Raisonnement : passer d’informations à une conclusion
En septembre 1854, une violente épidémie de choléra frappe le quartier de Soho, à Londres. La maladie est encore largement expliquée par la théorie des miasmes, selon laquelle certaines émanations provenant de matières en décomposition contamineraient l’air. Le médecin John Snow défend depuis plusieurs années une autre hypothèse : le choléra serait principalement transmis par l’eau contaminée.
Snow ne peut pourtant pas observer directement le mécanisme responsable. Le microbiologiste italien Filippo Pacini décrit bien en 1854 l’organisme que nous appelons aujourd’hui *Vibrio cholerae*, mais ses travaux restent alors largement ignorés hors d’Italie ; l’identification du bacille ne reçoit une reconnaissance internationale que plusieurs décennies plus tard, notamment avec les travaux de Robert Koch dans les années 1880.
Snow doit donc raisonner à partir d’indices. Il étudie la répartition des décès, les lieux où les habitants s’approvisionnent en eau et les différences entre populations alimentées par différents réseaux. Dans l’épisode célèbre de Broad Street, les cas se concentrent fortement autour d’une pompe publique. Henry Whitehead poursuivra ensuite l’enquête locale et renforcera l’association entre utilisation de cette eau et mortalité. Les travaux de Snow sur les épidémies londoniennes ne reposaient d’ailleurs pas sur cette seule carte : il comparait également des populations recevant des eaux provenant de compagnies différentes. Des réanalyses modernes continuent de considérer ces données comme fortement compatibles avec un effet majeur de l’eau contaminée sur la mortalité par choléra.
Ce qui nous intéresse ici n’est pas seulement l’histoire de l’épidémiologie. Snow illustre une activité intellectuelle beaucoup plus générale : partir d’informations disponibles pour arriver à une conclusion qui n’est pas directement donnée par ces informations.
C’est cela, au sens le plus général, raisonner.
Entre l’information et la conclusion
Supposons qu’en sortant de chez vous vous découvriez la chaussée mouillée.
Cette observation constitue une information. Elle ne contient pas encore son explication.
Vous pouvez en conclure qu’il a probablement plu. Mais d’autres possibilités existent : une entreprise de nettoyage est passée, une canalisation a fui ou quelqu’un a arrosé la rue.
Le passage :
La chaussée est mouillée → il a probablement plu
contient donc quelque chose de plus que l’observation initiale. Il contient une inférence.
Une inférence est le passage intellectuel par lequel certaines informations sont utilisées pour soutenir une nouvelle proposition.
Ce passage peut être extrêmement simple, presque automatique, ou demander plusieurs années de recherche. Dans les deux cas, une distinction fondamentale demeure : ce que nous observons ou admettons au départ n’est pas identique à ce que nous en concluons.
Cette distinction paraît élémentaire. Elle est pourtant au cœur d’une grande partie de l’esprit critique.
Les conclusions ne se trouvent pas dans les données
Lorsqu’un graphique montre qu’un phénomène augmente après une réforme, il ne contient pas automatiquement la conclusion que la réforme en est la cause.
Lorsqu’une personne présente certains symptômes, ces symptômes ne contiennent pas leur diagnostic.
Lorsqu’une étude observe une différence entre deux groupes, le tableau de résultats ne dit pas à lui seul pourquoi cette différence existe.
À chaque fois, il faut ajouter quelque chose : une règle, une hypothèse, un modèle causal, une généralisation issue d’expériences antérieures ou une comparaison avec d’autres explications.
Le raisonnement commence précisément dans cet espace situé entre les informations et ce que nous affirmons à partir d’elles.
C’est aussi là que beaucoup d’erreurs deviennent possibles.
Nous pouvons partir d’informations fausses. Nous pouvons disposer d’informations exactes mais incomplètes. Nous pouvons utiliser une mauvaise règle d’inférence ou oublier une explication concurrente. Nous pouvons enfin parvenir à une conclusion vraie par un raisonnement médiocre.
