Falsifiabilité et mise à l’épreuve : qu’est-ce qui distingue une hypothèse scientifique d’une théorie qui explique tout ?

Une bonne théorie doit pouvoir se tromper

Une théorie semble d’abord puissante lorsqu’elle peut expliquer un grand nombre de phénomènes. Mais cette puissance devient suspecte si elle est capable d’expliquer absolument tout, quel que soit le résultat observé.

Supposons qu’une personne affirme :

« Une force invisible favorise parfois la réussite, mais elle peut aussi choisir de rester cachée. »

Si une réussite se produit, la force est confirmée. Si elle ne se produit pas, son absence apparente est expliquée par sa volonté de rester invisible. Aucun événement ne peut compter contre l’hypothèse. La théorie paraît compatible avec tous les faits, mais cette compatibilité est précisément son problème. Elle ne distingue pas les situations où elle devrait fonctionner de celles où elle devrait échouer. Une hypothèse informative doit prendre un risque. Elle doit permettre de dire :

« Si nous observions tel résultat dans telles conditions, cette hypothèse serait sérieusement fragilisée. »

Cette idée est au cœur de la falsifiabilité, principalement associée à Karl Popper.

La falsifiabilité ne signifie pas qu’une théorie doit déjà être fausse. Elle signifie qu’elle doit être formulée de manière à pouvoir entrer en conflit avec certaines observations possibles.

Une théorie qui interdit certains résultats nous apprend davantage qu’une théorie compatible avec tout.


Falsifiabilité et falsification

Deux notions doivent être distinguées.

La falsifiabilité est une propriété logique ou méthodologique d’une hypothèse. Elle indique que certaines observations possibles seraient incompatibles avec elle.

La falsification désigne le processus par lequel une observation ou une expérience conduit effectivement à considérer l’hypothèse comme réfutée ou fortement affaiblie.

Une hypothèse peut être falsifiable sans avoir été falsifiée. Par exemple :

« Tous les objets de cette catégorie possèdent la propriété P. »

Cette proposition est falsifiable, car la découverte d’un seul objet de la catégorie ne possédant pas P constituerait un contre-exemple. Mais tant qu’aucun contre-exemple fiable n’est trouvé, l’hypothèse reste en jeu.

Inversement, une affirmation vague peut être fausse sans être correctement falsifiable :

« Une influence mystérieuse agit parfois de manière imprévisible. »

Cette phrase peut être fausse, mais aucune observation précise ne semble capable de l’établir, puisque l’influence peut toujours être déclarée absente, cachée ou irrégulière.


La logique de la réfutation

La logique élémentaire de la falsification peut être représentée ainsi :

  1. Si la théorie T est vraie, alors l’observation O devrait se produire dans les conditions C.
  2. Dans les conditions C, O ne se produit pas.
  3. Donc T, ou au moins l’ensemble d’hypothèses ayant produit cette prédiction, rencontre un problème.

Sous une forme logique :

Si T, alors O.

Non-O.

Donc non-T.

Cette structure ressemble au modus tollens. Mais la situation scientifique réelle est plus complexe, car la prédiction ne dépend presque jamais de T seule. Elle dépend aussi :

  • des conditions initiales ;
  • de l’instrument ;
  • des hypothèses auxiliaires ;
  • du traitement des données ;
  • de la bonne exécution du protocole.

La conclusion complète devrait donc être :

Si T, A1, A2 et A3 sont vraies, alors O devrait se produire.

Lorsque O ne se produit pas, nous savons qu’au moins un élément de cet ensemble est problématique. Nous ne savons pas automatiquement lequel.

La logique de la réfutation reste importante, mais son application demande un jugement méthodologique.


Pourquoi Popper insiste-t-il sur la falsification ?

Popper cherche notamment à résoudre le problème de l’induction. Aucun nombre d’observations positives ne permet de démontrer logiquement une loi universelle. Observer mille cygnes blancs ne prouve pas que tous les cygnes sont blancs. Un seul cygne noir suffirait pourtant, en principe, à réfuter l’énoncé universel. Il existe donc une asymétrie entre confirmation et réfutation.

Les observations positives peuvent soutenir une théorie, mais ne la démontrent jamais définitivement. Une observation contraire peut, dans certaines conditions, montrer qu’une loi universelle est fausse. Popper propose alors de concevoir la science non comme une accumulation de vérités confirmées, mais comme un processus de :

  • conjectures ;
  • tests sévères ;
  • élimination des erreurs ;
  • remplacement provisoire par de meilleures théories.

La connaissance avance moins en prouvant définitivement qu’en écartant ce qui résiste mal aux épreuves.


Conjectures et réfutations

Pour Popper, une théorie scientifique commence souvent comme une conjecture audacieuse. Elle dépasse les observations déjà connues et propose une structure générale. Cette conjecture doit ensuite être soumise à des tentatives sérieuses de réfutation. Le chercheur ne devrait pas seulement chercher les faits qui confirment sa théorie. Il devrait rechercher les situations où elle risque le plus d’échouer. Une théorie qui survit à des tests sévères est corroborée.

La corroboration ne signifie pas qu’elle est démontrée vraie. Elle indique qu’elle a résisté jusqu’à présent à des tentatives sérieuses de la mettre en défaut.

La connaissance scientifique reste donc provisoire.

Une théorie peut être la meilleure disponible aujourd’hui tout en être révisée demain.


Une prédiction risquée

Toutes les prédictions ne possèdent pas la même valeur.

Une théorie affirmant :

« Il se produira peut-être une variation »

prend peu de risques.

Presque tout résultat est compatible avec elle.

Une théorie annonçant :

« Dans ces conditions précises, la variable devrait augmenter dans cette direction et dans cet ordre de grandeur »

est beaucoup plus exposée.

Si la prédiction réussit, le résultat est davantage informatif. Une prédiction est risquée lorsqu’elle aurait facilement pu être fausse et qu’elle exclut de nombreuses possibilités. La réussite d’une prédiction risquée soutient davantage une théorie qu’une prévision vague ou formulée après coup.


La précision augmente la vulnérabilité

Une théorie précise est plus facile à tester. Elle indique :

  • les conditions ;
  • la direction de l’effet ;
  • parfois son ampleur ;
  • les circonstances où il ne devrait pas apparaître.

Cette précision augmente le risque de réfutation. Mais elle augmente aussi la quantité d’information produite. Une théorie vague survit facilement parce qu’elle ne s’engage presque sur rien. Elle possède une faible vulnérabilité, mais également un faible contenu empirique. La précision n’est donc pas seulement une contrainte. Elle constitue une qualité épistémique.


Le contenu empirique

Le contenu empirique d’une théorie correspond, en partie, aux situations qu’elle exclut. Plus une théorie interdit de résultats possibles, plus elle nous informe sur ce qui devrait réellement se produire. Une théorie compatible avec chaque état du monde ne distingue aucun état particulier. Elle possède alors très peu de contenu empirique. Cette idée peut sembler paradoxale :

Une bonne théorie n’est pas celle qui s’accorde avec le plus grand nombre de résultats possibles, mais celle qui formule clairement lesquels ne devraient pas apparaître.

Une théorie riche prend davantage de risques. Elle gagne en valeur lorsqu’elle survit à ces risques.


Confirmation facile et tests sévères

Il est facile de trouver des faits compatibles avec une théorie générale. Une personne convaincue que les rêves prédisent l’avenir se souviendra des ressemblances entre un rêve et un événement ultérieur. Elle oubliera les nombreux rêves sans correspondance. Une théorie psychologique très générale peut interpréter n’importe quel comportement comme une manifestation du même mécanisme. Les confirmations sélectionnées ont alors peu de valeur. Un test sévère cherche au contraire une situation où :

  • la théorie produit une prédiction claire ;
  • les hypothèses concurrentes prédisent autre chose ;
  • le résultat n’est pas facilement réinterprétable ;
  • les conditions sont correctement contrôlées.

La qualité d’une théorie dépend moins du nombre brut de confirmations que de la difficulté des épreuves auxquelles elle a résisté.


Les prédictions après coup

Une explication construite après avoir observé le résultat peut toujours sembler impressionnante. Une crise politique, une élection ou un échec économique sont réinterprétés à partir de facteurs déjà connus. Le récit paraît alors rendre le résultat inévitable.

