Raisonnement hypothétique — suivre les conséquences d’une hypothèse sans la tenir pour vraie

« Si cette explication était correcte, qu’est-ce que je devrais observer ? »

Cette question est au cœur d’une grande partie du raisonnement scientifique, médical et quotidien. Elle ne demande pas encore de savoir si l’explication est vraie. Elle demande de la prendre provisoirement comme point de départ et d’en examiner les conséquences.

Nous effectuons constamment ce genre d’opération. Si je prends cette route, arriverai-je à l’heure ? Si ce médicament explique les symptômes, leur apparition correspond-elle au début du traitement ? Si l’accusation portée contre une personne est exacte, quelles autres observations devraient être compatibles avec elle ? Si une théorie économique décrit correctement le mécanisme invoqué, quels effets devrait-on retrouver dans les données ?

Le raisonnement hypothétique consiste ainsi à manipuler des représentations dont la vérité reste suspendue. Il repose sur la capacité de découplage décrite précédemment, mais ajoute une exigence : suivre suffisamment rigoureusement ce qui découle de l’hypothèse.

Cette capacité rend possible une part considérable de notre rationalité. Mais elle ne transforme pas automatiquement nos pensées en démonstrations logiques. Dans la vie réelle, nos prémisses sont souvent incertaines, les relations causales imparfaitement connues et les conditionnelles elles-mêmes ambiguës. Les recherches sur le raisonnement humain ont d’ailleurs progressivement abandonné l’idée trop simple selon laquelle penser correctement reviendrait uniquement à appliquer inconsciemment les règles d’un calcul logique formel. Plusieurs familles de modèles — notamment les théories des modèles mentaux, les approches probabilistes et les théories des doubles processus — proposent aujourd’hui des descriptions différentes et parfois concurrentes de ce que nous faisons lorsque nous raisonnons sur des possibilités.

Supposer n’est pas croire

La première difficulté est conceptuelle.

Lorsque nous disons :

« Supposons que cette hypothèse soit vraie »,

nous ne devons pas convertir immédiatement cette supposition en croyance.

Un enquêteur peut examiner l’hypothèse selon laquelle un suspect dit vrai sans conclure qu’il dit effectivement vrai. Un scientifique peut examiner une théorie concurrente sans l’adopter. Un lecteur peut suivre l’argument d’un auteur dont il rejette la conclusion.

Le raisonnement hypothétique exige précisément cette séparation entre l’assentiment et la manipulation d’une proposition.

Cette distinction paraît évidente lorsqu’elle est formulée explicitement, mais elle devient plus difficile lorsque l’hypothèse concerne une question sur laquelle nous possédons déjà de fortes convictions. Nos connaissances, préférences et attentes continuent alors d’influencer la manière dont nous construisons la situation hypothétique.

Il est relativement facile de dire : « Imaginons que j’aie tort. »

Il est beaucoup plus difficile de construire sérieusement le monde dans lequel nous aurions tort.

« Si P, alors Q » : le squelette du raisonnement hypothétique

Une grande partie de ces raisonnements utilise des propositions conditionnelles :

Si P, alors Q.

En logique classique, cette structure possède une signification précise. Si P est vrai et que « si P alors Q » est vraie, Q doit suivre. C’est le modus ponens :

Si P, alors Q. P. Donc Q.

Une autre inférence valide est le modus tollens :

Si P, alors Q. Non-Q. Donc non-P.

Ces structures fournissent des outils puissants pour examiner les conséquences d’une hypothèse.

Mais les conditionnelles utilisées dans le langage ordinaire sont souvent beaucoup plus riches que le simple conditionnel matériel de la logique.

« S’il pleut, la route sera glissante » n’affirme pas nécessairement qu’une route ne peut être glissante que lorsqu’il pleut. Elle peut être mouillée pour d’autres raisons.

« Si ce patient présente cette maladie, ce marqueur peut être élevé » peut exprimer une relation probabiliste et non une implication sans exception.

« Si le gouvernement adopte cette mesure, les investissements augmenteront » contient une hypothèse causale dépendant d’une multitude de conditions supplémentaires.

