Philip Kitcher : la division du travail cognitif et l’organisation rationnelle de la science
Définition simple
Avec Philip Kitcher, l’épistémologie sociale franchit une étape décisive : la question n’est plus seulement de savoir comment un scientifique rationnel doit choisir entre plusieurs théories, mais comment une communauté entière doit répartir ses chercheurs entre plusieurs pistes concurrentes. Dans son article *The Division of Cognitive Labor* de 1990, puis dans *The Advancement of Science* en 1993, Kitcher montre qu’une organisation collective efficace de la recherche peut exiger que tous les chercheurs ne poursuivent pas la piste qui paraît individuellement la plus prometteuse.
Cette idée semble d’abord paradoxale. Supposons que deux méthodes A et B cherchent à résoudre le même problème et que, selon les données disponibles, A ait davantage de chances de réussir. Si chaque scientifique veut uniquement maximiser ses chances personnelles de travailler sur la bonne piste, tous devraient choisir A. Pourtant, si tout le monde fait cela, personne ne teste sérieusement B. Or les probabilités initiales peuvent être erronées : B pourrait finalement conduire à la découverte. La rationalité individuelle peut donc produire une mauvaise répartition collective du travail.
L’idée essentielle est ainsi :
Une communauté scientifique rationnelle n’a pas nécessairement intérêt à ce que tous ses membres fassent individuellement le choix qui paraît le plus rationnel.
La science doit non seulement exploiter les meilleures pistes disponibles, mais aussi conserver suffisamment d’exploration pour éviter de s’enfermer prématurément dans une mauvaise direction.
Pourquoi une division du travail cognitif ?
La division du travail économique est familière : personne ne produit seul sa nourriture, ses médicaments, son ordinateur et sa maison. La spécialisation permet à une société de réaliser collectivement ce qu’aucun individu ne pourrait accomplir seul. Kitcher applique une intuition comparable à la connaissance. Une science moderne est trop vaste pour qu’un chercheur maîtrise toutes les données, toutes les méthodes et toutes les hypothèses. Les scientifiques se spécialisent donc dans des problèmes, instruments et programmes différents. Kitcher fait de cette division du travail cognitif un problème proprement épistémologique : certaines répartitions des chercheurs peuvent être meilleures que d’autres pour atteindre les objectifs de la science.
La difficulté apparaît lorsque plusieurs programmes sont simultanément plausibles. Une distribution entièrement homogène est risquée : si tous les laboratoires poursuivent la même hypothèse, une erreur initiale peut affecter l’ensemble du domaine. Mais une dispersion absolue serait également inefficace. Si chaque chercheur travaille sur une hypothèse différente, aucune piste ne reçoit assez d’efforts pour produire des résultats solides.
Nous retrouvons donc un problème d’allocation :
Combien de chercheurs doivent exploiter la piste actuellement dominante, et combien doivent explorer les alternatives ?
Cette question deviendra l’un des fondements de toute une tradition de modèles formels en épistémologie sociale.
Le paradoxe des scientifiques parfaitement rationnels
Kitcher construit notamment des situations où deux stratégies scientifiques sont disponibles. L’une paraît, au vu des connaissances présentes, plus susceptible de produire la bonne réponse. Un groupe de chercheurs uniquement préoccupés par la vérité et évaluant tous rationnellement les mêmes données risque alors de converger vers cette même stratégie. La stratégie rivale est abandonnée avant d’avoir été correctement explorée.
C’est un résultat très important : l’homogénéité rationnelle peut être collectivement dangereuse.
Imaginons que A ait, selon les connaissances actuelles, 70 % de chances de réussir et B seulement 30 %. Si cent chercheurs choisissent tous A, la communauté maximise peut-être la probabilité que chaque chercheur travaille individuellement sur la meilleure piste. Mais elle renonce presque entièrement à vérifier si l’estimation initiale concernant B était erronée.
Une meilleure stratégie collective pourrait être une grande majorité sur A, mais quelques équipes sur B.