Ces différents problèmes ne doivent pas être confondus.
Raisonner n’est pas simplement accumuler des faits
On entend parfois qu’il suffirait de « regarder les faits ».
Mais les faits doivent presque toujours être interprétés.
Une température de 39 °C est un fait mesuré. Dire qu’elle indique probablement une infection constitue déjà une inférence. Décider qu’elle nécessite un traitement précis ajoute encore d’autres connaissances, hypothèses et considérations.
De même, constater qu’un indicateur économique a baissé est une observation. Attribuer cette baisse à une politique particulière demande un raisonnement causal. En déduire qu’il faudrait reconduire cette politique implique ensuite une décision où peuvent intervenir d’autres conséquences et d’autres valeurs.
Les faits contraignent nos conclusions, mais ils ne les produisent généralement pas tout seuls.
Cette idée ne conduit pas au relativisme. Toutes les interprétations ne se valent pas. Certaines tiennent mieux compte des données, utilisent des méthodes plus fiables et résistent davantage aux objections. Mais pour les comparer, il faut précisément examiner le raisonnement qui relie les observations aux conclusions.
Les informations de départ ont elles-mêmes une histoire
Une autre difficulté apparaît immédiatement : nos « données » ne nous arrivent pas toujours directement.
Nous lisons un chiffre dans un article. Nous apprenons un événement par un témoin. Nous utilisons le résultat d’une expérience réalisée par d’autres. Nous faisons confiance à un appareil de mesure ou à une base de données.
L’évaluation d’un raisonnement comporte donc souvent deux niveaux.
Il faut se demander si les informations utilisées sont suffisamment fiables, puis examiner ce qu’elles permettent réellement de conclure.
La première question relève notamment de la qualité des sources et des preuves. La seconde concerne la structure de l’inférence.
Cette catégorie s’intéressera principalement à cette seconde dimension. La vérification détaillée des sources, l’expertise, les méthodes scientifiques et l’évaluation des preuves sont approfondies ailleurs dans le parcours.
Une grande partie du raisonnement reste implicite
Dans les conversations ordinaires, nous formulons rarement toutes les étapes de nos raisonnements.
Quelqu’un dit :
« Les nuages sont très noirs, prends un parapluie. »
Entre l’observation et le conseil se trouvent plusieurs idées implicites : ce type de nuages augmente la probabilité de pluie ; être sous la pluie sans protection est désagréable ; prendre un parapluie coûte peu.
Nous n’avons généralement aucune raison d’expliciter tout cela.
Le problème apparaît lorsqu’une étape importante reste cachée.
Considérons :
« Cette entreprise a réalisé des bénéfices records, donc ses salariés sont bien payés. »
La conclusion n’est pas contenue dans la prémisse. Elle suppose notamment qu’une forte rentabilité se traduise nécessairement par une rémunération élevée des salariés. Cette proposition peut être vraie dans certains cas, fausse dans d’autres, ou simplement insuffisante.
Rendre le raisonnement explicite permet alors d’identifier l’endroit exact où la discussion doit porter.
Expliciter sans transformer chaque conversation en démonstration
L’esprit critique ne demande pas de formaliser toutes nos pensées.
Nous effectuons constamment des inférences rapides et souvent suffisamment fiables. Vérifier chaque étape serait impossible et rendrait la vie quotidienne impraticable.
L’enjeu consiste plutôt à savoir quand il devient utile de ralentir.
Plus une conclusion est importante, surprenante, contestée ou lourde de conséquences, plus nous avons intérêt à reconstruire le chemin qui y conduit.
Nous pouvons alors nous demander : de quelles informations suis-je parti ? Quelle règle ou quelle hypothèse permet de passer de ces informations à ma conclusion ? Cette étape est-elle réellement justifiée ? Existe-t-il une autre explication compatible avec les mêmes faits ?
Ces questions simples permettent souvent de transformer une impression de désaccord général en un problème beaucoup plus précis.
Raisonnement, argument et logique
Les termes raisonnement, argument et logique sont proches, mais ils ne désignent pas exactement la même chose.
