Tester sans manipuler : sciences observationnelles et historiques
Une représentation très répandue de la science fait de l’expérience contrôlée son modèle idéal : le chercheur modifie une variable, maintient les autres constantes et observe ce qui se produit. Cette stratégie est effectivement extraordinairement puissante. Mais si elle constituait une condition nécessaire de toute connaissance scientifique solide, une grande partie de l’astronomie, de la géologie, de la climatologie, de la paléontologie, de la biologie évolutive ou de l’épidémiologie serait condamnée à une forme de connaissance inférieure.
Nous ne pouvons pas déplacer une galaxie pour observer ce qui se passe. Nous ne pouvons pas recommencer l’extinction des dinosaures avec et sans astéroïde. Nous ne pouvons pas construire plusieurs planètes Terre identiques et augmenter expérimentalement les gaz à effet de serre sur une seule d’entre elles. Il serait évidemment contraire à l’éthique de répartir aléatoirement des personnes entre « fumer pendant trente ans » et « ne jamais fumer ».
Pourtant, ces disciplines établissent des connaissances extrêmement robustes.
Elles y parviennent parce que tester une hypothèse ne signifie pas nécessairement manipuler directement le phénomène étudié. Une théorie peut produire des prédictions sur les traces qu’un événement devrait avoir laissées, sur les relations que plusieurs observations indépendantes devraient présenter ou sur les différences que l’on devrait constater entre plusieurs explications concurrentes.
La question générale reste donc celle que nous rencontrons depuis le début :
« Si cette hypothèse était correcte plutôt qu’une autre, qu’aurions-nous des raisons d’observer ? »
L’expérimentation constitue une manière particulièrement efficace de fabriquer ces différences. Mais elle n’est pas la seule.
Observer n’est pas simplement regarder
Le mot observationnel peut donner l’impression d’une science passive.
Le chercheur regarderait ce qui arrive puis raconterait une histoire compatible avec ce qu’il a vu.
Ce n’est pas ainsi que fonctionne une bonne science observationnelle.
Une observation scientifique implique souvent des instruments extrêmement sophistiqués, des protocoles de mesure, des choix d’échantillonnage, des modèles permettant de transformer des signaux en données et des prédictions formulées avant l’examen de certaines observations.
Un astronome ne se contente pas de « regarder le ciel ». Il mesure des longueurs d’onde, des luminosités, des déplacements spectraux, des trajectoires ou des variations temporelles avec des instruments calibrés.
Un paléontologue ne se contente pas de « regarder un fossile ». Il doit établir sa position stratigraphique, sa datation, son environnement de dépôt et sa relation avec d’autres traces.
Un épidémiologiste ne se contente pas de constater que les fumeurs meurent davantage. Il cherche à savoir si l’association persiste dans différentes populations, si l’exposition précède la maladie, si le risque évolue avec l’exposition, si des confusions plausibles peuvent expliquer le résultat et si les connaissances biologiques convergent.
Observationnel ne signifie donc pas non contrôlé.
Le contrôle existe, mais il prend d’autres formes.
L’expérience crée des différences ; l’observation cherche celles que le monde a déjà produites
Dans une expérience contrôlée, le chercheur crée volontairement une variation.
Dans une recherche observationnelle, cette variation existe déjà.
Certaines personnes fument, d’autres non.
Certaines régions reçoivent davantage de pollution.
Certaines étoiles possèdent des planètes.
Certaines couches géologiques contiennent des traces particulières.
Certaines espèces partagent certaines structures anatomiques ou séquences génétiques.
Le travail consiste alors à identifier quelles observations pourraient distinguer plusieurs explications possibles de cette variation.
Il ne suffit donc pas de constater :
X et Y apparaissent ensemble.
Il faut demander :
quelles autres conséquences devraient apparaître si X causait réellement Y ?
C’est ce passage de la simple association à un réseau de conséquences attendues qui rend possible une inférence causale sans manipulation directe.
Les sciences historiques partent des traces présentes
Certaines disciplines cherchent à reconstruire des événements qui ne sont plus directement observables.
La paléontologie étudie l’histoire du vivant.
La géologie reconstruit des événements parfois vieux de milliards d’années.
La cosmologie travaille elle aussi sur un univers dont une grande partie de l’histoire est accessible uniquement par les signaux qui nous parviennent aujourd’hui.
Dans ces sciences, le passé ne peut évidemment pas être manipulé.
Carol Cleland a défendu l’idée que cela ne rend pas les sciences historiques méthodologiquement inférieures aux sciences expérimentales. Elles utilisent simplement une structure d’enquête différente, adaptée à l’asymétrie entre causes passées et traces présentes. (researchgate.net)
Un événement passé peut avoir laissé plusieurs effets distincts dans le présent.
