L’inférence à la meilleure explication : pourquoi choisissons-nous une hypothèse plutôt qu’une autre ?

Des faits à leur explication

Nous observons des traces, des régularités et des événements. Nous cherchons ensuite ce qui pourrait les expliquer. Le sol est mouillé. Plusieurs hypothèses sont possibles : il a plu, un système d’arrosage a fonctionné, une conduite a fui ou quelqu’un a versé de l’eau. L’observation seule ne contient pas directement sa cause. Nous raisonnons alors à rebours :

Quelle hypothèse rendrait le mieux compte de ce que nous constatons ?

Ce type de raisonnement est souvent appelé inférence à la meilleure explication. Il ne consiste pas à déduire une conclusion nécessaire à partir de prémisses. Il ne consiste pas non plus à généraliser directement une régularité observée. Il cherche l’hypothèse qui, si elle était vraie, expliquerait le mieux les faits disponibles.

Sa forme générale peut être représentée ainsi :

  1. un ensemble de faits demande une explication ;
  2. plusieurs hypothèses pourraient les expliquer ;
  3. une hypothèse les explique mieux que ses concurrentes ;
  4. nous avons donc une raison de la considérer comme probablement vraie.

Le passage de la troisième à la quatrième étape n’est pas logiquement contraignant. La meilleure explication disponible peut encore être fausse. Une hypothèse inconnue pourrait être meilleure.

L’inférence à la meilleure explication est donc un raisonnement ampliatif : sa conclusion apporte davantage que ce qui était explicitement contenu dans les observations.


Déduction, induction et abduction

Trois grandes formes de raisonnement doivent être distinguées.

La déduction

La déduction part de prémisses et produit une conclusion qui ne peut pas être fausse si les prémisses sont vraies et le raisonnement valide.

Tous les métaux de ce type se dilatent lorsqu’ils sont chauffés.

Cet objet est un métal de ce type et il est chauffé.

Donc il se dilate.

La déduction transmet la vérité, mais ne garantit pas que les prémisses soient elles-mêmes correctes.

L’induction

L’induction part de cas observés et généralise une régularité.

Les nombreux échantillons examinés se sont dilatés lorsqu’ils ont été chauffés.

Il est donc probable que les échantillons comparables se dilatent également.

La conclusion dépasse les observations déjà réalisées.

L’abduction

L’abduction part d’un résultat ou d’un ensemble de faits et propose une hypothèse explicative.

Cet objet s’est dilaté.

Le chauffage expliquerait cette dilatation.

Il est donc plausible que l’objet ait été chauffé.

Mais d’autres causes peuvent produire le même effet. L’abduction ne garantit pas l’unicité de l’explication.

Dans la pratique scientifique, ces raisonnements sont souvent combinés. L’abduction propose une hypothèse. La déduction en tire des prédictions. L’induction et l’analyse statistique permettent d’évaluer la régularité des résultats.


Peirce et la naissance de l’abduction

Charles Sanders Peirce a donné à l’abduction une place centrale dans la logique de l’enquête. Il remarque qu’une découverte scientifique ne peut pas venir uniquement de la déduction. La déduction développe les conséquences d’hypothèses déjà disponibles, mais elle ne crée pas ces hypothèses. L’induction permet d’évaluer des régularités, mais elle ne suffit pas toujours à inventer le mécanisme susceptible de les expliquer. L’abduction intervient lorsqu’un fait paraît surprenant :

Le fait surprenant C est observé.

Si l’hypothèse A était vraie, C serait attendu.

Il existe donc une raison d’examiner A.

La conclusion de Peirce est prudente. L’abduction ne prouve pas immédiatement A. Elle propose une hypothèse digne d’enquête.

L’abduction est ainsi liée à la créativité scientifique. Elle permet de passer d’un symptôme à un diagnostic possible, d’une anomalie à un mécanisme, d’une trace à un événement passé et d’une régularité à une loi supposée. Mais l’hypothèse inventée doit ensuite être testée.


Proposer n’est pas confirmer

Il faut distinguer deux fonctions de l’abduction. La première consiste à produire une hypothèse. Un chercheur remarque une régularité inattendue et imagine un mécanisme susceptible de l’expliquer. La seconde consiste à justifier une préférence entre plusieurs hypothèses. Une fois les candidates formulées, il faut déterminer laquelle explique le mieux les données. Ces fonctions sont liées, mais différentes.

Une hypothèse peut être imaginative et féconde sans être encore bien confirmée. Une théorie peut également être la meilleure parmi les options envisagées tout en rester faiblement soutenue si toutes les options sont médiocres. Dire :

« C’est actuellement notre meilleure explication »

ne signifie donc pas nécessairement :

« Cette explication est fortement établie. »

La qualité absolue de la preuve doit être distinguée du classement relatif entre hypothèses.


La meilleure explication disponible peut être mauvaise

Imaginons qu’un médecin hésite entre trois diagnostics, mais qu’aucun ne corresponde parfaitement aux symptômes. L’un d’eux est légèrement meilleur que les autres. Il serait excessif de conclure qu’il est donc presque certainement correct. La meilleure option d’une liste incomplète peut être fausse. Ce problème est parfois appelé problème de l’ensemble défectueux : les hypothèses comparées ne comprennent peut-être pas la véritable explication. Une inférence rigoureuse doit donc poser deux questions :

Quelle hypothèse est la meilleure parmi celles que nous avons envisagées ?

et :

Les hypothèses envisagées couvrent-elles raisonnablement l’espace des explications plausibles ?

La seconde question demande de rechercher activement les alternatives, en particulier lorsque les enjeux sont importants.


Expliquer n’est pas seulement correspondre aux faits

Une hypothèse peut être compatible avec les observations sans réellement les expliquer. Supposons que quelqu’un affirme :

« Le sol est mouillé parce qu’une force inconnue l’a rendu mouillé. »

Cette phrase correspond au fait, mais n’apporte presque aucune compréhension.

Une bonne explication doit idéalement montrer :

  • comment le phénomène s’est produit ;
  • pourquoi il s’est produit dans ces conditions ;
  • pourquoi il possède cette forme particulière ;
  • ce qui aurait été différent si certaines conditions avaient changé.

