Études de cas, comparaison et généralisation : que peut-on apprendre d’un petit nombre de situations ?

Un seul cas peut-il produire une connaissance générale ?

Une révolution, une réforme institutionnelle, un accident industriel ou une décision politique ne se répètent jamais exactement dans les mêmes conditions. Chaque événement possède une histoire, des acteurs, des institutions et une séquence particulières. Cette singularité semble limiter fortement la possibilité d’une science générale.

Comment savoir si la réussite d’une réforme vient :

  • de la réforme elle-même ;
  • de la personnalité des dirigeants ;
  • d’une conjoncture économique favorable ;
  • d’une particularité culturelle ;
  • d’un événement imprévu ?

Une étude portant sur un seul pays peut décrire minutieusement ce qui s’y est passé. Mais peut-elle établir ce qui se serait passé ailleurs ? Une comparaison de deux pays permet-elle réellement d’isoler une cause lorsque des centaines de différences les séparent ?

À l’inverse, une grande base statistique peut comparer de nombreux cas, mais perdre une partie essentielle de leur histoire. Deux institutions portant le même nom peuvent fonctionner différemment. Une variable numérique peut regrouper des trajectoires qui n’ont pas suivi les mêmes mécanismes.

Les études de cas et les méthodes comparatives répondent à cette difficulté en cherchant à articuler :

  • profondeur contextuelle ;
  • comparaison ;
  • mécanismes ;
  • généralisation prudente.

Leur objectif n’est pas toujours de produire une loi universelle. Elles peuvent montrer :

  • qu’un phénomène est possible ;
  • qu’une théorie générale rencontre une exception ;
  • comment une cause produit un effet ;
  • dans quelles conditions un mécanisme fonctionne ;
  • pourquoi plusieurs trajectoires conduisent au même résultat.

La question centrale n’est donc pas :

« Combien de cas faut-il pour faire de la science ? »

mais :

« Comment les cas sont-ils choisis, comparés et analysés, et quelle conclusion leur structure permet-elle réellement de soutenir ? »


Qu’est-ce qu’un cas ?

Un cas est une unité d’analyse délimitée dans le temps et dans l’espace. Il peut s’agir :

  • d’une personne ;
  • d’une organisation ;
  • d’une ville ;
  • d’un pays ;
  • d’une institution ;
  • d’une réforme ;
  • d’une crise ;
  • d’une période historique.

Le cas n’est pas simplement un objet qui existerait avec des frontières évidentes. Le chercheur doit décider ce qu’il étudie exactement. Par exemple, « la Révolution française » peut désigner :

  • une série d’événements entre deux dates ;
  • une transformation politique ;
  • un processus social plus long ;
  • un cas parmi plusieurs révolutions.

La délimitation modifie les causes et les conséquences visibles.

Une étude sérieuse doit donc préciser :

  • l’unité étudiée ;
  • la période ;
  • le phénomène à expliquer ;
  • le niveau d’analyse.

Le cas comme unité et comme configuration

Un cas peut être traité comme une observation parmi d’autres.

Dans une base statistique, chaque pays peut constituer une ligne comportant plusieurs variables :

  • revenu ;
  • régime politique ;
  • niveau d’éducation ;
  • résultat électoral.

Mais une étude de cas considère souvent le pays comme une configuration : un ensemble de facteurs reliés par une histoire. Cette différence est importante.

Dans une approche variable, la question est :

Quel effet moyen possède X sur Y ?

Dans une approche configurative, la question peut devenir :

Comment X, associé à A et B, a-t-il produit Y dans cette séquence particulière ?

Les deux approches ne répondent pas exactement au même problème.


Décrire n’est pas seulement raconter

Une étude de cas comporte généralement une dimension descriptive. Elle cherche à établir :

  • ce qui s’est passé ;
  • dans quel ordre ;
  • qui a agi ;
  • quelles règles existaient ;
  • quelles conséquences ont suivi.

Cette description n’est pas une étape secondaire. Une mauvaise chronologie ou une catégorie imprécise peut rendre toute explication causale erronée. Cependant, une accumulation de détails ne constitue pas encore une explication. Il faut distinguer :

  • raconter les événements ;
  • identifier leur structure causale.

Une bonne étude sélectionne les détails pertinents pour une question précise.


L’étude de cas descriptive

Une étude descriptive peut avoir une grande valeur lorsqu’un phénomène est :

  • nouveau ;
  • mal documenté ;
  • complexe ;
  • difficile à mesurer.

Elle peut produire :

  • une chronologie ;
  • une typologie ;
  • une clarification conceptuelle ;
  • une cartographie des acteurs ;
  • une identification des mécanismes possibles.

Avant de tester une théorie, il faut parfois savoir ce que le phénomène est réellement. Une description approfondie peut également révéler que les catégories utilisées dans les comparaisons existantes regroupent des réalités trop différentes. La description ne doit donc pas être opposée mécaniquement à la science explicative.


L’étude de cas explicative

Une étude explicative cherche à répondre à une question du type :

Pourquoi ce résultat s’est-il produit ?

Elle doit alors identifier :

  • une cause supposée ;
  • un mécanisme ;
  • une chronologie ;
  • des explications concurrentes ;
  • des preuves permettant de les comparer.

Un cas unique peut parfois apporter une preuve causale forte si le mécanisme laisse des traces précises. Par exemple, des documents internes peuvent montrer qu’une information particulière a modifié la décision d’un acteur. Mais une telle preuve établit surtout ce qui s’est passé dans ce cas. La généralisation vers d’autres situations demande un raisonnement supplémentaire.


L’étude de cas exploratoire

Une étude exploratoire sert à découvrir :

  • de nouvelles hypothèses ;
  • des variables négligées ;
  • des mécanismes ;
  • des catégories.

Le chercheur ne sait pas encore exactement quelles relations chercher. Cette flexibilité est utile. Elle comporte aussi un risque : construire après coup une théorie parfaitement adaptée au cas étudié.

Une hypothèse découverte dans un cas devient plus crédible lorsqu’elle est ensuite :

  • testée dans d’autres cas ;
  • confrontée à des données indépendantes ;
  • formulée assez précisément pour pouvoir échouer.

L’exploration produit des possibilités, non une confirmation définitive.


L’étude de cas confirmatoire

Une étude confirmatoire examine une hypothèse formulée avant l’analyse détaillée. Elle peut chercher des observations prévues par la théorie :

  • une décision intermédiaire ;
  • un changement d’incitation ;
  • une réaction d’acteur ;
  • une trace documentaire.

La confirmation est plus forte si la théorie prédit des éléments :

  • précis ;
  • surprenants ;
  • peu probables selon les explications concurrentes.

Une étude confirmatoire doit éviter de modifier continuellement l’hypothèse à mesure que les données apparaissent.

Les ajustements restent possibles, mais ils doivent être présentés comme une révision ou une exploration supplémentaire.


Un cas ne représente pas nécessairement une population

Dans une enquête statistique, un échantillon est généralement choisi pour représenter une population. Une étude de cas ne cherche pas toujours cette représentativité. Le chercheur peut choisir un cas parce qu’il est :

  • typique ;
  • extrême ;
  • révélateur ;
  • déviant ;
  • crucial pour une théorie.

Un cas inhabituel peut être beaucoup plus informatif qu’un cas moyen.

La question n’est donc pas toujours :

Ce cas ressemble-t-il à la majorité ?

Elle peut être :

Quelle propriété de la théorie ce cas permet-il de tester ?


La généralisation statistique

La généralisation statistique consiste à inférer les caractéristiques d’une population à partir d’un échantillon sélectionné selon une procédure appropriée.

Sa force dépend notamment :

  • de la représentativité ;
  • de la taille ;
  • de la mesure ;
  • des biais de sélection.

Une étude de cas unique ne permet généralement pas ce type de généralisation.

Observer une institution dans un pays ne permet pas d’estimer directement la fréquence de son effet dans tous les pays. Mais l’absence de généralisation statistique ne signifie pas absence de toute généralisation.


La généralisation analytique

La généralisation analytique porte sur :

  • un concept ;
  • un mécanisme ;
  • une proposition conditionnelle.

Un cas peut montrer comment une règle institutionnelle produit un comportement lorsque certaines conditions sont réunies.

La conclusion ne devient pas :

Cet effet se produira partout.

Elle devient plutôt :

Ce mécanisme peut produire cet effet lorsque A, B et C sont présents.

Cette proposition peut ensuite être recherchée dans d’autres cas.

La généralisation analytique dépend donc de la précision avec laquelle sont décrits :

  • le mécanisme ;
  • les conditions ;
  • le domaine.

Généraliser un mécanisme

Un mécanisme est une chaîne reliant une cause à un effet. Par exemple :

  1. une politique distribue des ressources ;
  2. les bénéficiaires s’organisent ;
  3. ils acquièrent un accès politique ;
  4. ils défendent la politique ;
  5. celle-ci devient plus stable.

Une étude de cas peut établir que cette chaîne a fonctionné dans une situation.

Pour généraliser, il faut demander :

  • les mêmes acteurs existent-ils ailleurs ?
  • les ressources ont-elles le même sens ?
  • l’organisation est-elle possible ?
  • les institutions offrent-elles un accès comparable ?

Le mécanisme général n’agit pas indépendamment du contexte.


La transférabilité

Une conclusion est transférable lorsqu’elle peut raisonnablement éclairer une autre situation présentant des caractéristiques pertinentes similaires. Cette transférabilité exige une description suffisamment riche du cas initial.

Le lecteur ou le chercheur doit pouvoir comparer :

  • institutions ;
  • populations ;
  • contexte ;
  • chronologie ;
  • mécanismes.

La transférabilité n’est pas une ressemblance vague. Deux pays peuvent sembler culturellement proches tout en posséder des systèmes juridiques produisant des mécanismes différents. Il faut préciser quelles similarités sont causalement importantes.


Le cas typique

Un cas typique ressemble à un ensemble plus large sur les dimensions jugées importantes. Il peut servir à montrer le fonctionnement ordinaire d’un mécanisme. Mais le terme *typique* dépend de la population et des critères choisis.

Un pays peut être typique selon :

  • son revenu ;
  • son régime politique ;

et atypique selon :

  • son histoire ;
  • son administration.

Choisir un cas typique demande donc une définition explicite de ce qui doit être représentatif.


Le cas extrême

Un cas extrême présente une valeur très élevée ou très faible sur une dimension. Il peut rendre un mécanisme particulièrement visible. Par exemple, une organisation ayant connu une réforme exceptionnellement rapide peut permettre d’observer les conditions, les résistances et les effets. Mais les mécanismes présents dans une situation extrême ne sont pas toujours identiques à ceux des situations ordinaires.

L’intensité du phénomène peut modifier sa nature.