Le travail scientifique consiste à reconstruire quelle cause commune explique le mieux cet ensemble de traces.
Le passé peut laisser beaucoup plus d’une trace
Un impact météoritique ne laisse pas seulement un cratère.
Il peut produire des matériaux projetés à grande distance, des minéraux soumis à des pressions extrêmes, des anomalies géochimiques, des transformations environnementales et des perturbations biologiques.
Une extinction biologique peut laisser des modifications dans plusieurs groupes fossiles.
Une glaciation peut laisser des traces géomorphologiques, des dépôts, des modifications isotopiques et des changements biologiques.
Cette multiplicité est importante parce que des traces différentes peuvent être partiellement indépendantes.
Une explication inventée pour rendre compte d’une seule observation aura davantage de difficulté à expliquer simultanément plusieurs indices provenant de méthodes différentes.
Cleland décrit ainsi les sciences historiques comme cherchant souvent plusieurs hypothèses concurrentes puis des éléments de preuve capables de les départager — ce qu’elle appelle métaphoriquement des « smoking guns », à comprendre non comme une preuve magique isolée mais comme une trace particulièrement discriminante dans le contexte de l’ensemble des données. (carleton.edu)
Chicxulub : reconstruire une catastrophe sans pouvoir la répéter
La disparition massive d’espèces à la limite Crétacé-Paléogène, il y a environ 66 millions d’années, fournit un exemple remarquable.
Personne n’a évidemment observé directement l’événement.
Personne ne peut refaire la Terre du Crétacé avec et sans impact.
Plusieurs explications ont pourtant pu être comparées, notamment le volcanisme massif des trapps du Deccan et l’impact d’un astéroïde.
L’hypothèse d’un impact ne s’appuie pas sur un unique indice.
On observe notamment une couche d’éjectas associée à la limite Crétacé-Paléogène sur de nombreux sites, des signatures minéralogiques caractéristiques d’un impact, une anomalie en iridium et l’existence du gigantesque cratère de Chicxulub au Mexique.
Une synthèse publiée dans *Science* en 2010 a confronté un ensemble considérable de données stratigraphiques, géochimiques, paléontologiques et géophysiques. Les auteurs concluaient que la distribution mondiale des matériaux d’impact, leur association temporelle avec l’extinction et la concordance entre les perturbations environnementales attendues et les changements observés soutenaient fortement le rôle causal de l’impact de Chicxulub dans l’extinction de masse.
La force de l’inférence ne vient donc pas de :
« nous avons trouvé un cratère ».
Elle vient de la convergence de nombreuses conséquences indépendantes attendues sous l’hypothèse de l’impact.
Une hypothèse historique peut produire de nouvelles prédictions
Il serait faux de penser qu’une hypothèse sur le passé ne peut expliquer que des observations déjà connues.
Supposons qu’un événement historique soit proposé pour expliquer plusieurs traces.
Cette hypothèse peut indiquer qu’une autre trace encore inconnue devrait exister à un endroit précis, dans une couche précise ou sous une forme précise.
La découverte ultérieure de cette trace joue alors un véritable rôle prédictif.
La prédiction ne concerne pas le futur de l’univers.
Elle concerne le futur de notre connaissance.
Une structure existe peut-être depuis des millions d’années, mais si sa présence n’était pas connue lorsqu’elle a été déduite de la théorie, sa découverte constitue un test indépendant.
La distinction entre prédiction et rétrodiction ne correspond donc pas simplement à futur contre passé.
Ce qui importe est la relation entre l’hypothèse et les données qui ont servi ou non à la construire.
Une théorie du passé peut être falsifiable
Supposons qu’une hypothèse affirme qu’un événement s’est produit à une époque donnée.
Elle peut être incompatible avec certaines traces.
Si les fossiles censés disparaître lors de l’événement apparaissent massivement et sans ambiguïté longtemps après celui-ci, la reconstruction rencontre une difficulté.
Si un dépôt supposé provenir d’un événement précis possède une datation incompatible, l’hypothèse peut être révisée.
Si une théorie sur l’évolution d’une lignée implique certaines relations génétiques mais que celles-ci ne sont pas retrouvées, cela pose également problème.
Une science historique n’échappe donc pas à la testabilité simplement parce qu’elle étudie un événement non reproductible.
L’événement ne se répète pas.
Ses conséquences attendues peuvent néanmoins être testées.
L’astronomie : une science observationnelle extraordinairement prédictive
L’astronomie constitue peut-être l’exemple le plus évident de science dans laquelle les objets principaux ne sont presque jamais manipulables.
