Popularité, majorité et consensus

Un produit est utilisé par des millions de personnes. Quelqu’un affirme : « Autant de gens ne peuvent pas se tromper. Il doit donc être efficace. » Le raisonnement est insuffisant. Une pratique peut devenir populaire par tradition, imitation, publicité, réputation ou simple inertie sans que son efficacité ait été correctement démontrée. Imaginons maintenant qu’un comité hospitalier doive choisir entre deux dates pour modifier son organisation. Après discussion, douze membres préfèrent le lundi et huit le mercredi. Le lundi est retenu.

Cette fois, la majorité a parfaitement rempli sa fonction : prendre une décision collective. Elle n’a pas démontré que le lundi possède une propriété objective mystérieuse qui le rend « vrai ». Elle a permis de sélectionner une option lorsqu’une décision commune était nécessaire.

Considérons enfin une troisième situation. Des chercheurs spécialisés dans un domaine étudient pendant des années plusieurs ensembles de données, utilisent différentes méthodes, contestent leurs résultats, répliquent certaines expériences et finissent par converger largement vers une conclusion. Le fait que cette conclusion fasse l’objet d’un consensus d’experts constitue cette fois une information épistémique réelle pour un non-spécialiste. Ces trois cas ont en commun : plusieurs personnes sont d’accord. Mais l’accord n’a pas la même signification. Il faut distinguer au minimum : popularité : beaucoup de personnes croient ou font quelque chose ; majorité : plus de la moitié d’un groupe soutient une option ou une proposition ; consensus : une convergence suffisamment large, souvent issue d’un processus de discussion, d’examen et de critique ;

consensus d’experts : convergence de personnes possédant une compétence pertinente, idéalement fondée sur des preuves et des méthodes suffisamment indépendantes. L’erreur classique, appelée appel au peuple, *argumentum ad populum* ou parfois *ad numerum*, consiste à donner à la popularité davantage de force probante qu’elle n’en possède réellement. L’Internet Encyclopedia of Philosophy souligne toutefois une nuance importante : ce que croit une grande majorité n’est pas nécessairement sans aucune valeur informative ; le sophisme apparaît lorsque ce soutien est surestimé et traité comme une garantie de vérité. (Encyclopédie Internet de la Philosophie) La question intéressante devient donc : « Pourquoi cet accord collectif existe-t-il, et le processus qui l’a produit est-il suffisamment relié à la vérité pour que le nombre de personnes constitue réellement une preuve ? »

« Tout le monde le pense » ne suffit pas

La forme la plus simple est :

Beaucoup de personnes croient P.

Donc P est vraie.

Ou :

Peu de personnes croient P.

Donc P est fausse.

La Stanford Encyclopedia of Philosophy classe cette structure parmi les formes traditionnelles de l’*ad populum*. Une pratique ou une croyance largement répandue peut fournir au mieux un soutien limité ; sa popularité ne constitue pas une preuve contraignante de sa vérité ou de sa valeur. (Encyclopédie de philosophie de Stanford) L’histoire fournit suffisamment d’exemples de croyances autrefois très répandues qui ont ensuite été abandonnées pour montrer que : majorité ≠ infaillibilité. Mais la réaction inverse serait également trop simple : « Beaucoup de gens le pensent, donc c’est probablement faux. » La popularité n’est ni une preuve décisive en faveur d’une proposition ni une preuve contre elle. Elle demande une explication. Pourquoi la popularité peut-elle parfois nous apprendre quelque chose ?

Supposons que vous arriviez dans une ville inconnue et cherchiez un restaurant correct. Deux établissements comparables sont voisins. Le premier est presque vide depuis des semaines ; le second reçoit constamment de nombreux clients locaux et les avis convergent généralement sur sa qualité. La popularité du second peut constituer une petite information pertinente. Pourquoi ? Parce qu’il existe un mécanisme plausible : clients → expérience → évaluation → retour ou recommandation. Mais cette chaîne peut être déformée : emplacement plus visible ; publicité massive ; effet de mode ; touristes attirés par les touristes ; faux avis ; ancienneté ; prix plus bas. La popularité devient donc informative seulement dans la mesure où nous avons des raisons de penser qu’elle résulte effectivement de la propriété que nous cherchons à connaître. C’est exactement pourquoi l’IEP prend soin de ne pas définir l’appel au peuple comme :

« toute utilisation du nombre est fallacieuse », mais comme le fait d’accorder trop de poids à l’opinion collective. (Encyclopédie Internet de la Philosophie) Le nombre seul ne dit pas pourquoi les personnes sont d’accord. Supposons que 10 000 personnes répètent la même information. Cela peut sembler très impressionnant. Mais découvrons que toutes l’ont lue dans le même message viral. Nous ne possédons pas 10 000 confirmations indépendantes. Nous avons : une source initiale ; reproduite 10 000 fois. La distinction entre nombre de personnes et nombre de sources indépendantes d’information est fondamentale. Si dix médecins donnent le même avis parce qu’ils ont tous consulté la même analyse erronée, leurs opinions ne constituent pas dix fois plus de preuves.

