Falsifiabilité et tests sévères : ce que Popper apporte, et ses limites

Parmi les idées les plus célèbres de la philosophie des sciences figure celle de falsifiabilité, associée à Karl Popper. Elle est souvent résumée de manière très simple : une théorie est scientifique si elle peut être réfutée par l’expérience.

Cette formule contient une intuition importante, mais elle devient trompeuse lorsqu’on la transforme en règle mécanique. Une théorie scientifique n’est pas toujours abandonnée dès qu’une observation semble la contredire. Une expérience ne teste presque jamais une hypothèse totalement isolée. Les observations elles-mêmes peuvent être affectées par des erreurs de mesure. Certaines théories produisent des prédictions probabilistes plutôt que des interdictions absolues. Enfin, la falsifiabilité ne suffit pas à elle seule à distinguer toute science de toute pseudoscience.

La contribution durable de Popper est donc probablement moins la formule scolaire « une observation réfute une théorie » qu’une exigence méthodologique plus profonde : une bonne théorie doit accepter de prendre des risques empiriques et être confrontée activement à des situations dans lesquelles elle pourrait échouer.

Cette idée reste extrêmement féconde. Mais pour l’utiliser correctement, il faut distinguer la logique de la falsification, la pratique réelle des tests scientifiques et les limites du falsificationnisme comme théorie générale de la science.

Le problème auquel Popper voulait répondre

Popper s’inscrit dans une longue réflexion sur le problème de l’induction.

Observer mille cygnes blancs ne permet pas de déduire logiquement que tous les cygnes sont blancs. Une nouvelle observation pourrait toujours révéler un contre-exemple.

Il existe ici une asymétrie logique importante. Une collection finie d’observations compatibles avec une proposition universelle ne la démontre pas définitivement. En revanche, si l’on affirme :

« Tous les cygnes sont blancs »

et que l’on découvre réellement un cygne noir, la proposition universelle est logiquement fausse.

Popper s’appuie sur cette asymétrie pour proposer une conception déductive du test scientifique. Selon lui, les scientifiques formulent des conjectures, en déduisent des conséquences observables puis cherchent à savoir si ces conséquences sont effectivement réalisées. Une prédiction incorrecte peut alors, dans certaines conditions, conduire par *modus tollens* au rejet de l’hypothèse.

La *Stanford Encyclopedia of Philosophy* rappelle que Popper entendait ainsi contourner le problème classique de l’induction : plutôt que de chercher à démontrer progressivement la vérité des théories à partir d’observations répétées, il proposait de les soumettre à des tentatives de réfutation.

Ce que signifie réellement « falsifiable »

Une proposition est falsifiable si certaines observations possibles entreraient en contradiction avec elle.

Prenons deux affirmations :

A — « Tous les métaux de cette classe se dilatent lorsqu’ils sont chauffés dans ces conditions. »

B — « Quelle que soit l’observation obtenue, une force invisible inconnue agira de manière à produire exactement ce résultat. »

La première exclut certains états du monde. Si un métal répondant aux conditions définies ne se dilate pas malgré une mesure suffisamment fiable, la théorie rencontre un problème.

La seconde n’interdit pratiquement rien. Tout résultat peut être incorporé après coup dans l’explication.

C’est ce contraste que Popper cherche à capturer : une théorie qui explique tout résultat possible ne risque jamais réellement de rencontrer les faits.

Dans sa conception, la falsifiabilité relève d’abord de la structure logique des énoncés : une théorie empirique doit être incompatible avec au moins certaines observations concevables.

Plus une théorie interdit de choses, plus elle prend de risques

Pour Popper, une théorie devient particulièrement intéressante lorsqu’elle fait des prédictions précises et risquées.

Considérons deux affirmations :

H₁ — « Cette intervention peut éventuellement modifier le phénomène dans certaines circonstances. »

H₂ — « Dans ces conditions précises, cette intervention doit produire une modification d’au moins telle ampleur. »

H₁ peut survivre à presque n’importe quel résultat.

H₂ est beaucoup plus vulnérable.

Mais c’est précisément cette vulnérabilité qui lui donne davantage de contenu empirique. Si H₂ réussit un test dans lequel elle aurait facilement pu échouer, son succès est beaucoup plus informatif.

