Les limites de la méthode scientifique
La science possède une capacité remarquable à produire des connaissances fiables sur le monde. Elle permet de prévoir des éclipses, de reconstruire l’histoire de la Terre, d’identifier des causes de maladies, d’évaluer des traitements, de mesurer le réchauffement climatique ou de construire des technologies dont le fonctionnement constitue lui-même une forme spectaculaire de validation pratique.
Mais cette réussite peut susciter une tentation : si la méthode scientifique fonctionne si bien, pourquoi ne pourrait-elle pas résoudre toutes les questions importantes ?
À l’inverse, insister sur ses limites peut conduire à l’excès opposé :
« puisque la science est incertaine, dépend de modèles et ne peut répondre à tout, elle n’est qu’une opinion parmi d’autres ».
Ces deux conclusions sont également mauvaises.
La science est extraordinairement puissante précisément parce qu’elle est spécialisée dans certains types de questions : celles pour lesquelles observations, mesures, comparaisons, modèles et confrontations empiriques permettent de départager suffisamment les hypothèses.
La *Stanford Encyclopedia of Philosophy* insiste aujourd’hui sur le fait qu’il n’existe pas nécessairement une méthode scientifique unique et universelle : les sciences mobilisent des combinaisons différentes d’observation, expérimentation, raisonnement, modélisation et tests selon les problèmes étudiés. La méthode doit par ailleurs être distinguée des objectifs de la science et des pratiques concrètes qui permettent sa mise en œuvre.
Les limites de la méthode scientifique ne constituent donc pas une frontière simple séparant :
« ce que la science sait »
de
« tout le reste ».
Il existe plusieurs types de limites : certaines proviennent de l’incertitude empirique, d’autres des instruments et modèles disponibles, d’autres encore de contraintes éthiques ou pratiques. Enfin, certaines questions ne sont tout simplement pas des questions empiriques au sens où l’expérience seule pourrait les décider.
Comprendre ces frontières permet d’éviter simultanément le scientisme et le relativisme.
La science ne produit pas de certitude absolue
Commençons par la limite la plus fondamentale.
Une conclusion scientifique empirique n’est généralement pas une démonstration mathématique au sens où sa négation serait logiquement impossible.
Nous observons un nombre fini de cas.
Nous mesurons avec des instruments imparfaits.
Nous construisons des modèles.
Nous généralisons au-delà de ce qui a été directement observé.
Même une théorie ayant survécu à des milliers de tests pourrait rencontrer demain une situation révélant que son domaine de validité était plus restreint qu’on ne le pensait.
C’est l’une des formes historiques du problème de l’induction formulé par Hume : comment justifier entièrement le passage des observations déjà réalisées à des affirmations concernant les cas non encore observés ? La philosophie contemporaine continue de débattre de la portée exacte du problème et des réponses possibles ; il ne constitue pas une démonstration selon laquelle toute connaissance empirique serait impossible.
La science ne résout donc pas l’incertitude en la transformant en certitude absolue.
Elle cherche plutôt à la réduire, la quantifier lorsque c’est possible et tester la stabilité des conclusions.
C’est une différence essentielle.
« Révisable » ne signifie pas « peu fiable »
Dire :
« cette connaissance pourrait être révisée »
ne signifie pas :
« elle a une chance sur deux d’être fausse ».
Les connaissances scientifiques possèdent des degrés de solidité très différents.
Certaines hypothèses viennent d’être proposées.
D’autres ont survécu à :
des dizaines d’expériences ;
plusieurs méthodes indépendantes ;
des prédictions précises ;
des réplications ;
des applications techniques.
La possibilité logique d’une révision reste ouverte dans les deux cas.
Le degré rationnel de confiance n’a pourtant rien de comparable.
L’incertitude scientifique est donc graduelle, pas binaire.
Un résultat provisoire et une connaissance extraordinairement consolidée sont tous deux révisables, mais ne méritent évidemment pas le même niveau de doute.
L’observation ne détermine pas toujours une théorie unique
Une autre limite apparaît lorsque les mêmes observations restent compatibles avec plusieurs explications.
Supposons qu’une exposition X soit associée à une maladie Y.
Plusieurs histoires peuvent être compatibles avec cette observation :
X cause Y ;
Y favorise X ;
un facteur Z produit X et Y ;
la mesure contient un biais.
Les données disponibles ne suffisent alors pas encore à choisir.
La philosophie des sciences parle d’sous-détermination lorsque les preuves disponibles ne déterminent pas entièrement la croyance ou la théorie à adopter. Mais il existe de nombreuses formes de sous-détermination, de la difficulté temporaire résoluble par de nouvelles données jusqu’à des situations philosophiquement beaucoup plus fortes ; passer de cette idée à la conclusion selon laquelle les preuves seraient toujours incapables de départager les théories serait excessif.
La science cherche précisément à réduire cette sous-détermination :
meilleures expériences ;
variables supplémentaires ;
prédictions discriminantes ;
nouveaux instruments ;
comparaisons indépendantes.
Une limite actuelle peut donc être une invitation à construire un meilleur test, plutôt qu’une frontière définitive de la connaissance.
Certaines questions restent durablement sous-déterminées par les données disponibles
Parfois, aucune étude actuellement réalisable ne permet de distinguer proprement plusieurs hypothèses.
Il peut manquer :
un instrument ;
une population accessible ;
une archive ;
un événement suffisamment rare ;
une technique permettant de mesurer la variable pertinente.
La conclusion scientifiquement correcte devient alors :
« les données disponibles ne permettent pas encore de trancher ».
