Hypothèses auxiliaires et ajustements ad hoc : quand une théorie est-elle artificiellement protégée ?
Une théorie n’est jamais testée seule
Une représentation simplifiée de la méthode scientifique affirme qu’une théorie produit une prédiction, que l’expérience vérifie cette prédiction et que la théorie est rejetée si le résultat attendu n’apparaît pas. La réalité est plus complexe. Pour dériver une prédiction observable, il faut généralement associer la théorie principale à de nombreuses suppositions supplémentaires :
- l’instrument fonctionne correctement ;
- les conditions expérimentales sont suffisamment maîtrisées ;
- l’échantillon représente le phénomène étudié ;
- les données ont été correctement analysées ;
- aucun mécanisme perturbateur important n’est présent.
Ces suppositions sont appelées hypothèses auxiliaires.
Lorsqu’une prédiction échoue, l’expérience ne nous indique donc pas immédiatement quelle proposition est fausse. L’erreur peut venir de la théorie centrale, d’une hypothèse auxiliaire, de la mesure ou de la manière dont l’ensemble a été appliqué. Cette difficulté est souvent associée à la thèse de Duhem-Quine :
Une hypothèse scientifique n’est pas confrontée isolément à l’expérience ; c’est un ensemble de propositions qui produit la prédiction testée.
Cette situation n’empêche pas la science de progresser. Elle oblige à examiner la manière dont les chercheurs réagissent aux anomalies. Certaines corrections sont légitimes et améliorent réellement la théorie. D’autres servent seulement à la protéger contre toute possibilité d’échec. La question centrale devient alors :
Quand modifier une hypothèse auxiliaire constitue-t-il une amélioration rationnelle, et quand s’agit-il d’un ajustement ad hoc destiné uniquement à sauver la théorie ?
Théorie centrale et hypothèses auxiliaires
Une théorie centrale formule une proposition générale sur un phénomène. Par exemple :
Une substance possède telle propriété dans telles conditions.
Pour produire une prédiction expérimentale, il faut ajouter plusieurs éléments :
- une description des conditions initiales ;
- un modèle de l’instrument ;
- une définition de la variable mesurée ;
- des hypothèses statistiques ;
- une estimation des perturbations.
La prédiction observable ne découle donc pas de la théorie seule. Elle découle plutôt d’un ensemble :
Théorie centrale + hypothèses auxiliaires + conditions initiales + règles de mesure → prédiction observable.
Si la prédiction échoue, nous savons qu’au moins un élément de l’ensemble pose problème.
Nous ne savons pas encore lequel.
Un exemple simple : le thermomètre
Supposons qu’une théorie prévoie qu’une réaction chimique augmente la température d’un liquide. L’expérience ne détecte aucune augmentation. Plusieurs explications sont possibles :
- la théorie est fausse ;
- la réaction n’a pas eu lieu ;
- la quantité de substance était insuffisante ;
- le thermomètre était défectueux ;
- la chaleur s’est dissipée trop rapidement ;
- le protocole n’a pas reproduit les conditions prévues.
Il serait irrationnel de rejeter immédiatement la théorie sans vérifier l’instrument et le protocole. Mais il serait également irrationnel d’inventer après chaque échec une nouvelle perturbation invisible afin de conserver indéfiniment la théorie.
La difficulté consiste à répartir correctement le doute entre les différents éléments.
L’expérience ne parle pas sans interprétation
Un résultat expérimental ne contient pas lui-même la phrase :
« Cette théorie est fausse. »
Il fournit une observation qui doit être interprétée. Cette interprétation dépend :
- du protocole ;
- du modèle de mesure ;
- des connaissances antérieures ;
- des hypothèses concurrentes.
Reconnaître cette dépendance ne conduit pas à dire que l’expérience serait inutile.
Les données contraignent fortement les explications possibles. Mais la contrainte est exercée sur un réseau d’hypothèses plutôt que sur une proposition isolée.
Pierre Duhem et les tests en physique
Pierre Duhem a particulièrement développé cette idée à propos de la physique.
Une expérience physique mobilise simultanément :
- plusieurs lois ;
- des modèles mathématiques ;
- des théories sur les instruments ;
- des approximations ;
- des conditions initiales.
Lorsqu’une prédiction échoue, le physicien ne sait pas immédiatement quelle partie de cet ensemble doit être modifiée. Duhem ne soutenait pas que toutes les réactions étaient également raisonnables. Il insistait sur le rôle du jugement scientifique, de la cohérence générale et de ce qu’il appelait le bon sens. La décision ne peut pas toujours être déduite mécaniquement d’une règle logique unique.
Quine et le réseau des croyances
Willard Van Orman Quine a étendu cette idée. Nos croyances formeraient un réseau confronté globalement à l’expérience. Certaines propositions sont proches de l’observation. D’autres occupent une position plus centrale :
- lois logiques ;
- principes mathématiques ;
- théories fondamentales.
En cas de conflit, plusieurs révisions sont théoriquement possibles.
Nous pouvons modifier :
- une hypothèse locale ;
- une définition ;
- une règle méthodologique ;
- une théorie plus centrale.
Mais toutes les révisions n’ont pas le même coût. Nous conservons généralement les parties les mieux établies du réseau et modifions les éléments les plus fragiles. La rationalité scientifique dépend ainsi d’un équilibre entre :
- résistance au changement ;
- sensibilité aux anomalies ;
- cohérence ;
- fécondité.
Pourquoi les hypothèses auxiliaires sont indispensables
Les hypothèses auxiliaires sont parfois présentées comme des excuses utilisées pour protéger une théorie. Cette présentation est injuste. Aucune science empirique ne pourrait fonctionner sans elles. Il faut supposer, par exemple, que :
- un instrument mesure bien la propriété annoncée ;
- les participants ont compris les consignes ;
- les données correspondent aux unités expérimentales ;
- le modèle statistique est approprié ;
- l’environnement ne contient pas une perturbation importante.
Ces suppositions peuvent être testées séparément. Elles appartiennent pleinement à l’architecture scientifique. Le problème ne vient donc pas de l’existence d’hypothèses auxiliaires. Il vient de la manière dont elles sont introduites, justifiées et révisées.