La version révisée en 2026 de l’entrée *Scientific Method* de la Stanford Encyclopedia souligne ce point central chez Popper : une théorie scientifique doit accepter le risque de l’échec, et une corroboration n’est intéressante que lorsqu’elle résulte d’un test qui aurait réellement pu mettre la théorie en difficulté.

Chercher les erreurs plutôt que collectionner les confirmations

Cette conception s’oppose directement à une stratégie psychologiquement très naturelle : chercher ce qui confirme déjà notre conviction.

Popper avait été frappé par la facilité avec laquelle certaines doctrines pouvaient interpréter pratiquement toutes les observations comme des confirmations.

Si un patient adopte un comportement donné, la théorie l’explique. S’il adopte le comportement inverse, une autre partie de la même théorie permet également de l’expliquer. Si une prédiction politique se réalise, elle confirme la doctrine ; si elle échoue, cet échec est réinterprété comme la conséquence d’un facteur qui confirme encore la doctrine.

Le problème n’est pas qu’une théorie doive nécessairement être simple. Le problème est qu’elle peut devenir immunisée contre l’expérience.

Une démarche scientifique plus exigeante cherche donc à demander :

« Qu’est-ce qui, si nous l’observions, nous obligerait réellement à revoir cette hypothèse ? »

Cette question demeure l’un des héritages les plus utiles de Popper.

Corroborer n’est pas vérifier

Popper refuse de dire qu’une théorie ayant réussi plusieurs tests est pour autant vérifiée.

Elle est, dans son vocabulaire, corroborée : elle a jusqu’ici résisté à certaines tentatives sérieuses de la mettre en difficulté.

Cette distinction est importante.

Supposons qu’un nouveau modèle réussisse dix prédictions particulièrement exigeantes. Il serait absurde de dire que ces réussites n’apprennent absolument rien. Mais Popper refuse de transformer leur accumulation en démonstration inductive de la vérité de la théorie.

Une théorie fortement corroborée reste donc, en principe, révisable.

La SEP précise que chez Popper, la corroboration décrit la manière dont une théorie a résisté aux tests passés sans être identifiée à une probabilité élevée que cette théorie soit vraie.

Sur ce point, le raisonnement bayésien moderne propose une autre manière de formaliser l’apprentissage par les preuves, déjà étudiée dans la catégorie précédente. Il n’est pas nécessaire d’opposer caricaturalement les deux approches : pour notre objectif méthodologique, l’intuition importante est que la réussite à un test exigeant apporte davantage d’information qu’une compatibilité facile obtenue dans des conditions peu discriminantes.

Une réfutation logique est simple ; une réfutation scientifique l’est beaucoup moins

La puissance du raisonnement poppérien apparaît particulièrement clairement dans un schéma logique :

Si H, alors P. Or non-P. Donc non-H.

C’est un *modus tollens* valide.

Mais la difficulté se trouve dans la première ligne.

Dans une véritable expérience scientifique, H seule ne produit presque jamais P.

La prédiction dépend aussi du bon fonctionnement de l’instrument, des conditions expérimentales, des connaissances utilisées pour interpréter la mesure, du modèle reliant la théorie au phénomène et de multiples hypothèses auxiliaires.

Le schéma réel ressemble donc davantage à :

H + A₁ + A₂ + A₃ + conditions initiales + hypothèses de mesure → P.

Si P n’est pas observé, la logique permet de conclure qu’au moins un élément de cet ensemble pose problème.

Elle ne dit pas automatiquement lequel.

C’est le cœur de la difficulté mise en évidence par Pierre Duhem, puis généralisée sous une forme plus radicale par W. V. O. Quine. La SEP résume précisément cette idée : lorsqu’une prédiction échoue, l’expérience indique qu’il existe une erreur quelque part dans l’ensemble théorique mobilisé, mais elle ne localise pas à elle seule cette erreur.

Nous consacrerons la fiche suivante à ce problème.

Un contre-exemple apparent peut être une erreur de mesure

Supposons qu’une théorie physique prévoie qu’une quantité doit valoir 100 dans certaines conditions et qu’un instrument affiche 87.

Faut-il abandonner immédiatement la théorie ?

Pas nécessairement.

