Hypothèse, modèle, théorie, loi, prédiction et explication

Dans le langage courant, les mots hypothèse, théorie, modèle, loi ou prédiction sont souvent employés de manière interchangeable. Une théorie peut désigner une simple intuition — « j’ai ma théorie sur ce qui s’est passé » — tandis qu’une hypothèse peut être comprise comme une supposition vague. En science, ces termes remplissent généralement des fonctions plus précises, même si leur usage varie selon les disciplines et qu’il n’existe pas une taxonomie universelle imposée à tous les chercheurs.

Cette diversité explique plusieurs malentendus. Le plus célèbre est probablement l’expression « ce n’est qu’une théorie », utilisée comme si une théorie scientifique était une hypothèse encore insuffisamment démontrée. Une autre erreur consiste à imaginer une hiérarchie dans laquelle une hypothèse deviendrait progressivement une théorie, puis une loi lorsqu’elle serait suffisamment certaine.

La science ne fonctionne pas ainsi.

Une hypothèse sert généralement à proposer une réponse ou une relation susceptible d’être mise à l’épreuve. Un modèle représente certains aspects d’un système afin de raisonner sur eux. Une théorie organise et explique un ensemble plus vaste de phénomènes. Une loi exprime certaines régularités ou relations, souvent sous une forme générale ou mathématique. Une prédiction indique ce que l’on devrait observer sous certaines conditions. Une explication cherche à rendre intelligible pourquoi ou comment un phénomène se produit.

Ces catégories peuvent se chevaucher, et les philosophes des sciences discutent encore de leur définition exacte. Mais les distinguer permet déjà de mieux comprendre ce que les scientifiques font lorsqu’ils construisent et testent leurs connaissances.

Une hypothèse n’est pas simplement une idée qui nous plaît

Une hypothèse scientifique est une proposition susceptible de contribuer à l’explication d’un phénomène et dont certaines conséquences peuvent être confrontées aux observations.

Supposons qu’un service hospitalier observe davantage d’infections dans certaines chambres. Plusieurs hypothèses peuvent être envisagées : les patients concernés sont plus fragiles, un équipement particulier favorise la transmission, certaines chambres reçoivent davantage de patients infectieux ou le phénomène n’est qu’une fluctuation temporaire.

Une hypothèse intéressante ne se limite donc pas à proposer une histoire plausible. Elle doit permettre de demander quelles observations seraient attendues si elle était correcte et comment ces attentes diffèrent de celles produites par les hypothèses concurrentes.

Les National Academies décrivent ainsi l’hypothèse scientifique comme une proposition plausible pouvant contribuer à expliquer un phénomène et permettant de prévoir ce qui devrait se produire dans certaines situations. Elles soulignent également qu’une hypothèse s’inscrit généralement dans des connaissances théoriques déjà disponibles plutôt que d’apparaître dans un vide conceptuel.

Cela permet de distinguer une hypothèse scientifique d’une simple conjecture impossible à examiner.

Une hypothèse peut être très solide sans devenir une théorie

Il faut immédiatement écarter une représentation scolaire fréquente :

hypothèse → théorie → loi

Cette chaîne suggère que ces mots désigneraient simplement différents degrés de certitude. Une hypothèse suffisamment confirmée deviendrait une théorie, puis une théorie définitivement confirmée deviendrait une loi.

Ce n’est pas ainsi que ces catégories fonctionnent.

Une hypothèse et une théorie n’ont généralement pas la même fonction ni la même échelle. Une hypothèse peut porter sur une relation très précise à l’intérieur d’une théorie déjà bien établie. Elle peut recevoir énormément de soutien empirique sans jamais devenir une « théorie » autonome.

Par exemple, une théorie biologique générale peut conduire à formuler l’hypothèse qu’un mécanisme précis intervient dans une maladie particulière. Même si cette hypothèse finit par être extrêmement bien établie, elle ne « monte » pas nécessairement dans une hiérarchie pour devenir une théorie.

De même, une théorie ne se transforme pas en loi lorsqu’elle devient suffisamment certaine. Les National Academies rappellent explicitement que les théories ne deviennent pas avec le temps des lois ou des faits.

Une théorie scientifique n’est pas une supposition

Le contraste entre langage courant et langage scientifique est particulièrement important pour le mot théorie.

