Hypothèses auxiliaires et problème de Duhem-Quine

Une expérience scientifique semble parfois suivre une logique très simple : une théorie produit une prédiction ; nous réalisons l’expérience ; si la prédiction échoue, la théorie est réfutée.

Cette représentation contient une part de vérité, mais elle oublie une difficulté fondamentale : une théorie ne produit presque jamais une prédiction observable toute seule.

Pour prévoir ce que doit afficher un appareil, il faut également supposer que l’instrument fonctionne correctement, que les conditions expérimentales sont celles que l’on croit, que les calculs reliant la théorie au phénomène sont corrects, que certaines perturbations peuvent être négligées et que les connaissances utilisées pour interpréter le signal sont suffisamment fiables.

Une expérience confronte donc généralement au monde un ensemble de propositions, et non une hypothèse isolée.

Si la prédiction échoue, quelque chose dans cet ensemble doit être révisé. Mais la logique ne nous indique pas immédiatement quoi.

C’est le problème classiquement associé à Pierre Duhem, puis élargi au XXe siècle par Willard Van Orman Quine. La philosophie des sciences parle aujourd’hui, avec quelques simplifications historiques, du problème ou de la thèse de Duhem-Quine.

Cette difficulté ne signifie pas que les expériences ne peuvent jamais réfuter quoi que ce soit. Elle explique plutôt pourquoi la science réelle demande davantage qu’un simple schéma « prédiction ratée → théorie fausse ». Il faut également localiser raisonnablement la source de l’échec.

Une prédiction dépend de tout un réseau d’hypothèses

Supposons que nous voulions tester une hypothèse H.

À partir de H, nous prévoyons une observation P.

Mais dans la pratique, le raisonnement ressemble plutôt à :

H + A₁ + A₂ + A₃ + C → P

où les A représentent différentes hypothèses auxiliaires et C les conditions initiales ou expérimentales.

Par exemple, pour tester une théorie physique à l’aide d’un détecteur, il peut être nécessaire de supposer que l’horloge est correctement synchronisée, que la distance a été correctement mesurée, que le détecteur transforme le phénomène physique en signal de la manière attendue et que le programme informatique analyse correctement ce signal.

Si nous observons non-P, nous pouvons logiquement conclure :

au moins une partie de H + A₁ + A₂ + A₃ + C pose problème.

Mais nous ne pouvons pas déduire uniquement de ce résultat :

H est nécessairement la partie fausse.

La *Stanford Encyclopedia of Philosophy* résume précisément l’idée de Duhem : une hypothèse physique ne permet généralement de dériver des prédictions qu’en association avec d’autres théories, des hypothèses sur les instruments, des conditions initiales et diverses suppositions auxiliaires. Lorsque les données sont incompatibles avec la prédiction, l’expérience ne désigne pas automatiquement laquelle de ces propositions doit être abandonnée.

Qu’est-ce qu’une hypothèse auxiliaire ?

Le terme peut donner l’impression qu’il s’agit d’une petite hypothèse secondaire sans importance. En réalité, les auxiliaires peuvent couvrir des éléments extrêmement variés.

Dans une expérience, il peut s’agir de supposer que l’appareil est correctement calibré, que l’échantillon n’a pas été contaminé, que la température est restée dans certaines limites ou que le groupe témoin a été traité conformément au protocole.

Dans une observation astronomique, il faut supposer que les instruments produisent correctement les spectres enregistrés, que certaines lois physiques utilisées pour interpréter la lumière restent valables et que les corrections appliquées aux signaux sont appropriées.

Dans une étude épidémiologique, l’hypothèse selon laquelle une exposition provoque une maladie est testée avec d’autres suppositions concernant la mesure de l’exposition, la définition des cas, les variables de confusion et les mécanismes de sélection.

Dans un modèle statistique, les conclusions dépendent encore de suppositions concernant la distribution des données, l’indépendance de certaines observations, la forme du modèle ou les variables incluses.

Les hypothèses auxiliaires ne sont donc pas un détail embarrassant qu’une bonne science pourrait supprimer. Elles font partie de la manière dont les théories abstraites sont reliées à des observations concrètes.

Un résultat inattendu ouvre plusieurs possibilités

Supposons qu’un médicament ne produise pas l’effet prévu dans un essai.

Plusieurs interprétations sont possibles.

L’hypothèse pharmacologique peut être incorrecte. La dose utilisée peut avoir été insuffisante. Les patients peuvent ne pas avoir réellement pris le traitement. Le critère choisi peut être trop peu sensible. La population recrutée peut présenter une caractéristique qui modifie l’effet. Une erreur analytique peut avoir été commise. Enfin, l’écart peut être compatible avec la variabilité attendue dans un échantillon fini.