Cette phrase peut sembler frustrante.
Elle constitue pourtant une véritable connaissance sur l’état de la connaissance.
La méthode scientifique ne doit pas produire artificiellement une réponse lorsque les observations disponibles ne la justifient pas.
Une limite actuelle n’est pas nécessairement une limite de principe
Il faut ici distinguer deux affirmations.
« Nous ne savons actuellement pas répondre à cette question. »
et
« aucune méthode scientifique ne pourra jamais y répondre. »
La seconde est beaucoup plus forte.
L’histoire des sciences est remplie de questions longtemps considérées comme pratiquement inaccessibles avant l’apparition de nouveaux instruments ou méthodes.
La composition des étoiles semblait hors de portée directe.
La structure de l’ADN était inconnue.
Des objets invisibles à l’œil ont pu devenir étudiables grâce à de nouvelles technologies.
Il faut donc être extrêmement prudent lorsque l’on transforme une impossibilité présente en impossibilité définitive.
Mais certaines questions ne sont pas empiriques au sens scientifique
Toutes les questions ne sont pas simplement des énigmes scientifiques attendant un meilleur microscope.
Prenons :
« Quel est le meilleur système moral ? »
Nous pouvons étudier empiriquement :
les conséquences de certaines règles ;
les préférences humaines ;
la psychologie morale ;
les comportements coopératifs ;
les effets sociaux de différentes institutions.
Mais ces données ne déterminent pas automatiquement :
ce que nous devons valoriser.
C’est ici qu’intervient une distinction philosophique classique entre faits et normes.
Hume remarquait déjà au XVIIIe siècle que les raisonnements moraux passent souvent discrètement de propositions décrivant ce qui est à des propositions disant ce qui doit être. L’interprétation exacte de son argument reste discutée, mais une lecture devenue classique considère qu’une conclusion normative ne découle pas de prémisses purement factuelles sans au moins une prémisse évaluative supplémentaire.
La science peut donc énormément éclairer un jugement moral.
Elle ne remplace pas à elle seule la philosophie morale ou le choix de valeurs.
Prenons une décision médicale
Supposons qu’une intervention augmente l’espérance de vie moyenne de trois mois mais produit :
des effets indésirables importants ;
un coût très élevé ;
une diminution substantielle de qualité de vie.
La recherche peut estimer ces conséquences.
Elle peut améliorer la précision des chiffres.
Mais elle ne peut pas décider seule :
combien de qualité de vie sommes-nous prêts à sacrifier pour gagner trois mois ?
Quelle dépense collective est acceptable ?
Comment répartir une ressource rare entre plusieurs patients ?
Il faut introduire :
des valeurs ;
des préférences ;
des principes de justice ;
des arbitrages institutionnels.
Les National Academies résument cette situation en rappelant que les décisions peuvent être éclairées par la science, mais dépendent également d’autres considérations telles que les coûts, le contexte et les valeurs.
La science répond à une partie de la question.
Elle ne possède pas automatiquement la compétence normative pour terminer la décision.
Le même problème apparaît en politique publique
Supposons que des recherches montrent qu’une mesure de sécurité réduit certains délits de 10 %.
La science peut aider à évaluer :
l’efficacité ;
les effets secondaires ;
les coûts ;
les populations concernées.
Mais faut-il adopter la mesure si elle exige une restriction importante de liberté ?
Cette décision implique au moins une prémisse supplémentaire sur :
le compromis acceptable entre sécurité et liberté.
Deux citoyens peuvent donc accepter exactement les mêmes résultats empiriques et défendre des politiques différentes parce qu’ils pondèrent différemment :
liberté ;
égalité ;
sécurité ;
coût ;
responsabilité individuelle.
Le désaccord devient alors normatif, et non nécessairement scientifique.
C’est pourquoi il est si important de ne pas transformer automatiquement tout conflit politique en conflit sur les faits.
La science peut toutefois tester certaines affirmations morales instrumentales
Cette limite ne doit pas être caricaturée.
Supposons que quelqu’un défende une politique avec la prémisse morale :
« nous devons réduire au maximum la mortalité infantile ».
Puis affirme :
« cette intervention est la meilleure manière d’y parvenir ».
La première proposition est normative.
La seconde devient largement empirique.
Nous pouvons comparer les interventions.
Mesurer les effets.
Estimer les coûts.
Une fois les objectifs fixés, la science peut donc être extrêmement puissante pour répondre à :
« quels moyens permettent le mieux d’atteindre cette fin ? »
Même ici, des complications restent possibles lorsque plusieurs valeurs entrent en conflit.
Mais la distinction évite deux erreurs :
la science ne décide de rien
et
la science décide de tout.
Elle peut souvent déterminer très fortement les conséquences des choix, laissant ensuite une part normative dans leur évaluation.
Les valeurs interviennent aussi dans la science elle-même
On pourrait être tenté de maintenir une séparation très simple :
la science produit les faits ; la société ajoute ensuite les valeurs.
La philosophie contemporaine des sciences montre que la situation est plus complexe.
Les valeurs peuvent intervenir dans :
le choix des sujets étudiés ;
la manière de recueillir certaines données ;
les seuils d’acceptation d’une hypothèse ;
l’interprétation des risques ;
l’application des résultats.
La *Stanford Encyclopedia of Philosophy* distingue notamment plusieurs étapes auxquelles valeurs épistémiques et valeurs contextuelles peuvent influencer le travail scientifique.
Cela ne signifie pas :
« les faits scientifiques sont seulement des valeurs déguisées ».
Cela signifie que la pratique scientifique réelle comporte des décisions humaines qui ne sont pas toutes déterminées mécaniquement par les données.