Le cas extrême est donc utile pour découvrir ou étudier un processus, mais moins directement pour estimer sa fréquence habituelle.


Le cas déviant

Un cas déviant ne correspond pas à la prédiction générale d’une théorie ou d’un modèle. Une théorie prévoit qu’une institution devrait produire un résultat, mais un pays comparable connaît une évolution différente. Ce cas peut révéler une variable oubliée, une mauvaise mesure, une condition limite ou un mécanisme alternatif. Les cas déviants sont particulièrement précieux parce qu’ils obligent la théorie à affronter une difficulté. Mais il faut éviter de créer une explication spéciale impossible à tester uniquement pour sauver le modèle.


Le cas crucial

Un cas est dit crucial lorsqu’il offre un test particulièrement exigeant pour une théorie.

Deux formes classiques sont souvent distinguées.

Le cas le plus probable

La théorie devrait presque nécessairement réussir dans ce cas.

Si elle échoue, sa crédibilité diminue fortement.

Le cas le moins probable

La théorie devrait difficilement réussir dans ce cas.

Si elle y réussit, sa portée possible augmente.

Ces raisonnements sont puissants, mais ils demandent de justifier pourquoi le cas est réellement :

  • très favorable ;
  • très défavorable.

Une qualification rhétorique ne suffit pas.


Le cas révélateur

Un cas révélateur offre un accès exceptionnel à un phénomène habituellement difficile à observer. Il peut s’agir :

  • d’archives nouvellement ouvertes ;
  • d’une organisation acceptant une observation approfondie ;
  • d’un événement rendant visibles des mécanismes ordinaires.

Le caractère révélateur vient moins de sa représentativité que de l’accès aux processus internes. Mais un accès exceptionnel peut aussi produire un cas atypique : l’organisation acceptant l’enquête peut être différente de celles qui la refusent.

Le chercheur doit examiner cette possibilité.


Le cas paradigmatique

Un cas paradigmatique cristallise plusieurs caractéristiques d’un phénomène et devient une référence pour la pensée.

Il aide à :

  • formuler un concept ;
  • représenter un problème ;
  • enseigner un mécanisme.

Mais son succès narratif peut lui donner une influence disproportionnée. Un cas célèbre n’est pas nécessairement le plus représentatif ni le mieux documenté. La valeur pédagogique doit être distinguée de la force probante.


Les cas négatifs

Un cas négatif ne présente pas le résultat étudié. Il est indispensable lorsque l’on cherche à comprendre pourquoi un phénomène apparaît. Étudier uniquement des révolutions ne permet pas d’identifier ce qui distingue les situations où une crise ne devient pas révolutionnaire. Le cas négatif permet de comparer :

  • présence de la cause ;
  • absence du résultat ;
  • mécanismes bloqués.

Mais l’absence doit être définie précisément.

Un pays sans révolution ouverte peut connaître une transformation institutionnelle profonde sous une autre forme.


Sélectionner sur le résultat

Une erreur fréquente consiste à sélectionner uniquement les cas où le résultat est présent. Par exemple, étudier seulement les entreprises ayant réussi pour découvrir les causes du succès.

Nous observerons peut-être que toutes ont :

  • pris des risques ;
  • innové ;
  • persévéré.

Mais des entreprises ayant échoué ont pu posséder les mêmes caractéristiques.

Sans comparaison avec les échecs, il est difficile d’identifier ce qui distingue réellement les trajectoires. Cette erreur est appelée sélection sur la variable dépendante, c’est-à-dire sur le résultat à expliquer.


Le biais du survivant

Le biais du survivant apparaît lorsque seuls les cas ayant traversé un processus restent visibles.

Nous étudions :

  • les entreprises encore présentes ;
  • les institutions ayant survécu ;
  • les personnes ayant réussi.

Les trajectoires interrompues laissent moins de traces. Nous attribuons alors le succès à des propriétés également présentes chez les cas disparus. Pour limiter ce biais, il faut rechercher :

  • les échecs ;
  • les abandons ;
  • les projets non réalisés ;
  • les organisations dissoutes.

L’absence de visibilité n’est pas une absence historique.


La sélection par l’accessibilité

Les chercheurs choisissent parfois les cas pour lesquels les données sont accessibles. Cette contrainte est souvent inévitable. Mais l’accessibilité peut être liée au phénomène étudié. Les institutions transparentes offrent davantage d’archives. Les organisations en difficulté ou autoritaires peuvent fermer l’accès. Une littérature fondée surtout sur les cas accessibles risque donc de sous-représenter certains mécanismes.

Il faut reconnaître cette limite et, lorsque c’est possible, utiliser :

  • sources indirectes ;
  • comparaisons ;
  • données administratives ;
  • archives ultérieures.

La sélection selon la langue

Les chercheurs étudient plus facilement les pays et institutions dont ils maîtrisent la langue. Cette contrainte peut produire une concentration des connaissances sur certains espaces. Des théories générales sont alors élaborées à partir d’un ensemble géographique limité. La comparaison internationale doit examiner :

  • les cas absents ;
  • les traditions de recherche ignorées ;
  • les problèmes de traduction.

La langue n’est pas un simple obstacle pratique. Elle influence le contenu des cas disponibles.


La sélection théorique

Un cas doit idéalement être choisi parce qu’il permet de répondre à une question théorique précise.

Le chercheur peut chercher un cas où :

  • deux théories produisent des prédictions différentes ;
  • un mécanisme est particulièrement observable ;
  • une variable importante change tandis que d’autres restent relativement stables.

Cette sélection théorique est différente d’une sélection opportuniste faite après avoir vu le résultat.

La justification du choix doit être exposée avant ou indépendamment de la conclusion principale.


Comparer pour contrôler

L’expérience scientifique isole idéalement une différence tout en maintenant les autres conditions constantes. Dans les sciences sociales et historiques, un tel contrôle est rarement complet. La comparaison cherche à s’en approcher en choisissant des cas permettant de raisonner sur les différences. John Stuart Mill a formulé plusieurs méthodes classiques de comparaison, notamment :

  • la méthode de concordance ;
  • la méthode de différence.

Ces méthodes restent influentes, mais leur application aux sociétés complexes demande beaucoup de prudence.


La méthode de concordance

La méthode de concordance cherche un facteur commun à plusieurs cas produisant le même résultat. Supposons plusieurs réformes réussies dans des contextes différents. Si elles partagent toutes une capacité administrative élevée, celle-ci peut devenir une cause candidate. Mais plusieurs difficultés apparaissent :

  • les cas peuvent partager d’autres facteurs ;
  • le résultat peut avoir plusieurs causes ;
  • la cause commune peut être une conséquence plutôt qu’une origine ;
  • la mesure peut être trop générale.

La concordance suggère une hypothèse. Elle ne suffit pas toujours à établir le mécanisme.


La méthode de différence

La méthode de différence compare des cas très semblables présentant des résultats différents.

Si une différence importante distingue les cas, elle peut expliquer la divergence. Par exemple, deux régions proches reçoivent des politiques différentes et connaissent ensuite des trajectoires distinctes. Cette méthode ressemble à la logique d’une expérience contrôlée. Mais les cas sociaux ne sont jamais identiques sur toutes les autres dimensions.

Il faut donc montrer que les différences restantes ne constituent pas de meilleures explications.


Les systèmes les plus semblables

La stratégie des systèmes les plus semblables compare des cas proches sur de nombreuses dimensions, mais différents sur le résultat et sur une cause supposée. Elle cherche à réduire le nombre d’explications concurrentes. Son efficacité dépend de la qualité de la comparaison. Deux pays voisins peuvent partager :

  • langue ;
  • histoire ;
  • économie.

Ils peuvent néanmoins diverger sur des institutions anciennes qui influencent précisément le phénomène étudié.

La ressemblance générale ne garantit pas le contrôle des facteurs pertinents.


Les systèmes les plus différents

La stratégie des systèmes les plus différents compare des cas très différents qui présentent un même résultat. Elle recherche une condition ou un mécanisme commun. Cette approche peut renforcer une hypothèse lorsque le même processus apparaît dans des environnements très variés. Mais un même résultat peut être produit par plusieurs mécanismes.

Une démocratisation peut venir :

  • d’une mobilisation ;
  • d’une réforme élitaire ;
  • d’une pression extérieure.

L’unité du résultat ne prouve pas l’unité de la cause.


Les comparaisons appariées

Une comparaison appariée choisit généralement deux cas suffisamment proches pour rendre la comparaison précise, mais différents sur une dimension théoriquement importante. Elle permet une connaissance approfondie de chaque trajectoire. Cette méthode facilite :

  • le contrôle contextuel ;
  • le traçage des mécanismes ;
  • l’analyse des séquences.

Son principal risque est la surinterprétation d’une différence unique à partir de deux cas seulement.

Il faut rechercher des preuves internes montrant que cette différence a réellement agi.


La comparaison diachronique

Un même cas peut être comparé à lui-même à différentes périodes. Cette comparaison diachronique examine :

  • avant et après une réforme ;
  • avant et après une crise ;
  • différentes phases institutionnelles.

Elle contrôle certaines caractéristiques relativement stables du cas. Mais le temps introduit de nombreux changements simultanés. Une amélioration après une réforme peut venir de la réforme, d’une tendance, d’un événement extérieur ou d’une adaptation antérieure. La chronologie doit donc être complétée par une analyse du mécanisme et, si possible, par des cas de comparaison.


Comparer des périodes

Comparer plusieurs périodes d’une même institution permet de voir comment un mécanisme évolue lorsque :

  • les règles changent ;
  • les acteurs se renouvellent ;
  • le contexte se transforme.

Mais les catégories utilisées doivent rester suffisamment comparables.

Une notion comme :

  • chômage ;
  • violence ;
  • participation politique

peut changer de définition ou de mode d’enregistrement.

Une série historique continue peut masquer une rupture dans la mesure.


La comparaison synchronique

La comparaison synchronique étudie plusieurs cas pendant une période relativement similaire. Elle réduit certains problèmes liés aux changements globaux dans le temps. Mais les cas ne vivent pas nécessairement le même moment historique.

Une institution récente dans un pays peut être ancienne dans un autre.

La même date ne signifie pas la même phase de développement.

Le temps institutionnel doit être distingué du temps chronologique.


Les comparaisons internationales

Les comparaisons internationales révèlent que des institutions présentées comme naturelles sont en réalité variables. Elles permettent d’examiner :

  • plusieurs politiques ;
  • plusieurs structures ;
  • plusieurs résultats.

Mais elles rencontrent des problèmes de comparabilité.

Les mêmes mots peuvent désigner :

  • des droits différents ;
  • des pratiques différentes ;
  • des systèmes de mesure différents.

Comparer exige souvent un important travail de traduction conceptuelle avant toute analyse statistique.