Elle doit relier les faits à une structure, à un mécanisme, à une loi ou à un modèle.

Une explication qui répète simplement le phénomène sous un autre nom ne possède qu’une faible valeur.


Les vertus explicatives

Pour comparer plusieurs hypothèses, nous utilisons diverses qualités, souvent appelées vertus explicatives.

Les principales sont :

  • l’adéquation aux faits ;
  • l’étendue ;
  • la précision ;
  • la simplicité ;
  • la cohérence ;
  • la plausibilité ;
  • la capacité à unifier ;
  • la fécondité ;
  • la robustesse ;
  • la production de nouvelles prédictions.

Aucune de ces qualités ne suffit toujours à elle seule. Une théorie simple peut être trop grossière. Une théorie très précise peut être adaptée artificiellement aux données. Une théorie unificatrice peut négliger des mécanismes différents. Le choix de la meilleure explication demande une appréciation comparative.


L’adéquation aux faits

La première exigence est qu’une hypothèse rende correctement compte des observations. Elle doit expliquer les faits centraux, mais aussi les détails pertinents. Une hypothèse qui explique un élément spectaculaire tout en ignorant plusieurs faits contraires ne constitue pas une bonne explication générale. Il faut examiner :

  • les faits qu’elle explique ;
  • ceux qu’elle laisse de côté ;
  • ceux qui la contredisent ;
  • les hypothèses supplémentaires nécessaires pour la sauver.

La sélection des faits est elle-même importante. Une personne peut construire une explication apparemment puissante en ne retenant que les observations qui lui conviennent.

La meilleure explication doit être évaluée sur l’ensemble pertinent des preuves, et non sur une collection choisie après coup.


L’étendue

Une explication possède une grande étendue lorsqu’elle rend compte de plusieurs phénomènes à partir d’un même principe. Une théorie expliquant à la fois le mouvement de certains objets, des régularités astronomiques et des variations observées dans plusieurs contextes possède davantage d’étendue qu’une explication locale applicable à un seul cas. Cette étendue peut être un avantage, car elle réduit le nombre de faits indépendants à accepter. Mais une théorie trop générale peut perdre en précision.

L’étendue doit donc être comparée à la fidélité aux particularités.

Une explication globale ne doit pas écraser les différences importantes sous un principe vague.


L’unification

L’unification consiste à montrer que plusieurs phénomènes apparemment séparés résultent d’une même structure. Elle produit un gain de compréhension. Au lieu de posséder une explication différente pour chaque phénomène, nous découvrons qu’ils appartiennent à une même famille. L’unification constitue l’une des forces de nombreuses grandes théories scientifiques. Mais elle peut aussi être artificielle. Une théorie peut employer un concept tellement vague qu’elle paraît expliquer tout :

tout comportement vient du désir de pouvoir ;

toute décision vient de l’intérêt économique ;

tout événement politique vient d’une manipulation cachée.

Ces explications semblent unificatrices parce qu’elles utilisent toujours la même cause. Mais elles perdent leur valeur si elles ne précisent pas les mécanismes, les conditions et les résultats qui pourraient les contredire.

Une véritable unification réduit la diversité apparente tout en conservant un contenu empirique précis.


La simplicité

Une hypothèse simple mobilise moins d’hypothèses indépendantes ou d’exceptions particulières. Supposons qu’une fenêtre soit cassée et qu’une pierre se trouve dans la pièce.

Une explication simple affirme qu’une pierre lancée a brisé la vitre.

Une autre suppose qu’une première personne a cassé la fenêtre, qu’une seconde a ensuite placé la pierre et qu’une troisième a effacé certaines traces. La seconde reste possible, mais demande davantage de circonstances particulières sans preuve supplémentaire. Le rasoir d’Ockham nous invite à ne pas multiplier les entités ou les hypothèses au-delà de ce qui est nécessaire. Mais la simplicité n’est pas une preuve. Le monde peut être complexe. Une explication plus compliquée peut être vraie lorsqu’elle est soutenue par des indices indépendants.

Le principe pertinent n’est pas :

« L’explication la plus simple est toujours vraie. »

Il est plutôt :

« À pouvoir explicatif comparable, l’explication demandant le moins d’hypothèses gratuites mérite généralement la préférence. »


La simplicité dépend de la représentation

Une théorie peut sembler simple dans un langage et complexe dans un autre. Une formulation mathématique courte peut exiger des concepts difficiles. Une explication intuitive peut cacher de nombreuses hypothèses. La simplicité doit donc être précisée. Elle peut concerner :

  • le nombre d’entités ;
  • le nombre de paramètres ;
  • la longueur des lois ;
  • le nombre d’exceptions ;
  • la facilité d’intégration aux autres connaissances.

Deux chercheurs peuvent raisonnablement différer sur la simplicité comparative de deux théories.

La simplicité reste un critère utile, mais non entièrement mécanique.


La cohérence

Une bonne explication doit être cohérente avec les autres connaissances bien établies, sauf si elle apporte des preuves suffisamment fortes pour les réviser. Une hypothèse médicale qui contredit des mécanismes biologiques solidement confirmés supporte une charge de la preuve importante. Une explication historique qui exige qu’un acteur ait accompli une action alors qu’il se trouvait ailleurs est fragilisée. La cohérence possède deux dimensions :

  • cohérence interne : les éléments de la théorie ne se contredisent pas ;
  • cohérence externe : la théorie s’accorde raisonnablement avec le reste des connaissances.

La cohérence externe ne doit pas devenir un conservatisme absolu. Une théorie nouvelle peut légitimement remettre en cause des connaissances anciennes. Mais plus la rupture est profonde, plus les preuves doivent être fortes.


La plausibilité

Une hypothèse est plausible lorsqu’elle correspond à des mécanismes, des fréquences ou des régularités déjà connus. Si un objet disparaît d’une table, l’hypothèse qu’une personne l’a déplacé est généralement plus plausible que celle d’une disparition spontanée violant toutes les régularités ordinaires.