Choisir ce que l’on recherche est déjà une décision
Pourquoi consacrer dix milliards d’euros :
au cancer ;
à l’exploration spatiale ;
aux maladies rares ;
à l’énergie ;
aux maladies tropicales ?
Aucune expérience ne peut démontrer :
« cette répartition budgétaire est moralement optimale ».
Les choix dépendent de priorités sociales.
Mais une fois le programme choisi, la recherche peut être conduite avec des standards très rigoureux.
Il faut donc distinguer :
les valeurs qui contribuent à définir les priorités de la recherche
et
les contraintes empiriques qui déterminent si une conclusion est correctement soutenue par les données.
La présence de valeurs dans le premier domaine ne transforme pas automatiquement les résultats du second en simples opinions.
L’incertitude elle-même peut nécessiter des choix de valeur
Supposons qu’un nouveau produit chimique soit suspecté d’augmenter légèrement un risque grave.
Les données sont incomplètes.
Faut-il demander une preuve très forte avant d’interdire le produit ?
Ou une preuve relativement modeste avant de prendre des précautions ?
La statistique ne peut pas déterminer seule le niveau de risque acceptable.
La décision dépend notamment :
du coût des deux types d’erreur ;
de la gravité potentielle du dommage ;
du degré de précaution souhaité.
Les National Academies soulignent précisément que la décision en situation d’incertitude implique différents types d’incertitudes scientifiques et que les valeurs influencent également la manière dont les preuves et les risques sont interprétés dans la décision.
Le problème ne disparaît donc pas simplement en demandant :
« que dit la science ? »
Il faut aussi préciser :
« pour quelle décision, avec quelles conséquences si nous nous trompons ? »
Le GIEC illustre explicitement cette séparation
L’évaluation scientifique du changement climatique peut estimer :
des températures ;
des probabilités ;
des impacts ;
des scénarios ;
des conséquences de différentes trajectoires d’émissions.
Mais déterminer :
quel risque est politiquement acceptable ;
quelle répartition des efforts est juste ;
quelle priorité donner au développement, à l’équité ou à la protection des générations futures
implique également des jugements de valeur.
Le GIEC a historiquement explicité cette distinction : l’analyse scientifique peut informer la décision, mais certains choix concernant ce qui constitue un niveau de danger ou une politique acceptable exigent également des jugements sociaux et politiques.
C’est précisément ce qu’une expertise scientifique responsable devrait faire :
éclairer sans prétendre remplacer toute décision normative.
La science ne décide pas seule de ses propres fins
La méthode scientifique nous aide à déterminer si une procédure atteint un objectif.
Elle ne définit pas nécessairement cet objectif.
Devons-nous maximiser :
prédiction ?
explication ?
contrôle ?
simplicité ?
précision ?
compréhension ?
Dans la pratique, la science poursuit plusieurs fins.
La philosophie de la méthode distingue précisément les méthodes, les objectifs de la science et les valeurs métaméthodologiques utilisées pour justifier certaines procédures — objectivité, reproductibilité, simplicité ou succès antérieurs, par exemple.
Il existe donc une dimension philosophique même dans la réflexion sur :
« qu’est-ce qu’une bonne méthode scientifique ? »
La science peut tester empiriquement certaines conséquences de ses méthodes.
Elle ne peut entièrement éviter une réflexion sur ce qu’elle cherche à optimiser.
La science dépend d’outils qui ne sont pas eux-mêmes des résultats scientifiques empiriques
La science utilise :
logique ;
mathématiques ;
règles de raisonnement ;
concepts de probabilité.
Une équation mathématique n’est pas généralement validée par un essai randomisé.
Une contradiction logique ne devient pas fausse parce qu’une expérience le suggère.
Science empirique, mathématiques et logique possèdent donc des méthodes de justification différentes, même si elles travaillent constamment ensemble.
Cela montre encore pourquoi :
« seule la méthode scientifique produit toute forme de connaissance rationnelle »
serait une thèse beaucoup trop forte.
La démonstration mathématique n’est pas une expérience scientifique au sens habituel.
Elle n’en est pas moins une forme extrêmement rigoureuse de connaissance.
La philosophie n’est pas non plus simplement une science inachevée
Certaines questions philosophiques peuvent être profondément éclairées par les sciences.
La philosophie de l’esprit doit tenir compte des neurosciences.
La philosophie morale peut apprendre énormément de la psychologie.
La philosophie politique doit tenir compte de l’économie et de la sociologie.
Mais des questions demeurent concernant :
la validité d’un raisonnement ;
la justification ;
la nature d’une valeur ;
les critères du juste ;
la signification de certains concepts.
Ces questions ne peuvent pas toujours être transformées en :
« quelle variable pouvons-nous mesurer ? »
Les données empiriques peuvent contraindre la réflexion.
Elles ne remplacent pas nécessairement l’analyse conceptuelle ou normative.
« La science ne peut répondre à tout » ne donne cependant aucun privilège aux réponses arbitraires
C’est ici que le relativisme apparaît souvent.
Le raisonnement prend la forme :
« La science ne peut pas prouver quel est le sens de la vie ; donc ma réponse personnelle vaut autant que n’importe quelle autre dans tous les domaines. »
La conclusion ne suit pas.
Les limites de la méthode scientifique n’accordent aucune immunité aux affirmations empiriques concurrentes.
Supposons qu’une doctrine affirme :
« ce traitement guérit 90 % des cancers ».
C’est une affirmation empirique.
Elle peut être testée.
