Polarisation et factionalisation épistémiques : quand la confiance divise les réseaux de connaissance
Définition simple
La polarisation épistémique désigne une situation dans laquelle des groupes maintiennent durablement des croyances opposées sur une question pour laquelle il existe pourtant une réponse factuelle. Dans leur article *Scientific Polarization*, Cailin O’Connor et James Owen Weatherall montrent par un modèle formel qu’un tel phénomène peut apparaître même lorsque les individus recherchent réellement des preuves, que certaines croyances sont objectivement meilleures que d’autres et que les agents ne sont ni stupides ni volontairement irrationnels. Le mécanisme décisif est la confiance différenciée : lorsqu’un individu considère les personnes dont les convictions sont très différentes des siennes comme moins fiables, les mêmes données n’exercent plus la même influence sur tous les membres du réseau.
La factionalisation épistémique va encore plus loin. Weatherall et O’Connor cherchent alors à expliquer pourquoi des personnes qui s’opposent initialement sur une question finissent souvent par former des camps dont les croyances deviennent corrélées sur de nombreux sujets qui étaient pourtant indépendants au départ. Dans leur modèle, les agents enquêtent sur plusieurs propositions, échangent leurs résultats mais accordent moins de confiance aux personnes dont les croyances sont éloignées des leurs. Des factions émergent progressivement : les mêmes individus se retrouvent ensemble d’un côté de plusieurs controverses.
L’idée essentielle est donc :
La polarisation ne vient pas nécessairement d’un manque d’information. Elle peut émerger lorsque les mêmes preuves circulent dans un réseau où la confiance dépend déjà des croyances.
Une fois ce mécanisme enclenché, un cercle vicieux peut apparaître :
désaccord → méfiance → moindre influence des preuves adverses → divergence accrue → méfiance encore plus forte.
La difficulté devient alors beaucoup plus profonde qu’un simple déficit de connaissances.
Le paradoxe : davantage de preuves peut ne pas rapprocher les groupes
Dans une conception simple du débat rationnel, deux personnes en désaccord devraient progressivement converger si elles reçoivent suffisamment de bonnes informations. Supposons qu’A et B discutent de l’efficacité d’un traitement. Ils effectuent des expériences, transmettent leurs résultats et actualisent leurs croyances. Si le traitement est réellement meilleur, l’accumulation des preuves devrait finir par les conduire tous deux vers cette conclusion.
O’Connor et Weatherall montrent qu’un mécanisme de méfiance peut empêcher ce résultat. Dans leur modèle, lorsqu’un agent reçoit un résultat provenant de quelqu’un dont la croyance est très éloignée de la sienne, il considère ce témoignage comme moins fiable. Il ne l’ignore pas nécessairement complètement ; il peut simplement lui donner moins de poids. Lorsque ce comportement est suffisamment marqué, des sous-groupes finissent par conserver des convictions opposées malgré la poursuite de l’enquête empirique.
Cela produit une situation très différente de l’ignorance. Les deux groupes peuvent posséder des informations. Ils peuvent même voir passer des résultats provenant du camp adverse. Mais ils ne leur attribuent pas la même valeur.
La question n’est donc plus seulement :
« Quelle preuve avez-vous ? »
Elle devient :
« Quelle confiance accordez-vous à celui qui vous apporte cette preuve ? »
C’est l’un des grands enseignements de l’épistémologie sociale contemporaine : la force d’une preuve transmise socialement dépend aussi de la crédibilité accordée à sa source.
La confiance est nécessaire — et donc vulnérable
Cette dépendance n’est pas anormale. Elle est indispensable. Personne ne peut vérifier personnellement toutes les connaissances qu’il utilise. Nous faisons confiance à des médecins, ingénieurs, historiens, statisticiens, institutions publiques, revues scientifiques et journalistes spécialisés. L’épistémologie sociale étudie précisément cette dimension de la connaissance : la majeure partie de ce que nous savons dépend du témoignage, des institutions et des interactions avec d’autres agents.
La bonne attitude ne peut donc pas être :
« Ne faites confiance à personne. »
Une société composée d’individus qui refuseraient toute délégation épistémique serait pratiquement incapable de fonctionner.
Mais cette nécessité crée une vulnérabilité. Si la confiance se distribue selon :
« je crois davantage ceux qui pensent déjà comme moi »,
le mécanisme destiné à nous permettre d’apprendre des autres se transforme progressivement en mécanisme de sélection des preuves compatibles avec nos croyances.
Le problème est alors structurel : même une information correcte peut devenir inefficace lorsqu’elle arrive par le « mauvais » canal.