Dans la conversation quotidienne, « j’ai une théorie » signifie souvent « j’ai une idée qui pourrait expliquer cela ».

Une théorie scientifique possède généralement une ambition beaucoup plus large. Elle organise un ensemble de concepts, de mécanismes, de relations et de résultats afin de rendre compte d’une classe de phénomènes, souvent en produisant également de nouvelles attentes ou prédictions.

La théorie microbienne des maladies, la théorie de l’évolution, la théorie de la relativité ou la théorie cellulaire ne sont donc pas des suppositions provisoires placées juste au-dessus d’une intuition. Elles structurent de vastes ensembles de connaissances.

Les National Academies décrivent les théories scientifiques comme des explications appuyées sur un corps de preuves développé au cours du temps et ayant subi de nombreux tests. Elles mettent précisément en garde contre la confusion avec le sens quotidien du mot « théorie ».

Mais il faut également éviter une définition trop rigide : la philosophie des sciences contemporaine ne possède pas une conception unique de ce qu’est exactement une théorie scientifique. Certaines approches les ont conçues comme des ensembles structurés d’énoncés ; d’autres accordent un rôle plus central aux modèles qui représentent différents systèmes possibles.

Il est donc plus prudent de reconnaître une famille d’usages qu’une définition administrative universelle.

Ce qu’une théorie apporte de plus qu’une collection de faits

Supposons que nous disposions de milliers d’observations montrant que certains antibiotiques empêchent la croissance de certaines bactéries.

Cette accumulation est scientifiquement importante, mais une théorie cherche davantage qu’à dresser une liste d’observations. Elle organise ces faits en les reliant à des structures, processus ou mécanismes : fonctionnement des cellules bactériennes, synthèse de la paroi, ribosomes, mécanismes de résistance, évolution des populations bactériennes.

Une théorie fournit ainsi une architecture explicative.

Elle permet de relier des phénomènes qui semblaient initialement séparés, de comprendre pourquoi certaines observations apparaissent ensemble et parfois de prévoir ce qui devrait se produire dans des situations nouvelles.

Les National Academies soulignent précisément que la valeur particulière des théories tient à leur capacité à expliquer plusieurs phénomènes ou observations, plutôt qu’un seul résultat isolé.

La théorie ne remplace donc pas les faits. Elle les organise et les rend intelligibles.

Une théorie peut être révisée sans devenir « fausse »

Le fait qu’une théorie scientifique soit bien établie ne signifie pas qu’elle constitue une description définitive et complète de la réalité.

La mécanique newtonienne fournit un exemple classique. Elle reste extraordinairement efficace pour une immense gamme de problèmes : trajectoire d’un projectile, mouvements de nombreux objets, calculs d’ingénierie ou dynamique de systèmes à des vitesses ordinaires.

La relativité a cependant montré que ses relations ne sont pas universellement exactes, notamment lorsque les vitesses deviennent proches de celle de la lumière ou lorsque certains effets gravitationnels doivent être décrits avec davantage de précision.

Dire que Newton a été « réfuté » peut donc être vrai dans un sens technique tout en devenant trompeur dans le langage courant. Sa théorie n’a pas été transformée en pure erreur inutilisable. Son domaine de validité a été mieux compris.

C’est fréquent en science : une nouvelle théorie peut conserver une ancienne théorie comme approximation valable dans certaines conditions.

La révision scientifique ne consiste donc pas toujours à remplacer vrai par faux. Elle peut consister à préciser jusqu’où un modèle ou une théorie fonctionne.

Un modèle représente sans tout reproduire

Le terme modèle est encore plus divers.

Un modèle scientifique peut être une maquette physique, un ensemble d’équations, un système informatique, une représentation conceptuelle, un modèle statistique ou une simulation.

Ce qui unit ces usages est généralement l’idée de représenter certains aspects d’un système cible afin de pouvoir raisonner à son sujet.

La Stanford Encyclopedia of Philosophy souligne le rôle central des modèles dans pratiquement toutes les sciences contemporaines : modèles climatiques, modèles cosmologiques, modèles évolutifs, modèles économiques ou modèles à agents. Les chercheurs les construisent, les testent, les comparent et les révisent.