Les comparaisons infranationales

Comparer des régions, départements, villes ou institutions à l’intérieur d’un même pays peut réduire certaines différences :

  • droit national ;
  • langue ;
  • histoire générale.

Cette stratégie permet parfois une meilleure identification causale. Mais les unités locales peuvent interagir :

  • migrations ;
  • politiques nationales ;
  • circulation des ressources.

Elles ne constituent pas toujours des cas indépendants.

De plus, la similarité nationale peut masquer d’importantes différences locales.


Les comparaisons transnationales

Certains phénomènes ne respectent pas les frontières nationales :

  • entreprises ;
  • réseaux ;
  • mouvements ;
  • chaînes de production.

Traiter chaque pays comme un cas séparé peut alors être trompeur.

Une comparaison transnationale suit :

  • les circulations ;
  • les relations ;
  • les dépendances.

Elle déplace l’unité d’analyse vers :

  • le réseau ;
  • l’organisation ;
  • le processus.

La délimitation du cas doit correspondre à la structure réelle du phénomène.


L’indépendance des cas

De nombreuses méthodes supposent que les cas sont suffisamment indépendants. Mais les sociétés s’influencent. Une réforme est imitée. Une crise se diffuse. Un pays subit la politique d’un autre. Deux cas présentant la même institution peuvent ne pas constituer deux confirmations indépendantes s’ils ont copié le même modèle.

Il faut examiner :

  • diffusion ;
  • héritage commun ;
  • dépendance économique ;
  • influence politique.

La similarité peut venir d’une cause commune plutôt que d’une efficacité propre de l’institution.


La diffusion

Une politique peut se diffuser par :

  • apprentissage ;
  • imitation ;
  • concurrence ;
  • pression ;
  • conditionnalité.

La diffusion modifie l’interprétation comparative. Si plusieurs pays adoptent une réforme après l’intervention d’une institution internationale, leur convergence ne constitue pas plusieurs découvertes indépendantes de son efficacité. Mais les variations dans la mise en œuvre peuvent devenir informatives. La diffusion elle-même peut être le phénomène à expliquer.


Le problème de Galton

Le problème de Galton désigne le risque de traiter comme indépendantes des sociétés dont les ressemblances proviennent d’une origine commune, d’un emprunt et d’une diffusion.

Une corrélation observée entre deux traits culturels peut alors refléter une histoire partagée. Ce problème ne concerne pas seulement l’anthropologie. Il apparaît dans toutes les comparaisons où les unités s’influencent. Les méthodes doivent intégrer :

  • les réseaux ;
  • les régions ;
  • les héritages historiques.

La comparaison contrôlée est toujours partielle

Dans les sciences sociales, il est rarement possible de maintenir toutes les autres conditions constantes. Le contrôle comparatif reste donc partiel. Sa crédibilité augmente lorsque plusieurs stratégies convergent :

  • choix raisonné des cas ;
  • mesure précise ;
  • traçage de processus ;
  • comparaison temporelle ;
  • statistiques ;
  • mécanismes.

Aucune technique ne supprime seule toutes les explications concurrentes.

La force vient souvent de leur combinaison.


Le traçage de processus

Le traçage de processus cherche les étapes reliant une cause à un effet à l’intérieur d’un cas. Il peut étudier :

  • ce que les acteurs savaient ;
  • comment leurs préférences ont changé ;
  • quelles décisions ont été prises ;
  • quelles ressources ont circulé ;
  • quelles réactions ont suivi.

Cette méthode transforme une simple association en histoire causale détaillée. Elle demande des prédictions intermédiaires :

Si le mécanisme est correct, quelles traces devrait-il laisser ?


Les tests de mécanisme

Toutes les traces ne possèdent pas la même force.

Une information peut être :

  • nécessaire à une hypothèse ;
  • fortement attendue ;
  • compatible avec plusieurs théories ;
  • presque impossible selon les alternatives.

Le chercheur doit éviter de traiter chaque document favorable comme une confirmation équivalente. Un mécanisme gagne en crédibilité lorsque plusieurs étapes distinctes sont soutenues par des sources indépendantes. Une seule déclaration rétrospective peut être insuffisante.


Le test du cerceau

Un test du cerceau vérifie une condition qu’une hypothèse doit franchir. Si elle échoue, elle est fortement fragilisée. Si elle réussit, elle n’est pas encore confirmée. Par exemple, une théorie affirme qu’un groupe a influencé une décision. Il faut au minimum montrer que :

  • le groupe existait ;
  • il connaissait le projet ;
  • il avait accès aux décideurs.

Ces conditions sont nécessaires, mais d’autres groupes peuvent également les remplir.


Le test de la preuve fumante

Une preuve fumante est une observation fortement attendue si l’hypothèse est vraie et peu probable autrement.

Un document indiquant explicitement qu’un dirigeant a modifié sa décision après une menace précise peut fortement soutenir le mécanisme. Mais l’absence de ce document ne réfute pas toujours l’hypothèse :

  • les archives peuvent être incomplètes ;
  • la décision peut ne pas avoir été écrite ;
  • le document peut avoir disparu.

La force d’une preuve dépend donc aussi du processus de production et de conservation des sources.


Le test doublement décisif

Un test serait doublement décisif s’il :

  • confirme fortement une hypothèse ;
  • élimine fortement les principales alternatives.

De telles situations sont rares dans les sciences historiques.

La plupart des conclusions reposent sur une accumulation de preuves imparfaites. Il est donc préférable de parler de :

  • degré de soutien ;
  • comparaison des explications ;

plutôt que d’attendre une preuve unique réglant définitivement la question.


Les contrefactuels

Toute affirmation causale implique une comparaison avec ce qui se serait passé sans la cause. Dans une étude de cas, ce scénario n’est pas directement observable. Le chercheur doit le construire à partir :

  • d’autres cas ;
  • de la théorie ;
  • de la chronologie ;
  • des options disponibles ;
  • des tendances antérieures.

Un contrefactuel solide reste proche du monde réel. Il ne modifie pas simultanément tous les éléments de la situation.


Les contrefactuels intracas

À l’intérieur d’un cas, certaines décisions ont été prises de peu ou après une hésitation.

Les archives peuvent révéler les alternatives envisagées, les oppositions ou les conséquences anticipées. Ces informations permettent de construire un contrefactuel crédible :

Que se serait-il passé si l’autre option réellement discutée avait été choisie ?

Cette méthode est plus solide qu’un scénario inventé sans relation avec les possibilités historiques. Mais elle reste une inférence, non une observation.


Les quasi-expériences

Certaines comparaisons historiques ou institutionnelles se rapprochent d’une expérience.

Une réforme peut être appliquée :

  • à certaines régions ;
  • à certaines dates ;
  • selon un seuil.

Le chercheur compare alors des unités proches, mais exposées différemment. Ces quasi-expériences peuvent améliorer l’identification causale. Cependant, elles ne répondent pas toujours aux questions de mécanisme.

Une différence statistique après la réforme doit encore être reliée à :

  • l’application réelle ;
  • les comportements ;
  • les institutions.

La régression sur discontinuité

Lorsqu’une règle dépend d’un seuil, les cas situés juste au-dessus et juste au-dessous peuvent être comparés. Par exemple, un programme est accordé selon une valeur administrative précise.

Si les unités proches du seuil sont comparables, la différence de résultat peut être attribuée plus crédiblement au programme. Cette méthode possède une forte validité locale autour du seuil. Elle ne garantit pas que l’effet soit identique :

  • loin du seuil ;
  • dans une autre population ;
  • dans un autre contexte.

L’étude de cas peut alors aider à comprendre la mise en œuvre et les limites de la généralisation.


Les différences de différences

Une stratégie de différences de différences compare l’évolution :

  • d’un groupe exposé ;
  • d’un groupe non exposé ;

avant et après une intervention. Elle cherche à retirer les tendances communes.

Sa validité dépend notamment de l’hypothèse selon laquelle les groupes auraient suivi des tendances suffisamment parallèles sans l’intervention. Une comparaison historique détaillée peut aider à évaluer cette hypothèse. Les méthodes quantitatives et qualitatives deviennent ici complémentaires.


Les contrôles synthétiques

La méthode du contrôle synthétique construit un cas de comparaison à partir d’une combinaison pondérée de plusieurs unités non exposées. Elle cherche à reproduire la trajectoire antérieure du cas traité. Cette stratégie est utile lorsqu’une intervention concerne un pays, une région ou une ville. Elle reste dépendante :

  • des cas disponibles ;
  • de la qualité des mesures ;
  • de l’absence d’autres événements simultanés.

L’analyse contextuelle reste nécessaire pour interpréter la divergence observée.


L’étude de cas imbriquée

Une étude imbriquée combine une analyse de nombreux cas et une enquête approfondie sur quelques-uns.

L’analyse générale peut identifier :

  • une relation ;
  • des cas typiques ;
  • des cas déviants.

L’étude approfondie examine ensuite :

  • les mécanismes ;
  • les mesures ;
  • les explications concurrentes.

Cette stratégie permet de profiter :

  • de la largeur statistique ;
  • de la profondeur qualitative.

Elle doit éviter de choisir après coup uniquement les cas confirmant la relation globale.


Les méthodes mixtes

Les méthodes mixtes combinent des données et démarches :

  • quantitatives ;
  • qualitatives ;
  • historiques ;
  • expérimentales.

Cette combinaison est utile lorsque chaque méthode répond à une partie différente de la question. Par exemple :

  • les statistiques estiment la fréquence ou l’effet moyen ;
  • les études de cas identifient le mécanisme ;
  • les entretiens révèlent la perception des acteurs ;
  • les archives reconstituent la séquence.

La simple présence de plusieurs méthodes ne garantit pas une meilleure recherche. Elles doivent être articulées autour d’une logique commune.


Triangulation et complémentarité

Deux méthodes peuvent être combinées pour plusieurs raisons.

Triangulation

Vérifier si elles conduisent à une conclusion compatible.

Complémentarité

Éclairer différentes dimensions du phénomène.

Développement

Utiliser une première méthode pour construire la suivante.

Explication

Employer une étude qualitative pour comprendre un résultat statistique inattendu.

Les divergences ne constituent pas nécessairement un échec.

Elles peuvent révéler que les méthodes ne mesurent pas exactement la même chose.


Les désaccords entre statistiques et cas

Une analyse statistique peut montrer une association moyenne. Une étude de cas peut ne pas retrouver le mécanisme supposé. Plusieurs possibilités existent :

  • la relation statistique est confondue ;
  • le cas est atypique ;
  • plusieurs mécanismes produisent le même effet ;
  • la mesure générale ne correspond pas au processus local.

Il ne faut pas automatiquement privilégier :

  • le nombre ;
  • la profondeur.

La contradiction doit devenir un objet d’enquête.


