Logique classique, logique floue et degrés de vérité
La logique classique repose sur une représentation particulièrement simple de la vérité : une proposition possède l’une des deux valeurs vrai ou faux. Cette structure convient remarquablement bien à de nombreux raisonnements.
17 est un nombre premier.
Cette proposition est vraie.
17 est divisible par 4.
Elle est fausse.
Mais le langage ordinaire contient aussi des affirmations comme :
Paul est grand.
Cette pièce est chaude.
Cette personne est jeune.
Cette voiture roule vite.
Ici, la difficulté n’est pas nécessairement que nous ignorions la réalité. Même en connaissant exactement la taille de Paul ou la température de la pièce, les mots grand, chaud, jeune ou rapide possèdent des frontières imprécises.
La logique floue a été développée pour représenter formellement certaines situations de ce type. Elle autorise notamment des degrés de vérité intermédiaires entre 0 et 1. Elle appartient ainsi à la famille plus générale des logiques multivaluées.
Il serait cependant trompeur d’en conclure que la logique classique serait « trop simpliste » et que la logique floue constituerait sa version moderne ou supérieure. Les deux formalismes répondent à des problèmes différents.
La logique classique : vrai ou faux
Dans la sémantique propositionnelle classique, une proposition reçoit l’une de deux valeurs :
1 : vrai
0 : faux
Les connecteurs logiques déterminent ensuite la valeur des propositions composées.
Si P est vrai, sa négation :
¬P
est fausse.
Une conjonction :
P ∧ Q
est vraie uniquement lorsque P et Q sont toutes deux vraies.
Une disjonction :
P ∨ Q
est vraie lorsqu’au moins l’une des deux propositions est vraie.
Ce cadre permet notamment les raisonnements étudiés précédemment : modus ponens, modus tollens, contraposition, raisonnement par cas et nombreuses formes de démonstration.
Sa simplicité constitue précisément l’une de ses grandes forces.
Bivalence et tiers exclu
La logique classique est généralement associée au principe de bivalence : toute proposition correctement déterminée possède exactement l’une de deux valeurs, vrai ou faux.
Elle valide également le principe du tiers exclu :
P ∨ ¬P
c’est-à-dire :
P est vraie ou non-P est vraie.
Ces idées fonctionnent sans difficulté dans des cas comme :
« 24 est pair. »
Mais certains prédicats du langage courant semblent moins faciles à traiter.
Considérons une personne mesurant exactement 1,79 m.
Est-elle grande ?
Nous pouvons parfaitement connaître sa taille et pourtant hésiter sur l’application du mot.
Le problème n’est donc pas nécessairement probabiliste ou empirique.
Il concerne la vaguité du prédicat.
Vaguité et ignorance ne sont pas la même chose
Supposons que je ne connaisse pas la taille de Paul.
Je ne sais donc pas s’il mesure 1,60 m ou 1,95 m.
C’est un problème d’incertitude sur les faits.
Supposons maintenant que je sache exactement qu’il mesure 1,79 m, mais que je me demande s’il faut le qualifier de « grand ».
Le problème est différent.
Le fait physique est connu.
Ce qui reste imprécis est la frontière du concept grand.
Cette distinction est essentielle :
incertitude : nous ignorons quelle situation est réelle ;
vaguité : nous connaissons parfois parfaitement la situation, mais le concept possède des cas limites.
La logique floue est principalement conçue pour modéliser ce second problème.
Les catégories ordinaires n’ont pas toujours de frontière naturelle nette
Imaginons que nous décidions :
Une personne est grande si elle mesure au moins 1,80 m.
Nous obtenons une catégorie classique parfaitement nette.
Une personne mesurant 1,799 m n’est pas grande.
Une personne mesurant 1,800 m l’est.
Pour certaines applications administratives, techniques ou expérimentales, cette convention peut être exactement ce dont nous avons besoin.
Mais elle ne correspond pas nécessairement à la manière dont le terme « grand » fonctionne dans le langage courant.
Une différence d’un millimètre ne transforme pas intuitivement une personne « non grande » en une personne « grande ».
Les prédicats vagues possèdent ainsi des cas frontières, l’un des traits centraux de la vaguité étudiés en philosophie du langage.
Le paradoxe sorite
Cette difficulté apparaît de manière spectaculaire dans le paradoxe sorite, ou paradoxe du tas.
Un seul grain de sable ne forme manifestement pas un tas.