Une hypothèse auxiliaire peut être mieux établie que la théorie principale
Toutes les composantes d’un test ne possèdent pas le même degré de crédibilité. Supposons qu’une nouvelle théorie entre en conflit avec un instrument dont le fonctionnement a été vérifié des milliers de fois. Il peut être rationnel de suspecter d’abord la nouvelle théorie. Inversement, si un dispositif expérimental nouveau produit un résultat surprenant contre une théorie très robuste, il peut être rationnel de vérifier d’abord l’instrument. Cette réaction n’est pas un refus dogmatique de la réfutation. Elle consiste à répartir la confiance selon l’ensemble des preuves disponibles.
La théorie la mieux établie ne doit pas être abandonnée au premier résultat isolé. Mais sa crédibilité doit diminuer si les anomalies deviennent :
- répétées ;
- indépendantes ;
- précises ;
- difficiles à expliquer autrement.
Une anomalie n’est pas encore une réfutation
Une anomalie est un résultat qui ne correspond pas aux attentes du modèle ou de la théorie. Elle peut provenir d’une erreur, d’une condition non prévue, d’une limite du modèle, d’un nouveau phénomène ou d’une théorie incorrecte. Une anomalie isolée possède donc plusieurs interprétations. L’histoire des sciences contient de nombreux résultats surprenants ayant disparu après :
- recalibration ;
- correction du code ;
- amélioration du protocole ;
- nouvelle collecte.
Elle contient aussi des anomalies persistantes ayant conduit à de profondes transformations théoriques.
La valeur d’une anomalie dépend de sa robustesse et de sa capacité à s’intégrer dans une explication concurrente.
L’anomalie reproductible
Une anomalie devient plus importante lorsqu’elle peut être reproduite :
- par la même équipe ;
- par d’autres équipes ;
- avec d’autres instruments ;
- dans plusieurs conditions.
La répétition réduit la probabilité d’une erreur locale. Mais elle ne suffit pas toujours à identifier la cause.
Plusieurs équipes peuvent partager :
- le même modèle de mesure ;
- la même base de données ;
- la même hypothèse implicite ;
- le même biais expérimental.
La reproduction indépendante augmente néanmoins la pression exercée sur la théorie.
L’anomalie précise
Toutes les divergences n’ont pas le même poids. Un petit écart dans un système très bruité peut être peu informatif. Une prédiction très précise échouant de manière nette constitue une difficulté plus importante. L’anomalie gagne également en force lorsqu’elle correspond exactement à la prédiction d’une théorie concurrente. Dans ce cas, elle ne montre pas seulement que le premier modèle rencontre un problème. Elle fournit une direction alternative.
Réviser une hypothèse auxiliaire
Modifier une hypothèse auxiliaire peut être parfaitement rationnel. Supposons qu’une expérience échoue parce qu’une variable environnementale non contrôlée influence le résultat.
Ajouter cette variable améliore la théorie si elle :
- possède une justification indépendante ;
- explique plusieurs résultats ;
- peut être mesurée ;
- produit de nouvelles prédictions ;
- s’applique à d’autres situations.
La modification ne constitue pas seulement une excuse rétrospective. Elle enrichit le modèle.
L’ajustement ad hoc
Un ajustement est qualifié d’ad hoc lorsqu’il semble conçu principalement pour protéger une théorie contre un résultat défavorable. Il peut prendre la forme suivante :
« La théorie aurait produit la prédiction attendue, mais une force invisible et impossible à mesurer a empêché le résultat. »
Un ajustement ad hoc possède souvent plusieurs caractéristiques :
- il est introduit seulement après l’échec ;
- il ne repose sur aucune preuve indépendante ;
- il ne produit pas de nouvelle prédiction testable ;
- il explique uniquement le résultat gênant ;
- il peut être modifié chaque fois qu’une nouvelle difficulté apparaît.
La théorie devient alors compatible avec presque tout. Elle perd progressivement sa capacité à être mise à l’épreuve.
« Après coup » ne signifie pas automatiquement « ad hoc »
Une hypothèse formulée après l’observation n’est pas nécessairement illégitime. De nombreuses découvertes commencent par une anomalie inattendue. Les chercheurs proposent ensuite une nouvelle variable ou un nouveau mécanisme. Cette proposition est exploratoire. Elle devient scientifiquement intéressante si elle peut être testée sur de nouvelles données. Le problème ne vient donc pas du moment de la découverte.
Il vient de l’absence de risque ultérieur. Une hypothèse apparue après coup peut être excellente si elle conduit à des prédictions nouvelles et réussies.
L’indépendance de la justification
Une correction est plus crédible lorsqu’elle possède une justification indépendante de l’anomalie qu’elle cherche à expliquer. Supposons qu’un chercheur invoque une perturbation magnétique pour expliquer un résultat inattendu. Cette hypothèse gagne en crédibilité si :
- la perturbation a été mesurée ;
- elle est connue par ailleurs ;
- elle produit le type d’effet attendu ;
- son retrait fait disparaître l’anomalie.
Elle reste faible si elle est seulement supposée parce qu’il faut sauver la théorie.
L’indépendance n’a pas besoin d’être parfaite. Mais la modification doit recevoir un soutien au-delà de sa seule fonction protectrice.
Les prédictions nouvelles
Une modification théorique devient particulièrement intéressante lorsqu’elle produit une prédiction qui n’avait pas servi à la construire. Supposons qu’un nouvel élément soit ajouté pour expliquer une anomalie.
Le modèle prédit alors :
- un autre phénomène ;
- une valeur précise ;
- un effet dans un nouveau contexte.
Si cette prédiction réussit, l’ajustement cesse d’apparaître comme une simple protection. Il contribue à une extension féconde de la théorie. Les prédictions nouvelles constituent donc un critère important pour distinguer :
- réparation scientifique ;
- sauvetage artificiel.
La puissance explicative supplémentaire
Une modification est plus légitime si elle explique plusieurs problèmes à la fois.
Une hypothèse introduite pour rendre compte d’une anomalie peut également expliquer :
- une autre observation indépendante ;
- une régularité jusque-là mystérieuse ;
- une différence entre plusieurs populations ;
- une limite connue du modèle.
Elle unifie alors des phénomènes auparavant séparés. À l’inverse, une hypothèse conçue uniquement pour un cas particulier augmente la complexité sans accroître beaucoup la compréhension.
Les hypothèses auxiliaires testables séparément
Certaines hypothèses auxiliaires peuvent faire l’objet de tests spécifiques.
Nous pouvons vérifier :
- la calibration d’un instrument ;
- le fonctionnement d’une manipulation ;
- la représentativité d’un échantillon ;
- l’existence d’une variable perturbatrice.