Un désaccord peut fabriquer la méfiance qui entretient ensuite le désaccord
Supposons deux personnes initialement assez proches, A et B. Une première série de résultats légèrement différente les conduit à des positions distinctes. A estime désormais que l’hypothèse H est probablement vraie ; B qu’elle est probablement fausse.
Une nouvelle preuve favorable à H apparaît chez un chercheur proche de A. A lui accorde beaucoup de poids. B, constatant que ce chercheur appartient intellectuellement au camp opposé, la traite avec davantage de prudence.
Puis une preuve favorable à non-H apparaît dans le réseau de B. Le processus inverse se produit.
Le désaccord initial produit donc une asymétrie de confiance, qui produit une asymétrie dans la mise à jour des croyances, qui produit un désaccord plus grand.
Dans les modèles d’O’Connor et Weatherall, lorsque cette tendance à déprécier les informations provenant d’agents suffisamment éloignés devient forte, une polarisation stable peut émerger alors même que les agents continuent à recueillir des données sur le monde.
La polarisation peut donc être auto-entretenue. Elle n’a plus besoin d’une source extérieure permanente.
La méfiance peut être rationnelle dans certains cas
Il faut immédiatement ajouter une nuance essentielle : toute méfiance envers une source différente de nous n’est pas irrationnelle. Si une personne a montré qu’elle manipule les données, ne possède aucune compétence pertinente ou relaie systématiquement de fausses informations, réduire la confiance que nous lui accordons est parfaitement raisonnable.
Le problème apparaît lorsque la proximité de croyance devient elle-même un indicateur majeur de fiabilité :
« Il pense comme moi, donc il est crédible. »
« Il pense très différemment de moi, donc ses preuves sont suspectes. »
Le mécanisme est séduisant parce qu’il peut sembler partiellement rationnel. Une personne dont les croyances nous paraissent absurdes peut effectivement avoir de mauvaises méthodes. Mais ce raisonnement devient circulaire si nous évaluons sa compétence à partir du désaccord même que ses preuves pourraient précisément remettre en cause.
Nous obtenons :
« Je ne crois pas ses données parce qu’il se trompe. »
« Comment sais-je qu’il se trompe ? »
« Parce que je n’accorde pas de crédit à ses données. »
Le système devient épistémiquement fermé.
Factionalisation : pourquoi les désaccords se regroupent-ils ?
La polarisation sur une question est déjà problématique. Mais Weatherall et O’Connor posent ensuite une question encore plus intéressante : pourquoi des positions sur des sujets différents finissent-elles si souvent par se regrouper ?
Imaginons deux questions indépendantes :
P : une technique agricole est-elle efficace ?
Q : un traitement médical est-il efficace ?
En principe, connaître la réponse à P ne nous apprend rien sur Q.
Pourtant, dans leur modèle de factionalisation, les agents qui s’opposent sur P peuvent commencer à réduire leur confiance mutuelle. Lorsqu’ils abordent ensuite Q, les preuves sont déjà filtrées par cette relation de confiance dégradée. Un désaccord sur P modifie donc indirectement la manière dont les agents apprennent à propos de Q. Avec suffisamment d’interactions, les croyances deviennent corrélées : le groupe qui croit P tend également à croire Q, tandis que l’autre tend à rejeter les deux.
Voilà la factionalisation épistémique :
des croyances initialement indépendantes deviennent regroupées parce que les relations de confiance créées par une controverse sont réutilisées dans les autres.
Les opinions commencent alors à fonctionner comme des ensembles.
Comment naît un « camp » intellectuel ?
Nous pouvons représenter le mécanisme de manière intuitive. Au début, il existe plusieurs personnes possédant des opinions variées. Une première controverse divise le groupe. Les individus apprennent progressivement :
« Ces personnes pensent généralement comme moi. »
et :
« Celles-là pensent différemment. »
Lorsqu’un nouveau problème apparaît, personne ne repart réellement de zéro. Les relations de confiance existantes servent de raccourci :
« Si ceux que je juge compétents pensent X, X mérite probablement davantage de confiance. »
Ce raisonnement est normalement utile. Notre confiance possède une histoire. Mais il crée aussi un mécanisme de transfert : la confiance acquise sur le sujet A influence l’apprentissage du sujet B.
Puis B renforce les factions.
Puis C arrive.
À mesure que les croyances deviennent corrélées, les individus peuvent prédire une série d’opinions à partir de l’appartenance au groupe.
Weatherall et O’Connor montrent formellement comment cette factionalisation peut émerger de manière endogène, c’est-à-dire sans supposer dès le départ l’existence de deux partis ou identités hostiles. C’est un résultat particulièrement important : les camps ne doivent pas nécessairement précéder les désaccords ; ils peuvent être produits progressivement par la dynamique des désaccords eux-mêmes.