La plausibilité dépend donc de connaissances antérieures. Elle ne doit pas être confondue avec la familiarité psychologique. Une hypothèse scientifique peut être contre-intuitive tout en devenir plausible grâce à des données solides. Inversement, une histoire correspondant parfaitement à nos intuitions sociales peut être fausse. La plausibilité doit être fondée sur l’état des connaissances, non seulement sur ce qui nous paraît naturel.


Les probabilités antérieures

Le raisonnement bayésien formalise en partie la plausibilité antérieure. Avant d’observer une nouvelle preuve, certaines hypothèses possèdent déjà davantage de soutien que d’autres. Si une personne tousse, un rhume ordinaire est généralement plus probable qu’une maladie extrêmement rare, même si les deux peuvent produire ce symptôme. Cette fréquence antérieure doit être combinée à la capacité de chaque hypothèse à expliquer les données particulières. Une maladie rare peut devenir l’explication la plus probable si un signe très spécifique est observé. L’inférence à la meilleure explication et le raisonnement bayésien se rejoignent ici : une bonne hypothèse doit être à la fois raisonnablement plausible avant l’observation et capable de rendre les données particulièrement attendues.


La précision

Une explication précise indique ce qui devrait se produire, dans quelles conditions et avec quelles limites.

Une hypothèse vague peut être compatible avec presque tous les résultats.

« Une énergie influence parfois les événements »

est difficile à réfuter parce qu’elle ne précise ni le mécanisme, ni les circonstances, ni l’ampleur.

Une hypothèse précise prend davantage de risques. Elle devient plus informative, mais aussi plus vulnérable à l’échec. Cette vulnérabilité est une qualité épistémique.

Une théorie qui indique clairement les conditions de son erreur peut être testée et corrigée.


La fécondité

Une explication est féconde lorsqu’elle produit de nouvelles questions, méthodes ou découvertes. Elle permet de prévoir des phénomènes non encore observés, de relier des domaines ou de concevoir des interventions. Une théorie peut être initialement choisie parce qu’elle organise bien les données, puis gagner en crédibilité grâce aux recherches qu’elle rend possibles. La fécondité ne prouve pas immédiatement la vérité. Une idée fausse peut parfois stimuler des recherches utiles. Mais une théorie qui continue à produire des découvertes précises possède un avantage important sur une explication stérile capable seulement de réinterpréter ce qui est déjà connu.


Les prédictions nouvelles

Une hypothèse gagne une force particulière lorsqu’elle prédit correctement une donnée qui n’a pas servi à sa construction.

De nombreuses histoires peuvent expliquer un résultat après coup. Il est plus difficile d’annoncer à l’avance :

  • une observation nouvelle ;
  • un ordre de grandeur ;
  • un effet dans un autre contexte ;
  • une conséquence inattendue.

La prédiction nouvelle limite le risque que l’hypothèse soit simplement ajustée aux faits existants. Elle ne constitue pas une preuve définitive, car plusieurs théories peuvent parfois produire la même prédiction. Mais elle renforce fortement la préférence comparative.


Expliquer après coup

Une histoire peut paraître convaincante parce qu’elle rend parfaitement intelligible un événement une fois qu’il s’est produit.

Après une élection, une crise ou un échec, il est facile d’identifier des signes supposés annonciateurs.

Mais la même histoire aurait-elle permis de prévoir le résultat avant de le connaître ?

Le biais rétrospectif transforme la contingence en nécessité apparente.

Une explication après coup doit donc être évaluée par plusieurs questions :

  • les facteurs étaient-ils identifiés auparavant ?
  • produisent-ils des prédictions dans d’autres cas ?
  • existe-t-il des événements similaires où le résultat ne s’est pas produit ?
  • l’explication distingue-t-elle réellement les issues possibles ?

Une histoire cohérente n’est pas nécessairement une bonne théorie prédictive.


La robustesse

Une explication est robuste lorsqu’elle reste soutenue malgré des variations raisonnables de méthode, de données ou d’hypothèses secondaires. Si une conclusion disparaît dès que l’on modifie légèrement une définition ou un modèle statistique, sa solidité est limitée. Une explication robuste peut être retrouvée :

  • dans plusieurs études ;
  • avec plusieurs instruments ;
  • dans différents contextes ;
  • selon plusieurs analyses ;
  • par des équipes indépendantes.

La robustesse réduit le risque que l’explication soit un artefact d’une procédure particulière. Mais un phénomène peut être réel tout en dépendre du contexte. L’absence d’universalité ne suffit donc pas à le réfuter.


La capacité d’intervention

Une explication causale devient plus forte lorsqu’elle permet d’agir sur le phénomène. Si une hypothèse affirme qu’un facteur produit un effet, modifier ce facteur devrait, dans certaines conditions, modifier l’effet. L’intervention distingue parfois des théories également compatibles avec des observations passives. Une corrélation peut recevoir plusieurs explications. Une intervention contrôlée permet de tester le rôle causal supposé.

Toutes les sciences ne peuvent pas intervenir directement. L’astronomie et l’histoire utilisent davantage les prédictions, les comparaisons et les traces. La capacité d’intervention est donc un critère puissant, mais non universel.


La compréhension contrefactuelle

Une bonne explication permet souvent de répondre à des questions contrefactuelles :

Que se serait-il produit si cette cause avait été absente ?

Que changerait une variation de ce facteur ?

Une explication qui décrit seulement ce qui s’est passé, sans indiquer ce qui aurait été différent dans d’autres conditions, fournit une compréhension limitée. Les contrefactuels aident à distinguer la cause réelle d’une simple coïncidence. Mais ils dépendent eux-mêmes de modèles. Plusieurs théories peuvent produire des contrefactuels différents. La qualité de l’explication se mesure donc aussi à la fiabilité de ces projections.


Lipton : la plus belle et la plus probable

Peter Lipton distingue deux idées.

La loveliness, que l’on peut traduire par qualité ou beauté explicative, désigne la capacité d’une hypothèse à rendre le phénomène intelligible.

La likeliness désigne sa probabilité d’être vraie.