Cette testabilité séparée permet de localiser plus précisément l’échec. Plus les auxiliaires sont contrôlables indépendamment, plus le test de la théorie centrale devient sévère. Une théorie protégée par des auxiliaires impossibles à examiner reste beaucoup plus difficile à évaluer.
Les contrôles expérimentaux
Les groupes et procédures de contrôle servent précisément à tester certaines hypothèses auxiliaires.
Un contrôle peut vérifier que :
- le dispositif fonctionne ;
- le traitement atteint bien sa cible ;
- le résultat ne vient pas d’un facteur secondaire ;
- l’effet n’est pas produit par l’observation elle-même.
Un résultat principal négatif accompagné de contrôles réussis exerce une pression plus forte sur la théorie.
Si les contrôles échouent également, l’étude peut devenir non concluante.
Le test de manipulation
Dans une expérience, un test de manipulation vérifie que l’intervention a effectivement modifié la variable supposée. Supposons que les chercheurs cherchent à étudier l’effet du stress, mais que leur manipulation ne produit aucune différence mesurable de stress. L’absence d’effet final ne permet pas de conclure que le stress n’a aucune influence.
La manipulation a peut-être simplement échoué. Mais cette réponse ne doit pas être utilisée automatiquement.
Le test de manipulation doit être :
- pertinent ;
- suffisamment sensible ;
- défini à l’avance autant que possible.
Les hypothèses de mesure
Une théorie peut sembler échouer parce que l’indicateur représente mal le phénomène. Par exemple, un modèle peut prédire une amélioration du bien-être, tandis que l’étude utilise uniquement un score très limité.
Il faut alors distinguer :
- échec de la théorie ;
- échec de l’opérationnalisation.
Mais invoquer systématiquement une « mauvaise mesure » après chaque résultat négatif peut devenir ad hoc.
Il faut montrer indépendamment pourquoi la mesure est inadéquate et proposer une meilleure opérationnalisation avant le prochain test.
Les hypothèses statistiques
L’analyse statistique contient aussi des hypothèses auxiliaires :
- indépendance des observations ;
- forme de la distribution ;
- stabilité de la variance ;
- modèle correctement spécifié.
Une conclusion peut changer si ces hypothèses ne sont pas respectées. Il est légitime d’utiliser une autre méthode lorsqu’un diagnostic montre que le premier modèle était inadéquat. Il est beaucoup plus douteux d’essayer successivement plusieurs analyses et de retenir seulement celle qui sauve l’hypothèse.
La transparence sur les analyses essayées est donc essentielle.
Les exclusions
Exclure certains cas peut être justifié :
- erreur manifeste ;
- non-respect du protocole ;
- mesure impossible ;
- appartenance à une population non visée.
Mais les exclusions deviennent suspectes lorsqu’elles sont décidées après avoir observé leur influence sur le résultat. Une théorie peut être artificiellement protégée en redéfinissant progressivement les cas pertinents. Les critères doivent être :
- justifiés ;
- stables ;
- signalés ;
- accompagnés d’analyses de sensibilité.
Redéfinir le domaine d’application
Une théorie universelle peut échouer dans certaines conditions.
Les chercheurs peuvent alors restreindre son domaine :
« La théorie fonctionne uniquement lorsque telles conditions sont réunies. »
Cette restriction peut être légitime. De nombreuses lois scientifiques sont locales. Mais elle devient problématique si le domaine est réduit après chaque échec jusqu’à ne contenir que les cas favorables. Une restriction crédible doit être fondée sur un mécanisme et produire des prédictions claires sur :
- les cas où la théorie fonctionne ;
- ceux où elle doit échouer.
L’exception qui confirme la règle ?
L’expression est souvent mal utilisée.
Une exception ne confirme pas automatiquement une règle. Elle peut :
- la réfuter ;
- limiter son domaine ;
- révéler une mauvaise classification ;
- montrer qu’une condition importante manque.
Une exception devient informative lorsqu’elle aide à reformuler la règle de manière plus précise.
Dire simplement que toute exception confirme la théorie revient à rendre celle-ci invulnérable.
Les clauses de protection
Une théorie peut contenir des clauses permettant d’expliquer tout résultat. Par exemple :
- si l’effet apparaît, la théorie est confirmée ;
- s’il n’apparaît pas, les sujets ont résisté inconsciemment ;
- si l’effet inverse apparaît, cette inversion constitue une défense du même mécanisme.
Une théorie de ce type ne prend presque aucun risque. Elle transforme chaque observation possible en soutien.
Ce n’est pas la complexité qui pose problème, mais l’absence de résultat susceptible de la fragiliser.
La souplesse interprétative
Certaines théories utilisent des concepts si souples qu’ils peuvent être appliqués après coup à toute situation.
La même action peut être interprétée comme :
- signe d’adhésion ;
- signe de résistance ;
- signe de dissimulation.
Une telle souplesse augmente la capacité narrative, mais réduit la capacité de test.
Pour rester scientifique, une théorie doit préciser :
- les conditions ;
- les indicateurs ;
- les prédictions différentielles ;
- les résultats inattendus.
L’explication qui s’adapte à tout
Une explication peut sembler puissante parce qu’elle s’applique à de nombreux cas. Mais il faut distinguer :
- généralité ;
- indétermination.
Une théorie générale produit des conséquences précises dans de nombreuses situations. Une théorie indéterminée peut raconter une histoire compatible avec chaque situation après qu’elle s’est produite. La première prend des risques. La seconde conserve sa crédibilité en se reconfigurant continuellement.
Popper et les stratagèmes conventionnalistes
Karl Popper reconnaissait qu’une théorie pouvait être protégée par des décisions auxiliaires. Il parlait notamment de stratagèmes conventionnalistes lorsque les chercheurs neutralisent les réfutations par des ajustements qui rendent la théorie moins testable. Popper ne soutenait pas que toute modification soit illégitime. Il proposait de préférer les modifications qui augmentent le contenu empirique de la théorie. Une bonne correction doit permettre de nouveaux tests risqués. Une mauvaise correction réduit les possibilités de réfutation.
Lakatos et les programmes de recherche
Imre Lakatos a proposé une conception plus historique. Les scientifiques ne travaillent pas avec des théories isolées, mais avec des programmes de recherche. Un programme possède :
- un noyau central relativement protégé ;
- une ceinture d’hypothèses auxiliaires ;
- des règles guidant les modifications.