Des croyances deviennent des marqueurs d’appartenance
Lorsque la factionalisation est suffisamment forte, une croyance cesse de fonctionner uniquement comme réponse à une question factuelle. Elle devient aussi un indicateur de :
« avec qui êtes-vous ? »
La logique change alors.
Au début :
« Quelles preuves soutiennent P ? »
Puis :
« Qui soutient P ? »
Enfin :
« Les gens de notre camp soutiennent P. »
Une proposition factuelle peut progressivement acquérir une fonction sociale.
Il faut cependant distinguer ici le résultat du modèle et son interprétation sociologique. Weatherall et O’Connor modélisent principalement un mécanisme de confiance dépendant de la proximité des croyances ; leur modèle n’établit pas à lui seul que tous les phénomènes politiques réels de polarisation proviennent d’identités sociales. Il démontre plutôt qu’un tel regroupement de croyances peut émerger à partir de mécanismes relativement simples de confiance et de méfiance.
C’est donc une preuve de possibilité et un outil d’analyse, pas une explication universelle de toutes les polarisations observées.
Pourquoi envoyer davantage de faits peut échouer
Nous pouvons maintenant comprendre pourquoi certaines campagnes de correction paraissent inefficaces.
Supposons qu’un groupe G1 ne fasse plus confiance à l’institution I. Cette institution publie davantage de données démontrant P.
Pour G2, qui considère I comme fiable :
davantage de données → davantage de confiance dans P.
Pour G1 :
davantage de données provenant de I → peut-être aucune modification importante.
Le problème n’est plus absence de preuves. Il est absence de confiance dans le canal qui les transmet.
Nous pouvons même imaginer un cas plus grave : la multiplication des messages de I est interprétée comme une preuve que I cherche à imposer une position. Les nouvelles informations diminuent alors encore la confiance envers l’institution.
Cela ne signifie pas que le « backfire effect » psychologique serait universel — les résultats empiriques sur cette question sont beaucoup plus complexes. La leçon plus prudente du modèle est simplement qu’une preuve ne peut influencer une croyance que si son poids testimonial n’est pas ramené presque à zéro par la structure de confiance du destinataire.
La correction des croyances exige donc parfois réparer le réseau de confiance, pas seulement ajouter des données.
Chambres d’écho et bulles : attention aux mots
La polarisation épistémique est souvent rapprochée des « chambres d’écho ». Mais il faut être précis. Dans le modèle d’O’Connor et Weatherall, les agents ne sont pas nécessairement isolés de l’information adverse. Ils peuvent la recevoir et néanmoins lui accorder moins de crédit.
C’est important car deux problèmes sont différents :
absence d’exposition : je ne vois jamais les arguments adverses ;
défiance sélective : je les vois, mais je considère leurs sources comme indignes de confiance.
La seconde situation est souvent plus difficile à corriger. Ajouter une source adverse à mon fil d’information ne change presque rien si je considère déjà cette source comme fondamentalement biaisée.
La véritable fracture peut donc porter moins sur quelles informations circulent que sur quels canaux sont encore capables de transmettre de la crédibilité. C’est pourquoi *The Misinformation Age* insiste largement sur le rôle des relations sociales dans la persistance et la diffusion des croyances fausses.
Le conformisme est un autre mécanisme
Weatherall et O’Connor ont également étudié une dynamique distincte : la pression au conformisme. Ils modélisent alors des agents qui, toutes choses égales par ailleurs, préfèrent agir comme leurs voisins. Le conformisme interagit avec leurs croyances factuelles et peut produire différents résultats, notamment une polarisation stable. Dans l’ensemble de leurs simulations, la pression à la conformité tend à détériorer la capacité de la communauté à atteindre un consensus correct, même si les détails dépendent de la structure du réseau.
Il faut distinguer ce mécanisme de la défiance.
Dans la polarisation par méfiance :
« Je ne crois pas votre information parce que vos croyances sont trop éloignées des miennes. »
Dans le conformisme :
« À niveau de preuve comparable, je préfère faire comme les membres de mon groupe. »
Les deux mécanismes peuvent évidemment se renforcer plus de confiance envers les proches + désir de leur ressembler + moins de confiance envers les autres.
La communauté se divise alors non seulement en croyances mais également en comportements.
La polarisation n’implique pas forcément deux extrêmes symétriques
Le mot « polarisation » donne l’impression de deux camps exactement opposés et de taille comparable. Ce n’est pas nécessaire. Les modèles de polarisation épistémique cherchent surtout à expliquer la persistance de sous-groupes possédant des croyances fortement divergentes. Les groupes peuvent être asymétriques en taille et l’un peut être beaucoup plus proche de la vérité que l’autre.