Le cas comme contrôle de la mesure

Une variable quantitative peut coder une institution comme présente ou absente.

L’étude détaillée peut révéler que :

  • la règle existe seulement sur le papier ;
  • son application varie ;
  • sa signification a changé.

Le cas sert alors à vérifier la validité du codage. Cette fonction est essentielle, car une analyse statistique sophistiquée ne corrige pas une mauvaise classification des cas.

La profondeur qualitative peut améliorer la qualité de la comparaison générale.


Le cas comme découverte de l’hétérogénéité

Un effet moyen peut masquer plusieurs sous-processus.

Une politique peut réussir dans certains cas par :

  • augmentation des ressources ;

et dans d’autres par :

  • changement de comportement.

Elle peut même produire des effets opposés selon les institutions. Les études de cas permettent d’identifier cette hétérogénéité. La conclusion devient alors plus conditionnelle :

L’intervention fonctionne par tel mécanisme lorsque telles conditions sont réunies.


L’équifinalité

L’équifinalité signifie que plusieurs chemins causaux peuvent conduire au même résultat.

Une institution stable peut résulter :

  • d’une forte légitimité ;
  • d’un verrouillage technique ;
  • d’une coalition puissante ;
  • d’une répression.

Une analyse recherchant une cause unique commune à tous les cas risque donc d’échouer. Il faut parfois construire plusieurs modèles de trajectoire. La théorie devient une typologie de chemins plutôt qu’une loi unique.


La multifinalité

La multifinalité signifie qu’une même condition peut conduire à plusieurs résultats selon le contexte.

Une crise économique peut provoquer :

  • une réforme ;
  • un autoritarisme ;
  • une alternance ordinaire ;
  • une paralysie.

L’effet dépend :

  • des institutions ;
  • des coalitions ;
  • des idées ;
  • de la séquence.

Une cause ne possède donc pas toujours un effet stable isolé des autres conditions.


Les causes nécessaires et suffisantes

Une condition est nécessaire si le résultat ne se produit pas sans elle.

Elle est suffisante si sa présence garantit le résultat dans le domaine étudié.

Dans les sciences sociales, de nombreuses causes sont :

  • ni nécessaires ;
  • ni suffisantes seules.

Elles contribuent à une configuration. Par exemple, une crise peut être nécessaire dans certains chemins de réforme, mais pas dans tous. Elle peut être présente sans produire de réforme si aucune coalition n’est disponible.

Le langage causal doit préciser ce rôle.


Les conditions INUS

John Mackie a proposé l’idée de condition INUS : une partie insuffisante mais nécessaire d’une combinaison elle-même non nécessaire mais suffisante.

Une étincelle peut provoquer un incendie seulement avec :

  • combustible ;
  • oxygène ;
  • absence d’extinction.

Cette combinaison suffit, mais d’autres combinaisons peuvent produire un incendie.

Dans les sciences sociales, une mobilisation peut contribuer à une réforme seulement avec :

  • une crise ;
  • une ouverture institutionnelle ;
  • une coalition.

Cette logique explique pourquoi un facteur peut être causal sans être présent dans tous les cas.


L’analyse qualitative comparée

L’analyse qualitative comparée, souvent appelée QCA, utilise une logique ensembliste pour étudier des configurations de conditions. Elle cherche à identifier :

  • des combinaisons suffisantes ;
  • des conditions nécessaires ;
  • plusieurs chemins vers un résultat.

Elle se situe entre :

  • l’étude de quelques cas ;
  • l’analyse statistique de grandes populations.

La QCA peut utiliser des ensembles :

  • binaires ;
  • graduels.

Elle demande cependant des choix exigeants concernant :

  • la calibration ;
  • les seuils ;
  • la sélection des cas ;
  • le traitement des contradictions.

La calibration

Dans une approche ensembliste, il faut décider à quel degré un cas appartient à une catégorie. Par exemple :

  • démocratie ;
  • État fort ;
  • forte mobilisation.

Ces propriétés sont rarement parfaitement binaires.

La calibration transforme les données en degrés d’appartenance. Elle doit reposer sur :

  • une théorie ;
  • des connaissances substantielles ;
  • des seuils justifiés.

Une calibration opportuniste peut produire artificiellement la configuration recherchée.


La table de vérité

La QCA organise les cas selon les combinaisons de conditions qu’ils présentent et le résultat associé. Cette table permet de repérer :

  • des configurations répétées ;
  • des contradictions ;
  • des chemins différents.

Mais de nombreuses combinaisons possibles peuvent ne correspondre à aucun cas observé.

Ces remainders logiques créent un problème : peut-on simplifier la solution en supposant ce qui se passerait dans des configurations inexistantes ?

La réponse dépend d’hypothèses théoriques qui doivent être rendues explicites.


Les petits nombres

Une comparaison portant sur peu de cas rencontre un problème classique :

  • beaucoup de facteurs possibles ;
  • peu d’observations.

Il devient facile de trouver une différence correspondant au résultat. Cette difficulté est parfois appelée problème de :

beaucoup de variables, peu de cas.

La solution ne consiste pas seulement à ajouter des cas. Elle peut aussi demander :

  • une théorie plus précise ;
  • une meilleure mesure ;
  • un traçage de processus ;
  • une sélection stratégique.

La profondeur peut compenser partiellement le faible nombre, mais pas magiquement.


La surdétermination

Un résultat peut avoir plusieurs causes suffisantes présentes simultanément.

Une réforme aurait peut-être été adoptée grâce :

  • à une mobilisation ;
  • à une pression économique ;
  • à un changement politique.

Si chacune aurait pu suffire, il devient difficile de déterminer la contribution propre de chaque cause.

L’étude historique peut examiner :

  • la chronologie ;
  • les décisions ;
  • les contrefactuels.

Mais l’incertitude peut rester réelle.

Une explication honnête peut reconnaître une causalité multiple sans attribuer artificiellement une cause principale unique.


La causalité conjoncturelle

Une cause peut produire un effet seulement dans certaines combinaisons.

Une ressource administrative favorise une politique si :

  • le gouvernement possède une volonté ;
  • les agents coopèrent ;
  • les règles l’autorisent.

L’analyse doit donc éviter les formulations universelles du type :

X produit Y.

Elle peut préférer :

X contribue à Y lorsque A et B sont présents.

Cette précision augmente la complexité, mais améliore la fidélité au phénomène.


L’asymétrie causale

Les causes de la présence d’un phénomène ne sont pas nécessairement l’inverse des causes de son absence.

Une démocratie peut s’effondrer en raison :

  • d’un conflit militaire.

Mais l’absence de conflit ne suffit pas à garantir sa survie. De même, les conditions de la réussite d’une politique ne sont pas simplement l’opposé des conditions de son échec. Les méthodes comparatives doivent analyser séparément :

  • production du résultat ;
  • production de son absence.

Le temps dans la comparaison

Deux cas possédant les mêmes conditions à un moment donné peuvent diverger en raison de leur séquence antérieure.

Une variable statique peut masquer :

  • l’ordre ;
  • la durée ;
  • le moment.

Par exemple, une institution adoptée avant la formation de certains groupes peut produire un effet différent de la même institution adoptée après leur organisation.

La comparaison doit donc parfois porter sur des trajectoires plutôt que sur des états.


L’analyse de séquences

L’analyse de séquences compare l’ordre d’événements ou d’états. Elle peut étudier :

  • carrières ;
  • réformes ;
  • transitions politiques ;
  • trajectoires familiales.

Deux cas ayant atteint le même résultat peuvent avoir suivi des chemins différents.

La séquence peut être analysée :

  • qualitativement ;
  • quantitativement.

Mais la ressemblance formelle entre deux séquences ne suffit pas à établir un mécanisme causal commun.


Le cas dans son contexte

Le contexte regroupe les conditions qui modifient le sens ou l’effet d’un mécanisme. Mais le mot *contexte* peut devenir un réservoir vague contenant tout ce que la théorie n’explique pas.

Une bonne analyse doit préciser :

  • quelle dimension du contexte agit ;
  • comment ;
  • sur quelle étape du mécanisme.

Dire :

« Le résultat dépend du contexte »

est insuffisant si aucune relation n’est décrite.

Le contexte doit être transformé en conditions analysables.


Le mécanisme dépendant du contexte

Un même mécanisme peut produire des effets différents selon les institutions.

Une information nouvelle peut modifier une décision si :

  • la source est jugée crédible ;
  • l’acteur possède une marge de choix ;
  • le coût du changement reste supportable.

Dans un autre contexte, l’information peut être ignorée.

La généralisation porte alors sur la structure conditionnelle du mécanisme. Elle ne suppose pas une répétition identique.


Les concepts voyageurs

Les chercheurs appliquent souvent un concept construit dans un contexte à d’autres situations.

Des notions comme :

  • populisme ;
  • État ;
  • classe ;
  • corruption ;
  • démocratie

peuvent changer de sens selon les institutions.

Un concept trop large permet de comparer, mais perd en précision. Un concept trop local devient difficile à transférer. Giovanni Sartori a mis en garde contre l’étirement conceptuel : élargir une catégorie jusqu’à ce qu’elle inclue des cas qui ne partagent plus ses caractéristiques centrales.


L’étirement conceptuel

Un concept est étiré lorsqu’il est appliqué à de nouveaux cas en affaiblissant progressivement sa définition. Par exemple, toute contestation des élites pourrait être appelée populisme, même si les mouvements diffèrent sur :

  • organisation ;
  • idéologie ;
  • rapport aux institutions.

La comparaison devient alors superficielle.

Pour éviter cet étirement, il faut préciser :

  • les propriétés nécessaires ;
  • les sous-types ;
  • le niveau d’abstraction.

Une catégorie plus générale peut être utile, mais elle doit conserver un contenu distinctif.


Les sous-types

Un concept peut être divisé en sous-types pour préserver la comparaison. Par exemple, une institution peut être :

  • centralisée ;
  • fédérale ;
  • hybride.

Les sous-types permettent de reconnaître une famille commune tout en conservant les différences importantes. Mais multiplier les sous-types pour chaque cas peut rendre toute généralisation impossible.

La typologie doit trouver un équilibre entre :

  • fidélité ;
  • parcimonie ;
  • utilité théorique.

Les types idéaux

Max Weber utilise les types idéaux comme constructions analytiques accentuant certains traits d’un phénomène. Un type idéal ne décrit pas nécessairement un cas réel dans tous ses détails. Il sert à comparer les situations empiriques. Par exemple, une bureaucratie idéale-typique possède :

  • hiérarchie ;
  • règles ;
  • spécialisation ;
  • recrutement formalisé.

Une organisation réelle peut s’en rapprocher plus ou moins.

Le type idéal est un outil de pensée, non une moyenne ni une norme morale.