La communauté accepte donc délibérément que certains chercheurs travaillent sur une piste apparemment moins prometteuse afin de réduire le risque d’erreur collective. Cette logique ressemble à la diversification rencontrée avec Miriam Solomon, mais Kitcher l’avait formalisée plus tôt : une bonne communauté scientifique distribue les risques épistémiques.
Le rôle surprenant de la recherche de prestige
Kitcher introduit alors une idée encore plus provocatrice. Nous pourrions croire qu’une science idéale serait composée uniquement de chercheurs parfaitement désintéressés, motivés exclusivement par la vérité. Pourtant, certains intérêts personnels peuvent produire une meilleure répartition collective du travail.
Pourquoi un scientifique choisirait-il B alors que A paraît plus prometteuse ?
Parce que A est déjà : très fréquentée.
Sur A, vingt laboratoires rivalisent pour obtenir le même résultat. Sur B, seulement deux.
Un chercheur motivé en partie par la priorité, la réputation, la reconnaissance, peut alors se dire :
A est probablement la meilleure piste, mais mes chances personnelles d’être le premier à découvrir quelque chose y sont faibles. Sur B, le risque est supérieur, mais si B fonctionne, la récompense sera énorme.
Il choisit donc B.
Et cette motivation intéressée peut avoir une conséquence collective bénéfique : elle maintient la diversité des programmes. La littérature sur Kitcher souligne précisément ce résultat contre-intuitif : des chercheurs motivés par le crédit peuvent mieux répartir le travail qu’une population de chercheurs uniquement motivés par la vérité, parce que la compétition détourne certains scientifiques des pistes déjà surpeuplées.
Les motivations « impures » peuvent avoir de bons effets
Kitcher remet ainsi en cause une manière très simple d’évaluer la science :
bonnes motivations individuelles → bonne science ;
mauvaises motivations individuelles → mauvaise science.
Les choses sont plus complexes.
Un chercheur peut vouloir la vérité, mais aussi : une carrière, des publications, du prestige. Ces motivations peuvent évidemment dégrader la science : fraude, exagération, résultats bâclés. Mais elles peuvent aussi, dans certaines institutions, produire des incitations collectivement utiles.
Cela conduit à une distinction fondamentale :
la vertu épistémique d’une institution ne se réduit pas à la vertu morale de ses membres.
Une institution bien conçue peut parfois transformer des intérêts privés en résultats collectivement bénéfiques.
L’idée rappelle évidemment certains mécanismes économiques : la coordination collective peut émerger sans que chaque participant poursuive directement le bien commun.
Mais il faut immédiatement ajouter une précaution : Kitcher ne démontre pas que la compétition réelle dans la science est toujours optimale. Son modèle montre qu’il existe certaines conditions dans lesquelles des motivations de crédit favorisent une division du travail utile. Il ne justifie ni la course permanente à la publication ni n’importe quel système de récompense académique.
La règle de priorité
Cette idée sera prolongée notamment par Michael Strevens, qui s’intéresse à la règle de priorité : la science récompense très fortement celui qui est reconnu comme le premier à effectuer une découverte, alors que le deuxième reçoit parfois beaucoup moins de crédit même s’il était très proche du résultat. Strevens montre formellement comment cette règle peut, sous certaines hypothèses, encourager une distribution des chercheurs entre différents problèmes.
Le mécanisme est intuitif. Si cent chercheurs se précipitent sur le même problème, les chances pour chacun d’obtenir la récompense diminuent. Certains auront alors intérêt à se déplacer vers des problèmes moins fréquentés.
Nous obtenons :
compétition pour le crédit
→ éviter certaines zones surpeuplées
→ diversification de la recherche.
C’est un excellent exemple de mécanisme où une institution peut utiliser les motivations individuelles pour produire une organisation collective potentiellement avantageuse.