C’est une nuance importante dans le débat public.
Dire :
« La société est polarisée sur P »
ne signifie pas :
« Les deux positions sont épistémiquement équivalentes. »
Nous retrouvons le problème de la fausse balance.
Une polarisation sociale peut coexister avec un consensus scientifique massif.
La symétrie sociologique des camps ne produit pas une symétrie des preuves.
La factionalisation peut transformer des questions indépendantes en « packages »
Cette conséquence mérite d’être soulignée parce qu’elle touche directement l’autonomie intellectuelle.
Dans une communauté factionnalisée, les croyances commencent à apparaître sous forme de paquets. Adopter A augmente la probabilité sociale d’adopter également B, C et D, même si les liens logiques entre ces propositions sont faibles.
Cela rend le raisonnement motivé particulièrement puissant : changer d’avis sur un point peut avoir un coût identitaire ou relationnel, car cette révision semble rapprocher l’individu du camp opposé.
Les modèles de Weatherall et O’Connor n’ont pas besoin de supposer dès le départ un tel coût identitaire pour obtenir une corrélation entre plusieurs croyances : la méfiance suffit déjà à produire des factions.
Dans la réalité humaine, d’autres facteurs peuvent évidemment s’ajouter appartenance, statut, partis politiques, milieux culturels, médias.
Le modèle n’explique pas tout. Il montre qu’avant même d’ajouter ces mécanismes, la structure épistémique de la confiance possède déjà un potentiel de factionalisation considérable.
Pourquoi la polarisation est-elle auto-stabilisante ?
Une faction possède plusieurs mécanismes de stabilité. Elle reçoit davantage de preuves de sources jugées dignes de confiance ; elle déprécie celles du camp opposé ; les nouvelles croyances renforcent les frontières initiales ; et les membres du groupe deviennent entre eux des sources mutuelles de confirmation.
Le problème ressemble alors à une boucle de rétroaction positive.
Une petite différence initiale peut être amplifiée :
différence de croyance → différence de confiance → différence des mises à jour → différence plus grande de croyance.
Au bout d’un certain temps, les deux groupes peuvent regarder le même monde mais construire des bilans probatoires différents, car ils n’accordent pas les mêmes poids aux mêmes témoignages.
Cela explique comment deux personnes intelligentes peuvent dire sincèrement :
« Les preuves sont clairement de mon côté. »
Les deux utilisent peut-être des preuves réelles. Mais leurs systèmes de pondération des sources ont divergé.
Cela signifie-t-il que nous devons accorder la même confiance à toutes les sources ?
Évidemment non. Ce serait une catastrophe épistémique.
Une source fiable doit recevoir davantage de confiance : qu’une source notoirement défaillante.
Un spécialiste : davantage qu’un amateur sur une question technique.
Le problème n’est donc pas la confiance différenciée.
Le problème est :
quels critères déterminent cette différenciation ?
Une règle saine serait :
« Je réduis ma confiance parce que cette source possède un historique de mauvaise méthodologie ou de falsification. »
Une règle dangereuse :
« Je réduis ma confiance parce qu’elle arrive régulièrement à des conclusions différentes des miennes. »
La première utilise des informations relativement indépendantes du désaccord.
La seconde transforme : le désaccord en preuve de non-fiabilité. C’est précisément cette circularité qu’il faut éviter.
Une méthode pratique : dissocier fiabilité et accord
Face à une source, nous pouvons demander :
Avant de connaître sa conclusion sur cette question, quelles raisons avais-je de la considérer comme compétente ?
Cette question est puissante.
Supposons qu’une institution soit : méthodologiquement transparente, soumise à correction, compétente, indépendamment contrôlée.
Si je retire toute ma confiance dès qu’elle produit un résultat qui me déplaît, je transforme : mon opinion en critère de fiabilité.
Inversement, si une institution accumule les erreurs, les conflits d’intérêts non déclarés, les manipulations, il serait naïf de conserver aveuglément la même confiance.
L’autonomie critique exige donc une confiance : révisable mais non autoréférentielle.
Une deuxième méthode : examiner comment nous traitons les erreurs de chaque camp
Imaginons que notre groupe commette : une erreur factuelle.
Nous disons :
« Tout le monde peut se tromper. »
Le groupe adverse commet : une erreur comparable.
Nous disons :
« Voilà la preuve qu’on ne peut jamais leur faire confiance. »
Cette asymétrie est extrêmement révélatrice.
Le meilleur test consiste à inverser les identités.
Si exactement la même erreur avait été commise par une source que j’apprécie, combien ma confiance aurait-elle diminué ?