Elle ne devient pas protégée de la critique simplement parce que la science ne peut pas décider quelle conception morale de la vie est la meilleure.
Les limites de la science doivent donc être appliquées à la question réellement posée.
Les médecines alternatives n’occupent pas automatiquement « l’espace laissé vide »
Même logique :
« la médecine scientifique ne sait pas tout ; donc cette thérapeutique alternative peut être vraie ».
La première proposition est triviale.
La seconde nécessite toujours des preuves.
L’ignorance scientifique concernant un phénomène ne constitue pas une confirmation de n’importe quelle explication.
Si deux hypothèses sont possibles et que les données ne permettent pas encore de trancher, la conclusion correcte reste :
« nous ne savons pas ».
Pas :
« mon hypothèse préférée devient vraie par défaut ».
Les limites de la connaissance ne sont pas un permis de remplir les blancs arbitrairement.
La science ne répond correctement qu’aux questions suffisamment opérationnalisables
Nous avons consacré plusieurs fiches à ce problème.
Que signifie exactement :
intelligence ?
bien-être ?
pauvreté ?
stress ?
qualité de vie ?
Une question peut être importante tout en étant difficile à transformer en variables mesurables.
La science doit alors créer des indicateurs.
Ces indicateurs capturent certains aspects du phénomène et en laissent d’autres de côté.
Une étude peut donc être techniquement irréprochable tout en répondant seulement à :
une opérationnalisation particulière de la question initiale.
Cette limite est importante dans les sciences humaines, mais elle existe partout.
Un modèle scientifique étudie toujours une représentation sélectionnée du phénomène, pas le monde entier dans toute sa richesse.
Les mesures elles-mêmes imposent des frontières
Nous ne pouvons connaître expérimentalement que ce que nos procédures permettent d’observer avec suffisamment de fiabilité.
Un phénomène peut être :
trop faible ;
trop rapide ;
trop rare ;
trop éloigné ;
trop ancien.
Nous utilisons alors :
des proxys ;
des traces ;
des instruments ;
des modèles.
Chaque couche ajoute des hypothèses.
La conclusion scientifique dépend donc non seulement du phénomène étudié mais également de la chaîne permettant de le rendre observable.
Cette limite ne conduit pas au scepticisme.
Elle explique pourquoi :
calibration ;
validation ;
méthodes indépendantes ;
contrôles
sont si importants.
L’expérimentation est limitée par l’éthique
Certaines expériences seraient scientifiquement très informatives et moralement inacceptables.
Nous ne pouvons pas répartir aléatoirement des enfants entre :
éducation normale ;
absence totale d’éducation
pendant vingt ans pour mesurer l’effet causal de l’école.
Nous ne pouvons pas demander à la moitié d’une population de commencer à fumer pendant trente ans afin d’établir un risque de cancer.
Nous ne pouvons pas volontairement provoquer :
une famine ;
une catastrophe industrielle ;
une guerre
afin de créer un groupe témoin.
Cette limite est réelle.
Elle ne signifie pas que les questions deviennent inaccessibles.
Nous avons vu comment :
études observationnelles ;
expériences naturelles ;
quasi-expériences ;
traces historiques ;
triangulation
permettent d’obtenir des connaissances causales sans manipulation directe.
La méthode scientifique doit donc souvent adapter son niveau de certitude aux contraintes morales de l’enquête.
Certaines questions sont pratiquement impossibles à expérimenter
Même en l’absence de problème éthique, l’expérience peut être impossible.
Nous ne pouvons pas créer une seconde Terre.
Changer uniquement sa concentration de CO₂.
La laisser évoluer pendant deux siècles.
Puis comparer.
Nous ne pouvons pas reproduire la disparition des dinosaures sur plusieurs planètes témoins.
Nous ne pouvons pas recommencer la Révolution française.
La science ne disparaît pas pour autant.
Elle utilise :
modèles ;
comparaisons ;
mécanismes ;
archives ;
traces indépendantes ;
prédictions rétrodictives.
La limite de l’expérience contrôlée n’est donc pas la limite de la science.
Mais elle influence le type de preuve disponible et les hypothèses nécessaires à l’inférence.
Les systèmes complexes imposent des limites de prédiction
Comprendre les lois d’un système ne signifie pas nécessairement pouvoir prévoir avec précision son état futur.
La météorologie fournit un exemple classique.
Un système peut être déterministe dans son modèle tout en présentant une très forte sensibilité aux conditions initiales.
Une petite incertitude de départ peut alors devenir une grande différence plus tard.
Dans d’autres systèmes, nous ne connaissons pas toutes les variables pertinentes.
Dans d’autres encore, le comportement dépend d’interactions difficiles à modéliser.
Il faut donc distinguer :
comprendre certains mécanismes
et
prédire exactement un événement particulier.
L’échec d’une prévision très précise ne signifie pas nécessairement que toute compréhension scientifique du système est mauvaise.
Les événements singuliers sont souvent plus difficiles à prévoir que les distributions
Supposons qu’une médecine estime qu’un patient possède :
20 % de risque de développer une complication.
Le patient veut naturellement savoir :
« Est-ce que cela va m’arriver, oui ou non ? »
La science peut ne pas disposer de cette réponse individuelle.
Elle peut disposer d’une excellente estimation probabiliste au niveau d’une population pertinente.
La limite n’est pas nécessairement :
« la science ne sait rien ».
Elle est :
« l’information scientifique disponible est probabiliste plutôt que déterministe pour cet individu ».
Cette distinction est essentielle en :
médecine ;
météorologie ;
risque industriel ;
économie ;
épidémiologie.