Nous ne pouvons pas déplacer une étoile.
Nous ne pouvons pas provoquer une supernova.
Nous ne pouvons pas modifier la masse du Soleil puis recommencer le système solaire avec une autre valeur.
Pourtant, les théories astronomiques produisent des prédictions extrêmement précises.
Une théorie gravitationnelle prédit des trajectoires.
Un modèle stellaire prédit certaines relations entre masse, luminosité, température et évolution.
Un modèle planétaire prédit certaines variations périodiques.
Une théorie cosmologique prévoit différentes caractéristiques observables de la distribution de matière ou du rayonnement.
Les observations peuvent donc confronter ces prédictions au monde de manière parfois très sévère.
Le fait que l’astronome ne manipule pas la galaxie n’empêche pas la galaxie de se comporter d’une manière compatible avec certaines théories et incompatible avec d’autres.
Observer des circonstances différentes peut remplacer partiellement une manipulation
L’univers produit également lui-même une immense diversité de situations.
Nous ne pouvons pas modifier expérimentalement la masse d’une étoile, mais nous pouvons observer des étoiles de masses différentes.
Nous ne pouvons pas faire varier artificiellement l’âge d’une galaxie, mais la vitesse finie de la lumière nous permet d’observer des objets à différents stades de l’histoire cosmique.
Nous ne pouvons pas créer des milliers de systèmes planétaires, mais nous pouvons étudier ceux que la nature a produits.
Cette diversité ne crée pas automatiquement une expérience contrôlée : les systèmes peuvent différer sur plusieurs facteurs simultanément.
Mais elle permet de rechercher des régularités, des invariances et des prédictions comparatives.
La nature fournit en quelque sorte un vaste ensemble de cas à confronter aux théories.
Les scientifiques peuvent expérimenter sur des morceaux du problème
Dire qu’une discipline est principalement observationnelle ne signifie pas qu’elle n’utilise aucune expérience.
Les géologues reproduisent en laboratoire certaines conditions de pression et de température.
Les astrophysiciens testent la physique atomique nécessaire à l’interprétation des spectres.
Les climatologues réalisent des expériences sur les propriétés radiatives des gaz et étudient de nombreux processus physiques indépendamment.
Les biologistes de l’évolution peuvent tester expérimentalement certains mécanismes sur des populations microbiennes ou d’autres organismes, même s’ils ne peuvent pas reproduire toute l’histoire de la vie.
Les paléontologues peuvent tester les propriétés mécaniques de structures anatomiques ou étudier expérimentalement des processus de fossilisation.
La distinction entre science expérimentale et science observationnelle porte donc souvent sur l’objet principal de l’inférence, pas sur l’interdiction totale de toute manipulation.
Une conclusion peut s’appuyer sur des observations de terrain et des expériences portant sur certains mécanismes auxiliaires.
L’épidémiologie : établir des causes que l’on ne peut pas attribuer expérimentalement
Le lien entre tabagisme et cancer du poumon constitue l’un des exemples les plus importants.
Aucun essai randomisé à long terme n’a distribué des personnes entre tabagisme et abstinence afin d’attendre l’apparition des cancers.
Une telle expérience serait aujourd’hui évidemment contraire à l’éthique.
La conclusion causale s’est construite à partir d’un ensemble de preuves : études cas-témoins, cohortes, relation entre quantité fumée et risque, temporalité, cohérence entre différentes populations, évolution du risque après arrêt, anatomopathologie et autres connaissances biologiques.
Le rapport américain du Surgeon General de 1964 constitue un jalon majeur parce qu’il a explicitement synthétisé plusieurs types de preuves et examiné des explications concurrentes avant de conclure que le tabagisme causait le cancer du poumon chez les hommes. Une analyse historique montre que le rapport associait notamment études épidémiologiques, résultats cliniques et anatomopathologiques et données expérimentales animales.
Ce cas montre exactement pourquoi le slogan « corrélation n’est pas causalité » est insuffisant.
« Corrélation n’est pas causalité » est un début, pas une méthode
La phrase rappelle correctement qu’une association statistique ne démontre pas automatiquement une relation causale.
Mais elle est parfois utilisée comme si elle impliquait :
« Une corrélation ne peut jamais contribuer à établir une causalité. »
C’est faux.
Une association répétée dans différentes populations peut constituer un élément important d’un raisonnement causal.
La question est de savoir si les principales explications non causales résistent aux données.
La relation précède-t-elle l’effet ?
Existe-t-il une relation dose-réponse ?