Mais ce mécanisme possède des limites évidentes. Si les récompenses sont trop concentrées sur des résultats spectaculaires, les chercheurs peuvent abandonner les travaux de réplication, de vérification, de maintenance des bases de données ou de production d’outils communs. Un système d’incitations peut donc résoudre un problème de division du travail et en créer d’autres.
Exploration contre exploitation
Le problème de Kitcher peut être rapproché d’un dilemme extrêmement général :
exploitation : investir dans ce qui fonctionne déjà ;
exploration : tester des possibilités moins certaines.
Une communauté entièrement tournée vers l’exploitation progresse rapidement tant que son cadre actuel est correct, mais elle peut manquer une meilleure théorie, un phénomène inattendu, une nouvelle méthode.
Une communauté exclusivement exploratoire produit au contraire beaucoup de diversité mais risque de ne jamais exploiter suffisamment les découvertes prometteuses.
La bonne organisation doit trouver un équilibre dynamique. Ce problème apparaît dans la recherche scientifique, l’innovation industrielle, l’apprentissage, la médecine, la politique publique et même les stratégies d’apprentissage automatique.
L’importance historique de Kitcher est d’avoir fait de cette question un problème explicite de rationalité scientifique collective.
La diversité n’est pas une fin en soi
Il serait facile de transformer la leçon en slogan :
Plus il y a de diversité théorique, meilleure est la science.
Ce serait faux.
Supposons un domaine contenant une théorie extrêmement bien confirmée et mille alternatives sans le moindre résultat empirique. Distribuer équitablement les chercheurs entre les mille et une possibilités serait absurde.
Le problème n’est pas de maximiser le nombre de théories. Il est de maximiser la probabilité collective de progresser.
Une piste moins probable peut mériter quelques chercheurs si son exploration possède une valeur potentielle suffisamment importante. Mais lorsqu’une alternative est suffisamment testée et systématiquement stérile, continuer à lui consacrer des ressources devient coûteux.
Le pluralisme de Kitcher est donc instrumental et conditionnel.
La diversité sert : la recherche de connaissance. Elle n’est pas un droit imprescriptible de toute théorie.
Une communauté peut rationnellement maintenir une hypothèse minoritaire
C’est probablement la conséquence pratique la plus intéressante.
Supposons que la communauté scientifique estime :
A : 90 % de probabilité ;
B : 10 %.
Pour un individu qui veut simplement savoir ce qu’il doit croire aujourd’hui, il peut être rationnel de privilégier très fortement A.
Mais pour un organisme de recherche qui possède cent laboratoires, il peut être rationnel de consacrer :
95 laboratoires à A
et :
5 à B. Ces deux décisions ne se contredisent pas.
Nous devons distinguer allocation de croyance et : allocation de recherche. C’est une distinction que Solomon approfondira ensuite, mais que le modèle de Kitcher rend déjà particulièrement claire.
Nous pouvons penser :
A est presque certainement la meilleure théorie actuelle.
Et simultanément :
Nous devons conserver quelques chercheurs capables de démontrer que nous nous trompons.
Cette attitude constitue l’une des formes les plus saines du faillibilisme scientifique.
Pourquoi ne pas demander simplement aux chercheurs de se répartir rationnellement ?
On pourrait proposer une solution centralisée : un comité calcule exactement combien de chercheurs doivent travailler sur chaque hypothèse. Mais le problème est extrêmement difficile. Les probabilités de réussite sont incertaines, les chercheurs possèdent des compétences différentes et la valeur future d’une découverte est presque impossible à connaître précisément.
Les systèmes d’incitation peuvent donc produire une certaine auto-organisation : les scientifiques tiennent compte non seulement de la plausibilité d’un programme, mais également de la concurrence et des récompenses possibles. C’est cette intuition que les modèles de Kitcher et de Strevens explorent.
Cela ne signifie pas qu’un marché scientifique pur serait optimal. Le financement public, les institutions, les revues et les universités modifient continuellement les incitations. La question devient donc :
Quelles règles institutionnelles orientent les intérêts individuels vers une organisation collectivement féconde de la recherche ?