C’est pourquoi raisonner correctement à partir d’un “si” suppose d’abord de comprendre quel type de relation ce “si” exprime.

Logique et raisonnement quotidien ne se confondent pas

Les psychologues du raisonnement ont longtemps comparé les réponses humaines aux normes de la logique déductive.

Cette démarche a permis de révéler des erreurs importantes. Mais elle a également suscité un débat : les problèmes expérimentaux sont-ils toujours interprétés par les participants de la manière logique prévue par l’expérimentateur ?

Mike Oaksford et Nick Chater ont notamment défendu une approche probabiliste du raisonnement conditionnel. Dans de nombreuses situations ordinaires, nous ne cherchons pas uniquement à déterminer ce qui est nécessairement vrai ou faux ; nous évaluons ce qui devient plus ou moins probable compte tenu d’une information.

Cette distinction est particulièrement importante pour l’esprit critique.

La logique répond par exemple à la question :

« Cette conclusion doit-elle être vraie si les prémisses sont vraies ? »

Un raisonnement probabiliste pose plutôt :

« Dans quelle mesure cette information rend-elle l’hypothèse plus plausible ? »

Les deux questions sont légitimes.

Mais une réponse probabiliste ne doit pas être présentée comme une démonstration logique, et une structure déductivement valide ne garantit évidemment pas que les prémisses correspondent au monde réel.

Construire des possibilités

Philip Johnson-Laird a développé depuis plusieurs décennies une approche influente selon laquelle le raisonnement repose largement sur la construction de modèles mentaux des possibilités compatibles avec les informations disponibles.

Supposons :

« Tous les biologistes présents sont chercheurs. Certains chercheurs présents enseignent à l’université. »

Pour déterminer ce qui suit, nous pouvons essayer de construire des configurations compatibles avec ces propositions et examiner ce qui reste vrai dans les différentes possibilités.

Dans cette perspective, raisonner ne consiste pas nécessairement à manipuler consciemment des symboles selon des règles formelles. Nous construisons des représentations de situations possibles et cherchons ce qui est commun à ces représentations.

Cette théorie permet également d’expliquer certaines erreurs : lorsque plusieurs modèles seraient nécessaires mais que nous n’en construisons qu’un, une conclusion peut sembler nécessaire alors qu’elle ne l’est pas. Johnson-Laird insiste particulièrement sur l’importance des contre-exemples : trouver une seule possibilité compatible avec les prémisses mais incompatible avec la conclusion suffit à montrer qu’une inférence n’est pas déductivement valide.

C’est une idée d’une grande utilité pratique.

Au lieu de demander seulement :

« Puis-je imaginer un scénario où mon raisonnement fonctionne ? »

il faut demander :

« Puis-je imaginer un scénario où mes prémisses sont vraies mais ma conclusion est fausse ? »

Le contre-exemple : une petite machine à casser les certitudes

Prenons une affirmation :

« Les personnes qui réussissent dans ce domaine travaillent énormément. Donc travailler énormément garantit la réussite. »

Il suffit de construire un cas où une personne travaille énormément sans réussir pour montrer que la conclusion ne suit pas nécessairement de la prémisse.

Le contre-exemple ne prouve pas que le travail soit inutile. Il détruit simplement une relation trop forte : le passage de “souvent associé à” ou “peut favoriser” à “garantit”.

Cette méthode est extrêmement puissante parce qu’elle inverse notre tendance naturelle à rechercher des exemples compatibles avec une idée.

Un exemple favorable montre seulement que la proposition peut fonctionner dans ce cas.

Un contre-exemple bien choisi peut montrer qu’une proposition universelle ne peut pas être vraie telle qu’elle est formulée.

C’est pourquoi l’apprentissage du raisonnement devrait entraîner non seulement à produire des arguments, mais aussi à rechercher activement la situation qui ferait échouer l’inférence.

Cas pratique — « Si mon diagnostic est correct… »

Supposons qu’un patient présente plusieurs signes compatibles avec une infection donnée.