Mais aurait-il permis de prévoir l’événement avant qu’il se produise ?

Une explication après coup peut être valable. Elle peut révéler une véritable structure causale. Cependant, sa capacité à tester une théorie est limitée si l’hypothèse a été adaptée aux détails déjà connus.

Pour renforcer sa valeur, elle doit produire de nouvelles conséquences vérifiables :

  • prédictions dans d’autres cas ;
  • nouveaux documents attendus ;
  • mécanismes intermédiaires ;
  • effets contrefactuels.

Le préenregistrement comme protection

Le préenregistrement consiste à déclarer avant l’analyse :

  • les hypothèses ;
  • les méthodes ;
  • les variables principales ;
  • les critères d’exclusion ;
  • les analyses prévues.

Il rend plus difficile la transformation d’une exploration après coup en prédiction préalable. Cette pratique n’interdit pas l’exploration. Elle demande simplement de distinguer :

« Nous avions prédit ce résultat »

et :

« Nous l’avons découvert en examinant les données. »

Une découverte exploratoire peut être très intéressante. Elle doit ensuite être testée sur de nouvelles données.

Le préenregistrement protège ainsi la différence entre génération et mise à l’épreuve d’une hypothèse.


La théorie qui explique tout

Certaines doctrines semblent particulièrement séduisantes parce qu’elles interprètent tous les comportements possibles. Supposons qu’une théorie affirme qu’une personne réprime une hostilité inconsciente. Si elle manifeste de l’hostilité, la théorie est confirmée. Si elle manifeste de l’affection, cela peut être interprété comme une défense contre l’hostilité. Si elle nie le mécanisme, ce déni devient lui-même une preuve de répression. Aucun comportement ne compte contre la théorie.

Le problème n’est pas nécessairement que tout concept psychologique invisible soit non scientifique. Le problème est l’absence de conditions claires permettant de reconnaître une erreur. Une théorie qui transforme systématiquement toute objection en confirmation devient épistémiquement fermée.


L’immunisation contre la critique

Une hypothèse est immunisée lorsqu’elle est protégée contre toute observation contraire par des ajustements permanents.

Plusieurs stratégies sont fréquentes :

  • déclarer que les preuves ont été manipulées ;
  • affirmer que l’absence d’effet démontre la subtilité du mécanisme ;
  • ajouter une exception à chaque échec ;
  • modifier la définition après le résultat ;
  • considérer toute critique comme le symptôme du phénomène décrit.

Une immunisation ponctuelle peut être légitime si elle repose sur une découverte indépendante. Mais une théorie qui dépend continuellement de telles protections devient difficilement testable. Elle ne risque plus réellement d’être abandonnée.


Le déplacement des critères

Une théorie peut également éviter la réfutation en changeant ses critères après chaque échec. Avant l’expérience, elle prédit un résultat précis. Après l’échec, elle affirme que le véritable résultat attendu était différent ou que l’objectif initial était seulement symbolique. Ce déplacement rend impossible l’évaluation. Pour éviter cette dérive, il faut conserver :

  • les formulations initiales ;
  • les prédictions datées ;
  • les seuils ;
  • les conditions ;
  • le niveau de confiance annoncé.

Une théorie doit être jugée à partir de ce qu’elle s’était engagée à prévoir, non seulement de la version reconstruite après coup.


La falsifiabilité comme critère de démarcation

Popper utilise la falsifiabilité pour distinguer les théories scientifiques des doctrines non scientifiques. Une théorie est scientifique lorsqu’elle expose ses affirmations à des tests susceptibles de la réfuter. Cette proposition est appelée un critère de démarcation. Elle ne cherche pas à distinguer directement le vrai du faux.

Une théorie scientifique peut être fausse. Une affirmation non scientifique peut être vraie. Par exemple, un récit historique particulier peut être vrai sans produire une loi expérimentale. Une proposition métaphysique peut être rationnellement discutée sans être directement falsifiable. La falsifiabilité distingue surtout une certaine manière empirique d’organiser les affirmations.


Non scientifique ne signifie pas absurde

Une confusion fréquente consiste à traiter *non scientifique* comme synonyme de faux, irrationnel ou sans valeur. Or toutes les questions importantes ne sont pas scientifiques au même sens. Les propositions morales, esthétiques ou métaphysiques ne se laissent pas toujours tester par une expérience falsificatrice. La question :

« Une société juste doit-elle maximiser la liberté ou réduire prioritairement les inégalités ? »

ne se résout pas par une seule observation. Cela ne signifie pas qu’elle soit dénuée de rationalité. Elle peut être examinée par l’argumentation, la cohérence, les conséquences et la clarification conceptuelle.

La falsifiabilité délimite un type d’enquête. Elle ne constitue pas une théorie générale de toute justification.


Une proposition singulière peut être testable

La science ne porte pas seulement sur des lois universelles.

Une affirmation singulière peut être mise à l’épreuve :

« Cet objet contient telle substance. »

Un test peut produire des résultats incompatibles avec cette proposition. La falsifiabilité ne dépend donc pas uniquement de la forme universelle. Elle dépend de l’existence de procédures capables de relier l’affirmation à des observations possibles. Inversement, une loi apparemment générale peut rester peu testable si ses termes sont trop vagues ou si aucune condition d’application n’est précisée.


Les probabilités sont-elles falsifiables ?

Les théories probabilistes posent une difficulté. Supposons qu’une théorie prévoie qu’un événement se produit dans 70 % des cas. Un échec particulier ne la réfute pas. Il appartient aux 30 % attendus. Même plusieurs échecs restent possibles. La falsification demande alors une évaluation statistique.

Il faut comparer la distribution observée à celle que la théorie rend probable. Une théorie probabiliste est testable si elle attribue des probabilités suffisamment précises aux résultats. Une longue série d’observations très improbable sous le modèle peut le fragiliser. La réfutation n’est plus un contre-exemple unique, mais une incompatibilité statistique suffisamment forte.


Un événement improbable ne réfute pas automatiquement

Même sous une bonne théorie probabiliste, des résultats rares peuvent se produire. Obtenir plusieurs fois le même côté d’une pièce équilibrée est improbable, mais possible. Il serait incorrect de rejeter immédiatement le modèle au premier résultat inhabituel. La décision dépend :

  • du degré d’improbabilité ;
  • du nombre d’observations ;
  • de la qualité des mesures ;
  • des hypothèses concurrentes ;
  • de la possibilité d’une sélection après coup.

Un résultat ne devient surprenant que relativement à une prédiction formulée avant de l’observer.

Après coup, toute série possède une forme particulière qui paraissait improbable parmi toutes les séries possibles.


La falsification statistique

Les tests statistiques évaluent si les données sont suffisamment inhabituelles sous une hypothèse. Mais ils ne fournissent pas un verdict métaphysique automatique. Un seuil conventionnel ne transforme pas mécaniquement une hypothèse en vérité ou en fausseté. Les résultats dépendent :

  • de la taille de l’échantillon ;
  • du modèle ;
  • des hypothèses statistiques ;
  • de la multiplicité des analyses ;
  • des erreurs de mesure.

Une petite différence peut devenir statistiquement détectable dans un très grand échantillon tout en rester pratiquement négligeable.

La mise à l’épreuve doit donc combiner signification statistique, ampleur de l’effet, robustesse et plausibilité.


La théorie n’est jamais testée seule

La thèse de Duhem-Quine complique le falsificationnisme simple.

Une prédiction empirique dépend d’un ensemble :

  • théorie principale ;
  • hypothèses auxiliaires ;
  • conditions initiales ;
  • instrument ;
  • méthode de calcul.

Lorsqu’un résultat échoue, l’ensemble est mis en difficulté.

Il faut déterminer l’élément le plus raisonnable à réviser. Supposons qu’un appareil mesure une température impossible selon une théorie physique très bien établie. Il est souvent plus rationnel de vérifier d’abord l’appareil que d’abandonner immédiatement toute la théorie. Ce choix n’est pas dogmatique si l’instrument possède une probabilité de panne bien supérieure à celle d’un effondrement complet du cadre théorique. Mais si plusieurs instruments indépendants reproduisent l’anomalie, la théorie centrale peut devenir la cible raisonnable de la révision.