L’association persiste-t-elle lorsque certains facteurs de confusion sont contrôlés ?
Le mécanisme est-il compatible avec d’autres connaissances ?
Le risque diminue-t-il lorsque l’exposition cesse ?
Les mêmes résultats apparaissent-ils dans différentes populations et avec différentes méthodes ?
Ces questions ne transforment pas mécaniquement une association en causalité, mais elles permettent d’effectuer une enquête causale structurée.
Les « critères de Hill » ne sont pas une checklist magique
Austin Bradford Hill a proposé en 1965 plusieurs « aspects » à considérer lorsqu’on cherche à passer d’une association observée à une interprétation causale : force de l’association, cohérence, spécificité, temporalité, gradient biologique, plausibilité, cohérence avec d’autres connaissances, expérimentation et analogie.
Ils sont souvent appelés critères de Bradford Hill.
Mais les transformer en liste administrative où cinq cases cochées « prouvent » la causalité serait contraire à leur esprit.
Toutes ces considérations n’ont pas le même poids dans toutes les situations.
La temporalité, par exemple, possède une nécessité logique évidente : une cause doit précéder l’effet qu’on lui attribue.
La spécificité est beaucoup moins universelle : une cause peut produire plusieurs maladies et une maladie peut posséder plusieurs causes.
Une étude historique consacrée aux rapports du Surgeon General montre précisément que ces considérations étaient utilisées de façon variable selon les questions et l’état des preuves, et non comme un algorithme automatique.
Ces « critères » sont donc davantage des dimensions d’un raisonnement causal qu’un test à score.
La climatologie : attribuer une cause sans disposer de Terre témoin
Le changement climatique fournit un autre cas particulièrement instructif.
Il existe une seule Terre.
Nous ne pouvons donc pas construire un véritable essai contrôlé avec :
Terre A : émissions anthropiques réelles
et
Terre B : même planète, mêmes volcans, même Soleil, mêmes océans, mais sans émissions humaines.
Pourtant, cela ne signifie pas que toutes les causes du réchauffement actuel soient indiscernables.
Les différents forçages physiques ne produisent pas nécessairement les mêmes motifs de changement.
Les gaz à effet de serre, les variations solaires, les aérosols ou les éruptions volcaniques influencent différemment plusieurs composantes du système climatique.
Les chercheurs peuvent donc confronter les observations à ces différentes signatures attendues.
L’attribution climatique ne repose pas sur une simple courbe ascendante
Un raisonnement superficiel serait :
CO₂ augmente ; température augmente ; donc CO₂ cause le réchauffement.
Ce serait insuffisant.
L’attribution scientifique mobilise beaucoup plus d’informations : compréhension physique de l’effet radiatif des gaz, observations atmosphériques et océaniques, évolution verticale des températures, cryosphère, modèles climatiques, forçages naturels, paléoclimats et comparaison des motifs de changement attendus sous différents scénarios.
Le Groupe d’experts intergouvernemental sur l’évolution du climat conclut dans le sixième rapport d’évaluation qu’il est sans équivoque que l’influence humaine a réchauffé l’atmosphère, l’océan et les terres. Surtout, le chapitre consacré à l’attribution précise que c’est la combinaison des preuves à travers les différentes composantes du système climatique qui augmente le niveau de confiance et réduit les incertitudes liées à l’analyse d’une variable isolée.
Cet exemple illustre parfaitement la logique de convergence des preuves.
Chercher des « empreintes » causales
Lorsqu’une cause produit plusieurs effets attendus, ceux-ci peuvent former une sorte d’empreinte.
Supposons que deux hypothèses expliquent toutes deux une augmentation de la température moyenne mondiale.
Si la première prévoit simultanément un réchauffement de certaines couches atmosphériques tandis que la seconde prévoit un profil différent, la structure verticale des températures devient une donnée discriminante.
La même logique peut être appliquée à l’évolution de l’océan, de la cryosphère ou de certains extrêmes.
Le GIEC souligne justement que différents indicateurs à grande échelle montrent des réponses cohérentes avec l’influence humaine attendue à partir des modèles et de la compréhension physique.
Nous retrouvons ici exactement le principe des hypothèses concurrentes et tests discriminants étudié dans la fiche 9.
Les modèles construisent des contrefactuels — mais doivent être testés
En climatologie comme dans d’autres sciences observationnelles, les modèles peuvent aider à construire le scénario que nous ne pouvons pas observer directement.
Que serait devenu le climat sous les seuls forçages naturels ?
Que prévoit-on lorsque les forçages anthropiques sont ajoutés ?
