Pourquoi une confirmation ne suffit-elle pas ?

Définition simple

Pour Karl Popper, constater qu’un événement est compatible avec une théorie ne suffit pas à fournir une bonne raison de l’accepter. Une théorie suffisamment souple peut accumuler d’innombrables « confirmations » simplement parce qu’elle est capable de s’accommoder de presque tout ce qui arrive. Ce qui compte davantage est la sévérité du test : le résultat observé devait pouvoir sérieusement mettre la théorie en difficulté. Popper valorise donc particulièrement les succès obtenus lorsqu’une théorie avait formulé une prédiction précise et risquée, et refuse d’interpréter ces succès comme une preuve que la théorie est vraie ou même probablement vraie.

Cette idée repose sur une distinction fondamentale : être compatible avec une observation n’est pas la même chose que être réellement soutenu par cette observation.

Si une théorie permet presque tous les résultats possibles, le fait que l’un d’eux se réalise nous apprend très peu. À l’inverse, si elle prédit un résultat très précis alors qu’une multitude d’autres résultats auraient pu se produire, son succès est beaucoup plus remarquable.

L’intuition poppérienne peut donc être formulée ainsi :

Cette idée reste extrêmement importante aujourd’hui, même si la philosophie contemporaine de la confirmation ne suit généralement pas Popper lorsqu’il refuse toute forme de soutien inductif ou probabiliste.

Le piège de la simple compatibilité

Supposons que je propose une théorie météorologique :

« demain, il pleuvra ou il ne pleuvra pas ».

Le lendemain, nous constatons : il pleut.

Puis-je dire :

« ma théorie avait prédit le résultat ; elle est donc confirmée » ?

Formellement, l’observation est bien : compatible avec la théorie. Mais la théorie était également compatible avec l’absence de pluie.

Elle n’a donc pris : aucun risque.

Son succès n’apporte pratiquement aucune information.

Prenons maintenant :

« demain entre 14 h et 16 h, il tombera entre 8 et 12 mm de pluie à cet endroit précis ».

Si la prédiction réussit, la situation est différente. La théorie aurait été mise en difficulté par :

0 mm,

3 mm,

25 mm,

une pluie à 8 h,

ou une journée entièrement sèche.

Son succès intervient donc dans une situation où : beaucoup de résultats possibles lui auraient été défavorables. C’est ce que Popper recherche dans un test sévère : non pas une observation que la théorie peut facilement absorber, mais une confrontation dans laquelle elle possède une véritable possibilité de perdre.

Pourquoi « H prédit E et E arrive » ne prouve pas H

La difficulté possède également une forme logique très simple.

Supposons :

H → E

La théorie H implique la conséquence observable E.

Nous observons :

E.

Peut-on conclure :

H ?

Non.

Ce raisonnement serait une forme d’affirmation du conséquent :

Si H, alors E. E. Donc H.

Cette inférence n’est pas déductivement valide. Une autre hypothèse H₂ pourrait elle aussi produire E. Hempel et la tradition hypothético-déductive soulignent précisément qu’une conséquence expérimentale réussie ne démontre pas la vérité de l’hypothèse dont elle a été déduite.

Prenons un exemple simple :

Si quelqu’un a la grippe, il peut avoir de la fièvre.

Paul a de la fièvre.

Nous ne pouvons pas conclure :

Paul a la grippe.

De nombreuses autres maladies peuvent produire le même symptôme.

Le problème est exactement le même avec une théorie scientifique.

Une conséquence vraie peut être expliquée par plusieurs hypothèses différentes.

Ainsi :

Toutes les confirmations ne se valent donc pas

Supposons deux hypothèses médicales expliquant un symptôme S.

H₁ prédit que S apparaîtra presque toujours.

H₂ prédit également que S apparaîtra presque toujours.

Nous constatons :

S.

Cette observation ne permet presque pas de distinguer :

H₁ de H₂.

Prenons maintenant une observation E que H₁ prévoit mais que H₂ rend très improbable.

Si E apparaît, nous avons appris : beaucoup plus.

C’est cette dimension contrastive qui manque lorsque l’on se contente de demander :

« cette observation est-elle compatible avec mon hypothèse ? »

La théorie contemporaine de la confirmation formalise souvent cette idée en comparant la probabilité de l’observation sous différentes hypothèses. Certaines mesures bayésiennes utilisent notamment un rapport de vraisemblance comparant la probabilité de E si H est vraie à la probabilité de E si H est fausse ou si une alternative pertinente est vraie.