Les hypothèses auxiliaires

Une hypothèse auxiliaire complète une théorie pour produire une prédiction. Elle peut concerner la calibration, l’absence de contamination, la population et le fonctionnement d’un mécanisme secondaire. Modifier une hypothèse auxiliaire n’est pas nécessairement frauduleux. La science découvre régulièrement des facteurs jusque-là négligés. La question est de savoir si la modification possède une justification indépendante. Une bonne hypothèse auxiliaire :

  • explique plusieurs résultats ;
  • peut être testée ;
  • reçoit des preuves propres ;
  • produit de nouvelles conséquences.

Une hypothèse ad hoc sert seulement à protéger la théorie dans le cas problématique.


Révision légitime ou sauvetage ad hoc ?

Supposons qu’une théorie prévoie un effet, mais que celui-ci n’apparaisse pas.

Une équipe propose qu’une variable environnementale bloque le mécanisme. Cette proposition est légitime si :

  • cette variable peut être mesurée ;
  • son rôle est plausible ;
  • elle prédit dans quelles conditions l’effet réapparaîtra ;
  • ces prédictions sont ensuite confirmées.

Elle devient ad hoc si :

  • la variable est définie uniquement après l’échec ;
  • elle ne peut pas être observée ;
  • elle n’a aucune autre conséquence ;
  • elle change à chaque nouveau résultat.

La différence ne vient pas du fait que l’hypothèse ait été proposée après coup. De nombreuses découvertes commencent ainsi. Elle vient de sa capacité à devenir indépendamment testable.


La résistance rationnelle à une anomalie

Une théorie robuste ne doit pas être abandonnée au premier contre-exemple apparent. Les expériences comportent des erreurs. Les observations peuvent être mal interprétées. Les phénomènes sont parfois plus complexes que prévu. Une certaine résistance est méthodologiquement rationnelle. Mais cette résistance doit rester proportionnée. Elle devient dogmatique lorsque :

  • les anomalies sont nombreuses ;
  • elles se reproduisent indépendamment ;
  • les corrections deviennent toujours plus artificielles ;
  • une théorie concurrente les explique mieux ;
  • aucune prédiction nouvelle ne résulte des ajustements.

La question n’est donc pas de savoir si une théorie accepte immédiatement sa réfutation, mais si elle organise réellement la possibilité de sa propre révision.


Lakatos : programmes progressifs et dégénératifs

Imre Lakatos propose d’évaluer non les théories isolées, mais des programmes de recherche.

Un programme possède :

  • un noyau central relativement protégé ;
  • une ceinture d’hypothèses auxiliaires ;
  • des règles guidant les modifications.

Protéger provisoirement le noyau n’est pas irrationnel si les modifications auxiliaires permettent de nouvelles découvertes.

Un programme est progressif lorsqu’il :

  • prévoit des faits nouveaux ;
  • étend son domaine ;
  • explique des anomalies ;
  • produit des confirmations indépendantes.

Il devient dégénératif lorsqu’il :

  • réagit toujours après coup ;
  • multiplie les protections ;
  • ne produit aucune découverte nouvelle ;
  • survit principalement par l’inertie institutionnelle.

Cette conception remplace le verdict instantané par une évaluation historique de la fécondité.


Une théorie peut survivre malgré des anomalies

Presque toutes les grandes théories rencontrent des difficultés.

Certaines anomalies sont résolues par :

  • une meilleure mesure ;
  • un domaine de validité plus précis ;
  • une nouvelle hypothèse féconde ;
  • une théorie plus générale.

Une anomalie n’est donc pas toujours une réfutation immédiate. Mais elle doit être conservée et étudiée. Une communauté qui oublie systématiquement les résultats gênants transforme la résistance rationnelle en protection idéologique. Les anomalies constituent une mémoire critique du programme de recherche.


Popper et la psychanalyse

Popper critique certaines formes de psychanalyse parce qu’elles lui paraissent capables d’interpréter tous les comportements. Un comportement agressif peut être expliqué par une pulsion. Un comportement généreux peut être interprété comme une compensation ou une sublimation de la même pulsion. La théorie semble alors recevoir une confirmation dans chaque cas. La critique ne montre pas que toutes les hypothèses psychanalytiques sont nécessairement fausses. Elle indique qu’une doctrine devient difficilement scientifique lorsque ses concepts ne produisent aucune prédiction capable d’échouer.

Certaines propositions psychologiques inspirées de traditions cliniques peuvent être reformulées et testées empiriquement. Leur statut dépend alors de la précision de ces formulations, non de leur origine historique seule.


Popper et le marxisme

Popper adresse une critique comparable à certaines utilisations du marxisme. Une révolution confirme la théorie de la lutte des classes. Une absence de révolution peut être expliquée par l’idéologie, la fausse conscience ou l’adaptation du capitalisme. Toute évolution paraît réinterprétable. Il faut ici distinguer :

  • les analyses historiques et économiques testables ;
  • les prédictions précises ;
  • les doctrines capables d’absorber toute issue.

Une tradition théorique peut contenir des hypothèses de statuts différents.

Le problème n’est pas son sujet politique. Il réside dans la manière dont ses affirmations répondent aux résultats contraires.


L’astrologie

L’astrologie fournit un exemple fréquent de faible falsifiabilité lorsque ses prédictions restent vagues :

« Une tension pourrait apparaître dans vos relations, mais une opportunité de rapprochement reste possible. »

Cette formulation couvre presque toutes les situations. Le lecteur reconnaît facilement des événements correspondants grâce à la généralité du langage et à la sélection rétrospective. Une astrologie formulant des prédictions précises, datées et statistiquement comparables serait davantage testable. Elle pourrait alors être soumise à des études. Le problème n’est donc pas uniquement l’étrangeté de l’hypothèse, mais la faiblesse de ses engagements observables et les résultats des tests lorsqu’ils sont réalisés.


Les prédictions suffisamment élastiques

Une prédiction peut sembler précise tout en conserver une grande élasticité interprétative. Par exemple :

« Un changement important surviendra prochainement. »

Les mots *important* et *prochainement* peuvent être ajustés après coup.

Une prédiction réellement testable doit préciser autant que possible :

  • la période ;
  • le type d’événement ;
  • la population ;
  • l’ampleur ;
  • les critères de réussite ;
  • les résultats comptant comme échec.

Sans ces précisions, l’interprétation peut être modifiée pour préserver l’apparence de réussite.


L’effet Barnum

L’effet Barnum désigne la tendance à reconnaître sa propre personnalité dans des descriptions générales et valorisantes :

« Vous appréciez la compagnie, mais vous avez parfois besoin de solitude. »

La formulation est compatible avec la plupart des personnes. Elle paraît précise parce que chacun sélectionne les expériences correspondantes. Une théorie de personnalité doit produire des classifications ou des prédictions dépassant ces généralités. Elle doit distinguer les individus et prévoir des différences observables. Une description s’appliquant à tout le monde n’explique pas réellement pourquoi une personne particulière agit ainsi.


Théorie scientifique et théorie complotiste

Une hypothèse complotiste peut être falsifiable si elle affirme quelque chose de précis :

« Ces personnes se sont coordonnées à telle date selon ce document. »

Des archives, communications ou contradictions peuvent alors la soutenir ou l’affaiblir. Mais certaines théories complotistes deviennent des systèmes fermés. Lorsque les preuves manquent, cette absence montre que la dissimulation est efficace. Lorsque des preuves contraires existent, elles sont attribuées aux conspirateurs. Lorsque des spécialistes contestent l’hypothèse, ils sont intégrés au complot. La théorie ne rencontre plus aucune observation indépendante.

La différence entre enquête sur un complot réel et pensée complotiste ne repose donc pas seulement sur le contenu. Elle repose sur la manière dont les preuves peuvent modifier l’hypothèse.


Un complot réel laisse des traces

Une coordination secrète peut exister. Elle produit généralement des traces :

  • communications ;
  • transactions ;
  • documents ;
  • témoignages ;
  • décisions synchronisées ;
  • incohérences explicables.

Une enquête scientifique ou judiciaire cherche ces éléments et compare l’hypothèse à des explications concurrentes. Elle accepte que l’hypothèse soit abandonnée si les preuves attendues n’apparaissent pas. Une théorie complotiste immunisée considère au contraire toute absence comme confirmation. La différence tient à la charge de la preuve et aux conditions de révision.