Inversement, si dix équipes indépendantes utilisant des méthodes différentes obtiennent le même résultat, la convergence est beaucoup plus informative. Le nombre brut des voix ne suffit donc pas. Il faut comprendre leur dépendance. Une foule peut s’imiter elle-même. Imaginons une rue où plusieurs personnes s’arrêtent devant une vitrine. Des passants pensent : « S’ils regardent tous, quelque chose d’important doit se passer. » Ils s’arrêtent à leur tour. De nouveaux passants voient une foule encore plus grande et font le même raisonnement. Il est possible que presque personne ne sache pourquoi il regarde. La popularité devient alors auto-renforçante. Le mécanisme peut fonctionner pour : achats, rumeurs, contenus en ligne, modes, investissements et opinions. Une croyance peut devenir répandue en partie parce qu’elle est déjà répandue. Dans ce cas, compter les croyants revient à compter plusieurs fois le même signal social.

La question devient donc : « Combien de personnes possèdent réellement une raison indépendante, et combien suivent simplement ce que font les autres ? » Popularité et qualité peuvent néanmoins être corrélées. Il faut éviter une caricature fréquente dans l’enseignement des sophismes. Supposons qu’un service soit utilisé pendant vingt ans par des millions de personnes qui peuvent facilement l’abandonner s’il fonctionne mal. Sa popularité durable peut fournir une certaine information sur : sa facilité d’usage ; son adéquation à certains besoins ; sa fiabilité perçue. Mais elle ne permet pas automatiquement de conclure : qu’il est le meilleur ; qu’il est sans défaut ; qu’il est moralement préférable ; qu’il est adapté à toute personne. Le bon raisonnement est gradué : popularité = éventuellement un indice ; jamais un verdict universel. « Des millions de clients ne peuvent pas se tromper ». Ils le peuvent.

Mais ils peuvent aussi avoir de bonnes raisons. La formulation correcte serait :

« Ce produit est très largement utilisé. Cela suggère qu’il possède probablement certaines qualités appréciées par ses utilisateurs, mais nous devons encore déterminer lesquelles et vérifier si elles correspondent au critère qui nous intéresse. »

Cette phrase est moins spectaculaire. Elle est beaucoup plus précise. Popularité et vérité : attention au domaine. Le nombre peut avoir des significations très différentes selon la question. Supposons : « Quel parfum de glace les gens préfèrent-ils ? » La préférence de la population est précisément l’objet de l’étude. Interroger beaucoup de personnes est donc directement pertinent. Mais : « Quelle molécule inhibe cette enzyme ? » n’est pas déterminé par un vote populaire. De même : « Cette musique est-elle la plus écoutée ? » est une question empirique sur les comportements. « Cette musique est-elle objectivement la meilleure ? » introduit un jugement esthétique beaucoup plus complexe. Avant d’utiliser la majorité, il faut donc demander : « Le nombre de personnes constitue-t-il ici la propriété que nous cherchons à mesurer, ou seulement une opinion sur cette propriété ? » Une majorité peut décider sans avoir raison.

Supposons qu’un groupe de vingt personnes doive choisir l’heure d’une réunion. Douze préfèrent 14 heures, huit 15 heures. Un vote majoritaire peut constituer une excellente procédure. Après le vote : 14 heures devient l’heure de la réunion. Mais ce n’est pas parce que : « 14 heures était objectivement vraie avant le vote. » Le vote a produit une décision collective. Cette distinction est essentielle. Certaines procédures collectives répondent à : « Quelle règle allons-nous adopter ? » et non : « Quelle proposition décrit correctement le monde ? » Une majorité peut donc posséder une autorité décisionnelle sans posséder une autorité épistémique infaillible. Le vote peut transformer une convention, pas un fait naturel. Une assemblée peut décider : que la réunion commence à 14 heures ; que tel document constitue la version officielle ; que telle procédure sera appliquée.

Le vote peut rendre ces choses institutionnellement vraies parce que les règles de l’organisation attribuent ce pouvoir au groupe. Le même groupe ne peut pas voter pour rendre vrai : « le médicament réduit la mortalité de 30 % » si les données montrent autre chose. Il faut donc distinguer : faits dépendant d’une convention ou d’une décision institutionnelle et : faits empiriques indépendants du vote. La majorité peut déterminer le premier type dans certains contextes. Elle ne détermine pas directement le second. Une majorité reste utile lorsque personne ne possède de réponse certaine. Supposons qu’une équipe doive choisir entre plusieurs stratégies raisonnables et que les preuves disponibles ne déterminent pas clairement une option supérieure. Il faut malgré tout agir. Un vote peut devenir une procédure légitime pour : agréger les préférences ; produire une décision commune ; éviter le blocage. Dans cette situation, exiger :

« le vote doit d’abord démontrer quelle option est objectivement vraie » confondrait décision et connaissance. Une procédure majoritaire peut être raisonnable précisément parce que certaines décisions ne possèdent pas de réponse factuelle unique. Majorité et consensus ne sont pas synonymes. Supposons un comité de dix experts. Six soutiennent A. Quatre soutiennent B. Nous avons : une majorité pour A. Avons-nous nécessairement : un consensus sur A ? Pas au sens ordinaire du terme. Un consensus suggère généralement une convergence plus large, souvent accompagnée d’un certain degré d’acceptation collective ou de convergence après discussion. Le concept reste toutefois variable selon les domaines.