Cette symétrisation est une protection directe contre la factionalisation. Elle rejoint l’une des intuitions du programme fort de Bloor : ne pas expliquer uniquement les croyances adverses par des mécanismes sociaux.
Une troisième méthode : conserver quelques médiateurs transversaux
Si toutes nos sources appartiennent : au même camp, nous possédons peu de moyens de détecter ses erreurs collectives. Mais cela ne signifie pas qu’il faille remplacer la moitié de nos sources fiables par des sources peu rigoureuses du camp opposé.
L’idéal est plutôt de rechercher des institutions, chercheurs, revues, experts capables d’être crédibles au-delà d’une frontière factionnelle. Ils jouent le rôle de ponts épistémiques.
Dans les réseaux sociaux réels, préserver de tels ponts est extrêmement difficile, car une personne essayant de communiquer avec les deux groupes peut être soupçonnée par chacun d’être trop proche de l’autre.
Mais leur disparition rend le système particulièrement fragile : lorsqu’il n’existe plus aucune source transversale, chaque camp doit faire confiance uniquement : à ses propres institutions pour connaître les erreurs de ses propres institutions.
Le mécanisme de correction s’affaiblit.
Peut-on rétablir la confiance simplement en montrant que l’autre groupe avait raison ?
Pas nécessairement.
Si la preuve provient : du groupe déjà rejeté, elle peut ne produire presque aucun effet. Cela conduit à une difficulté importante : la restauration de la confiance exige parfois un intermédiaire dont la crédibilité est reconnue par les deux camps.
Mais nous rencontrons immédiatement un problème de poule et d’œuf :
Comment créer une source commune si personne n’accepte plus les mêmes arbitres ?
La philosophie formelle montre bien le mécanisme de rupture ; elle fournit beaucoup moins facilement une recette institutionnelle universelle pour réparer un réseau déjà profondément factionnalisé. Cela explique pourquoi la prévention peut être plus facile que la réparation.
Préserver des standards communs, des institutions critiquables, des canaux transversaux avant que la méfiance devienne totale possède une valeur épistémique considérable.
Polarisation et démocratie
Le problème dépasse largement la science. Une démocratie suppose que des personnes puissent être en désaccord sur les valeurs, les priorités, les politiques. Elle n’exige pas l’unanimité.
Mais une délibération démocratique devient extrêmement difficile lorsque les citoyens ne partagent plus aucun espace épistémique minimal concernant : les faits, les procédures, les institutions permettant de vérifier les affirmations.
Les modèles d’O’Connor et Weatherall montrent comment une dégradation progressive de la confiance peut produire précisément ce type de situation, même en l’absence d’un plan central visant à créer des factions.
Il faut néanmoins rester prudent : un modèle abstrait de réseaux épistémiques ne démontre pas pourquoi telle société réelle est politiquement polarisée. Les facteurs historiques, économiques, institutionnels et médiatiques doivent être étudiés empiriquement.
Mais le modèle isole un mécanisme :
une société peut perdre son espace factuel commun par la fragmentation de la confiance, même si chaque groupe continue à essayer de s’informer.
C’est une possibilité extrêmement importante.
Première limite : le modèle simplifie la psychologie de la confiance
Dans la réalité, nous n’accordons pas notre confiance uniquement en fonction de la distance entre nos croyances. Nous utilisons : l’expertise, la réputation, l’historique de fiabilité, l’appartenance institutionnelle, la proximité sociale, les conflits d’intérêts.
Le modèle de polarisation isole volontairement un mécanisme simple afin de voir ce qu’il peut produire. Il ne prétend pas reproduire la totalité de la psychologie humaine.
Sa valeur est donc celle d’un modèle :
si ce mécanisme existe suffisamment, voilà une dynamique qu’il peut engendrer.
Pour expliquer un cas concret, il faut ensuite : des enquêtes empiriques.
Deuxième limite : la méfiance envers les adversaires peut parfois être justifiée
Nous l’avons vu : certaines communautés produisent réellement de moins bonnes informations.
Si un groupe accumule fraudes, erreurs, théories réfutées, réduire la confiance envers ses résultats peut être rationnel.
Une théorie de la polarisation doit donc distinguer méfiance pathologique et : méfiance justifiée.
Des travaux postérieurs ont justement étudié des variantes où les agents disposent de raisons probabilistes de modifier la confiance accordée aux différentes sources. Cela complique l’image initiale et montre qu’une factionalisation peut, dans certains contextes, avoir des relations plus complexes avec la rationalité individuelle.
