John Stuart Mill et les méthodes de l’induction

Définition simple

Avec John Stuart Mill (1806-1873), le problème de l’induction devient beaucoup plus méthodologique. Il ne suffit plus de dire que les sciences partent de l’expérience : il faut préciser comment comparer les observations de manière à distinguer une véritable relation causale d’une simple coïncidence. Dans *A System of Logic* publié en 1843, Mill cherche ainsi à formaliser plusieurs procédures d’élimination permettant de découvrir quelles circonstances sont régulièrement liées à un phénomène.

Ces procédures sont devenues célèbres sous le nom de méthodes de Mill :

MéthodeIdée générale
Concordancechercher le facteur commun aux cas où le phénomène se produit
Différencecomparer deux situations semblables qui diffèrent par un facteur et par la présence du phénomène
Méthode conjointe de concordance et de différencecombiner présence commune et absence commune
Résidussoustraire les effets déjà expliqués pour attribuer le reste à une cause restante
Variations concomitantesrechercher si la variation d’un facteur accompagne systématiquement celle d’un autre

Mill formule bien cinq canons, même si son propre vocabulaire parle collectivement des « quatre méthodes de recherche expérimentale », une particularité textuelle bien connue des éditions de son *System of Logic*.

L’idée commune est relativement simple : lorsque plusieurs causes sont possibles, essayons de faire varier les circonstances afin d’éliminer progressivement les candidats incompatibles avec les observations. La causalité devient ainsi un problème de comparaison structurée plutôt qu’une simple impression de succession.

Pourquoi Mill revient-il à l’induction ?

Nous avons rencontré le problème dès Hume. Nous observons :

A puis B,

A puis B,

A puis B.

Mais comment passer de cette succession répétée à :

A cause B ?

Hume avait montré que la répétition ne révèle pas à elle seule une connexion nécessaire. Kant avait répondu en faisant de la causalité une condition a priori de l’expérience objective. Mill choisit une stratégie radicalement empiriste : les relations causales doivent être recherchées dans les régularités du monde, et les règles de la méthode scientifique sont elles-mêmes élaborées à partir de notre expérience des inductions qui réussissent ou échouent.

Mill ne cherche donc pas une garantie transcendantale de la causalité.

Il demande plutôt :

comment enquêter le plus rationnellement possible lorsque plusieurs causes sont envisageables ?

Sa réponse prend la forme d’une logique de l’enquête empirique.

De l’induction spontanée à l’induction scientifique

Nous faisons tous spontanément des inductions. Si plusieurs fois : un aliment nous rend malade, un feu nous brûle, un médicament apaise une douleur, nous commençons à anticiper ce qui se produira la prochaine fois.

Mill considère cette capacité comme inévitable chez des êtres qui doivent apprendre à se comporter dans leur environnement. Mais les inductions spontanées sont faillibles : certaines régularités persistent, d’autres disparaissent lorsque nous accumulons de nouvelles observations.

La science ne crée donc pas l’induction à partir de rien. Elle cherche à la discipliner.

Au lieu de dire simplement :

« J’ai observé plusieurs fois A avant B, donc A provoque B »,

elle demande :

quelles autres circonstances étaient présentes ?

B apparaît-il sans A ?

A apparaît-il sans B ?

Lorsque A varie, B varie-t-il également ?

Pouvons-nous isoler expérimentalement A ?

Cette transformation d’une induction spontanée en enquête contrôlée constitue le cœur de la méthode de Mill.

La logique générale : éliminer les causes possibles

Pour Mill, la recherche causale ressemble fondamentalement à un processus d’élimination. Nous partons d’un ensemble de circonstances susceptibles d’être responsables d’un phénomène. Nous cherchons ensuite des cas permettant d’exclure celles qui peuvent être présentes ou absentes sans que le phénomène correspondant soit modifié.

Imaginons que dix personnes tombent malades après un repas. Elles ont consommé différentes choses : pain, vin, salade, poisson, dessert.

Notre problème consiste à identifier :

quelle circonstance est liée à la maladie ?

Nous pourrions simplement accuser le poisson parce qu’il paraît suspect.

La méthode de Mill nous impose au contraire de comparer systématiquement les cas. C’est cette logique comparative qui donne naissance à ses différentes méthodes.

Principe

La méthode de concordance consiste à rechercher ce que plusieurs cas présentant le même phénomène ont en commun. Si des situations très différentes possèdent une seule circonstance commune et que le phénomène étudié apparaît dans chacune d’elles, cette circonstance devient un candidat causal important.