Dans certaines méthodes formelles de consensus, comme les procédures Delphi, différents seuils ou mesures peuvent être employés. Une revue méthodologique a d’ailleurs recensé de nombreuses manières différentes de mesurer le consensus et montré que sa quantification n’est pas standardisée universellement. (ScienceDirect) Dire : « il existe un consensus » devrait donc idéalement être accompagné de : « selon quelle définition et sur quelle proposition précise ? » Consensus ne signifie pas unanimité. Une confusion fréquente consiste à supposer : consensus = tout le monde est d’accord. Mais un consensus peut parfaitement coexister avec : une minorité dissidente ; des réserves ; plusieurs estimations différentes ; des désaccords sur certains mécanismes.

John Beatty et Alfred Moore ont même soutenu que l’exigence d’unanimité pouvait nuire à la qualité de la délibération scientifique : un consensus épistémiquement respectable peut comporter une dissidence réelle, et la transparence de cette dissidence peut être une force plutôt qu’un défaut. (Cambridge University Press)

Des travaux plus récents vont plus loin. Finnur Dellsén défend l’idée que, dans certaines conditions, un consensus comportant une petite proportion de désaccord peut constituer pour le profane une preuve plus convaincante qu’une unanimité totale, précisément parce qu’il suggère qu’un véritable espace critique subsiste au sein de la communauté. (DOI) La présence d’une minorité ne permet donc pas automatiquement de dire : « Il n’y a pas de consensus. » « Un scientifique n’est pas d’accord » ne suffit pas à établir une controverse équilibrée. Supposons : 90 % des spécialistes soutiennent P ; 7 % restent incertains ; 3 % soutiennent non-P. Il existe bien un désaccord. Mais dire : « Les experts sont divisés : certains pensent P, d’autres non-P » crée artificiellement une symétrie. Inversement, dire : « Tous les scientifiques pensent P » effacerait une dissidence réelle.

La formulation correcte devrait représenter la distribution effective : large consensus sur P, avec une minorité dissidente et une zone d’incertitude. Cette précision est plus informative que les deux slogans opposés.

Pourquoi un consensus d’experts peut-il constituer une preuve ?

Pas parce que la vérité serait décidée par vote. Le raisonnement est indirect. Supposons qu’un domaine réunisse de nombreux spécialistes capables d’évaluer des données auxquelles le non-spécialiste n’a pas facilement accès. Ces chercheurs : utilisent plusieurs méthodes, se critiquent, peuvent publier des résultats contradictoires, ont intérêt à détecter certaines erreurs, disposent de formations pertinentes et convergent malgré cela largement vers P. Pour le profane, une explication plausible de cette convergence peut être : les preuves disponibles favorisent réellement P.

La littérature contemporaine sur le consensus scientifique insiste précisément sur cette différence entre simple accord et consensus épistémiquement justifié. Les conditions proposées incluent notamment diversité du groupe, examen critique, absence de coercition, ouverture au désaccord et soutien empirique. (Springer Nature Link) Le nombre compte ici parce qu’il reflète — idéalement — un processus de production de connaissance. Le consensus des experts n’est donc pas une version sophistiquée du « tout le monde le pense ». Comparons : « Neuf personnes sur dix dans mon entourage pensent que ce médicament fonctionne. » et : « Une majorité très large de spécialistes, après examen d’essais indépendants et de synthèses de la littérature, considère que le médicament possède cet effet. » Dans les deux cas : beaucoup de personnes pensent P.

Mais les raisons de leur accord sont complètement différentes. Dans le premier cas, les personnes peuvent : se copier ; partager les mêmes anecdotes ; être exposées à la même publicité ; ne posséder aucune formation pertinente. Dans le second, nous espérons que l’accord résulte : de méthodes ; de compétences ; de données ; de critique. C’est ce processus qui transforme le consensus expert en information plus substantielle. Pourtant, tous les consensus d’experts ne se valent pas. Le terme consensus scientifique peut lui-même devenir une étiquette d’autorité. Un consensus peut être fragile si : tous les chercheurs utilisent le même jeu de données erroné ; les critiques sont découragées ; les méthodes disponibles possèdent toutes la même faiblesse ; les incitations institutionnelles favorisent fortement une conclusion ; les membres du groupe sont excessivement homogènes ;

le processus d’admission dans le domaine élimine certaines critiques légitimes. La philosophie sociale des sciences étudie précisément la manière dont les structures collectives peuvent améliorer ou détériorer la fiabilité de la connaissance. La tradition associée notamment à Helen Longino insiste sur l’importance de véritables possibilités de critique, de réponses aux objections, de standards partagés et d’une distribution suffisamment ouverte de l’autorité intellectuelle. (Encyclopédie de philosophie de Stanford) Un consensus possède donc davantage de valeur lorsque nous pouvons expliquer : comment la critique aurait pu le faire échouer s’il était mal fondé. La diversité compte. Supposons cent chercheurs. Tous ont : la même formation ; le même directeur ; les mêmes données ; la même méthode ; les mêmes présupposés. Le nombre cent impressionne.