Il n’est pas irrationnel de protéger provisoirement le noyau contre certaines anomalies.
La question est de savoir si les modifications de la ceinture rendent le programme :
- progressif ;
- dégénératif.
Programme progressif
Un programme est progressif lorsque ses modifications :
- augmentent son contenu empirique ;
- produisent des prédictions nouvelles ;
- expliquent de nouveaux phénomènes ;
- reçoivent des confirmations indépendantes.
Les ajustements ne servent pas seulement à absorber les échecs passés. Ils permettent de découvrir davantage.
Un programme progressif peut tolérer certaines anomalies non résolues parce qu’il continue à produire des résultats féconds.
Programme dégénératif
Un programme devient dégénératif lorsque ses modifications sont principalement réactives. Les chercheurs ajoutent des hypothèses pour expliquer après coup les difficultés, sans produire de succès indépendant. Le programme :
- accumule les exceptions ;
- restreint son domaine ;
- reformule les prédictions après les résultats ;
- perd progressivement sa fécondité.
Un programme dégénératif n’est pas automatiquement abandonné. Il peut se rétablir. Mais sa crédibilité diminue si une alternative plus progressive existe.
Le rôle des théories concurrentes
Il est plus facile d’abandonner une théorie lorsqu’une meilleure alternative est disponible. Une théorie peut présenter des anomalies tout en rester la meilleure explication existante. La remplacer par l’absence totale de modèle ne constitue pas toujours un progrès. La comparaison doit donc porter sur :
- problèmes résolus ;
- anomalies ;
- simplicité ;
- nouvelles prédictions ;
- cohérence ;
- fécondité.
Une anomalie n’est pas seulement évaluée contre une théorie. Elle est évaluée dans une compétition entre programmes explicatifs.
Une théorie imparfaite peut rester rationnellement préférable
Toutes les théories scientifiques sont limitées.
Une théorie peut :
- fonctionner dans un large domaine ;
- produire des prédictions précises ;
- soutenir des applications ;
- rencontrer quelques anomalies.
Il serait excessif de l’abandonner immédiatement. Une théorie concurrente peut expliquer l’anomalie tout en échouer sur la majorité des autres phénomènes. La rationalité demande une évaluation globale. Mais cette évaluation ne doit pas devenir un prétexte pour ignorer indéfiniment les difficultés.
La protection provisoire
Protéger provisoirement une théorie peut être rationnel lorsqu’un résultat est :
- isolé ;
- techniquement fragile ;
- incompatible avec de nombreuses preuves indépendantes ;
- difficile à reproduire.
Cette protection doit rester provisoire et accompagnée d’un programme de vérification. Elle devient dogmatique lorsque les chercheurs refusent :
- de reproduire ;
- de comparer ;
- de préciser ;
- de reconnaître une baisse de confiance.
Le doute sur l’anomalie ne doit pas empêcher son examen.
Le coût de la révision
Modifier une théorie centrale possède un coût important. Elle peut être reliée à :
- de nombreux résultats ;
- des instruments ;
- des applications ;
- d’autres théories.
Une révision locale est souvent plus économique. Cette préférence est rationnelle tant que la modification locale reste plausible et féconde. Mais l’économie ne doit pas devenir une règle absolue.
Une accumulation de corrections locales peut finir par rendre l’ensemble plus complexe et moins cohérent qu’une nouvelle théorie.
La simplicité globale
Un ajustement supplémentaire augmente souvent la complexité locale. Il peut néanmoins simplifier l’ensemble s’il unifie plusieurs phénomènes. Inversement, une théorie contenant de nombreuses petites exceptions peut être plus complexe qu’une alternative apparemment plus radicale. Il faut donc évaluer la simplicité à l’échelle globale :
- nombre d’hypothèses ;
- indépendance des ajustements ;
- pouvoir explicatif ;
- cohérence entre domaines.
Le nombre brut de paramètres ne suffit pas toujours.
L’inflation des entités invisibles
Certaines théories se protègent en ajoutant des mécanismes invisibles chaque fois qu’un problème apparaît. Une entité non observable n’est pas automatiquement suspecte. De nombreuses entités scientifiques ont d’abord été inférées indirectement. La question est de savoir si l’entité :
- explique plusieurs phénomènes ;
- produit des effets détectables ;
- peut être intégrée à d’autres connaissances ;
- permet de nouvelles prédictions.
Une entité invisible uniquement invoquée pour neutraliser un échec possède une faible valeur explicative.
L’histoire des découvertes indirectes
Certaines entités ont été proposées pour résoudre une anomalie, puis confirmées par de nouvelles observations. Cette histoire montre qu’une hypothèse introduite pour sauver une théorie n’est pas nécessairement ad hoc au sens péjoratif. Elle cesse de l’être lorsqu’elle devient indépendamment testable et féconde.
L’origine protectrice d’une hypothèse importe moins que sa trajectoire ultérieure.
Une conjecture peut commencer comme une tentative de réparation et devenir une découverte majeure.
Les ajustements paramétriques
Un modèle peut échouer parce qu’un paramètre est mal estimé.
Modifier sa valeur est légitime si :
- l’incertitude initiale le permet ;
- de nouvelles données justifient la révision ;
- le paramètre est estimé indépendamment.
Il devient suspect d’ajuster librement les paramètres jusqu’à reproduire chaque résultat. Un modèle très flexible peut toujours être calibré après coup. La validation doit donc porter sur de nouvelles données.
Les paramètres cachés
Un modèle peut contenir des paramètres difficiles à mesurer directement. Plus leur nombre augmente, plus il devient possible d’absorber les anomalies. La théorie peut conserver un bon ajustement sans produire de prédictions précises. Il faut examiner :
- l’identifiabilité ;
- les contraintes indépendantes ;
- la stabilité des estimations ;
- la réussite hors échantillon.
Un paramètre libre n’est pas une explication en lui-même.
Ajustement et surajustement théorique
Le surajustement ne concerne pas seulement les modèles statistiques. Une théorie peut être enrichie de nombreuses exceptions jusqu’à correspondre parfaitement aux observations passées. Elle devient alors très mauvaise pour anticiper de nouveaux cas. Un bon programme de recherche cherche un équilibre entre :
- fidélité aux données ;
- simplicité ;
- généralisation ;
- risque prédictif.