Prenons quatre personnes malades :

PersonneAliments consommésMalade
Apoisson, pain, saladeoui
Bpoisson, riz, fromageoui
Cpoisson, pâtes, fruitoui
Dpoisson, légumes, gâteauoui

Le seul aliment commun est le poisson.

La concordance suggère donc :

le poisson pourrait être impliqué dans la maladie.

Nous n’avons évidemment pas encore une preuve définitive. Mais nous avons identifié : un facteur candidat.

Pourquoi cette méthode est utile

Elle ressemble beaucoup au raisonnement utilisé lors d’une première enquête épidémiologique. Lorsque plusieurs personnes développent le même problème, nous cherchons : l’exposition commune, le lieu commun, le produit commun, le comportement commun.

La méthode de concordance est donc particulièrement utile lorsque nous ne contrôlons pas directement la situation et devons exploiter des cas naturellement survenus. Mais elle rencontre immédiatement un problème.

Peut-être que toutes les personnes ont également bu la même eau, utilisé le même couvert, été exposées au même virus.

Le « seul facteur commun » dépend de ce que nous avons pensé à mesurer.

Une cause non observée peut toujours nous échapper.

Concordance ne signifie pas encore causalité

Supposons que tous les malades aient également porté : des chaussures.

Il serait absurde d’en conclure :

« Les chaussures provoquent la maladie. »

Pourquoi ?

Parce que ce facteur est peut-être également présent chez : tous ceux qui ne sont pas malades.

La méthode de concordance devient beaucoup plus informative lorsque les cas comparés diffèrent énormément sur les autres dimensions pertinentes. Mais la simple coexistence répétée de deux caractéristiques ne suffit pas.

Nous avons besoin : de contrastes. C’est précisément ce qu’apporte la deuxième méthode.

Principe

La méthode de différence compare deux situations aussi semblables que possible, sauf sur une circonstance pertinente. Si le phénomène apparaît dans une situation mais pas dans l’autre et que la différence pertinente est la présence d’un facteur particulier, ce facteur constitue un candidat beaucoup plus sérieux pour une relation causale.

Imaginons deux groupes placés dans les mêmes conditions :

GroupeExposition au produit XSymptôme
Aouioui
Bnonnon

Si les groupes sont réellement comparables par ailleurs, la différence : présence de X accompagne la différence : présence du symptôme. C’est une structure extrêmement proche de l’idée fondamentale d’une : expérience contrôlée.

Pourquoi cette méthode est plus forte

La concordance demande :

qu’ont en commun les cas positifs ?

La différence demande :

qu’est-ce qui change entre un cas positif et un cas négatif comparable ?

Cette deuxième question est souvent beaucoup plus informative.

Prenons une plante.

Deux plantes génétiquement similaires reçoivent :

la même eau,

la même température,

la même lumière.

Une seule reçoit : un engrais X. Elle pousse beaucoup plus vite.

Si les autres facteurs ont réellement été contrôlés, nous possédons une raison beaucoup plus forte de penser que l’engrais intervient causalement. C’est pourquoi la méthode de différence ressemble particulièrement à la logique de l’expérience interventionnelle.

Le problème : deux situations ne sont jamais parfaitement identiques

Dans le monde réel, deux individus ou deux populations diffèrent toujours sur énormément de dimensions. C’est l’une des raisons pour lesquelles la recherche moderne utilise randomisation, groupes témoins, statistiques, ajustements, protocoles standardisés.

Ces techniques ne sont pas simplement les méthodes de Mill sous un autre nom. Elles représentent des développements méthodologiques bien plus sophistiqués.

Mais elles cherchent à résoudre un problème que Mill avait clairement identifié :

comment rendre les groupes suffisamment comparables pour isoler l’effet d’une différence particulière ?

La méthode de différence fournit donc une intuition fondamentale de la logique expérimentale sans constituer à elle seule une théorie moderne de l’inférence causale.

Principe

La méthode conjointe renforce la première en combinant deux observations :

dans les cas où le phénomène apparaît, un facteur X est présent ;

dans les cas où le phénomène n’apparaît pas, X est absent.

Mill la présente comme une combinaison des raisonnements de concordance et de différence.

Imaginons :

CasExposition XMaladie
Aouioui
Bouioui
Couioui
Dnonnon
Enonnon
Fnonnon

La relation est beaucoup plus persuasive que :

« tous les malades ont été exposés à X ».

Nous savons maintenant également :

« les non-exposés observés ne développent pas la maladie ».

Nous possédons donc deux directions de comparaison.

Pourquoi les contrôles sont si importants

Ce raisonnement permet de comprendre intuitivement pourquoi une étude scientifique ne peut pas examiner uniquement : les personnes ayant développé le phénomène.