Le résultat négatif reste informatif, mais il ne répond pas instantanément à toutes ces questions.

Cela vaut aussi pour un résultat positif. Une observation conforme à la prédiction peut provenir du mécanisme supposé, mais aussi d’une autre cause, d’un biais ou d’une hypothèse auxiliaire qui produirait le même signal.

Nous retrouvons ici le principe étudié dans la fiche précédente : les données doivent être interprétées relativement à plusieurs explications possibles.

Duhem et la physique

Pierre Duhem développe cette difficulté au début du XXe siècle dans *La Théorie physique : son objet et sa structure*.

Son propos initial concerne surtout la physique théorique. Il ne formule pas simplement une doctrine universelle selon laquelle aucune proposition ne pourrait jamais être testée séparément dans aucun domaine.

Duhem souligne qu’en physique, l’expérience mobilise généralement un vaste ensemble théorique. Tester une prédiction exige notamment des connaissances concernant les appareils eux-mêmes. Un instrument sophistiqué ne fournit pas directement une « observation pure » : son utilisation et son interprétation reposent déjà sur des théories physiques.

Une expérience qui semble tester une proposition particulière confronte donc en réalité une partie importante d’un système théorique aux observations.

La SEP insiste sur ce contexte historique et avertit contre une lecture trop rapide transformant Duhem en défenseur d’un scepticisme généralisé : sa thèse portait d’abord sur la structure des tests en physique, avant d’être étendue de manière beaucoup plus large par Quine.

Pourquoi Duhem doute de « l’expérience cruciale »

Au XIXe siècle, certains philosophes et scientifiques parlaient d’expérience cruciale : une expérience qui permettrait de choisir définitivement entre deux théories concurrentes.

Supposons que T₁ prévoie P et T₂ prévoie non-P. Il semble suffire de réaliser l’expérience.

Si P est observé, T₁ gagne.

Si non-P est observé, T₂ gagne.

Duhem considère cette conception trop simple.

Chaque théorie ne produit sa prédiction qu’en association avec des hypothèses auxiliaires. Si T₁ échoue, ses défenseurs peuvent parfois remettre en question l’un de ces auxiliaires plutôt que la théorie centrale. De la même manière, la réussite de T₂ ne démontre pas nécessairement qu’aucune autre théorie possible ne pourrait expliquer le même résultat.

Duhem conclut donc qu’une expérience ne fonctionne généralement pas comme un duel logique parfaitement isolé entre deux théories exhaustives. La SEP consacrée à l’objectivité scientifique rappelle qu’il rejetait précisément l’idée d’une expérience cruciale capable de décider mécaniquement et définitivement entre deux systèmes théoriques.

Cela n’empêche évidemment pas certaines expériences d’être extrêmement discriminantes. Cela signifie seulement que leur force ne repose pas sur une logique aussi absolue que celle suggérée par l’expression « expérience cruciale ».

Le cas OPERA : faut-il abandonner la relativité ?

L’expérience OPERA fournit un exemple moderne particulièrement parlant.

En septembre 2011, la collaboration annonça une anomalie étonnante : les neutrinos envoyés du CERN vers le laboratoire du Gran Sasso semblaient arriver environ 60 nanosecondes plus tôt que ce qu’aurait permis un déplacement à la vitesse de la lumière.

Pris naïvement, le raisonnement aurait pu être formulé ainsi :

La relativité interdit à ces neutrinos de dépasser la vitesse de la lumière. OPERA observe des neutrinos supraluminiques. Donc la relativité est réfutée.

Ce n’est évidemment pas ainsi que la communauté scientifique a raisonnablement réagi.

Le résultat était suffisamment surprenant pour mériter d’être pris au sérieux, mais il entrait en tension avec un ensemble immense d’autres résultats soutenant la relativité. La collaboration OPERA elle-même rendit son anomalie publique afin qu’elle soit examinée et reproduite.

Les investigations révélèrent notamment des problèmes dans le système de mesure du temps, dont un élément défectueux du système à fibres optiques. En juin 2012, quatre expériences du Gran Sasso — Borexino, ICARUS, LVD et OPERA — obtenaient des temps de vol compatibles avec la vitesse de la lumière.

Une nouvelle mesure OPERA réalisée avec un dispositif amélioré trouva ensuite une vitesse compatible avec celle de la lumière dans les incertitudes expérimentales.

Cet épisode illustre presque parfaitement le problème de Duhem.

L’erreur était dans le réseau, mais où ?

La prédiction expérimentale d’OPERA ne reposait pas seulement sur la relativité.