Le discours politique infalsifiable

Certaines affirmations politiques sont construites de manière à préserver leur validité quelle que soit l’issue. Si une réforme réussit, cela confirme la doctrine. Si elle échoue, l’échec est attribué au fait qu’elle n’a pas été appliquée assez complètement, à un sabotage ou à un contexte exceptionnel. Ces explications peuvent parfois être vraies. Mais elles doivent produire des critères précis. Il faut demander :

  • qu’aurait-on dû observer selon la politique ?
  • quelles conditions étaient réellement présentes ?
  • quel résultat compterait comme échec de la théorie elle-même ?
  • les critères étaient-ils formulés avant l’application ?

Sans réponse, l’idéologie devient capable d’absorber toutes les expériences historiques.


« Ce n’était pas le vrai système »

Après l’échec d’une expérience politique, ses défenseurs peuvent affirmer :

« Ce n’était pas le vrai socialisme. »

« Ce n’était pas un véritable marché libre. »

« Ce n’était pas une vraie démocratie. »

Cette réponse peut être légitime si le système appliqué différait réellement de la définition et si cette différence explique l’échec. Mais elle devient une immunisation lorsque toute application réelle est déclarée non authentique dès qu’elle produit de mauvais résultats.

Une théorie institutionnelle doit préciser :

  • les conditions nécessaires ;
  • les résultats attendus ;
  • les raisons pour lesquelles ces conditions sont réalisables ;
  • les conséquences observables d’une mise en œuvre suffisante.

Elle ne peut pas réserver ses succès au système et attribuer systématiquement ses échecs à l’application.


Les mécanismes invisibles peuvent-ils être scientifiques ?

Une entité ou un mécanisme n’a pas besoin d’être directement visible pour appartenir à une théorie scientifique. De nombreuses entités scientifiques sont connues par leurs effets. Ce qui compte est l’existence de conséquences observables suffisamment spécifiques. Une hypothèse sur une entité invisible devient testable si elle permet de prévoir des traces, des interactions, des mesures et des différences entre situations. L’invisibilité n’est donc pas le problème.

Le problème apparaît lorsque l’entité est définie de manière à ne produire aucune conséquence contrôlable ou à produire indifféremment tous les résultats.


Les explications rétrospectives en histoire

L’histoire ne peut pas reproduire les événements passés. Cela ne rend pas toutes les explications historiques infalsifiables.

Une hypothèse historique produit des attentes concernant :

  • les archives ;
  • la chronologie ;
  • les acteurs ;
  • les institutions ;
  • les traces matérielles ;
  • les témoignages indépendants.

Une nouvelle source peut contredire une interprétation. Une explication historique peut être fragilisée si elle suppose qu’un acteur connaissait une information qu’il ne pouvait pas posséder ou si elle contredit la chronologie. La mise à l’épreuve ne prend pas toujours la forme d’une expérience répétable. Elle peut reposer sur la confrontation méthodique des traces.


La falsifiabilité en astronomie

Les astronomes ne peuvent pas manipuler directement les étoiles ou les galaxies.

Leurs théories restent pourtant testables. Elles produisent des prédictions sur :

  • la lumière ;
  • le mouvement ;
  • les distributions ;
  • les événements futurs ;
  • les traces du passé.

Une théorie scientifique n’a donc pas besoin d’autoriser une intervention expérimentale directe. Elle doit surtout établir une relation contrôlable entre ses propositions et des observations possibles.


La falsifiabilité en évolution

La théorie de l’évolution est parfois accusée d’expliquer n’importe quel trait après coup.

Une caractéristique existe : une histoire adaptative est proposée. Elle disparaît : une autre histoire est construite. Cette critique peut viser certaines explications adaptatives trop flexibles. Mais la théorie générale de l’évolution produit de nombreuses attentes testables concernant :

  • les relations de parenté ;
  • les fossiles ;
  • la génétique ;
  • les distributions géographiques ;
  • les transformations observables ;
  • les mécanismes de sélection et de dérive.

Il faut distinguer la falsifiabilité d’une théorie générale de celle de chaque récit particulier.

Une explication évolutive locale doit préciser les alternatives, les mécanismes et les preuves, sans se satisfaire d’une histoire plausible.


Les « histoires comme ça »

Stephen Jay Gould et Richard Lewontin ont critiqué certaines explications adaptatives construites après coup, parfois qualifiées d’histoires comme ça.

Un trait est observé, puis une fonction adaptative plausible est immédiatement proposée. Mais le trait pourrait aussi résulter :

  • d’une contrainte ;
  • d’une dérive ;
  • d’un sous-produit ;
  • d’une histoire développementale ;
  • d’une fonction différente.

Une explication adaptative devient solide lorsqu’elle produit des tests comparatifs, génétiques, fonctionnels ou historiques.

La plausibilité narrative ne suffit pas. Cette exigence illustre la différence entre une hypothèse génératrice et une hypothèse confirmée.


Les sciences sociales sont-elles falsifiables ?

Les sciences sociales étudient des systèmes ouverts où de nombreux facteurs interagissent. Les prédictions y sont souvent probabilistes et contextuelles. Une hypothèse sociale peut rester testable si elle précise :

  • la population ;
  • les conditions ;
  • la direction attendue ;
  • les mécanismes ;
  • les facteurs de variation.

Un échec dans un contexte ne réfute pas nécessairement une théorie limitée à d’autres conditions. Mais une théorie qui invoque continuellement le contexte sans préciser lequel devient trop flexible.

La contextualisation doit produire des différences observables, non seulement une excuse après chaque résultat.


La clause « toutes choses égales par ailleurs »

De nombreuses lois utilisent implicitement l’expression :

« Toutes choses égales par ailleurs. »

Cette clause signifie qu’un effet est attendu si les autres facteurs pertinents restent suffisamment stables. Elle est nécessaire dans les systèmes complexes. Mais elle peut devenir une échappatoire si les facteurs devant rester égaux ne sont jamais précisés. À chaque échec, le défenseur affirme qu’une autre chose n’était pas égale. Une théorie sérieuse doit identifier les principaux modérateurs et indiquer comment leur influence peut être mesurée.


La portée d’une théorie

Une théorie n’est pas réfutée parce qu’elle échoue en dehors de son domaine de validité. La mécanique classique fonctionne très bien dans de nombreuses situations ordinaires, même si elle doit être remplacée ou corrigée dans d’autres régimes. Une hypothèse scientifique doit donc préciser sa portée :

  • échelle ;
  • population ;
  • environnement ;
  • conditions ;
  • précision.

Limiter le domaine après coup peut être ad hoc si la restriction n’a aucune justification. Mais découvrir progressivement les limites d’un modèle fait partie du progrès scientifique.

La question est de savoir si les restrictions correspondent à des mécanismes réels et produisent des prédictions nouvelles.


Réfutation ou limitation du domaine ?

Un résultat contraire peut conduire à plusieurs conclusions :

  • la théorie est fausse ;
  • elle est approximative ;
  • son domaine est plus limité ;
  • une variable modératrice existe ;
  • l’expérience est défectueuse.

Réduire le domaine n’est pas toujours un sauvetage artificiel. Une théorie peut rester très utile dans certaines conditions. Mais une multiplication indéfinie de domaines particuliers peut transformer une loi générale en collection d’exceptions. La réduction de portée doit améliorer la précision et la compréhension.


Les observations elles-mêmes sont faillibles

Une théorie peut sembler réfutée par une observation qui se révèle ensuite erronée.

Les mesures peuvent être affectées par :

  • contamination ;
  • erreur de calibration ;
  • sélection ;
  • fraude ;
  • traitement inadéquat ;
  • interprétation incorrecte.

Les scientifiques doivent donc vérifier les contre-exemples.

La falsifiabilité n’exige pas de croire aveuglément toute observation contraire. Elle exige que la théorie reste exposée à des observations suffisamment robustes, reproduites et contrôlées.


Les contre-exemples reproductibles

Un contre-exemple gagne en force lorsqu’il :

  • apparaît dans plusieurs équipes ;
  • utilise plusieurs méthodes ;
  • résiste aux corrections ;
  • correspond à une prédiction d’une théorie concurrente ;
  • produit des conséquences supplémentaires.