Mais leur convergence apporte moins d’information que celle de plusieurs équipes réellement indépendantes utilisant des méthodes et des sources différentes. Une synthèse récente consacrée à l’expertise souligne précisément que la fiabilité d’un consensus suppose notamment que les jugements convergents ne soient pas simplement les copies d’une même évaluation initiale. (Compass Hub) La diversité utile n’est cependant pas une diversité purement décorative. Elle doit permettre : différentes manières de détecter les erreurs ; différentes expériences ; différentes méthodes ; différentes hypothèses concurrentes. La diversité améliore la valeur du consensus lorsqu’elle augmente l’indépendance critique du processus. Plus de diversité ne signifie pas qu’il faut artificiellement représenter toutes les opinions imaginables.

Supposons qu’une communauté scientifique dispose de milliers d’études sur une question. Il serait étrange de créer volontairement : 50 % de défenseurs de P ; 50 % de défenseurs de non-P si les données disponibles conduisent presque tous les spécialistes vers P. La diversité intellectuelle signifie : possibilité réelle de contestation ; pluralité des méthodes ; examen sérieux des objections. Elle ne signifie pas : fabriquer une symétrie entre des positions qui ne possèdent pas la même quantité de preuve. L’esprit critique exige une ouverture aux objections, pas une égalité artificielle des conclusions. La possibilité de dissidence renforce la valeur du consensus. Un consensus obtenu parce que : les dissidents risquent leur emploi ; certaines données sont interdites ; aucune objection ne peut être publiée possède évidemment moins de valeur. À l’inverse, lorsqu’une communauté : permet la critique ;

récompense parfois la découverte d’erreurs ; publie des résultats négatifs ; discute ouvertement ses incertitudes, la convergence devient plus informative. C’est pourquoi la présence de certains désaccords peut paradoxalement être rassurante : elle montre que la communauté n’exige pas nécessairement l’uniformité.

Les travaux de Dellsén sur le désaccord expert explorent précisément cette idée : une communauté qui continue à débattre de nombreuses questions tout en convergeant sur certaines peut fournir au profane une raison supplémentaire de croire que cette convergence n’est pas simplement le produit d’une conformité générale. (Taylor & Francis Online) Un consensus peut néanmoins se détériorer. Il serait excessif d’en conclure : « Consensus d’experts = toujours fiable. »

Une étude philosophique publiée en 2026 s’intéresse précisément aux situations où des mécanismes de gatekeeping et des dynamiques collectives dégradées peuvent rendre une déférence automatique envers une communauté scientifique moins justifiée. L’idée n’est pas que le profane puisse simplement substituer son intuition à l’expertise, mais que la qualité institutionnelle du processus scientifique constitue elle-même une variable pertinente. (Springer Nature Link) Nous devons donc éviter deux extrêmes : consensus = vérité garantie et : les experts peuvent se tromper, donc leur consensus ne vaut rien. La possibilité d’erreur diminue l’infaillibilité. Elle n’annule pas nécessairement la valeur probante. La convergence peut être produite par la même erreur commune. Supposons vingt laboratoires qui utilisent le même logiciel.

Un défaut du logiciel produit systématiquement une erreur de calcul. Les vingt laboratoires obtiennent le même résultat. Nous avons : répétition ; mais pas véritable indépendance. Si le défaut est découvert, tout le consensus peut se déplacer rapidement. Cette possibilité montre pourquoi les réplications réellement informatives cherchent idéalement : des équipes indépendantes ; d’autres méthodes ; d’autres instruments ; d’autres populations. La convergence de plusieurs lignes de preuve indépendantes est beaucoup plus intéressante que la répétition du même pipeline. Popularité et consensus peuvent se nourrir l’un l’autre. Une proposition peut devenir populaire parce qu’un consensus d’experts la soutient. Dans ce cas, le nombre de personnes ordinaires qui l’acceptent n’apporte pas nécessairement une grande preuve supplémentaire. Supposons : mille scientifiques produisent les connaissances ;

des millions de personnes leur font confiance. Compter ensuite les millions de citoyens ne transforme pas le corpus scientifique initial en millions de confirmations indépendantes. Nous devons toujours chercher la source primaire de l’information. Cette idée est fondamentale dans un environnement numérique où : millions de publications ; partages ; commentaires ; peuvent remonter à : une seule étude. Le consensus peut être spontané ou organisé. Il existe plusieurs manières de parler de consensus scientifique. Parfois, aucune commission ne vote. Les spécialistes convergent progressivement parce que : les manuels changent ; les hypothèses concurrentes disparaissent ; les nouvelles recherches prennent une conclusion comme point de départ. On peut parler de consensus informel ou spontané. Dans d’autres situations, un organisme constitue un groupe d’experts pour examiner explicitement un dossier et produire une recommandation.