Mais il serait incorrect de dire :
« Le modèle produit la réponse, donc la causalité est démontrée. »
La crédibilité dépend de la physique incorporée dans le modèle, de sa capacité à reproduire des caractéristiques du climat observé, de sa confrontation à différentes périodes et de la cohérence de ses résultats avec des observations qui ne dépendent pas du même modèle.
Comme nous l’avons vu dans la fiche 13, un modèle ne crée pas lui-même la réalité qu’il est censé expliquer.
Sa valeur vient de la qualité de ses confrontations indépendantes avec elle.
La convergence est plus forte lorsque les erreurs possibles diffèrent
Supposons que cinq études utilisent toutes exactement la même base de données, le même instrument et la même méthode.
Leur accord est intéressant, mais elles peuvent partager la même erreur.
Supposons maintenant qu’une conclusion soit soutenue par :
des observations épidémiologiques ;
une relation dose-réponse ;
des expérimentations animales ;
des mécanismes biologiques ;
des changements de risque après arrêt de l’exposition ;
et plusieurs populations étudiées indépendamment.
Pour que toute la conclusion soit artificielle, il faut alors expliquer pourquoi plusieurs méthodes possédant des vulnérabilités différentes convergent vers le même résultat.
Cette idée est parfois appelée triangulation ou convergence de preuves.
Sa force dépend de l’indépendance réelle des sources.
Deux analyses différentes d’une même erreur ne valent pas nécessairement deux confirmations indépendantes.
La triangulation ne consiste pas à compter les études
Il serait tentant de dire :
« Dix études trouvent le résultat, donc il est vrai. »
Ce raisonnement reste trop simple.
Les dix études peuvent partager :
le même biais de sélection ;
la même erreur de mesure ;
la même base de données ;
le même confondeur non mesuré ;
ou la même hypothèse théorique erronée.
La véritable triangulation recherche plutôt des méthodes dont les erreurs probables ne sont pas identiques.
Si une étude de cohorte et une quasi-expérience aboutissent à la même conclusion, leurs vulnérabilités ne se recouvrent pas exactement.
Si des données humaines et des expériences mécanistiques indépendantes convergent, un autre type de contrôle est ajouté.
La question n’est donc pas :
« Combien de résultats vont dans le même sens ? »
mais :
« Combien de manières réellement différentes aurions-nous de produire artificiellement cette convergence ? »
Les prédictions indépendantes sont particulièrement importantes
Une science observationnelle devient beaucoup plus forte lorsqu’une hypothèse ne se contente pas de réinterpréter après coup un ensemble de données.
Elle doit produire de nouvelles attentes.
Une théorie évolutive peut prédire l’existence d’une structure intermédiaire ou une relation phylogénétique.
Une hypothèse géologique peut prévoir où certaines couches ou signatures doivent être trouvées.
Un modèle astronomique peut prévoir une perturbation ou une observation encore inconnue.
Un modèle climatique peut prévoir plusieurs réponses du système qui seront ensuite comparées aux mesures.
Nous retrouvons une nouvelle fois le principe général :
la meilleure preuve n’est pas simplement celle qu’une théorie sait absorber, mais celle qu’elle avait réellement des raisons de prévoir.
Les absences peuvent elles aussi être informatives
Les sciences historiques travaillent fréquemment avec des traces incomplètes.
L’absence d’une observation doit donc être maniée avec prudence.
Ne pas trouver un fossile ne signifie pas automatiquement que l’espèce n’existait pas.
Ne pas détecter un signal astronomique peut provenir de la sensibilité insuffisante de l’instrument.
Ne pas retrouver un polluant dans un prélèvement peut être lié à la limite de détection.
Pour qu’une absence constitue une preuve sérieuse, il faut demander :
aurions-nous probablement détecté la trace si l’hypothèse était correcte ?
C’est encore la logique du test sévère.
Une absence est probante seulement lorsqu’il existe de bonnes raisons de penser que le dispositif aurait eu la capacité de révéler ce qui manque.
Les lacunes des archives imposent une prudence particulière
L’histoire naturelle n’est pas intégralement enregistrée.
Les organismes se fossilisent très inégalement.
Les roches peuvent être érodées, métamorphisées ou détruites par la tectonique.
Les sédiments peuvent être remaniés.
Les signaux astronomiques peuvent ne jamais nous parvenir.
Certaines traces disparaissent avec le temps.
La philosophie contemporaine des sciences historiques souligne ainsi qu’il existe une tension entre la multiplicité des traces produites par les événements passés et les processus qui détruisent progressivement l’information.
Cela signifie que certaines questions historiques restent profondément sous-déterminées.
