Objectivité scientifique : comment une communauté corrige-t-elle les biais individuels ?

L’objectivité n’exige pas des chercheurs sans point de vue

L’image populaire de l’objectivité scientifique représente parfois le chercheur comme un observateur parfaitement neutre. Il constaterait les faits sans attente, sans intérêt, sans valeur et sans influence sociale. Son esprit fonctionnerait comme un instrument transparent laissant simplement apparaître la réalité. Cette image est difficile à soutenir.

Tout chercheur possède une histoire, une formation, des habitudes intellectuelles, des préférences théoriques et des intérêts. Il doit choisir une question, sélectionner des méthodes, définir des catégories et interpréter des résultats. Même l’observation la plus attentive dépend de concepts permettant d’identifier ce qui compte comme un phénomène, une mesure ou une anomalie. Cela ne signifie pas que la science serait entièrement subjective.

L’objectivité scientifique ne vient pas nécessairement de l’absence de tout point de vue individuel. Elle peut résulter de l’organisation d’une pluralité de points de vue soumis à des contraintes communes.

Une communauté scientifique devient plus objective lorsqu’elle permet :

  • de rendre les affirmations publiques ;
  • d’examiner les méthodes ;
  • de confronter les interprétations ;
  • de reproduire les résultats ;
  • de signaler les erreurs ;
  • de réviser les conclusions.

L’objectivité est alors moins une pureté psychologique qu’une propriété des procédures collectives.


Plusieurs sens du mot « objectivité »

Le mot *objectivité* peut désigner plusieurs exigences différentes.

L’objectivité comme conformité au réel

Une affirmation est objective lorsqu’elle décrit correctement une réalité qui ne dépend pas uniquement de nos préférences.

La température d’un objet ne change pas parce que nous souhaitons qu’il soit plus froid. Une théorie scientifique doit répondre à des contraintes venant du monde.

L’objectivité comme indépendance personnelle

Un résultat est objectif lorsqu’il ne dépend pas de l’identité particulière de la personne qui l’obtient.

D’autres chercheurs correctement formés devraient pouvoir retrouver un résultat comparable.

L’objectivité comme procédure publique

Une conclusion est objective lorsque les méthodes, les données et les raisonnements peuvent être examinés par autrui.

L’objectivité comme impartialité

Une décision est parfois qualifiée d’objective lorsqu’elle n’avantage pas arbitrairement un intérêt particulier.

Ces sens peuvent se renforcer, mais ils ne sont pas identiques.

Une procédure peut être parfaitement publique et néanmoins mal représenter le réel. Une mesure peut être exacte tout en étant utilisée dans une décision politiquement partiale. Une personne peut être sincèrement impartiale mais employer une méthode peu fiable.

Il faut donc préciser ce que nous attendons lorsque nous parlons d’objectivité.


Le réel comme contrainte

La science ne peut pas être objective si les données ne peuvent jamais résister aux théories.

Un chercheur peut préférer une hypothèse. Mais si celle-ci produit régulièrement de mauvaises prédictions, échoue à reproduire les observations ou exige des ajustements permanents, sa position devient difficile à maintenir.

Le monde impose des contraintes. Cette résistance ne produit pas automatiquement une interprétation unique. Plusieurs modèles peuvent parfois expliquer les mêmes données. Une observation peut être compatible avec plusieurs mécanismes. Mais toutes les interprétations ne sont pas également compatibles avec les résultats.

L’objectivité ne demande donc pas que les faits parlent entièrement seuls. Elle demande que nos explications restent vulnérables à ce que les faits peuvent leur opposer.


Les biais individuels sont inévitables

Un chercheur peut être influencé par :

  • son attachement à une théorie ;
  • le désir de publier ;
  • la recherche de reconnaissance ;
  • son financement ;
  • ses valeurs politiques ;
  • les attentes de son équipe ;
  • les résultats qu’il espère trouver.

Ces influences ne prennent pas toujours la forme d’une fraude consciente. Le chercheur peut choisir une analyse plutôt qu’une autre, interpréter favorablement un résultat ambigu ou accorder davantage d’attention aux données qui confirment son hypothèse. Une personne peut travailler honnêtement tout en restant soumise au biais de confirmation, au raisonnement motivé et aux limites de son attention. La science ne doit donc pas reposer uniquement sur l’espoir que les individus deviennent parfaitement neutres. Elle doit organiser des contrôles capables de réduire les effets de leurs biais.


La critique comme mécanisme d’objectivité

Une idée scientifique n’est pas destinée à rester une conviction privée. Elle doit pouvoir être exposée à d’autres personnes capables d’examiner :

  • la définition des concepts ;
  • la qualité des mesures ;
  • la méthode ;
  • le raisonnement ;
  • les alternatives ;
  • les limites.

Cette publicité transforme une croyance individuelle en proposition collectivement contrôlable. La critique ne garantit pas que l’erreur sera immédiatement repérée. Les évaluateurs peuvent partager les mêmes présupposés ou manquer un problème. Mais elle augmente le nombre de points de vue capables de détecter ce que l’auteur n’a pas vu. L’objectivité scientifique repose ainsi en partie sur une forme organisée de désaccord.


L’importance du désaccord

Le désaccord est parfois perçu comme un signe de faiblesse de la science. Il peut pourtant constituer l’une de ses principales ressources.

Des chercheurs défendant des hypothèses différentes ont intérêt à rechercher les faiblesses des arguments concurrents. Cette opposition peut révéler :

  • des données négligées ;
  • des hypothèses implicites ;
  • une mesure fragile ;
  • une généralisation excessive ;
  • un mécanisme alternatif.