Il existe alors des méthodes formelles : Delphi ; groupes nominaux ; conférences de consensus ; panels structurés. La littérature méthodologique montre que ces processus ont des règles différentes et que le simple mot « consensus » ne garantit donc pas une procédure particulière. (ScienceDirect) Il faut demander : « De quel type de consensus parle-t-on ? » Consensus sur les faits et consensus sur les recommandations. Un comité médical peut être largement d’accord sur : « le traitement réduit en moyenne le risque de X de telle amplitude ». Mais être moins d’accord sur : « à partir de quel niveau de risque devons-nous le recommander ? » Pourquoi ? Parce que la seconde proposition ajoute : coûts ; effets indésirables ; préférences des patients ; valeurs ; seuils décisionnels. Il faut donc distinguer : consensus factuel et :

consensus normatif ou décisionnel. Les experts peuvent posséder une autorité particulièrement forte sur les prémisses techniques tout en partageant avec d’autres acteurs la délibération sur les valeurs. Un consensus sur une recommandation ne doit pas être automatiquement présenté comme si chaque élément de cette recommandation constituait une découverte empirique. Majorité d’experts et consensus d’experts. Supposons que 55 % des spécialistes soutiennent H1 et 45 % H2. Nous avons une majorité. Mais un non-spécialiste devrait probablement retenir : désaccord substantiel entre experts. Dire : « La science a tranché H1 » serait excessif. À l’inverse, avec : 95 % pour H1 ; 5 % pour H2, la caractérisation : « large consensus autour de H1, avec une minorité dissidente » devient plus appropriée. Il n’existe toutefois pas un seuil universel magique : 75 %, 90 %, 95 %. La structure de l’accord compte également : force des preuves ;

indépendance ; incertitude ; diversité des méthodes. Compter les experts peut être plus difficile qu’il n’y paraît. Supposons vouloir savoir : « Quel pourcentage des experts soutient P ? » Qui compte comme expert ? Tous les titulaires d’un doctorat ? Uniquement les chercheurs publiant actuellement sur cette question ? Tous les membres d’une société savante ? Quel domaine doit être inclus ? Comment traiter : les abstentions ; les réponses incertaines ; les nuances ? La mesure du consensus peut donc elle-même être contestable. Une bonne présentation ne devrait pas transformer une estimation méthodologique en chiffre métaphysiquement exact. Il faut regarder : la population interrogée ; le questionnaire ; la définition des catégories ; le taux de réponse. Nous retrouvons ici les problèmes de généralisation et d’échantillonnage étudiés plus tôt.

« 97 % des experts » : le nombre ne suffit toujours pas

Même un pourcentage très élevé doit être contextualisé. Il faut demander : 97 % de qui ? interrogés comment ? sur quelle proposition exacte ? avec quelles options de réponse ? à quelle date ? Cette prudence n’annule pas la valeur du résultat. Elle empêche simplement le chiffre de devenir un argument magique. Le même principe vaut pour : 60 % ; 80 % ; 99 %. La précision apparente d’un nombre ne remplace pas l’examen de sa méthode de production. Popularité et consensus ne répondent pas au même problème. On peut résumer : « Beaucoup de personnes pensent P » nous apprend quelque chose sur la diffusion sociale de P. « Beaucoup d’experts indépendants ont examiné les preuves et convergent vers P » nous apprend quelque chose, potentiellement important, sur l’état des connaissances spécialisées. Les deux phrases contiennent : « beaucoup de personnes ». Mais cette ressemblance grammaticale masque une différence épistémique majeure.

Cas pratique : un traitement « utilisé depuis toujours »

Une personne affirme : « Ce remède est utilisé par des millions de personnes depuis des générations. Il doit donc fonctionner. » L’usage ancien peut nous apprendre plusieurs choses. Il peut suggérer que : le produit est relativement accessible ; certaines personnes pensent en tirer un bénéfice ; des effets toxiques immédiatement catastrophiques auraient peut-être été remarqués. Mais il ne suffit pas à établir : l’efficacité spécifique du traitement. Pourquoi ? Parce que les symptômes peuvent s’améliorer spontanément, les utilisateurs satisfaits peuvent davantage témoigner et l’usage peut être transmis culturellement. La popularité constitue donc ici une donnée contextuelle, pas un essai clinique. Cas pratique : « neuf collègues sur dix sont d’accord ». Supposons qu’un professionnel affirme : « J’ai demandé à dix collègues et neuf pensent que cette procédure est meilleure. » Cela peut être intéressant.

Mais plusieurs questions restent ouvertes : Les collègues ont-ils une expérience pertinente ? Se sont-ils concertés ? Ont-ils examiné des données ? La question porte-t-elle sur leur préférence ou sur un effet mesurable ? Si la question est : « Quelle procédure l’équipe préfère-t-elle ? » les neuf opinions répondent presque directement. Si la question est : « Quelle procédure réduit réellement les erreurs ? » il faut des preuves supplémentaires. Même groupe, même vote, fonction différente.