Supposons que 90 % des personnes atteintes d’une maladie aient consommé du café. Cela semble impressionnant.

Mais si :

90 % de toute la population consomme du café,

nous n’avons peut-être rien découvert.

La question pertinente est donc toujours :

par rapport à quoi ?

Le groupe de comparaison constitue l’un des grands instruments permettant d’éviter les fausses causalités.

Cette idée peut être exprimée simplement :

un facteur fréquent chez les cas n’est informatif que si nous savons à quelle fréquence il apparaît chez les non-cas.

C’est une leçon essentielle pour lire études, statistiques, titres médiatiques.

Principe

La méthode des résidus intervient lorsque plusieurs causes et plusieurs effets sont déjà partiellement connus. Si nous pouvons attribuer une partie du phénomène à des causes déjà identifiées, ce qui reste inexpliqué — le résidu — doit être recherché dans les causes restantes. Mill inclut cette procédure parmi ses canons de la recherche expérimentale.

Prenons un exemple simplifié.

Nous observons un mouvement composé de plusieurs effets :

A + B + C.

Nous savons déjà qu’une cause X explique :

A,

et qu’une cause Y explique :

B.

Il reste :

C.

Si nous avons également une circonstance Z encore inexpliquée, nous pouvons soupçonner :

Z → C.

La logique consiste donc à soustraire : ce qui est déjà expliqué afin d’isoler : ce qui ne l’est pas encore.

Un exemple historique de structure résiduelle

La méthode ressemble au raisonnement fréquemment rencontré en astronomie : si le mouvement d’un objet céleste est presque entièrement expliqué par les forces déjà connues mais qu’une anomalie demeure, les scientifiques peuvent rechercher une cause supplémentaire.

La puissance de cette méthode vient de la structure théorique préalable.

Nous ne partons plus : de zéro.

Nous savons déjà : quels effets plusieurs causes produisent.

Le résidu devient ainsi : une anomalie précisément délimitée. Mais cela crée également une faiblesse.

Si nos explications précédentes sont fausses ou incomplètes, le calcul du résidu sera lui-même erroné.

La méthode dépend donc fortement : de la qualité du savoir déjà acquis.

Un exemple médical

Un patient présente : fatigue, fièvre, douleurs, anémie.

Supposons qu’une infection identifiée explique très bien : la fièvre et certaines douleurs, mais pas : l’anémie persistante.

Le résidu : anémie nous conduit à rechercher une seconde cause. Cette manière de raisonner est souvent utile en médecine : ne pas forcer une seule explication à rendre compte de tous les symptômes lorsque certains restent clairement inexpliqués.

Mais il faut éviter l’erreur inverse : inventer une nouvelle maladie pour chaque symptôme résiduel.

Encore une fois, la méthode fournit :

une stratégie d’enquête,

pas :

une machine automatique à produire la vérité.

Principe

La méthode des variations concomitantes cherche une relation entre deux grandeurs qui varient ensemble. Lorsque X augmente ou diminue et que Y varie systématiquement d’une certaine manière, nous obtenons une indication qu’une relation causale ou une cause commune peut exister entre eux. Elle est l’un des cinq canons de Mill.

Exemple : plus la dose d’un médicament augmente, plus la pression artérielle diminue.

Nous obtenons une relation : variation de la dose ↔ variation de l’effet. Cela peut être beaucoup plus informatif que la simple distinction : médicament présent / absent.

Nous pouvons rechercher une relation dose-effet.

Cette méthode ressemble à la corrélation, mais ne s’y réduit pas

Les variations concomitantes font évidemment penser à la notion contemporaine de corrélation. Mais il faut rester très prudent.

Si X et Y évoluent ensemble, plusieurs possibilités existent :

X cause Y ;

Y cause X ;

un troisième facteur Z cause X et Y ;

la relation est fortuite ;

la mesure ou la sélection des observations crée artificiellement l’association.

Mill lui-même cherche des lois causales, pas simplement des coefficients statistiques ; sa théorie de la causalité appartient à la tradition des conceptions régularistes issues de Hume.

La formule moderne :

corrélation n’implique pas causalité

ne constitue donc pas une réfutation de Mill.

Elle souligne plutôt ce que sa méthode doit encore établir :

quelles alternatives causales avons-nous réellement éliminées ?

Exemple : température et ventes de glaces

Plus la température augmente : plus les ventes de glaces augmentent.

Nous observons une variation concomitante.

Devons-nous conclure :

les glaces augmentent la température ?

Non.