L’instrument peut être mal calibré. Une variable externe peut avoir perturbé l’expérience. Les conditions prévues par la théorie peuvent ne pas avoir été réellement satisfaites. Une erreur de transcription peut même s’être glissée dans les données.

Ce serait évidemment une mauvaise pratique que d’invoquer systématiquement une erreur expérimentale chaque fois qu’un résultat nous déplaît.

Mais ce serait tout aussi mauvais d’abandonner une théorie solidement établie chaque fois qu’un instrument produit une valeur étrange.

Les scientifiques doivent donc examiner la crédibilité relative de l’anomalie et de la théorie.

Popper lui-même reconnaissait la différence entre la simplicité logique du falsificateur et la difficulté méthodologique d’accepter qu’une observation constitue réellement une falsification. L’entrée récente de la SEP consacrée à Popper insiste explicitement sur ce point : un seul contre-exemple apparent ne suffit généralement pas méthodologiquement, car biais d’observation et erreurs de mesure peuvent produire un conflit seulement apparent.

Le slogan « une seule observation réfute une théorie » constitue donc une caricature de la pratique scientifique, et même une simplification excessive de Popper lui-même.

L’exemple d’Uranus : sauver une théorie peut être scientifiquement fécond

L’histoire de la mécanique newtonienne fournit un exemple particulièrement instructif.

Au XIXe siècle, l’orbite observée d’Uranus ne correspondait pas exactement aux calculs effectués à partir des objets alors connus du système solaire.

Une lecture naïve du falsificationnisme pourrait suggérer : prédiction incorrecte → théorie de Newton réfutée.

Ce n’est pas ce qui s’est produit.

Urbain Le Verrier et John Couch Adams ont notamment exploré une autre possibilité : les calculs étaient fondés sur une hypothèse auxiliaire incomplète concernant les corps exerçant une influence gravitationnelle sur Uranus. Ils ont postulé l’existence d’une planète encore inconnue et calculé approximativement où elle devrait être observée.

Neptune fut effectivement découverte en 1846 à proximité de la position prédite.

L’ajout d’une hypothèse auxiliaire avait donc « sauvé » la théorie de Newton — mais pas de manière arbitraire. Cette modification produisait une nouvelle prédiction risquée et indépendante.

Popper lui-même utilisera ce type d’exemple pour reconnaître qu’une modification destinée initialement à répondre à une anomalie n’est pas nécessairement méthodologiquement mauvaise. Ce qui compte est de savoir si elle augmente la testabilité et produit de nouveaux contrôles, plutôt que de simplement rendre la théorie compatible avec tout.

C’est une distinction beaucoup plus intéressante que l’interdiction générale des « hypothèses ad hoc ».

Toutes les modifications ad hoc ne se valent pas

Imaginons maintenant qu’une théorie fasse une prédiction incorrecte et que l’on ajoute :

« Une force indétectable apparaît exactement chaque fois que la théorie devrait échouer et annule la prédiction, mais cette force ne produit aucun autre effet observable. »

La théorie vient d’être protégée contre le résultat défavorable sans produire de nouvelle possibilité de contrôle.

C’est ce type d’ajustement qui pose problème.

À l’inverse, une nouvelle hypothèse qui explique l’anomalie et produit de nouvelles prédictions testables peut enrichir réellement le programme scientifique.

La distinction n’est donc pas simplement :

modification = mauvaise pratique.

Elle est plutôt :

la modification augmente-t-elle le contenu empirique de la théorie ou sert-elle seulement à la soustraire au risque ?

Nous retrouverons cette question avec Lakatos et la distinction entre ajustements progressifs et dégénératifs.

Une anomalie n’est pas nécessairement une réfutation immédiate

Cette idée est essentielle pour comprendre l’histoire réelle des sciences.

Des théories importantes ont souvent coexisté pendant un temps avec des anomalies.

Cela peut sembler contraire à l’idéal poppérien, mais c’est méthodologiquement raisonnable. Une théorie bien établie représente parfois un vaste ensemble de réussites expérimentales et explicatives. Une observation discordante possède elle aussi une certaine probabilité d’être imparfaite ou mal comprise.

Abandonner immédiatement une théorie à chaque anomalie rendrait la recherche extraordinairement instable.