Elle supposait également que la distance CERN–Gran Sasso était correctement déterminée, que les horloges étaient correctement synchronisées, que le signal GPS était transmis comme prévu, que les délais électroniques étaient correctement mesurés, que les détecteurs fonctionnaient conformément à leur calibration et que les procédures d’analyse étaient exactes.

Lorsque le résultat initial sembla contredire la relativité, il était donc rationnel d’examiner l’ensemble du système expérimental avant de conclure à une révolution de la physique.

Cela n’était pas une manière malhonnête de « protéger » Einstein.

La relativité disposait d’un vaste soutien indépendant, tandis qu’une erreur inconnue dans une chaîne instrumentale extraordinairement complexe restait plausible.

Les contrôles ultérieurs ont précisément permis de localiser le problème.

C’est une différence fondamentale entre tenir raisonnablement compte des hypothèses auxiliaires et inventer arbitrairement une excuse pour sauver une théorie.

Sauver une théorie n’est pas toujours irrationnel

La notion d’hypothèse auxiliaire est parfois utilisée comme accusation : « Les scientifiques trouvent toujours une excuse pour sauver leur théorie. »

L’histoire d’OPERA montre pourquoi ce raisonnement est trop simple.

Si une théorie a réussi des milliers de tests indépendants et qu’une expérience isolée produit une anomalie, il peut être parfaitement rationnel d’attribuer initialement davantage de probabilité à une erreur expérimentale qu’à l’effondrement complet du cadre théorique.

À l’inverse, si la même anomalie est retrouvée indépendamment par de nombreux instruments, équipes et méthodes, la possibilité d’une simple erreur auxiliaire devient progressivement moins plausible.

La décision doit donc tenir compte de l’ensemble des preuves disponibles.

Ce raisonnement est parfaitement compatible avec une approche bayésienne : la crédibilité antérieure des différentes propositions et la vraisemblance du résultat sous chacune d’elles influencent la manière dont l’observation doit modifier nos croyances.

Il serait cependant inutile de refaire ici toute la théorie bayésienne. Le point méthodologique suffit : tous les éléments d’un test ne possèdent pas la même crédibilité avant que l’anomalie apparaisse.

Mais une théorie peut-elle toujours être sauvée ?

Le problème semble ouvrir une possibilité inquiétante.

Si une prédiction dépend toujours d’hypothèses auxiliaires, ne peut-on pas sauver n’importe quelle théorie en accusant systématiquement un auxiliaire ?

D’un point de vue purement logique, il existe souvent une grande flexibilité.

Mais la science réelle impose des contraintes supplémentaires.

Une hypothèse auxiliaire proposée pour sauver une théorie doit elle-même être compatible avec d’autres observations. Elle peut produire de nouvelles conséquences testables. Elle peut être confrontée à des mesures indépendantes. Elle peut augmenter ou diminuer la cohérence globale du système.

Dire simplement :

« L’expérience a échoué parce qu’un facteur invisible inconnu intervient exactement lorsque ma théorie devrait être réfutée »

est facile.

Montrer indépendamment l’existence de ce facteur, expliquer son fonctionnement et produire de nouvelles prédictions confirmées est beaucoup plus exigeant.

La sous-détermination logique ne conduit donc pas automatiquement à une équivalence scientifique entre toutes les corrections imaginables.

Le cas de Neptune : une hypothèse auxiliaire féconde

L’histoire de la découverte de Neptune, déjà évoquée avec Popper, permet de voir la situation inverse d’OPERA.

Les irrégularités observées dans l’orbite d’Uranus auraient pu être interprétées comme une difficulté pour la gravitation newtonienne.

Une autre possibilité fut envisagée : une planète encore inconnue exerce une influence gravitationnelle.

Cette hypothèse pouvait initialement sembler être un moyen de sauver Newton.

Mais elle ne se contentait pas de dire « quelque chose doit expliquer l’anomalie ». Elle permettait de calculer où chercher l’objet supposé.

L’observation de Neptune à proximité de la région prédite transforma alors l’hypothèse auxiliaire en une découverte indépendante.

Cet exemple montre pourquoi les ajustements doivent être évalués non pas seulement selon leur origine psychologique — « ont-ils été inventés après l’anomalie ? » — mais selon ce qu’ils permettent ensuite de tester.

Une modification peut être rétrospective et néanmoins scientifiquement progressive.

Duhem invoque le « bon sens »

Si la logique ne désigne pas automatiquement la proposition responsable de l’échec, comment les scientifiques choisissent-ils ce qu’ils doivent réviser ?

Duhem invoque ce qu’il appelle le bon sens des physiciens.

L’expression pourrait sembler peu satisfaisante, mais elle ne désigne pas simplement l’intuition quotidienne. Elle renvoie à un jugement scientifique exercé à partir de l’ensemble des connaissances disponibles.