Un raisonnement est le processus par lequel nous passons de certaines informations ou propositions à une conclusion.
Un argument est généralement l’expression de ce raisonnement sous une forme destinée à soutenir une conclusion. Il comporte donc des raisons présentées à quelqu’un — y compris parfois à soi-même.
La logique étudie notamment les relations entre propositions et les conditions sous lesquelles certaines conclusions suivent correctement de certaines prémisses.
Cette distinction explique pourquoi on peut raisonner sans présenter explicitement un argument, et pourquoi l’évaluation d’un argument ne se réduit pas à la logique formelle. Un raisonnement peut être logiquement correct tout en reposant sur des informations fausses ou très fragiles.
Les fiches suivantes préciseront progressivement ces distinctions.
Tous les raisonnements ne promettent pas la même chose
Certains raisonnements cherchent à établir une conclusion avec nécessité. Si les prémisses sont vraies et que la forme est correcte, la conclusion ne peut pas être fausse.
D’autres ne donnent qu’un soutien probable. Observer cent cygnes blancs ne rend pas logiquement impossible l’existence d’un cygne noir. Une étude statistique peut rendre une hypothèse beaucoup plus crédible sans la démontrer avec certitude. Un diagnostic médical peut être le meilleur disponible tout en restant incertain.
Cette différence est fondamentale.
Un raisonnement doit être évalué en fonction de ce qu’il prétend établir.
Une conclusion probable ne doit pas être rejetée simplement parce qu’elle n’est pas certaine. Inversement, un indice modeste ne doit pas être présenté comme une démonstration.
Nous distinguerons plus loin la déduction, l’induction, l’abduction, le raisonnement causal, probabiliste et d’autres formes d’inférence. Pour l’instant, il suffit de retenir qu’un bon raisonnement ne signifie pas toujours « preuve absolue ».
Un raisonnement peut échouer à plusieurs endroits
Imaginez une chaîne reliant plusieurs propositions :
A → B → C → D
Si A est faux, le problème vient du point de départ.
Si A est correct mais que le passage vers B n’est pas justifié, le problème vient de l’inférence.
Si le raisonnement oublie une possibilité importante entre B et C, il peut devenir incomplet.
Et si D est finalement vrai malgré une chaîne défectueuse, cela ne répare pas rétrospectivement le raisonnement.
Cette dernière situation est particulièrement importante. Avoir raison n’est pas la même chose qu’avoir bien raisonné.
Quelqu’un peut annoncer au hasard qu’une action va monter demain et avoir raison. Son succès ne transforme pas le hasard en méthode fiable.
À l’inverse, un raisonnement bien construit peut parfois aboutir à une prédiction qui échoue parce qu’il portait sur un phénomène incertain.
Évaluer le raisonnement demande donc davantage que regarder son résultat final.
Cas pratique — « Depuis que nous avons changé la procédure, les erreurs ont diminué »
Une équipe modifie une procédure de travail. Trois mois plus tard, le nombre d’erreurs enregistrées a fortement diminué.
Il serait tentant de conclure :
« La nouvelle procédure a fait diminuer les erreurs. »
Cette hypothèse peut être correcte.
Mais les données disponibles permettent également d’autres possibilités. L’activité a peut-être baissé. La composition de l’équipe a changé. Les erreurs sont peut-être moins souvent déclarées. Une autre mesure a été introduite au même moment.
L’esprit critique ne consiste pas à répondre immédiatement :
« On ne peut rien conclure. »
Ce serait une autre exagération.
Il consiste à identifier correctement le statut du raisonnement : la diminution observée constitue une raison d’envisager un effet de la nouvelle procédure, mais elle ne suffit pas encore à isoler cette cause.
On peut alors rechercher des informations supplémentaires.
Cette différence entre « aucune preuve », « indice », « forte présomption » et « démonstration solide » accompagnera une grande partie de notre parcours.
Pourquoi raisonner explicitement ?