Thomas Kuhn critiquera justement les descriptions de la science centrées excessivement sur les moments où des théories entières sont mises en jeu. Une grande partie du travail scientifique quotidien consiste plutôt à résoudre des problèmes à l’intérieur de cadres théoriques déjà établis. La SEP consacrée à la démarcation rappelle cette objection : selon Kuhn, Popper tendait à caractériser toute la science à partir de situations exceptionnelles proches des révolutions scientifiques.

Cela ne signifie pas que les anomalies doivent être ignorées.

Elles doivent être investiguées.

Quand une anomalie devient-elle sérieuse ?

Il n’existe pas de nombre universel d’échecs au-delà duquel une théorie devrait être abandonnée.

Tout dépend notamment de la fiabilité des observations, du caractère central ou périphérique de la prédiction, de la qualité des alternatives disponibles et de la possibilité de reproduire l’anomalie.

Une observation isolée avec un instrument nouveau peut justifier une vérification prudente.

Un même échec retrouvé par plusieurs équipes, plusieurs instruments et différentes méthodes devient beaucoup plus préoccupant.

Une théorie confrontée à des anomalies mais restant nettement meilleure que toutes ses concurrentes peut également être conservée provisoirement.

Cela montre pourquoi la pratique scientifique ne peut pas être réduite à un algorithme :

falsifié → supprimer.

La question devient plutôt :

quelle partie de notre système de connaissances explique le plus raisonnablement l’échec observé ?

Les hypothèses probabilistes compliquent encore la falsification simple

Beaucoup de théories scientifiques ne disent pas qu’un événement doit toujours se produire.

Elles attribuent des probabilités.

Supposons qu’un modèle médical prévoie qu’un traitement réduit en moyenne un risque mais qu’un certain nombre de patients connaîtront malgré tout l’événement.

Le fait qu’un patient traité tombe malade ne réfute évidemment pas le modèle.

Même un résultat collectif inattendu n’entraîne pas nécessairement une falsification logique instantanée. Il faut examiner à quel point les données obtenues étaient improbables sous le modèle, ainsi que les alternatives disponibles.

Le même problème apparaît en mécanique quantique, en génétique, en épidémiologie, en psychologie ou en climatologie.

Une grande partie de la science contemporaine travaille donc avec des tests graduels et probabilistes, beaucoup plus riches que le schéma d’une loi universelle détruite par un unique contre-exemple.

Cela ne détruit pas l’intuition poppérienne. Cela la transforme : nous cherchons toujours des résultats capables de mettre sérieusement une hypothèse en difficulté, mais la notion de difficulté doit être évaluée statistiquement et comparativement.

De la falsification au test sévère

Cette intuition a été reformulée dans plusieurs traditions philosophiques contemporaines.

Deborah Mayo utilise notamment la notion de test sévère dans son approche dite *error-statistical*. Un résultat fournit une bonne raison d’accepter une conclusion, dans cette perspective, lorsque la procédure utilisée aurait eu une forte capacité à détecter les défauts ou écarts pertinents s’ils avaient réellement existé, et qu’elle ne les a pas détectés.

Prenons un exemple simple.

Supposons qu’un dispositif médical cherche à détecter une anomalie mais qu’il ne la détecte que dans 10 % des cas où elle est réellement présente.

Un résultat négatif fournit peu de raisons de penser que l’anomalie est absente.

Le test était trop peu sensible à l’erreur recherchée.

À l’inverse, si une procédure aurait presque certainement détecté une anomalie de cette ampleur et qu’elle ne trouve rien, le résultat négatif devient beaucoup plus informatif.

La notion de sévérité conserve donc une intuition proche de Popper : un test n’est probant que s’il était réellement capable de faire échouer la proposition testée.

Mais il serait incorrect d’identifier purement et simplement la philosophie statistique de Mayo au falsificationnisme poppérien. Mayo développe une théorie spécifique de l’inférence et des probabilités d’erreur, notamment pour traiter des problèmes que le falsificationnisme classique ne formalise pas suffisamment. Elle présente néanmoins explicitement son approche comme donnant une forme statistique à une intuition que Popper avait fortement défendue.