L’intuition est simple :

Ce n’est pas exactement la théorie de Popper.

Mais cela permet de comprendre pourquoi son rejet des « confirmations faciles » reste si fécond.

L’exemple du détective

Imaginons deux suspects :

Alice et Bernard.

L’hypothèse :

H : Alice a commis le crime.

Nous découvrons que :

Alice se trouvait dans la même ville le jour du meurtre. Cela est compatible avec H.

Mais des centaines de milliers d’autres personnes se trouvaient : dans la même ville.

L’information possède donc très peu de force.

Nous découvrons ensuite : l’ADN du coupable sur l’arme correspond à celui d’Alice. Cette information serait beaucoup plus difficile à expliquer si Alice était étrangère au crime.

Elle possède donc une force probante : bien supérieure.

La première donnée est une : confirmation faible par simple compatibilité.

La seconde possède davantage de pouvoir discriminant.

L’erreur consiste à compter les deux comme :

« une preuve chacune ».

La valeur d’une preuve n’est pas simplement son nombre. Elle dépend de : ce qu’elle permet réellement de distinguer.

Pourquoi Popper se méfie des théories qui accumulent les succès

C’est précisément ce qui avait frappé Popper lorsqu’il comparait certaines théories scientifiques à des doctrines comme la psychanalyse ou certaines versions du marxisme. Il jugeait relativement facile de trouver, après coup, des comportements ou événements compatibles avec des théories suffisamment flexibles. En revanche, une théorie scientifique comme la relativité lui paraissait exemplaire parce qu’elle acceptait de produire des conséquences précises susceptibles d’entrer en conflit avec l’observation.

Le problème n’est donc pas qu’une théorie possède beaucoup de confirmations. C’est la manière dont ces confirmations ont été obtenues.

Une personne convaincue qu’une théorie est vraie peut facilement parcourir le monde à la recherche : d’exemples favorables.

Plus la théorie est vague, plus elle en trouvera.

Popper considère alors que le nombre brut de confirmations possède très peu de valeur.

Ce qui importe est plutôt :

avons-nous cherché les situations où la théorie aurait pu échouer ?

La confirmation rétrospective est particulièrement facile

Imaginons un commentateur qui annonce après une crise politique :

« cette crise était inévitable, ma théorie l’explique parfaitement ».

Peut-être.

Mais posons la question :

avant la crise, cette théorie permettait-elle de prévoir qu’elle aurait lieu ?

Et surtout :

aurait-elle également pu expliquer l’absence de crise ?

Si la réponse est oui, alors la théorie possède un problème. Elle peut raconter une histoire après chaque événement sans avoir réellement pris : un risque prédictif avant celui-ci.

C’est l’un des dangers de ce que l’on appelle parfois : la prédiction rétrospective ou l’ajustement *post hoc*.

Une explication après coup n’est pas nécessairement mauvaise. Beaucoup de sciences étudient des phénomènes qui ne peuvent pas être expérimentalement répétés. Mais il faut distinguer expliquer un fait déjà connu et : utiliser ce même fait comme preuve indépendante extrêmement forte en faveur d’une théorie construite précisément pour l’expliquer.

La philosophie de la confirmation continue aujourd’hui à discuter du rôle particulier des prédictions nouvelles et des données déjà connues.

Pourquoi une prédiction risquée est-elle plus impressionnante ?

Supposons que deux personnes essaient de prédire les résultats d’un dé.

La première affirme :

« le résultat sera compris entre 1 et 6 ».

Elle gagnera : à chaque lancer.

La seconde affirme :

« le prochain résultat sera 4 ».

Si le dé tombe effectivement sur :

4,

la réussite de la seconde paraît beaucoup plus intéressante.

Pourquoi ?

Parce que la première prédiction avait : une très forte chance de réussir quoi qu’il arrive.

La seconde : pouvait très facilement échouer.

Le succès de la seconde apporte donc davantage : d’information.

Popper généralise cette intuition à la science :

C’est pourquoi il associe : contenu empirique, prise de risque, falsifiabilité et : sévérité des tests.