Avec Kitcher, l’épistémologie commence ainsi à ressembler partiellement à une théorie de l’institution scientifique.
Rationalité individuelle et rationalité collective
Nous touchons ici à un principe beaucoup plus général. Supposons que chaque chercheur prenne exactement la décision qui maximise rationnellement sa probabilité personnelle de succès. Le résultat collectif peut néanmoins être mauvais.
Inversement, une organisation collective efficace peut nécessiter que certains individus poursuivent : des stratégies plus risquées, des hypothèses minoritaires, des tâches peu prestigieuses.
Nous avons donc :
optimal individuel ≠ nécessairement optimal collectif.
C’est une idée familière en économie et en théorie des jeux, mais elle possède des conséquences profondes pour l’épistémologie.
La connaissance scientifique n’est pas simplement produite par des individus rationnels mis côte à côte. Elle dépend : de leur coordination, de leur spécialisation, de leurs incitations.
La rationalité scientifique possède donc une dimension : systémique.
Pourquoi ce modèle est-il néanmoins très simplifié ?
Les premiers modèles de division du travail de Kitcher utilisent nécessairement des simplifications importantes. Ils supposent un nombre limité de stratégies ou théories déjà disponibles, des probabilités de succès relativement définies et des chercheurs capables d’évaluer certaines récompenses attendues. Des travaux ultérieurs ont notamment critiqué le fait que les théories elles-mêmes sont souvent produites par la recherche : si tous les chercheurs exploitent uniquement les programmes déjà existants, de nouvelles alternatives risquent de ne jamais apparaître.
C’est une limite fondamentale.
La véritable science ne choisit pas seulement entre :
A et B.
Elle peut découvrir :
C,
inventer :
un nouvel instrument,
reformuler :
le problème lui-même.
Une théorie de la division cognitive doit donc également expliquer la production de nouvelles possibilités.
Nous retrouvons le problème général :
exploration d’un espace connu
contre :
création de nouvelles régions de l’espace.
Deuxième limite : les chercheurs ne sont pas interchangeables
Imaginons : dix chercheurs sur A et : dix sur B. Cette distribution ne suffit pas à décrire la situation.
Certains laboratoires disposent : d’un équipement particulier, d’une compétence rare, d’une base de données, d’une technique.
Le meilleur chercheur pour B peut être celui qui travaille actuellement sur A.
La division optimale du travail dépend donc : non seulement du nombre de chercheurs, mais aussi : de leurs compétences et ressources.
Les modèles formels simplifient nécessairement cette hétérogénéité.
Cela n’annule pas leur intérêt : ils isolent un mécanisme. Mais il ne faut pas confondre :
un modèle montrant qu’un mécanisme peut exister
avec :
une description exhaustive de l’organisation réelle de la science.
Troisième limite : le prestige peut produire du conformisme au lieu de la diversité
Kitcher montre que la recherche de crédit peut parfois éloigner des scientifiques d’un programme surpeuplé. Mais, dans d’autres situations, le prestige fonctionne dans le sens inverse.
Si les financements, postes et publications récompensent fortement : le domaine dominant, les chercheurs peuvent converger vers lui.
Un jeune scientifique peut abandonner une piste originale non parce qu’elle est mauvaise, mais parce qu’elle paraît : trop dangereuse professionnellement.
Les incitations peuvent donc produire diversité ou : monoculture.
Tout dépend de leur structure. C’est précisément pourquoi le résultat de Kitcher ne doit pas être transformé en défense générale des intérêts de carrière.
Quatrième limite : la compétition peut multiplier les recherches redondantes
La règle du premier arrivé peut favoriser la diversification, mais elle peut également déclencher des courses où plusieurs équipes effectuent presque exactement : la même expérience en secret afin d’être les premières.
Dans ce cas, la compétition produit une duplication massive du travail.