Une connaissance probabiliste peut être extrêmement utile sans produire une prédiction certaine pour chaque cas.
Les modèles simplifient nécessairement
Nous avons vu qu’un modèle ne reproduit pas tous les détails de la réalité.
Il sélectionne certaines variables et relations considérées comme pertinentes.
Cette simplification constitue souvent sa force.
Un modèle contenant littéralement chaque détail du monde serait aussi complexe que le monde lui-même et pratiquement inutilisable.
Mais la simplification crée une limite :
un modèle peut fonctionner très bien pour certaines questions et mal pour d’autres.
La question pertinente n’est donc pas :
« le modèle est-il parfaitement réaliste ? »
mais :
« ses simplifications sont-elles acceptables pour l’inférence que nous voulons tirer ? »
Toutes les prédictions scientifiques sont d’une certaine manière conditionnées par leur domaine de validité.
Une bonne théorie peut être fausse littéralement et extraordinairement utile
La mécanique newtonienne fournit l’exemple évident.
Elle n’est pas la théorie fondamentale la plus exacte que nous possédions dans toutes les situations.
Elle reste pourtant extrêmement utile pour :
ingénierie ;
mécanique quotidienne ;
astronomie dans de nombreux régimes.
Une théorie dépassée n’est donc pas nécessairement :
« complètement fausse et inutile ».
Elle peut être une excellente approximation dans un domaine précis.
Cette conception évite un autre faux dilemme :
théorie vraie pour toujours
ou
théorie entièrement réfutée.
La science progresse souvent par délimitation des domaines de validité.
L’absence de théorie parfaite ne signifie pas que toutes les théories sont équivalentes
Encore une fois, la limite ne conduit pas au relativisme.
Deux modèles peuvent être simplifiés.
Mais l’un :
prédit correctement ;
résiste aux tests ;
fonctionne dans plusieurs contextes.
L’autre :
échoue systématiquement.
Dire :
« tous les modèles sont imparfaits »
ne signifie donc pas :
« tous les modèles se valent ».
La perfection absolue n’est pas le critère pertinent.
Il faut comparer :
précision ;
robustesse ;
domaine d’application ;
pouvoir explicatif ;
capacité prédictive.
Les sciences n’ont pas toutes le même pouvoir expérimental
Une physique de laboratoire peut contrôler certains paramètres avec une précision exceptionnelle.
Une étude sociologique portant sur :
des institutions ;
des normes ;
des trajectoires historiques
rencontre beaucoup plus de variables difficiles à contrôler.
Une enquête épidémiologique sur un comportement humain peut subir :
confusion ;
erreurs de mesure ;
sélection.
Cela ne signifie pas que certaines disciplines seraient simplement :
« scientifiques »
et les autres :
« non scientifiques ».
Cela signifie que la force et la nature des inférences disponibles diffèrent selon les phénomènes et méthodes.
La rigueur doit être évaluée relativement aux contraintes du problème, sans abaisser artificiellement les standards de preuve.
Certaines questions scientifiques peuvent rester structurellement très difficiles
Prenons :
« quel est l’effet exact d’un facteur social complexe sur une trajectoire individuelle sur trente ans ? »
Le monde social comporte :
des interactions ;
des rétroactions ;
des sélections ;
des transformations historiques.
L’estimation peut rester très incertaine même avec une bonne recherche.
Ce n’est pas nécessairement une faute des chercheurs.
Le phénomène lui-même peut être difficile à isoler.
Le danger consiste alors à présenter une estimation très fragile avec un niveau de certitude emprunté à des domaines où le contrôle expérimental est beaucoup plus fort.
L’incertitude doit suivre la structure réelle du problème.
L’objectivité ne signifie pas absence totale de jugement humain
Nous avons vu :
choix des hypothèses ;
construction des mesures ;
décisions analytiques ;
interprétation des résultats.
Des jugements sont inévitables.
L’objectivité scientifique ne peut donc pas raisonnablement signifier :
« aucun humain n’a jamais dû choisir quoi que ce soit ».
Les conceptions contemporaines de l’objectivité analysent justement les moyens permettant de limiter les effets arbitraires de ces jugements : standards explicites, confrontation des points de vue, transparence et possibilité de critique.
L’objectivité est donc souvent davantage une propriété des procédures de contrôle qu’un état psychologique dans lequel le chercheur serait devenu absolument neutre.
La science est limitée par les institutions qui la produisent
Nous l’avons étudié dans tout le bloc précédent.
Les chercheurs disposent de ressources finies.
Les revues sélectionnent.
Les financeurs choisissent.
Les carrières créent des incitations.
Certaines études ne sont jamais réalisées.
D’autres ne sont jamais publiées.
Il existe donc une différence entre :
ce que la méthode scientifique pourrait idéalement établir
et
ce que les institutions scientifiques ont effectivement réussi à étudier.
Une question importante peut rester mal connue :
non parce qu’elle est intrinsèquement inaccessible,
mais parce qu’elle est :
trop coûteuse ;
peu rentable ;
peu prestigieuse ;
difficile à publier.
Les limites institutionnelles font ainsi partie de la réalité de la connaissance scientifique.
Les instruments ont aussi des limites historiques
Une discipline dépend de ce qu’elle peut mesurer.
Avant certaines techniques d’imagerie, une partie du fonctionnement du cerveau restait inaccessible.
Avant le séquençage génétique moderne, de nombreuses questions biologiques étaient beaucoup plus difficiles à étudier.
La limite scientifique change donc avec :
technologies ;
méthodes statistiques ;
capacité computationnelle ;
accès aux données.