L’inférence à la meilleure explication suppose une relation entre les deux :

Les hypothèses qui expliquent le mieux seraient souvent celles qui ont le plus de chances d’être vraies.

Mais cette relation n’est pas garantie. Une histoire peut être très élégante, simple et satisfaisante tout en être fausse. Nous sommes attirés par les récits qui unifient, donnent une intention claire et suppriment le hasard. Il faut donc demander si les vertus qui rendent une explication séduisante sont réellement liées à la vérité dans le domaine concerné.


Une belle histoire peut être fausse

Les humains apprécient les récits cohérents. Une explication avec un acteur, une motivation et une chaîne causale claire est souvent plus convaincante qu’une combinaison de hasard, de structures impersonnelles et de causes multiples. Cette préférence narrative peut produire des erreurs. Un événement complexe peut résulter de nombreuses décisions locales, contraintes institutionnelles, effets non intentionnels, accidents et interactions difficiles à prévoir.

Une histoire centrée sur un plan unique est plus simple à comprendre, mais pas nécessairement plus vraie.

La valeur émotionnelle et narrative d’une explication doit être distinguée de sa valeur épistémique.


Les explications intentionnelles

Nous expliquons souvent les actions humaines par des intentions. Une personne agit parce qu’elle souhaite atteindre un objectif. Cette forme d’explication est souvent légitime. Mais elle peut être surestimée. Un résultat collectif peut apparaître sans qu’aucun individu l’ait planifié. Les institutions, les incitations et les interactions produisent des conséquences émergentes.

Inversement, nier toute intention peut également être naïf. Certains acteurs coordonnent réellement leurs actions. La bonne explication doit déterminer le niveau approprié :

  • intention individuelle ;
  • stratégie collective ;
  • structure institutionnelle ;
  • dynamique émergente ;
  • combinaison de ces facteurs.

Les explications complotistes

Une théorie complotiste peut paraître constituer une inférence à la meilleure explication. Elle part de faits troublants, d’incohérences ou d’intérêts convergents, puis propose une coordination cachée.

Certains complots existent réellement. L’hypothèse ne peut donc pas être rejetée par définition. Mais une explication complotiste devient faible lorsqu’elle :

  • sélectionne seulement les indices compatibles ;
  • interprète toute absence de preuve comme une preuve de dissimulation ;
  • suppose une coordination immense sans traces proportionnées ;
  • ne précise pas les mécanismes ;
  • absorbe toutes les objections ;
  • n’envisage pas les explications institutionnelles ou accidentelles.

La meilleure explication d’une série d’événements n’est pas automatiquement celle qui leur donne l’intention la plus forte.


Le nombre d’acteurs et les traces attendues

Plus une hypothèse suppose d’acteurs coordonnés, de durée et de complexité, plus elle doit expliquer comment cette coordination reste stable et secrète.

Une grande opération produit généralement :

  • des communications ;
  • des documents ;
  • des conflits ;
  • des erreurs ;
  • des témoignages ;
  • des conséquences matérielles.

L’absence de ces traces ne prouve pas qu’aucune coordination n’a existé. Mais elle réduit la plausibilité d’une hypothèse exigeant une organisation très étendue.

Une bonne explication doit rendre compte non seulement des faits observés, mais aussi de l’absence des faits que sa vérité rendrait normalement probables.


Les explications monocausales

Un événement complexe est souvent attribué à une cause unique :

la crise vient de l’idéologie ;

la violence vient de la pauvreté ;

l’échec vient de l’incompétence ;

la décision vient d’un intérêt économique.

Une cause peut être importante sans être suffisante.

Une meilleure explication peut combiner :

  • facteurs de fond ;
  • déclencheurs ;
  • mécanismes ;
  • conditions facilitantes ;
  • réactions en chaîne.

La multiplication des causes n’est pas toujours une complication ad hoc. Les systèmes complexes sont réellement multicausaux.

La simplicité doit être recherchée dans l’organisation de l’explication, non dans l’obligation de réduire tout phénomène à une seule cause.


Explication scientifique et explication quotidienne

Dans la vie ordinaire, nous utilisons continuellement des inférences explicatives.

Nous entendons un bruit et supposons qu’un objet est tombé. Une personne ne répond pas et nous imaginons qu’elle est occupée. Un appareil ne fonctionne plus et nous suspectons une panne d’alimentation. Ces raisonnements sont souvent efficaces parce qu’ils reposent sur des régularités familières. Mais ils deviennent fragiles lorsque :

  • les données sont limitées ;
  • nos émotions favorisent une interprétation ;
  • plusieurs causes sont fréquentes ;
  • les conséquences de l’erreur sont importantes.

Il est utile de distinguer :

l’hypothèse qui me vient spontanément ;

l’hypothèse qui explique le mieux l’ensemble des faits.

La première n’est pas toujours la seconde.


Le diagnostic médical

Le diagnostic médical constitue un exemple classique. Un symptôme peut être expliqué par plusieurs maladies. Le professionnel construit un diagnostic différentiel et compare :

  • la fréquence des maladies ;
  • la correspondance avec les symptômes ;
  • la présence de signes spécifiques ;
  • les risques ;
  • les examens disponibles.

L’explication la plus spectaculaire n’est pas nécessairement la plus probable. Une maladie rare peut expliquer parfaitement un symptôme, mais une maladie commune expliquer suffisamment l’ensemble du tableau. La fréquence antérieure doit être combinée à la valeur discriminante des signes. Le diagnostic reste révisable lorsque de nouvelles informations apparaissent.


L’explication historique

L’historien cherche à expliquer des événements qui ne peuvent pas être reproduits expérimentalement.

Il compare plusieurs récits à partir :

  • des archives ;
  • des témoignages ;
  • des chronologies ;
  • des intérêts ;
  • des institutions ;
  • des comparaisons avec d’autres périodes.

Une bonne explication historique doit respecter les traces et éviter l’anachronisme. Elle doit aussi distinguer :

  • les causes de fond ;
  • les conditions ;
  • les décisions ;
  • les événements déclencheurs.

Plusieurs explications peuvent rester complémentaires.