La première hypothèse est plausible.

Le raisonnement hypothétique peut alors prendre plusieurs formes.

La plus spontanée consiste à chercher ce qui est compatible avec le diagnostic :

« Cette fièvre correspond. Ce résultat biologique aussi. »

Une étape plus exigeante consiste à demander :

« Si ce diagnostic est réellement correct, quelles autres observations devrais-je raisonnablement attendre ? »

Puis :

« Qu’est-ce qui serait particulièrement surprenant si ce diagnostic était correct ? »

Enfin :

« Existe-t-il une autre hypothèse qui expliquerait également les observations actuelles ? »

Ces questions changent le statut de l’hypothèse.

Elle n’est plus seulement une histoire permettant d’organiser les données déjà présentes. Elle commence à produire des attentes testables.

Ce passage est central dans le raisonnement scientifique : une bonne hypothèse ne se contente pas d’expliquer rétrospectivement ce que nous savons déjà. Elle doit idéalement nous aider à déterminer ce que nous devrions observer ensuite.

Une hypothèse qui explique tout ne prédit parfois rien

Certaines propositions semblent très puissantes précisément parce qu’elles peuvent s’adapter à presque n’importe quel résultat.

Supposons qu’une théorie affirme qu’une personne agit de manière agressive lorsqu’elle se sent menacée.

Elle agit agressivement : confirmation.

Elle reste calme : elle dissimule sa menace.

Elle coopère : cette coopération est une stratégie défensive.

La théorie peut ainsi absorber tous les résultats.

Elle devient alors très difficile à tester, car aucun état du monde ne semble réellement lui poser problème.

Le raisonnement hypothétique prend toute sa valeur lorsqu’il nous oblige à préciser :

« Si cette proposition est vraie, quels résultats deviennent réellement plus attendus — et lesquels deviennent moins attendus ? »

Une hypothèse qui ne modifie aucune anticipation possède une valeur prédictive très limitée.

Cette question rejoint l’épistémologie de la testabilité, mais elle peut être utilisée bien au-delà de la recherche scientifique.

Tester une hypothèse n’est pas seulement chercher sa confirmation

L’une des tâches expérimentales les plus célèbres de la psychologie du raisonnement est la tâche de sélection de Wason. Sous certaines formulations abstraites, de nombreux participants choisissent spontanément des informations susceptibles de confirmer une règle plutôt que celles qui permettraient de découvrir sa violation.

Cette tâche a suscité une littérature immense, et son interprétation n’est pas simple. Les performances changent fortement selon le contexte, et les approches probabilistes ont contesté l’idée selon laquelle certaines réponses classiques révéleraient simplement une incapacité générale à raisonner logiquement. Oaksford et Chater proposent notamment d’interpréter le comportement de recherche d’information en fonction de sa valeur attendue dans un monde incertain.

Il serait donc imprudent de tirer de Wason le slogan : « Les humains cherchent toujours à confirmer leurs croyances. »

La leçon plus générale reste néanmoins utile : lorsque nous voulons tester une proposition, il faut réfléchir à l’information capable de discriminer plusieurs hypothèses, pas seulement à celle qui serait agréable à découvrir si notre idée était correcte.

Une observation peut être compatible avec une théorie sans être très informative en sa faveur.

Ce qui est attendu sous deux hypothèses ne permet pas de les départager

Supposons deux hypothèses :

H1 : le patient présente la maladie A. H2 : le patient présente la maladie B.

Un symptôme X est très fréquent dans A.

Nous pourrions être tentés de considérer X comme une forte confirmation de H1.

Mais si X est également très fréquent dans B, cette observation discrimine très peu les deux possibilités.

La bonne question n’est donc pas uniquement :

« Est-ce que j’attendrais X si H1 était vraie ? »

Elle est aussi :

« Est-ce que j’attendrais également X si H1 était fausse et H2 vraie ? »

Cette comparaison constitue un changement majeur dans la qualité du raisonnement.

Nous passons d’un raisonnement sur une hypothèse isolée à un raisonnement sur des prédictions concurrentes.