La température constitue vraisemblablement : la cause commune qui influence les achats.

Le raisonnement causal exige donc de connaître la direction possible de la relation, les facteurs confondants, le contexte.

Une régularité quantitative est un indice, pas automatiquement : une causalité. Cette distinction est probablement l’une des applications les plus importantes des méthodes de Mill à l’esprit critique contemporain.

Imaginons une entreprise où plusieurs salariés souffrent soudainement de maux de tête.

Concordance

Nous examinons les personnes malades.

Toutes travaillent dans le bâtiment B.

Le bâtiment B devient un facteur suspect.

Différence

Nous comparons deux équipes semblables.

L’une travaille dans le bâtiment B et présente davantage de symptômes.

L’autre travaille dans le bâtiment A et n’en présente presque pas.

Le soupçon augmente.

Méthode conjointe

Les symptômes apparaissent systématiquement chez les salariés exposés au bâtiment B et beaucoup moins chez ceux qui ne le sont pas.

Le lien devient plus solide.

Résidus

Nous savons déjà qu’une partie des symptômes est expliquée par une infection saisonnière. Mais un excès spécifique reste limité au bâtiment B.

Nous recherchons donc : une autre cause locale.

Variations concomitantes

Nous constatons que les symptômes augmentent avec la durée passée dans certaines zones du bâtiment et diminuent lorsque : la ventilation est renforcée.

Une hypothèse concernant : la qualité de l’air devient particulièrement plausible. Ce raisonnement ne constitue toujours pas une preuve parfaite.

Mais il montre comment différentes structures de comparaison peuvent se renforcer mutuellement.

Mill invente-t-il l’expérience scientifique ?

Non.

Les sciences expérimentales existaient évidemment avant lui. Bacon avait déjà accordé un rôle majeur à l’élimination et à l’expérience, et Mill reconnaît explicitement cette filiation tout en estimant que Bacon n’avait pas suffisamment traité certaines difficultés comme la pluralité des causes.

L’ambition de Mill est différente : reconstruire logiquement les principes de l’enquête causale. Il cherche à transformer certaines pratiques expérimentales en règles explicites.

Cela permet de les : enseigner, analyser, critiquer. Cette entreprise est fondamentale dans l’histoire de la philosophie des sciences.

Pourquoi Mill parle-t-il d’élimination ?

Supposons que nous ayons quatre causes possibles :

A, B, C, D.

Les observations montrent que le phénomène apparaît : sans B.

Nous pouvons donc éliminer :

B comme condition indispensable. Il apparaît également : sans C.

Nous éliminons :

C.

Des expériences montrent ensuite que la présence ou l’absence de D ne modifie pas le phénomène.

Il reste :

A.

La logique semble presque déductive :

si les candidats possibles sont réellement A, B, C et D,

et si B, C et D sont éliminés,

alors :

A reste.

Mais toute la difficulté se cache dans :

« si les candidats possibles sont réellement A, B, C et D ».

Et si nous avons oublié :

E ?

C’est l’une des limites fondamentales de la méthode.

Le problème des causes inconnues

Mill comprend parfaitement qu’une élimination ne fonctionne que si l’ensemble des hypothèses pertinentes a été correctement identifié. Une reconstruction classique de sa méthode souligne donc deux présupposés : il doit exister une cause suffisamment déterminée et la vraie cause doit appartenir à l’ensemble des candidats que nous examinons.

Prenons :

A, B et C.

Nous éliminons :

B et C.

Nous concluons :

A.

Mais si la vraie cause est :

D,

que nous n’avons jamais mesurée,

notre conclusion devient fausse. C’est exactement le problème des : variables omises.

Les méthodes d’élimination sont donc d’autant plus puissantes que nous possédons : une bonne connaissance préalable des causes possibles.

Encore une fois : l’expérience n’interroge jamais le monde sans hypothèses préalables.

La pluralité des causes

Mill insiste également sur la pluralité des causes : un même type d’effet peut être produit par plusieurs causes différentes. Il reproche notamment à Bacon de ne pas avoir suffisamment pris en compte cette difficulté.

Prenons : la fièvre. Elle peut résulter d’une infection virale, d’une infection bactérienne, d’une réaction inflammatoire, de certains médicaments, d’autres pathologies.

Si nous cherchons :

« la cause de la fièvre »

comme s’il devait exister une cause unique, nous posons mal le problème.

La méthode de concordance devient alors particulièrement fragile.

Dix personnes fiévreuses peuvent ne posséder aucune exposition unique commune parce qu’elles ont des causes différentes.