Mais Popper refuse d’appeler cela une probabilité de vérité

Nous pourrions être tentés de dire :

« si une théorie réussit plusieurs prédictions extrêmement risquées, elle devient probablement vraie ».

C’est précisément le pas que Popper refuse. Il introduit plutôt la notion de corroboration.

Une théorie est fortement corroborée lorsqu’elle a résisté à des tests sérieux. Cette corroboration décrit : son bilan expérimental passé. Elle ne doit pas être interprétée, selon Popper, comme la probabilité que la théorie soit vraie.

Cette distinction est indispensable.

Pour Popper confirmation inductive : les preuves rendent progressivement la théorie plus probablement vraie.

corroboration : la théorie a survécu jusqu’à présent à des tentatives sérieuses de réfutation.

Le deuxième constat n’autorise pas, selon lui, à transformer automatiquement :

« elle a très bien résisté »

en :

« elle a donc 95 % de chances d’être vraie ».

C’est précisément ici que Popper se sépare de Carnap et des conceptions bayésiennes.

Une difficulté : pourquoi alors préférer une théorie corroborée ?

La position est cependant inconfortable.

Imaginons deux théories :

T₁ a survécu à cinquante expériences extrêmement exigeantes.

T₂ vient d’être inventée et n’a encore subi aucun test.

Pourquoi utiliser :

T₁ ?

La réponse naturelle serait parce que ses réussites passées nous donnent davantage de raisons de penser qu’elle fonctionnera encore. Mais cela semble réintroduire une forme d’induction.

Popper veut plutôt dire que T₁ est rationnellement préférable parce qu’elle a effectivement été soumise à davantage de critique et demeure la meilleure théorie disponible. Pourtant, des philosophes comme Wesley Salmon ont objecté qu’il devient alors difficile d’expliquer pourquoi la corroboration passée doit guider les prédictions futures sans lui attribuer précisément une valeur inductive.

Cette difficulté ne détruit pas l’intuition : toutes les confirmations ne se valent pas. Elle montre plutôt que la philosophie poppérienne peine à expliquer complètement ce que les succès expérimentaux positifs nous apprennent.

La réponse bayésienne : une confirmation peut réellement augmenter la crédibilité

Les approches bayésiennes acceptent justement ce que Popper refuse. Elles représentent les croyances par des degrés de confiance et considèrent qu’une nouvelle preuve confirme une hypothèse lorsqu’elle doit rationnellement augmenter notre degré de croyance en celle-ci.

Dans une formulation simplifiée, ce qui compte n’est pas seulement :

P(E | H) est-elle élevée ?

Il faut aussi considérer à quel point E aurait été probable sans H ou sous les hypothèses concurrentes.

Supposons :

H prédit E avec probabilité 0,99.

Cela semble excellent.

Mais si :

¬H prédit également E avec probabilité 0,99,

E ne distingue pratiquement pas :

H de ¬H.

À l’inverse :

P(E | H) = 0,8

mais :

P(E | ¬H) = 0,01

peut faire de E une preuve extrêmement discriminante en faveur de H.

Certaines théories probabilistes de la confirmation formalisent précisément cette intuition par le rapport de vraisemblance.

C’est une manière contemporaine de comprendre ce que Popper avait bien vu :

Popper et Bayes sont donc moins éloignés sur ce point précis qu’il n’y paraît

Il faut cependant être prudent. Popper rejette explicitement l’idée que la corroboration corresponde à une probabilité épistémique de vérité. Le bayésien accepte exactement ce type de révision probabiliste. Le désaccord philosophique demeure donc profond.

Mais leurs intuitions peuvent parfois converger sur la qualité d’un test.

Popper valorise : un résultat risqué.

Une analyse probabiliste peut valoriser un résultat très attendu sous H mais très inattendu sous les alternatives.

Dans les deux cas, une observation qui aurait été obtenue presque quoi qu’il arrive possède peu de force discriminante.

La différence apparaît ensuite dans l’interprétation :

Popper : la théorie a passé un test sévère.

Bayésien : cette preuve doit modifier le degré de crédibilité accordé aux hypothèses. Cette comparaison permet de conserver l’intuition poppérienne sans devoir nécessairement adopter son anti-inductivisme complet.