La réplication peut évidemment avoir une valeur épistémique. Mais une duplication secrète uniquement destinée à obtenir la priorité n’est pas toujours la meilleure utilisation des ressources.
Nous retrouvons une tension :
compétition stimule parfois l’innovation ;
coopération permet le partage des données et la coordination.
Une institution scientifique efficace doit combiner les deux.
Cinquième limite : toutes les découvertes n’ont pas une récompense comparable
Certains travaux essentiels sont peu prestigieux : réplications, nettoyage de données, maintenance d’instruments, construction de bases communes, résultats négatifs.
Une science organisée uniquement autour : de la priorité et du prestige risque de sous-produire ces biens collectifs.
La division du travail scientifique comporte donc un problème analogue aux biens publics : certaines tâches profitent à toute la communauté mais offrent peu de récompense personnelle. Cela suggère que les institutions doivent parfois créer artificiellement : des récompenses, des financements, des obligations pour maintenir les activités indispensables qui ne bénéficient pas spontanément du système de prestige.
Kitcher ouvre donc la question institutionnelle sans prétendre que le système existant ait déjà trouvé l’équilibre optimal.
Sixième limite : quel est exactement le but collectif de la science ?
Les premiers modèles peuvent donner l’impression que l’objectif est simple : maximiser la probabilité de trouver la vérité. Mais la science poursuit également : compréhension, prédiction, applications, solutions médicales, réduction de risques.
Et les sociétés doivent décider quels problèmes méritent prioritairement des ressources.
Kitcher développera ultérieurement ce problème dans ses travaux sur la science bien ordonnée (*well-ordered science*) : l’organisation de la recherche ne peut pas être séparée entièrement des valeurs et des besoins sociaux. Son projet dépasse alors la seule division cognitive pour demander comment les priorités scientifiques devraient être reliées à une délibération démocratique éclairée.
Il faut donc distinguer deux problèmes :
Comment répartir les chercheurs pour résoudre au mieux un ensemble donné de problèmes ?
et :
Quels problèmes la société devrait-elle choisir de financer ?
Le second est plus profondément politique.
Application à l’esprit critique : croire une chose et tester son contraire
L’une des applications les plus fortes pour l’autonomie critique est la suivante.
Nous pouvons avoir une opinion principale sans consacrer
100 % de nos efforts
à la confirmer.
Supposons que nous pensions :
A est probablement vrai.
Une bonne stratégie consiste malgré tout à réserver une partie de notre attention à la meilleure alternative B.
Non parce que :
A et B sont également probables,
mais parce que : la valeur informationnelle de tester B peut être très élevée. C’est une excellente protection contre le biais de confirmation.
Nous pouvons ainsi dissocier confiance actuelle et : allocation de nos efforts de vérification.
Deuxième application : une majorité massive n’annule pas automatiquement l’intérêt d’une minorité
Supposons 95 % des chercheurs d’un domaine en faveur de A. Cela constitue une information importante.
Mais demandons également :
Que font les 5 % restants ?
S’ils répètent : des arguments réfutés sans produire de résultats, leur dissidence possède peu de poids.
S’ils explorent : une anomalie reproductible que A n’explique pas, leur travail peut être très précieux même si A reste aujourd’hui beaucoup plus probable. Cette distinction permet d’éviter simultanément : culte aveugle du consensus et : romantisation automatique du dissident.
Troisième application : ne pas mettre tous ses contrôles au même endroit
Supposons que nous vérifions une information avec cinq médias qui utilisent tous : la même dépêche.
Nous avons l’impression : de cinq confirmations.
En réalité : une seule source initiale a été copiée cinq fois.
La division cognitive nous apprend à rechercher des sources réellement indépendantes.
La diversité utile porte moins sur le nombre que sur l’indépendance des voies de vérification. Cette intuition deviendra encore plus importante avec les modèles de réseaux épistémiques.