Une communauté entièrement consensuelle dès le début d’une enquête risquerait de ne pas tester sérieusement ses présupposés.

Le désaccord devient épistémiquement utile lorsqu’il respecte certaines conditions :

  • les arguments peuvent être examinés publiquement ;
  • les mêmes critères sont appliqués aux différentes positions ;
  • les critiques répondent aux preuves ;
  • les participants peuvent réviser leur jugement.

Un conflit purement identitaire ou stratégique ne produit pas automatiquement davantage d’objectivité.


La reproductibilité

Un résultat scientifique gagne en objectivité lorsqu’il peut être obtenu à nouveau.

La reproductibilité peut désigner plusieurs choses selon les disciplines. Elle peut consister à reprendre les mêmes données et les mêmes méthodes afin de retrouver le même résultat. Elle peut aussi désigner une nouvelle expérience menée dans des conditions comparables.

L’idée générale est que la conclusion ne doit pas dépendre d’un chercheur unique, d’un calcul secret ou d’une circonstance exceptionnelle non identifiée.

La reproductibilité permet de distinguer :

  • un phénomène stable ;
  • une erreur locale ;
  • un hasard ;
  • un effet dépendant d’un contexte précis.

Mais l’échec d’une reproduction ne possède pas toujours une interprétation immédiate. Le protocole peut différer, la population ne pas être comparable ou le phénomène être réellement contextuel.

La reproduction ouvre une enquête sur la robustesse du résultat. Elle ne fonctionne pas comme un verdict mécanique.


Réplication directe et réplication conceptuelle

Une réplication directe cherche à reproduire aussi fidèlement que possible une étude antérieure. Elle vérifie si le résultat dépend d’une particularité cachée du premier protocole. Une réplication conceptuelle utilise une méthode différente pour tester la même idée générale. Elle vérifie si l’hypothèse possède une portée au-delà d’une procédure particulière. Ces deux formes répondent à des questions différentes.

La réplication directe teste la stabilité d’un résultat précis. La réplication conceptuelle teste la solidité d’une explication plus générale. Une communauté objective a besoin des deux. Un phénomène qui n’apparaît que dans un protocole extrêmement particulier peut être réel, mais sa portée doit être limitée. Une hypothèse retrouvée par plusieurs méthodes devient plus robuste.


La revue par les pairs

Avant publication, de nombreux travaux sont examinés par d’autres spécialistes.

La revue par les pairs peut détecter :

  • des erreurs ;
  • des références manquantes ;
  • des analyses fragiles ;
  • des conclusions trop fortes ;
  • des problèmes de présentation.

Elle constitue une forme de contrôle collectif. Mais elle ne certifie pas qu’un article est vrai. Les évaluateurs disposent de peu de temps. Ils n’ont pas nécessairement accès à toutes les données. Ils peuvent partager les mêmes biais que les auteurs ou préférer certaines approches. La revue par les pairs doit donc être comprise comme un premier filtre, non comme une validation définitive.

Une publication n’acquiert sa véritable solidité qu’à travers son intégration dans l’ensemble de la recherche : critiques, reproductions, comparaisons et usages ultérieurs.


Les limites de l’évaluation anonyme

Certaines revues masquent l’identité des auteurs afin de réduire l’influence du prestige, de l’institution ou de la réputation. Cette procédure peut diminuer certains biais. Mais l’anonymat est parfois incomplet, notamment dans les petits domaines où le sujet et les références permettent d’identifier l’équipe. Il peut également empêcher de prendre en compte certains éléments pertinents, comme l’historique d’un programme de recherche ou l’existence de conflits d’intérêts.

Aucune procédure unique ne supprime tous les biais.

L’objectivité vient d’un ensemble de contrôles partiellement redondants, et non d’une règle parfaite.


La transparence méthodologique

Une affirmation scientifique est plus contrôlable lorsque la méthode est décrite avec précision.

Il faut pouvoir comprendre :

  • comment les participants ont été sélectionnés ;
  • comment les variables ont été mesurées ;
  • quelles analyses ont été réalisées ;
  • quelles données ont été exclues ;
  • quelles hypothèses ont guidé les choix.

Sans cette transparence, un résultat peut sembler impressionnant tout en dépendre de décisions invisibles. La transparence ne rend pas automatiquement la méthode bonne. Elle permet aux autres de reconnaître ses qualités et ses faiblesses. Une mauvaise méthode publique est plus facile à corriger qu’une bonne méthode supposée mais inaccessible.


L’ouverture des données et des codes

Lorsque cela est possible et compatible avec la confidentialité, le partage des données permet à d’autres équipes de vérifier les analyses.

Le partage du code informatique peut révéler des erreurs de calcul, des choix implicites, des problèmes de traitement ou des résultats sensibles à une décision technique. Cette ouverture renforce l’objectivité en réduisant la dépendance à la confiance personnelle. Mais elle possède également des limites.

Une base de données peut être difficile à comprendre sans connaissance du contexte de collecte. Des données ouvertes peuvent être mal interprétées. Certaines informations doivent rester protégées pour des raisons éthiques.

L’ouverture utile demande donc documentation, encadrement et compétence.


Le préenregistrement

Le préenregistrement consiste à déclarer avant l’analyse les principales hypothèses, méthodes et décisions statistiques. Cette pratique permet de distinguer :

  • ce qui était prévu ;
  • ce qui a été découvert en explorant les données.

L’analyse exploratoire est légitime et souvent féconde. Le problème apparaît lorsqu’une hypothèse formulée après avoir vu le résultat est présentée comme si elle avait été prédite à l’avance.

Le préenregistrement limite la flexibilité cachée. Il ne supprime pas toutes les erreurs. Une hypothèse peut être mal conçue, et une méthode préenregistrée peut rester inadéquate. Mais il rend plus visible la structure du raisonnement.