Cas pratique : plusieurs spécialistes convergent

Supposons maintenant : trois grandes études indépendantes ; deux méthodes différentes ; plusieurs équipes ; une revue systématique ; des recommandations convergentes. Dans ce contexte, constater qu’une large majorité des spécialistes accepte la conclusion apporte au non-expert une information supplémentaire. Le consensus ne remplace pas les études. Il synthétise indirectement leur interprétation collective par des personnes capables de les évaluer. Cela explique pourquoi un non-expert peut raisonnablement lui attribuer un poids important sans en faire une vérité révélée. Cas pratique : une voix dissidente médiatisée. Une émission réunit : un spécialiste représentant la position largement dominante ; un spécialiste dissident. Visuellement : 1 contre 1. Le public peut conclure : « les scientifiques sont partagés en deux camps équivalents ».

Mais la sélection médiatique n’est pas nécessairement représentative de la distribution réelle des opinions expertes. C’est un problème de fausse équivalence et d’échantillonnage. La bonne pratique consiste à indiquer : la place réelle de chaque position dans le domaine. Cela ne signifie pas interdire la dissidence. Cela signifie ne pas confondre : équilibre du plateau avec : équilibre de la littérature. Quand l’opinion publique devient elle-même le fait étudié. Supposons : « 70 % des personnes interrogées soutiennent cette mesure. » Si la question est : « Quel est le niveau de soutien populaire ? » le sondage est directement pertinent. Si la conclusion devient : « La mesure est donc scientifiquement efficace », le raisonnement change de niveau. L’opinion publique peut déterminer : préférences ; acceptabilité ; légitimité sociale dans certains processus. Elle ne détermine pas automatiquement : efficacité technique ; causalité ;

vérité factuelle. Cette distinction est particulièrement importante pour ne pas appeler « appel au peuple » toute utilisation légitime d’un sondage. Un vote majoritaire peut même être la meilleure preuve disponible dans certains cas. Supposons qu’un comité d’experts doive classer des cas à partir d’informations partiellement subjectives. Chaque spécialiste possède une compétence légèrement supérieure au hasard, leurs erreurs sont suffisamment indépendantes et aucune personne ne possède de méthode clairement dominante. Agréger leurs jugements peut améliorer la décision collective. Cela ne signifie pas : « majorité = vérité ». Cela signifie que dans certaines conditions, agréger plusieurs jugements partiellement fiables peut être une méthode raisonnable.

La logique de ces phénomènes apparaît dans les traditions liées aux théorèmes de jury et à la « sagesse des foules », mais les conditions sont exigeantes : compétence minimale, indépendance suffisante et absence de biais commun majeur. Dès que tout le monde dépend de la même erreur, le bénéfice de l’agrégation peut disparaître.

Pourquoi « les masses se trompent toujours » est aussi une mauvaise règle

Après avoir appris l’*ad populum*, on peut devenir tenté par une sorte de sophisme inversé : « Si c’est populaire, c’est probablement faux ou médiocre. » Cela n’a pas davantage de justification générale. Certaines croyances sont populaires parce qu’elles sont très bien établies. Beaucoup de personnes pensent : que les objets lâchés tombent ; que l’eau éteint certains feux ; qu’un médecin peut être utile lorsqu’on est malade. La popularité de ces croyances ne les réfute pas. L’esprit critique n’est pas une préférence automatique pour la minorité. Il consiste à rechercher les mécanismes et les preuves derrière l’accord ou le désaccord. Être anticonformiste n’est pas une méthode de connaissance. Il existe une tentation identitaire : « La majorité pense X ; moi je pense non-X ; je suis donc plus indépendant. » Mais une croyance n’est pas plus rationnelle simplement parce qu’elle est minoritaire.

Suivre systématiquement la minorité est encore une manière de laisser la majorité déterminer sa pensée — simplement en choisissant toujours l’opposé. L’autonomie intellectuelle demande : pouvoir être d’accord avec la majorité lorsqu’elle possède de bonnes raisons ; et en désaccord lorsqu’elle en possède de mauvaises. Le nombre n’est pas une boussole suffisante dans un sens comme dans l’autre. Comment diagnostiquer un appel abusif à la popularité ? Lorsqu’un argument dit : « Tout le monde le pense », demandons : Quelle conclusion cherche-t-on à établir ? Une préférence collective, un fait scientifique, une valeur morale ? Pourquoi le nombre de personnes serait-il pertinent pour cette conclusion ? Leurs jugements sont-ils indépendants ? Possèdent-elles un accès pertinent à l’information ? Se copient-elles ? La popularité peut-elle s’expliquer autrement ? Le degré de soutien est-il présenté correctement ?

La conclusion dépasse-t-elle ce que l’accord permet réellement d’établir ? La dernière question est la plus importante.