Nous devons donc distinguer un même effet observable de l’existence d’un mécanisme causal unique. Cette difficulté est particulièrement importante en médecine et en sciences sociales.

Plusieurs causes peuvent également agir ensemble

Le problème ne s’arrête pas là.

Un effet peut résulter non d’une cause unique, mais d’une combinaison.

Supposons :

A seul : pas d’effet.

B seul : pas d’effet.

A + B : effet.

Si nous testons séparément A et B, nous pourrions conclure qu’aucun n’est causal. Mais la relation réelle est interaction entre A et B.

Les systèmes biologiques, psychologiques et sociaux contiennent énormément de phénomènes de ce type. Cela réduit fortement l’idée qu’une méthode simple d’élimination pourrait isoler systématiquement : la cause.

Mill lui-même était conscient de la difficulté posée par la combinaison des causes et par la complexité des phénomènes, même si la méthodologie contemporaine dispose d’outils bien plus développés pour traiter les interactions.

Cause nécessaire et cause suffisante

Les méthodes de Mill permettent également de comprendre une distinction fondamentale.

Une cause nécessaire est une condition sans laquelle l’effet ne se produit pas.

Une cause suffisante est une condition dont la présence suffit, dans les conditions pertinentes, à produire l’effet. Ces deux notions ne sont pas équivalentes.

L’oxygène peut être nécessaire à une combustion ordinaire sans être suffisant pour produire un incendie.

Une étincelle peut déclencher certains incendies sans être nécessaire à tous les incendies.

Les méthodes de concordance et de différence peuvent fournir des indices différents concernant ces relations.

Cette distinction reste essentielle pour éviter la formule imprécise :

« X est la cause de Y ».

La causalité réelle peut être beaucoup plus structurée : facteur nécessaire, facteur déclencheur, facteur facilitateur, combinaison de conditions.

Mill pense-t-il que la nature est entièrement causale ?

Mill développe un principe extrêmement ambitieux, généralement désigné comme la loi de causalité universelle : les événements du monde appartiennent à un ordre de régularités susceptible, en principe, d’être découvert. Dans sa philosophie, cette conviction n’est pas une vérité a priori kantienne ; elle résulte elle-même de l’expérience accumulée des régularités naturelles.

Nous retrouvons donc l’empirisme radical de Mill.

Les lois particulières sont découvertes : par induction. Mais la confiance générale selon laquelle la nature possède des lois est elle-même finalement : inductive.

Et c’est ici que le problème devient circulaire.

Le problème de l’uniformité de la nature

Pour généraliser à partir de nos observations, nous devons supposer que certaines régularités : ne disparaîtront pas arbitrairement.

Mill formule ainsi un principe d’uniformité de la nature : ce qui est vrai dans certains cas pertinents peut être généralisé aux autres cas du même type lorsque nous avons correctement identifié les circonstances. Mais Mill considère également ce principe comme une généralisation empirique fondée sur des inductions antérieures.

Nous obtenons donc nous justifions certaines inductions par l’uniformité de la nature.

Mais comment justifions-nous :

l’uniformité de la nature ?

Par l’expérience passée. Donc : par induction.

Le raisonnement menace de devenir circulaire. C’est exactement le type de difficulté que Hume avait rendu célèbre.

Mill résout-il le problème de Hume ?

Pas au sens où il fournirait une démonstration non circulaire montrant que l’induction doit nécessairement fonctionner.

Mill reformule en partie le problème : il cherche surtout à distinguer les bonnes inductions des mauvaises et à comprendre comment certaines régularités deviennent suffisamment solides pour être considérées comme des lois. La littérature contemporaine sur le problème de l’induction souligne précisément que son principe d’uniformité est lui-même présenté comme une généralisation issue d’inductions antérieures.

Autrement dit, Mill nous donne une méthodologie extrêmement utile de l’enquête inductive mais pas : une fondation logique ultime de l’induction.

Le problème de Hume demeure.

C’est pourquoi Popper pourra beaucoup plus tard affirmer :

plutôt que chercher à justifier l’induction, supprimons-la de la logique de la science.

Nous verrons que cette réponse est elle-même beaucoup plus compliquée qu’elle n’en a l’air.

Une induction n’est jamais rendue certaine par le seul nombre de cas

Mill insiste sur une idée subtile : un grand nombre d’observations concordantes n’a pas toujours la même valeur. Dans certains contextes, un seul cas soigneusement contrôlé peut être extraordinairement informatif ; dans d’autres, des milliers de cas similaires apportent peu de justification à une généralisation universelle.

C’est fondamental.

Imaginons :

10 000 cygnes blancs observés. Cela ne démontre pas tous les cygnes sont blancs.

