Vérifier l’absence d’information

Nous cherchons une information et ne trouvons rien.

Aucun article de presse.

Aucun document officiel.

Aucune photographie.

Aucune publication de l’organisation concernée.

Aucune trace dans la base de données que nous consultons.

Une conclusion vient facilement :

« Cela n’existe donc pas. »

Mais l’erreur inverse est tout aussi fréquente :

« L’absence de preuve ne prouve jamais rien. »

Ces deux positions sont trop simples.

Ne pas trouver une information peut ne signifier presque rien si nous avons mal cherché, si les documents ne sont pas publics ou si l’événement vient de se produire.

Mais une absence peut devenir une véritable preuve négative lorsque, si l’affirmation était vraie, nous aurions eu de fortes raisons d’observer quelque chose que nous ne trouvons pas.

La question essentielle est donc :

« Si cette affirmation était vraie, quelles traces devrions-nous raisonnablement nous attendre à trouver ? »

C’est cette attente qui transforme parfois l’absence de preuve en preuve de l’absence.

Trois propositions qu’il ne faut pas confondre

Commençons par distinguer trois situations.

« Je n’ai trouvé aucune preuve. »

Cette phrase décrit principalement notre recherche.

« Il n’existe aucune preuve disponible. »

C’est une affirmation beaucoup plus forte portant sur l’état général de l’information.

Enfin :

« Nous disposons de preuves indiquant que le phénomène est absent. »

C’est encore autre chose.

Supposons que je cherche pendant trente secondes sur Internet une étude concernant une substance et que je ne trouve rien.

Je peux raisonnablement dire :

« Je n’ai rien trouvé pendant cette recherche rapide. »

Je ne peux pas encore conclure :

« aucune étude n’existe ».

Encore moins :

« il est démontré que la substance n’a aucun effet ».

La première discipline consiste donc à ne pas transformer les limites de notre recherche en propriété du monde.

La formule « absence de preuve n’est pas preuve de l’absence » est utile, mais incomplète

La formule est devenue célèbre notamment en statistique médicale grâce à Douglas Altman et Martin Bland, qui rappelaient en 1995 qu’un résultat non statistiquement significatif ne permet pas automatiquement de conclure qu’il n’existe aucun effet. Une étude trop petite peut simplement être incapable de détecter une différence réelle.

Le manuel Cochrane insiste toujours sur cette distinction : « ne pas disposer de preuve convaincante d’un effet » n’est pas la même chose que disposer de données suffisamment précises montrant que tout effet important peut raisonnablement être exclu.

Mais la maxime ne signifie pas :

« une absence d’observation ne peut jamais constituer une preuve ».

Si nous inspectons soigneusement une boîte transparente censée contenir un éléphant et que nous n’en voyons aucun, l’absence d’observation constitue évidemment une excellente raison de conclure qu’il n’y a pas d’éléphant.

Pourquoi ?

Parce que si l’éléphant était présent, nous nous attendrions presque certainement à le voir.

Toute la logique se trouve là.

L’absence devient informative lorsque l’observation était attendue

Supposons qu’une personne affirme :

« Un séisme gigantesque vient de détruire une grande partie de Tokyo. »

Nous vérifions cinq minutes après la publication.

Peut-être est-il encore trop tôt pour conclure.

Mais plusieurs heures plus tard, un événement d’une telle ampleur devrait normalement avoir produit de nombreuses traces : données sismologiques, témoignages, services de secours, images, perturbations de transport, déclarations publiques et couverture de multiples médias locaux et internationaux.

Si rien de tout cela n’apparaît, cette absence devient fortement incompatible avec l’affirmation.

Le raisonnement est :

si X était vrai, nous devrions très probablement observer Y ;

nous n’observons pas Y malgré une recherche suffisamment bonne ;

X devient donc moins probable.

Ce n’est pas une certitude logique.

C’est une mise à jour rationnelle de notre degré de confiance.

La question décisive : quelle probabilité avions-nous de détecter la trace ?

Imaginons deux événements.

Premier cas :

« Une personne a murmuré une phrase dans son appartement hier soir. »

Nous ne trouvons aucune trace en ligne.

Cette absence ne signifie pratiquement rien. Il n’y avait aucune raison de s’attendre à une documentation publique.

Second cas :

« Le président français a annoncé hier soir à la télévision la dissolution de l’Assemblée nationale. »

Nous ne retrouvons aucune vidéo, aucun communiqué, aucun article, aucune réaction politique et aucune trace institutionnelle.

Cette absence est beaucoup plus informative.

Dans le second cas, l’événement revendiqué prédit fortement l’existence de traces publiques.