Un test facile à réussir apprend peu

Cette notion permet de comprendre pourquoi certains résultats impressionnants en apparence sont méthodologiquement faibles.

Supposons qu’un chercheur affirme :

« Mon modèle correspond très bien aux données. »

Si le modèle a été ajusté librement sur ces mêmes données, cette réussite était relativement facile à obtenir.

Le test est faible.

Supposons au contraire que le modèle ait été fixé à l’avance puis confronté à un nouvel ensemble de données dans lequel des écarts auraient été clairement détectables.

La même concordance devient plus informative.

La question fondamentale n’est donc pas uniquement :

« Le modèle a-t-il réussi ? »

mais :

« Aurait-il probablement échoué si l’hypothèse était substantiellement incorrecte ? »

Cette formulation relie directement la philosophie du test à des problèmes contemporains comme le surajustement, le préenregistrement, les analyses multiples et les réplications.

La puissance d’un test participe à son interprétation

Prenons une étude cherchant à déterminer si un médicament augmente un certain risque.

Elle ne trouve aucune différence statistiquement détectable.

Peut-on conclure que le médicament n’augmente pas le risque ?

Cela dépend notamment de la capacité de l’étude à détecter l’augmentation pertinente.

Si elle comporte vingt participants alors que le risque étudié est très rare, obtenir un résultat nul n’est guère surprenant même si un véritable effet existe.

Le médicament n’a donc pas passé un test sévère de l’absence d’un tel effet.

Nous retrouverons cette question dans la fiche consacrée à la puissance et à la distinction entre absence de preuve et preuve d’absence.

L’intuition poppérienne retrouve ici une traduction très pratique : un résultat favorable n’est convaincant que relativement à la difficulté du test qu’il vient de réussir.

La falsifiabilité ne suffit pas à définir la science

L’une des ambitions les plus célèbres de Popper était de résoudre le problème de démarcation entre science et pseudoscience.

La falsifiabilité est extrêmement utile pour repérer certaines doctrines qui rendent toutes les observations compatibles avec elles.

Mais elle ne constitue pas aujourd’hui un critère unanimement accepté et suffisant.

Certaines affirmations pseudoscientifiques peuvent parfaitement être formulées de manière falsifiable. L’astrologie, par exemple, peut produire des prédictions testables — et certaines de ces prédictions ont effectivement été testées sans succès. Le problème n’est donc pas toujours qu’une pseudoscience soit impossible à falsifier ; il peut aussi être que ses défenseurs n’acceptent pas réellement les conséquences des réfutations obtenues ou continuent de promouvoir des affirmations incompatibles avec l’état des preuves. La SEP consacrée à la pseudoscience souligne explicitement que le critère de Popper a été critiqué à la fois parce qu’il peut exclure certaines sciences légitimes et parce qu’il peut classer comme scientifiques certaines affirmations pseudoscientifiques falsifiables.

La démarcation dépend donc probablement d’un ensemble plus large de pratiques : confrontation aux connaissances existantes, qualité des méthodes, ouverture à la correction, fonctionnement de la communauté de recherche, transparence et accumulation des preuves.

La falsifiabilité reste un critère important de testabilité, pas un détecteur universel de science.

« Falsifiable » ne signifie pas « faux »

Une autre confusion fréquente consiste à interpréter le mot comme un jugement négatif.

Dire qu’une théorie est falsifiable ne signifie évidemment pas qu’elle a été falsifiée.

Cela signifie qu’il existe des observations possibles qui entreraient en conflit avec elle.

Une théorie peut donc être extrêmement bien établie et rester falsifiable.

C’est précisément ce qui lui donne son contenu empirique.

La relativité générale, l’évolution ou les théories concernant les agents infectieux produisent toutes des conséquences qui auraient pu être incompatibles avec les observations.

Le fait qu’elles aient résisté à de nombreux contrôles ne les transforme pas en propositions désormais impossibles à examiner.

Falsifié ne signifie pas nécessairement inutile

À l’inverse, une théorie peut être fausse dans son domaine le plus général tout en restant extrêmement utile comme approximation.

La mécanique newtonienne n’est pas une description universellement exacte de l’espace, du temps et de la gravitation.

Elle reste pourtant remarquablement performante dans de très nombreuses conditions ordinaires.