Quatrième application : réserver des ressources à l’exploration
Une organisation peut consacrer la majorité de ses ressources aux méthodes éprouvées tout en réservant : un espace pour les projets à haut risque. Cette stratégie existe dans la recherche, l’innovation, la gestion.
Elle reconnaît une asymétrie importante : la plupart des explorations échoueront, mais une seule réussite peut transformer tout le domaine.
Le bon niveau d’exploration dépend évidemment : du coût, du risque, du potentiel de découverte.
Le principe général reste :
l’efficacité présente ne doit pas éliminer entièrement la possibilité d’un progrès futur.
Cinquième application : concevoir les incitations plutôt que compter sur la vertu
Nous pouvons demander :
Comment faire pour que chacun se comporte parfaitement ?
Mais une meilleure question institutionnelle est parfois :
Comment concevoir un système dans lequel des motivations humaines ordinaires produisent malgré tout de bons résultats collectifs ?
C’est une leçon générale de Kitcher. Il ne faut évidemment pas renoncer à l’intégrité scientifique.
Mais une institution robuste ne doit pas dépendre d’une population de saints. Elle doit rendre les bons comportements suffisamment attractifs et : les mauvais suffisamment coûteux.
Cette manière de raisonner rapproche l’épistémologie : de la conception institutionnelle.
Sixième application : attention aux indicateurs
Supposons que la carrière des chercheurs dépende presque exclusivement : du nombre de publications. Il devient rationnel individuellement : de maximiser les publications.
Mais le résultat collectif peut être salami slicing, projets courts, réticence aux réplications longues.
L’indicateur transforme : la division du travail. Cela illustre exactement la différence entre incitation individuelle et : objectif collectif.
Le problème n’est donc pas simplement :
« les chercheurs sont trop carriéristes ».
Il peut être les institutions récompensent certaines activités de manière disproportionnée.
Changer le comportement exige alors de changer les incitations.
Une transition vers les réseaux épistémiques
Le modèle de Kitcher suppose essentiellement une communauté répartie entre plusieurs pistes. Mais il reste une question majeure :
Comment les chercheurs apprennent-ils les résultats des autres ?
Supposons qu’une équipe obtienne très tôt : un résultat trompeur en faveur de A.
Si cette information circule instantanément dans toute la communauté, tous les chercheurs peuvent abandonner B.
La communication, que nous considérons intuitivement comme toujours bénéfique, peut donc provoquer une convergence prématurée.
Inversement, si certains groupes restent temporairement moins connectés, ils peuvent continuer à tester B assez longtemps pour découvrir que B est finalement meilleure.
C’est précisément le problème que Kevin Zollman étudiera avec les modèles de réseaux épistémiques et sa notion de diversité transitoire. Ses simulations montrent notamment qu’une communication plus dense peut accélérer le consensus tout en augmentant parfois le risque qu’une communauté converge trop vite vers une mauvaise option ; une diversité temporairement préservée peut améliorer les chances de convergence correcte.
Nous allons donc passer de
combien de chercheurs sur chaque théorie ?
à :
qui communique avec qui, à quelle vitesse, et avec quelles conséquences pour la vérité ?
C’est là que l’épistémologie sociale devient véritablement une science des réseaux de connaissance.
Erreurs fréquentes
La première erreur serait de croire que Kitcher affirme que l’égoïsme est bon pour la science. Son argument est conditionnel : certaines structures de récompense peuvent transformer la recherche de crédit en une diversification collectivement utile. Cela ne signifie pas que toutes les motivations intéressées ou tous les systèmes compétitifs améliorent la science.
La deuxième serait de conclure que tous les chercheurs doivent travailler sur des hypothèses différentes. Une division efficace suppose aussi la concentration d’efforts suffisants sur les pistes prometteuses.
La troisième serait de croire que l’hypothèse minoritaire mérite autant de crédibilité que l’hypothèse dominante. La répartition des chercheurs et la répartition des croyances sont deux problèmes différents.