Lorsqu’une prédiction échoue, les chercheurs peuvent notamment examiner la solidité indépendante des différentes hypothèses, la reproductibilité de l’anomalie, la qualité des instruments, la cohérence avec d’autres phénomènes et les conséquences des différentes modifications possibles.

La SEP rappelle que Duhem considérait justement qu’aucune règle logique automatique ne suffisait à effectuer ce choix et qu’un jugement scientifique informé restait nécessaire.

C’est un point important : l’absence d’algorithme mécanique ne signifie pas absence de raisons.

Quine généralise le problème

Plusieurs décennies plus tard, W. V. O. Quine reprend l’idée de Duhem dans son célèbre article « Two Dogmas of Empiricism », publié initialement en 1951 puis repris en 1953.

Quine s’attaque notamment à l’idée selon laquelle chaque proposition pourrait être confirmée ou infirmée isolément par l’expérience.

Il défend au contraire une forme de holisme de la confirmation : nos affirmations sur le monde rencontrent l’expérience comme un ensemble interconnecté.

La SEP rappelle sa formule célèbre selon laquelle nos affirmations concernant le monde extérieur affrontent l’expérience non pas individuellement, mais « as a corporate body » — comme un corps collectif.

Le changement par rapport à Duhem est considérable.

Duhem discutait principalement le test des théories physiques.

Quine étend le raisonnement à notre système de croyances beaucoup plus généralement.

La toile des croyances

La conception de Quine est souvent représentée par la métaphore d’une toile ou d’un réseau de croyances.

Certaines propositions sont relativement proches de l’expérience : « l’aiguille de cet appareil indique 10 », par exemple.

D’autres sont beaucoup plus centrales : principes mathématiques, règles logiques, théories physiques générales ou catégories conceptuelles.

Lorsqu’une observation entre en conflit avec notre système, plusieurs ajustements sont théoriquement possibles.

Nous avons cependant tendance à modifier d’abord les propositions dont la révision perturbe le moins l’ensemble du réseau.

Une mesure étrange conduira donc généralement à vérifier l’appareil avant d’abandonner les mathématiques utilisées pour effectuer le calcul.

Cette hiérarchie n’est pas absolue. Quine défend une conception beaucoup plus radicale selon laquelle, en principe, même des croyances très centrales pourraient être révisées si les ajustements nécessaires devenaient suffisamment importants.

Son holisme dépasse ainsi largement la thèse initiale de Duhem.

« Duhem-Quine » rassemble en réalité plusieurs problèmes

L’expression thèse de Duhem-Quine peut donner l’impression que les deux philosophes défendaient exactement la même position.

C’est historiquement trompeur.

Duhem et Quine diffèrent sur la portée de leur thèse, leur conception des sciences et les conséquences philosophiques qu’ils en tirent.

La littérature contemporaine distingue en outre plusieurs formes de sous-détermination.

Une première forme est holiste : lorsqu’une prédiction échoue, les données ne déterminent pas automatiquement quel élément du réseau de propositions doit être révisé.

Une seconde est contrastive : plusieurs théories concurrentes peuvent parfois être compatibles avec le même ensemble d’observations disponibles.

La SEP consacrée à la sous-détermination insiste précisément sur cette distinction, souvent brouillée dans les présentations générales de « Duhem-Quine ».

Ces deux problèmes sont liés mais ne sont pas identiques.

Sous-détermination holiste : où se trouve l’erreur ?

Reprenons notre schéma :

H + A₁ + A₂ + A₃ → P

Nous observons non-P.

Le problème est alors :

quelle proposition faut-il changer ?

C’est la sous-détermination holiste de la réponse à l’échec expérimental.

L’expérience nous apprend que quelque chose doit être corrigé, mais plusieurs modifications restent logiquement possibles.

L’exemple OPERA correspond parfaitement à ce type de situation : le conflit apparent pouvait provenir de la théorie relativiste ou d’un élément du système expérimental, parmi d’autres possibilités.

Sous-détermination contrastive : plusieurs théories expliquent les mêmes données

Considérons maintenant un autre problème.

Supposons que T₁ et T₂ soient deux théories différentes qui expliquent toutes les observations actuellement disponibles.

Les données ne suffisent alors pas, à elles seules, à choisir entre elles.

C’est une forme de sous-détermination contrastive.

Le problème est parfois formulé de manière très forte : pour tout ensemble fini de données, il serait théoriquement possible de construire plusieurs systèmes compatibles avec elles.

Mais il faut immédiatement préciser que toutes les alternatives logiquement imaginables ne sont pas nécessairement scientifiquement équivalentes.

