Quand faut-il changer fortement d’avis ?

Changer d’avis est souvent présenté comme une vertu intellectuelle. À juste titre : une croyance qui ne peut jamais être révisée n’est plus réellement sensible aux preuves. Mais l’excès inverse existe. Une personne qui bouleverse ses convictions à chaque nouvelle étude, chaque témoignage ou chaque événement spectaculaire n’est pas nécessairement plus rationnelle. Elle peut simplement sur-réagir au bruit.

Le problème n’est donc pas de savoir s’il faut être flexible ou constant. Il est de savoir quelle amplitude de révision une preuve mérite.

Le raisonnement bayésien donne une réponse particulièrement claire : une forte modification de croyance est justifiée lorsqu’une nouvelle information est beaucoup plus attendue sous une hypothèse que sous ses concurrentes, qu’elle apporte réellement une information nouvelle et que sa qualité est suffisante pour exclure les explications banales de l’observation.

Autrement dit, on ne devrait pas changer fortement d’avis parce qu’une information est nouvelle, spectaculaire ou contraire à nos attentes. On devrait changer fortement d’avis lorsqu’elle est fortement discriminante.

Une grande surprise n’est pas nécessairement une grande preuve

Nous avons spontanément tendance à associer surprise et importance.

Une étude obtient un résultat inattendu. Une personnalité tient une déclaration stupéfiante. Une vidéo montre une scène improbable. Notre première réaction peut être :

« cela change tout ».

Mais la surprise ressentie dépend surtout de ce que nous attendions. La force probante dépend d’une comparaison différente : à quel point cette observation était-elle attendue sous les hypothèses concurrentes ?

Une vidéo très étrange peut avoir de nombreuses explications : événement réel, montage, mauvais contexte, erreur d’interprétation. Son caractère spectaculaire ne suffit donc pas à déterminer laquelle devient probable.

Inversement, une donnée parfaitement banale peut bouleverser un dossier si elle était pratiquement impossible sous une hypothèse et tout à fait normale sous une autre.

Le principe n’est donc pas :

plus je suis surpris, plus je dois changer d’avis.

Il est :

plus les hypothèses concurrentes prévoyaient différemment ce que j’observe, plus la preuve peut justifier une forte mise à jour.

C’est précisément ce que mesure le rapport de vraisemblance dans une comparaison bayésienne.

Le multiplicateur compte davantage que l’intensité psychologique

Supposons que deux hypothèses H1 et H2 aient initialement les mêmes odds :

1 : 1.

Une observation est deux fois plus probable sous H1 que sous H2 :

LR = 2.

Les odds deviennent :

2 : 1, soit environ 67 % pour H1.

La preuve mérite une révision, mais pas un bouleversement.

Supposons maintenant :

LR = 100.

Les odds deviennent :

100 : 1, soit environ 99 % pour H1.

Cette fois, si le modèle et les probabilités sont crédibles, une modification majeure de croyance est justifiée.

Le changement ne vient pas du caractère émotionnel ou spectaculaire de la donnée. Il vient du fait que ce que nous observons aurait été extrêmement difficile à produire sous l’hypothèse concurrente.

Le rapport de vraisemblance exprime justement ce pouvoir de discrimination entre hypothèses et constitue, dans les formulations bayésiennes, le multiplicateur transformant les odds initiales en odds postérieures.

Une preuve forte peut ne pas suffire si le prior est extrêmement faible

Le rapport de vraisemblance ne doit cependant jamais être interprété isolément.

Supposons qu’une hypothèse possède initialement une probabilité de :

0,1 %, soit des odds d’environ 1 : 999.

Nous observons ensuite une preuve avec :

LR = 100.

Les odds deviennent :

100 : 999,

ce qui correspond à une probabilité d’environ 9 %.

C’est une modification gigantesque : l’hypothèse est environ cent fois plus crédible relativement à son alternative qu’auparavant.

Pourtant, elle reste improbable.

Nous pouvons donc devoir changer fortement d’avis sans changer complètement de conclusion.

Avant la preuve, nous pensions :

« presque certainement faux ».