La découverte de limites ne conduit donc pas nécessairement à jeter tout ce qu’une théorie permettait de faire.

Elle peut conduire à identifier son domaine de validité.

Cette idée permet d’éviter une vision dramatique de l’histoire des sciences où chaque nouvelle théorie réduirait automatiquement toutes les précédentes au statut d’erreurs absurdes.

Une théorie qui survit n’est pas nécessairement la meilleure

Le falsificationnisme rencontre encore une difficulté.

À un moment donné, plusieurs théories incompatibles peuvent avoir toutes survécu aux tests disponibles.

La simple absence de falsification ne permet pas de choisir entre elles.

Il faut alors comparer leur capacité explicative, leurs prédictions, la précision de leurs modèles, leur cohérence avec d’autres connaissances, la manière dont elles traitent les anomalies et les résultats de nouveaux tests discriminants.

La SEP consacrée au problème de l’induction relève précisément cette faiblesse d’une version simple du falsificationnisme : de nombreuses hypothèses non encore réfutées peuvent rester mutuellement incompatibles.

Le test scientifique doit donc être comparatif, comme nous l’avons vu dans la fiche précédente.

Popper est plus intéressant que sa caricature

La version scolaire de Popper tient parfois en trois lignes :

théorie → prédiction → falsification → abandon.

Sa philosophie réelle est plus riche.

Popper savait que les observations scientifiques ne sont pas des faits bruts infaillibles. Il distinguait la possibilité logique de falsification de la décision méthodologique d’accepter qu’une observation représente réellement un contre-exemple. Il reconnaîtra également que certaines modifications d’une théorie en difficulté peuvent être fécondes lorsqu’elles conduisent à de nouveaux tests.

Cela ne fait pas disparaître les critiques adressées à son système.

Mais cela permet de conserver ce qu’il apporte de plus solide sans lui attribuer une doctrine simpliste qu’il ne défendait pas exactement sous cette forme.

Ce que nous pouvons garder de Popper

Pour une méthodologie contemporaine de l’esprit critique, quatre idées poppériennes restent particulièrement utiles.

Premièrement, une bonne hypothèse doit accepter la possibilité de l’erreur. Elle ne doit pas être reformulée indéfiniment afin de rester compatible avec chaque observation.

Deuxièmement, une prédiction risquée est plus informative qu’une compatibilité facile. Une théorie mérite davantage d’attention lorsqu’elle réussit là où elle aurait réellement pu échouer.

Troisièmement, chercher activement ce qui pourrait mettre notre idée en difficulté est intellectuellement plus exigeant que collecter uniquement les confirmations.

Enfin, les connaissances scientifiques restent provisoires au sens où elles restent ouvertes à la critique et à de nouveaux contrôles, même lorsqu’elles sont très fortement établies.

Ces principes s’intègrent parfaitement au fil conducteur de cette catégorie : construire des systèmes capables de détecter leurs propres erreurs.

Ce qu’il faut abandonner d’une lecture trop simple de Popper

Il faut en revanche renoncer à plusieurs slogans.

Une observation discordante ne désigne pas automatiquement la partie exacte de la théorie qui est fausse.

Une anomalie isolée ne conduit pas nécessairement à abandonner immédiatement un cadre théorique.

Ajouter une hypothèse auxiliaire n’est pas toujours une fraude méthodologique.

Les sciences probabilistes ne se laissent pas toujours décrire par une falsification logique binaire.

La falsifiabilité ne constitue pas à elle seule une définition suffisante de toute activité scientifique.

Enfin, résister à une réfutation n’est pas la seule manière dont les preuves peuvent soutenir une hypothèse.

Le falsificationnisme est donc plus utile comme discipline de la mise à l’épreuve que comme algorithme universel permettant de décider mécaniquement ce qui est vrai, faux, scientifique ou pseudoscientifique.

De « peut-on la réfuter ? » à « comment l’avons-nous réellement testée ? »

La question poppérienne classique reste excellente :

« Qu’est-ce qui pourrait montrer que cette hypothèse est fausse ? »

Mais une méthodologie moderne doit immédiatement ajouter plusieurs questions.