Une confirmation fabriquée à partir de la théorie est également suspecte

Supposons que je possède :

20 variables.

Je cherche suffisamment longtemps jusqu’à trouver une combinaison donnant : une corrélation spectaculaire.

Je publie ensuite :

« ma théorie prédit précisément cette corrélation ».

Mais la « prédiction » a été élaborée : après avoir regardé les données.

La même base de données a servi : à construire l’hypothèse et : à la tester. Cela augmente fortement le risque : d’ajustement excessif.

Une stratégie beaucoup plus solide consiste à utiliser une partie des données pour construire le modèle, puis une autre partie indépendante pour le tester.

Cette intuition se retrouve aujourd’hui dans les méthodes de validation sur données séparées et dans la réflexion philosophique sur la nouveauté des preuves : les données indépendantes de la construction de l’hypothèse peuvent fournir un test plus exigeant que celles auxquelles le modèle a été spécialement adapté.

Cela ne signifie pas qu’une théorie ne puisse jamais être soutenue par un fait qu’elle a été créée pour expliquer. Mais : la dépendance entre construction et test doit être prise en compte.

Exemple : l’horoscope

Prenons une prédiction :

« vous allez bientôt rencontrer une difficulté qui vous obligera à faire un choix important ».

Durant les semaines suivantes, presque tout le monde rencontrera : une difficulté, une décision, un désaccord ou : un changement de programme.

Lorsque cela arrive, la personne peut dire :

« l’horoscope l’avait annoncé ».

Techniquement : le résultat correspond à l’énoncé. Mais ce résultat était : extrêmement facile à obtenir.

La prédiction possède peu de contenu.

Comparons :

« jeudi entre 15 h 00 et 15 h 10, vous recevrez un appel de votre banque vous annonçant exactement telle modification de votre prêt ».

Nous avons maintenant une véritable : prise de risque.

L’idée poppérienne permet donc de comprendre pourquoi les prédictions vagues semblent accumuler énormément de confirmations :

Le nombre de réussites est alors une mesure trompeuse.

Exemple politique : prédire dans toutes les directions

Un raisonnement analogue apparaît fréquemment en politique.

Supposons une théorie :

« le gouvernement adoptera des mesures plus autoritaires lorsqu’il sera en difficulté ».

Le gouvernement durcit une politique : confirmation.

Il ne durcit pas sa politique :

« il cherche simplement à masquer son autoritarisme pour l’instant » : confirmation.

Il assouplit une politique :

« preuve qu’il a peur de la réaction populaire » : confirmation.

Une théorie capable de convertir :

A,

non-A

et : le contraire de A en confirmations possède un grave problème méthodologique. Cela ne prouve pas qu’elle est fausse.

Mais cela signifie que nous n’avons pas encore identifié : ce qui pourrait réellement compter contre elle.

Popper nous oblige donc à transformer les discours :

« tout confirme ma théorie »

en :

« quel résultat aurait réellement été mauvais pour elle ? »

Le biais de confirmation trouve ici un allié naturel

Cette idée possède une application psychologique évidente.

Lorsque nous croyons déjà H, nous avons tendance à remarquer les cas favorables, à rechercher les arguments qui soutiennent H, et parfois à interpréter les ambiguïtés en sa faveur.

Une accumulation de confirmations peut donc résulter :

moins de la qualité de la théorie

que :

de notre stratégie de recherche.

L’attitude poppérienne impose une discipline opposée : chercher activement les cas difficiles.

Si vous pensez :

« les personnes du groupe X sont malhonnêtes »,

vous trouverez probablement : des exemples.

La vraie question est :

avez-vous cherché avec la même attention les contre-exemples ?

Et surtout :

quelle fréquence ou quel résultat vous conduirait réellement à réviser la généralisation ?

Une confirmation ne suffit donc pas aussi pour une raison psychologique :

Une observation surprenante n’est cependant pas automatiquement une bonne preuve

Il faut maintenant ajouter une nuance essentielle.

Supposons que quelque chose d’extrêmement improbable se produise : vous lancez dix pièces et obtenez dix faces. C’est surprenant.

Mais cela ne confirme pas automatiquement : n’importe quelle théorie qui prétendait pouvoir expliquer le résultat.

Pour être probante, l’observation doit être liée : à l’hypothèse de manière discriminante.