La bonne leçon n’est donc jamais :
« Faites confiance à tout le monde. »
Elle est :
faites dépendre votre confiance autant que possible de critères de fiabilité indépendants de la simple proximité idéologique.
Troisième limite : un camp peut avoir raison
La polarisation est parfois décrite comme si deux groupes symétriques s’éloignaient également de la vérité. Mais un groupe peut être largement correct et l’autre largement erroné.
La neutralité analytique d’un modèle ne doit donc pas se transformer en neutralité normative sur les preuves.
Nous devons distinguer expliquer pourquoi deux camps existent et : évaluer lequel possède les meilleures raisons. Ce sont deux tâches différentes.
La sociologie ou la modélisation explique : la structure du désaccord.
L’épistémologie normative demande encore :
Quelles preuves sont les meilleures ?
Nous retrouvons notre distinction entre cause de la croyance et : justification de la croyance.
Quatrième limite : toutes les corrélations de croyances ne sont pas factionnelles
Supposons plusieurs propositions reliées logiquement ou causalement. Si la preuve de A augmente réellement la probabilité de B, il est parfaitement normal que leurs croyances soient corrélées.
La factionalisation devient intéressante lorsque des croyances qui devraient être relativement indépendantes deviennent liées par les relations sociales de confiance.
Il faut donc éviter de dire :
« Ces personnes ont plusieurs opinions similaires, donc elles sont factionnalisées. »
Il faut examiner si les relations factuelles entre les questions suffisent déjà à expliquer la corrélation.
Le modèle de Weatherall et O’Connor s’intéresse justement à plusieurs croyances sur des questions indépendantes afin d’isoler la corrélation produite par la dynamique du réseau.
Cinquième limite : les plateformes numériques ne sont pas contenues dans le modèle
Il serait tentant de passer directement de ces modèles : aux réseaux sociaux numériques. Il existe évidemment une parenté conceptuelle : sélection des contacts, confiance, répétition, fragmentation. Mais les plateformes réelles possèdent des algorithmes, des modèles économiques, des influenceurs, des comportements stratégiques, des règles de recommandation qui ne sont pas automatiquement présents dans le modèle.
Le modèle peut fournir des hypothèses et des mécanismes à tester.
Il ne suffit pas pour conclure :
« Les algorithmes causent exactement cette polarisation de cette manière. »
Cela demanderait : des données empiriques spécifiques. C’est une précaution générale indispensable avec l’épistémologie sociale formelle.
Application à l’esprit critique : cartographier son réseau de confiance
Une pratique particulièrement utile consiste à se demander :
Sur quels sujets mes sources se ressemblent-elles presque toutes ?
D’où viennent-elles ?
Sont-elles réellement indépendantes ?
Est-ce que je considère automatiquement une source moins fiable lorsqu’elle conclut différemment de moi ?
Nous pouvons ainsi cartographier non seulement : nos opinions, mais : notre réseau de délégation épistémique.
C’est une démarche plus profonde que :
« diversifier les médias ».
Une source supplémentaire n’ajoute presque rien si : elle reprend exactement les mêmes producteurs d’information.
L’objectif est de disposer de suffisamment de chemins indépendants pour qu’une erreur locale ait une chance : d’être détectée ailleurs.
Une autre application : décomposer les « packages » idéologiques
Lorsqu’un ensemble de convictions semble aller naturellement ensemble, demandons :
Quel lien logique existe réellement entre elles ?
Supposons :
A,
B,
C,
D.
Peut-être :
A implique réellement B. Mais peut-être que C et D sont simplement corrélés parce qu’ils sont devenus : des marqueurs du même groupe.
Il faut alors réexaminer chaque proposition : séparément. C’est une excellente méthode pour préserver l’autonomie intellectuelle.
Au lieu de demander :
« Que pense mon camp de cette nouvelle question ? »
demander :
« Quelles raisons spécifiques existent sur cette question, indépendamment du reste du package ? »
C’est précisément le mouvement inverse de la factionalisation.
Une troisième application : protéger le désaccord interne
Une faction devient particulièrement fragile lorsqu’elle élimine : ses propres contradicteurs internes.
Une communauté saine devrait au contraire permettre des désaccords transversaux : une personne peut partager A avec son groupe mais rejeter B.
Ces profils « incohérents » du point de vue identitaire peuvent être épistémiquement précieux, car ils empêchent la transformation d’un groupe en bloc homogène.
La recherche sur la diversité, la confiance et le conformisme suggère justement que certaines formes de diversité peuvent limiter des dynamiques négatives de conformité collective, même si leurs effets dépendent fortement des paramètres et structures institutionnelles.