Il serait trompeur d’imaginer la frontière scientifique comme une ligne fixe tracée une fois pour toutes.
Elle se déplace continuellement.
Le financement impose également une limite de résolution
Une étude parfaite peut être théoriquement concevable mais coûter :
dix milliards d’euros ;
trente années ;
un million de participants.
La société peut décider que cette information ne mérite pas un tel investissement.
Nous devons alors prendre des décisions avec moins de connaissance qu’il serait théoriquement possible d’obtenir.
C’est un aspect souvent oublié de la méthode scientifique.
Toutes les incertitudes ne sont pas éliminées parce qu’elles sont philosophiquement insolubles.
Certaines persistent simplement parce que réduire davantage l’incertitude coûterait trop cher.
La science doit parfois conseiller avant de savoir parfaitement
Cette situation devient cruciale dans :
médecine ;
gestion des catastrophes ;
épidémies ;
environnement.
Attendre une certitude maximale peut avoir un coût.
Décider trop tôt peut en avoir un autre.
Les National Academies rappellent que toute décision scientifique comporte un certain niveau d’incertitude, mais que les preuves disponibles peuvent néanmoins aider à prévoir les conséquences des décisions.
Une méthode mature ne demande donc pas :
« avons-nous supprimé toute incertitude ? »
mais :
« disposons-nous de suffisamment d’information pour cette décision, relativement aux risques d’attendre ou de nous tromper ? »
C’est une question plus difficile et plus réaliste.
La science ne fixe pas seule le seuil de preuve d’une décision sociale
Supposons deux erreurs possibles.
Autoriser un médicament dangereux.
Ou interdire un médicament utile.
Augmenter le niveau de preuve exigé avant autorisation réduit certains faux positifs mais risque de retarder des traitements utiles.
Le seuil choisi dépend donc en partie :
de la gravité relative de ces erreurs ;
de la situation médicale ;
de l’existence d’alternatives.
Le même principe vaut en :
justice ;
sécurité ;
environnement.
La méthode scientifique fournit les probabilités et conséquences autant que possible.
La société doit encore décider quel risque d’erreur elle accepte.
La science ne fournit pas automatiquement le « sens » d’un résultat
Supposons qu’une étude trouve :
un effet moyen standardisé de 0,20.
La statistique décrit une taille d’effet.
Mais est-ce :
grand ?
petit ?
important ?
négligeable ?
Cela dépend du contexte.
Une amélioration minuscule peut être importante si :
l’intervention coûte presque rien ;
la maladie concerne des millions de personnes ;
aucune alternative n’existe.
Le même effet peut être sans intérêt s’il exige :
un traitement extrêmement toxique ;
un coût gigantesque.
L’interprétation scientifique elle-même nécessite donc souvent des informations contextuelles externes au seul résultat statistique.
Les grandes questions existentielles ne deviennent pas nécessairement scientifiques parce qu’elles sont importantes
« Quelle vie vaut la peine d’être vécue ? »
« Quel est le sens de l’existence ? »
« Devons-nous privilégier la liberté ou l’égalité dans telle situation ? »
La psychologie, la sociologie ou les neurosciences peuvent étudier :
nos croyances ;
nos émotions ;
nos comportements ;
les effets de différentes formes de vie.
Mais une description complète de :
ce que les humains valorisent
ne détermine pas automatiquement :
ce qu’ils devraient valoriser.
L’importance d’une question n’implique pas que la méthode scientifique soit la bonne procédure pour la décider entièrement.
Cette limite n’accorde pas davantage une autorité scientifique aux religions ou idéologies
Dire :
« la science ne peut démontrer quelle morale ultime est correcte »
ne signifie pas :
« une religion ou une idéologie peut désormais affirmer empiriquement n’importe quoi ».
Si une doctrine affirme :
« la Terre a tel âge »
ou
« cette pratique provoque telle conséquence mesurable »,
elle entre sur un terrain où les preuves empiriques peuvent la contraindre.
Une même doctrine peut donc contenir :
des affirmations métaphysiques ;
des jugements moraux ;
des affirmations empiriques.
Elles ne doivent pas recevoir le même type d’évaluation.
L’esprit critique commence par identifier la nature exacte de la proposition.
Les limites de la science ne sont donc pas toutes du même type
Nous pouvons désormais en distinguer plusieurs.
| Type de limite | Exemple | Réponse appropriée |
|---|---|---|
| Incertitude empirique | échantillon insuffisant | davantage ou de meilleures données |
| Sous-détermination | plusieurs causes compatibles | tests discriminants, nouvelles méthodes |
| Limite instrumentale | variable non directement mesurable | nouveaux instruments, proxys, validation |
| Complexité | prédiction individuelle très incertaine | modèles probabilistes, intervalles, scénarios |
| Contrainte éthique | expérimentation directe inadmissible | observation, quasi-expérience, triangulation |
| Contrainte pratique | étude trop coûteuse ou trop longue | accepter une incertitude résiduelle |
| Limite normative | quel risque est acceptable ? | science + délibération morale/politique |
| Question non empirique | validité logique ou principe moral fondamental | raisonnement approprié à un autre domaine |
Le terme « limite de la science » recouvre donc des réalités extrêmement différentes.
Certaines limites peuvent être progressivement repoussées.
D’autres demandent un autre type de raisonnement.
Le scientisme commence lorsque le succès de la science est étendu au-delà de ce qu’il justifie
Le mot scientisme est parfois utilisé comme simple insulte contre toute confiance forte dans la science.
Ce serait un mauvais usage.