Analyse exploratoire et analyse confirmatoire

L’exploration cherche des régularités inattendues. Elle permet de générer de nouvelles hypothèses. L’analyse confirmatoire cherche à tester une hypothèse formulée avant l’observation du résultat. Les deux activités sont nécessaires. Le problème vient de leur confusion.

Une corrélation découverte parmi des centaines de comparaisons doit être considérée comme une piste. Elle demande une confirmation sur de nouvelles données. Présenter immédiatement cette découverte comme une preuve forte augmente le risque de faux positif. Une communauté plus objective distingue clairement :

« Nous avons trouvé une régularité intéressante »

et :

« Une hypothèse indépendante a été confirmée. »


La randomisation

La randomisation réduit certains biais de sélection en attribuant les conditions d’une expérience par le hasard. Elle empêche idéalement que les groupes diffèrent systématiquement en fonction des préférences des chercheurs ou des participants. Cette procédure ne rend pas l’étude parfaite.

Des différences peuvent subsister par hasard, surtout dans les petits échantillons. Des abandons ou des erreurs de mesure peuvent apparaître après la répartition. Mais la randomisation limite une source importante d’interprétation arbitraire. Elle transforme une partie du jugement humain en procédure explicite.


L’aveugle

Dans certaines études, les participants, les évaluateurs ou les chercheurs ne savent pas quel traitement a été attribué.

L’aveugle réduit l’influence des attentes.

Un évaluateur ignorant le groupe du participant est moins susceptible d’interpréter les résultats en fonction de l’hypothèse attendue. Cette méthode reconnaît une réalité importante : la bonne volonté ne suffit pas à neutraliser les attentes. Il est parfois plus fiable de créer une situation où certaines influences deviennent impossibles plutôt que de demander aux individus de les ignorer consciemment.


La standardisation

La standardisation permet de comparer des observations réalisées dans des lieux ou des périodes différents. Elle définit :

  • des unités ;
  • des procédures ;
  • des catégories ;
  • des critères de mesure.

Une température, un diagnostic ou un indicateur devient plus comparable lorsque la méthode de production est suffisamment stable. Mais toute standardisation simplifie. Une catégorie commune peut effacer certaines variations locales ou forcer des phénomènes différents dans une même classification. L’objectivité demande donc un double mouvement :

  • assez de standardisation pour permettre la comparaison ;
  • assez de réflexivité pour reconnaître ce que la norme laisse de côté.

La quantification

Les nombres donnent une impression d’objectivité. Ils permettent la comparaison, la précision et le calcul. Mais une valeur numérique dépend toujours d’une opération de mesure.

Il faut décider :

  • ce qui est compté ;
  • comment les catégories sont définies ;
  • quelle erreur est acceptable ;
  • quelles données sont exclues ;
  • comment les valeurs sont agrégées.

Un chiffre peut être exact relativement à une définition tout en donnant une représentation incomplète du phénomène.

La quantification renforce l’objectivité lorsqu’elle rend les procédures explicites et comparables. Elle la fragilise lorsqu’elle masque les choix ayant produit le nombre.


Les indicateurs

Un indicateur représente une réalité plus complexe.

Le taux de chômage, la réussite scolaire, la qualité de vie ou la productivité ne sont pas des objets directement observés sous une forme unique. Ils sont construits à partir de conventions de mesure. Cela ne signifie pas qu’ils soient fictifs.

Un indicateur peut révéler une tendance réelle. Mais il peut devenir une cible et modifier les comportements. Les organisations cherchent alors à améliorer le chiffre sans améliorer le phénomène sous-jacent.

Une objectivité institutionnelle exige donc d’examiner régulièrement si l’indicateur mesure encore ce qu’il était censé représenter.


La charge théorique de l’observation

Un scientifique ne perçoit pas les données sans concept. Pour identifier une particule, une maladie ou une tendance économique, il utilise des catégories issues d’une théorie. Cette dépendance est appelée charge théorique de l’observation. Elle ne signifie pas que les chercheurs voient librement ce qu’ils souhaitent. Les instruments et les données résistent. Des chercheurs appartenant à des cadres théoriques différents peuvent souvent s’accorder sur certaines traces ou certains résultats.

La charge théorique montre surtout qu’une observation doit être située dans un système conceptuel. L’objectivité ne consiste pas à éliminer tout cadre, mais à rendre les cadres comparables et critiquables.


Les hypothèses auxiliaires

Une théorie n’est presque jamais testée seule.

Une expérience dépend aussi :

  • du bon fonctionnement des instruments ;
  • des conditions initiales ;
  • des méthodes statistiques ;
  • de nombreuses hypothèses secondaires.

Lorsqu’une prédiction échoue, plusieurs éléments peuvent être responsables. Cette situation est liée à la thèse de Duhem-Quine. Elle explique pourquoi une seule observation ne détruit pas toujours immédiatement une théorie. Mais elle crée aussi un risque : protéger indéfiniment l’hypothèse principale en modifiant les hypothèses auxiliaires.

Une communauté objective doit examiner si les ajustements sont indépendamment justifiés ou seulement inventés pour sauver la théorie.


La pluralité des modèles

Un phénomène complexe peut être représenté par plusieurs modèles. Chaque modèle sélectionne certains aspects. Un modèle simple peut expliquer une tendance générale. Un modèle plus détaillé peut mieux représenter les variations locales. La pluralité n’implique pas nécessairement que l’un des modèles soit faux. Ils peuvent répondre à des questions différentes.