Il semble également raisonnable de dire :
Ajouter un seul grain à quelque chose qui n’est pas un tas ne suffit pas à créer un tas.
Mais si nous répétons ce raisonnement grain après grain, nous devrions conclure qu’un million de grains ne forme toujours pas un tas.
Quelque chose a mal tourné.
Le problème vient de la tension entre deux intuitions :
« tas » n’a pas de frontière évidente au grain près ;
mais une succession de très petits changements finit néanmoins par transformer clairement un non-tas en tas.
Des problèmes analogues apparaissent avec :
jeune / vieux ;
pauvre / riche ;
petit / grand ;
froid / chaud.
La vaguité n’est donc pas simplement une imprécision occasionnelle. Elle pose un véritable problème logique et philosophique.
L’idée de la logique floue
En 1965, l’ingénieur et mathématicien Lotfi Zadeh introduit la théorie des ensembles flous.
Dans un ensemble classique, un élément appartient ou n’appartient pas à un ensemble :
0 ou 1.
Dans un ensemble flou, il peut posséder un degré d’appartenance compris entre 0 et 1. La logique floue développe cette idée en permettant d'interpréter certaines valeurs intermédiaires comme des degrés de vérité.
Par exemple, un système pourrait représenter :
« Paul est grand »
par une valeur de :
0,7
tandis qu’une personne nettement plus grande recevrait :
0,95
et une personne nettement petite :
0,05.
L’idée n’est plus de chercher nécessairement un seuil unique où « non grand » devient brusquement « grand ».
Nous représentons une transition graduelle.
0,7 vrai ne signifie pas 70 % de chances d’être vrai
C’est l’un des points les plus importants.
Supposons que :
« Paul est grand »
reçoive un degré de vérité de 0,7.
Cela ne signifie pas :
« Il existe 70 % de chances que Paul soit grand. »
Les deux nombres peuvent être écrits entre 0 et 1, mais ils ne représentent pas la même chose.
Dans le raisonnement probabiliste, nous pouvons avoir une proposition parfaitement déterminée dont nous ignorons la vérité :
« La pièce tirée au hasard est un as. »
Elle sera finalement soit un as, soit autre chose. La probabilité exprime notre incertitude avant de regarder.
Dans une représentation floue :
« Paul est grand à 0,7 »
peut au contraire exprimer qu’une personne dont la taille est parfaitement connue appartient à un certain degré à la catégorie vague « grand ».
La logique floue et la théorie des probabilités traitent donc deux problèmes différents, même si certaines applications peuvent les combiner. Les travaux sur les ensembles flous distinguent précisément l’imprécision ou la vaguité de l’incertitude probabiliste.
Un exemple : « la pièce est chaude »
Supposons un système de régulation thermique.
Une température de 10 °C peut appartenir presque entièrement à la catégorie :
froid
et très peu à :
chaud.
À 20 °C, elle peut appartenir partiellement à plusieurs catégories :
plutôt frais
tempéré
un peu chaud.
À 35 °C, son appartenance à « chaud » devient élevée.
Un système flou peut ensuite utiliser des règles comme :
Si la pièce est très chaude, augmenter fortement la ventilation.
Si elle est modérément chaude, augmenter légèrement la ventilation.
Cela évite une commande brutalement discontinue du type :
24,9 °C : aucune ventilation ;
25,0 °C : ventilation maximale.
Dans ce type d'application, la gradualité peut être techniquement utile.
Les fonctions d’appartenance
Pour utiliser cette idée, il faut définir une fonction d’appartenance.
Elle associe à chaque valeur une quantité comprise entre 0 et 1.
Pour la catégorie « chaud », on pourrait décider par exemple qu’une température de 15 °C possède une appartenance faible, 25 °C une appartenance intermédiaire et 35 °C une appartenance élevée.
Mais un point important apparaît immédiatement :
qui détermine cette fonction ?
La logique floue n’extrait pas automatiquement de la nature la valeur exacte :
« 25 °C est chaud à 0,63. »
La fonction peut être construite à partir de connaissances d’experts, de données, d'objectifs techniques ou de conventions.
La formalisation rend une notion vague calculable ; elle ne montre pas nécessairement que le monde contient objectivement un degré de « chaleur » exactement égal à 0,63.
La précision numérique peut elle-même être artificielle
Ce problème constitue l’une des critiques philosophiques importantes des théories en degrés.
Nous cherchons à éviter une frontière arbitraire :
1,799 m : pas grand ;
1,800 m : grand.