Il devient pertinent lorsqu’on soutient par exemple :
« seules les affirmations scientifiques ont une valeur rationnelle »
ou
« toute question importante peut en principe être résolue par une expérience ».
Ces thèses vont beaucoup plus loin que le respect légitime pour les succès des sciences empiriques.
Elles ignorent notamment :
logique ;
mathématiques ;
raisonnement moral ;
analyse conceptuelle.
Reconnaître ces autres formes de raisonnement ne diminue en rien l’autorité particulière de la science sur les questions empiriques correctement formulées.
Le relativisme commet l’erreur symétrique
Il observe :
les modèles sont imparfaits ;
les chercheurs ont des valeurs ;
la science se corrige ;
les théories changent.
Puis conclut :
« il n’existe donc pas de différence rationnelle entre une théorie scientifique et une autre croyance ».
Mais tout le travail de cette rubrique montre exactement l’inverse.
Les affirmations scientifiques sont soumises à :
mesure ;
tests ;
comparaisons ;
réplications ;
critique ;
synthèses ;
corrections.
Certaines échouent.
D’autres survivent.
La révisabilité ne détruit pas la rationalité.
Elle constitue l’un de ses mécanismes.
Entre scientisme et relativisme : le faillibilisme
La position probablement la plus féconde consiste à accepter simultanément trois idées.
Premièrement, la connaissance scientifique est faillible.
Deuxièmement, toutes les affirmations ne sont pas pour autant également plausibles.
Troisièmement, des méthodes mieux conçues permettent d’augmenter progressivement la fiabilité des conclusions.
C’est exactement l’idée centrale de cette catégorie.
La science n’est pas :
une machine à produire des vérités certaines.
Elle est :
une architecture destinée à faire subir aux affirmations empiriques suffisamment de contraintes pour que les erreurs deviennent progressivement plus difficiles à maintenir.
Connaître les limites augmente donc la confiance appropriée
Cela peut sembler paradoxal.
Une discipline qui annonce :
« marge d’erreur : ± 2 »
peut sembler moins certaine qu’une doctrine affirmant :
« nous savons exactement ».
Mais la première position est souvent plus fiable précisément parce qu’elle représente honnêtement ce qu’elle ne sait pas.
Le GIEC utilise par exemple un langage calibré distinguant confiance et vraisemblance, en fonction notamment de la qualité, quantité et cohérence des preuves et du degré d’accord.
Rendre l’incertitude explicite n’est donc pas une faiblesse.
C’est un mécanisme de contrôle contre la surconfiance.
Une bonne science sait également répondre « nous ne savons pas »
Cette phrase constitue probablement l’un des signes les plus importants de maturité méthodologique.
Devant des données insuffisantes, plusieurs réponses sont possibles :
inventer une certitude ;
masquer les contradictions ;
sélectionner le résultat le plus séduisant ;
ou reconnaître :
« nous ne savons pas encore ».
La dernière réponse peut être scientifiquement la meilleure.
L’objectif de la méthode scientifique n’est pas de maximiser le nombre de réponses.
Il est de maximiser autant que possible la qualité de la relation entre réponses et preuves.
Et parfois la question elle-même doit être reformulée
« Est-ce dangereux ? »
peut être trop vague.
Dangereux pour qui ?
À quelle dose ?
Avec quelle probabilité ?
Comparé à quoi ?
« Est-ce efficace ? »
À quel résultat ?
Pour quelle population ?
Avec quel bénéfice minimal ?
De nombreuses limites apparentes de la science proviennent donc de questions mal définies.
La méthode ne peut pas fournir une réponse claire à une question dont les concepts eux-mêmes restent flous.
Une partie du travail scientifique consiste précisément à transformer :
une question générale
en
plusieurs questions suffisamment précises pour devenir réellement testables.
Les limites doivent finalement être comprises relativement à une affirmation
Il n’existe pas un compteur global disant :
« cette science est fiable à 82 % ».
Chaque conclusion doit être évaluée relativement à :
sa question ;
sa méthode ;
ses données ;
ses alternatives ;
ses incertitudes.
La méthode scientifique est extrêmement forte lorsque les preuves disponibles discriminent clairement entre les hypothèses.
Elle devient plus prudente lorsque plusieurs explications restent compatibles.
Elle cède une partie de la décision à d’autres formes de raisonnement lorsque la question contient un jugement normatif irréductible.
C’est cette capacité à reconnaître plusieurs niveaux qui empêche à la fois l’arrogance scientiste et le scepticisme facile.
La frontière n’est donc pas « science ou opinion »
Une décision publique peut combiner :
une conclusion scientifique très robuste ;
une estimation scientifique incertaine ;
un choix moral ;
un compromis politique.
Le résultat final n’est ni :
« purement scientifique »
ni
« simple opinion ».
Il est un raisonnement dans lequel différents types de prémisses jouent des rôles différents.
La clarté exige simplement de ne pas les confondre.
Par exemple :
« cette politique réduirait probablement les émissions de 20 % » : question largement empirique.
« le coût correspondant est acceptable » : jugement évaluatif.
« nous devons donc adopter cette politique » : conclusion combinant faits et valeurs.
Une bonne démocratie comme une bonne science ont intérêt à rendre ces transitions explicites.
Connaître les limites de la science n’est donc pas limiter l’esprit critique
C’est exactement l’inverse.
L’esprit critique exige de savoir :
quand demander une étude ;
quand demander une démonstration ;
quand demander une justification morale ;
quand accepter provisoirement une incertitude ;
quand reconnaître que les données ne peuvent pas encore trancher.
Une méthode appliquée en dehors de son domaine devient elle-même une source d’erreur.