L’objectivité peut donc consister non pas à imposer un modèle unique, mais à comprendre :

  • les domaines de validité ;
  • les hypothèses ;
  • les forces ;
  • les limites ;
  • les relations entre modèles.

Un pluralisme discipliné est différent d’un relativisme où tous les modèles seraient équivalents.


Les valeurs influencent les questions

Les chercheurs doivent choisir ce qu’ils étudient. Ce choix dépend de :

  • l’intérêt intellectuel ;
  • les besoins sociaux ;
  • les financements ;
  • les risques ;
  • les possibilités techniques ;
  • les priorités politiques.

La science ne peut pas répondre à toutes les questions simultanément. Les valeurs influencent donc l’agenda de la recherche. Un problème peut rester peu étudié non parce qu’il est insignifiant, mais parce que les personnes concernées disposent de peu de pouvoir institutionnel. Reconnaître cette influence ne revient pas à nier la vérité des résultats. Cela montre que l’objectivité doit concerner non seulement les réponses, mais aussi la diversité des questions rendues visibles.


Les valeurs dans l’interprétation

Les valeurs peuvent également intervenir lorsqu’il faut décider quel risque d’erreur est acceptable. Supposons qu’un test puisse produire :

  • un faux positif ;
  • un faux négatif.

Le choix du seuil dépend en partie des conséquences de chaque erreur. Dans une situation, manquer un danger peut être plus grave qu’une alerte excessive. Dans une autre, une fausse accusation peut avoir des conséquences majeures. La méthode scientifique ne supprime pas ce choix. Elle peut rendre explicites les compromis. Une objectivité honnête ne prétend pas que ces décisions sont entièrement techniques lorsqu’elles dépendent aussi de valeurs sociales.


La neutralité axiologique

La neutralité axiologique peut signifier que le chercheur ne doit pas transformer ses préférences morales en conclusions factuelles. Il ne doit pas conclure qu’un phénomène existe simplement parce qu’il le souhaite ou le condamne. Mais une neutralité absolue à l’égard de toute valeur paraît impossible.

Les valeurs influencent le choix du sujet, la protection des participants et la communication des risques.

La bonne exigence consiste moins à éliminer toutes les valeurs qu’à :

  • les distinguer des résultats ;
  • les rendre visibles ;
  • examiner leur influence ;
  • permettre la contestation.

Une science objective peut reconnaître ses engagements normatifs sans laisser ceux-ci décider arbitrairement des faits.


L’objectivité forte et les savoirs situés

Certaines épistémologies féministes ont critiqué l’image du point de vue de nulle part.

Donna Haraway parle de savoirs situés : toute connaissance est produite depuis une position déterminée.

Sandra Harding a défendu l’idée d’une objectivité forte, selon laquelle l’objectivité peut être améliorée en examinant aussi la position sociale des chercheurs et les structures qui orientent leurs questions. Cette approche ne demande pas d’abandonner la vérité. Elle affirme que les positions dominantes peuvent présenter leur propre perspective comme universelle parce que leurs présupposés restent invisibles.

Inclure des perspectives marginalisées peut révéler des catégories inadéquates, des effets négligés, des données absentes ou des questions jamais posées.

La diversité devient alors une ressource pour l’objectivité.


Le privilège épistémique situé

Une personne confrontée directement à une institution ou à une discrimination peut percevoir certains mécanismes mieux qu’une personne extérieure. Cette position lui donne un avantage local. Mais elle ne lui confère pas une infaillibilité générale.

L’expérience vécue doit être articulée à :

  • la comparaison ;
  • la mesure ;
  • la critique ;
  • d’autres perspectives.

Le privilège épistémique doit donc être compris comme une capacité à rendre visibles certains aspects, non comme un droit de décider seul de toute interprétation.

La pluralité des perspectives améliore l’objectivité lorsqu’elle s’inscrit dans une enquête commune.


La diversité ne suffit pas

Réunir des personnes différentes ne produit pas automatiquement une meilleure connaissance. La diversité reste symbolique si certaines voix ne peuvent pas influencer les méthodes, les questions ou les conclusions. Elle peut également devenir une juxtaposition de perspectives sans critères communs. Pour jouer un rôle épistémique, elle doit être accompagnée de :

  • possibilité réelle de critique ;
  • accès aux données ;
  • compétence ;
  • réponse aux objections ;
  • procédures de décision.

L’objectivité ne consiste ni à réduire tout le monde à une perspective unique, ni à traiter chaque perspective comme incontestable. Elle demande une confrontation structurée.


Le conformisme scientifique

Une communauté peut décourager les critiques sans l’ordonner explicitement.

Les jeunes chercheurs dépendent de :

  • leurs directeurs ;
  • leurs financements ;
  • leurs publications ;
  • leur réputation.

Ils peuvent éviter certaines questions jugées risquées.

Un paradigme dominant peut rendre difficiles les recherches utilisant d’autres méthodes.

Le conformisme ne signifie pas que la théorie dominante soit fausse. Mais il peut réduire la qualité de sa mise à l’épreuve.

Une communauté plus objective doit protéger les critiques compétentes tout en distinguant la dissidence scientifique de la simple provocation.


Les incitations à publier

La carrière scientifique dépend souvent du nombre et de la visibilité des publications. Cette structure peut favoriser :

  • la recherche de résultats positifs ;
  • la multiplication des articles ;
  • l’exagération des conclusions ;
  • l’abandon de travaux de réplication ;
  • la sous-publication des résultats négatifs.

Les chercheurs peuvent alors agir rationnellement selon les règles institutionnelles tout en produisant collectivement une littérature biaisée.

L’objectivité demande donc une analyse des incitations. Il ne suffit pas de former les individus à l’intégrité si le système récompense les pratiques qui fragilisent la connaissance.