Mais nous pourrions finir par affirmer :
1,799 m : grand à 0,637 ;
1,800 m : grand à 0,638.
D’où viennent ces valeurs extrêmement précises ?
Attribuer une infinité de degrés ne supprime pas automatiquement toutes les difficultés de la vaguité. La littérature philosophique souligne notamment que les approches multivaluées et floues sont une famille de solutions au problème des cas limites, mais qu'elles restent contestées.
La logique floue est donc un outil formel puissant, pas une solution philosophique unanimement acceptée à la nature de toute vaguité.
Logique floue et logique multivaluée
La logique floue appartient à une famille plus vaste : les logiques multivaluées.
La logique classique utilise deux valeurs de vérité.
Une logique trivaluée peut en employer trois.
D’autres en utilisent quatre, cinq ou davantage.
Certaines logiques utilisent même un continuum de valeurs.
Les motivations sont diverses : traitement des prédicats vagues, énoncés futurs indéterminés, phénomènes de présupposition, paradoxes sémantiques ou applications informatiques. L’entrée 2026 de la *Stanford Encyclopedia of Philosophy* sur les logiques multivaluées souligne précisément que ces systèmes généralisent la base bivaluée classique plutôt qu’ils ne constituent un unique concurrent de la logique classique.
Il n’existe donc pas « la » logique non classique opposée à « la » logique classique.
Il existe de nombreuses familles de systèmes conçus pour différents problèmes.
Les degrés de vérité doivent eux aussi être combinés
Attribuer :
P = 0,7
et :
Q = 0,5
ne suffit pas.
Il faut encore déterminer ce que valent :
P ET Q
P OU Q
NON-P
Différents systèmes de logique floue définissent ces opérations de différentes manières.
Dans certains systèmes courants, la conjonction peut être représentée à partir du minimum des deux valeurs :
P ∧ Q = min(P,Q)
mais d’autres logiques floues utilisent d’autres opérations.
C’est pourquoi la logique floue ne se résume pas à :
« Au lieu de vrai ou faux, mettons des nombres entre 0 et 1. »
Il s’agit de véritables systèmes logiques possédant une syntaxe, une sémantique et des règles d’inférence.
La logique classique reste parfaitement adaptée aux catégories nettes
Supposons :
« Ce patient a 50 ans révolus. »
ou :
« Ce nombre est divisible par 3. »
ou :
« Ce dossier a été transmis avant la date réglementaire du 15 septembre à minuit. »
Dans ces situations, une catégorie nette peut être exactement ce que nous voulons.
Introduire un degré de vérité n’améliorerait pas nécessairement le raisonnement.
Une règle administrative peut même avoir besoin d’un seuil conventionnel précis alors que la propriété sous-jacente est graduelle.
Par exemple, le passage à la majorité légale se produit à un âge précis.
Cela ne signifie évidemment pas que toutes les capacités psychologiques changent brutalement au même instant.
Le seuil sert une fonction juridique.
Vaguité du phénomène et précision de la règle sont deux questions différentes.
Une frontière conventionnelle n’est pas nécessairement irrationnelle
Supposons qu’un examen exige :
au moins 10/20 pour réussir.
Un candidat obtenant 9,99 et un autre 10,00 sont pratiquement identiques quant à leur performance.
Pourtant, la décision institutionnelle doit parfois être binaire :
admis / non admis.
Nous pouvons discuter du seuil, de la précision de la mesure ou de l’existence d’une zone de compensation.
Mais le simple fait qu’un phénomène soit continu ne montre pas qu’une décision binaire soit illogique.
Le monde peut être graduel tandis que certaines règles doivent produire des décisions nettes.
La logique floue ne supprime donc pas la nécessité de choisir parfois des seuils.
Toutes les vaguités ne sont pas nécessairement des degrés de vérité
Prenons :
« Cet homme est chauve. »
Une approche floue peut attribuer des degrés de vérité différents selon le nombre et la distribution des cheveux.
Mais ce n’est pas la seule théorie possible.
Certaines approches philosophiques conservent la logique classique en estimant qu’il existe une frontière réelle mais impossible à connaître précisément.
D’autres utilisent la supervaluation, où différentes manières admissibles de rendre le prédicat précis sont considérées simultanément.
D’autres encore insistent sur le rôle du contexte.
La philosophie de la vaguité reste ainsi profondément pluraliste : logiques multivaluées, supervaluationnisme, contextualisme et approches épistémiques proposent des analyses concurrentes.