Expliquer chaque détail passé n’est pas nécessairement comprendre.
Les prédictions vagues
Une théorie peut éviter les réfutations en formulant des prédictions imprécises :
« Un changement important devrait apparaître. »
Presque tout résultat peut ensuite être présenté comme compatible.
Une prédiction forte précise :
- la variable ;
- la direction ;
- les conditions ;
- l’ampleur pertinente ;
- le moment.
Plus la prédiction est précise, plus l’échec devient informatif.
La précision doit cependant rester proportionnée à la maturité de la théorie.
Les prédictions probabilistes
Une théorie probabiliste ne prévoit pas un événement certain. Elle attribue des probabilités à plusieurs résultats. Un cas contraire ne la réfute donc pas immédiatement. Si un modèle attribue 10 % de probabilité à un événement, cet événement peut se produire sans contradiction logique. L’évaluation demande une série de prédictions. Un modèle devient problématique si les événements qu’il juge improbables surviennent systématiquement.
Il faut examiner :
- calibration ;
- fréquence ;
- comparaison avec d’autres modèles.
Le déplacement des critères de réussite
Une théorie peut être artificiellement protégée lorsque les critères de succès changent après le résultat. Avant l’étude, les chercheurs annoncent qu’un effet sur A confirmera l’hypothèse. Après l’échec sur A, ils mettent en avant un effet secondaire sur B. Le résultat sur B peut être intéressant. Mais il ne doit pas être présenté comme la réussite du test initial. Il constitue une nouvelle hypothèse à confirmer.
La prophétie rétrospective
Une explication peut donner l’impression d’avoir prévu exactement un résultat alors qu’elle a été reconstruite après coup.
Le récit final efface :
- les hypothèses abandonnées ;
- les analyses négatives ;
- les hésitations ;
- les choix alternatifs.
Le préenregistrement et l’archivage des versions réduisent cette illusion. Ils permettent de distinguer :
- ce qui était réellement prédit ;
- ce qui a été découvert ;
- ce qui a été reformulé.
La flexibilité narrative
Dans les disciplines où les données sont complexes, plusieurs récits peuvent être construits. Cette pluralité n’est pas nécessairement fautive. Mais elle demande :
- comparaison des interprétations ;
- recherche de traces discriminantes ;
- explicitation des choix ;
- confrontation à des cas contraires.
Une théorie qui absorbe chaque événement dans un récit différent sans jamais perdre de crédibilité devient difficilement testable.
Les explications psychologiques universelles
Les explications psychologiques sont particulièrement exposées à cette flexibilité.
Un comportement peut être attribué :
- à un désir ;
- à une peur ;
- à une rationalisation ;
- à une résistance ;
- à une norme.
Ces mécanismes existent. Mais une explication psychologique devient fragile lorsqu’elle ne précise pas :
- comment le mécanisme est identifié ;
- quelles observations le distingueraient ;
- quels résultats le fragiliseraient.
La profondeur apparente d’un récit ne garantit pas sa valeur probante.
Les théories conspirationnistes
Les raisonnements conspirationnistes illustrent souvent une protection extrême contre la réfutation.
Toute preuve contraire peut être interprétée comme :
- dissimulation ;
- manipulation ;
- fabrication ;
- preuve de la puissance du complot.
L’absence de preuve devient elle-même une preuve. Ce fonctionnement rend la théorie compatible avec tous les résultats possibles. Une véritable conspiration peut évidemment chercher à cacher ses traces. Mais une hypothèse sérieuse doit distinguer :
- ce qui est attendu ;
- ce qui est possible ;
- ce qui la rendrait moins probable.
Sans cette distinction, aucune donnée ne peut réellement modifier la croyance.
Le déni organisé
Certaines stratégies de communication ne cherchent pas à construire une théorie cohérente, mais à multiplier les explications auxiliaires afin d’empêcher une conclusion.
Chaque étude reçoit une objection différente :
- échantillon ;
- mesure ;
- financement ;
- incertitude ;
- exception.
Prises séparément, certaines critiques peuvent être légitimes. Le problème apparaît lorsque le niveau d’exigence change constamment et qu’aucune accumulation de preuves ne peut suffire. Le scepticisme devient alors une stratégie de protection plutôt qu’une méthode de contrôle.
Les pseudosciences
Une pseudoscience peut imiter le langage des hypothèses auxiliaires. Elle explique les échecs par :
- manque d’ouverture du sujet ;
- perturbation invisible ;
- hostilité des scientifiques ;
- conditions impossibles à reproduire ;
- effet trop subtil pour être mesuré.
Certaines de ces explications pourraient être vraies dans un cas particulier. Le problème vient de leur usage systématique et non testable. Une discipline scientifique doit organiser des conditions dans lesquelles ses explications peuvent réellement échouer.
Les sciences établies utilisent aussi des ajustements
Il serait erroné d’opposer simplement :
- pseudosciences qui ajustent ;
- sciences qui n’ajustent jamais.
Toutes les sciences révisent leurs hypothèses auxiliaires.
La différence se trouve davantage dans les institutions et les pratiques :
- publication des échecs ;
- réplication ;
- précision des prédictions ;
- comparaison des modèles ;
- contrôle indépendant ;
- révision réelle de la confiance.
Une science peut mal fonctionner sur ces dimensions. Aucune discipline n’est immunisée contre la protection ad hoc.
Les incitations institutionnelles
Un chercheur peut être attaché à une théorie parce qu’elle soutient :
- sa carrière ;
- son laboratoire ;
- ses financements ;
- son identité professionnelle.
Cet attachement peut favoriser des ajustements protecteurs. Mais le conflit d’intérêts ne prouve pas que la théorie soit fausse. Il justifie davantage de contrôle indépendant. Une communauté scientifique bien organisée doit permettre :
- la critique ;
- la réplication ;
- l’accès aux données ;
- la valorisation des résultats négatifs.
La réactance théorique
Une critique frontale peut renforcer l’attachement à une théorie. Les chercheurs peuvent percevoir l’anomalie comme une menace contre leur compétence ou leur groupe. Ce phénomène humain ne disparaît pas dans la science. Les procédures collectives servent précisément à limiter cette dépendance individuelle :
- évaluation externe ;
- équipes concurrentes ;
- préenregistrement ;
- données ouvertes ;
- synthèses.
L’objectivité scientifique dépend moins de l’absence de biais chez chaque chercheur que de la possibilité de correction mutuelle.