Les résultats négatifs

Ne pas trouver un effet peut être scientifiquement important. Un résultat négatif limite les hypothèses, évite de répéter des erreurs et améliore les estimations. Mais il est souvent considéré comme moins intéressant. Cette asymétrie rend visibles les réussites et invisibles les échecs. Une littérature objective doit conserver aussi ce qui n’a pas fonctionné. Le préenregistrement, les rapports enregistrés et les bases de résultats peuvent réduire cette sélection.


Les rapports enregistrés

Dans un rapport enregistré, la revue évalue la question et la méthode avant que les résultats soient connus.

La publication finale dépend alors moins du caractère positif ou spectaculaire du résultat. Cette procédure réduit l’incitation à modifier l’analyse après coup ou à cacher une absence d’effet. Elle ne convient pas à toutes les recherches, notamment aux enquêtes très exploratoires. Mais elle illustre une idée importante : l’objectivité peut être améliorée en modifiant les institutions, pas seulement en demandant aux chercheurs d’être plus vertueux.


Les collaborations contradictoires

Deux équipes en désaccord peuvent concevoir ensemble un test capable de départager leurs hypothèses. Cette collaboration contradictoire permet à chaque camp de vérifier que sa position est correctement représentée et que le protocole ne favorise pas artificiellement l’autre. Elle ne supprime pas tous les désaccords.

Les résultats peuvent être interprétés différemment. Mais elle réduit le risque qu’une équipe construise seule un test auquel la théorie concurrente ne pouvait pas réellement répondre. Cette pratique transforme le conflit en outil méthodologique.


Les équipes rouges

Dans certaines organisations, une équipe est chargée de chercher activement les faiblesses d’un projet ou d’une conclusion. Cette fonction est parfois appelée équipe rouge. Elle doit imaginer :

  • les erreurs possibles ;
  • les scénarios contraires ;
  • les vulnérabilités ;
  • les hypothèses négligées.

Pour être utile, cette équipe doit être compétente et disposer d’une véritable indépendance. Une opposition purement rituelle ou politiquement sélectionnée ne renforce pas nécessairement l’objectivité. Le but n’est pas de produire artificiellement deux camps égaux, mais de soumettre la conclusion dominante à sa critique la plus forte.


La synthèse des preuves

Une étude isolée est rarement suffisante.

Les revues systématiques et les méta-analyses cherchent à rassembler les résultats selon des critères explicites. Elles peuvent révéler :

  • une tendance générale ;
  • une hétérogénéité ;
  • un biais de publication ;
  • une dépendance au contexte ;
  • des différences de qualité méthodologique.

Mais une synthèse n’est pas meilleure que les études qu’elle rassemble. Elle peut également être influencée par :

  • les critères de sélection ;
  • les modèles statistiques ;
  • la classification des études ;
  • les données indisponibles.

L’objectivité demande donc que les synthèses elles-mêmes soient transparentes et comparables.


L’objectivité dans les sciences humaines

Les sciences humaines et sociales étudient des sujets capables d’interpréter leur propre situation. Les catégories utilisées par les chercheurs peuvent influencer les personnes étudiées. Les phénomènes dépendent souvent :

  • du contexte ;
  • de l’histoire ;
  • des institutions ;
  • des significations ;
  • des réactions des acteurs.

L’objectivité ne peut donc pas toujours prendre la forme d’une reproduction exacte dans toutes les sociétés. Elle peut consister à :

  • expliciter la position du chercheur ;
  • confronter plusieurs sources ;
  • documenter les méthodes ;
  • comparer les cas ;
  • distinguer description et interprétation ;
  • rechercher les contre-exemples.

La complexité de l’objet ne supprime pas l’exigence de rigueur. Elle modifie les méthodes permettant de la satisfaire.


L’objectivité des méthodes qualitatives

Un entretien, une observation participante ou une étude de cas ne produit pas les mêmes données qu’une expérience randomisée. Cela ne rend pas automatiquement la méthode subjective au sens arbitraire.

Une recherche qualitative peut être rigoureuse lorsqu’elle précise :

  • la sélection des participants ;
  • la manière de recueillir les données ;
  • la position du chercheur ;
  • les procédures de codage ;
  • les cas divergents ;
  • les limites de généralisation.

Elle cherche souvent à comprendre des significations, des mécanismes ou des expériences difficiles à réduire à une mesure unique.

L’objectivité doit être évaluée selon la question et la méthode, non à partir du seul usage des nombres.


La réflexivité

La réflexivité consiste pour le chercheur à examiner la manière dont sa position influence l’enquête. Il peut demander :

  • pourquoi cette question lui paraît importante ;
  • comment sa présence modifie le terrain ;
  • quelles catégories il impose ;
  • quelles personnes il écoute davantage ;
  • quelles interprétations il privilégie.

La réflexivité ne demande pas une confession illimitée de sa vie personnelle. Elle cherche les éléments de position susceptibles d’affecter la production des connaissances. Elle ne remplace pas les preuves. Elle rend certaines influences visibles afin qu’elles puissent être évaluées.


L’objectivité et la première personne

Certaines données ne sont accessibles qu’à travers le témoignage des sujets. La douleur, certaines émotions et certaines expériences sociales ne peuvent pas être entièrement observées de l’extérieur. L’objectivité ne demande pas d’éliminer ces témoignages sous prétexte qu’ils sont subjectifs. Elle demande de les recueillir selon des méthodes permettant :

  • la comparaison ;
  • la contextualisation ;
  • la reconnaissance de la diversité ;
  • la distinction entre expérience et interprétation.

Une expérience subjective peut constituer un objet de connaissance objective.