Une bonne culture critique ne devrait donc pas demander :
« Es-tu avec nous ? »
mais :
« Sur quel argument précis es-tu avec nous, et sur lequel ne l’es-tu pas ? »
Erreurs fréquentes
La première erreur est de croire que la polarisation prouve que les deux camps sont également irrationnels. Non : un camp peut posséder de bien meilleures preuves que l’autre ; le modèle explique une dynamique sociale, pas une égalité épistémique.
La deuxième est de penser que davantage de faits suffit toujours à réduire le désaccord. Si les nouvelles preuves proviennent de sources auxquelles un groupe n’accorde presque aucune confiance, leur influence peut être très faible.
La troisième est de dire que toute méfiance est irrationnelle. Nous avons au contraire besoin d’évaluer la fiabilité des sources ; le danger apparaît lorsque le désaccord lui-même devient la principale preuve de leur non-fiabilité.
La quatrième est d’assimiler factionalisation et simple diversité d’opinions. La factionalisation désigne l’apparition de blocs de croyances corrélées par des relations sociales de confiance et de méfiance.
La cinquième est de croire que les camps doivent exister avant les croyances. Le modèle de factionalisation montre précisément comment des factions peuvent émerger progressivement à partir des dynamiques de confiance entre agents enquêtant sur plusieurs problèmes.
La sixième est de penser que chambre d’écho signifie simplement ne jamais entendre l’opinion adverse. Une personne peut parfaitement être exposée aux arguments adverses et les considérer systématiquement comme peu crédibles.
La septième est de conclure que la neutralité exige de faire confiance également à toutes les sources. Une bonne épistémologie exige au contraire de différencier la confiance selon la compétence et la fiabilité, mais sans transformer l’accord avec soi en critère principal.
La huitième est de croire que le conformisme et la méfiance sont le même mécanisme. Ils peuvent tous deux produire de la polarisation, mais l’un agit par préférence à l’alignement social et l’autre par modification du poids donné aux preuves provenant des autres.
La neuvième est de transformer un modèle formel en explication suffisante de la politique réelle. Les simulations isolent des mécanismes possibles ; leur importance concrète doit être vérifiée empiriquement.
La dixième est de croire que sortir de la polarisation exige simplement d’être plus intelligent. Le problème peut être institutionnel et relationnel : des individus compétents placés dans un réseau de confiance dégradé peuvent collectivement produire une mauvaise dynamique.
Pourquoi la polarisation épistémique est importante dans l’histoire de l’épistémologie
Nous pouvons maintenant mesurer l’ampleur du déplacement effectué depuis l’épistémologie classique.
La question initiale ressemblait à :
Quelles preuves justifient ma croyance ?
Avec l’épistémologie sociale, elle devient :
De qui ai-je reçu ces preuves ?
Puis :
Pourquoi ai-je confiance en cette personne ?
Et finalement :
Comment les relations de confiance de toute une communauté déterminent-elles quelles preuves restent capables de modifier les croyances ?
Les travaux d’O’Connor et Weatherall montrent que la vérité ne circule pas dans un espace social neutre. Une information se déplace à travers des réseaux déjà structurés par la confiance et la méfiance. Ces relations peuvent être nécessaires et raisonnables, mais elles peuvent aussi produire des boucles conduisant à une polarisation durable.
La factionalisation ajoute une conséquence encore plus forte : une controverse peut modifier les relations de confiance de telle manière que les conflits suivants se trouvent préstructurés. Nous ne jugeons plus chaque proposition indépendamment ; nous héritons d’un réseau social qui nous indique à l’avance quelles sources sont probablement dignes de confiance.
L’histoire des croyances influence donc : les croyances futures.
L’épistémologie devient dynamique.
À retenir
Les modèles de polarisation scientifique d’O’Connor et Weatherall montrent que des agents peuvent former des groupes aux croyances durablement opposées même lorsqu’ils recueillent réellement des preuves et que certaines croyances sont objectivement meilleures que d’autres. Le mécanisme central apparaît lorsque les individus accordent moins de crédibilité aux données provenant de personnes dont les croyances sont suffisamment éloignées des leurs.
La polarisation peut alors devenir auto-entretenue :
désaccord → méfiance → preuves adverses moins influentes → davantage de désaccord.
Dans la factionalisation épistémique, ce mécanisme se propage entre plusieurs sujets : les relations de confiance construites lors d’une première controverse affectent la manière dont les agents apprennent sur les suivantes. Des propositions initialement indépendantes deviennent ainsi corrélées et des factions émergent sans avoir nécessairement été définies à l’avance.
Le point décisif n’est donc pas seulement :
quelles informations possédons-nous ?
Il est :
quels acteurs de notre réseau possèdent encore la capacité de nous faire changer d’avis ?