Une observation isolée peut ouvrir une enquête. Une anomalie robuste peut provoquer une révision majeure. La falsification est donc souvent graduelle. La confiance diminue à mesure que les difficultés s’accumulent et résistent aux explications alternatives.


La réfutation n’est pas toujours binaire

Dans la pratique, une théorie ne passe pas instantanément de vraie à fausse. Elle peut être :

  • légèrement mise en difficulté ;
  • fortement fragilisée ;
  • limitée à un domaine ;
  • remplacée comme théorie fondamentale ;
  • conservée comme approximation.

Cette gradation est importante. Une théorie ancienne peut continuer à fonctionner comme outil malgré une réfutation de sa portée universelle. La mise à l’épreuve modifie souvent le degré et la nature de l’acceptation plutôt qu’elle ne supprime entièrement la théorie.


Les théories auxiliaires du test

Pour tester une hypothèse, il faut aussi une théorie du dispositif. Une expérience médicale suppose que le traitement est correctement administré, que les groupes sont comparables et que les mesures reflètent réellement l’état étudié. Une expérience psychologique suppose que la tâche mesure bien le concept annoncé. Si l’opérationnalisation est mauvaise, le test ne porte pas réellement sur l’hypothèse théorique. Une falsification valable demande donc une relation solide entre :

  • concept ;
  • mesure ;
  • protocole ;
  • résultat.

Le risque de la mauvaise opérationnalisation

Supposons qu’une étude cherche à mesurer l’intelligence uniquement par une tâche très particulière.

Un résultat négatif peut montrer :

  • que la théorie de l’intelligence est fausse ;
  • ou que la tâche ne représente pas correctement le concept.

Le choix dépend d’arguments supplémentaires. Une théorie vague peut être protégée indéfiniment en affirmant que chaque mesure échoue. Mais une mesure unique ne doit pas non plus être confondue avec le concept complet. La triangulation de plusieurs opérations renforce la mise à l’épreuve.


Les théories complexes

Une théorie complexe peut rester falsifiable. Elle doit produire des prédictions suffisamment précises à partir de ses nombreux éléments. La complexité devient problématique lorsque la flexibilité permet d’obtenir presque n’importe quel résultat. Les modèles complexes peuvent être testés sur de nouvelles données. Leur capacité de généralisation est alors essentielle. Un modèle qui correspond parfaitement à l’échantillon d’apprentissage mais échoue ailleurs a probablement surajusté les données.

La mise à l’épreuve doit porter sur des informations qu’il n’a pas utilisées pour se construire.


L’échantillon de test

En modélisation, les données sont parfois séparées en :

  • données d’entraînement ;
  • données de validation ;
  • données de test.

Le modèle apprend sur une partie, est ajusté sur une seconde et évalué sur une troisième restée indépendante. Cette organisation recrée une forme de prédiction nouvelle. Elle empêche le modèle d’être jugé uniquement sur les cas qu’il a déjà absorbés.

Une véritable mise à l’épreuve exige une séparation entre construction et évaluation.


Le test hors distribution

Un modèle peut fonctionner dans des conditions proches de celles de son apprentissage et échouer lorsque l’environnement change.

Il faut donc examiner :

  • sa robustesse ;
  • sa portée ;
  • les populations utilisées ;
  • les situations nouvelles.

Une théorie générale doit supporter des variations raisonnables. Mais il serait excessif d’exiger qu’un modèle local fonctionne partout.

Le test doit correspondre à la portée annoncée.


La science ne cherche-t-elle que des réfutations ?

La science ne fonctionne pas uniquement en tentant de détruire des théories. Elle cherche également :

  • des mesures précises ;
  • des mécanismes ;
  • des applications ;
  • des unifications ;
  • des estimations ;
  • des descriptions.

La confirmation et l’accumulation de preuves restent importantes.

Une théorie qui survit à un seul test sévère ne devient pas automatiquement bien établie. Elle gagne en crédibilité grâce à une convergence de :

  • prédictions réussies ;
  • reproductions ;
  • mécanismes ;
  • applications ;
  • intégration à d’autres connaissances.

Le falsificationnisme met l’accent sur la critique, mais ne résume pas à lui seul toute la pratique scientifique.


Le problème des confirmations indépendantes

Une théorie est davantage soutenue lorsque plusieurs types de résultats convergent.

Une même hypothèse peut expliquer :

  • une observation ;
  • une expérience ;
  • une intervention ;
  • une donnée historique ;
  • une prédiction nouvelle.

Ces confirmations sont plus fortes lorsqu’elles ne dépendent pas toutes de la même méthode ou de la même hypothèse auxiliaire. Une théorie peut donc être bien confirmée sans être prouvée définitivement. La science combine recherche de réfutations et accumulation de soutiens indépendants.


Popper et le degré de corroboration

La corroboration décrit la manière dont une théorie a résisté aux tests. Elle dépend notamment :

  • de la sévérité des tests ;
  • de la précision des prédictions ;
  • de la variété des conditions ;
  • de la réussite face aux alternatives.

Une théorie ayant seulement survécu à des tests faciles est faiblement corroborée. Une théorie ayant réussi plusieurs prédictions risquées est davantage corroborée.

La corroboration porte sur l’historique des épreuves, non sur une certitude définitive.


Corroboration et probabilité

Popper se méfiait de l’idée consistant à attribuer directement une probabilité de vérité aux théories universelles. Les approches bayésiennes adoptent une autre perspective. Elles représentent la révision du degré de confiance en fonction des données. Une observation augmente la probabilité d’une théorie lorsqu’elle serait plus attendue sous cette théorie que sous ses concurrentes. Le bayésianisme permet donc d’exprimer des degrés de confirmation. Il ne remplace pas la falsifiabilité, car une théorie qui ne produit aucune différence probabiliste entre les résultats reste également peu informative.

Les deux approches peuvent se rejoindre autour de l’importance des prédictions discriminantes.


Falsification et Bayes

Un résultat ne réduit fortement la probabilité d’une théorie que s’il était très improbable sous celle-ci. Si la théorie autorisait facilement le résultat, celui-ci ne constitue pas une réfutation importante. Inversement, une observation que la théorie considérait presque impossible produit une forte baisse de confiance, à condition que les données soient fiables. Le raisonnement bayésien transforme la falsification binaire en révision graduée. Mais une théorie peut assigner une petite probabilité à presque tout et éviter ainsi une incompatibilité absolue. Il faut alors examiner si elle produit des probabilités suffisamment précises et bien calibrées.


Une probabilité minimale pour tout résultat

Une théorie peut se protéger en attribuant toujours une petite probabilité à chaque résultat possible. Aucune observation ne devient alors strictement impossible. Cette flexibilité est acceptable dans les modèles probabilistes, mais elle ne rend pas toutes les observations également neutres. Une longue série de résultats systématiquement improbables sous la théorie la fragilise fortement. La testabilité probabiliste repose sur les rapports de vraisemblance et la performance répétée, non sur l’impossibilité logique absolue.


Les prévisions politiques et économiques

Les prévisions dans les systèmes sociaux sont difficiles.

Un expert peut annoncer plusieurs scénarios plutôt qu’un résultat unique. Cette prudence n’est pas nécessairement une fuite devant la falsification. Elle peut représenter honnêtement une incertitude réelle. Mais les scénarios doivent être suffisamment structurés :

  • probabilités ou niveaux de confiance ;
  • conditions ;
  • délais ;
  • indicateurs ;
  • critères de révision.

Une prévision restant toujours compatible avec tout événement ne permet aucune évaluation de l’expertise.


Conserver les prévisions

Pour juger la fiabilité d’une source, il faut conserver ses affirmations initiales. Sans archive, les prévisions réussies sont retenues et les échecs oubliés. Une bonne évaluation demande :

  • le texte exact ;
  • la date ;
  • le niveau de confiance ;
  • l’horizon ;
  • les conditions ;
  • le résultat observé.

Cette méthode protège contre la réinterprétation rétrospective. Elle est utile en science, mais aussi en politique, en économie et dans l’analyse médiatique.


La calibration

Une personne bien calibrée adapte son assurance à son taux réel de réussite. Parmi les affirmations auxquelles elle attribue 70 % de confiance, environ sept sur dix devraient être correctes dans un ensemble suffisamment grand et comparable. La calibration permet d’évaluer les prévisions probabilistes sans exiger qu’elles soient toujours justes. Un échec ne réfute pas automatiquement une personne ayant annoncé une probabilité modérée. Mais une série d’échecs dans des prédictions présentées comme presque certaines révèle une mauvaise calibration.