Ce principe deviendra essentiel dans la partie consacrée à Bayes : une donnée est informative lorsqu’elle est plus probable sous certaines hypothèses que sous d’autres.

L’hypothèse alternative n’a pas besoin d’être meilleure au départ

Une erreur fréquente consiste à rejeter une objection en demandant immédiatement :

« Alors quelle est ton explication ? »

La question peut être légitime, mais elle ne répond pas toujours au problème posé.

Si quelqu’un montre qu’une conclusion ne suit pas des prémisses, il n’est pas obligé de connaître déjà la véritable explication.

De même, montrer qu’une étude ne permet pas d’établir une causalité ne requiert pas de déterminer immédiatement quelle est la cause réelle.

Le raisonnement critique doit préserver cette distinction.

Il est possible de conclure :

« Cette hypothèse n’est pas suffisamment étayée »

sans pouvoir encore conclure :

« Voici l’hypothèse correcte. »

Le raisonnement hypothétique nous permet précisément de conserver plusieurs possibilités ouvertes lorsque les données ne permettent pas encore de trancher.

Cette capacité à rester dans l’indétermination provisoire est une compétence intellectuelle importante.

Les scénarios impossibles sont parfois très instructifs

Il peut également être utile d’examiner une hypothèse que nous savons probablement fausse.

Supposons que nous cherchions à comprendre pourquoi une organisation connaît régulièrement le même problème.

On peut demander :

« Imaginons que ce ne soit absolument pas un problème de compétence individuelle. Que resterait-il comme explication ? »

Cette hypothèse artificielle force momentanément l’attention vers l’organisation, les procédures, les incitations ou les contraintes matérielles.

Puis on peut effectuer l’exercice inverse :

« Imaginons que la procédure soit parfaite. Quelles erreurs individuelles resteraient possibles ? »

Aucune de ces suppositions n’est nécessairement vraie.

Leur fonction est de désolidariser des variables habituellement confondues afin de voir ce que chaque explication apporte.

Les expériences de pensée philosophiques et scientifiques utilisent continuellement cette stratégie : modifier une condition et examiner ce qui change.

L’hypothèse devient alors un instrument d’analyse plutôt qu’une proposition que l’on cherche immédiatement à croire.

Attention aux hypothèses auxiliaires

Un raisonnement conditionnel paraît parfois très clair :

« Si ma théorie est vraie, alors X devrait se produire. »

X ne se produit pas.

Donc ma théorie est fausse.

Dans les sciences réelles, la situation est souvent plus complexe.

La prédiction dépend généralement non seulement de la théorie principale mais aussi de nombreuses hypothèses auxiliaires : les instruments fonctionnent correctement, les conditions expérimentales ont été respectées, les mesures signifient ce que l’on suppose qu’elles signifient, aucune autre variable importante n’intervient.

Lorsque la prédiction échoue, il faut donc parfois déterminer quelle partie de l’ensemble d’hypothèses doit être révisée.

Ce problème est bien connu en philosophie des sciences, notamment à travers les discussions associées à Duhem et Quine.

Il possède également un équivalent quotidien.

« Si le médicament fonctionne, la douleur devrait diminuer. »

Si elle ne diminue pas, plusieurs explications sont possibles : le médicament est inefficace dans ce cas, la dose ou le délai sont insuffisants, la douleur possède une autre origine, l’observance est différente de ce que l’on croit, etc.

Le raisonnement hypothétique ne consiste donc pas simplement à appliquer mécaniquement si P alors Q ; non-Q donc non-P.

Il faut déterminer ce que représente réellement P dans la situation étudiée.

Les conditionnelles quotidiennes sont souvent probabilistes

La plupart de nos prédictions ordinaires ne prennent pas la forme :

« Si P est vrai, Q se produira nécessairement. »

Elles ressemblent plutôt à :

« Si P est vrai, Q devient plus probable. »

Cette distinction transforme complètement l’interprétation d’un échec.

Si un traitement réduit fortement un risque sans l’abolir, observer malgré tout l’événement ne réfute pas nécessairement son efficacité.