Les typologies causales

Une typologie causale classe les cas selon plusieurs dimensions afin de prévoir différents mécanismes ou résultats. Elle peut montrer que :

  • dans la configuration A, un mécanisme agit ;
  • dans la configuration B, un autre domine ;
  • dans la configuration C, aucun ne suffit.

Cette approche convient aux phénomènes caractérisés par :

  • équifinalité ;
  • interactions ;
  • conditions multiples.

Elle doit néanmoins produire des prédictions suffisamment précises pour éviter une classification purement descriptive.


L’étude des exceptions

Une exception peut avoir plusieurs significations. Elle peut montrer :

  • une erreur de mesure ;
  • une condition limite ;
  • une causalité probabiliste ;
  • une théorie inadéquate.

Une seule exception ne réfute pas nécessairement une proposition probabiliste. Mais elle réfute une affirmation réellement universelle si les conditions annoncées sont présentes.

Il faut donc examiner la forme exacte de la théorie avant de décider ce que prouve le cas.


L’exception qui confirme la règle ?

L’expression « l’exception confirme la règle » est souvent mal utilisée.

Une exception ne confirme pas automatiquement une théorie. Elle peut aider à préciser son domaine :

La règle fonctionne sauf lorsque telle condition est présente.

Mais cette modification doit être :

  • indépendante ;
  • testable ;
  • applicable à d’autres cas.

Ajouter après chaque échec une exception unique rend la théorie irréfutable.


Les cas qui réfutent

Un cas peut réfuter une proposition universelle.

Si une théorie affirme :

Toute institution possédant A produit nécessairement B,

un seul cas bien établi présentant A sans B suffit à montrer que la proposition est fausse ou incomplète. Mais il faut vérifier :

  • que A est réellement présent ;
  • que B est réellement absent ;
  • que le cas appartient au domaine de la théorie.

Les débats portent souvent précisément sur ces classifications.


Les cas qui établissent une possibilité

Un seul cas peut établir qu’un phénomène est possible.

Si une théorie affirme qu’une organisation démocratique ne peut jamais fonctionner sans une condition particulière, un cas contraire crédible suffit à réfuter cette impossibilité. Mais montrer la possibilité ne montre pas :

  • la fréquence ;
  • la facilité ;
  • la durabilité ;
  • la reproductibilité.

La conclusion doit rester proportionnée :

Cela peut arriver,

et non :

Cela arrivera généralement.


Les cas qui établissent un mécanisme

Un cas peut fournir une preuve détaillée qu’un mécanisme existe. Par exemple, une étude peut montrer qu’une modification de règle a transformé les stratégies des acteurs par une chaîne documentée. Cette démonstration est importante. Mais la fréquence du mécanisme reste inconnue.

Il faut distinguer :

  • existence ;
  • importance ;
  • généralité.

Un mécanisme réel peut être rare ou dépendre de conditions très particulières.


Les cas qui illustrent

Un cas peut être utilisé pour rendre une théorie compréhensible. Il montre concrètement :

  • les acteurs ;
  • les étapes ;
  • les conséquences.

Mais une illustration est choisie parce qu’elle correspond déjà à la théorie. Elle ne constitue pas nécessairement un test. Présenter une illustration comme une preuve crée une illusion de confirmation. Une fiche ou un manuel doit préciser si le cas sert à :

  • expliquer ;
  • démontrer ;
  • tester ;
  • nuancer.

L’anecdote

Une anecdote est un récit particulier, souvent frappant. Elle peut :

  • révéler une possibilité ;
  • attirer l’attention ;
  • formuler une hypothèse.

Elle possède une faible valeur pour estimer :

  • la fréquence ;
  • l’effet moyen ;
  • la représentativité.

Une étude de cas scientifique se distingue de l’anecdote par :

  • la question ;
  • la documentation ;
  • la méthode ;
  • la comparaison ;
  • l’examen des alternatives.

Le nombre réduit de cas n’est pas le problème principal. Le manque de structure probante l’est.


L’exemple célèbre

Un exemple célèbre peut devenir si familier qu’il n’est plus vérifié. Il est repris dans :

  • manuels ;
  • conférences ;
  • débats.

Sa forme se simplifie progressivement. Les éléments incertains ou contestés disparaissent. Il est utile de revenir aux sources lorsque le cas joue un rôle central dans une théorie. Un exemple pédagogique ne doit pas devenir une preuve historique par répétition.


Les cas emblématiques et les politiques publiques

Une politique peut être conçue après un événement particulièrement médiatisé.

Le cas emblématique influence :

  • l’émotion ;
  • la perception du risque ;
  • la demande d’action.

Mais il peut être atypique.

Une décision raisonnable doit comparer :

  • le cas visible ;
  • la distribution générale ;
  • les autres risques ;
  • les effets de la politique.

La gravité d’un cas individuel ne suffit pas à déterminer la règle collective optimale.


Le rôle des cas dans la théorie

Les cas peuvent intervenir à plusieurs moments :

  1. découverte d’un phénomène ;
  2. formulation d’un concept ;
  3. élaboration d’un mécanisme ;
  4. test d’une proposition ;
  5. identification d’une limite ;
  6. révision de la théorie.

Une même étude peut remplir plusieurs fonctions. Mais elle doit les distinguer.

Une théorie construite à partir d’un cas puis « confirmée » par ce même cas ne dispose pas d’un test indépendant.


Construire une théorie à partir des cas

Une démarche inductive peut comparer plusieurs cas pour découvrir des régularités.

Le chercheur peut progressivement identifier :

  • catégories ;
  • mécanismes ;
  • configurations.

Cette démarche est particulièrement utile lorsque les théories existantes sont faibles. Mais l’induction reste exposée au risque de surajustement. La théorie finale peut correspondre parfaitement aux cas étudiés sans fonctionner ailleurs. Il faut donc prévoir :

  • de nouveaux cas ;
  • des prédictions ;
  • des données indépendantes.

Tester une théorie avec des cas

Une théorie doit indiquer ce qui devrait être observé :

  • dans quels cas ;
  • selon quelles conditions ;
  • à quelles étapes.

Le choix des cas peut ensuite maximiser la capacité de test.

Une théorie sur la pression internationale peut être examinée dans un cas où :

  • la pression est forte ;
  • les autres explications sont faibles.

Si aucun effet n’apparaît, la théorie rencontre une difficulté importante.

La sélection doit être guidée par les prédictions, pas par la connaissance du résultat final.


La théorie avant le cas

Formuler la théorie avant l’analyse réduit le risque d’adapter les attentes aux données. Mais une rigidité excessive peut empêcher de découvrir un mécanisme inattendu.

La solution n’est pas de choisir entre :

  • théorie pure ;
  • observation pure.

La recherche progresse souvent par allers-retours :

  1. théorie initiale ;
  2. étude ;
  3. anomalie ;
  4. révision ;
  5. nouveau test.

La transparence doit indiquer quelles parties étaient prévues et lesquelles ont émergé pendant l’enquête.


Les études de cas cumulatives

Un domaine scientifique ne dépend pas toujours d’une seule étude comparative parfaite.

Plusieurs recherches peuvent progressivement établir :

  • un mécanisme ;
  • ses variations ;
  • ses conditions limites.

Le cumul demande cependant des concepts et des descriptions compatibles.

Si chaque étude utilise :

  • une définition ;
  • une typologie ;
  • une mesure

entièrement différente, la synthèse devient difficile.

La standardisation facilite le cumul, mais ne doit pas écraser les différences contextuelles importantes.


Les revues systématiques de cas

Il est possible de synthétiser plusieurs études de cas selon une procédure explicite.

La revue peut examiner :

  • sélection des cas ;
  • mécanismes proposés ;
  • qualité des preuves ;
  • contextes ;
  • résultats.

Cette démarche limite la sélection intuitive des exemples favorables. Mais les études qualitatives sont souvent hétérogènes.

Une synthèse sérieuse doit préserver :

  • les différences de question ;
  • les niveaux d’analyse ;
  • les significations locales.

La méta-ethnographie et les synthèses qualitatives

Les synthèses qualitatives ne se contentent pas de compter combien d’études mentionnent un thème. Elles cherchent à traduire et comparer :

  • concepts ;
  • mécanismes ;
  • expériences.

Une notion utilisée dans une étude peut être reformulée dans une autre. Cette traduction produit une interprétation de second niveau. Elle exige donc :

  • transparence ;
  • réflexivité ;
  • attention au contexte.

La multiplication des études ne transforme pas automatiquement une interprétation qualitative en mesure statistique.


Le nombre de cas

Il n’existe pas un nombre minimal universel de cas garantissant la validité.

Un cas peut suffire pour :

  • réfuter une proposition universelle ;
  • établir une possibilité ;
  • documenter un mécanisme rare.

Deux cas peuvent permettre une comparaison contrôlée approfondie. Des dizaines de cas peuvent être nécessaires pour étudier plusieurs configurations. Des centaines peuvent être utiles pour estimer un effet moyen. Le nombre pertinent dépend de la question et de la logique de preuve.


Profondeur contre largeur

Plus le nombre de cas augmente, plus il devient difficile d’étudier chaque trajectoire en détail.

Le chercheur arbitre entre :

  • profondeur ;
  • largeur.

Une grande comparaison améliore souvent :

  • l’estimation des régularités ;
  • la diversité des contextes.

Une étude approfondie améliore :

  • la mesure ;
  • le mécanisme ;
  • la chronologie.

Les méthodes mixtes cherchent à réduire ce compromis sans le supprimer complètement.


Le paradoxe du petit nombre

Un petit nombre de cas permet d’étudier beaucoup d’informations sur chacun. Mais il limite la capacité à distinguer plusieurs explications. Un grand nombre permet davantage de comparaisons. Mais chaque cas est simplifié en quelques variables. La qualité ne dépend donc pas simplement du nombre. Une recherche convaincante adapte :

  • le niveau de détail ;
  • le type de conclusion ;
  • la méthode ;

à la structure de la question.


La connaissance substantielle

Les méthodes comparatives exigent une connaissance approfondie du domaine.

Une corrélation peut être interprétée différemment selon :

  • l’histoire ;
  • le droit ;
  • la mise en œuvre.

La connaissance substantielle aide à :

  • choisir les cas ;
  • calibrer les variables ;
  • construire les contrefactuels ;
  • repérer les erreurs.

Elle ne doit pas devenir une justification d’autorité impossible à vérifier.

Les arguments doivent être rendus explicites et documentés.


Le rôle des experts locaux

Les spécialistes d’un pays, d’une institution ou d’une période possèdent une connaissance fine :

  • des catégories ;
  • des sources ;
  • des conflits ;
  • des pratiques.

Une grande comparaison gagne à intégrer cette expertise. Mais les experts locaux peuvent être moins sensibles à ce qui paraît normal dans leur terrain.