Une société dans laquelle chacun dispose d’énormément d’informations peut néanmoins devenir épistémiquement fragmentée si chaque groupe reconnaît uniquement : ses propres experts, ses propres institutions, ses propres médias.
La réponse ne peut alors être ni :
« faites confiance à tout le monde »
ni :
« ne faites confiance à personne ».
L’objectif plus réaliste est :
construire des systèmes de confiance révisables, fondés sur des critères indépendants de la simple proximité idéologique et suffisamment ouverts pour que des preuves venant d’autres groupes puissent encore modifier nos croyances.
Pour l’autonomie critique, la leçon est particulièrement profonde :
Penser par soi-même ne consiste pas seulement à savoir analyser un argument. Cela consiste aussi à savoir examiner le réseau de confiance par lequel les arguments arrivent jusqu’à nous.
Et surtout :
ne pas laisser notre appartenance à un groupe décider à l’avance quelles preuves nous accepterons.
Cette étape prépare directement une autre question contemporaine majeure. La confiance peut être fragmentée entre groupes ; mais elle peut aussi être injustement distribuée entre personnes, certaines étant systématiquement moins crues ou moins capables de faire reconnaître leurs expériences en raison de leur position sociale.
C’est cette question que développe Miranda Fricker avec le concept d’injustice épistémique, notamment l’injustice testimoniale et l’injustice herméneutique.
Pour aller plus loin
Cailin O’Connor et James Owen Weatherall, « Scientific Polarization » (2018). Le texte fondamental. Les auteurs montrent dans un modèle de réseaux épistémiques qu’une polarisation peut apparaître entre agents qui recherchent effectivement des preuves et pour lesquels la vérité possède un avantage objectif. Le mécanisme central est la dépréciation des informations provenant de personnes dont les convictions sont suffisamment différentes. C’est le meilleur texte pour comprendre pourquoi polarisation et irrationalité individuelle ne sont pas synonymes.
James Owen Weatherall et Cailin O’Connor, « Endogenous Epistemic Factionalization » (2021). Le prolongement essentiel. Les auteurs passent d’une seule controverse à plusieurs questions et montrent comment des factions peuvent apparaître endogènement lorsque la méfiance créée par un désaccord affecte les échanges d’informations sur d’autres sujets. L’article explique ainsi comment plusieurs croyances indépendantes peuvent finir par se regrouper en « packages » épistémiques.
James Owen Weatherall et Cailin O’Connor, « Conformity in Scientific Networks » (2020). Un complément important parce qu’il distingue la polarisation produite par la défiance de celle qui peut résulter de pressions au conformisme. Les simulations montrent que le désir de s’aligner sur ses voisins peut dégrader les performances épistémiques collectives et, selon certaines structures de réseau, contribuer à une polarisation stable.
Cailin O’Connor et James Owen Weatherall, *The Misinformation Age: How False Beliefs Spread* (2019). L’ouvrage permet de sortir des seuls modèles techniques. Son idée générale est que la persistance des croyances fausses ne peut pas être comprise uniquement en étudiant les biais de chaque individu : elle dépend aussi de la manière dont les personnes sont reliées, des relations de confiance qu’elles entretiennent et de ceux auxquels elles ont accès comme sources de connaissance.
« Formal Epistemology », *Stanford Encyclopedia of Philosophy*. La section consacrée à l’épistémologie sociale présente pédagogiquement les modèles où le partage des informations, la méfiance et la structure des réseaux produisent des résultats collectifs parfois contre-intuitifs. C’est une bonne ressource pour replacer O’Connor et Weatherall dans le développement plus large de l’épistémologie formelle.
D. P. W. Freeborn, « Rational Factionalization for Agents with Probabilistically Related Beliefs » (2024). Un prolongement intéressant pour nuancer le modèle initial. L’article explore des situations où les croyances portant sur différents sujets ne sont plus totalement indépendantes et où certains comportements de confiance peuvent avoir une justification probabiliste. Il montre pourquoi il faut éviter de considérer toute factionalisation comme le produit d’une simple irrationalité.
Pour la suite : Miranda Fricker, *Epistemic Injustice: Power and the Ethics of Knowing* (2007). Les modèles de polarisation nous ont montré comment les relations de confiance déterminent le poids donné aux preuves. Fricker pose une question complémentaire : que se passe-t-il lorsqu’une personne reçoit systématiquement trop peu de crédibilité en raison de préjugés sociaux, ou lorsqu’elle ne dispose même pas des concepts nécessaires pour rendre intelligible son expérience ? Avec l’injustice épistémique, la distribution de la crédibilité devient non seulement un problème d’efficacité collective, mais aussi une question de justice.