Si le tabagisme augmente considérablement le risque de cancer, l’existence d’un fumeur ayant vécu cent ans n’est évidemment pas un contre-exemple à la relation statistique.

À l’inverse, une personne non fumeuse développant un cancer ne montre pas que le tabac est sans effet.

Dans un monde probabiliste, les hypothèses produisent souvent des distributions de résultats, pas une conséquence unique.

C’est l’une des raisons pour lesquelles la pensée scientifique moderne exige souvent des outils statistiques : notre intuition logique aime les relations nettes, tandis que de nombreux phénomènes réels ne changent que les probabilités. Les approches probabilistes du raisonnement conditionnel développées par Oaksford et Chater s’inscrivent précisément dans cette remise en question d’une assimilation trop rapide entre raisonnement quotidien et logique déductive.

La qualité d’un raisonnement dépend des connaissances qu’il utilise

Une capacité élevée de manipulation mentale ne garantit toujours pas une bonne conclusion.

Supposons qu’une personne raisonne parfaitement :

« Si le mécanisme A provoque B, et si B produit C, alors modifier A devrait finalement modifier C. »

La structure peut être irréprochable.

Mais si A ne provoque pas réellement B, ou si la relation entre B et C a été mal comprise, la prédiction échouera.

Le raisonnement hypothétique possède donc une double dépendance.

Il exige une capacité cognitive permettant de maintenir et manipuler les possibilités, mais il exige aussi des connaissances suffisamment justes pour construire ces possibilités.

Stanovich insiste justement sur le rôle de l’esprit algorithmique dans le maintien de représentations découplées, tout en séparant cette capacité de la rationalité globale de la personne. Posséder la puissance nécessaire pour simuler un raisonnement ne garantit ni que nous déciderons de l’utiliser au bon moment ni que les contenus utilisés seront appropriés.

Une personne très intelligente peut ainsi raisonner remarquablement à partir d’un mauvais modèle.

La sophistication peut masquer une prémisse fragile

Cette limite est particulièrement importante devant les argumentations impressionnantes.

Un texte peut contenir quinze étapes parfaitement articulées.

Chaque étape peut sembler plausible.

La conclusion donne alors l’impression d’avoir été solidement démontrée.

Pourtant, toute la construction peut dépendre d’une seule hypothèse fragile placée au début.

Plus le raisonnement devient sophistiqué, plus il peut être tentant d’évaluer la beauté de la chaîne plutôt que la solidité de ses points d’appui.

Une bonne méthode consiste donc parfois à revenir en arrière et demander :

Quelles sont les prémisses indispensables ?

Lesquelles sont établies ?

Lesquelles sont seulement plausibles ?

Qu’arrive-t-il à la conclusion si l’une d’elles change ?

Un raisonnement hypothétique peut produire de nombreuses conséquences correctes à partir d’une supposition.

Cela ne transforme jamais la supposition initiale en fait.

Cas pratique — une réforme politique « entraînera forcément… »

Les débats politiques offrent continuellement des chaînes hypothétiques.

« Si nous augmentons cette taxe, les entreprises investiront moins. Elles embaucheront moins. Le chômage augmentera. Les recettes diminueront finalement. »

Ou à l’inverse :

« Si nous augmentons cette taxe, l’État disposera de nouvelles recettes. Il investira davantage. L’activité augmentera. L’emploi progressera. »

Ces deux récits peuvent posséder des mécanismes plausibles.

Mais aucun n’est démontré simplement parce que chaque phrase prise isolément semble raisonnable.

Il faut examiner les élasticités, les réactions des acteurs, l’utilisation réelle des recettes, les effets macroéconomiques, le contexte et les données provenant de situations comparables.

La simulation narrative produit des scénarios.

Le raisonnement empirique doit ensuite chercher à savoir quels mécanismes ont réellement une importance suffisante pour dominer les autres.

Cette distinction protège contre un travers fréquent : confondre une chaîne causale imaginable avec une prédiction établie.

Un bon raisonneur sait aussi interrompre le raisonnement

Il existe enfin une limite moins évidente.