La coopération entre :

  • comparatistes ;
  • spécialistes ;

permet une réflexivité croisée.

Le comparatiste demande ce qui varie. Le spécialiste rappelle ce qui ne peut pas être simplifié.


Les erreurs de traduction

Une même institution peut porter le même nom dans plusieurs pays tout en exercer des fonctions différentes. Inversement, deux institutions portant des noms différents peuvent remplir des fonctions proches. La traduction littérale crée alors des classifications erronées. Il faut comparer :

  • les règles ;
  • les pouvoirs ;
  • les pratiques ;
  • les effets.

La comparabilité fonctionnelle est parfois plus importante que la similitude terminologique.


La comparabilité des indicateurs

Un taux officiel peut varier parce que les pays :

  • définissent différemment ;
  • enregistrent différemment ;
  • contrôlent différemment.

Comparer directement les chiffres peut produire une erreur.

Il faut rechercher :

  • harmonisation ;
  • métadonnées ;
  • enquêtes indépendantes ;
  • analyses de sensibilité.

Les études de cas peuvent expliquer pourquoi un indicateur identique ne possède pas la même signification locale.


Le raisonnement bayésien appliqué aux cas

Une étude de cas peut être comprise comme une mise à jour de la confiance entre plusieurs hypothèses. Avant d’examiner une preuve, chaque explication possède une plausibilité initiale. Une observation modifie cette plausibilité selon qu’elle est :

  • attendue par l’hypothèse ;
  • inattendue selon les alternatives.

Une preuve est particulièrement informative lorsqu’elle serait très difficile à observer si l’hypothèse était fausse. Cette logique aide à éviter le simple comptage des documents favorables.


Les probabilités qualitatives

Il n’est pas toujours possible d’attribuer des nombres précis aux hypothèses historiques.

Le chercheur peut néanmoins raisonner qualitativement :

  • très attendu ;
  • possible ;
  • peu probable ;
  • presque incompatible.

Cette discipline oblige à comparer les explications. Un document favorable n’est pas très informatif s’il aurait été produit sous presque toutes les hypothèses. La valeur d’une preuve dépend de sa capacité à différencier.


Les hypothèses concurrentes

Une bonne étude ne cherche pas seulement des preuves en faveur de son explication. Elle formule les principales alternatives. Par exemple, une réforme peut être expliquée par :

  • pression électorale ;
  • intérêt économique ;
  • changement idéologique ;
  • contrainte extérieure.

Chaque hypothèse doit produire des attentes distinctes :

  • quels acteurs interviennent ?
  • à quel moment ?
  • quels documents apparaissent ?
  • quelles décisions intermédiaires sont prises ?

La meilleure explication est celle qui rend compte de l’ensemble avec le moins d’ajustements artificiels.


Les explications combinées

Les hypothèses concurrentes ne sont pas toujours exclusives. Une pression extérieure peut modifier l’intérêt économique d’un gouvernement, tandis qu’une idée nouvelle fournit la solution. L’explication finale peut être combinée. Mais il faut éviter la stratégie consistant à ajouter toutes les causes possibles pour rendre l’échec impossible. Chaque facteur doit avoir :

  • un rôle défini ;
  • une étape ;
  • une preuve ;
  • un effet contrefactuel plausible.

La parcimonie

Une explication parcimonieuse utilise peu d’hypothèses supplémentaires. Cette qualité est importante. Mais une explication trop simple peut ignorer la complexité réelle.

La meilleure théorie n’est pas toujours celle qui contient le moins de facteurs. Elle est celle qui obtient un bon équilibre entre :

  • simplicité ;
  • précision ;
  • portée ;
  • fidélité.

La parcimonie ne doit pas devenir une préférence esthétique indépendante des preuves.


Les récits causaux

Une étude de cas produit souvent un récit reliant les événements.

Un bon récit causal ne se contente pas de rendre l’histoire cohérente. Il doit montrer :

  • pourquoi certaines étapes se suivent ;
  • quels acteurs transmettent l’effet ;
  • quelles alternatives ont été écartées ;
  • quels éléments auraient pu faire échouer la chaîne.

La cohérence narrative est nécessaire mais insuffisante.

De nombreuses histoires différentes peuvent paraître cohérentes après coup.


Le biais rétrospectif

Lorsque le résultat est connu, les événements qui y conduisent paraissent importants. Les chemins abandonnés deviennent invisibles. Pour limiter ce biais, le chercheur doit reconstituer :

  • les incertitudes ;
  • les attentes ;
  • les options ;
  • les décisions réellement ouvertes.

Les sources contemporaines de l’événement sont souvent particulièrement utiles.

Les mémoires rédigées après coup peuvent reconstruire une trajectoire plus cohérente et intentionnelle qu’elle ne l’était.


La téléologie

Une explication téléologique raconte le passé comme s’il était orienté vers son résultat final. Une institution semble avoir été progressivement préparée par chaque événement antérieur. Mais les acteurs poursuivaient souvent d’autres objectifs. Les conséquences peuvent être :

  • imprévues ;
  • détournées ;
  • accidentelles.

L’étude de cas doit distinguer :

  • intention ;
  • fonction actuelle ;
  • conséquence historique.

Le présent n’était pas nécessairement le projet du passé.


La sélection des preuves

Une grande quantité de sources permet de sélectionner facilement les éléments compatibles avec une théorie.

Le chercheur doit documenter :

  • les critères de sélection ;
  • les sources contradictoires ;
  • les lacunes ;
  • les changements d’interprétation.

Une citation spectaculaire ne doit pas remplacer l’analyse de l’ensemble.

La transparence sur les archives consultées et les matériaux absents améliore la crédibilité.


Le silence des sources

L’absence d’une trace peut signifier :

  • que l’événement n’a pas eu lieu ;
  • qu’il n’a pas été documenté ;
  • que le document a disparu ;
  • qu’il était considéré comme banal ;
  • qu’il devait rester secret.

Le silence n’a donc pas une interprétation unique. Sa valeur dépend de ce que nous devrions normalement attendre si l’hypothèse était vraie. L’absence d’un document obligatoire est plus informative que l’absence d’une conversation informelle.


Les sources intéressées

Un acteur peut produire un document pour convaincre, se protéger, obtenir une ressource et construire sa réputation.

Cette intention ne rend pas le document inutile. Elle permet d’en interpréter le contenu.

Un rapport officiel peut être peu fiable sur :

  • sa propre responsabilité ;

mais précis sur :

  • la chronologie administrative ;
  • les catégories utilisées ;
  • les justifications publiques.

Chaque source doit être évaluée selon la question à laquelle elle sert.


La triangulation des sources

Une conclusion devient plus solide lorsqu’elle repose sur des sources ayant des biais différents :

  • archives ;
  • statistiques ;
  • témoignages ;
  • presse ;
  • documents privés ;
  • observations.

La convergence est particulièrement informative lorsque les sources sont réellement indépendantes. Mais une même information peut circuler d’une source à l’autre.

Il faut remonter à son origine et distinguer :

  • répétition ;
  • confirmation indépendante.

La réflexivité du chercheur comparatif

Le chercheur choisit :

  • les cas ;
  • les périodes ;
  • les concepts ;
  • les différences jugées importantes.

Ces choix peuvent refléter :

  • sa théorie ;
  • sa langue ;
  • l’accès ;
  • ses intérêts.

La réflexivité demande de rendre ces décisions visibles. Elle peut inclure :

  • justification des cas exclus ;
  • analyses alternatives ;
  • comparaison des codages ;
  • reconnaissance des limites.

La comparaison ne devient pas objective par la simple présence de plusieurs pays ou périodes.


L’étude de cas participative

Dans certains domaines, les acteurs étudiés participent :

  • à la définition de la question ;
  • à l’interprétation ;
  • à la restitution.

Cette participation peut améliorer la connaissance du contexte et corriger des erreurs. Mais elle peut aussi introduire :

  • intérêts ;
  • conflits ;
  • volonté de contrôler le récit.

Les participants constituent une source critique importante, non un arbitre final de toute conclusion.

Leur désaccord doit être documenté et examiné.


L’éthique de la comparaison

Comparer des groupes ou des institutions peut produire :

  • hiérarchisation ;
  • stigmatisation ;
  • simplification.

Un classement peut donner l’impression qu’une différence statistique représente une qualité essentielle.

Le chercheur doit préciser :

  • l’incertitude ;
  • les conditions ;
  • les dimensions non mesurées ;
  • la variation interne.

L’éthique ne demande pas de cacher les différences réelles. Elle demande de ne pas transformer une comparaison limitée en jugement global sur les personnes.


Le classement des pays

Les classements internationaux simplifient de nombreuses dimensions en un score. Ils permettent :

  • comparaison ;
  • visibilité ;
  • suivi.

Ils peuvent aussi produire :

  • compétition ;
  • contournement ;
  • standardisation.

Le rang dépend souvent :

  • des indicateurs ;
  • des pondérations ;
  • des données manquantes.

Une différence de quelques places peut être moins importante que l’incertitude de la mesure.

L’étude détaillée des cas aide à comprendre ce que le classement représente réellement.


Comparaison n’est pas hiérarchisation totale

Comparer deux systèmes sur une dimension ne permet pas de conclure que l’un est globalement supérieur.

Un système peut être meilleur pour :

  • l’accès ;

et moins bon pour :

  • la continuité ;
  • le coût ;
  • l’égalité.

Toute comparaison dépend d’un critère. Les jugements synthétiques doivent rendre explicite la pondération entre plusieurs objectifs. La science décrit les différences. La hiérarchie générale contient souvent une dimension normative.


L’apprentissage à partir de l’étranger

Une comparaison internationale peut révéler une politique qui fonctionne ailleurs. Mais copier exige de comprendre :

  • son mécanisme ;
  • ses institutions complémentaires ;
  • son histoire ;
  • ses coûts.

Le raisonnement :

Cela fonctionne dans le pays A, donc cela fonctionnera dans le pays B

est insuffisant.

Il faut demander :

Quelles conditions présentes dans A rendent cet effet possible, et existent-elles ou peuvent-elles être construites dans B ?


Le modèle exemplaire

Un pays peut devenir un modèle régulièrement cité. Cette réputation produit une sélection :

  • des indicateurs favorables ;
  • des politiques visibles ;
  • des récits cohérents.

Les difficultés internes peuvent être moins diffusées. L’admiration politique ne doit pas remplacer l’analyse comparative. Un modèle est utile lorsqu’il permet d’identifier :

  • un mécanisme transférable ;
  • des conditions ;
  • des coûts ;
  • des limites.

L’échec importé

Une réforme étrangère peut échouer parce que son mécanisme dépendait :

  • d’une administration ;
  • d’une confiance ;
  • d’une structure professionnelle.