L’autonomie intellectuelle consiste donc aussi à savoir quel type de preuve est pertinent pour quel type de question.
Le succès de la science vient peut-être précisément de cette discipline
Une affirmation scientifique sérieuse doit accepter :
d’être mesurée ;
contestée ;
répliquée ;
corrigée ;
parfois abandonnée.
Elle doit également accepter de dire :
« cette question dépasse ce que nos données permettent actuellement d’établir ».
Cette limitation volontaire constitue une force.
Un système de connaissance qui prétend pouvoir répondre immédiatement à toute question dispose toujours d’un avantage rhétorique sur la science.
Il peut parler avec certitude là où la science hésite.
Mais il possède aussi moins de mécanismes lui imposant de reconnaître ses erreurs.
La science renonce donc à l’omniscience.
C’est en grande partie ce qui lui permet d’être fiable.
À retenir
La méthode scientifique possède des limites réelles, mais elles ne sont ni toutes identiques ni équivalentes à un échec de la science. Certaines sont temporaires : données insuffisantes, instruments imparfaits, puissance statistique faible ou absence de méthode permettant encore de départager plusieurs hypothèses. D’autres proviennent de contraintes éthiques ou pratiques. D’autres encore concernent des questions dont la réponse exige des prémisses normatives plutôt qu’une observation supplémentaire.
Les preuves peuvent également sous-déterminer les théories : plusieurs explications peuvent être compatibles avec les mêmes observations. La philosophie des sciences distingue cependant plusieurs formes de sous-détermination et met en garde contre le passage abusif de difficultés réelles mais locales à la conclusion générale selon laquelle les preuves seraient incapables de contraindre rationnellement les théories.
La science ne peut pas davantage dériver à elle seule ce que nous devons valoriser à partir d’une description de ce qui est. Le problème classique du passage de *is* à *ought*, associé à Hume, reste philosophiquement débattu dans sa formulation exacte, mais il souligne au minimum qu’une conclusion normative nécessite généralement des prémisses évaluatives qui ne sont pas fournies par la seule description empirique du monde.
Cela ne rend pas la science inutile pour les décisions morales ou politiques. Elle peut au contraire déterminer avec une grande précision les conséquences probables des différentes options, permettant ensuite une délibération mieux informée sur les valeurs, coûts et risques acceptables. Les National Academies soulignent précisément que la science constitue un élément essentiel de nombreuses décisions sans en être toujours le seul déterminant.
Reconnaître les limites de la science ne justifie enfin aucun relativisme. Le fait qu’une conclusion soit révisable, qu’un modèle soit simplifié ou qu’une étude contienne de l’incertitude ne met pas toutes les affirmations sur le même plan. Certaines ont survécu à beaucoup plus de contrôles, disposent de mesures plus précises et expliquent beaucoup mieux les observations que leurs concurrentes.
La position la plus défendable est donc un faillibilisme exigeant :
la science peut se tromper ; elle ne peut pas répondre seule à toutes les questions ; mais pour les questions empiriques où ses méthodes permettent une confrontation réelle aux preuves, elle demeure notre meilleur ensemble connu de procédures pour réduire systématiquement le risque de nous tromper.
La question essentielle n’est ainsi pas :
« La science peut-elle tout expliquer ? »
mais :
« Quelle partie de cette question peut être tranchée empiriquement, avec quel degré de confiance, quelles incertitudes demeurent, et quelles prémisses supplémentaires — philosophiques, morales ou politiques — sont nécessaires avant de passer des faits à la décision ? »
Sources et références
- Andersen, Hanne & Hepburn, Brian, « Scientific Method », *Stanford Encyclopedia of Philosophy*, révision substantielle du 8 août 2026. L’entrée insiste notamment sur la pluralité des méthodes scientifiques et distingue méthodes, buts de la science, valeurs méthodologiques et pratiques concrètes de recherche.
- « The Problem of Induction », *Stanford Encyclopedia of Philosophy*, sur le problème humien du passage des observations connues aux cas non observés et les différentes réponses philosophiques développées depuis le XVIIIe siècle.
- Stanford, P. Kyle et littérature associée, synthétisés dans « Underdetermination of Scientific Theory », *Stanford Encyclopedia of Philosophy*. L’entrée distingue plusieurs formes de sous-détermination et met en garde contre leur assimilation à une thèse globale selon laquelle les preuves seraient impuissantes à départager rationnellement les théories.
- « Hume’s Moral Philosophy » et « Metaethics », *Stanford Encyclopedia of Philosophy*, concernant le célèbre passage humien du *is* au *ought* et les débats sur la possibilité de tirer des conclusions évaluatives à partir de prémisses purement factuelles.
- « Scientific Objectivity », *Stanford Encyclopedia of Philosophy*, sur l’idéal d’une science indépendante des valeurs, la distinction entre valeurs épistémiques et contextuelles et les différentes étapes auxquelles les valeurs peuvent intervenir dans la pratique scientifique.
- National Academies of Sciences, Engineering, and Medicine, « Can science help people make decisions? » et Principles for Decision Making Under Uncertainty, sur le rôle de la science dans la décision, les différentes formes d’incertitude et la place complémentaire des coûts, valeurs et jugements de risque.
- Intergovernmental Panel on Climate Change, AR6 Working Group I, Chapter 1 — Framing, Context and Methods, sur le traitement explicite de l’incertitude au moyen d’évaluations calibrées de la confiance et de la vraisemblance ; voir également les réflexions du GIEC sur la distinction entre évaluation scientifique et jugements de valeur dans la décision politique.