Le caractère vécu du phénomène ne le rend pas irréel.


L’objectivité institutionnelle

Une institution devient épistémiquement fiable lorsqu’elle organise la circulation de l’information de manière à limiter les erreurs. Elle doit permettre :

  • la remontée des problèmes ;
  • la conservation des traces ;
  • la séparation de certaines responsabilités ;
  • la protection des alertes ;
  • la correction publique ;
  • l’examen indépendant.

Une organisation où les mauvaises nouvelles sont sanctionnées produit une image artificiellement positive. L’absence de signalement n’indique alors pas l’absence d’erreur. Elle indique que le système empêche les erreurs de devenir visibles. L’objectivité institutionnelle dépend donc aussi des relations de pouvoir.


Les lanceurs d’alerte

Un lanceur d’alerte peut révéler une information que l’organisation préfère cacher.

Son témoignage mérite une attention particulière lorsque les procédures internes ont échoué. Mais il ne doit pas être considéré comme automatiquement infaillible. Il peut posséder :

  • un accès privilégié ;
  • une interprétation partielle ;
  • un conflit personnel ;
  • des documents incomplets.

Une enquête objective protège la possibilité de l’alerte tout en vérifiant le contenu.

Rejeter la personne parce qu’elle dérange et la croire entièrement parce qu’elle est dissidente sont deux erreurs symétriques.


Le financement

Le financement influence les questions disponibles, les méthodes et parfois la publication.

Un financeur peut privilégier certains sujets ou résultats. Cela ne signifie pas que toute recherche financée soit fausse.

Le risque dépend :

  • du contrôle exercé ;
  • de l’accès aux données ;
  • du droit de publier ;
  • de la transparence ;
  • de la diversité des financements.

Une recherche financée par une partie intéressée mérite généralement davantage de contrôle indépendant. Mais une recherche publique ou associative peut également être influencée par des priorités idéologiques ou institutionnelles.

L’objectivité exige une évaluation symétrique des dépendances.


L’indépendance des preuves

Plusieurs études peuvent sembler indépendantes tout en partager :

  • les mêmes données ;
  • le même instrument ;
  • le même logiciel ;
  • la même hypothèse ;
  • le même financement ;
  • les mêmes erreurs de classification.

Une convergence de résultats est plus forte lorsque les vulnérabilités diffèrent. L’objectivité collective dépend donc de la structure du réseau de preuves. Il ne suffit pas de compter les publications. Il faut comprendre leurs dépendances.


L’erreur collective

Une communauté peut se tromper lorsque tous ses membres partagent le même angle mort. Cette possibilité explique l’importance de :

  • la diversité des méthodes ;
  • la pluralité institutionnelle ;
  • les comparaisons internationales ;
  • les critiques extérieures compétentes ;
  • la conservation des données.

L’erreur collective ne prouve pas que toute connaissance communautaire soit fragile. Elle indique que l’indépendance et la pluralité doivent être activement organisées.


Objectivité et consensus

Le consensus peut être le résultat d’une enquête objective, mais les deux notions ne sont pas identiques. Une communauté peut être d’accord pour de mauvaises raisons. À l’inverse, une enquête objective peut produire un désaccord durable lorsque les données restent insuffisantes. La valeur du consensus dépend donc des conditions qui l’ont produit. Il faut examiner :

  • la qualité des preuves ;
  • la liberté de critique ;
  • la diversité des approches ;
  • la transparence ;
  • la capacité de révision.

L’accord constitue un indice, pas une garantie indépendante de tout processus.


L’objectivité n’est pas l’absence d’incertitude

Une conclusion objective peut rester probabiliste. Les données peuvent indiquer qu’un effet est vraisemblable sans permettre une prédiction certaine. Reconnaître cette incertitude fait partie de l’objectivité. La dissimuler pour produire une communication plus rassurante fragilise la confiance. Mais exagérer l’incertitude jusqu’à mettre sur le même plan une hypothèse robuste et une possibilité marginale est également trompeur. L’objectivité demande une calibration :

  • ce qui est établi ;
  • ce qui est probable ;
  • ce qui est possible ;
  • ce qui reste inconnu.

Mesurer l’incertitude

Les intervalles statistiques, les analyses de sensibilité et les comparaisons de modèles permettent d’exprimer certaines incertitudes. Mais toutes ne sont pas quantifiables.

Une étude peut comporter :

  • une incertitude statistique ;
  • un biais de sélection ;
  • une mesure imparfaite ;
  • une hypothèse contestable ;
  • une difficulté de généralisation.

Un nombre précis peut donner l’impression que toute l’incertitude a été calculée.

Une communication objective doit indiquer aussi les limites que le modèle ne représente pas directement.


L’objectivité et la communication

Une connaissance scientifique peut être rigoureuse mais mal communiquée.

La vulgarisation sélectionne, simplifie et traduit. Elle doit éviter deux dangers :

  • supprimer tellement de nuances que la conclusion devient fausse ;
  • conserver tellement de précautions que le résultat paraît incompréhensible.

Une bonne communication distingue :

la conclusion principale ;

le niveau de confiance ;

les limites importantes ;

les points encore débattus.

Elle ne doit pas utiliser le prestige de la science pour imposer une décision morale ou politique sans exposer les valeurs engagées.


L’objectivité dans la décision publique

Une expertise scientifique peut estimer les conséquences probables d’une politique. Mais la décision dépend également :

  • des objectifs ;
  • des coûts ;
  • des droits ;
  • des inégalités ;
  • de la répartition des risques.

Une décision peut utiliser objectivement les connaissances tout en restant politiquement contestable.