L’histoire ne cherche pas nécessairement une cause unique, mais une organisation intelligible de facteurs dont le poids peut rester discuté.


L’explication en sciences sociales

Les sciences sociales rencontrent souvent plusieurs explications compatibles avec les mêmes tendances.

Une augmentation de l’abstention peut être liée :

  • à une défiance politique ;
  • à une transformation de l’offre électorale ;
  • à des règles institutionnelles ;
  • à des caractéristiques sociales ;
  • à des événements conjoncturels.

Une théorie doit produire des implications permettant de distinguer ces mécanismes.

Les chercheurs utilisent :

  • comparaisons ;
  • enquêtes ;
  • expériences ;
  • entretiens ;
  • données temporelles ;
  • variations institutionnelles.

La meilleure explication peut rester probabiliste et contextuelle. Elle n’a pas besoin d’être universelle pour être informatrice.


L’explication psychologique

Attribuer une motivation à autrui est une inférence explicative. Une personne parle sèchement. Nous supposons qu’elle est en colère, méprisante ou hostile. Mais elle peut être fatiguée, inquiète ou distraite. Le comportement observable sous-détermine souvent l’état mental. Nos interprétations sont influencées par :

  • nos attentes ;
  • notre relation ;
  • nos émotions ;
  • les stéréotypes ;
  • les événements récents.

Une bonne pratique consiste à maintenir plusieurs hypothèses et, lorsque cela est possible, à demander une clarification.

La meilleure explication d’un comportement ne doit pas être choisie uniquement selon sa compatibilité avec notre humeur.


Expliquer sa propre conduite

Nous produisons également des explications sur nous-mêmes.

Après une décision, nous proposons des raisons :

« J’ai choisi cela parce que c’était plus juste. »

Mais nos motivations peuvent inclure l’habitude, la peur, l’intérêt ou le besoin de cohérence avec notre identité. L’introspection fournit un accès particulier, mais pas toujours complet. Nous pouvons rationaliser une décision après coup. Pour mieux expliquer notre propre conduite, il est utile d’examiner :

  • ce que nous pensions avant la décision ;
  • les alternatives réellement considérées ;
  • les réactions dans des situations comparables ;
  • les avantages que nous retirons de l’explication donnée.

La meilleure explication de nos actes n’est pas automatiquement celle qui préserve la meilleure image de nous-mêmes.


Le risque de surinterprétation

Les humains cherchent des causes même dans des données produites par le hasard. Une série aléatoire contient des motifs apparents. Nous pouvons construire une histoire expliquant chaque fluctuation, chaque succès ou chaque échec. Une bonne explication doit distinguer :

  • une structure réelle ;
  • une variation aléatoire ;
  • un artefact ;
  • un événement unique sans cause générale identifiable.

L’absence d’explication précise peut être intellectuellement inconfortable. Mais reconnaître le rôle du hasard est parfois plus rigoureux que produire une histoire trop détaillée.


Le hasard explique-t-il ?

Dire qu’un résultat est dû au hasard peut avoir plusieurs sens. Cela peut signifier que nous ignorons sa cause précise. Cela peut aussi signifier qu’il résulte de nombreuses variations individuelles dont aucune ne domine. Dans un modèle probabiliste, le hasard ne signifie pas absence totale de structure. Il décrit une distribution des résultats possibles. Une explication par le hasard doit elle aussi être justifiée.

Il faut montrer que le résultat se situe dans la variation attendue et qu’aucun mécanisme supplémentaire n’est nécessaire. Le hasard ne doit être ni une réponse magique, ni une cause interdite par principe.


L’inférence à la meilleure explication et Bayes

Le raisonnement bayésien permet de représenter la comparaison entre hypothèses. Une hypothèse gagne en probabilité lorsque les données observées seraient plus attendues si elle était vraie que si ses concurrentes l’étaient. Schématiquement :

Probabilité de l’hypothèse après les données

dépend de sa plausibilité antérieure

et de sa capacité à rendre les données probables.

Les vertus explicatives peuvent parfois influencer ces deux dimensions. La simplicité peut augmenter la plausibilité antérieure. Une bonne capacité explicative augmente la probabilité des données sous l’hypothèse. Mais toute vertu explicative n’a pas nécessairement une traduction probabiliste évidente. Le bayésianisme et l’inférence à la meilleure explication peuvent être complémentaires plutôt que rivaux.


Expliquer les données n’est pas confirmer fortement

Supposons que deux hypothèses rendent un événement très probable. Le fait observé ne les départage pas. Une hypothèse n’est pas fortement confirmée uniquement parce qu’elle peut expliquer les données. Il faut comparer :

Quelle probabilité cette hypothèse attribuait-elle aux données ?

Quelle probabilité les hypothèses concurrentes leur attribuaient-elles ?

Une preuve est discriminante lorsqu’elle serait nettement plus attendue sous une hypothèse que sous les autres.

Une donnée très probable sous toutes les explications possède peu de pouvoir de sélection.


Les preuves inattendues

Une preuve est particulièrement intéressante lorsqu’elle serait difficile à expliquer sans l’hypothèse. Supposons qu’une théorie prévoie un détail très spécifique qui est ensuite observé. Cette donnée possède un pouvoir discriminant important si les théories concurrentes la rendaient improbable.

La meilleure explication n’est donc pas simplement celle qui peut raconter une histoire compatible avec les faits. C’est celle sous laquelle les faits observés cessent d’être surprenants, tandis qu’ils restent difficiles à comprendre sous les alternatives.


La probabilité de l’explication

Une hypothèse peut très bien expliquer les données tout en être intrinsèquement peu probable. Imaginons qu’un objet disparu aurait pu être déplacé par un visiteur inconnu ayant parfaitement évité toutes les caméras. Cette hypothèse explique la disparition. Mais elle demande plusieurs circonstances particulières sans preuve indépendante.

Une hypothèse plus ordinaire, comme une erreur de rangement, peut expliquer un peu moins élégamment certains détails tout en posséder une plausibilité antérieure bien supérieure.

La meilleure explication doit équilibrer :

  • l’ajustement aux faits ;
  • la plausibilité générale ;
  • le coût des hypothèses supplémentaires.