Un modèle n’est pas nécessairement une miniature fidèle de la réalité.

Il peut au contraire être volontairement idéalisé.

Un modèle utile peut contenir des éléments littéralement faux

Considérons le modèle des gaz parfaits.

Il traite les particules selon des hypothèses simplificatrices qui ne sont jamais exactement satisfaites par les gaz réels. Pourtant, ce modèle permet de décrire correctement leur comportement dans de nombreuses conditions et sert de point de départ pour comprendre pourquoi des écarts apparaissent dans d’autres.

De même, un modèle de population peut supposer une population parfaitement mélangée alors que les individus réels sont répartis dans l’espace. Un modèle économique peut représenter des agents comme s’ils disposaient d’informations ou de comportements simplifiés. Une simulation climatique ne représente pas chaque molécule de l’atmosphère.

Ces simplifications ne sont pas nécessairement des défauts.

Un modèle cherche souvent à isoler les propriétés considérées comme pertinentes pour une question donnée, au prix d’une représentation incomplète du reste.

La littérature philosophique sur les modèles insiste précisément sur cette tension : les modèles sont souvent idéalisés et donc littéralement inexacts sur certains aspects, tout en permettant d’apprendre des choses réelles sur leur système cible.

La bonne question n’est donc pas simplement :

« Le modèle est-il parfaitement réaliste ? »

mais :

« Les simplifications qu’il effectue sont-elles acceptables pour ce que nous voulons en tirer ? »

Théorie et modèle ne sont pas synonymes

Un modèle peut s’appuyer fortement sur une théorie sans se confondre avec elle.

La théorie de la gravitation peut être utilisée pour construire un modèle particulier du système solaire. La théorie de l’évolution peut conduire à différents modèles de génétique des populations. Des connaissances sur la transmission infectieuse peuvent être représentées dans plusieurs modèles épidémiologiques.

Le modèle spécifie une situation particulière et sélectionne certaines dimensions de la théorie ou du phénomène.

La relation peut cependant aller dans l’autre sens : certains modèles sont développés de manière relativement indépendante d’une grande théorie générale et acquièrent leur propre autonomie méthodologique.

C’est pourquoi la philosophie des sciences contemporaine ne considère plus simplement les modèles comme des illustrations secondaires des théories. La Stanford Encyclopedia décrit justement un continuum de positions allant du modèle subordonné à une théorie à des modèles possédant une autonomie beaucoup plus importante.

Une loi scientifique n’est pas une théorie arrivée au sommet

Le mot loi possède lui aussi une histoire particulière.

Certaines relations scientifiques sont traditionnellement appelées lois : lois de Newton, loi de Boyle-Mariotte, lois de Mendel, loi d’Ohm.

Une loi exprime généralement une régularité ou une relation entre certaines grandeurs ou certains phénomènes, parfois sous forme mathématique.

Par exemple, la loi d’Ohm établit dans certaines conditions une relation entre tension, courant et résistance. Elle ne constitue pas à elle seule une théorie complète des propriétés microscopiques des matériaux conducteurs.

La différence avec une théorie n’est donc pas celle qui séparerait une connaissance « moins certaine » d’une connaissance « absolument certaine ».

Les National Academies résument pédagogiquement cette distinction en présentant les lois comme des descriptions de relations ou de régularités parmi les phénomènes, tandis que les théories jouent un rôle explicatif plus large.

Mais cette définition doit rester prudente.

Ce qu’est exactement une loi de la nature reste une question philosophique

Il serait tentant de définir simplement une loi comme « une régularité universelle sans exception ».

Cette définition rencontre rapidement des difficultés.

Certaines lois scientifiques ne s’appliquent que sous certaines conditions. Les sciences biologiques, économiques ou psychologiques utilisent parfois des relations qualifiées de « lois » alors qu’elles comportent des exceptions ou des clauses du type toutes choses égales par ailleurs.

La philosophie des sciences débat depuis longtemps de ce qui distingue une véritable loi d’une régularité accidentelle. Elle examine notamment les rapports entre lois, causalité, explication, nécessité et raisonnement contrefactuel.

La Stanford Encyclopedia souligne en particulier que l’image traditionnelle de lois universelles et sans exception s’applique difficilement à de nombreuses « sciences spéciales », dans lesquelles les régularités sont souvent conditionnelles ou *ceteris paribus*.