Rendre un raisonnement visible possède un avantage essentiel : il devient critiquable.
Si quelqu’un se contente de dire :
« C’est évident. »
il est difficile de savoir où se situe le désaccord.
S’il précise :
« Je pense C parce que A et B, et parce que si A et B sont vrais alors C devient très probable »,
nous pouvons examiner séparément A, B et la relation avec C.
La critique cesse alors d’être seulement une confrontation entre deux conclusions.
Elle devient un examen des étapes qui les produisent.
C’est l’une des fonctions les plus importantes de l’argumentation : rendre les raisons suffisamment explicites pour qu’elles puissent être évaluées, contestées et éventuellement corrigées.
John Snow : ce que montre réellement l’exemple
Revenons au choléra.
Snow n’a pas simplement observé une concentration de décès puis deviné correctement que l’eau était responsable. Il disposait déjà d’une hypothèse sur la transmission, recherchait des observations susceptibles de la mettre à l’épreuve et comparait des populations exposées à différentes sources d’eau. Son travail de 1854 et ses analyses ultérieures ont progressivement accumulé des éléments en faveur de la transmission hydrique.
L’histoire est souvent racontée comme si la carte de Broad Street avait immédiatement « prouvé » sa théorie ou comme si le retrait de la poignée de la pompe avait mis fin à l’épidémie. La réalité historique est plus nuancée : l’épidémie était déjà en déclin et les conclusions de Snow restèrent discutées pendant des années.
C’est précisément ce qui rend l’exemple intéressant.
Un raisonnement scientifique sérieux ne ressemble pas toujours à une révélation soudaine. Il consiste souvent à assembler progressivement des observations imparfaites, comparer plusieurs explications et chercher quelles conséquences devraient être observées si une hypothèse était correcte.
Snow pouvait raisonner correctement sans connaître encore le mécanisme microbiologique complet.
La connaissance n’avance pas uniquement lorsque nous voyons directement la cause. Elle avance aussi lorsque des inférences suffisamment solides permettent d’aller au-delà de ce qui est immédiatement observable.
À retenir
Raisonner consiste à passer d’informations, d’observations ou de propositions à une conclusion par l’intermédiaire d’une inférence.
Ce passage ajoute toujours quelque chose. Les données ne contiennent généralement pas à elles seules leur interprétation, leur explication ou les décisions que nous devrions prendre à partir d’elles.
Pour évaluer un raisonnement, il faudra donc distinguer progressivement plusieurs questions : les informations de départ sont-elles acceptables ? La conclusion suit-elle réellement de ces informations ? Avec quelle force ? Quelles hypothèses intermédiaires sont utilisées ? D’autres conclusions restent-elles possibles ?
Rendre ces étapes explicites ne garantit pas que nous aurons raison.
Cela offre quelque chose de plus réaliste et de plus précieux : la possibilité de comprendre où notre raisonnement peut se tromper et de le corriger.
Pour aller plus loin
John Snow expose son hypothèse sur la transmission du choléra dans *On the Mode of Communication of Cholera*, publié une première fois en 1849 puis dans une édition considérablement développée en 1855. Son travail constitue aujourd’hui un cas classique d’histoire de l’épidémiologie, mais son intérêt pédagogique vient surtout de la combinaison d’observations géographiques, de comparaisons de populations et de raisonnements causaux.
Pour une présentation historique du travail de Snow et d’Henry Whitehead autour de Broad Street, on peut consulter S. W. B. Newsom, « Pioneers in infection control: John Snow, Henry Whitehead, the Broad Street pump, and the beginnings of geographical epidemiology », *Journal of Hospital Infection*, 2006.
Pour la réévaluation quantitative de l’étude de Snow sur les réseaux d’eau du sud de Londres, Thomas S. Coleman, « Re-evaluating John Snow's 1856 south London study », *Social Science & Medicine*, 2024, montre que l’analyse des données originales avec des outils statistiques modernes soutient fortement la conclusion de Snow concernant l’importance de l’approvisionnement en eau.