Présenter la logique floue comme la solution au vague masquerait donc un débat toujours ouvert.
Le paradoxe du tas ne disparaît pas simplement avec des décimales
Attribuer des degrés progressifs permet de modéliser intuitivement le passage de :
clairement pas un tas
à :
cas frontière
puis :
clairement un tas.
Mais une question réapparaît :
pourquoi ce nombre de grains correspond-il à 0,5001 plutôt qu’à 0,4999 ?
La transition n’a plus nécessairement une unique frontière entre vrai et faux, mais le modèle doit encore déterminer les degrés.
Les critiques des approches graduelles soulignent précisément que le problème de la précision peut ainsi être déplacé plutôt que complètement éliminé.
Cela ne rend pas la logique floue inutile.
Cela montre simplement la différence entre :
disposer d’un modèle efficace
et
avoir résolu définitivement la nature philosophique du phénomène modélisé.
Cas pratique — « Ce risque est élevé »
Un rapport indique :
« Le risque est élevé. »
Cette phrase peut contenir deux problèmes très différents.
Premier cas : la probabilité réelle de l’événement est incertaine. Nous hésitons entre 5 %, 15 % et 30 %.
C’est principalement un problème d’incertitude probabiliste.
Deuxième cas : nous estimons assez précisément le risque à 12 %, mais nous hésitons à appeler 12 % :
faible,
modéré,
ou élevé.
C’est un problème de catégorisation vague.
Une représentation floue pourrait être utile dans le second cas : 12 % pourrait appartenir partiellement aux catégories « modéré » et « élevé ».
Mais elle ne remplace pas l’estimation probabiliste du premier problème.
Cette distinction empêche une confusion fréquente entre incertitude sur une valeur et imprécision de la catégorie utilisée pour la décrire.
Cas pratique — « Cette personne est riche »
Imaginons deux personnes disposant respectivement de patrimoines de :
999 999 €
et :
1 000 001 €.
Si nous définissons conventionnellement :
« riche = patrimoine supérieur ou égal à un million d’euros »,
la première n’est pas riche et la seconde l’est.
Cette classification peut être utile pour une règle précise.
Mais elle paraît artificielle si nous prétendons avoir découvert une différence économique profonde entre ces deux personnes.
Une approche graduelle peut mieux représenter le fait que la richesse ordinaire est un concept flou.
Mais elle soulève immédiatement d’autres questions :
Le revenu compte-t-il aussi ?
Le coût de la vie ?
Les dettes ?
La composition du patrimoine ?
Le pays ?
Le problème n’est donc pas seulement de remplacer 0 et 1 par des valeurs intermédiaires.
Il faut d’abord déterminer ce que notre concept cherche à mesurer.
Un nombre flou ne dispense pas de définir le concept
C’est une leçon générale.
La formalisation ne peut pas sauver un concept mal défini.
Si nous ne savons pas ce que signifie « performance élevée », attribuer un degré :
0,73
ne rend pas automatiquement la notion plus claire.
La qualité du modèle dépend toujours des propriétés choisies, des fonctions définies et du but poursuivi.
Un système formel peut nous obliger à expliciter ces choix.
C’est l’un de ses grands avantages.
Mais il ne choisit pas à notre place les catégories pertinentes.
La logique floue n’est pas une permission de raisonner vaguement
Le terme « flou » peut donner une impression trompeuse.
La logique floue n’est pas :
une logique moins rigoureuse ;
une logique où « tout est plus ou moins vrai » ;
une justification de l’imprécision dans l’argumentation.
Au contraire, il s’agit d’une formalisation mathématique précise de certains types de gradualité.
Une fois les fonctions et les règles définies, les calculs peuvent être parfaitement rigoureux.
Le phénomène modélisé peut être vague ; le modèle qui le traite ne l’est pas nécessairement.
Et une proposition classique n’est pas forcément certaine
La distinction inverse est tout aussi importante.
Dire qu’une proposition est traitée comme vraie ou fausse en logique classique ne signifie pas que nous savons avec certitude laquelle des deux valeurs elle possède.
Considérons :
« Il y avait de la vie microbienne sur Mars il y a trois milliards d’années. »
Dans un cadre classique, la proposition peut être vraie ou fausse.
Nous pouvons néanmoins être extrêmement incertains à son sujet.
La bivalence concerne ici la structure de la vérité attribuée à la proposition.