Comment évaluer un consensus d’experts ?

Il faut ajouter plusieurs critères. Les personnes sont-elles réellement expertes sur la question précise ? Le consensus porte-t-il précisément sur la proposition invoquée ? Quelle est l’ampleur du désaccord restant ? Les experts disposent-ils de sources suffisamment indépendantes ? Existe-t-il plusieurs méthodes convergentes ? La critique est-elle institutionnellement possible ? Les objections ont-elles été sérieusement examinées ? Existe-t-il des conflits d’intérêts ou incitations communes susceptibles de déformer le processus ? Le consensus est-il ancien, récent ou en évolution rapide ? Les incertitudes sont-elles explicitement représentées ? Un consensus satisfait davantage ces conditions lorsqu’il résulte d’un processus que l’on pourrait résumer ainsi : diversité + expertise + données + critique + convergence. Une grille simple.

SituationCe que le nombre permet raisonnablement de conclure
« Des millions de personnes utilisent ce produit »Il est populaire ; certaines qualités peuvent expliquer cette popularité
« Des millions de personnes disent qu’il guérit »Témoignages nombreux, mais efficacité non démontrée à elle seule
« 12 membres sur 20 votent pour lundi »Le lundi peut légitimement devenir la décision du groupe selon la règle de vote
« 55 % des experts soutiennent H1 »Majorité, mais désaccord substantiel
« Une large majorité d’experts indépendants converge vers H1 sur la base de plusieurs lignes de preuve »Information épistémique substantielle en faveur de H1
« Un expert dissident existe »Montre l’absence d’unanimité, pas nécessairement l’absence de consensus
« Tous les experts citent exactement la même étude »Convergence moins indépendante qu’elle ne paraît
« Le consensus a été obtenu sous forte pression institutionnelle »Sa valeur épistémique doit être examinée plus prudemment
« La majorité de la population préfère A »Pertinent pour mesurer la préférence ; pas automatiquement pour l’efficacité de A

Comment réparer l’argument ?

Prenons : « Des millions de personnes croient P, donc P est vraie. » On peut dire :

« La croyance en P est très répandue. Cela peut être une information faible en sa faveur si les personnes concernées ont un accès indépendant et pertinent aux faits, mais il faut identifier les raisons de cette convergence avant de lui accorder davantage de poids. »

Ou : « La majorité a voté pour A, donc A est objectivement la meilleure solution. » Réparation : « La majorité a choisi A selon notre procédure de décision. Cela rend A légitime comme décision collective dans ce cadre, sans démontrer que toutes ses conséquences seront supérieures à celles de B. » Enfin : « 95 % des spécialistes pensent P, donc P est absolument certaine. » Peut devenir :

« Une convergence très large de spécialistes pertinents constitue une raison importante pour un non-expert d’accorder une forte crédibilité à P, surtout si elle résulte de données et de méthodes indépendantes ; elle ne transforme toutefois pas la conclusion en vérité irrévisable. »

Les trois phrases conservent ce que le nombre peut réellement nous apprendre. Ne pas utiliser « consensus » comme formule de clôture. Dire : « Il y a consensus, débat terminé » est souvent une mauvaise manière de présenter la science. Un consensus peut signifier : « voici actuellement la meilleure conclusion collective disponible ». Il ne signifie pas : « aucune donnée future ne pourra la modifier ». La possibilité de révision fait précisément partie du fonctionnement scientifique. Mais l’erreur inverse est tout aussi sérieuse : « Puisque la science peut changer d’avis, son consensus actuel ne vaut rien. » Une carte peut être imparfaite et rester la meilleure carte disponible. Le caractère révisable d’une connaissance n’annule pas son degré actuel de justification. Le consensus scientifique est particulièrement utile au non-expert. Un spécialiste peut parfois évaluer directement : la méthode ; les données ; les modèles ;

les analyses statistiques. Le profane ne le peut pas toujours. Pour lui, le fait que de nombreux experts compétents et suffisamment indépendants convergent peut donc constituer une preuve de second ordre très importante. Il ne croit pas P simplement parce que : « beaucoup de personnes le pensent ». Il raisonne plutôt :

« Des personnes beaucoup mieux placées que moi pour évaluer les preuves ont, malgré des occasions de désaccord et de critique, largement convergé vers P. Cela constitue une raison de lui accorder une confiance importante. »

Cette distinction relie directement cette fiche à la précédente sur autorité et expertise.

À retenir

L’appel à la popularité devient fallacieux lorsque le nombre de personnes qui croient ou pratiquent quelque chose reçoit davantage de force probante qu’il n’en mérite. Une croyance largement répandue peut fournir dans certains contextes une information faible, mais elle ne devient pas vraie simplement parce qu’elle est populaire. L’Internet Encyclopedia of Philosophy souligne explicitement cette nuance : l’erreur consiste à surestimer la relation entre popularité et vérité. (Encyclopédie Internet de la Philosophie) Une majorité joue souvent une autre fonction. Elle peut constituer une règle parfaitement légitime pour produire une décision collective lorsque plusieurs options doivent être départagées. Mais : majorité décisionnelle ≠ preuve automatique de vérité.