Les explications cliniques

Dans la pratique clinique, une hypothèse peut être difficile à tester parce que le sujet est unique et que plusieurs mécanismes se combinent.

Une interprétation peut néanmoins produire des attentes :

  • certains déclencheurs ;
  • certaines réactions ;
  • un effet d’une intervention ;
  • une évolution.

Elle devient plus solide si ces conséquences apparaissent et si les alternatives sont comparées. Une théorie clinique qui réinterprète chaque réaction comme une confirmation perd de sa valeur. Le refus du patient, son accord, son amélioration et son aggravation ne peuvent pas tous confirmer automatiquement la même hypothèse sans critères supplémentaires.


L’auto-validation

Certaines croyances influencent les comportements de manière à produire leur propre confirmation. Une personne convaincue que les autres lui sont hostiles agit avec méfiance. Cette attitude suscite de la distance, ensuite interprétée comme preuve de l’hostilité initiale. La théorie semble confirmée, mais elle a contribué à produire le résultat. Une mise à l’épreuve doit examiner :

  • ce qui aurait eu lieu sans la croyance ;
  • les effets du comportement du sujet ;
  • les interactions circulaires.

Les prophéties autoréalisatrices ne rendent pas la théorie initiale entièrement vraie. Elles montrent qu’une croyance peut devenir causalement efficace.


Les boucles sociales

Les classifications sociales peuvent également modifier les comportements. Une catégorie institutionnelle influence la manière dont une personne est traitée. Elle peut alors développer certaines caractéristiques associées à cette catégorie. La théorie semble prédire le résultat, mais elle participe à sa production. Dans ces situations, la falsifiabilité doit intégrer les effets réflexifs. Une hypothèse sociale ne décrit pas toujours un système indépendant de l’observation et de la diffusion de la théorie.


Le test décisif existe-t-il ?

L’idée d’une expérience unique éliminant définitivement une théorie est souvent trop simple.

Une expérience peut être extrêmement discriminante. Mais son interprétation dépend encore :

  • des instruments ;
  • des analyses ;
  • des hypothèses auxiliaires ;
  • des théories concurrentes.

Un test devient parfois « décisif » rétrospectivement, lorsqu’il s’intègre à une accumulation plus large de résultats.

La science avance généralement par convergence plutôt que par verdict unique.


L’expérience cruciale

Une expérience cruciale cherche à produire des résultats différents selon deux théories concurrentes. Elle est particulièrement informative. Mais si le résultat favorise une théorie, les défenseurs de l’autre peuvent contester un élément auxiliaire. Cela ne signifie pas que l’expérience soit inutile. Elle déplace la charge de la preuve.

Une théorie ayant échoué doit fournir une explication précise et produire de nouveaux tests.

Plus les corrections deviennent coûteuses, moins sa conservation est rationnelle.


La falsifiabilité et la découverte

Une théorie très testable n’est pas nécessairement facile à inventer.

La découverte scientifique peut commencer par :

  • une intuition ;
  • une analogie ;
  • un modèle provisoire ;
  • une métaphore ;
  • une hypothèse vague.

Il n’est pas nécessaire que l’idée initiale soit immédiatement parfaitement falsifiable. Mais pour devenir une théorie scientifique mature, elle doit progressivement être précisée et reliée à des conséquences observables.

La falsifiabilité est surtout une exigence de développement et d’évaluation, non une description complète de la créativité scientifique.


Les programmes exploratoires

Un domaine émergent peut accumuler des observations avant de disposer de théories précises. Il serait excessif de le déclarer non scientifique simplement parce que ses premières hypothèses restent floues. La question est dynamique :

  • les concepts deviennent-ils plus précis ?
  • les mesures s’améliorent-elles ?
  • les prédictions se différencient-elles ?
  • les erreurs sont-elles reconnues ?
  • les théories deviennent-elles plus risquées ?

Un programme peut être immature sans être pseudoscientifique.


Science immature et pseudoscience

Une science immature possède parfois :

  • peu de données ;
  • des classifications instables ;
  • des hypothèses concurrentes ;
  • une faible précision.

Mais elle cherche à améliorer ses tests.

Une pseudoscience se caractérise davantage par une attitude méthodologique :

  • sélection des confirmations ;
  • absence de corrections ;
  • immunisation ;
  • rejet systématique des résultats contraires ;
  • recours au prestige ou au mystère ;
  • absence de progression prédictive.

La frontière n’est pas toujours nette. Il est préférable d’évaluer les pratiques plutôt que de coller une étiquette globale sans analyse.


La pseudoscience peut imiter la science

Une doctrine peut utiliser des chiffres, des graphiques, un vocabulaire technique, des titres universitaires et des publications d’apparence scientifique. Ces signes ne garantissent pas la testabilité.

Il faut examiner :

  • la précision des prédictions ;
  • la qualité des contrôles ;
  • l’indépendance des confirmations ;
  • le traitement des échecs ;
  • la possibilité de réplication ;
  • la réponse aux critiques.

L’apparence scientifique doit être distinguée de la structure méthodologique.


La science peut aussi mal fonctionner

Une théorie publiée dans une revue scientifique peut être faiblement testée, surajustée ou protégée par des pratiques institutionnelles. La falsifiabilité n’est pas une propriété magique conférée par l’étiquette *science*. Il faut examiner le travail réel. Des domaines reconnus peuvent produire des hypothèses vagues, des résultats non reproductibles, des ajustements après coup ou des effets exagérés. La critique de la pseudoscience ne doit pas devenir une idéalisation de toute production académique. La science mérite confiance lorsqu’elle applique effectivement ses procédures de contrôle et de correction.


Falsifiabilité et vérité

Une théorie falsifiable n’est pas nécessairement vraie.

L’affirmation :

« Tous les objets tombent vers le ciel »

est parfaitement falsifiable et manifestement fausse dans les conditions ordinaires.

La falsifiabilité indique seulement qu’une théorie appartient à un type de discours testable.

La vérité demande encore :

  • des résultats favorables ;
  • des tests sévères ;
  • une cohérence ;
  • une robustesse ;
  • une comparaison avec les alternatives.

Inversement, une affirmation vraie peut être difficile à tester directement.

Le critère de Popper ne remplace donc pas une théorie complète de la vérité ou de la justification.


Une théorie peut-elle être trop falsifiable ?

Une théorie formulée de manière excessivement rigide peut être rejetée pour un écart insignifiant ou un bruit de mesure.

Une bonne théorie doit produire des prédictions précises tout en intégrer correctement :

  • l’incertitude ;
  • la variabilité ;
  • les marges d’erreur ;
  • les conditions.

La précision ne signifie pas l’absence de tolérance.

Une prévision scientifique peut annoncer un intervalle plutôt qu’une valeur unique. Ce qui compte est que l’intervalle soit défini avant le résultat et suffisamment contraignant.


Les marges d’erreur

Toute mesure comporte une incertitude. Une théorie prévoyant une valeur doit préciser la précision attendue. Un résultat légèrement différent ne constitue pas nécessairement une réfutation. Il faut comparer l’écart à :

  • l’erreur de mesure ;
  • la variabilité naturelle ;
  • la taille de l’échantillon ;
  • les hypothèses du modèle.

Mais une marge d’erreur ne doit pas être élargie après coup uniquement pour protéger la théorie.

Les critères doivent être fixés selon des raisons indépendantes.


La réplication comme mise à l’épreuve

Une étude isolée peut produire un faux résultat. La réplication vérifie si l’effet réapparaît. Une réplication directe reprend un protocole proche. Une réplication conceptuelle utilise une autre méthode pour tester la même hypothèse. Les deux sont utiles. Un effet qui ne se reproduit pas dans les conditions annoncées est fragilisé. Mais un échec de réplication doit lui-même être analysé :

  • protocole fidèle ;
  • puissance statistique ;
  • population ;
  • contexte ;
  • qualité de l’exécution.

La réplication n’est pas un rituel automatique. Elle constitue une enquête sur la stabilité.