Une science rigoureuse doit pouvoir dire :
« Nous ne disposons pas actuellement de traces suffisantes pour choisir entre ces hypothèses. »
L’existence de méthodes robustes ne garantit pas que tout passé soit reconstructible.
Toutes les histoires compatibles ne sont pas équivalentes
À l’inverse, l’incomplétude des traces ne signifie pas que n’importe quelle histoire soit acceptable.
Supposons que deux hypothèses expliquent un fossile particulier.
La première explique également la stratigraphie, plusieurs datations indépendantes, des données génétiques et des caractéristiques anatomiques.
La seconde nécessite de supposer que chacune de ces autres observations résulte d’un mécanisme différent introduit spécialement pour sauver l’hypothèse.
Les deux récits sont peut-être logiquement possibles.
Ils ne possèdent pas le même soutien scientifique.
Nous retrouvons ici la distinction fondamentale entre possibilité et plausibilité comparative.
La science historique cherche la meilleure explication contrainte par tout l’ensemble des traces disponibles, et non une histoire simplement compatible avec une partie d’entre elles.
Les mécanismes comptent, mais ne remplacent pas les observations
Une hypothèse causale devient souvent plus crédible lorsque nous connaissons un mécanisme capable de produire l’effet.
Les composants de la fumée de cigarette possèdent des propriétés biologiques compatibles avec la carcinogenèse.
Les gaz à effet de serre ont des propriétés radiatives mesurables.
Un impact massif possède des conséquences physiques susceptibles de modifier profondément l’environnement.
Mais il faut éviter l’erreur inverse : un mécanisme plausible ne démontre pas qu’il a réellement causé l’événement étudié.
Il existe souvent plusieurs mécanismes plausibles.
L’enjeu est donc de relier mécanisme et traces observées.
Une bonne explication n’est pas seulement :
« ce processus pourrait produire ce phénomène ».
Elle doit montrer :
« ce processus aurait dû produire plusieurs conséquences de ce type, et ce sont précisément celles que nous observons ».
Les expériences de laboratoire peuvent tester les mécanismes sans reproduire l’histoire
C’est là qu’intervient la complémentarité entre méthodes.
Nous ne pouvons pas reproduire l’extinction Crétacé-Paléogène.
Mais nous pouvons étudier expérimentalement la manière dont certains minéraux réagissent à de très fortes pressions.
Nous ne pouvons pas randomiser les humains au tabagisme pendant plusieurs décennies.
Mais nous pouvons étudier expérimentalement les effets de certaines substances sur des cellules ou des animaux.
Nous ne pouvons pas créer une autre planète.
Mais nous pouvons mesurer expérimentalement les propriétés physiques des gaz qui composent son atmosphère.
Ces expériences ne démontrent pas directement l’événement historique complet.
Elles renforcent ou affaiblissent certaines parties du mécanisme qui permet de l’expliquer.
La robustesse vient alors de l’articulation entre terrain, observation, expérimentation et théorie.
Les sciences observationnelles peuvent parfois exploiter des interventions imprévues
La frontière devient encore plus floue avec les expériences naturelles et quasi-expériences étudiées dans la fiche précédente.
Une interdiction de fumer peut entrer en vigueur à une date particulière.
Une réglementation environnementale peut modifier brutalement une exposition.
Une fermeture d’usine peut réduire une source locale de pollution.
Ces variations ne sont pas créées par les chercheurs, mais elles peuvent fournir un changement causalement informatif.
Une même question scientifique peut donc être étudiée avec plusieurs méthodes : observation classique, quasi-expérience, mécanismes biologiques, séries temporelles et éventuellement expériences sur certains composants.
Cette diversité méthodologique peut être beaucoup plus convaincante qu’une étude unique présentée comme décisive.
Une convergence imparfaite peut elle-même être instructive
Les différentes méthodes ne donnent pas toujours exactement le même chiffre.
Une étude observationnelle peut estimer un effet de 20 %.
Une quasi-expérience estime 10 %.
Une étude mécanistique montre que le processus est possible mais probablement modeste.
Cela ne signifie pas nécessairement que « la science se contredit ».
Les études peuvent mesurer des populations, des expositions ou des estimands différents.
Elles peuvent posséder des biais différents.
La divergence peut précisément aider à découvrir où certaines hypothèses sont fragiles.
La convergence scientifique ne signifie donc pas nécessairement identité parfaite des estimations.
Elle signifie souvent qu’un ensemble de résultats reste compatible avec une structure explicative commune malgré des méthodes différentes.
L’observation exige parfois davantage de connaissances que l’expérimentation
Dans une expérience randomisée, certains facteurs inconnus sont contrôlés statistiquement par la procédure d’attribution.