Une personne peut continuer indéfiniment à multiplier les hypothèses.

Et si A ? Et si B ? Et si C ? Et si une circonstance exceptionnelle rendait B impossible ?

Cette prolifération finit par rendre toute décision impraticable.

Le raisonnement hypothétique doit donc être régulé.

Toutes les possibilités ne méritent pas le même effort. Certaines sont trop improbables, certaines ont peu de conséquences, d’autres peuvent être testées immédiatement plutôt que débattues mentalement.

La rationalité ne consiste pas à envisager toutes les possibilités concevables.

Elle consiste à consacrer suffisamment de ressources aux possibilités qui pourraient réellement modifier le jugement ou l’action.

Nous retrouvons ici le problème qui conduira à la métacognition : comment décider quand une hypothèse alternative mérite d’être construite, approfondie ou abandonnée ?

De « je pense que » à « que devrais-je observer ? »

Le raisonnement hypothétique fournit finalement une transition essentielle entre croyance et enquête.

Une croyance isolée affirme :

« Je pense que X. »

Le raisonnement hypothétique demande :

« Si X était vrai, quelles conséquences devraient suivre ? »

La comparaison d’hypothèses ajoute :

« Ces mêmes conséquences seraient-elles également attendues si X était faux ? »

Puis l’enquête empirique pose :

« Qu’observons-nous réellement ? »

Cette progression constitue une discipline intellectuelle extrêmement puissante.

Elle empêche une idée de rester une simple impression en l’obligeant à entrer en contact avec les conséquences qu’elle implique.

Mais il faut conserver la distinction fondamentale qui traverse toute cette fiche :

une implication correcte ne garantit pas une prémisse vraie ; une hypothèse plausible n’est pas une croyance établie ; une observation compatible n’est pas nécessairement discriminante ; et une prédiction déçue n’a pas toujours la simplicité d’une réfutation logique.

Le raisonnement hypothétique nous permet de construire des ponts entre nos idées et le monde.

La qualité de ces ponts dépend ensuite de la logique, des probabilités, des connaissances et surtout de notre capacité à rechercher ce qui pourrait les faire céder.

Pour aller plus loin

Jonathan St. B. T. Evans (2007), *Hypothetical Thinking: Dual Processes in Reasoning and Judgement*, Psychology Press. Un ouvrage consacré au rôle de la pensée hypothétique dans le raisonnement et aux modèles à doubles processus qui tentent d’en rendre compte.

Philip N. Johnson-Laird (2010), « Mental Models and Human Reasoning », *Proceedings of the National Academy of Sciences*, 107(43), 18243–18250. Une synthèse claire de la théorie des modèles mentaux, selon laquelle le raisonnement implique la représentation de possibilités compatibles avec les prémisses et la recherche de contre-exemples. DOI : 10.1073/pnas.1012933107.

Keith E. Stanovich (2010), *Rationality and the Reflective Mind*, Oxford University Press. Un ouvrage majeur pour comprendre le rôle des représentations découplées, de la simulation hypothétique et de la distinction entre capacités algorithmiques et dispositions réflexives. DOI : 10.1093/acprof:oso/9780195341140.001.0001.

Mike Oaksford & Nick Chater (2007), *Bayesian Rationality: The Probabilistic Approach to Human Reasoning*, Oxford University Press. Une contribution majeure à l’approche probabiliste du raisonnement humain, notamment des conditionnelles et de la recherche d’information, qui remet en question l’idée selon laquelle toutes les performances doivent être évaluées uniquement à l’aune de la logique déductive. DOI : 10.1093/acprof:oso/9780198524496.001.0001.

Mike Oaksford & Nick Chater, dir. (2010), *Cognition and Conditionals: Probability and Logic in Human Thinking*, Oxford University Press. Un ensemble de travaux consacrés aux relations entre logique, probabilités et interprétation des conditionnelles dans le raisonnement humain. DOI : 10.1093/acprof:oso/9780199233298.001.0001.

12 sur 30Retour à la catégorie