L’échec dans le nouveau contexte ne prouve pas nécessairement que l’institution originale était inefficace. Il peut montrer une mauvaise transplantation. Inversement, invoquer le contexte ne doit pas servir à protéger toute politique contre l’évaluation. Les conditions supposées nécessaires doivent être précisées avant ou indépendamment de l’échec.


L’analyse comparative et la décision

Une décision publique ne peut pas attendre une certitude parfaite.

Les comparaisons fournissent :

  • des possibilités ;
  • des risques ;
  • des conditions ;
  • des scénarios.

Elles n’indiquent pas automatiquement quelle option choisir.

Une politique observée ailleurs peut être :

  • efficace ;
  • mais incompatible avec certaines valeurs ;
  • coûteuse ;
  • difficile à mettre en œuvre.

La comparaison informe la décision sans remplacer la délibération normative.


Une méthode pratique pour construire une étude de cas

Définir la question

Quel résultat ou mécanisme doit être expliqué ?

Délimiter le cas

Quelle unité, quelle période et quel niveau d’analyse ?

Préciser la fonction du cas

Exploration, description, test, réfutation ou illustration ?

Justifier la sélection

Pourquoi ce cas plutôt qu’un autre ?

Formuler les hypothèses

Quelles explications concurrentes sont plausibles ?

Prévoir les traces

Quelles observations chaque hypothèse permet-elle d’attendre ?

Reconstituer la séquence

Quel ordre relie les conditions au résultat ?

Chercher les preuves contradictoires

Quels éléments fragilisent l’explication préférée ?

Construire le contrefactuel

Que se serait-il probablement passé sans la cause ?

Limiter la généralisation

À quels contextes la conclusion peut-elle raisonnablement s’appliquer ?


Une méthode pratique pour construire une comparaison

Définir la population pertinente

Parmi quels types de cas la comparaison est-elle réalisée ?

Clarifier les concepts

Les catégories possèdent-elles le même sens dans chaque cas ?

Choisir la logique comparative

Cas semblables, cas différents, cas crucial ou cas déviant ?

Vérifier l’indépendance

Les cas s’influencent-ils ou partagent-ils une origine ?

Mesurer de manière comparable

Les indicateurs et sources sont-ils réellement harmonisés ?

Étudier les trajectoires

Les cas ont-ils atteint le même état par des séquences différentes ?

Examiner les mécanismes internes

La différence générale correspond-elle à une chaîne causale observable ?

Tester les alternatives

D’autres facteurs expliquent-ils mieux la divergence ?

Analyser les cas négatifs

Que se passe-t-il lorsque le résultat est absent ?

Formuler une conclusion conditionnelle

Dans quelles configurations le mécanisme paraît-il fonctionner ?


Questions pour évaluer une étude de cas

  • Le cas est-il clairement délimité ?
  • Quelle est la question exacte ?
  • Le cas sert-il à illustrer ou à tester ?
  • Pourquoi a-t-il été sélectionné ?
  • Le résultat était-il connu avant la sélection ?
  • Des cas négatifs ont-ils été examinés ?
  • La chronologie est-elle solidement établie ?
  • Le mécanisme laisse-t-il des traces observables ?
  • Les sources sont-elles indépendantes ?
  • Les explications concurrentes sont-elles prises au sérieux ?
  • Les preuves ont-elles été recherchées de manière symétrique ?
  • Le contrefactuel est-il plausible ?
  • Le cas est-il typique, extrême, déviant ou crucial ?
  • Cette qualification est-elle justifiée ?
  • La conclusion dépasse-t-elle ce que le cas permet ?
  • Les conditions de transférabilité sont-elles précisées ?
  • Une autre équipe pourrait-elle reconstruire le raisonnement ?
  • Les limites documentaires sont-elles reconnues ?

Questions pour évaluer une comparaison

  • Les cas appartiennent-ils réellement à une même population théorique ?
  • Les concepts sont-ils équivalents ?
  • Les mesures sont-elles comparables ?
  • Les cas sont-ils indépendants ?
  • Existe-t-il une diffusion ou une origine commune ?
  • La ressemblance porte-t-elle sur les facteurs causalement pertinents ?
  • Les différences importantes ont-elles été identifiées avant le résultat ?
  • La comparaison sélectionne-t-elle uniquement des succès ?
  • Les trajectoires temporelles sont-elles comparables ?
  • Le même résultat peut-il avoir plusieurs causes ?
  • La même cause peut-elle produire plusieurs résultats ?
  • Les mécanismes internes sont-ils documentés ?
  • Les cas absents de l’étude pourraient-ils modifier la conclusion ?
  • La comparaison internationale masque-t-elle des variations internes ?
  • Le niveau de généralisation est-il proportionné au nombre et au choix des cas ?

Questions pour évaluer un mécanisme causal

  • Quelle cause déclenche le mécanisme ?
  • Quelles étapes intermédiaires sont attendues ?
  • Quels acteurs transmettent l’effet ?
  • Dans quel ordre les étapes apparaissent-elles ?
  • Quelles ressources ou informations circulent ?
  • Quelles conditions permettent le fonctionnement ?
  • Quelles conditions peuvent le bloquer ?
  • Les traces sont-elles présentes ?
  • Sont-elles spécifiques à cette hypothèse ?
  • Les étapes ont-elles été identifiées avant l’analyse ?
  • Un mécanisme concurrent produit-il les mêmes traces ?
  • Le mécanisme explique-t-il le résultat ou seulement une partie ?
  • Existe-t-il dans d’autres cas ?
  • Sa fréquence et son importance sont-elles connues ?

Questions pour articuler méthodes qualitatives et quantitatives

  • Les méthodes répondent-elles à la même question ?
  • Mesurent-elles réellement le même phénomène ?
  • Les cas approfondis ont-ils été choisis indépendamment du résultat ?
  • Les statistiques identifient-elles une relation que les cas peuvent expliquer ?
  • Les cas révèlent-ils une mauvaise mesure générale ?
  • Les mécanismes locaux sont-ils compatibles avec l’effet moyen ?
  • Les divergences sont-elles analysées ou dissimulées ?
  • Une méthode sert-elle seulement à décorer la conclusion de l’autre ?
  • Les données peuvent-elles être reliées à une même théorie ?
  • Les conclusions sont-elles séparées selon leur niveau de preuve ?

Erreurs fréquentes

Croire qu’un cas unique ne peut rien prouver

Il peut établir une possibilité, réfuter une proposition universelle ou documenter un mécanisme.

Croire qu’un cas détaillé représente automatiquement une population

La profondeur ne produit pas la représentativité statistique.

Confondre illustration et test

Un exemple choisi parce qu’il correspond à la théorie n’est pas une confirmation indépendante.

Confondre anecdote et étude de cas

Une étude scientifique possède une question, une méthode, des sources et une logique de preuve.

Choisir uniquement les cas où le résultat est présent

Cette sélection empêche d’identifier ce qui distingue les succès des échecs.

Étudier seulement les survivants

Les cas disparus peuvent posséder les mêmes caractéristiques supposées expliquer le succès.

Choisir les cas uniquement parce qu’ils sont accessibles

L’accessibilité peut être liée au phénomène et créer un biais.

Qualifier un cas de crucial sans justifier cette position

Un cas n’est pas décisif simplement parce qu’il est célèbre ou spectaculaire.

Supposer que des pays proches sont identiques sur les dimensions pertinentes

La ressemblance générale peut masquer une différence causale centrale.

Supposer que des pays différents ayant le même résultat partagent la même cause

L’équifinalité permet plusieurs chemins.

Traiter les cas comme indépendants malgré la diffusion

Une origine commune ou une imitation peut expliquer leur ressemblance.

Confondre succession temporelle et mécanisme

La cause doit être reliée au résultat par des étapes observables.

Chercher uniquement les preuves favorables

Une étude solide confronte activement les hypothèses concurrentes.

Traiter toute trace comme également probante

Une preuve vaut selon sa capacité à distinguer les hypothèses.

Construire un contrefactuel trop éloigné du monde réel

Plus les changements imaginés sont nombreux, plus la conclusion devient spéculative.

Prendre le contexte comme explication vague

Il faut préciser quelle dimension contextuelle modifie quel mécanisme.

Étendre un concept jusqu’à lui faire perdre son contenu

L’étirement conceptuel rend la comparaison artificielle.

Multiplier les sous-types jusqu’à rendre chaque cas unique

Une typologie doit encore permettre une connaissance générale.

Ajouter une exception après chaque échec

Une théorie continuellement protégée devient irréfutable.

Croire qu’un effet moyen révèle un mécanisme unique

Plusieurs processus peuvent produire la même association.

Croire que les méthodes mixtes sont automatiquement supérieures

Elles doivent être réellement intégrées.

Privilégier toujours le quantitatif en raison du nombre

Une grande base peut reposer sur de mauvaises mesures et ignorer les mécanismes.

Privilégier toujours le qualitatif en raison de la profondeur

Une histoire détaillée peut être surajustée à son cas.

Copier une politique étrangère à partir d’un exemple admiré

Il faut examiner les conditions institutionnelles rendant son effet possible.


À retenir

Un cas est une unité d’analyse délimitée dans le temps, l’espace et selon une question.

Sa frontière n’est pas toujours évidente et doit être justifiée.

Une étude de cas peut être :

  • descriptive ;
  • exploratoire ;
  • explicative ;
  • confirmatoire ;
  • réfutative.

Une description approfondie peut clarifier les concepts, les acteurs et les mécanismes avant toute généralisation.

Un cas unique ne permet généralement pas une généralisation statistique vers une population.

Il peut néanmoins permettre une généralisation analytique portant sur un mécanisme et ses conditions.

Un cas peut établir :

  • qu’un phénomène est possible ;
  • qu’une proposition universelle est fausse ;
  • qu’un mécanisme a fonctionné dans une situation.

Il ne permet pas automatiquement d’établir :

  • la fréquence ;
  • l’effet moyen ;
  • la facilité de reproduction.

La sélection du cas dépend de sa fonction théorique.

Un cas peut être :

  • typique ;
  • extrême ;
  • déviant ;
  • crucial ;
  • révélateur ;
  • paradigmatique.

Ces catégories doivent être justifiées relativement à une population et à une théorie.

Un cas le plus probable peut fortement fragiliser une théorie s’il la contredit.

Un cas le moins probable peut renforcer sa portée s’il confirme précisément le mécanisme.

Les cas déviants permettent de découvrir :

  • des conditions limites ;
  • des erreurs de mesure ;
  • des mécanismes négligés.

Sélectionner uniquement les cas où le résultat est présent crée un risque majeur.

Les cas négatifs et les échecs sont nécessaires pour comprendre ce qui distingue réellement les trajectoires.