Une théorie disant :

« une force invisible a voulu produire exactement le résultat qui allait apparaître »

peut expliquer rétrospectivement : n’importe quelle séquence. Elle ne produit donc aucun risque réel.

Il ne suffit pas que :

E soit improbable.

Il faut que :

E soit particulièrement attendu sous H par rapport aux alternatives pertinentes.

C’est précisément l’une des raisons pour lesquelles la théorie contemporaine de la confirmation est beaucoup plus complexe que le simple comptage des réussites.

Une prédiction nouvelle est-elle toujours supérieure ?

Popper accorde beaucoup d’importance aux prédictions risquées, et l’histoire des sciences attribue souvent une force particulière aux prédictions nouvelles. Mais il serait excessif de conclure qu’un fait connu avant la construction d’une théorie ne peut jamais la soutenir.

Supposons qu’une nouvelle théorie explique soudain, à partir d’un principe indépendant, un phénomène connu depuis longtemps mais qui n’avait pas été utilisé pour fabriquer la théorie. Ce succès peut paraître extrêmement impressionnant.

La philosophie contemporaine distingue donc plusieurs sens de la nouveauté. Une donnée peut être ancienne chronologiquement mais nouvelle relativement à la construction de la théorie : elle n’a pas servi à ajuster ses paramètres ou à produire l’hypothèse. Ce type de distinction continue à faire l’objet de débats dans la théorie de la confirmation.

Il faut donc éviter la règle naïve :

ancienne preuve = aucune valeur ; nouvelle prédiction = bonne preuve.

La vraie question est plutôt :

à quel point le résultat était-il indépendant de la manière dont la théorie a été construite et à quel point discrimine-t-il cette théorie de ses concurrentes ?

Pourquoi une confirmation ne suffit donc jamais à elle seule

Nous pouvons maintenant distinguer plusieurs questions cachées derrière :

« cette observation confirme-t-elle la théorie ? »

Premièrement :

la théorie prédisait-elle réellement cette observation avant que nous l’interprétions ?

Deuxièmement :

aurait-elle également été compatible avec le résultat contraire ?

Troisièmement :

les hypothèses concurrentes prévoyaient-elles elles aussi le même résultat ?

Quatrièmement :

le test était-il suffisamment indépendant de la construction de la théorie ?

Cinquièmement :

des résultats défavorables auraient-ils réellement été reconnus comme tels ?

Ces questions montrent pourquoi le mot : confirmation est beaucoup trop vague lorsqu’il est utilisé seul.

Une observation compatible peut être presque sans valeur.

Une prédiction précise peut être beaucoup plus informative.

Un test capable de distinguer plusieurs théories peut être encore plus puissant.

Erreurs fréquentes

La première erreur consiste à penser que plus une théorie possède d’exemples compatibles, plus elle est nécessairement solide. Une théorie très vague peut produire d’innombrables confirmations précisément parce qu’elle interdit très peu de choses. Popper insiste au contraire sur la valeur particulière des tests où une théorie court un véritable risque d’échec.

La deuxième erreur est de raisonner : « H prédit E ; E s’est produit ; donc H est vraie ». Cette inférence affirme le conséquent. Plusieurs hypothèses différentes peuvent entraîner la même conséquence observable.

Troisième erreur : « Popper considère toute observation favorable comme inutile ». Non. Une réussite peut constituer une forte corroboration lorsqu’elle survient après un test sévère. Ce que Popper refuse est d’en faire une probabilité que la théorie soit vraie.

Quatrième erreur : « une prédiction exacte est automatiquement une excellente preuve ». Elle l’est beaucoup moins si toutes les théories concurrentes produisaient la même prédiction. La philosophie probabiliste contemporaine insiste précisément sur cette dimension contrastive.

Cinquième erreur : « seules les prédictions portant sur des phénomènes encore inconnus possèdent une valeur scientifique ». Les données anciennes peuvent parfois fournir un véritable soutien si elles n’ont pas servi à construire ou ajuster la théorie ; la notion de nouveauté des preuves est plus subtile qu’une simple chronologie.

Enfin, il ne faut pas confondre sévérité d’un test et résultat spectaculaire. Une observation extraordinaire ne soutient une hypothèse que si cette observation est réellement reliée à elle d’une manière qui distingue l’hypothèse de ses alternatives.