Pour notre objectif méthodologique, il suffit donc de retenir une idée sobre : une loi scientifique exprime généralement une relation régulière ou structurée ; elle ne représente pas un degré supérieur de certitude par rapport à une théorie.

Une prédiction est une conséquence attendue

Une prédiction indique ce que nous devrions observer si certaines hypothèses, théories, modèles et conditions sont corrects.

Elle peut concerner l’avenir, mais pas nécessairement.

Cette précision est importante parce que le langage ordinaire associe fortement prédiction et futur.

Einstein pouvait ainsi utiliser sa théorie pour prévoir comment la lumière devrait être déviée au voisinage d’une masse importante. Cette conséquence pouvait ensuite être recherchée dans des observations astronomiques.

Mais une théorie peut également conduire à prédire une observation portant sur un événement déjà survenu mais dont le résultat n’est pas encore connu du chercheur.

Une théorie géologique peut prévoir la présence d’un type de roche dans une couche encore non étudiée. Une hypothèse sur une épidémie passée peut prévoir qu’une archive particulière devrait présenter une augmentation de mortalité à une certaine période.

Ce qui importe méthodologiquement n’est donc pas uniquement le futur chronologique, mais le fait que l’attente soit déduite indépendamment de l’observation utilisée pour la tester.

Prédire après avoir vu les données n’a pas la même force

Supposons que nous examinions une base de données comportant cent variables et découvrions que deux d’entre elles présentent une relation inhabituelle.

Nous pouvons légitimement proposer une hypothèse pour expliquer cette association.

Mais il serait trompeur de présenter ensuite la relation comme une prédiction réussie de cette hypothèse.

La donnée a servi à construire l’idée ; elle ne peut donc jouer exactement le même rôle probatoire qu’une nouvelle observation obtenue indépendamment.

C’est la distinction entre exploration et confirmation que nous retrouverons plus loin dans cette catégorie.

Une prédiction véritablement nouvelle possède souvent davantage de force parce que la théorie s’expose à un résultat qu’elle n’a pas été ajustée spécifiquement pour reproduire.

Cela ne signifie pas qu’une explication construite après coup soit sans valeur. Elle doit simplement être testée avec de nouvelles données ou de nouvelles conséquences.

Une prédiction correcte ne suffit pas toujours à identifier la bonne théorie

Supposons maintenant que deux théories différentes prédisent exactement la même observation.

Le succès de cette prédiction augmente éventuellement la crédibilité des deux, mais il ne permet pas de choisir entre elles.

C’est pourquoi une bonne expérience cherche autant que possible des prédictions discriminantes : des situations dans lesquelles les hypothèses concurrentes n’attendent pas le même résultat.

Imaginons deux médicaments qui réduisent tous deux une inflammation mais par des mécanismes différents. Observer simplement une diminution de l’inflammation ne permet pas nécessairement de distinguer ces mécanismes. Une mesure plus spécifique pourrait en revanche produire des prédictions différentes.

La valeur d’une prédiction dépend donc aussi de ce que les alternatives auraient permis d’attendre.

Nous approfondirons précisément ce point dans la fiche suivante consacrée aux hypothèses concurrentes et aux tests discriminants.

Prévision et explication ne sont pas la même chose

Un modèle peut parfois prédire efficacement sans fournir une explication satisfaisante.

Un système d’apprentissage automatique pourrait être capable de prévoir avec une grande précision qu’un patient risque d’être réhospitalisé à partir de centaines de variables. Cela ne signifie pas nécessairement qu’il nous explique clairement pourquoi ce patient présente ce risque ni quels mécanismes causaux pourraient être modifiés.

Inversement, une théorie peut fournir une bonne explication générale sans permettre une prévision individuelle très précise.

La théorie de l’évolution explique pourquoi certaines caractéristiques biologiques se transforment dans les populations. Elle ne permet pas de prédire exactement quelles mutations apparaîtront demain chez chaque organisme.

Cette distinction est importante dans les domaines où l’on confond facilement performance prédictive et compréhension causale.

Prévoir demande principalement de réussir à anticiper correctement certaines observations. Expliquer cherche généralement quelque chose de plus : rendre compte du pourquoi ou du comment.