Les explications rivales doivent être renforcées

Une comparaison équitable ne doit pas opposer la meilleure version de notre hypothèse à une caricature des alternatives. Il faut pratiquer le principe de charité. Chaque hypothèse concurrente doit être formulée dans sa version la plus solide. Cette pratique évite une victoire artificielle. Une personne peut rendre sa propre théorie supérieure en choisissant des rivales volontairement absurdes ou incomplètes. La qualité d’une inférence dépend de la qualité des alternatives envisagées.


Chercher une troisième hypothèse

Les débats se présentent souvent comme une opposition entre deux explications.

Soit A, soit B.

Mais une troisième possibilité peut mieux rendre compte des faits. Les deux hypothèses initiales peuvent également être partiellement vraies. Une enquête rigoureuse doit demander :

  • existe-t-il d’autres causes ?
  • les explications sont-elles réellement incompatibles ?
  • un facteur commun produit-il les deux phénomènes ?
  • une interaction explique-t-elle mieux les données ?

Échapper aux faux dilemmes améliore fortement l’inférence explicative.


L’explication mixte

Deux hypothèses concurrentes peuvent contribuer simultanément au phénomène. Une crise économique peut résulter à la fois de décisions politiques, de contraintes extérieures et de réactions collectives. Chercher une cause unique peut être artificiel. Mais une explication mixte ne doit pas devenir une manière d’ajouter toutes les causes imaginables. Il faut déterminer :

  • le rôle de chaque facteur ;
  • son importance relative ;
  • les mécanismes d’interaction ;
  • les preuves spécifiques qui le soutiennent.

La complexité doit être organisée, non simplement accumulée.


Une bonne explication doit pouvoir échouer

Une hypothèse devient scientifiquement informative lorsqu’elle exclut certaines observations.

Il faut pouvoir dire :

Si nous observions X, cette explication serait fortement fragilisée.

Une théorie qui considère toute donnée comme compatible ne peut pas être réellement comparée.

Demander ce qui réfuterait ou affaiblirait une hypothèse permet de distinguer :

  • une explication risquée ;
  • une histoire adaptable ;
  • une conviction protégée.

La meilleure explication doit rester ouverte à la défaite.


L’absence de preuve attendue

Une hypothèse peut être fragilisée non seulement par une preuve contraire, mais par l’absence d’une preuve qu’elle rendait probable.

Si une théorie suppose un événement important, nous devrions peut-être retrouver :

  • des traces ;
  • des effets secondaires ;
  • des documents ;
  • des témoins ;
  • des variations associées.

L’absence de ces éléments compte lorsque leur présence aurait été hautement probable. Il faut néanmoins vérifier que la recherche était capable de les détecter. L’absence de preuve n’est une preuve d’absence que lorsque nous avions de bonnes chances d’observer ce qui aurait dû exister.


L’erreur de l’explication unique

Une hypothèse peut être la meilleure explication d’un indice sans être la meilleure explication de l’ensemble. Une personne peut retenir successivement des éléments qui favorisent sa théorie, chacun pris séparément. Mais lorsqu’on rassemble toutes les données, une autre explication devient plus cohérente. L’analyse doit donc porter sur le dossier complet. Une bonne théorie doit expliquer :

  • les éléments favorables ;
  • les éléments contraires ;
  • les absences ;
  • les variations ;
  • les cas comparables.

Explication et prédiction

Une théorie peut expliquer correctement le passé tout en prédire mal l’avenir. Cette asymétrie apparaît dans les systèmes complexes. Une fois l’événement connu, nous pouvons reconstruire les facteurs qui l’ont rendu possible. Mais de petites différences auraient pu produire une autre issue. L’explication causale ne garantit donc pas toujours une prédiction précise. Il faut distinguer :

  • comprendre pourquoi un événement s’est produit ;
  • prévoir à l’avance quel événement se produira.

La valeur explicative reste réelle même lorsque la prédiction individuelle demeure limitée.


Explication et compréhension

Une explication augmente la compréhension lorsqu’elle permet de voir les relations entre les éléments. Elle ne fournit pas seulement une réponse à la question « quelle cause ? ». Elle montre :

  • la structure ;
  • le mécanisme ;
  • les dépendances ;
  • les limites ;
  • les possibilités alternatives.

Une explication peut être vraie mais peu compréhensible pour une personne qui ne maîtrise pas ses concepts. La qualité pédagogique et la qualité épistémique doivent cependant rester distinctes. Une explication facile à comprendre n’est pas nécessairement plus vraie. Une théorie difficile peut être mieux soutenue. L’idéal consiste à rendre accessible une structure sans la déformer.


L’explication ultime

Demander une explication peut conduire à une nouvelle question :

Pourquoi cette loi existe-t-elle ?

Pourquoi ce mécanisme fonctionne-t-il ?

Toute explication repose sur certains éléments qu’elle ne réexplique pas immédiatement. Une théorie scientifique peut expliquer un phénomène à partir de lois plus générales sans expliquer pourquoi ces lois fondamentales sont elles-mêmes telles qu’elles sont. Cela ne rend pas l’explication inutile. La connaissance progresse en réduisant le nombre de faits indépendants et en reliant les niveaux. Il faut éviter d’exiger qu’une explication soit absolument ultime pour être valable.


L’inférence à la meilleure explication et le réalisme

Les réalistes scientifiques utilisent souvent l’inférence à la meilleure explication pour défendre l’existence d’entités non directement observables. Une théorie qui postule certaines entités explique avec succès de nombreux phénomènes et permet des interventions. La meilleure explication de ce succès serait que ces entités ou structures existent réellement, au moins approximativement. Cet argument est parfois appelé argument du miracle :

Le succès durable des sciences serait miraculeux si les théories ne correspondaient à aucune structure réelle.

Les antiréalistes répondent qu’une théorie peut être empiriquement efficace sans que toute son ontologie soit littéralement vraie. L’histoire contient des théories autrefois réussies dont certaines entités ont ensuite été abandonnées. L’inférence à la meilleure explication soutient donc le réalisme, mais ne clôt pas le débat.