Le biais du survivant fait apparaître les réussites comme porteuses de propriétés absentes des échecs, alors que ceux-ci peuvent avoir possédé les mêmes caractéristiques.

La comparaison cherche à utiliser les différences entre les cas pour raisonner causalement.

La méthode des systèmes les plus semblables compare des cas proches ayant des résultats différents.

La méthode des systèmes les plus différents compare des cas variés produisant un résultat similaire.

Ces stratégies ne suppriment pas automatiquement les facteurs confondants.

Elles doivent être complétées par une connaissance approfondie des mécanismes.

Les cas sociaux ne sont pas toujours indépendants.

La diffusion, l’imitation et l’héritage commun peuvent produire une ressemblance artificiellement interprétée comme plusieurs confirmations.

Le traçage de processus cherche les étapes intermédiaires reliant une cause à un effet.

Une bonne étude prévoit les traces attendues par chaque hypothèse et compare leur valeur diagnostique.

Un test du cerceau examine une condition nécessaire à une explication.

Une preuve fumante soutient fortement une hypothèse sans que son absence la réfute toujours.

Les preuves doublement décisives sont rares.

La plupart des conclusions historiques reposent sur une convergence de traces imparfaites.

Le raisonnement contrefactuel demande ce qui se serait probablement passé sans la cause supposée.

Un bon contrefactuel reste proche des alternatives réellement disponibles.

Les quasi-expériences, discontinuités, différences de différences et contrôles synthétiques renforcent parfois l’identification causale.

Ils ne remplacent pas toujours l’étude du mécanisme et de la mise en œuvre.

Les méthodes mixtes combinent la largeur des comparaisons générales et la profondeur des cas.

Elles sont utiles lorsque :

  • les statistiques identifient une relation ;
  • les études de cas vérifient la mesure et le mécanisme ;
  • les données qualitatives expliquent les variations contextuelles.

Une divergence entre méthodes peut révéler :

  • une mauvaise mesure ;
  • une hétérogénéité ;
  • plusieurs mécanismes ;
  • un cas atypique.

L’équifinalité signifie que plusieurs trajectoires peuvent conduire au même résultat.

La multifinalité signifie qu’une même condition peut conduire à plusieurs résultats.

Les causes sociales agissent souvent dans des configurations.

Elles ne sont pas nécessairement suffisantes ou nécessaires lorsqu’elles sont prises isolément.

L’analyse qualitative comparée cherche à étudier ces combinaisons selon une logique ensembliste.

Elle demande une calibration théoriquement justifiée et une grande prudence face aux configurations non observées.

Les concepts comparatifs doivent conserver un contenu commun.

L’étirement conceptuel produit une apparence de comparaison entre des réalités devenues trop différentes.

Les types idéaux et les typologies permettent d’organiser les variations sans supposer que les cas réels correspondent parfaitement à une catégorie.

Le contexte doit être analysé comme un ensemble de conditions précises, et non invoqué comme une explication générale de toute exception.

Une étude de cas scientifique se distingue d’une anecdote par :

  • une question explicite ;
  • une sélection justifiée ;
  • des sources contrôlées ;
  • des hypothèses concurrentes ;
  • une conclusion proportionnée.

Le nombre de cas nécessaire dépend de la question.

Un seul cas peut être décisif pour certaines propositions. Des centaines peuvent être nécessaires pour estimer un effet moyen faible.

La profondeur et la largeur possèdent des avantages différents.

Aucune ne garantit seule la qualité.

La comparaison internationale permet de dénaturaliser les institutions et d’identifier des alternatives.

Elle ne justifie pas la copie immédiate d’une politique observée ailleurs.

Une politique fonctionne à travers :

  • des institutions complémentaires ;
  • des capacités ;
  • une histoire ;
  • des comportements.

La connaissance comparative doit donc préciser :

  • ce qui est transférable ;
  • sous quelles conditions ;
  • avec quels coûts.

La question centrale n’est finalement pas :

« Peut-on généraliser à partir d’un seul cas ou de quelques cas ? »

mais :

« Quelle fonction théorique remplit chaque cas, quelles alternatives la comparaison permet-elle d’écarter, quels mécanismes sont effectivement documentés, et jusqu’où les conditions observées autorisent-elles raisonnablement à transférer la conclusion vers d’autres situations ? »


Repères et prolongements

Cette fiche prépare notamment les questions suivantes :

  • Qu’est-ce qu’un cas en sciences humaines ?
  • Quelle différence existe entre étude descriptive, exploratoire et explicative ?
  • Un cas unique peut-il réfuter une théorie ?
  • Quelle différence existe entre généralisation statistique et généralisation analytique ?
  • Qu’est-ce qu’un cas typique, extrême, déviant ou crucial ?
  • À quoi servent les cas négatifs ?
  • Qu’est-ce que la sélection sur la variable dépendante ?
  • Comment le biais du survivant fausse-t-il les explications ?
  • Que sont les systèmes les plus semblables et les systèmes les plus différents ?
  • Pourquoi les cas ne sont-ils pas toujours indépendants ?
  • Qu’est-ce que le problème de Galton ?
  • À quoi sert le traçage de processus ?
  • Quelle différence existe entre un test du cerceau et une preuve fumante ?
  • Comment construire un contrefactuel historique ?
  • Que peuvent apporter les quasi-expériences ?
  • Comment articuler statistiques et études de cas ?
  • Que signifient équifinalité et multifinalité ?
  • Qu’est-ce qu’une causalité configurative ?
  • Que sont les conditions nécessaires, suffisantes et INUS ?
  • Comment fonctionne l’analyse qualitative comparée ?
  • Qu’est-ce que l’étirement conceptuel ?
  • Comment utiliser les types idéaux ?
  • Comment distinguer un exemple d’une preuve ?
  • Pourquoi un effet moyen ne révèle-t-il pas nécessairement un mécanisme unique ?
  • Dans quelles conditions une politique étrangère est-elle transférable ?

Quelques références

  • John Stuart Mill, *Système de logique*, sur les méthodes de concordance et de différence.
  • Max Weber, travaux sur les types idéaux, la causalité historique et la comparaison.
  • Émile Durkheim, *Les Règles de la méthode sociologique*.
  • Marc Bloch, *Pour une histoire comparée des sociétés européennes* et *Apologie pour l’histoire*.
  • Alexander Gerschenkron, travaux sur les trajectoires historiques comparées.
  • Barrington Moore, *Les Origines sociales de la dictature et de la démocratie*.
  • Theda Skocpol, *States and Social Revolutions*.
  • Charles Tilly, *Big Structures, Large Processes, Huge Comparisons*.
  • Arend Lijphart, travaux sur la méthode comparative et les études de cas.
  • Harry Eckstein, travaux sur les études de cas cruciales.
  • Alexander George et Andrew Bennett, *Case Studies and Theory Development in the Social Sciences*.
  • John Gerring, *Case Study Research* et travaux sur la sélection des cas.
  • Robert Yin, *Case Study Research and Applications*.
  • Bent Flyvbjerg, travaux sur les malentendus concernant les études de cas.
  • Gary King, Robert Keohane et Sidney Verba, *Designing Social Inquiry*.
  • Henry Brady et David Collier, *Rethinking Social Inquiry*.
  • David Collier, travaux sur la comparaison, la sélection des cas et le traçage de processus.
  • James Mahoney, travaux sur l’analyse historique comparative, les mécanismes et la causalité.
  • Dietrich Rueschemeyer, James Mahoney et leurs collaborateurs, travaux sur la comparaison historique.
  • Giovanni Sartori, travaux sur l’étirement conceptuel et la méthode comparative.
  • David Collier et Steven Levitsky, travaux sur les sous-types conceptuels.
  • Gary Goertz, *Social Science Concepts*.
  • Jason Seawright et John Gerring, travaux sur les techniques de sélection des cas.
  • Derek Beach et Rasmus Brun Pedersen, *Process-Tracing Methods*.
  • Andrew Bennett et Jeffrey Checkel, *Process Tracing*.
  • Stephen Van Evera, *Guide to Methods for Students of Political Science*.
  • Peter Hall, travaux sur l’ontologie, la causalité et les méthodes comparatives.
  • Ronald Rogowski, travaux sur les études de cas et l’inférence.
  • Charles Ragin, *The Comparative Method*.
  • Charles Ragin, *Fuzzy-Set Social Science*.
  • Benoît Rihoux et Charles Ragin, travaux sur l’analyse qualitative comparée.
  • Carsten Schneider et Claudius Wagemann, *Set-Theoretic Methods for the Social Sciences*.
  • John Mackie, travaux sur les conditions INUS.
  • James Fearon, travaux sur les contrefactuels et l’inférence causale.
  • Philip Tetlock et Aaron Belkin, *Counterfactual Thought Experiments in World Politics*.
  • Paul Rosenbaum, travaux sur l’inférence causale observationnelle.
  • Donald Campbell, travaux sur les quasi-expériences et les études de cas.
  • Thomas Cook et Donald Campbell, *Quasi-Experimentation*.
  • William Shadish, Thomas Cook et Donald Campbell, *Experimental and Quasi-Experimental Designs for Generalized Causal Inference*.
  • Joshua Angrist et Jörn-Steffen Pischke, travaux sur les quasi-expériences.
  • Alberto Abadie, Alexis Diamond et Jens Hainmueller, travaux sur les contrôles synthétiques.
  • Evan Lieberman, travaux sur les analyses imbriquées.
  • David Small, travaux sur les méthodes mixtes et la causalité.
  • Abbas Tashakkori et Charles Teddlie, travaux sur les méthodes mixtes.
  • John Creswell et Vicki Plano Clark, *Designing and Conducting Mixed Methods Research*.
  • Norman Denzin, travaux sur la triangulation.
  • Robert Stake, travaux sur les études de cas qualitatives.
  • Sharan Merriam, travaux sur les études de cas.
  • Kathleen Eisenhardt, travaux sur la construction de théories à partir de cas.
  • Barney Glaser et Anselm Strauss, *The Discovery of Grounded Theory*.
  • Kathy Charmaz, *Constructing Grounded Theory*.
  • Howard Becker, *Les Ficelles du métier*.
  • Andrew Abbott, *Time Matters*.
  • William Sewell Jr., *Logics of History*.
  • Peter Hedström et Richard Swedberg, travaux sur les mécanismes sociaux.
  • Jon Elster, *Explaining Social Behavior*.
  • Mario Bunge, travaux sur les mécanismes et l’explication.
  • John Goldthorpe, travaux sur la sociologie comparée et les mécanismes.
  • Barbara Geddes, *Paradigms and Sand Castles*.
  • Geddes, travaux sur les biais de sélection en politique comparée.
  • Barbara Vis, travaux sur la sélection des cas et la QCA.
  • Rohlfing, *Case Studies and Causal Inference*.
55 sur 60Retour à la catégorie