Certaines peuvent être artificiellement complexes, ne produire aucune nouvelle prédiction, entrer en tension avec d’autres connaissances ou simplement reformuler la même théorie dans un autre langage.

Quine lui-même deviendra plus prudent sur les versions fortes et philosophiquement intéressantes de la sous-détermination entre théories globales empiriquement équivalentes. La SEP souligne qu’il considérait finalement la question comme beaucoup moins simple que ne le suggèrent certaines présentations de sa philosophie.

Les données seules ne choisissent donc pas toujours une théorie

Lorsqu’on affirme que la science doit « suivre les données », l’expression est raisonnable mais incomplète.

Les données constituent une contrainte centrale.

Mais elles doivent être interprétées à l’intérieur de systèmes comprenant des modèles, des hypothèses de mesure, des connaissances de fond et des alternatives théoriques.

Deux chercheurs parfaitement honnêtes peuvent parfois s’accorder sur les observations tout en divergeant sur l’élément théorique qui doit être modifié.

Cela ne signifie pas que le choix est purement subjectif.

Il signifie que les preuves peuvent parfois sous-déterminer provisoirement le choix.

De nouvelles expériences peuvent ensuite différencier les positions.

Sous-détermination ne signifie pas « toutes les opinions se valent »

C’est probablement le contresens le plus important à éviter.

Le problème de Duhem-Quine est parfois invoqué pour soutenir une forme de relativisme :

« Puisque les données ne déterminent jamais absolument une théorie, toute interprétation est aussi valable qu’une autre. »

Cette conclusion ne suit pas.

Deux hypothèses peuvent être logiquement compatibles avec une observation tout en possédant des soutiens empiriques très différents.

Une théorie peut expliquer un vaste ensemble de données indépendantes tandis qu’une autre n’explique qu’un seul phénomène.

Une modification auxiliaire peut être confirmée par des mesures indépendantes tandis qu’une autre est inventée uniquement pour sauver la théorie.

Un modèle peut produire des prédictions nouvelles et précises ; son concurrent peut ne faire que reproduire après coup les observations déjà connues.

La sous-détermination signifie donc :

les données disponibles peuvent parfois ne pas imposer logiquement un choix unique.

Elle ne signifie pas :

aucune raison scientifique ne permet de préférer une option.

La SEP consacrée au réalisme scientifique formule précisément l’enjeu en termes de plusieurs ensembles de croyances pouvant être compatibles avec certaines données, sans en déduire automatiquement que toute théorie possède la même justification.

La science dispose de moyens pour localiser l’erreur

Si la logique ne suffit pas, la recherche peut produire de nouvelles preuves ciblées.

Lorsque l’instrument est suspect, on peut le recalibrer ou en utiliser un autre.

Lorsque la mesure dépend d’un logiciel, une équipe indépendante peut réanalyser les données.

Lorsque deux hypothèses prédisent différemment un phénomène encore non observé, une nouvelle expérience peut être construite pour le mesurer.

Lorsque plusieurs laboratoires retrouvent la même anomalie avec des instruments différents, l’hypothèse d’une défaillance locale devient moins crédible.

Lorsque seule une méthode produit l’effet alors que plusieurs approches indépendantes échouent, la méthode elle-même devient suspecte.

Ainsi, la réponse scientifique à Duhem-Quine consiste moins à chercher un raisonnement logique capable de supprimer définitivement les auxiliaires qu’à multiplier les possibilités indépendantes de contrôle.

Changer un auxiliaire et observer ce qui se passe

Une stratégie particulièrement puissante consiste à faire varier les éléments du système expérimental.

Supposons que l’on soupçonne un problème de mesure.

On peut utiliser deux instruments fondés sur des principes différents.

Si tous deux aboutissent au même résultat, certaines erreurs spécifiques à l’un deviennent moins plausibles.

De même, une association épidémiologique retrouvée avec plusieurs définitions de l’exposition, plusieurs populations et plusieurs méthodes d’analyse résiste mieux à l’hypothèse selon laquelle elle serait uniquement produite par un choix méthodologique particulier.

C’est encore la logique de robustesse que nous retrouverons plus loin.

La diversité des méthodes aide précisément à rompre certaines dépendances communes entre hypothèse principale et auxiliaires.

Tester directement les auxiliaires

Les hypothèses auxiliaires ne sont pas toutes condamnées à rester invisibles.

Beaucoup peuvent être testées indépendamment.

On peut vérifier la précision d’une horloge.

On peut mesurer le taux d’observance d’un traitement.

On peut comparer un test diagnostique à une méthode de référence.

On peut rechercher si une variable supposée sans influence modifie effectivement le résultat.