Le conservatisme scientifique
Un certain conservatisme est utile.
Une théorie robuste ne doit pas être abandonnée au premier résultat étrange. Mais le conservatisme devient dogmatique lorsque :
- les anomalies sont nombreuses ;
- les tests sont sévères ;
- les ajustements se multiplient ;
- une alternative prédit mieux ;
- aucun résultat ne réduit la confiance.
Une communauté rationnelle doit pouvoir conserver provisoirement une théorie tout en reconnaître explicitement que sa crédibilité diminue.
Le révolutionnarisme excessif
L’erreur inverse consiste à annoncer une révolution à chaque anomalie. Un résultat isolé peut venir du hasard, d’une erreur, d’un biais ou d’une mauvaise analyse. Remplacer immédiatement une théorie bien établie par une conjecture nouvelle produit une instabilité permanente. La science progresse par un équilibre entre :
- prudence ;
- ouverture ;
- contrôle ;
- comparaison.
Quand faut-il abandonner une théorie ?
Il n’existe pas de seuil mécanique universel.
Plusieurs indices peuvent néanmoins s’accumuler :
- anomalies répétées et indépendantes ;
- prédictions centrales échouant régulièrement ;
- ajustements de plus en plus nombreux ;
- réduction progressive du domaine ;
- absence de prédictions nouvelles réussies ;
- alternative plus simple et plus féconde ;
- perte de cohérence avec d’autres connaissances.
L’abandon est souvent progressif.
Une théorie peut rester utile comme approximation locale après avoir perdu son statut fondamental.
Une théorie peut survivre comme modèle limité
La physique classique n’a pas disparu avec les théories plus récentes. Elle reste efficace dans un domaine déterminé. Une théorie remplacée peut conserver une valeur pratique, une approximation, une fonction pédagogique et un pouvoir descriptif local. La révision scientifique ne consiste donc pas toujours à passer de « totalement vrai » à « totalement faux ». Elle peut préciser :
- le domaine ;
- l’échelle ;
- les conditions.
La révision bayésienne
La réaction à une anomalie peut être pensée en termes de révision graduelle.
Un résultat défavorable réduit la crédibilité d’une théorie selon :
- la fiabilité de la donnée ;
- la probabilité du résultat sous la théorie ;
- la plausibilité des hypothèses auxiliaires ;
- les alternatives disponibles.
Une seule anomalie faible produit une petite mise à jour.
Une série de résultats très improbables sous la théorie produit une baisse plus importante. Cette approche évite deux extrêmes :
- rejet immédiat ;
- protection totale.
Répartir le doute
Lorsqu’un test échoue, il faut répartir le doute entre :
- théorie principale ;
- auxiliaires ;
- instrument ;
- données ;
- analyse.
Cette répartition doit être guidée par :
- les preuves indépendantes ;
- la fiabilité passée ;
- la simplicité ;
- la testabilité ;
- les conséquences nouvelles.
Elle ne doit pas dépendre uniquement de la préférence personnelle du chercheur.
La bonne question n’est pas :
« Quel élément puis-je modifier pour conserver ma croyance ? »
mais :
« Quelle révision améliore le mieux l’ensemble de nos explications et de nos prédictions ? »
Une correction légitime
Une correction possède généralement plusieurs qualités :
- elle répond à une difficulté réelle ;
- elle repose sur un mécanisme plausible ;
- elle reçoit un soutien indépendant ;
- elle produit des conséquences nouvelles ;
- elle améliore plusieurs résultats ;
- elle peut elle-même être testée ;
- elle n’est pas modifiée librement après chaque échec.
Aucune condition n’est absolument nécessaire dans tous les cas. Mais leur accumulation renforce la légitimité.
Une protection artificielle
À l’inverse, une protection devient suspecte lorsqu’elle :
- apparaît uniquement après l’échec ;
- ne possède aucune preuve indépendante ;
- ne peut pas être testée ;
- explique un seul cas ;
- change à chaque nouvelle anomalie ;
- réduit le domaine de la théorie sans mécanisme ;
- transforme tout résultat en confirmation ;
- n’entraîne jamais de diminution de confiance.
L’indice le plus important est souvent l’absence de risque.
Une théorie qui ne peut perdre ne peut pas vraiment gagner.
L’importance de prévoir les réparations possibles
Un protocole peut annoncer à l’avance comment certains échecs seront interprétés. Par exemple :
- si le contrôle échoue, l’étude sera considérée comme non concluante ;
- si la mesure dépasse un seuil d’erreur, les données seront exclues ;
- si telle condition apparaît, une analyse secondaire sera utilisée.
Cette anticipation réduit la possibilité de choisir après coup la réparation la plus favorable.
Toutes les difficultés ne peuvent pas être prévues. Mais les plus importantes peuvent souvent être encadrées.
Les analyses avec et sans ajustement
Lorsqu’une modification est nécessaire, il est souvent utile de présenter :
- l’analyse initiale ;
- l’analyse corrigée ;
- la justification ;
- l’effet de la correction.
Cette transparence permet de voir si la conclusion dépend entièrement de l’ajustement. Une correction robuste améliore la qualité sans transformer arbitrairement le résultat. Une correction fragile peut révéler une dépendance excessive à un choix méthodologique.
Les tests de sensibilité
Une théorie peut être évaluée sous plusieurs hypothèses auxiliaires raisonnables. Si la conclusion reste la même, elle gagne en robustesse. Si elle change complètement selon de petites variations, elle demeure fragile. Les analyses de sensibilité rendent visible l’espace des corrections possibles. Elles évitent de présenter un seul ensemble d’auxiliaires comme évident lorsque plusieurs choix sont légitimes.
Les réplications conceptuelles
Une réplication conceptuelle teste la même idée avec :
- une autre mesure ;
- une autre procédure ;
- un autre échantillon ;
- un autre instrument.
Elle réduit la dépendance à certaines hypothèses auxiliaires. Si plusieurs méthodes convergent, une erreur spécifique devient moins plausible. Mais une réplication conceptuelle trop différente peut également tester une autre hypothèse. Il faut préciser ce qui est conservé et ce qui change.
Les prédictions croisées
Une théorie devient plus forte lorsqu’elle relie plusieurs domaines. Une modification introduite dans un domaine peut produire une conséquence dans un autre. Cette prédiction croisée est difficile à expliquer par un ajustement purement local. Elle montre que l’auxiliaire possède une structure plus générale. Les théories fécondes ne se contentent pas d’absorber les anomalies. Elles organisent de nouvelles recherches.