Après :

« encore probablement faux, mais désormais suffisamment plausible pour être pris très au sérieux ».

Cette distinction est essentielle. La force d’une mise à jour ne se mesure pas seulement à la catégorie finale dans laquelle nous plaçons l’hypothèse.

Une mise à jour peut franchir un seuil pratique

L’importance d’une preuve dépend aussi de ce que nous devons décider.

Supposons qu’avant un examen médical, une maladie possède une probabilité de 1 %. Un résultat la fait passer à 15 %.

La maladie reste minoritaire. Mais le changement peut être suffisant pour justifier un examen complémentaire.

Dans une enquête technique, une hypothèse de panne passe de 5 % à 40 %. Ce n’est pas encore l’explication la plus certaine, mais elle devient suffisamment plausible pour modifier l’ordre des vérifications.

Dans une enquête journalistique, une accusation initialement peu crédible reçoit une confirmation documentaire indépendante. Elle n’est pas nécessairement établie, mais elle peut désormais mériter une enquête approfondie.

Le raisonnement rationnel ne demande donc pas toujours :

« est-ce maintenant plus probable que faux ? »

Il demande également :

« cette mise à jour est-elle suffisamment importante pour changer ce que je devrais faire ensuite ? »

Nous retrouvons ici la frontière entre inférence et décision.

Une source réellement indépendante peut justifier un grand déplacement

Imaginons qu’une accusation repose initialement sur un seul témoignage.

Une deuxième personne répète ensuite exactement la même histoire. Si elle connaît le premier témoin et a entendu son récit, notre mise à jour supplémentaire devrait être limitée.

Mais supposons qu’un document datant d’avant la controverse soit découvert indépendamment et contienne une information très précise correspondant au témoignage.

Cette nouvelle pièce peut avoir un poids disproportionné.

Pourquoi ? Parce qu’elle est beaucoup plus difficile à expliquer par les mécanismes qui pouvaient rendre le premier témoignage erroné : contamination de mémoire, imitation, influence médiatique ou récit coordonné.

La forte mise à jour vient donc non seulement de la concordance, mais de l’indépendance du nouveau chemin probatoire.

La même logique vaut en science. Une réplication avec le même instrument et la même équipe peut renforcer un résultat. Une reproduction par une équipe indépendante, avec une méthode différente vulnérable à d’autres erreurs, peut parfois le renforcer beaucoup davantage.

Une preuve mérite une forte mise à jour lorsqu’elle détruit plusieurs explications alternatives d’un seul coup.

Les prédictions risquées méritent une attention particulière

Supposons qu’une théorie soit suffisamment flexible pour expliquer presque n’importe quel résultat.

Elle prédit A : A se produit, elle est déclarée confirmée. B survient : une hypothèse auxiliaire permet également d’expliquer B. C apparaît : le modèle est encore ajusté.

Dans ce type de situation, chaque réussite apparente apporte relativement peu.

À l’inverse, imaginons deux théories produisant des prédictions très différentes. H1 annonce précisément qu’un phénomène devrait apparaître dans certaines conditions ; H2 prédit qu’il devrait être absent. L’expérience est correctement réalisée et le phénomène apparaît comme H1 l’avait anticipé.

Cette observation possède un pouvoir discriminant beaucoup plus élevé.

La théorie bayésienne de la confirmation formalise justement l’idée qu’une donnée confirme une hypothèse lorsqu’elle modifie sa crédibilité, et que la force du soutien dépend de la manière dont cette donnée distingue les hypothèses en présence.

Nous devons donc davantage réviser notre jugement après une prédiction qui aurait facilement pu échouer qu’après une affirmation suffisamment vague pour survivre à presque n’importe quel résultat.

Une bonne preuve élimine des explications concurrentes

Une manière pratique d’identifier les situations justifiant une forte révision consiste à demander :

« quelles explications plausibles de l’observation viennent de devenir beaucoup plus difficiles à maintenir ? »

Supposons qu’une expérience produise un résultat surprenant. Plusieurs explications sont possibles : véritable effet, erreur de mesure, hasard, contamination, mauvaise analyse.