Qu’est-ce qu’expliquer scientifiquement ?

Il serait commode de définir l’explication scientifique en une phrase, mais la philosophie des sciences a développé plusieurs conceptions concurrentes.

Certaines approches ont insisté sur la possibilité de déduire un phénomène à partir de lois générales et de conditions particulières. D’autres mettent davantage l’accent sur les mécanismes, les causes, l’unification de phénomènes différents ou les relations contrefactuelles montrant ce qui aurait changé si certaines conditions avaient été différentes.

Dans la pratique scientifique, ces formes peuvent se combiner.

Dire qu’un patient présente une infection parce qu’une bactérie déterminée a pénétré dans l’organisme, proliféré et déclenché certaines réactions constitue une explication mécanistique.

Expliquer une trajectoire planétaire peut reposer davantage sur des relations mathématiques générales.

Expliquer l’augmentation d’une population peut combiner mécanismes démographiques, environnement et modèle mathématique.

Les National Academies caractérisent de manière générale les explications scientifiques comme des comptes rendus reliant les observations à des théories et, lorsqu’il est pertinent, aux mécanismes susceptibles de produire les phénomènes.

Décrire n’est pas nécessairement expliquer

Supposons qu’une étude montre que les personnes dormant moins de six heures déclarent davantage de fatigue.

C’est une relation descriptive intéressante.

Elle ne nous indique pas encore nécessairement pourquoi cette relation existe, quelle part est causale, quels mécanismes biologiques interviennent ni si certaines variables influencent simultanément sommeil et fatigue.

Une description peut être extrêmement solide sans constituer une explication complète.

Cela ne la rend pas inférieure. La science commence souvent par découvrir et caractériser des régularités avant d’en comprendre les mécanismes.

Mais il faut éviter le glissement :

« nous savons que ces phénomènes sont associés » → « nous savons pourquoi ».

Les deux niveaux de connaissance sont différents.

Une explication plausible n’est pas nécessairement la bonne

L’être humain est particulièrement doué pour construire des histoires explicatives après coup.

Lorsqu’une relation est observée, il est souvent possible d’imaginer immédiatement un mécanisme qui semble raisonnable.

Une intervention scolaire améliore les résultats : peut-être augmente-t-elle la motivation.

Un aliment est associé à un meilleur état de santé : peut-être contient-il une substance protectrice.

Un comportement social change : peut-être les normes culturelles ont-elles évolué.

Toutes ces histoires peuvent être plausibles sans être démontrées.

La plausibilité mécanistique constitue une information utile, mais une explication devient scientifiquement intéressante lorsqu’elle génère à son tour des conséquences que l’on peut confronter aux observations.

Il faut donc distinguer raconter une histoire compatible avec les données et tester réellement le mécanisme proposé.

Une même théorie peut produire plusieurs modèles

La distinction entre théorie et modèle devient particulièrement importante lorsqu’une théorie générale doit être appliquée à un cas concret.

Prenons une épidémie.

Des connaissances théoriques sur la transmission d’un agent infectieux peuvent être représentées à travers un modèle simple de type SIR divisant la population entre individus susceptibles, infectieux et retirés de la chaîne de transmission.

Un autre modèle peut ajouter l’âge, la localisation géographique, les contacts sociaux, la vaccination ou différentes formes de maladie.

Les modèles ne correspondent donc pas à des théories concurrentes au sens fort. Ils peuvent être différentes représentations du même ensemble général de connaissances, adaptées à différentes questions.

Un modèle très simple peut être meilleur pour comprendre un mécanisme général. Un modèle plus complexe peut être meilleur pour certaines prévisions quantitatives.

La qualité dépend de l’usage.

Les théories guident aussi ce que nous observons

La relation entre théorie et observation n’est pas à sens unique.

Nous imaginons parfois que les scientifiques commencent par accumuler des faits neutres, puis construisent seulement ensuite une théorie pour les assembler.

Mais les théories contribuent également à déterminer quelles observations sont pertinentes, quels instruments doivent être construits et quelles différences méritent d’être recherchées.

L’observation d’une raie spectrale possède une signification parce que nous disposons déjà de connaissances sur la lumière, les atomes et les instruments utilisés.