Le rôle de l’élégance
Les scientifiques accordent parfois de la valeur à l’élégance :
- simplicité ;
- unité ;
- absence d’exceptions arbitraires.
Cette préférence n’est pas une preuve définitive. Le monde peut être complexe. Mais une théorie élégante possède souvent moins de degrés de liberté pour s’adapter après coup. Elle prend davantage de risques. L’élégance devient un indice lorsqu’elle s’accompagne de succès empiriques.
Le danger de l’élégance excessive
Une théorie ne doit pas être conservée uniquement parce qu’elle est belle. Une explication simple et élégante peut être fausse. Les données peuvent exiger :
- hétérogénéité ;
- interactions ;
- exceptions réelles ;
- mécanismes multiples.
L’objectif n’est pas de supprimer toute complication. Il est de distinguer la complexité du monde de la complexité ajoutée uniquement pour sauver une croyance.
La psychologie de la protection théorique
Les ajustements ad hoc ne résultent pas toujours d’une malhonnêteté consciente.
Un chercheur peut sincèrement :
- remarquer davantage les défauts d’une étude négative ;
- trouver plausibles les auxiliaires favorables ;
- demander plus de preuves aux résultats contraires ;
- reformuler progressivement sa théorie.
Le raisonnement motivé agit souvent sans intention de tromper.
La solution ne repose donc pas seulement sur la vertu individuelle. Elle repose aussi sur des procédures rendant les ajustements visibles et critiquables.
Le rôle de l’adversité intellectuelle
Une théorie gagne en crédibilité lorsqu’elle a résisté à des chercheurs cherchant réellement à la mettre en défaut. Un test réalisé uniquement par des partisans peut être rigoureux, mais la diversité des motivations améliore le contrôle. Une communauté scientifique productive organise une adversité méthodique :
- critiques ;
- équipes concurrentes ;
- réplications ;
- débats sur les modèles.
L’objectif n’est pas le conflit personnel. Il est de réduire la possibilité qu’une même préférence protège toutes les étapes de l’enquête.
Le principe de charité critique
Critiquer une théorie ne signifie pas choisir sa version la plus faible. Il faut examiner la meilleure formulation disponible. Mais la charité ne doit pas devenir une reconstruction permanente empêchant toute réfutation. Une critique équitable distingue :
- théorie originale ;
- versions révisées ;
- ajustements justifiés ;
- protections improvisées.
La théorie doit être évaluée dans sa forme réelle et actuelle, avec l’histoire de ses modifications.
L’importance de l’historique
Une seule version finale peut sembler cohérente. Mais son histoire peut révéler :
- prédictions abandonnées ;
- domaines progressivement restreints ;
- critères déplacés ;
- auxiliaires ajoutés.
Cet historique est important pour juger si le programme est progressif ou réactif.
La transparence scientifique doit donc conserver :
- protocoles ;
- versions ;
- dates ;
- justifications ;
- résultats négatifs.
Comment évaluer un ajustement ?
Une méthode pratique consiste à poser plusieurs questions.
Quelle anomalie cherche-t-il à expliquer ?
Le problème est-il réel, robuste et important ?
L’hypothèse possède-t-elle un soutien indépendant ?
Existe-t-il des raisons de la croire en dehors de l’échec ?
Produit-elle de nouvelles prédictions ?
Peut-elle être mise à l’épreuve ailleurs ?
Explique-t-elle plusieurs phénomènes ?
Ou seulement un cas isolé ?
Réduit-elle ou augmente-t-elle la testabilité ?
La théorie prend-elle davantage de risques après la modification ?
Améliore-t-elle la cohérence globale ?
Ou ajoute-t-elle seulement une exception ?
Existe-t-il une alternative plus simple ?
Le nouvel ensemble est-il préférable aux modèles concurrents ?
Questions pour examiner une théorie protégée
- Quelle était la prédiction initiale ?
- Quelles hypothèses auxiliaires étaient nécessaires ?
- Le résultat attendu a-t-il réellement échoué ?
- L’anomalie a-t-elle été reproduite ?
- Les instruments et contrôles ont-ils fonctionné ?
- Quelle partie de l’ensemble est la moins bien établie ?
- La modification avait-elle été envisagée avant le résultat ?
- Si elle est postérieure, peut-elle être testée indépendamment ?
- Repose-t-elle sur un mécanisme connu ?
- Possède-t-elle des preuves indépendantes ?
- Produit-elle une nouvelle prédiction précise ?
- Cette prédiction a-t-elle été confirmée ?
- Explique-t-elle d’autres phénomènes ?
- Restreint-elle le domaine de la théorie ?
- Cette restriction possède-t-elle une justification causale ?
- Les critères de réussite ont-ils changé ?
- Des analyses négatives ont-elles disparu ?
- Les cas contraires sont-ils systématiquement exclus ?
- La théorie peut-elle encore être fragilisée ?
- Quel résultat réduirait réellement sa crédibilité ?
- Les paramètres sont-ils ajustés librement ?
- Le modèle réussit-il sur de nouvelles données ?
- Les corrections augmentent-elles progressivement la complexité ?
- Une théorie concurrente explique-t-elle mieux l’ensemble ?
- Le programme produit-il de nouvelles découvertes ?
- Ou réagit-il uniquement aux échecs ?
- La communauté reconnaît-elle les anomalies ?
- Les données et modifications sont-elles accessibles ?
- La confiance accordée à la théorie diminue-t-elle lorsque les prédictions échouent ?
- La protection est-elle provisoire ou indéfinie ?
Erreurs fréquentes
Croire qu’une théorie est testée isolément
Toute prédiction dépend d’hypothèses auxiliaires.
Rejeter immédiatement une théorie après une anomalie
L’instrument, le protocole ou une hypothèse locale peuvent être en cause.
Protéger indéfiniment une théorie bien établie
Une forte crédibilité initiale n’accorde pas une immunité permanente.
Considérer toute modification comme ad hoc
Une correction peut être indépendamment justifiée et féconde.
Croire qu’une hypothèse formulée après coup est nécessairement mauvaise
Elle peut devenir scientifique si elle est ensuite testée sur de nouvelles données.
Confondre explication possible et explication probable
Inventer un scénario compatible ne suffit pas à le rendre crédible.