Il faut donc séparer :

  • l’évaluation factuelle ;
  • la hiérarchie des valeurs ;
  • la décision ;
  • la responsabilité.

La formule « la science exige cette politique » masque souvent plusieurs étapes normatives.

Une formulation plus honnête est :

« Compte tenu de cet objectif et de ces valeurs, les données indiquent que cette option est probablement la plus adaptée. »


La confiance du public

Le public ne peut pas vérifier chaque résultat. Il doit donc faire confiance à des institutions. Cette confiance dépend non seulement de leur compétence, mais aussi de leur comportement.

Une institution augmente sa crédibilité lorsqu’elle :

  • explique ses méthodes ;
  • reconnaît ses incertitudes ;
  • corrige ses erreurs ;
  • distingue expertise et décision ;
  • répond aux critiques sérieuses ;
  • évite l’assurance artificielle.

La transparence ne garantit pas que tout le monde acceptera la conclusion. Elle rend la confiance davantage justifiable.


Les erreurs reconnues

Une institution qui publie des corrections peut sembler moins fiable qu’une source qui ne reconnaît jamais d’erreur. Cette impression est trompeuse. La correction visible indique que des mécanismes de contrôle fonctionnent. Il faut néanmoins examiner la qualité de la correction :

  • l’erreur est-elle clairement identifiée ?
  • ses conséquences sont-elles évaluées ?
  • la version erronée reste-t-elle accessible sans avertissement ?
  • les procédures sont-elles modifiées ?
  • l’erreur se répète-t-elle ?

La capacité à apprendre distingue la faillibilité corrigible de la négligence persistante.


Une objectivité sans illusion de perfection

La science n’est pas objective parce que ses membres seraient supérieurs aux autres humains. Elle l’est lorsqu’elle organise mieux que d’autres pratiques la mise à l’épreuve de ses propres conclusions. Cette organisation reste imparfaite.

Les erreurs peuvent durer. Les intérêts peuvent influencer les recherches. Certains groupes peuvent être ignorés. Des résultats fragiles peuvent être survalorisés. Mais ces défauts ne placent pas automatiquement la science au même niveau que l’intuition, la rumeur ou l’autorité personnelle. Il faut comparer les procédures de correction disponibles.

Une institution faillible mais contrôlable peut être plus fiable qu’une source assurée mais invérifiable.


Une méthode pratique pour évaluer l’objectivité d’une recherche

Il est utile d’examiner plusieurs niveaux.

La question

La question est-elle clairement définie ? Certaines dimensions importantes ont-elles été exclues ?

Les données

Comment ont-elles été produites ? L’échantillon est-il adapté ? Les mesures représentent-elles correctement le phénomène ?

La méthode

Les choix sont-ils décrits ? D’autres analyses auraient-elles pu produire une conclusion différente ?

Les contrôles

Existe-t-il un groupe de comparaison, une randomisation, un aveugle ou une procédure équivalente ?

La transparence

Les données, les limites, les conflits d’intérêts et les incertitudes sont-ils indiqués ?

La critique

D’autres spécialistes ont-ils pu examiner le travail ? Les principales objections ont-elles reçu une réponse ?

La reproduction

Le résultat apparaît-il dans d’autres études, méthodes ou populations ?

L’institution

Les incitations favorisent-elles la correction ou la dissimulation ?

L’évaluation doit porter sur l’ensemble de cette architecture, pas uniquement sur la personnalité du chercheur.


Questions pour examiner une prétention à l’objectivité

  • Que signifie ici « objectif » ?
  • La conclusion dépend-elle d’une personne unique ?
  • Les méthodes sont-elles publiques et suffisamment détaillées ?
  • Les données peuvent-elles être réexaminées ?
  • L’hypothèse était-elle formulée avant ou après l’analyse ?
  • Les mesures représentent-elles correctement le phénomène ?
  • Les catégories utilisées excluent-elles certains cas importants ?
  • Les attentes des chercheurs pouvaient-elles influencer l’évaluation ?
  • Une randomisation ou un aveugle était-il possible ?
  • Le résultat a-t-il été reproduit ?
  • Plusieurs méthodes indépendantes convergent-elles ?
  • Les résultats négatifs sont-ils visibles ?
  • Les conflits d’intérêts sont-ils déclarés ?
  • Les critiques peuvent-elles être publiées ?
  • Les chercheurs répondent-ils aux objections les plus fortes ?
  • La communauté possède-t-elle une diversité réelle de perspectives ?
  • Certaines personnes concernées ont-elles été exclues de la définition du problème ?
  • Les incertitudes sont-elles correctement représentées ?
  • Les valeurs intervenant dans les seuils ou les décisions sont-elles explicitées ?
  • Quelles observations conduiraient à réviser la conclusion ?
  • Les institutions récompensent-elles la précision ou seulement la nouveauté ?
  • La correction des erreurs est-elle visible et effective ?

Erreurs fréquentes

Confondre objectivité et absence de point de vue

Toute recherche est située, mais certaines procédures permettent de corriger les limites des perspectives individuelles.

Croire que reconnaître les biais détruit toute connaissance

Une source faillible peut devenir plus fiable grâce à des contrôles collectifs.

Confondre mesure et neutralité

Un chiffre dépend de catégories, d’instruments et de conventions.

Croire que les données parlent seules

Les données doivent être sélectionnées, organisées et interprétées.

Conclure que toute interprétation se vaut

La dépendance aux concepts n’abolit pas les contraintes empiriques.

Confondre revue par les pairs et certification définitive

La publication constitue le début d’un examen collectif, non sa fin.

Confondre reproduction et identité parfaite

Un phénomène peut varier selon les contextes tout en rester réel.

Ignorer les résultats négatifs

L’absence d’effet peut être aussi informative qu’un résultat positif.