Les tests indépendants

Une théorie est mieux mise à l’épreuve lorsque les tests sont réalisés par des personnes qui n’ont pas construit l’hypothèse ou ne dépendent pas de sa réussite.

Les équipes indépendantes peuvent repérer :

  • des hypothèses implicites ;
  • des erreurs ;
  • des choix favorables ;
  • des difficultés de reproduction.

L’indépendance n’est jamais absolue, car les chercheurs partagent des méthodes et des connaissances. Mais la pluralité des intérêts, des institutions et des instruments réduit certaines erreurs communes.


Les collaborations contradictoires

Des chercheurs en désaccord peuvent concevoir ensemble une expérience.

Chaque camp vérifie que :

  • sa théorie est correctement représentée ;
  • le test est équitable ;
  • les critères sont fixés à l’avance ;
  • les résultats seront publiés.

Cette collaboration contradictoire constitue une forme particulièrement forte de mise à l’épreuve. Elle limite la possibilité que chaque équipe construise uniquement des expériences favorables à sa position.

Le désaccord devient une ressource méthodologique.


La critique la plus forte

Une théorie doit être confrontée non à une caricature, mais à ses meilleures objections.

Le défenseur doit pouvoir répondre :

  • aux anomalies robustes ;
  • aux théories concurrentes ;
  • aux échecs prédictifs ;
  • aux mécanismes alternatifs.

Une théorie qui ne survit qu’en ignorant les critiques compétentes est faiblement testée.

L’esprit critique ne consiste pas à accumuler n’importe quelle objection. Il consiste à rechercher les objections capables de modifier réellement la confiance.


L’importance de la théorie concurrente

Une anomalie affaiblit une théorie, mais le remplacement demande souvent une alternative. Une théorie imparfaite peut rester préférable à une absence totale d’explication. Une concurrente devient sérieuse lorsqu’elle :

  • explique les succès de l’ancienne ;
  • rend compte de ses anomalies ;
  • produit de nouvelles prédictions ;
  • possède une meilleure cohérence.

La falsification et la comparaison sont donc liées.

Une théorie ne disparaît pas toujours parce qu’elle rencontre une difficulté, mais parce qu’une autre organise mieux l’ensemble des résultats.


Réfuter sans remplacer

Il reste possible de savoir qu’une théorie est inadéquate sans disposer immédiatement d’une meilleure explication. Une expérience peut montrer qu’un mécanisme annoncé ne fonctionne pas dans les conditions prévues. La suspension du jugement est alors rationnelle. Il ne faut pas maintenir une théorie uniquement parce qu’aucune remplaçante complète n’existe. Mais dans la pratique, les communautés peuvent conserver provisoirement un modèle limité comme outil, en signalant ses défauts.


Le rôle de la simplicité

Lorsque deux théories survivent aux mêmes tests, la simplicité peut contribuer au choix. Une théorie exigeant moins d’hypothèses auxiliaires particulières est généralement préférable. Mais la simplicité ne remplace pas la mise à l’épreuve. Une théorie simple qui échoue ne doit pas être conservée contre les données. Une théorie plus complexe peut être justifiée si elle produit de meilleures prédictions et si ses composants reçoivent un soutien indépendant.


La falsifiabilité en pratique quotidienne

Dans la vie ordinaire, nous pouvons appliquer une version simple de cette exigence. Supposons que nous pensions :

« Cette personne cherche volontairement à me nuire. »

Il est utile de demander :

  • qu’est-ce qui me conduirait à réviser cette interprétation ?
  • toute gentillesse sera-t-elle considérée comme manipulation ?
  • toute distance comme hostilité ?
  • existe-t-il un comportement incompatible avec ma théorie ?

Si chaque action confirme l’hypothèse, celle-ci devient peut-être immunisée. Cette question ne prouve pas que l’interprétation soit fausse. Elle montre que nous ne savons plus comment la tester.


Les croyances identitaires

Une croyance liée à l’identité résiste particulièrement aux réfutations. Les preuves contraires peuvent être perçues comme une attaque contre le groupe ou la personne. Plusieurs stratégies apparaissent :

  • disqualifier systématiquement les sources ;
  • relever uniquement leurs erreurs ;
  • exiger une certitude impossible ;
  • accepter des preuves faibles pour son camp ;
  • réinterpréter chaque échec comme sabotage.

Une croyance devient idéologique lorsqu’elle ne peut plus perdre de terrain face aux faits.

L’autonomie intellectuelle demande de conserver des conditions de révision, même pour les convictions importantes.


Les critères asymétriques

Une théorie peut sembler bien confirmée parce que nous lui appliquons des critères indulgents. Une preuve faible soutenant notre position est acceptée. Une preuve beaucoup plus forte en sens contraire est rejetée. La falsifiabilité exige une certaine symétrie. Il faut demander :

Accepterais-je cette explication si elle soutenait le camp opposé ?

Considérerais-je ce résultat comme un échec si une autre théorie l’avait produit ?

La cohérence des critères est une protection contre le raisonnement motivé.


Le scepticisme sélectif

Certaines personnes exigent une preuve absolue pour les affirmations qu’elles n’aiment pas, mais acceptent des témoignages vagues pour celles qui les confortent. Elles rendent ainsi la théorie adverse toujours falsifiable et leur propre théorie jamais réfutable. L’esprit critique devient une arme à sens unique. Une enquête honnête applique des exigences proportionnées et comparables. Elle reconnaît que toutes les positions, y compris la sienne, doivent risquer une révision.


Qu’est-ce qui me ferait changer d’avis ?

Cette question constitue un outil central :

« Qu’est-ce qui me ferait changer d’avis ? »

Une réponse précise montre que la croyance reste ouverte aux preuves.

Une réponse comme :

« Rien, parce que toute preuve contraire serait forcément fabriquée »

indique une fermeture épistémique. Mais il faut éviter une exigence irréaliste.

Une conviction très bien établie peut demander un ensemble important de preuves pour être révisée.

La question ne signifie pas que toute observation isolée doit suffire. Elle demande qu’une voie de révision reste concevable.


La force des preuves doit être proportionnée

Une théorie solidement confirmée ne doit pas être abandonnée pour une anomalie faible. Une croyance fragile ne mérite pas la même protection. Le niveau de preuve nécessaire dépend :

  • du soutien antérieur ;
  • de la qualité de la théorie ;
  • de l’indépendance des données ;
  • de l’ampleur de la révision.

Cette asymétrie n’est pas un dogmatisme. Elle reflète le fait qu’une connaissance déjà soutenue par de nombreuses voies possède une probabilité initiale plus élevée. Mais aucune position ne doit devenir absolument immunisée.


Une falsifiabilité graduée

La falsifiabilité n’est pas toujours binaire.

Une théorie peut être plus ou moins testable. Elle est davantage falsifiable lorsqu’elle :

  • définit précisément ses concepts ;
  • produit des prédictions risquées ;
  • limite son domaine ;
  • indique des seuils ;
  • distingue les résultats favorables et défavorables ;
  • accepte des tests indépendants.

Elle est moins falsifiable lorsqu’elle :

  • utilise des notions vagues ;
  • multiplie les exceptions ;
  • modifie ses critères ;
  • attribue tous les échecs à des causes invisibles ;
  • ne conserve aucune trace de ses prédictions.

Cette gradation est souvent plus utile que la simple étiquette *science* ou *pseudoscience*.


Une grille de mise à l’épreuve

Pour évaluer une hypothèse, plusieurs dimensions peuvent être examinées.

La précision

La proposition est-elle formulée assez clairement pour produire des conséquences observables ?

Le risque

Quels résultats seraient réellement inattendus si elle était vraie ?

Les conditions

Le domaine et les circonstances d’application sont-ils définis ?

Les mesures

Les concepts sont-ils reliés à des indicateurs valides ?

Les alternatives

Le test distingue-t-il l’hypothèse de ses concurrentes ?

Les auxiliaires

Quelles suppositions supplémentaires sont nécessaires ?

La prévision

Les critères ont-ils été fixés avant les résultats ?

La réplication

D’autres équipes peuvent-elles refaire le test ?

La réponse aux échecs

Les anomalies conduisent-elles à des révisions testables ou à des excuses permanentes ?

La progression

La théorie produit-elle de nouvelles découvertes ou survit-elle uniquement en absorbant les objections ?


