut donc avoir une fonction de sécurité : apprendre sur le risque avant que l’exposition collective ne devienne massive. Nous retrouvons ici la logique de l’optionnalité et de l’apprentissage adaptatif.

Une grille pour passer de l’individuel au collectif

QuestionCe qu’elle permet d’éviter
Quel est le risque individuel absolu ?Se laisser impressionner seulement par un risque relatif
Combien de personnes sont exposées ?Ignorer l’échelle
Combien de fois sont-elles exposées ?Sous-estimer le risque cumulé
Quelle est la durée d’exposition ?Confondre risque annuel et risque à vie
Le risque est-il identique pour tout le monde ?Masquer les groupes vulnérables
Les événements sont-ils indépendants ?Sous-estimer les risques corrélés
Le phénomène peut-il se propager ?Ignorer le risque systémique
Combien d’événements sont attendus collectivement ?Se limiter au pourcentage individuel
Quels dommages l’intervention évite-t-elle ?Compter uniquement ses effets indésirables
Qui supporte le risque et qui bénéficie ?Masquer la distribution

Cette grille constitue un pont entre l’analyse probabiliste et la décision collective.

Le collectif ne remplace pas l’individu. Une politique peut produire un grand bénéfice statistique et néanmoins causer un dommage réel à certaines personnes. Ces dommages ne deviennent pas fictifs parce que la moyenne est positive. Inversement, le fait que toute politique comporte certains perdants ne suffit pas à interdire toute décision collective. La difficulté consiste précisément à tenir ensemble deux niveaux : les conséquences agrégées et les conséquences pour les individus réels qui composent cette agrégation. Une décision publique sérieuse doit pouvoir examiner les deux.

Le passage à l’échelle crée des responsabilités nouvelles

Une personne choisissant une activité risquée pour elle-même prend principalement une décision individuelle. Une organisation qui expose des millions de personnes à un risque faible prend une décision d’une autre nature. Même un risque minuscule peut alors produire des conséquences réelles prévisibles. Cela implique des responsabilités supplémentaires : évaluer, surveiller, informer, corriger et parfois indemniser. Le nombre transforme donc non seulement les statistiques. Il transforme aussi la responsabilité du décideur.

À retenir

Un risque peut être très faible individuellement et important collectivement lorsque des millions de personnes ou d’expositions sont concernées. Pour passer correctement de l’individuel au collectif, il faut examiner le risque absolu, le nombre de personnes exposées, la fréquence et la durée des expositions, les dépendances entre événements et les différences de vulnérabilité entre groupes. Les moyennes restent indispensables, mais elles ne doivent pas faire disparaître l’hétérogénéité ni la distribution des conséquences. La règle centrale peut être formulée ainsi : un petit risque multiplié par une grande exposition peut devenir un grand problème collectif, mais un grand nombre de cas ne peut être interprété correctement qu’en le comparant aux bénéfices, aux alternatives et à la taille de la population concernée. Cette transition ouvre une question plus difficile encore. Lorsqu’une décision affecte plusieurs personnes, il ne suffit plus qu’un individu choisisse pour lui-même.

Des intérêts peuvent diverger. Certains prennent la décision, d’autres en supportent les risques, d’autres encore en reçoivent les bénéfices. C’est l’objet de la prochaine fiche : « Décider pour plusieurs : intérêts, risques et responsabilités ».

Sources et approfondissements

Geoffrey Rose, *The Strategy of Preventive Medicine*, Oxford University Press, 1992. Ouvrage classique sur la distinction entre stratégies ciblant les individus à haut risque et stratégies visant à déplacer légèrement la distribution du risque dans l’ensemble d’une population, ainsi que sur le « paradoxe de la prévention ». Kenneth J. Rothman, Sander Greenland et Timothy L. Lash (dir.), *Modern Epidemiology*, 3e éd., Lippincott Williams & Wilkins, 2008. Référence générale pour la distinction entre risques absolus, risques relatifs, mesures d’association et interprétation populationnelle des risques en épidémiologie.

Paul Slovic, *The Perception of Risk*, Earthscan, 2000. Recueil de travaux fondamentaux sur la manière dont les individus et les sociétés évaluent les risques, notamment le rôle du contrôle, du caractère volontaire, de la familiarité et du potentiel catastrophique. National Research Council, *Risk Assessment in the Federal Government: Managing the Process*, National Academies Press, 1983. Cette référence est importante pour distinguer caractérisation du risque, exposition des populations et gestion collective du risque. Geoffrey Rose, « Sick Individuals and Sick Populations », *International Journal of Epidemiology*, 1985. Article classique exposant la différence entre les causes des cas individuels et les déterminants du niveau de risque dans une population.

16 sur 20Retour à la catégorie