On peut effectuer une étude méthodologique consacrée uniquement à la fiabilité d’un instrument.

La distinction entre théorie principale et auxiliaire est donc souvent fonctionnelle plutôt qu’absolue : une proposition auxiliaire dans une expérience peut devenir l’hypothèse principale d’une autre.

C’est ainsi que le réseau scientifique acquiert progressivement davantage de contraintes internes.

Les connaissances indépendantes restreignent les sauvetages possibles

Supposons qu’un résultat inattendu puisse être sauvé en supposant que le thermomètre s’est trompé de 15 °C.

Si cet instrument a été calibré immédiatement avant et après l’expérience, comparé à trois autres appareils et contrôlé par un laboratoire indépendant, cette explication devient beaucoup moins plausible.

L’auxiliaire n’est pas logiquement impossible à modifier.

Mais les preuves indépendantes rendent sa modification coûteuse.

C’est un point crucial.

La science ne résout pas toujours la sous-détermination en imposant une impossibilité logique. Elle peut la réduire en accumulant des contraintes empiriques croisées.

Plus les différentes parties du réseau ont été indépendamment contrôlées, moins il existe de liberté pour déplacer arbitrairement l’erreur.

La cohérence avec le reste des connaissances compte

Une hypothèse proposée pour résoudre une anomalie doit également s’intégrer à ce que nous savons par ailleurs.

Cela ne signifie pas que les théories établies doivent toujours être protégées. Une révolution scientifique peut précisément conduire à réviser des connaissances très centrales.

Mais une nouvelle hypothèse qui exige d’abandonner simultanément des centaines de résultats bien établis supporte une charge probatoire plus importante qu’une hypothèse expliquant l’anomalie avec une modification localisée et testable.

L’épisode OPERA illustre encore cette situation.

La conclusion « les neutrinos dépassent la vitesse de la lumière » aurait eu des conséquences considérables pour la physique fondamentale.

La conclusion « un élément du système de synchronisation fonctionne mal » était beaucoup plus locale et techniquement plausible.

Cela ne suffisait pas à prouver qu’elle était vraie. Mais cela justifiait parfaitement de la tester avant de reconstruire la physique.

Simplicité, fécondité et cohérence : des critères supplémentaires

Lorsque plusieurs théories expliquent les mêmes données actuelles, les scientifiques utilisent souvent d’autres qualités pour orienter leur choix : simplicité, cohérence avec les connaissances établies, pouvoir explicatif, unification, précision et fécondité prédictive.

Ces critères ne constituent pas des règles mathématiques universelles.

Une théorie plus simple n’est pas automatiquement vraie.

Une théorie radicalement nouvelle peut être correcte malgré son conflit avec les connaissances établies.

Deux scientifiques peuvent également accorder des poids différents à ces qualités.

Mais ces critères montrent que le choix théorique ne se réduit pas nécessairement à une préférence subjective.

Thomas Kuhn parlera plus tard de valeurs partagées dans l’évaluation des théories, tandis que Lakatos cherchera à distinguer les programmes de recherche qui produisent de nouvelles découvertes de ceux qui réagissent principalement après coup aux difficultés.

Nous n’avons pas besoin ici de refaire toute cette philosophie des sciences. L’idée méthodologique est simple : les données sont centrales sans être toujours suffisantes à elles seules pour imposer un choix instantané.

Une théorie peut résister trop longtemps

La flexibilité créée par les hypothèses auxiliaires comporte cependant un véritable danger.

Une communauté scientifique peut rester attachée à une théorie et multiplier les modifications pour expliquer successivement chaque difficulté.

Chaque anomalie reçoit alors sa propre exception.

La théorie conserve formellement sa compatibilité avec les données, mais son pouvoir prédictif et explicatif peut se dégrader.

C’est précisément le type de situation que Popper cherchait à dénoncer avec les ajustements *ad hoc*, et que Lakatos analysera plus subtilement avec la notion de programme de recherche dégénératif.

La possibilité légitime de réviser des auxiliaires ne doit donc jamais devenir un droit illimité à immuniser une théorie.

Comment distinguer une correction féconde d’un sauvetage artificiel ?

Aucune règle unique ne suffit, mais plusieurs indices peuvent aider.

Une modification est plus convaincante lorsqu’elle repose sur des preuves indépendantes, lorsqu’elle explique plusieurs anomalies à la fois, lorsqu’elle produit de nouvelles prédictions testables ou lorsqu’elle améliore la précision du modèle dans des situations qui n’ont pas servi à la construire.

Elle est plus suspecte lorsqu’elle n’apparaît qu’après chaque échec, ne possède aucun soutien indépendant, change constamment de forme et ne conduit jamais à une nouvelle situation où la théorie pourrait véritablement échouer.