Nous pouvons donc formuler une règle générale :

plus une hypothèse aurait dû être facile à détecter si elle était vraie, plus son absence après une recherche sérieuse constitue une preuve contre elle.

Cette logique est profondément bayésienne

Nous pouvons exprimer le raisonnement sans calcul compliqué.

Une hypothèse prévoit certaines observations.

Lorsque ces observations apparaissent, notre confiance peut augmenter.

Lorsqu’elles n’apparaissent pas alors qu’elles étaient fortement attendues, notre confiance doit diminuer.

Supposons deux hypothèses :

H1 : l’événement majeur a réellement eu lieu ;

H2 : l’événement n’a pas eu lieu.

Si H1 était vraie, l’absence totale de toute trace après plusieurs heures serait très surprenante.

Si H2 était vraie, cette absence serait parfaitement normale.

Observer cette absence favorise donc H2 relativement à H1.

L’absence d’information peut ainsi constituer une preuve au même titre qu’une présence, à condition de connaître ce que chaque hypothèse prédit.

Ne pas trouver un article de presse ne suffit généralement pas

Une erreur fréquente consiste à rechercher une information dans quelques grands médias puis conclure :

« Aucun média n’en parle, donc c’est faux. »

Cette conclusion est trop forte.

Les médias sélectionnent les événements.

Une affaire locale peut ne jamais atteindre la presse nationale.

Un sujet très technique peut rester limité à des publications spécialisées.

Une information peut être trop récente.

Un événement se déroulant dans un pays peu couvert peut être rapporté localement bien avant de l’être ailleurs.

Il faut donc distinguer :

« je ne trouve rien dans les médias que je consulte habituellement »

et

« je ne trouve aucune trace dans les sources où cet événement devrait raisonnablement apparaître ».

La seconde situation est beaucoup plus intéressante.

Chercher là où la trace devrait se trouver

Supposons qu’une publication affirme :

« Ce médicament vient d’être interdit en France. »

Une recherche générale peut aider.

Mais une meilleure stratégie consiste à se demander :

« Quelle institution devrait normalement laisser une trace d’une telle décision ? »

Nous chercherons alors les autorités sanitaires compétentes, les textes réglementaires, les communications officielles et éventuellement les bases professionnelles concernées.

De même, pour vérifier :

« cette entreprise a été radiée du registre »

le registre pertinent vaut davantage que cent pages de résultats généraux.

L’absence devient beaucoup plus informative lorsque nous cherchons dans une source conçue précisément pour enregistrer le phénomène.

Un registre exhaustif possède une valeur particulière

Supposons qu’une base officielle soit légalement tenue de recenser toutes les autorisations d’un certain type.

Une personne affirme qu’une entreprise possède l’autorisation X.

Nous connaissons son nom légal exact et recherchons correctement toutes les variantes pertinentes.

L’entreprise n’apparaît pas.

Cette absence peut constituer une preuve assez forte qu’elle ne possède pas une autorisation qui devrait obligatoirement figurer dans ce registre.

Mais avant de conclure, il faut encore vérifier :

la base est-elle réellement exhaustive ?

est-elle à jour ?

l’autorisation peut-elle apparaître sous le nom d’une filiale ?

certaines données sont-elles confidentielles ?

Le pouvoir probant de l’absence dépend directement de la qualité du système qui aurait dû enregistrer la présence.

« Pas dans la base » ne signifie pas toujours « n’existe pas »

Une base de données peut être partielle.

Un moteur de recherche peut mal indexer certaines pages.

Une archive peut contenir des lacunes.

Un catalogue bibliographique peut couvrir seulement certaines revues.

Une administration peut publier ses données avec plusieurs mois de retard.

Avant d’utiliser une absence, nous devons donc connaître le périmètre de la source consultée.

La question importante est :

« Cette source aurait-elle normalement contenu ce que je cherche ? »

Si la réponse est incertaine, l’absence l’est également.

Les moteurs de recherche ne sont pas des copies complètes du Web

Ne pas retrouver une page avec Google, Bing ou un autre moteur ne démontre évidemment pas que cette page n’a jamais existé.

Certaines pages ne sont pas indexées.

D’autres ont été supprimées.

Des contenus se trouvent derrière une connexion.

Certains réseaux sociaux sont partiellement accessibles aux moteurs.

Des sites bloquent l’exploration.

Une requête mal formulée peut également manquer le résultat pertinent.

Il est donc prudent de dire :

« Je n’ai pas retrouvé cette publication »

plutôt que :

« cette publication n’a jamais existé ».

Cette distinction devient particulièrement importante lorsque l’on cherche à vérifier une ancienne déclaration supprimée.