Mais une seule expérience correctement construite peut parfois éliminer une hypothèse très précise.

La force d’une preuve dépend donc : pas seulement du nombre, mais de la structure de l’observation. C’est une leçon extraordinairement importante pour l’esprit critique.

10 000 anecdotes ne deviennent pas automatiquement une expérience

Supposons que 10 000 personnes déclarent :

« J’ai pris le traitement X et je me suis senti mieux. »

Cela semble impressionnant. Mais nous ne savons pas : combien se seraient améliorées sans traitement, si d’autres traitements étaient utilisés, si les cas les plus favorables sont davantage rapportés, si les diagnostics étaient comparables.

Une comparaison contrôlée portant sur beaucoup moins de personnes peut produire une preuve causalement bien plus informative.

Mill nous aide ici à comprendre pourquoi : la qualité d’une comparaison peut compter davantage que la quantité brute d’observations.

Les méthodes modernes permettent d’aller beaucoup plus loin, mais la logique fondamentale est déjà visible.

Mill et l’expérience contrôlée moderne

Il serait tentant de dire :

« Mill a inventé l’essai randomisé. »

Ce serait historiquement faux.

La randomisation, les statistiques modernes, les intervalles de confiance, la puissance statistique et les méthodes contemporaines d’inférence causale appartiennent à des développements ultérieurs. Mais la méthode de différence contient une intuition centrale : comparer des situations aussi semblables que possible qui diffèrent sur le facteur étudié.

La randomisation constitue précisément l’un des moyens modernes les plus puissants pour rendre les groupes comparables en moyenne concernant les facteurs connus et inconnus.

Nous pouvons donc parler d’une parenté logique sans identifier les deux méthodes.

Mill et les sciences sociales

Mill veut appliquer la logique scientifique également aux phénomènes humains. Mais les méthodes expérimentales rencontrent ici de grandes difficultés : les sociétés contiennent trop de facteurs entremêlés pour que nous puissions toujours isoler proprement une cause comme dans une expérience simple. Son *System of Logic* comporte d’ailleurs une réflexion importante sur les méthodes des sciences sociales et de l’histoire.

Prenons une politique économique.

Le chômage diminue après : une réforme.

La réforme a-t-elle causé :

la baisse ?

Peut-être. Mais pendant la même période ont également changé : la conjoncture internationale, les taux d’intérêt, les prix de l’énergie, les comportements des entreprises.

Nous ne pouvons pas simplement appliquer :

avant réforme / après réforme

et conclure :

cause établie.

Nous avons besoin : de groupes de comparaison, de séries temporelles, de modèles, d’expériences naturelles, de nombreuses précautions.

Le problème que Mill identifie reste donc extrêmement actuel.

Avant / après : l’une des erreurs causales les plus fréquentes

La méthode de différence est souvent mal imitée.

Nous observons : avant X : Y absent.

Après X : Y présent.

Nous concluons :

X cause Y. Mais deux périodes temporelles diffèrent généralement : sur bien plus que X.

Exemple :

« Nous avons changé de gouvernement, puis le chômage a diminué : le nouveau gouvernement a donc causé la baisse. »

Peut-être. Mais il faut examiner les tendances antérieures, la conjoncture, les délais d’action, les politiques précédentes, les événements extérieurs.

Un vrai raisonnement de différence exige un contre-factuel crédible.

Que se serait-il produit :

sans X ?

Mill ne formule pas encore le problème dans le langage contemporain des contrefactuels, mais sa méthode cherche déjà à construire une comparaison pertinente.

La causalité n’est pas une simple succession temporelle

Nous retrouvons donc un enseignement fondamental.

Si A précède B :

A peut causer B. Mais il peut aussi être sans rapport, être causé avec B par C, être un simple indicateur, être lui-même affecté par une autre variable.

Le célèbre sophisme : post hoc ergo propter hoc consiste précisément à transformer

« après »

en :

« à cause de ».

Les méthodes de Mill constituent une tentative systématique pour dépasser cette faiblesse.

La bonne question n’est plus seulement :

A précède-t-il B ?

Mais :

que se passe-t-il lorsque A est présent ou absent dans différentes circonstances pertinentes ?

C’est un énorme progrès méthodologique.

Erreurs fréquentes

La première erreur est : « Mill pense qu’il suffit d’observer beaucoup de cas pour démontrer une loi. » Au contraire, il cherche précisément à distinguer les inductions fiables de la simple énumération et souligne que la force d’une induction ne dépend pas uniquement du nombre d’exemples.