La mesure permettrait-elle réellement de détecter l’erreur recherchée ? Les principales hypothèses auxiliaires ont-elles été contrôlées ? Les données utilisées pour tester l’idée sont-elles indépendantes de celles qui ont servi à la construire ? Les résultats défavorables auraient-ils été publiés ? Les alternatives auraient-elles produit des prédictions différentes ? Le test possédait-il suffisamment de puissance ? Le résultat a-t-il été reproduit par d’autres méthodes ?

Le passage de la simple falsifiabilité au test sévère consiste précisément à ne pas se contenter de la possibilité abstraite d’un échec.

Il faut construire les conditions dans lesquelles l’erreur aurait réellement eu de bonnes chances d’être découverte.

C’est probablement la manière la plus féconde de prolonger aujourd’hui l’intuition de Popper.


À retenir

La contribution essentielle de Karl Popper est d’avoir insisté sur une asymétrie importante : accumuler des observations compatibles avec une proposition universelle ne suffit pas à la démontrer, tandis qu’un véritable contre-exemple peut, dans certaines conditions, entrer logiquement en contradiction avec elle. Il en tire son exigence de falsifiabilité et l’idée que la science doit soumettre ses théories à des tests risqués plutôt que rechercher uniquement des confirmations.

Mais la falsification scientifique réelle est beaucoup moins simple que le *modus tollens* abstrait. Les prédictions dépendent d’hypothèses auxiliaires, d’instruments et de conditions expérimentales ; lorsqu’une observation échoue, elle ne nous indique donc pas automatiquement quelle proposition doit être abandonnée. C’est le problème associé à Duhem-Quine.

Une anomalie ne justifie pas non plus toujours l’abandon immédiat d’une théorie. Certaines modifications initialement introduites pour expliquer un échec peuvent devenir fécondes lorsqu’elles produisent de nouvelles prédictions indépendantes, comme l’illustre classiquement l’histoire des perturbations d’Uranus et de la découverte de Neptune. Popper lui-même a progressivement reconnu cette difficulté.

Enfin, la falsifiabilité n’est pas aujourd’hui considérée comme un critère suffisant de démarcation entre science et pseudoscience. Certaines propositions pseudoscientifiques sont testables et ont précisément été réfutées ; le problème tient alors aussi à la manière dont leurs défenseurs réagissent aux preuves.

L’héritage le plus utile de Popper peut donc être formulé ainsi :

une hypothèse scientifique mérite d’autant plus de confiance qu’elle a été exposée à des tests qui avaient réellement de bonnes chances de révéler ses erreurs si elles existaient.

Cette intuition conduit naturellement à la notion contemporaine de test sévère : un résultat favorable est d’autant plus probant que la procédure aurait probablement détecté une défaillance pertinente si elle avait été présente.

Sources et références

  • Popper, Karl R., The Logic of Scientific Discovery, Hutchinson, 1959, traduction anglaise de *Logik der Forschung*, 1934.
  • Popper, Karl R., Conjectures and Refutations: The Growth of Scientific Knowledge, Routledge, 1963.
  • Thornton, Stephen, « Karl Popper », *Stanford Encyclopedia of Philosophy*, révision 2026.
  • Andersen, Hanne & Hepburn, Brian, « Scientific Method », *Stanford Encyclopedia of Philosophy*, révision substantielle du 8 août 2026.
  • Gillies, Donald et al., « The Problem of Induction », *Stanford Encyclopedia of Philosophy*, sur la solution déductiviste proposée par Popper et ses difficultés.
  • Ariew, Roger, « Pierre Duhem », *Stanford Encyclopedia of Philosophy*, révision 2026.
  • Stanford, Kyle, « Underdetermination of Scientific Theory », *Stanford Encyclopedia of Philosophy*.
  • Hansson, Sven Ove, « Science and Pseudo-Science », *Stanford Encyclopedia of Philosophy*, révision 2025, notamment la discussion des limites du critère poppérien de démarcation.
  • Mayo, Deborah G., Statistical Inference as Severe Testing: How to Get Beyond the Statistics Wars, Cambridge University Press, 2018.
  • Mayo, Deborah G., « Novel Evidence and Severe Tests », *Philosophy of Science*, sur la relation entre nouveauté des preuves et sévérité des tests.
10 sur 39Retour à la catégorie