Cette distinction n’est pas toujours nette au moment où la recherche se déroule.

L’histoire peut parfois montrer seulement plusieurs années plus tard si une modification était féconde.

C’est l’une des raisons pour lesquelles l’évaluation scientifique possède aussi une dimension temporelle.

Une anomalie répétée change progressivement le rapport de forces

Supposons qu’une théorie rencontre une observation discordante.

Lors de la première expérience, une erreur instrumentale est plausible.

Une deuxième équipe utilisant le même appareil retrouve l’anomalie : cela ne change peut-être pas beaucoup la situation si les deux expériences partagent la même faiblesse.

Une troisième équipe utilise un instrument fondé sur un autre principe et retrouve encore le résultat.

Une quatrième méthode fournit une prédiction indépendante compatible avec l’anomalie.

À chaque étape, l’espace des explications auxiliaires raisonnables se réduit.

Ce processus montre comment une anomalie peut passer du statut de curiosité expérimentale à celui de véritable crise théorique sans qu’il existe un instant magique où la logique seule décide du basculement.

La confiance évolue graduellement avec l’indépendance et la convergence des preuves.

Le problème vaut également pour les résultats positifs

Duhem-Quine est surtout présenté à propos des falsifications, mais la logique vaut également pour la confirmation.

Supposons qu’une théorie prévoit P et que P est observé.

Cela ne prouve pas automatiquement la théorie, car P peut être produit par une hypothèse concurrente.

Mais il existe encore une difficulté supplémentaire : la prédiction P dépendait aussi des auxiliaires.

En jouant suffisamment librement sur ceux-ci, il peut parfois devenir possible de rendre plusieurs théories compatibles avec le même résultat.

La SEP consacrée à la confirmation souligne précisément qu’une utilisation naïve de la méthode hypothético-déductive permettrait parfois de construire des auxiliaires adaptés de manière à obtenir artificiellement une confirmation presque quelconque.

C’est une nouvelle raison pour laquelle la comparaison entre hypothèses et l’indépendance des tests sont essentielles.

Les expériences ne sont pas inutiles parce qu’elles ne sont pas logiquement décisives

L’un des contresens possibles consiste à conclure :

« Puisqu’une expérience dépend toujours d’auxiliaires, aucune expérience ne peut réellement apprendre quoi que ce soit. »

Ce serait manifestement faux.

L’expérience OPERA a précisément permis d’apprendre beaucoup : l’anomalie initiale a été soumise à de nouveaux contrôles, différents composants ont été vérifiés, d’autres expériences ont réalisé des mesures indépendantes et la source du conflit a finalement été identifiée.

Le fait qu’une observation n’entraîne pas logiquement et instantanément une seule révision possible ne signifie pas que toutes les révisions restent empiriquement également plausibles.

C’est toute la différence entre démonstration logique et enquête scientifique.

Duhem-Quine renforce plutôt l’importance des contrôles

Compris correctement, le problème ne détruit pas la méthode scientifique.

Il explique pourquoi elle doit être aussi riche.

Si une expérience isolée pouvait tester directement une théorie sans aucun auxiliaire, beaucoup de nos procédures de contrôle seraient superflues.

Mais puisque les résultats dépendent de mesures, instruments, modèles et hypothèses de fond, il faut calibrer les instruments, répéter les expériences, utiliser d’autres méthodes, partager les données, confronter les résultats à d’autres domaines et chercher des prédictions indépendantes.

Le problème de Duhem-Quine justifie ainsi presque le programme entier de cette catégorie.

Il explique pourquoi une science fiable ne repose pas sur un test unique, mais sur une architecture de contrôles croisés.

La leçon pour l’esprit critique

Cette idée est également utile en dehors de la recherche professionnelle.

Lorsqu’une prédiction politique, économique ou sociale échoue, il est facile de sauver immédiatement sa croyance préférée :

« Le modèle était correct, mais un événement exceptionnel est intervenu. »

Cette explication peut être parfaitement légitime.

La question est alors de savoir si l’événement exceptionnel est documenté indépendamment, s’il explique réellement l’écart et si la théorie continue à produire des prédictions informatives.

Inversement, il est tout aussi facile d’utiliser un résultat isolé pour déclarer qu’un modèle entier est faux sans examiner la qualité des données ou les conditions de son application.

La bonne attitude consiste donc à éviter deux réflexes symétriques :

abandonner trop vite une théorie face à toute anomalie, ou la sauver indéfiniment face à toutes les anomalies.

L’enjeu est de savoir quelle modification du réseau de croyances est la mieux soutenue par l’ensemble des preuves.