Dans une étude observationnelle, le chercheur doit souvent comprendre beaucoup plus précisément pourquoi les groupes diffèrent.
Dans une science historique, il doit comprendre comment les traces se forment, comment elles peuvent être détruites et quelles autres causes pourraient les produire.
Dans une science astronomique, il doit connaître suffisamment bien les instruments et les processus physiques permettant de transformer le rayonnement reçu en information sur des objets très éloignés.
Cela explique pourquoi il serait absurde de considérer l’observation comme une forme méthodologique « facile ».
Elle échange certains avantages de l’expérience contre d’autres exigences de contrôle et de raisonnement.
Une science sans expérience directe peut être extrêmement précise
La possibilité d’intervenir n’est pas non plus proportionnelle à la précision.
L’astronomie a permis de prévoir des phénomènes avec une précision remarquable.
La géologie permet de dater certains événements avec des méthodes radiométriques extrêmement performantes.
La génétique permet de confronter des hypothèses évolutives à d’immenses ensembles de données moléculaires.
Une science ne devient donc pas « molle » simplement parce que son objet principal n’est pas manipulable.
La précision dépend des structures du phénomène, des instruments disponibles, de la quantité d’informations et de la qualité des modèles, pas seulement de la possibilité de réaliser un essai contrôlé.
Mais toutes les études observationnelles ne se valent évidemment pas
Le fait que des conclusions causales puissantes puissent être établies sans expérience ne doit surtout pas devenir une excuse pour accepter n’importe quelle association.
Une petite étude rétrospective mal mesurée, fortement sélectionnée et incapable de contrôler les principales confusions ne devient pas convaincante parce que « l’astronomie est elle aussi observationnelle ».
Il faut examiner la qualité réelle du dispositif de preuve.
Les grandes réussites des sciences observationnelles reposent souvent sur :
des résultats répétés ;
plusieurs méthodes ;
des prédictions spécifiques ;
des mécanismes indépendamment testés ;
des explications concurrentes explicitement examinées ;
et une accumulation de données sur une longue période.
Comparer ces constructions à une corrélation isolée constitue une fausse équivalence.
Plus une conclusion est forte, plus la convergence doit être exigeante
Une affirmation modeste peut nécessiter peu de données.
« Dans cet échantillon, X est associé à Y » peut être établi par une étude relativement simple.
Affirmer :
« X cause Y dans une grande variété de populations »
demande davantage.
Il faut exclure des explications concurrentes.
Vérifier la temporalité.
Examiner la confusion et la sélection.
Tester éventuellement des mécanismes.
Chercher des résultats convergents.
Examiner les contradictions.
La causalité observationnelle n’est donc pas un saut rhétorique effectué à partir d’une corrélation.
Elle est généralement le produit d’une accumulation structurée d’arguments et de contrôles.
Certaines questions resteront néanmoins insolubles
La méthode scientifique ne garantit pas qu’une réponse soit accessible.
Certains événements historiques ont laissé trop peu de traces.
Certaines expositions humaines sont trop confondues avec d’autres comportements.
Certaines différences entre théories produisent des observations trop petites pour nos instruments actuels.
Certaines archives ont été détruites.
Dans ces cas, la réponse correcte peut rester :
nous ne savons pas.
Cette possibilité est importante pour l’autonomie critique.
Dire qu’une science observationnelle peut produire des connaissances causales ne signifie pas qu’elle peut toujours le faire.
La question est de savoir si l’ensemble de preuves disponible permet effectivement de départager les principales explications.
Une hiérarchie simple « expérimental > observationnel » est trop pauvre
Il existe des raisons solides de préférer un essai randomisé bien conçu à une simple comparaison observationnelle lorsqu’ils répondent exactement à la même question dans les mêmes populations.
Mais convertir cette préférence en règle absolue serait trompeur.
Un essai peut être minuscule, mal mesuré, perdre de nombreux participants ou étudier une population très artificielle.
Une étude observationnelle peut exploiter des millions d’individus, des variations naturelles particulièrement discriminantes, plusieurs mesures indépendantes et une longue série temporelle.
Une question historique peut enfin n’avoir aucune expérience possible tout en être extrêmement bien contrainte par les traces.
Le niveau de preuve dépend donc du problème scientifique et des possibilités réelles d’erreur, pas seulement de l’étiquette du dessin d’étude.
Nous reviendrons sur cette difficulté lorsque nous examinerons les hiérarchies de preuves.
Tester signifie créer ou découvrir une situation discriminante
Nous pouvons maintenant proposer une définition plus générale du test scientifique.
Dans une expérience classique, le chercheur crée une situation discriminante.