La probabilité épistémique concerne notre degré de confiance.
Ce sont deux niveaux différents.
Trois questions à ne pas confondre
Nous pouvons maintenant distinguer trois situations :
La proposition est-elle vraie ou fausse ?
C’est le problème classique de la valeur de vérité.
À quel point sommes-nous certains qu’elle est vraie ?
C’est une question probabiliste ou épistémique.
Le prédicat possède-t-il lui-même des cas intermédiaires ou une frontière vague ?
C’est le problème auquel les approches floues peuvent notamment répondre.
Prenons :
« Paul est grand. »
Sa taille peut être connue avec une très grande précision.
Nous pouvons donc être certains des données physiques tout en considérant l'application du mot « grand » comme graduelle.
À l’inverse :
« Paul mesure exactement 1,82 m »
n’est pas vague de la même manière, mais nous pouvons être incertains parce que nous ne l’avons jamais mesuré.
Vaguité et incertitude sont orthogonales.
Les formalismes sont des outils, pas des philosophies complètes du monde
La logique classique est extraordinairement puissante pour analyser la validité, les démonstrations et les relations entre propositions nettement définies.
Les logiques floues sont particulièrement intéressantes lorsque nous voulons formaliser des catégories graduelles.
Les probabilités sont adaptées à l’incertitude.
D’autres logiques non classiques répondent encore à d’autres problèmes.
Il est donc rarement utile de demander :
« Quelle logique est la vraie logique ? »
sans préciser le problème traité.
Une meilleure question est :
« Quel formalisme représente correctement les distinctions dont nous avons besoin ici ? »
Une méthode pratique
Lorsqu’une affirmation paraît « ni complètement vraie ni complètement fausse », on peut commencer par identifier la source du problème.
Manquons-nous simplement d’informations ?
Dans ce cas, le problème peut être probabiliste ou épistémique.
Le prédicat possède-t-il des cas frontières ?
Nous avons alors un problème de vaguité.
Existe-t-il un seuil conventionnel correspondant à l’usage recherché ?
Une classification classique peut suffire.
Avons-nous besoin de modéliser une transition graduelle ?
Une représentation floue peut devenir utile.
Le degré choisi possède-t-il réellement une interprétation justifiable ?
Cette dernière question évite que les nombres intermédiaires ne créent qu’une illusion de précision.
À retenir
La logique classique traite standardement les propositions à partir de deux valeurs de vérité :
vrai ou faux.
Elle reste fondamentale pour les raisonnements déductifs et n’est nullement rendue obsolète par les logiques non classiques.
La logique floue, issue des travaux de Lotfi Zadeh sur les ensembles flous en 1965, permet d’utiliser des degrés de vérité ou d’appartenance, généralement représentés entre 0 et 1. Elle est particulièrement adaptée à certaines notions graduelles telles que « grand », « chaud » ou « jeune ».
Un degré flou de 0,7 ne signifie pas nécessairement une probabilité de 70 %. Probabilité et degré de vérité répondent à des questions différentes.
La logique floue ne constitue cependant qu’une des réponses possibles au problème de la vaguité. Logiques multivaluées, supervaluationnisme, contextualisme et théories épistémiques proposent d’autres analyses, et le statut philosophique des degrés de vérité reste débattu.
La meilleure leçon n’est donc pas :
« La réalité n’est jamais vraie ou fausse. »
Elle est plus précise :
certains problèmes portent sur la vérité d’une proposition, d’autres sur notre incertitude à son sujet, et d’autres encore sur la frontière vague des concepts que nous utilisons. Ces difficultés ne doivent pas être confondues.
Pour aller plus loin
L’entrée « Fuzzy Logic » de la *Stanford Encyclopedia of Philosophy* présente la logique floue comme une famille de logiques multivaluées destinée notamment à formaliser des énoncés vagues ou imprécis et retrace son origine dans les ensembles flous de Zadeh.
L’entrée « Many-Valued Logic », entièrement renouvelée en 2026, replace la logique floue dans une famille beaucoup plus vaste de systèmes qui généralisent la base bivaluée de la logique classique. Elle rappelle que ces systèmes répondent à plusieurs motivations distinctes et ne constituent pas un bloc homogène.
Enfin, l’entrée « Vagueness » présente les principales théories concurrentes du vague et montre pourquoi les degrés de vérité constituent une solution importante mais controversée plutôt qu’une réponse définitivement acquise au paradoxe sorite.