Ni réfutation instantanée, ni théorie invulnérable

Nous pouvons maintenant reformuler plus précisément la logique du test scientifique.

Une théorie accompagnée d’hypothèses auxiliaires produit certaines prédictions.

Lorsque les observations correspondent aux prédictions, l’ensemble gagne généralement en crédibilité, surtout si le test était discriminant et indépendant.

Lorsque les observations divergent, nous savons que quelque chose doit être réexaminé.

La recherche consiste alors à localiser l’erreur en confrontant les différentes parties du système à de nouveaux contrôles.

Cette conception est moins spectaculaire que l’image d’une expérience détruisant instantanément une théorie.

Elle correspond beaucoup mieux à la science réelle.

Et surtout, elle permet de comprendre comment une entreprise faillible peut malgré tout progresser : non pas parce qu’un seul test désignerait toujours la vérité, mais parce que des tests multiples et partiellement indépendants réduisent progressivement l’espace des explications plausibles.


À retenir

Une hypothèse scientifique n’est presque jamais testée isolément. Pour produire une prédiction observable, elle doit être associée à des hypothèses auxiliaires, des conditions initiales, des modèles de mesure et des connaissances concernant les instruments. C’est le cœur de la difficulté mise en évidence par Pierre Duhem.

Lorsque la prédiction échoue, la logique montre qu’au moins une partie de cet ensemble pose problème, mais elle ne nous indique pas automatiquement laquelle. C’est pourquoi une anomalie ne réfute pas toujours instantanément la théorie principale.

Quine a ensuite généralisé cette intuition dans son holisme de la confirmation : les affirmations concernant le monde rencontrent l’expérience à l’intérieur d’un réseau de croyances plutôt qu’individuellement. Cette extension est plus large que la thèse initiale de Duhem, et l’expression « Duhem-Quine » ne doit donc pas masquer leurs différences.

Mais sous-détermination ne signifie pas relativisme. Les différentes manières de sauver une théorie ne sont pas également convaincantes. Une modification appuyée sur des preuves indépendantes, produisant de nouvelles prédictions et résistant à de nouveaux contrôles est méthodologiquement bien plus forte qu’un ajustement inventé uniquement pour rendre toute réfutation impossible.

L’épisode OPERA l’illustre remarquablement : l’anomalie initiale concernant la vitesse des neutrinos n’a pas conduit raisonnablement à abandonner immédiatement la relativité. Des contrôles indépendants ont permis d’identifier des problèmes dans le système expérimental, et les mesures ultérieures se sont révélées compatibles avec la vitesse de la lumière.

La véritable leçon de Duhem-Quine n’est donc pas :

« Une théorie ne peut jamais être réfutée. »

Elle est :

« Lorsqu’une prédiction échoue, la science doit encore déterminer quelle partie du système qui l’a produite est responsable de l’échec. »

Sources et références

  • Duhem, Pierre, La Théorie physique : son objet et sa structure, 1906.
  • Quine, W. V. O., « Two Dogmas of Empiricism », *The Philosophical Review*, 1951 ; repris dans *From a Logical Point of View*, 1953.
  • Ariew, Roger, « Pierre Duhem », *Stanford Encyclopedia of Philosophy*, révision 2026.
  • Stanford, Kyle, « Underdetermination of Scientific Theory », *Stanford Encyclopedia of Philosophy*, sur les formes holiste et contrastive de sous-détermination.
  • Hylton, Peter & Kemp, Gary, « Willard Van Orman Quine », *Stanford Encyclopedia of Philosophy*, notamment la section sur la sous-détermination.
  • Crupi, Vincenzo, « Confirmation », *Stanford Encyclopedia of Philosophy*, révision substantielle de 2025, notamment sur le rôle des hypothèses auxiliaires.
  • Reiss, Julian & Sprenger, Jan, « Scientific Objectivity », *Stanford Encyclopedia of Philosophy*, notamment la discussion de Duhem et de l’impossibilité d’une expérience cruciale au sens strict.
  • OPERA Collaboration, « Measurement of the neutrino velocity with the OPERA detector in the CNGS beam », *Journal of High Energy Physics*, 2012, article 93, DOI 10.1007/JHEP10(2012)093.
  • OPERA Collaboration, « Measurement of the neutrino velocity with the OPERA detector in the CNGS beam using the 2012 dedicated data », *Journal of High Energy Physics*, 2013, article 153, DOI 10.1007/JHEP01(2013)153.
  • CERN, « L’expérience OPERA annonce une anomalie dans le temps de vol des neutrinos allant du CERN au Gran Sasso », mises à jour 2011–2012 retraçant l’identification des problèmes instrumentaux et les mesures indépendantes.
11 sur 39Retour à la catégorie