Dans une quasi-expérience, il exploite une situation discriminante créée par les institutions ou les événements.
Dans les sciences observationnelles, il recherche des différences déjà présentes qui départagent les hypothèses.
Dans les sciences historiques, il cherche des traces que les différentes causes possibles auraient laissées différemment.
La forme change.
La logique reste remarquablement stable :
plus une observation aurait été difficile à expliquer sous les hypothèses concurrentes, plus elle peut être informative en faveur de celle qui l’avait réellement rendue probable.
La meilleure preuve est souvent un réseau de preuves
Cette fiche permet finalement de retrouver le fil directeur de toute la catégorie.
Une science fiable ne dépend pas nécessairement d’une expérience décisive.
Elle peut construire un réseau de contraintes.
Une datation élimine certaines hypothèses.
Une trace géologique en élimine d’autres.
Une expérience de laboratoire vérifie un mécanisme.
Une observation indépendante teste une prédiction supplémentaire.
Une nouvelle population vérifie la généralisation.
Une quasi-expérience réduit certaines confusions.
Une théorie concurrente échoue sur plusieurs de ces tests.
À mesure que ces contrôles s’accumulent, l’espace des explications plausibles se réduit.
C’est ainsi qu’une connaissance très robuste peut apparaître sans que personne ait jamais manipulé directement l’événement principal étudié.
À retenir
L’expérimentation contrôlée est un outil puissant mais elle n’est pas la définition de la science. Des disciplines comme l’astronomie, la géologie, la paléontologie, la climatologie, l’évolution ou l’épidémiologie étudient fréquemment des phénomènes qui ne peuvent être directement manipulés.
Les sciences historiques reconstruisent notamment des événements passés à partir de traces présentes, en comparant plusieurs hypothèses et en recherchant des observations capables de les départager. Carol Cleland a montré pourquoi cette différence méthodologique ne justifie pas de considérer les sciences historiques comme épistémiquement inférieures aux sciences expérimentales.
L’impact de Chicxulub constitue un excellent exemple : la conclusion concernant son rôle dans l’extinction Crétacé-Paléogène ne repose pas sur une expérience impossible, mais sur la convergence de données stratigraphiques, géochimiques, minéralogiques, géophysiques et paléontologiques.
L’établissement du rôle causal du tabagisme dans le cancer du poumon montre de même comment une conclusion causale peut émerger d’un ensemble d’études observationnelles associé à d’autres formes de preuves, sans expérimentation humaine randomisée. Les rapports historiques du Surgeon General ont explicitement comparé plusieurs types de données et plusieurs explications causales.
Enfin, l’attribution du réchauffement climatique à l’influence humaine ne repose pas sur une simple corrélation entre CO₂ et température. Le GIEC combine observations, compréhension physique, modèles, paléoclimats et plusieurs indicateurs indépendants du système climatique ; il souligne explicitement que cette convergence augmente la confiance dans l’attribution et réduit les incertitudes propres à chaque ligne de preuve prise isolément.
La question fondamentale n’est donc pas :
« Les chercheurs ont-ils manipulé le phénomène ? »
mais :
« Quelles observations les différentes hypothèses permettaient-elles d’attendre, et l’ensemble des preuves disponibles parvient-il réellement à départager ces explications ? »
Sources et références
- Cleland, Carol E., « Historical Science, Experimental Science, and the Scientific Method », *Geology*, 2001, 29(11):987–990, DOI 10.1130/0091-7613(2001)029<0987:HSESAT>2.0.CO;2.
- Cleland, Carol E., « Methodological and Epistemic Differences between Historical Science and Experimental Science », *Philosophy of Science*, 2002.
- Schulte, Peter et al., « The Chicxulub Asteroid Impact and Mass Extinction at the Cretaceous-Paleogene Boundary », *Science*, 2010, 327:1214–1218, DOI 10.1126/science.1177265.
- Parascandola, Mark et al., « Two Surgeon General's reports on smoking and cancer: a historical investigation of the practice of causal inference », *Emerging Themes in Epidemiology*, 2006.
- Samet, Jonathan M., « The 2014 Surgeon General's Report: Commemorating the 50th Anniversary of the 1964 Report… », sur la synthèse des preuves et l’inférence causale concernant le tabagisme.
- Hill, Austin Bradford, « The Environment and Disease: Association or Causation? », *Proceedings of the Royal Society of Medicine*, 1965, 58:295–300.
- IPCC, Climate Change 2021: The Physical Science Basis, Working Group I, Sixth Assessment Report, notamment le chapitre 3 sur l’influence humaine sur le système climatique.