La quatrième serait d’assimiler diversité à qualité. Une alternative sans résultats ni perspective sérieuse ne devient pas scientifiquement précieuse simplement parce qu’elle augmente le nombre de théories disponibles.
La cinquième serait de considérer que consensus = échec de la division du travail. Un consensus peut être parfaitement rationnel lorsqu’une hypothèse a suffisamment dominé les alternatives et récupéré leurs principaux succès.
La sixième serait de croire que les incitations de carrière sont entièrement extérieures à l’épistémologie. Kitcher montre justement que la structure des récompenses peut affecter quelles connaissances sont recherchées et donc les performances cognitives de la communauté.
La septième serait d’imaginer que les chercheurs sont interchangeables. Les modèles simplifient les différences de compétence, d’équipement et de spécialisation ; il faut donc rester prudent lorsqu’on les applique directement à la politique scientifique.
La huitième serait de croire que la recherche doit être centralement planifiée selon les probabilités de succès. Les informations nécessaires sont souvent incomplètes et les mécanismes d’incitation décentralisés peuvent parfois produire une diversification utile.
La neuvième serait de penser que le modèle de Kitcher décrit parfaitement la science réelle. Il s’agit d’un modèle idéal destiné à isoler certains mécanismes de coordination collective, puis prolongé et critiqué par de nombreux travaux ultérieurs.
La dixième serait de conclure que la recherche de vérité et les intérêts sociaux sont incompatibles. Le point de Kitcher est précisément qu’une bonne organisation institutionnelle peut parfois faire converger les deux.
Pourquoi Philip Kitcher est important dans l’histoire de l’épistémologie
Kitcher contribue à déplacer la question classique :
Qu’est-ce qu’un scientifique rationnel doit croire ?
vers une autre :
Comment organiser une communauté de scientifiques faillibles pour qu’elle produise collectivement le plus de connaissance possible ?
Ce déplacement est majeur. L’unité fondamentale de l’épistémologie n’est plus nécessairement l’individu. Elle peut devenir le système de recherche.
Une institution scientifique comporte : chercheurs, financements, récompenses, spécialisations, concurrence, communication.
La rationalité dépend : de l’organisation de cet ensemble. C’est pourquoi *The Advancement of Science* consacre une place importante à l’organisation du travail cognitif, en prolongeant explicitement les problèmes ouverts par l’article de 1990.
Cette conception permet également de comprendre quelque chose de fondamental sur la science moderne : la diversité scientifique peut être produite non malgré les institutions, mais par leur architecture. Le problème devient alors celui de la conception des bonnes incitations.
À retenir
Philip Kitcher montre qu’une communauté scientifique affronte un problème de division du travail cognitif : lorsqu’il existe plusieurs pistes, il faut décider implicitement ou explicitement combien de chercheurs vont explorer chacune d’elles. Si tous les scientifiques parfaitement rationnels disposent des mêmes informations, ils peuvent tous choisir la piste actuellement la plus prometteuse et provoquer une convergence prématurée.
La diversité peut donc être rationnelle au niveau collectif même lorsqu’une alternative paraît individuellement moins intéressante.
Plus surprenant encore, certains intérêts personnels — notamment la recherche du crédit scientifique — peuvent contribuer à cette diversification : lorsque trop de chercheurs travaillent déjà sur un problème, la probabilité individuelle d’obtenir la priorité diminue et certains sont incités à explorer d’autres pistes.
L’enseignement n’est pas que l’égoïsme produit la vérité.
Il est :
les conséquences épistémiques d’un système dépendent autant de son organisation que des motivations individuelles de ses membres.
Une communauté scientifique doit donc trouver un équilibre entre exploiter les pistes actuellement les mieux soutenues, et : explorer suffisamment d’alternatives pour se protéger contre les erreurs collectives.
La conséquence pour l’autonomie critique est particulièrement utile :
il est rationnel d’avoir une opinion principale sans consacrer toute son énergie à sa confirmation.