Une deuxième étude indépendante reproduit précisément le phénomène.

L’hypothèse d’un accident propre au premier échantillon devient moins plausible.

Une troisième utilise un instrument différent.

L’hypothèse d’un artefact spécifique au premier instrument devient moins plausible.

Une quatrième prédit correctement une conséquence nouvelle.

Une partie des explications ad hoc disparaît encore.

La conviction augmente non parce que nous avons « quatre études », mais parce que l’espace des explications concurrentes crédibles se rétrécit progressivement.

Une forte mise à jour devient raisonnable lorsque les alternatives qui expliquaient facilement la première observation doivent désormais supposer toute une série de coïncidences supplémentaires.

Une preuve de mauvaise qualité ne mérite pas une grande mise à jour

Le pouvoir discriminant théorique d’une observation n’est cependant utile que si nous avons de bonnes raisons de croire que l’observation elle-même est fiable.

Une photographie pourrait être extrêmement probante si elle était authentique, mais beaucoup moins si sa provenance est inconnue et qu’elle peut facilement être manipulée.

Une étude pourrait produire un résultat très improbable sous une théorie concurrente, mais sa valeur diminue si l’échantillon est minuscule, les analyses choisies après observation des données ou la mesure peu fiable.

Un témoignage pourrait être décisif s’il provenait réellement d’un observateur direct, mais presque inutile si nous découvrons qu’il répète une rumeur.

La mise à jour doit donc tenir compte non seulement de :

« que signifierait cette preuve si elle était correcte ? »

mais aussi de :

« à quel point suis-je sûr que cette preuve est ce qu’elle prétend être ? »

Une preuve spectaculaire entourée d’une grande incertitude sur son authenticité ne devrait pas produire le même déplacement qu’une preuve moins spectaculaire mais solidement établie.

Une information qui détruit une hypothèse centrale mérite davantage de poids

Toutes les croyances ne sont pas structurées de la même manière.

Supposons qu’une théorie repose sur une prédiction essentielle :

si H est vraie, E devrait presque nécessairement être observé.

Nous réalisons une expérience de très bonne qualité et observons non-E.

Si les hypothèses auxiliaires ont été soigneusement contrôlées, cette absence peut nécessiter une forte révision.

À l’inverse, si E n’était qu’une conséquence périphérique très incertaine de H, son absence devrait produire une mise à jour plus faible.

Le même raisonnement vaut hors de la science. Une personne affirme avoir passé toute la soirée dans une ville donnée. Une donnée technique solide la situe à plusieurs centaines de kilomètres au même moment. Si cette donnée est authentique, elle attaque directement une composante centrale du récit.

Une grande mise à jour est particulièrement justifiée lorsqu’une preuve touche un point que l’hypothèse ne pouvait difficilement abandonner sans perdre son contenu.

Il faut aussi savoir réviser fortement une croyance ancienne

Une croyance solidement installée possède généralement un prior élevé parce qu’elle est déjà soutenue par de nombreuses preuves.

C’est souvent rationnel.

Une théorie physique confirmée pendant des décennies ne doit pas être renversée par une expérience isolée aux conditions incertaines. Une réputation construite sur vingt ans ne doit pas être détruite par une rumeur anonyme. Une conclusion issue de plusieurs essais robustes ne doit pas être abandonnée à la première étude discordante.

Mais cette stabilité ne doit jamais devenir une immunité.

Si une nouvelle preuve possède un rapport de vraisemblance suffisamment important, ou si plusieurs lignes indépendantes convergent, un prior élevé peut être renversé.

Le raisonnement bayésien permet précisément de concilier conservatisme et révision : plus une croyance est solidement établie, plus il faudra généralement une preuve puissante pour la bouleverser ; mais aucune croyance empirique ordinaire ne devrait devenir absolument intouchable.

Changer fortement d’avis ne signifie pas passer de 0 à 100

Le langage quotidien favorise les conversions spectaculaires :

« avant j’y croyais, maintenant plus du tout ».

Mais une forte mise à jour peut prendre de nombreuses formes.