Questions pour examiner une hypothèse

  • Quelle proposition précise est affirmée ?
  • Quels résultats rend-elle probables ?
  • Quels résultats rend-elle improbables ?
  • Existe-t-il une observation qui la fragiliserait réellement ?
  • Les critères d’échec ont-ils été fixés avant le résultat ?
  • Les termes sont-ils assez précis pour éviter une réinterprétation permanente ?
  • Le domaine d’application est-il clairement défini ?
  • Une absence d’effet est-elle toujours expliquée par une variable cachée ?
  • Les hypothèses auxiliaires peuvent-elles être testées indépendamment ?
  • Les ajustements produisent-ils de nouvelles prédictions ?
  • La théorie a-t-elle prévu des faits nouveaux ?
  • Les tests ont-ils été réalisés par des équipes indépendantes ?
  • Les résultats ont-ils été reproduits ?
  • Les données contraires sont-elles publiées et discutées ?
  • Les échecs modifient-ils le degré de confiance ?
  • Toute critique est-elle transformée en confirmation ?
  • La théorie concurrente est-elle représentée équitablement ?
  • Le test permet-il réellement de distinguer les hypothèses ?
  • Une marge d’erreur a-t-elle été définie avant l’analyse ?
  • La théorie est-elle probabiliste et correctement calibrée ?
  • Les prédictions initiales sont-elles conservées ?
  • Le programme produit-il des connaissances nouvelles ou seulement des explications après coup ?
  • Qu’est-ce qui conduirait raisonnablement à abandonner ou limiter cette hypothèse ?

Erreurs fréquentes

Confondre falsifiabilité et fausseté

Une théorie falsifiable peut être vraie ou fausse. Elle est simplement testable.

Confondre non scientifique et absurde

Certaines questions rationnelles ne relèvent pas d’un test empirique falsificateur.

Croire qu’une confirmation prouve définitivement une théorie

Des prédictions réussies augmentent la confiance sans produire une certitude absolue.

Croire qu’un contre-exemple isolé détruit automatiquement une théorie

L’observation et les hypothèses auxiliaires doivent être examinées.

Protéger indéfiniment une théorie

Une accumulation d’ajustements ad hoc finit par réduire sa valeur.

Transformer toute objection en confirmation

Une théorie qui absorbe tout résultat ne prend aucun risque réel.

Modifier les critères après l’échec

Les conditions de réussite doivent être fixées à l’avance autant que possible.

Confondre explication rétrospective et prédiction

Une histoire construite après les faits doit encore produire de nouvelles conséquences testables.

Exiger une prédiction déterministe d’une théorie probabiliste

Les modèles probabilistes se testent sur des distributions et des séries de résultats.

Utiliser une marge d’erreur extensible

Les incertitudes doivent être justifiées indépendamment et non agrandies après coup.

Confondre publication et validation définitive

Une théorie publiée doit encore être reproduite, critiquée et comparée.

Refuser de limiter le domaine d’une théorie

Une théorie peut rester valable comme approximation locale.

Limiter le domaine uniquement après chaque échec

Les restrictions doivent produire une meilleure compréhension et de nouvelles prédictions.

Croire qu’une théorie invisible est nécessairement non scientifique

Les entités invisibles peuvent être testées par leurs conséquences observables.

Utiliser l’étiquette « pseudoscience » sans examiner les pratiques

La qualité dépend de la précision, des tests et de la réponse aux échecs.


À retenir

La falsifiabilité désigne la possibilité qu’une hypothèse entre en conflit avec certaines observations.

Une théorie informative doit prendre un risque : elle doit exclure au moins certains résultats possibles.

Une théorie capable d’expliquer tout résultat possède peu de contenu empirique.

La falsifiabilité ne signifie pas qu’une théorie soit fausse. Elle indique qu’elle peut être mise à l’épreuve.

La falsification réelle est plus complexe que le simple modus tollens, car une prédiction dépend d’hypothèses auxiliaires, d’instruments et de conditions initiales.

Un résultat contraire indique qu’un élément du système rencontre un problème. Il ne désigne pas toujours immédiatement lequel.

La résistance à une anomalie peut être rationnelle lorsque la théorie possède de nombreux succès et que l’observation reste fragile.

Elle devient dogmatique lorsque les anomalies se multiplient et que les corrections ne produisent aucune prédiction nouvelle.

Une hypothèse auxiliaire est légitime lorsqu’elle peut être testée indépendamment et améliore le programme de recherche.

Elle devient ad hoc lorsqu’elle sert seulement à protéger la théorie après un échec.

Les prédictions précises et formulées à l’avance sont plus informatives que les explications vagues ou rétrospectives.

Les théories probabilistes sont testables lorsqu’elles attribuent des probabilités suffisamment précises aux résultats. Leur évaluation est graduelle plutôt que fondée sur un contre-exemple unique.

La réplication, les tests indépendants, le préenregistrement et les collaborations contradictoires renforcent la mise à l’épreuve.

Une science immature peut manquer de précision tout en chercher activement à améliorer ses tests.

Une pseudoscience se reconnaît moins à son sujet qu’à ses méthodes : sélection des confirmations, immunisation, refus de correction et absence de progression prédictive.

Une théorie scientifique peut rester imparfaite, publier de mauvais résultats ou subir des biais institutionnels. L’étiquette scientifique ne dispense pas d’examiner les pratiques réelles.

La falsifiabilité n’est pas le seul critère de qualité scientifique. Il faut également considérer la confirmation, l’explication, la reproduction, la robustesse et la comparaison avec les théories concurrentes.

Dans la vie ordinaire, demander ce qui pourrait nous faire changer d’avis aide à repérer les croyances devenues immunisées contre toute preuve.

La question centrale n’est donc pas seulement :

« Cette théorie peut-elle expliquer ce que j’observe ? »

mais :

« Qu’interdit-elle, quels tests risqués accepte-t-elle, et comment réagit-elle lorsque les résultats ne correspondent pas à ses prédictions ? »


Repères et prolongements

Cette fiche prépare notamment les questions suivantes :

  • Quelle différence existe entre falsifiabilité et falsification ?
  • Pourquoi une confirmation ne prouve-t-elle pas une théorie universelle ?
  • Qu’est-ce qu’un test sévère ?
  • Comment une théorie probabiliste peut-elle être réfutée ?
  • Pourquoi une expérience ne teste-t-elle jamais une théorie isolée ?
  • Qu’est-ce que la thèse de Duhem-Quine ?
  • Comment distinguer une hypothèse auxiliaire d’un ajustement ad hoc ?
  • Quand est-il rationnel de résister à une anomalie ?
  • Qu’est-ce qu’un programme de recherche progressif ou dégénératif ?
  • La falsifiabilité suffit-elle à distinguer science et pseudoscience ?
  • Une théorie historique peut-elle être mise à l’épreuve ?
  • Pourquoi les explications après coup sont-elles moins probantes ?
  • Comment conserver et évaluer des prédictions probabilistes ?
  • Qu’est-ce qui rend une théorie complotiste épistémiquement fermée ?
  • Comment organiser une croyance pour qu’elle reste réellement révisable ?

Quelques références

  • Karl Popper, *La Logique de la découverte scientifique*.
  • Karl Popper, *Conjectures et réfutations*.
  • David Hume, *Enquête sur l’entendement humain*.
  • Pierre Duhem, *La Théorie physique : son objet et sa structure*.
  • Willard Van Orman Quine, « Les Deux Dogmes de l’empirisme ».
  • Thomas Kuhn, *La Structure des révolutions scientifiques*.
  • Imre Lakatos, textes sur la méthodologie des programmes de recherche scientifique.
  • Paul Feyerabend, *Contre la méthode*.
  • Carl Hempel, *Éléments d’épistémologie*.
  • Adolf Grünbaum, *The Foundations of Psychoanalysis*.
  • Deborah Mayo, *Error and the Growth of Experimental Knowledge*.
  • Deborah Mayo, *Statistical Inference as Severe Testing*.
  • Elliott Sober, *The Philosophy of Biology*.
  • Peter Godfrey-Smith, *Theory and Reality*.
  • Alan Chalmers, *Qu’est-ce que la science ?*
  • John Worrall, textes sur Popper, Lakatos et le changement scientifique.
38 sur 60Retour à la catégorie