On peut croire :
A est probablement vrai
et conserver :
un espace sérieux pour tester B.
C’est précisément ce qui permet à une pensée réellement faillibiliste de ne pas transformer ses croyances les mieux justifiées en dogmes.
Mais Kitcher laisse encore ouverte une question essentielle. Une fois les chercheurs répartis entre plusieurs programmes :
à quelle vitesse doivent-ils partager leurs résultats ?
L’intuition répondrait :
le plus vite possible.
Les modèles de Kevin Zollman vont montrer que ce n’est pas si simple. Une circulation trop rapide des premières informations peut homogénéiser la communauté avant que les alternatives aient été correctement testées.
La prochaine fiche portera donc sur :
Kevin Zollman : réseaux épistémiques, communication et bénéfice de la diversité transitoire.
Pour aller plus loin
Philip Kitcher, « The Division of Cognitive Labor » (1990). Le texte fondateur. Kitcher y formalise le problème de la distribution des chercheurs entre programmes rivaux et montre comment rationalité individuelle et efficacité collective peuvent diverger. C’est également le texte où apparaît l’idée provocatrice selon laquelle des motivations liées au crédit scientifique peuvent parfois produire une meilleure répartition de la recherche que la pure recherche individuelle de vérité.
Philip Kitcher, *The Advancement of Science: Science without Legend, Objectivity without Illusions* (1993). L’ouvrage replace le problème de la division du travail dans une théorie beaucoup plus générale du progrès scientifique. Kitcher y cherche une voie entre l’image idéalisée d’une science parfaitement rationnelle et certaines réactions historicistes ou sociologiques qui semblaient rendre l’objectivité illusoire ; la dernière partie traite explicitement de l’organisation du travail cognitif.
Helen Longino, « The Social Dimensions of Scientific Knowledge », *Stanford Encyclopedia of Philosophy*. Particulièrement utile pour replacer Kitcher dans l’histoire de l’épistémologie sociale. L’article explique clairement pourquoi la recherche de priorité peut contribuer à une division cognitive du travail et permet de comparer cette approche avec Longino, Solomon et les modèles ultérieurs de communautés scientifiques.
Michael Strevens, « The Role of the Priority Rule in Science » (2003). Strevens prolonge directement l’intuition de Kitcher en analysant la règle scientifique du « premier arrivé ». Il cherche à montrer comment un système donnant une récompense très disproportionnée au premier découvreur peut orienter les chercheurs vers une répartition collectivement avantageuse des problèmes. C’est un excellent texte pour comprendre comment l’épistémologie sociale rejoint l’étude des institutions et des incitations.
Rogier De Langhe, « A Unified Model of the Division of Cognitive Labor » (2014). Un prolongement critique important. De Langhe souligne notamment une limite des modèles plus anciens : ils supposent souvent que les théories entre lesquelles les chercheurs choisissent existent déjà, alors que la recherche doit également produire de nouvelles alternatives. Il cherche donc à articuler exploitation des théories existantes et création de nouveaux programmes.
Michael Weisberg et Ryan Muldoon, travaux sur la diversité et la division du travail cognitif. Ces travaux prolongent la question de Kitcher avec des modèles où les chercheurs explorent un « paysage épistémique » et possèdent parfois des stratégies ou capacités différentes. Ils montrent combien la diversité peut améliorer l’exploration collective, mais aussi combien les résultats dépendent des hypothèses du modèle.
Pour la suite : Kevin Zollman, « The Epistemic Benefit of Transient Diversity » (2010). Zollman ajoute au problème de Kitcher une dimension décisive : le réseau de communication. Ses modèles suggèrent qu’une communauté où l’information circule moins rapidement peut parfois conserver assez longtemps plusieurs pistes pour éviter une convergence prématurée vers une mauvaise solution. La diversité n’a alors pas besoin d’être permanente : elle doit durer assez longtemps pour que les différentes options soient correctement explorées avant l’émergence d’un consensus.