La Stanford Encyclopedia rappelle que les débats sur la relation entre théorie et observation ont précisément montré combien l’interprétation des données dépend souvent de connaissances théoriques auxiliaires, sans pour autant rendre l’observation arbitraire.

Science théorique et science empirique ne sont donc pas deux mondes séparés. Elles se contraignent mutuellement.

Les catégories scientifiques forment un réseau, pas une échelle

Nous pouvons maintenant comprendre pourquoi il est trompeur de chercher une hiérarchie simple entre les notions étudiées.

Une théorie peut conduire à construire plusieurs modèles.

Un modèle permet de dériver une prédiction.

Cette prédiction peut être utilisée pour tester une hypothèse particulière.

Les observations ainsi obtenues peuvent conduire à modifier le modèle, l’hypothèse ou parfois une partie de la théorie.

Une loi peut exprimer une relation générale utilisée à l’intérieur de plusieurs modèles ou théories.

Une explication peut mobiliser simultanément théorie, modèle, mécanismes, lois et observations.

Ces concepts constituent donc des fonctions différentes dans l’architecture de la recherche, pas les barreaux successifs d’une échelle de certitude.

Le cas de l’évolution : « théorie » ne signifie pas incertitude fondamentale

La théorie de l’évolution fournit probablement l’exemple le plus connu du malentendu sur le terme « théorie ».

Dire que l’évolution est une théorie ne signifie pas que l’existence de changements évolutifs au cours de l’histoire du vivant serait une supposition fragile.

Les National Academies expliquent explicitement que l’évolution peut être considérée à la fois comme un fait, au sens où la transformation historique des populations et la descendance avec modification sont massivement documentées, et comme une théorie, parce que la biologie évolutive cherche à expliquer ces phénomènes à travers plusieurs mécanismes et modèles.

Le mot « théorie » n’enlève donc rien au soutien empirique.

Au contraire, dans ce contexte, il indique l’existence d’un cadre explicatif suffisamment large pour organiser une immense diversité d’observations.

Une loi peut être corrigée ou limitée elle aussi

Le prestige du mot « loi » peut à l’inverse conduire à penser qu’une loi scientifique serait définitive.

Ce n’est pas davantage le cas.

Les lois expriment des relations dont le domaine d’application peut être précisé ou limité par de nouvelles connaissances. Certaines ne sont valables que sous certaines approximations. D’autres reçoivent des formulations plus générales lorsqu’une théorie plus large apparaît.

Le mot loi est souvent conservé pour des raisons historiques.

Il ne constitue donc pas un label épistémique signifiant « vérité absolue ».

Une loi scientifique reste une proposition scientifique soumise aux mêmes exigences générales de confrontation aux observations et de détermination de son domaine de validité.

Le vocabulaire doit servir le raisonnement, pas devenir une police des mots

Toutes ces distinctions sont utiles, mais il serait également maladroit d’en faire des définitions rigides que chaque article scientifique devrait respecter exactement.

Les usages diffèrent selon les disciplines.

Les statisticiens parlent de modèles avec un sens qui n’est pas identique à celui d’un biologiste construisant un modèle animal. Le mot « théorie » peut être utilisé plus librement dans certaines sciences sociales que dans certaines branches de la physique. Certaines relations historiquement appelées « lois » ne correspondraient pas parfaitement aux définitions philosophiques contemporaines du terme.

Il faut donc éviter deux erreurs : employer tous ces mots comme des synonymes, ou croire qu’il existe un dictionnaire officiel de la science permettant de classer mécaniquement chaque proposition.

Ce qui compte surtout est de comprendre le rôle épistémique joué par l’énoncé.

Propose-t-il une explication à tester ? Représente-t-il un système simplifié ? Organise-t-il un ensemble de phénomènes ? Exprime-t-il une régularité ? Déduit-il une observation attendue ? Cherche-t-il à rendre compte du mécanisme ayant produit cette observation ?

Ces questions sont souvent plus utiles que le mot choisi.