Passer de :

1 % à 20 %

constitue un changement immense.

Passer de :

40 % à 80 %

également.

Passer de :

99 % à 90 %

peut représenter une preuve significative contre une croyance sans la rendre minoritaire.

Dans les odds, ces différences apparaissent plus clairement. Passer de 99 % à 90 % fait passer les odds de :

99 : 1

à

9 : 1.

Le soutien relatif a donc été divisé par onze.

Une croyance peut rester très probable tout en ayant subi une révision substantielle.

Cela permet d’éviter une erreur fréquente dans les débats : considérer qu’une personne n’a pas tenu compte d’une preuve simplement parce qu’elle n’a pas immédiatement adopté la conclusion opposée.

Les grandes mises à jour devraient rester relativement rares

Si nous changeons radicalement d’avis tous les jours, deux explications sont possibles.

Soit notre environnement produit continuellement des preuves extraordinairement discriminantes.

Soit nous accordons probablement trop de poids à chaque nouvelle information.

Dans la plupart des domaines, notre connaissance évolue plutôt par une succession de petites révisions. L’étude de prévision menée par Atanasov, Witkowski, Ungar, Mellers et Tetlock a observé que les meilleurs prévisionnistes avaient tendance à mettre à jour leurs croyances fréquemment, mais souvent par petits incréments, et que la propension à réviser plutôt qu’à simplement confirmer ses opinions était associée à une meilleure performance.

Ce résultat ne constitue évidemment pas une loi générale selon laquelle toute petite mise à jour serait bonne et toute grande mauvaise. Lorsqu’une preuve exceptionnelle apparaît, il faut parfois effectuer un saut important.

Mais il rappelle une règle utile : l’ouverture d’esprit ne se mesure pas au nombre de conversions spectaculaires.

Elle se mesure davantage à la capacité d’effectuer constamment les révisions que les données méritent réellement.

Ne pas confondre mise à jour et effet de récence

Une nouvelle information bénéficie d’un privilège psychologique : elle vient d’arriver.

Nous pouvons donc la surpondérer simplement parce qu’elle est fraîche dans notre mémoire.

Une nouvelle étude contredit vingt études antérieures et devient immédiatement le centre du débat. Un événement politique récent nous fait oublier plusieurs années de tendances. Une performance exceptionnelle d’un joueur semble révéler son « véritable niveau », malgré une longue série de résultats ordinaires.

Le raisonnement bayésien impose de replacer la nouvelle information dans l’ensemble du dossier.

La preuve la plus récente n’est pas nécessairement la meilleure preuve.

Son importance dépend de son pouvoir discriminant, de sa fiabilité et de son indépendance, pas de sa date d’apparition.

Une forte mise à jour doit être provoquée par une forte information, non par un simple effet de récence.

Un changement radical peut aussi être rationnel après une seule observation

À force d’insister sur la prudence, il ne faut pas tomber dans l’erreur opposée.

Une seule observation peut parfois justifier une transformation majeure.

Supposons qu’une personne pense qu’une boîte est vide. Elle l’ouvre et voit clairement un objet à l’intérieur.

Il n’est pas nécessaire d’attendre dix réplications.

Dans un laboratoire, un instrument très fiable peut révéler une observation presque impossible sous l’hypothèse actuelle et parfaitement attendue sous une alternative.

Dans une enquête, un document authentifié peut rendre impossible une chronologie qui semblait jusque-là plausible.

Le nombre de preuves n’est donc pas le critère essentiel.

Une seule preuve extrêmement discriminante peut valoir davantage qu’une centaine d’indices faibles.

La rationalité ne prescrit ni gradualisme systématique ni révolution permanente. Elle prescrit une révision proportionnée à la structure de la preuve.

Se demander ce qui pourrait vraiment nous faire changer d’avis

Un excellent exercice consiste à poser cette question avant que le désaccord ne survienne :

« quelle observation me ferait sérieusement réviser cette croyance ? »

Si nous ne trouvons aucune réponse, cela peut signaler un problème.

Peut-être notre croyance est-elle si vague que toute observation peut être réinterprétée en sa faveur.