L’argument du miracle

Le réalisme affirme que le succès prédictif, explicatif et technologique des théories demande lui-même une explication. Si une théorie prédit correctement des phénomènes inattendus, il paraît naturel de penser qu’elle capture quelque chose de réel. Sinon, son succès semblerait être une coïncidence extraordinaire. Mais l’antiréaliste peut invoquer une sélection :

  • les théories inefficaces disparaissent ;
  • seules les théories capables de produire de bonnes prédictions sont conservées ;
  • leur succès n’a donc rien de mystérieux.

Le débat devient une nouvelle inférence à la meilleure explication portant sur la réussite de la science elle-même.


Les anciennes théories réussies

L’histoire des sciences contient des théories ayant produit des résultats tout en être ensuite profondément révisées. Ce fait soutient la prudence. Le succès d’une théorie ne prouve pas que chaque élément de son interprétation soit vrai. Le réaliste peut répondre que les structures responsables du succès sont souvent conservées sous une forme transformée. La théorie nouvelle explique pourquoi l’ancienne fonctionnait dans certaines conditions. Il est alors possible de défendre un réalisme sélectif :

Nous devons surtout croire aux éléments ayant joué un rôle indispensable dans les réussites robustes.


Explication et vérité approximative

Une théorie peut être fausse dans sa formulation complète tout en être approximativement correcte dans un domaine. La mécanique newtonienne n’est pas la description la plus générale de l’espace, du temps et du mouvement. Elle reste néanmoins extrêmement efficace pour de nombreuses situations ordinaires. La meilleure explication n’a donc pas besoin d’être absolument vraie pour être épistémiquement précieuse. Elle peut saisir :

  • une structure ;
  • une relation ;
  • un mécanisme approximatif ;
  • une régularité locale.

La connaissance scientifique progresse souvent par corrections et extensions plutôt que par remplacement total de vérités par des erreurs.


Les dangers de l’inférence explicative

L’inférence à la meilleure explication possède plusieurs vulnérabilités.

Alternatives insuffisantes

La véritable explication n’a pas été envisagée.

Préférence narrative

Une histoire cohérente est confondue avec une preuve.

Simplicité excessive

Une explication monocausale est préférée à une structure réellement complexe.

Biais de confirmation

Les faits favorables sont sélectionnés.

Raisonnement motivé

L’hypothèse préférée protège une identité ou un intérêt.

Adaptation après coup

L’explication est ajustée à tous les détails du résultat connu.

Confusion entre possible et probable

Une histoire compatible est traitée comme la meilleure.

Immunisation

Toute objection est réinterprétée comme une confirmation.

Ces risques n’invalident pas le raisonnement explicatif. Ils montrent pourquoi il doit être encadré par des comparaisons et des tests.


Une méthode pratique

Une inférence à la meilleure explication peut être organisée en plusieurs étapes.

Décrire les faits

Il faut distinguer les observations, les interprétations et les incertitudes.

Formuler plusieurs hypothèses

Il faut éviter de s’arrêter à la première idée ou à un faux dilemme.

Déduire leurs conséquences

Que devrait-on observer si chaque hypothèse était vraie ?

Comparer leur pouvoir explicatif

Quelle hypothèse explique le plus de faits avec le moins d’hypothèses gratuites ?

Chercher des preuves discriminantes

Quelles données seraient attendues sous une hypothèse mais pas sous les autres ?

Examiner les absences

Quels indices devraient exister mais ne sont pas retrouvés ?

Tester la robustesse

La préférence reste-t-elle stable lorsque les données ou les hypothèses secondaires varient ?

Calibrer la conclusion

La meilleure explication est-elle fortement confirmée, seulement plausible ou simplement la moins mauvaise ?


Échelle de confiance

Il est utile de distinguer plusieurs niveaux.

Hypothèse possible

Elle n’est pas manifestement incompatible avec les faits.

Hypothèse plausible

Elle correspond à des mécanismes et à des régularités connus.

Meilleure hypothèse actuelle

Elle explique mieux les données que les concurrentes envisagées.

Hypothèse fortement confirmée

Elle a produit des prédictions nouvelles, résisté aux tests et reçu des confirmations indépendantes.

Explication établie

Elle s’intègre durablement à un ensemble robuste de connaissances, même si une révision reste logiquement possible.

Cette gradation évite de transformer trop rapidement une abduction initiale en certitude.


Questions pour comparer des explications

  • Quels faits précis doivent être expliqués ?
  • Les observations sont-elles distinctes de leur interprétation ?
  • Quelles hypothèses concurrentes ont été envisagées ?
  • Existe-t-il une troisième possibilité ?
  • Les explications sont-elles incompatibles ou complémentaires ?
  • Quelle hypothèse rend les faits les moins surprenants ?
  • Laquelle avait prédit certains éléments avant leur observation ?
  • Laquelle demande le moins d’hypothèses gratuites ?
  • Les hypothèses auxiliaires possèdent-elles des preuves indépendantes ?
  • L’explication est-elle cohérente avec les autres connaissances ?
  • Rend-elle compte des faits contraires et des absences ?
  • Explique-t-elle plusieurs phénomènes à partir d’un même mécanisme ?
  • Est-elle assez précise pour pouvoir échouer ?
  • Quelles observations la fragiliseraient ?
  • Une preuve discriminante peut-elle être recherchée ?
  • Une intervention permettrait-elle de tester la cause ?
  • L’explication reste-t-elle robuste selon plusieurs méthodes ?
  • La préférence vient-elle de sa vérité probable ou de son élégance narrative ?
  • Une cause intentionnelle est-elle supposée sans preuve suffisante ?
  • Le hasard ou une causalité multiple ont-ils été envisagés ?
  • La meilleure hypothèse est-elle réellement bonne ou seulement meilleure qu’un ensemble faible ?
  • Quel degré de confiance les preuves autorisent-elles ?

Erreurs fréquentes

Confondre explication possible et meilleure explication

La compatibilité ne suffit pas à établir la supériorité.

Confondre meilleure explication et vérité certaine

La liste des hypothèses peut être incomplète.