Introduire une entité invisible sans conséquence observable
L’inobservabilité directe n’est pas le problème ; l’absence de test l’est.
Modifier les critères de réussite après le résultat
Une découverte secondaire ne confirme pas automatiquement l’hypothèse initiale.
Restreindre continuellement le domaine de la théorie
Une théorie universelle peut devenir vide si seuls les cas favorables sont conservés.
Multiplier les paramètres libres
Un bon ajustement après coup peut masquer une absence de pouvoir prédictif.
Transformer toute objection en confirmation
Une théorie compatible avec tout résultat ne reçoit aucun soutien différentiel.
Compter la capacité narrative comme une capacité prédictive
Expliquer après coup est plus facile que prévoir.
Ignorer l’histoire des modifications
La version finale peut masquer une succession d’échecs et de protections.
Exiger d’une théorie qu’elle soit sans aucune anomalie
Les théories réelles possèdent des limites et des problèmes ouverts.
Abandonner une théorie sans alternative meilleure
Une théorie imparfaite peut rester la meilleure disponible.
Conserver une théorie dégénérative par fidélité identitaire
L’attachement personnel ne constitue pas une preuve.
À retenir
Une théorie scientifique n’est jamais testée seule.
Toute prédiction observable dépend d’hypothèses auxiliaires concernant les instruments, les conditions, les mesures et les analyses.
Lorsqu’une prédiction échoue, l’expérience indique qu’un élément de l’ensemble pose problème, sans identifier automatiquement lequel.
Les hypothèses auxiliaires sont indispensables à la science. Elles ne sont pas en elles-mêmes des excuses.
Une anomalie isolée ne constitue pas toujours une réfutation. Elle peut venir d’une erreur, d’une limite locale ou d’une perturbation.
Une anomalie gagne en importance lorsqu’elle est robuste, reproductible, précise et mieux expliquée par une théorie concurrente.
Modifier une hypothèse auxiliaire est légitime lorsque la modification possède une justification indépendante, peut être testée et produit de nouvelles conséquences.
Un ajustement devient ad hoc lorsqu’il sert principalement à protéger la théorie sans augmenter sa testabilité ni son pouvoir explicatif.
Une hypothèse formulée après coup peut être scientifiquement féconde si elle conduit ensuite à des prédictions nouvelles et réussies.
La distinction décisive n’oppose donc pas simplement les hypothèses antérieures et postérieures aux données.
Elle oppose les modifications qui prennent de nouveaux risques à celles qui neutralisent tout risque.
Une restriction du domaine d’application peut être légitime si elle repose sur un mécanisme et prédit clairement les conditions de réussite et d’échec.
Elle devient suspecte lorsque le domaine est réduit après chaque anomalie jusqu’à ne contenir que les cas favorables.
Selon Lakatos, un programme de recherche est progressif lorsqu’il produit des prédictions nouvelles et des découvertes.
Il devient dégénératif lorsque ses ajustements servent principalement à expliquer après coup les échecs.
Une théorie peut rationnellement être protégée provisoirement lorsqu’elle repose sur de nombreuses preuves et que l’anomalie est fragile.
Cette protection doit néanmoins conduire à de nouveaux tests et non à une immunité définitive.
Une théorie bien établie peut conserver une utilité locale même si sa prétention générale est abandonnée.
La révision scientifique est souvent graduelle : les résultats défavorables réduisent plus ou moins fortement la confiance selon leur qualité.
Les préenregistrements, les contrôles, les analyses de sensibilité, les réplications et la conservation des versions rendent les ajustements plus visibles.
Une communauté scientifique fiable ne demande pas qu’aucune hypothèse auxiliaire ne soit jamais modifiée.
Elle demande que les modifications soient justifiées, contrôlables et capables d’améliorer l’ensemble de la connaissance.
La question centrale n’est donc pas seulement :
« Peut-on inventer une explication permettant de sauver la théorie ? »
mais :
« La modification proposée possède-t-elle des raisons indépendantes, produit-elle de nouvelles prédictions et améliore-t-elle réellement notre compréhension, ou sert-elle uniquement à empêcher la théorie de perdre ? »
Repères et prolongements
Cette fiche prépare notamment les questions suivantes :
- Pourquoi une théorie n’est-elle jamais testée isolément ?
- Qu’est-ce qu’une hypothèse auxiliaire ?
- Que montre réellement l’échec d’une prédiction ?
- Quelle est la thèse de Duhem-Quine ?
- Une anomalie constitue-t-elle immédiatement une réfutation ?
- Quand est-il légitime de vérifier d’abord l’instrument ?
- Qu’est-ce qu’un ajustement ad hoc ?
- Une hypothèse formulée après les résultats est-elle toujours suspecte ?
- Pourquoi les prédictions nouvelles sont-elles importantes ?
- Comment distinguer une correction féconde d’un sauvetage artificiel ?
- Qu’est-ce qu’un programme de recherche progressif ?
- Qu’est-ce qu’un programme dégénératif ?
- Peut-on rationnellement protéger provisoirement une théorie ?
- Quand faut-il restreindre son domaine d’application ?
- Comment les préenregistrements limitent-ils les ajustements rétrospectifs ?
- Pourquoi une théorie compatible avec tout n’explique-t-elle presque rien ?
Quelques références
- Pierre Duhem, *La Théorie physique : son objet et sa structure*.
- Willard Van Orman Quine, « Les Deux Dogmes de l’empirisme ».
- Karl Popper, *La Logique de la découverte scientifique*.
- Karl Popper, *Conjectures et réfutations*.
- Imre Lakatos, travaux sur la méthodologie des programmes de recherche scientifique.
- Thomas Kuhn, *La Structure des révolutions scientifiques*.
- Carl Hempel, *Éléments d’épistémologie*.
- Adolf Grünbaum, travaux sur les hypothèses auxiliaires et la réfutation.
- Larry Laudan, *Progress and Its Problems*.
- Deborah Mayo, *Error and the Growth of Experimental Knowledge*.
- Elliott Sober, travaux sur la confirmation et la comparaison des hypothèses.
- John Worrall, travaux sur les programmes de recherche et le changement scientifique.
- Alan Chalmers, *Qu’est-ce que la science ?*
- Jarrett Leplin, travaux sur les hypothèses ad hoc.
- Stathis Psillos, travaux sur le réalisme scientifique et la confirmation.
- Donald Gillies, travaux sur la falsification et la méthodologie scientifique.