Limites

La principale limite de Popper apparaît maintenant clairement : sa critique des confirmations faciles est extrêmement convaincante, mais son refus de reconnaître une véritable force positive des preuves est beaucoup plus contesté. Une théorie qui réussit de nombreuses prédictions indépendantes et risquées semble intuitivement mériter davantage de crédibilité qu’une théorie encore jamais testée. Popper préfère parler de corroboration, mais il devient difficile d’expliquer pourquoi cette corroboration devrait guider nos attentes futures sans lui attribuer un rôle au moins partiellement inductif.

Deuxième limite : la notion de test sévère elle-même doit être précisée. À quel point un résultat devait-il être improbable sous les alternatives ? Quelles alternatives faut-il prendre en compte ? Comment mesurer la force du test ? Ces questions ont conduit à des approches probabilistes et statistiques beaucoup plus développées. La théorie contemporaine de la confirmation distingue notamment différentes mesures probabilistes du soutien qu’une preuve apporte à une hypothèse.

Troisième difficulté : une théorie peut obtenir un succès impressionnant sur un phénomène qu’elle n’avait pas prédit temporellement. L’accent poppérien sur les prédictions risquées doit donc être complété par une analyse de l’indépendance entre théorie et preuve.

Enfin, les tests ne concernent presque jamais une théorie isolée. Une confirmation ou un échec porte généralement sur un ensemble comprenant théorie principale, hypothèses auxiliaires, modèles et instruments. C’est exactement le problème qui va rendre beaucoup plus compliquée la notion même de falsification réelle.

En pratique

Face à une « confirmation », la meilleure question n’est pas :

« est-ce compatible avec la théorie ? »

mais :

Cette reformulation transforme complètement l’évaluation des preuves.

Supposons qu’un vendeur affirme :

« ma méthode augmente les ventes ».

Il montre trois commerciaux dont les ventes ont augmenté. Cela semble favorable.

Mais demandons :

combien de commerciaux ont utilisé la méthode ?

Les ventes augmentaient-elles déjà ?

Que s’est-il passé dans un groupe comparable ne l’utilisant pas ?

La hausse aurait-elle pu être due : à la saison, aux prix,

à une campagne publicitaire ?

Nous passons de chercher une confirmation à chercher une information discriminante. C’est exactement l’habitude intellectuelle utile à retenir.

Pourquoi c’est important

La contribution de Popper est ici plus durable que son refus général de l’induction. Il nous apprend à ne pas mesurer la qualité d’une théorie par le nombre d’événements que nous pouvons raconter en sa faveur.

Une bonne théorie doit accepter des situations qui lui seraient défavorables.

Et une bonne preuve doit idéalement provenir d’une situation où les différentes hypothèses ne prévoyaient pas toutes la même chose. Cette idée rejoint plusieurs principes contemporains : tests contrôlés, comparaison de modèles, validation sur nouvelles données, prédictions préenregistrées, recherche active de contre-exemples.

Il serait historiquement faux d’attribuer toutes ces pratiques directement à Popper. Mais elles partagent une intuition commune :

C’est un principe essentiel de l’autonomie critique.

La question n’est pas seulement :

« quelles preuves soutiennent ma croyance ? »

mais :

« quelles preuves aurais-je vues si elle était fausse, et ai-je réellement cherché à les observer ? »

À retenir

Une observation ne constitue pas une bonne confirmation simplement parce qu’elle est compatible avec une théorie. Si une théorie est compatible avec presque tous les résultats possibles, elle peut accumuler d’innombrables confirmations sans être réellement mise à l’épreuve. Popper valorise donc les réussites obtenues après des tests sévères, lorsque de nombreux résultats possibles auraient pu mettre la théorie en difficulté.

La logique explique une partie du problème. De :

H → E

et :

E

nous ne pouvons pas déduire :

H.

Plusieurs hypothèses concurrentes peuvent produire la même conséquence observable. Le succès d’une prédiction ne vérifie donc jamais à lui seul la théorie dont elle a été déduite.

Popper appelle corroboration le fait qu’une théorie ait bien résisté à des tests sévères, mais il refuse d’interpréter cette corroboration comme une probabilité que la théorie soit vraie. C’est l’un de ses principaux désaccords avec les conceptions inductives, carnapiennes puis bayésiennes de la confirmation.