Choisir la première histoire cohérente

L’aisance cognitive n’est pas une preuve.

Confondre simplicité et vérité

Une explication simple peut ignorer une complexité réelle.

Confondre complexité et profondeur

Ajouter des acteurs et des mécanismes ne rend pas automatiquement une théorie meilleure.

Privilégier une cause intentionnelle

Des effets collectifs peuvent émerger sans plan central.

Ignorer les probabilités antérieures

Une explication rare demande des indices suffisamment discriminants.

Expliquer uniquement les faits favorables

Une théorie doit affronter l’ensemble du dossier.

Adapter l’hypothèse après chaque objection

Une théorie trop flexible perd son contenu.

Prendre une prédiction vague pour une réussite

Une bonne prédiction doit être suffisamment précise et formulée avant le résultat.

Oublier l’absence des traces attendues

Une hypothèse doit expliquer ce qui n’est pas observé autant que ce qui l’est.

Caricaturer les alternatives

La comparaison doit porter sur leurs versions les plus solides.

Réduire un phénomène complexe à une cause unique

Plusieurs facteurs peuvent être nécessaires.

Utiliser le hasard comme réponse vide

Une explication probabiliste doit elle aussi être justifiée.

Croire qu’une bonne explication prédit nécessairement chaque événement

Compréhension et prédiction individuelle ne coïncident pas toujours.


À retenir

L’inférence à la meilleure explication part de faits observés et cherche l’hypothèse qui les rend le mieux intelligibles.

Elle est proche de l’abduction : un fait surprenant conduit à proposer une hypothèse qui le rendrait attendu.

Elle ne constitue pas une déduction. La meilleure explication disponible peut encore être fausse ou incomplète.

Il faut distinguer la production d’une hypothèse, sa préférence comparative et sa confirmation empirique.

Une bonne explication ne doit pas seulement être compatible avec les faits. Elle doit montrer comment et pourquoi ils se produisent.

Les principales vertus explicatives comprennent l’adéquation aux données, la simplicité, la cohérence, la précision, l’étendue, l’unification, la fécondité et la robustesse.

Aucune vertu ne garantit seule la vérité. Leur poids dépend du domaine et peut produire des désaccords raisonnables.

La simplicité est préférable lorsqu’elle évite des hypothèses gratuites, mais elle ne doit pas effacer une complexité réelle.

Une hypothèse gagne fortement en crédibilité lorsqu’elle produit des prédictions nouvelles et discriminantes.

Une explication élégante ou narrative peut être psychologiquement satisfaisante tout en être fausse.

La comparaison doit inclure les probabilités antérieures, les preuves attendues et l’absence éventuelle de traces que l’hypothèse rendait probables.

Il faut comparer la meilleure version de chaque hypothèse et rechercher les alternatives non envisagées.

Les explications intentionnelles et complotistes ne sont pas impossibles par principe, mais elles doivent rendre compte de la coordination, des mécanismes et des traces attendues.

Dans les systèmes complexes, plusieurs causes et plusieurs niveaux d’explication peuvent être complémentaires.

L’inférence à la meilleure explication peut être articulée au raisonnement bayésien : une hypothèse est renforcée lorsqu’elle rend les données plus probables que ses concurrentes.

Une théorie doit pouvoir être fragilisée. Une explication compatible avec tous les résultats perd une grande partie de sa valeur.

La conclusion doit rester calibrée : l’hypothèse peut être possible, plausible, meilleure que ses concurrentes ou fortement confirmée.

La question décisive n’est donc pas seulement :

« Cette hypothèse explique-t-elle les faits ? »

mais :

« Les explique-t-elle mieux que les alternatives, avec moins d’hypothèses gratuites, davantage de prédictions risquées et une meilleure résistance aux preuves contraires ? »


Repères et prolongements

Cette fiche prépare notamment les questions suivantes :

  • Quelle différence existe entre abduction et induction ?
  • L’abduction permet-elle de découvrir ou de justifier une théorie ?
  • Pourquoi la simplicité constitue-t-elle une vertu scientifique ?
  • Qu’est-ce que le rasoir d’Ockham ?
  • Une théorie élégante est-elle plus probablement vraie ?
  • Comment distinguer explication et simple reformulation ?
  • Pourquoi les prédictions nouvelles sont-elles particulièrement importantes ?
  • Quelle relation existe entre explication et probabilité bayésienne ?
  • Qu’est-ce que l’argument du miracle en faveur du réalisme scientifique ?
  • Une théorie peut-elle être utile sans être vraie ?
  • Comment comparer des explications intentionnelles et structurelles ?
  • Pourquoi les théories complotistes paraissent-elles souvent explicatives ?
  • Comment éviter les explications monocausales ?
  • Une bonne explication doit-elle nécessairement permettre de prévoir ?
  • Quelle différence existe entre comprendre un événement et prédire son occurrence ?

Quelques références

  • Charles Sanders Peirce, textes sur l’abduction et l’enquête.
  • Gilbert Harman, « The Inference to the Best Explanation ».
  • Peter Lipton, *Inference to the Best Explanation*.
  • Norwood Russell Hanson, *Patterns of Discovery*.
  • William Whewell, *The Philosophy of the Inductive Sciences*.
  • Karl Popper, *La Logique de la découverte scientifique*.
  • Thomas Kuhn, *La Structure des révolutions scientifiques*.
  • Imre Lakatos, textes sur les programmes de recherche scientifique.
  • Bas van Fraassen, *The Scientific Image*.
  • Richard Boyd, textes sur le réalisme scientifique.
  • Hilary Putnam, textes sur l’argument du miracle.
  • Stathis Psillos, *Scientific Realism: How Science Tracks Truth*.
  • Elliott Sober, *Simplicity*.
  • Wesley Salmon, *Scientific Explanation and the Causal Structure of the World*.
  • Philip Kitcher, *Explanatory Unification and the Causal Structure of the World*.
  • Nancy Cartwright, *How the Laws of Physics Lie*.
  • Judea Pearl, *Causality*.
  • I. J. Good, textes sur le poids de la preuve et les explications probabilistes.
34 sur 60Retour à la catégorie