Un consensus d’experts possède encore un autre statut. Lorsque des spécialistes réellement compétents, disposant de plusieurs lignes de preuve et de possibilités réelles de critique, convergent suffisamment indépendamment vers une conclusion, cette convergence constitue pour un non-spécialiste une information épistémique importante. Le consensus mérite davantage de confiance lorsqu’il est empirique, critique, diversifié, ouvert au désaccord et non obtenu par coercition. (Springer Nature Link)

Consensus ne signifie toutefois pas unanimité. Une minorité dissidente peut parfaitement subsister, et certains travaux soutiennent même que l’existence d’un désaccord réel peut renforcer la valeur d’un consensus en montrant que la communauté tolère et exerce effectivement la critique. (Cambridge University Press) Il faut enfin se souvenir que le nombre de personnes n’est pas le nombre de preuves indépendantes. Mille individus répétant la même source ne fournissent pas mille confirmations indépendantes. La question centrale n’est donc pas : « Combien de personnes sont d’accord ? » mais : « Qui est d’accord, sur quelle proposition précise, avec quelles compétences, à partir de quelles preuves, avec quelle indépendance et après quel processus de critique ? »

C’est cette structure qui permet de distinguer l’argument : « tout le monde le pense » du véritable poids épistémique que peut posséder un consensus expert bien formé.

Sources principales

Dowden, Bradley, « Fallacies », *Internet Encyclopedia of Philosophy*. L’entrée sur l’*Appeal to the People* apporte une nuance particulièrement importante : une croyance très largement répandue peut posséder une certaine force probante, mais le sophisme apparaît lorsque cette force est exagérée et que popularité ou impopularité deviennent pratiquement des substituts à l’examen des raisons. (Encyclopédie Internet de la Philosophie)

Hansen, Hans V., « Fallacies », *Stanford Encyclopedia of Philosophy*. Présente l’*ad populum* comme un appel à l’opinion populaire ou à la pratique courante dont les prémisses, même vraies, fournissent généralement trop peu de soutien pour établir à elles seules la conclusion proposée. (Encyclopédie de philosophie de Stanford)

Jorm, Anthony F. (2024), « Expert Consensus to Establish Scientific Truths », dans *Expert Consensus in Science*. Synthèse récente des discussions philosophiques consacrées à la valeur épistémique du consensus. Le chapitre retient notamment comme conditions favorables un consensus fondé sur des raisons empiriques et critiques, une diversité suffisante du groupe, une réelle ouverture au désaccord et l’absence de coercition. (Springer Nature Link)

Beatty, John & Moore, Alfred (2012), « Should We Aim for Consensus? », *Episteme*. Défend une conception du consensus qui n’exige pas l’unanimité et insiste sur l’importance de la qualité de la délibération et de la possibilité d’un désaccord non négligeable. (Cambridge University Press)

Dellsén, Finnur (2025), « Consensus versus Unanimity: Which Carries More Weight? », *British Journal for the Philosophy of Science*, 76(2). Défend l’idée contre-intuitive mais importante que, dans certaines conditions, un consensus comportant une petite proportion de dissidence peut constituer pour le profane une meilleure indication épistémique qu’une unanimité totale, parce que cette dissidence témoigne d’une véritable possibilité de contestation. (DOI)

Dellsén, Finnur (2018), « When Expert Disagreement Supports the Consensus », *Australasian Journal of Philosophy*, 96(1), 142–156. Analyse plusieurs cadres dans lesquels l’existence de désaccords entre experts peut renforcer la confiance que le non-expert accorde aux conclusions sur lesquelles la communauté converge néanmoins. (Taylor & Francis Online)

Longino, Helen, travaux sur l’objectivité sociale des sciences, présentés dans « Social Epistemology » et « The Social Dimensions of Scientific Knowledge », *Stanford Encyclopedia of Philosophy*. L’approche de Longino relie la qualité épistémique d’une communauté à l’existence de canaux réels de critique, à sa capacité à répondre aux objections, à l’existence de standards partagés et à une distribution suffisamment ouverte de l’autorité intellectuelle. (Encyclopédie de philosophie de Stanford)

Croce, Michel (2024), « Experts — Part I: What They Are and How to Identify Them », *Philosophy Compass*. Souligne que le consensus d’experts peut être un marqueur important de fiabilité à condition que les personnes concernées soient réellement expertes et que leur convergence repose sur des jugements suffisamment indépendants plutôt que sur une simple imitation collective. (Compass Hub)

Hauswald, Rico (2026), « Gatekeeping failures, degenerative consensus dynamics, and undue deference to science », *Synthese*. Analyse récente des conditions dans lesquelles certaines dynamiques institutionnelles peuvent réduire la valeur d’un consensus apparent et rappelle que la déférence rationnelle envers l’expertise doit elle aussi rester sensible à la qualité du processus collectif. (Springer Nature Link)

20 sur 32Retour à la catégorie