Les approches probabilistes contemporaines permettent néanmoins de préciser une intuition proche : une preuve est particulièrement discriminante lorsque l’observation est beaucoup plus attendue sous l’hypothèse étudiée que sous ses alternatives. Le simple fait que P(E|H) soit élevé ne suffit donc pas ; il faut considérer ce que les autres hypothèses prédisaient également.

Le succès d’une prédiction nouvelle ou indépendante peut aussi être particulièrement intéressant parce que la théorie n’a pas été spécialement ajustée pour reproduire ce résultat. Mais la philosophie contemporaine de la confirmation montre que la notion de « nouveauté » est elle-même complexe : une donnée déjà connue peut parfois constituer une preuve importante lorsqu’elle n’a pas participé à la construction de la théorie.

La grande leçon poppérienne peut donc être conservée indépendamment de son anti-inductivisme :

Mais une difficulté majeure demeure. Nous avons jusqu’ici raisonné comme si une théorie T produisait directement une prédiction P :

T → P.

Dans une expérience réelle, c’est presque toujours faux. Nous avons plutôt :

T + hypothèses auxiliaires + conditions initiales + fonctionnement des instruments → P.

Lorsque P échoue, qu’avons-nous réellement falsifié ?

C’est le problème de la prochaine fiche :

Nous verrons pourquoi le *modus tollens* est parfaitement valide tout en étant insuffisant pour décider quelle partie d’un système scientifique doit être abandonnée lorsqu’une expérience échoue.

Concepts liés

Karl Popper ; confirmation ; corroboration ; test sévère ; prédiction risquée ; falsifiabilité ; affirmation du conséquent ; raisonnement hypothético-déductif ; preuve ; évidence ; hypothèse concurrente ; pouvoir discriminant ; vraisemblance ; rapport de vraisemblance ; bayésianisme ; Rudolf Carnap ; Wesley Salmon ; induction ; prédiction nouvelle ; données anciennes ; ajustement *post hoc* ; surajustement ; biais de confirmation ; validation indépendante.

Pour aller plus loin

Karl Popper, *Conjectures and Refutations* (1963). C’est le texte le plus direct pour comprendre la critique poppérienne des confirmations faciles. Popper y insiste sur la différence entre accumuler des faits compatibles avec une théorie et obtenir une réussite à l’issue d’une prédiction véritablement risquée.

Karl Popper, *The Logic of Scientific Discovery* (1959 ; première édition allemande, 1935). À lire pour la formulation technique de la corroboration. Popper cherche à représenter la résistance d’une théorie aux tests sans transformer cette résistance en probabilité de vérité, ce qui constitue l’un des aspects les plus originaux — et les plus contestés — de son anti-inductivisme.

« Scientific Method », *Stanford Encyclopedia of Philosophy*. Particulièrement utile pour comparer Popper au raisonnement hypothético-déductif classique. La ressource montre clairement pourquoi le succès d’une conséquence expérimentale ne démontre pas l’hypothèse et pourquoi Popper déplace l’attention de la quantité de confirmations vers la sévérité des tests.

Vincenzo Crupi, « Confirmation », *Stanford Encyclopedia of Philosophy*. À privilégier pour aller au-delà de Popper. L’article expose les conceptions hypothético-déductives et probabilistes de la confirmation et montre notamment comment le rapport de vraisemblance permet de représenter la capacité d’une preuve à distinguer une hypothèse de ses alternatives.

« Bayesian Epistemology », *Stanford Encyclopedia of Philosophy*. Une bonne introduction à la réponse contemporaine la plus importante au problème que Popper refuse de traiter inductivement. Le bayésianisme représente explicitement la manière dont une preuve doit augmenter ou diminuer nos degrés de confiance dans différentes hypothèses.

Wesley Salmon, travaux sur corroboration et induction. À consulter pour l’une des objections classiques au programme poppérien : si une théorie corroborée mérite d’être utilisée parce qu’elle a mieux résisté aux tests passés, Popper doit expliquer pourquoi ce passé est pertinent pour nos choix futurs sans réintroduire une forme d’induction. Cette critique touche directement le point le plus fragile de sa réponse à Hume.

5 sur 11Retour à la catégorie