Deuxième erreur : « Les méthodes de Mill prouvent automatiquement la causalité. » Elles fournissent des procédures d’élimination, mais leur force dépend notamment de la qualité des comparaisons et de notre capacité à avoir identifié les causes possibles.

Troisième erreur : « Concordance = causalité. » Un facteur commun aux cas peut être fortuit ou également présent chez les non-cas.

Quatrième erreur : « Variation concomitante = toute corrélation statistique. » Une covariation peut provenir d’une causalité directe, d’une causalité inverse, d’une cause commune ou d’autres biais.

Cinquième erreur : « La méthode de différence signifie simplement avant/après. » Deux périodes successives peuvent différer sur de nombreux facteurs ; le raisonnement demande une véritable comparaison contrôlée.

Sixième erreur : « Mill a résolu le problème de Hume. » Sa théorie fournit une logique élaborée pour distinguer de meilleures inductions, mais l’uniformité de la nature sur laquelle repose la généralisation reste elle-même justifiée inductivement.

Enfin, il ne faut pas identifier directement les méthodes de Mill :

aux essais randomisés,

aux statistiques modernes,

ou aux modèles causaux contemporains. Elles en annoncent certains problèmes sans posséder leurs outils.

Limites

La première limite est le problème des variables non observées. Une méthode d’élimination ne peut exclure que les facteurs que l’enquête a identifiés. Une cause ignorée peut produire une relation apparente entre deux variables.

La deuxième est la pluralité des causes. Un même effet peut être produit par des mécanismes différents ; Mill lui-même considère cette difficulté comme suffisamment importante pour critiquer la méthodologie baconienne sur ce point.

Troisième limite : les causes peuvent fonctionner en combinaison. Chercher une circonstance unique peut manquer des interactions où plusieurs facteurs ne produisent l’effet qu’ensemble.

Quatrième limite : les méthodes fonctionnent beaucoup mieux dans des situations où les variables peuvent être suffisamment isolées que dans des systèmes extrêmement complexes. Les sciences sociales, l’écologie ou la médecine réelle demandent souvent des méthodes probabilistes et statistiques beaucoup plus sophistiquées.

Cinquième limite : la causalité n’est pas nécessairement une relation déterministe simple. De nombreux facteurs ne font qu’augmenter ou diminuer une probabilité. Fumer n’implique pas qu’une personne donnée développera nécessairement un cancer du poumon ; cela modifie fortement le risque.

Sixième limite : l’ensemble des hypothèses possibles est rarement connu à l’avance. L’élimination peut nous conduire à choisir la meilleure hypothèse parmi celles auxquelles nous avons pensé sans que la véritable explication appartienne à cette liste. La reconstruction de Mill reconnaît précisément cette dépendance à un ensemble préalable de possibilités.

Enfin, le problème de l’induction lui-même demeure : même une méthode expérimentale remarquablement efficace ne fournit pas une démonstration déductive que les régularités observées continueront nécessairement dans tous les cas futurs.

En pratique

Les méthodes de Mill peuvent être transformées en cinq questions très simples lorsqu’une causalité est affirmée.

Concordance : le facteur X est-il réellement commun aux cas où Y apparaît ?

Différence : que se passe-t-il dans des cas comparables où X est absent ?

Méthode conjointe : Y apparaît-il davantage lorsque X est présent et moins lorsqu’il est absent ?

Résidus : après avoir tenu compte des causes déjà connues, quelque chose reste-t-il systématiquement inexpliqué ?

Variations concomitantes : lorsque X varie, Y varie-t-il de manière régulière ?

Ces questions ne prouvent pas automatiquement : la causalité. Mais elles permettent immédiatement d’améliorer une discussion, une enquête, la lecture d’une étude.

Exemple : « Les téléphones rendent les adolescents dépressifs »

Prenons une affirmation très actuelle dans sa structure, sans chercher ici à déterminer sa vérité empirique :

« L’usage du smartphone provoque la dépression chez les adolescents. »

Le réflexe de concordance demande :

les adolescents déprimés utilisent-ils particulièrement les smartphones ?

Mais presque tous les adolescents peuvent les utiliser.

La différence demande :

les adolescents comparables utilisant moins certains usages présentent-ils moins de symptômes ?

Les variations concomitantes demandent :

davantage d’exposition est-elle associée à davantage de symptômes ?

Puis viennent les problèmes supplémentaires :

la dépression peut-elle elle-même augmenter l’usage du téléphone ?

Un troisième facteur comme l’isolement social peut-il produire :

les deux ?

Tous les usages du téléphone sont-ils équivalents ?

Nous voyons immédiatement que poser correctement la question causale est déjà un progrès considérable.