Peut-être avons-nous lié notre identité à cette conviction au point qu’aucune donnée ne paraît acceptable.

Peut-être aussi la croyance repose-t-elle sur des connaissances tellement robustes qu’il faudrait véritablement un ensemble extraordinaire de preuves pour la déplacer — ce qui peut être parfaitement rationnel.

L’intérêt de l’exercice est de distinguer ces situations.

Une croyance empirique saine devrait généralement comporter des conditions de révision, même très exigeantes.

Une grille pour reconnaître une preuve qui mérite un grand déplacement

Sans inventer de nombres, une forte mise à jour devient particulièrement raisonnable lorsque plusieurs caractéristiques se combinent.

La nouvelle information est très difficile à expliquer sous notre croyance actuelle, mais naturelle sous une hypothèse concurrente. Elle provient d’une source fiable ou d’une mesure dont les erreurs possibles sont bien comprises. Elle est indépendante des preuves déjà connues. Elle était idéalement prédite avant d’être observée plutôt qu’expliquée uniquement après coup. Elle résiste aux explications alternatives les plus évidentes. Et sa signification ne dépend pas d’un modèle manifestement fragile ou d’une sélection opportuniste des données.

Aucune de ces propriétés n’est absolument nécessaire dans tous les cas.

Mais plus elles sont présentes ensemble, plus une forte révision devient rationnelle.

Le bon réflexe n’est donc pas :

« est-ce une grosse nouvelle ? »

mais :

« à quel point cette information rend-elle mon ancien état de croyance difficile à défendre ? »

Le courage intellectuel consiste parfois à faire un grand saut

L’humilité intellectuelle est souvent associée à la prudence : ne pas conclure trop vite, accepter l’incertitude, résister aux annonces spectaculaires.

Mais elle possède une autre face.

Lorsque les preuves deviennent suffisamment fortes, continuer à ne modifier sa position que marginalement peut devenir aussi irrationnel qu’une réaction excessive.

Si plusieurs expériences robustes convergent, si les hypothèses concurrentes échouent régulièrement, si les prédictions réussies s’accumulent et si les principales explications alternatives deviennent très improbables, la prudence ne consiste plus à conserver artificiellement 50 % de doute.

Elle consiste à accepter que le dossier a changé.

L’ouverture d’esprit demande donc deux compétences symétriques : résister aux preuves faibles et céder aux preuves fortes.

Nous avons surtout étudié ici le second cas. Mais, dans la vie quotidienne, l’erreur la plus fréquente est peut-être l’inverse : accorder trop de poids à des informations qui paraissent nouvelles ou intéressantes mais qui, lorsqu’on compare réellement les hypothèses, devraient à peine modifier notre jugement.

C’est pourquoi la question suivante est tout aussi importante : quand une preuve ne devrait-elle presque rien changer ?

Pour aller plus loin

  • Crupi, V. (2025). « Confirmation », *Stanford Encyclopedia of Philosophy*. Présentation des conceptions probabilistes de la confirmation et de la distinction entre crédibilité finale d’une hypothèse et modification produite par une nouvelle preuve.
  • Hawthorne, J. « Inductive Logic », *Stanford Encyclopedia of Philosophy*. Analyse du rôle des rapports de vraisemblance dans la force avec laquelle une observation distingue deux hypothèses concurrentes.
  • Talbott, W. « Bayesian Epistemology », *Stanford Encyclopedia of Philosophy*. Présentation de la relation odds finales = odds initiales × rapport de vraisemblance, qui permet de distinguer le point de départ de la force propre de la nouvelle preuve.
  • Atanasov, P., Witkowski, J., Ungar, L., Mellers, B., & Tetlock, P. (2020). « Small steps to accuracy: Incremental belief updaters are better forecasters ». *Organizational Behavior and Human Decision Processes*, 160, 19–35. DOI : 10.1016/j.obhdp.2020.02.001. Étude montrant notamment que les prévisionnistes les plus performants tendent à mettre à jour leurs croyances fréquemment et par incréments relativement modestes.
32 sur 35Retour à la catégorie