Une grille pratique pour ne plus confondre les termes

On peut résumer les distinctions principales ainsi :

NotionFonction principaleQuestion typique
HypothèseProposition précise susceptible d’être mise à l’épreuve« Cette explication particulière est-elle compatible avec ce que nous observons ? »
ModèleReprésentation simplifiée d’un système« Que se passe-t-il si nous représentons le phénomène de cette manière ? »
ThéorieCadre explicatif organisant un ensemble large de phénomènes« Comment comprendre ensemble ces observations et relations ? »
LoiExpression d’une régularité ou relation générale« Quelle relation régulière observons-nous entre ces phénomènes ? »
PrédictionConséquence observable attendue« Que devrions-nous observer si nos hypothèses et conditions sont correctes ? »
ExplicationCompte rendu du pourquoi ou du comment d’un phénomène« Pourquoi ce phénomène se produit-il de cette manière ? »

Ce tableau doit rester un guide, pas une ontologie définitive de la science. Les frontières sont parfois floues et les usages disciplinaires diffèrent.

Il permet néanmoins d’éviter les confusions les plus importantes.

Ce que signifie vraiment « tester une théorie »

Lorsqu’on dit qu’une expérience « teste une théorie », la réalité est généralement plus complexe.

La théorie doit être appliquée à une situation particulière, souvent à travers un modèle. Elle doit être combinée avec des hypothèses concernant les conditions initiales, les instruments et le fonctionnement du dispositif. De cet ensemble est tirée une prédiction, qui est ensuite comparée à une observation.

Si le résultat ne correspond pas à ce qui était attendu, il reste encore à déterminer quelle partie de cet ensemble est responsable de l’échec.

C’est précisément le problème qui nous conduira bientôt aux hypothèses auxiliaires et à la thèse de Duhem-Quine.

Une observation scientifique ne juge presque jamais une théorie totalement isolée.

Elle confronte au monde un réseau de théorie, modèle, hypothèses et procédures de mesure.


À retenir

Une hypothèse, une théorie et une loi ne représentent pas trois degrés successifs de certitude. Une hypothèse ne « devient » pas une théorie puis une loi à mesure que les preuves s’accumulent. Les National Academies rappellent explicitement que théories et lois remplissent des fonctions différentes et que les théories ne se transforment pas en lois.

Une théorie scientifique est généralement un cadre explicatif relativement large, soutenu et mis à l’épreuve par un ensemble de résultats. Dire « ce n’est qu’une théorie » transpose donc abusivement le sens quotidien du mot « théorie » au vocabulaire scientifique.

Un modèle représente certains aspects d’un système, souvent en simplifiant volontairement la réalité. Sa valeur ne dépend donc pas de sa ressemblance parfaite avec le monde mais de la pertinence de ses simplifications pour la question étudiée.

Une loi exprime généralement une régularité ou une relation, sans constituer pour autant une vérité devenue supérieure à une théorie. La nature exacte des lois scientifiques reste elle-même un sujet de philosophie des sciences, notamment parce que beaucoup de régularités ne sont valables que sous certaines conditions.

Enfin, une prédiction dit ce que nous devrions observer sous certaines hypothèses, tandis qu’une explication cherche à rendre compte du pourquoi ou du comment. Une science mature cherche généralement à faire les deux, mais prédire et expliquer ne sont pas la même réussite intellectuelle.

Sources et références

  • National Research Council, A Framework for K-12 Science Education: Practices, Crosscutting Concepts, and Core Ideas, National Academies Press, 2012, notamment les distinctions entre hypothèses, théories, modèles et explications.
  • National Research Council, Next Generation Science Standards: For States, By States, National Academies Press, 2013, Appendix H, sur la nature des théories, lois, modèles et hypothèses scientifiques.
  • National Research Council, Taking Science to School: Learning and Teaching Science in Grades K–8, National Academies Press, 2007, sur la distinction entre usage quotidien et scientifique du terme « théorie ».
  • Frigg, Roman & Hartmann, Stephan, « Models in Science », *Stanford Encyclopedia of Philosophy*, révision substantielle du 2 avril 2025.
  • Bogen, James, « Theory and Observation in Science », *Stanford Encyclopedia of Philosophy*, révision substantielle du 12 janvier 2026.
  • Carroll, John W., « Laws of Nature », *Stanford Encyclopedia of Philosophy*.
  • Reutlinger, Alexander et al., « Ceteris Paribus Laws », *Stanford Encyclopedia of Philosophy*, révision 2024.
8 sur 39Retour à la catégorie