Les méthodes de Mill donnent une excellente introduction à cette discipline.

Une règle très utile : demandez toujours le groupe de comparaison

Lorsqu’un chiffre est présenté :

« 70 % des personnes atteintes de X avaient fait Y »,

demandez :

combien de personnes sans X avaient également fait Y ?

Lorsqu’on dit :

« les crimes ont augmenté après la réforme »,

demandez :

que se passait-il auparavant et que s’est-il passé dans des populations comparables sans cette réforme ?

Lorsqu’un témoignage affirme :

« J’ai pris X puis j’ai guéri »,

demandez :

quelle était la probabilité de guérison sans X ?

Cette simple habitude correspond largement à l’esprit de la méthode de différence. C’est l’un des outils les plus puissants contre les causalités imaginaires, les témoignages trompeurs, les statistiques sorties de leur contexte.

Pourquoi c’est important

Mill constitue une étape importante parce qu’il transforme l’induction en problème de méthode comparative. Chez Bacon, nous avions déjà l’importance de l’expérience et de l’élimination. Chez Hume, nous avions découvert que la répétition ne garantit pas logiquement la causalité. Chez Comte, la science positive cherche les lois des phénomènes. Mill demande alors :

comment découvrir ces lois dans la pratique ?

Sa réponse est comparons systématiquement les circonstances et éliminons les explications incompatibles avec les observations. C’est un changement très important.

La force d’une induction ne dépend plus simplement : du nombre de cas observés. Elle dépend : de la manière dont les cas sont structurés pour départager plusieurs hypothèses.

Cette idée est profondément moderne.

À retenir

John Stuart Mill développe dans *A System of Logic* une logique empiriste de l’enquête scientifique fondée sur la recherche et l’élimination des causes possibles. Ses célèbres canons comprennent la méthode de concordance, la méthode de différence, leur méthode conjointe, la méthode des résidus et la méthode des variations concomitantes.

La concordance cherche une circonstance commune aux cas présentant le phénomène. La différence compare des situations semblables qui se distinguent par un facteur et par la présence de l’effet. La méthode conjointe combine ces deux stratégies. Les résidus attribuent ce qui reste inexpliqué à des facteurs encore non associés à un effet connu. Les variations concomitantes recherchent des variations systématiques entre deux phénomènes.

Leur principe général est éliminer progressivement les hypothèses causales incompatibles avec les observations. Mais cette logique possède plusieurs limites : causes non observées, causes multiples, interactions, systèmes complexes et difficulté à établir que l’ensemble des hypothèses pertinentes a réellement été envisagé.

Surtout, Mill ne résout pas complètement le problème de l’induction. Il fait reposer la généralisation scientifique sur une confiance dans l’uniformité ou la régularité de la nature, mais considère cette confiance comme elle-même issue de l’expérience et d’inductions antérieures. Le cercle soulevé depuis Hume demeure donc.

Son apport essentiel est ailleurs :

une observation devient beaucoup plus informative lorsqu’elle permet de comparer des hypothèses concurrentes.

Un seul cas bien construit peut donc parfois valoir davantage que des milliers d’anecdotes répétées.

Et cette intuition demeure au cœur de la recherche causale moderne, même si les méthodes statistiques et expérimentales contemporaines ont largement dépassé les outils formels de Mill. Cette conception va maintenant rencontrer une critique particulièrement importante.

La prochaine fiche sera :

Le désaccord sera profond.

Pour Mill, l’induction consiste fondamentalement à découvrir des régularités dans l’expérience et à les tester par des méthodes d’élimination.

William Whewell répondra que les faits ne s’organisent jamais tout seuls. Pour découvrir une loi, le scientifique doit apporter une idée, un concept capable de réunir des observations auparavant dispersées — ce qu’il appellera notamment la colligation des faits.

Nous retrouverons alors, sous une forme nouvelle, une question qui nous accompagne depuis Kant :

la science découvre-t-elle ses concepts dans les données, ou faut-il d’abord inventer les concepts permettant aux données de devenir intelligibles ?

Concepts liés

John Stuart Mill ; induction ; *System of Logic* ; méthode de concordance ; méthode de différence ; méthode conjointe ; méthode des résidus ; variations concomitantes ; causalité ; expérimentation ; élimination ; groupe témoin ; comparaison ; uniformité de la nature ; pluralité des causes ; interaction ; corrélation ; cause nécessaire ; cause suffisante ; problème de l’induction ; Hume ; Bacon ; Comte ; inférence causale ; contrefactuel ; variable confondante.

6 sur 9Retour à la catégorie