Croire que la transparence garantit la qualité

Une méthode médiocre peut être décrite avec précision.

Rejeter une recherche en raison d’un financement

Le financement signale un risque à contrôler, non une fausseté automatique.

Ignorer les valeurs non financières

La carrière, l’idéologie et l’identité professionnelle peuvent également influencer le jugement.

Croire que la diversité remplace la compétence

Une perspective nouvelle doit encore participer à une enquête contrôlable.

Croire que la compétence suffit sans diversité

Une communauté homogène peut partager les mêmes angles morts.

Confondre consensus et objectivité

Un accord n’est fiable que si les procédures qui l’ont produit sont robustes.

Confondre incertitude et subjectivité

Une estimation probabiliste peut être objectivement mieux soutenue qu’une affirmation catégorique.

Présenter une décision politique comme une simple conclusion scientifique

Les faits doivent être articulés à des valeurs et à des choix collectifs.


À retenir

L’objectivité scientifique ne demande pas des chercheurs dépourvus de toute perspective, de toute valeur ou de tout intérêt.

Les individus sont faillibles, situés et soumis à des biais. La science devient plus objective lorsqu’elle organise la critique, la comparaison et la correction de ces limites.

Le réel contraint les théories : toutes les interprétations ne résistent pas également aux données, aux expériences et aux prédictions.

La publicité des méthodes permet à d’autres personnes d’examiner les résultats.

La reproduction vérifie qu’une conclusion ne dépend pas uniquement d’une équipe, d’un échantillon ou d’une procédure particulière.

La revue par les pairs constitue un filtre utile, mais ne garantit pas la vérité d’une publication.

Le préenregistrement aide à distinguer les hypothèses prévues des régularités découvertes après l’analyse.

La randomisation, l’aveugle et la standardisation réduisent certaines influences que la bonne volonté individuelle ne suffit pas à neutraliser.

Les nombres et les instruments améliorent la comparaison, mais ils reposent sur des choix de mesure qui doivent rester visibles.

Toute observation dépend en partie de concepts et de théories. Cette charge théorique ne transforme pas les faits en inventions arbitraires.

Les valeurs influencent les questions, les seuils de preuve et la manière de traiter les risques. Une science objective doit les distinguer des conclusions empiriques et les rendre discutables.

La diversité des perspectives peut révéler les angles morts d’une communauté, à condition qu’elle s’accompagne de compétence, d’accès à la critique et de critères communs.

Les institutions doivent organiser des incitations favorisant la reproduction, la publication des résultats négatifs et la correction des erreurs.

L’objectivité n’est pas synonyme de certitude. Elle comprend la représentation honnête des incertitudes et des limites.

Le consensus peut être un résultat de l’objectivité collective, mais il ne la remplace pas. Sa valeur dépend des méthodes, de l’indépendance et de la liberté de critique.

Une science faillible peut rester digne de confiance lorsque ses erreurs sont détectables, publiquement discutées et réellement corrigées.

La question centrale n’est donc pas :

« Les chercheurs sont-ils parfaitement neutres ? »

mais :

« Les procédures de cette communauté permettent-elles aux biais, aux intérêts et aux erreurs de devenir visibles, contestables et révisables ? »


Repères et prolongements

Cette fiche prépare notamment les questions suivantes :

  • Qu’est-ce que la charge théorique de l’observation ?
  • Les données peuvent-elles être indépendantes de toute théorie ?
  • Quel rôle les valeurs jouent-elles dans la recherche ?
  • La science peut-elle être neutre à l’égard des valeurs ?
  • Comment les communautés scientifiques organisent-elles le désaccord ?
  • Quelle différence existe entre réplication et reproduction ?
  • La revue par les pairs est-elle suffisamment fiable ?
  • Pourquoi les résultats négatifs sont-ils moins visibles ?
  • Comment les incitations institutionnelles influencent-elles les connaissances ?
  • Qu’est-ce que la science ouverte ?
  • La diversité sociale améliore-t-elle l’objectivité ?
  • Que signifie l’idée de savoir situé ?
  • Comment les méthodes qualitatives peuvent-elles être objectives ?
  • Comment distinguer un consensus robuste d’un conformisme collectif ?
  • Pourquoi la correction publique des erreurs renforce-t-elle la confiance ?

Quelques références

  • Charles Sanders Peirce, textes sur la communauté d’enquête.
  • John Dewey, *Logique : la théorie de l’enquête*.
  • Karl Popper, *La Logique de la découverte scientifique*.
  • Thomas Kuhn, *La Structure des révolutions scientifiques*.
  • Pierre Duhem, *La Théorie physique : son objet et sa structure*.
  • Willard Van Orman Quine, « Les Deux Dogmes de l’empirisme ».
  • Robert K. Merton, textes sur les normes de la science.
  • Michael Polanyi, *Personal Knowledge*.
  • Helen Longino, *Science as Social Knowledge*.
  • Helen Longino, *The Fate of Knowledge*.
  • Sandra Harding, *Whose Science? Whose Knowledge?*
  • Sandra Harding, *Rethinking Standpoint Epistemology*.
  • Donna Haraway, « Situated Knowledges ».
  • Philip Kitcher, *The Advancement of Science*.
  • Philip Kitcher, *Science, Truth, and Democracy*.
  • Miriam Solomon, *Social Empiricism*.
  • Naomi Oreskes, *Why Trust Science?*
  • Heather Douglas, *Science, Policy, and the Value-Free Ideal*.
  • Lorraine Daston et Peter Galison, *Objectivity*.
  • Ian Hacking, *Representing and Intervening*.
23 sur 60Retour à la catégorie