Une publication supprimée peut avoir laissé d’autres traces

Une personne affirme :

« Cette organisation avait publié ce communiqué, puis elle l’a supprimé. »

Nous visitons le site actuel et ne trouvons rien.

Cela ne tranche évidemment pas la question.

Nous pouvons chercher : copies archivées, citations contemporaines, captures conservées, liens anciens, réponses d’autres utilisateurs, versions mises en cache et communiqués repris par d’autres sites.

Une absence actuelle ne permet pas d’inférer une absence passée.

Les questions :

« cette page existe-t-elle aujourd’hui ? »

et

« cette page a-t-elle existé auparavant ? »

doivent être séparées.

Une capture d’écran peut constituer une piste, pas la preuve définitive de la publication disparue

Une capture prétend montrer un message désormais supprimé.

L’absence du message actuel est compatible avec cette histoire.

Mais elle ne la confirme pas.

La capture peut être fabriquée.

Nous devons donc rechercher des traces indépendantes : URL, archives, reprises contemporaines, réponses visibles ou autres personnes ayant observé le contenu.

Une information supprimée crée souvent des effets secondaires documentaires.

Plus la publication originale était importante et visible, plus il devient raisonnable d’en attendre.

La temporalité change complètement la valeur de l’absence

Imaginons une rumeur :

« Le ministre vient de démissionner. »

Deux minutes après son apparition, aucun média n’en parle.

Ce silence est très peu informatif.

Deux heures plus tard, la situation change.

Une journée plus tard, si le ministre continue son activité publique et qu’aucune source crédible ne signale de démission, la rumeur devient beaucoup moins plausible.

L’absence possède donc une dimension temporelle :

une trace attendue peut simplement ne pas avoir encore eu le temps d’apparaître.

Avant de conclure, demandons :

« Depuis combien de temps l’événement est-il censé avoir eu lieu ? »

et

« Combien de temps faut-il normalement pour que ce type d’information devienne observable ? »

Certaines traces apparaissent immédiatement, d’autres beaucoup plus tard

Un séisme majeur laisse presque immédiatement des données instrumentales.

Une condamnation judiciaire peut apparaître dans des sources publiques selon les règles et délais du système juridique concerné.

Une statistique annuelle peut n’être publiée que plusieurs mois après la période observée.

Une étude scientifique peut exister sous forme de résultats non publiés pendant longtemps.

Dire :

« il n’existe aucune donnée »

peut donc être faux si l’on signifie simplement :

« les données ne sont pas encore publiées ».

La vitesse attendue d’apparition constitue une partie du raisonnement.

L’absence d’une information attendue peut mettre en cause une affirmation très précise

Supposons qu’une biographie en ligne affirme :

« Cette chercheuse a reçu le prix Nobel de physique en 2017. »

Les listes officielles des lauréats sont publiques et exhaustives.

Son nom n’y figure pas.

Nous pouvons être très confiants que l’affirmation est fausse.

Il serait absurde de répondre :

« absence de preuve n’est pas preuve de l’absence ».

Dans cette situation, l’absence dans une liste exhaustive précisément destinée à enregistrer les lauréats est une preuve extrêmement forte.

La maxime n’est donc jamais un substitut au raisonnement.

Une prétendue institution qui ne laisse aucune trace

Une publication cite :

« l’Institut international de recherche neuroquantique de Genève ».

Nous recherchons cette institution.

Aucun site.

Aucune publication académique.

Aucune adresse.

Aucun chercheur affilié.

Aucune mention dans les annuaires professionnels pertinents.

Aucune trace historique.

Pouvons-nous affirmer immédiatement qu’elle n’existe pas ?

Pas nécessairement.

Une petite structure peut laisser peu de traces.

Mais si l’institut est présenté comme « l’un des principaux centres mondiaux de recherche, employant 400 chercheurs depuis vingt ans », l’absence devient beaucoup plus difficile à expliquer.

La taille et l’activité revendiquées prédisent normalement une empreinte documentaire importante.

Plus la prétention est grande, plus le silence devient informatif.

La disparition parfaite de toutes les traces peut elle-même être une hypothèse très coûteuse

Face à une absence embarrassante, une explication ad hoc peut apparaître :

« Toutes les preuves ont été supprimées. »

C’est possible.

Des documents peuvent être détruits.

Des sites peuvent disparaître.

Des institutions peuvent dissimuler des informations.

Mais une explication devient moins plausible lorsqu’elle doit supposer la suppression coordonnée de toutes les traces indépendantes : archives, copies privées, documents administratifs, témoignages, articles, bases externes et réactions contemporaines.

Nous devons comparer deux hypothèses :

l’événement n’a jamais existé ;

ou

l’événement a existé mais toutes les traces attendues ont disparu.

La seconde peut parfois être vraie.

Elle a simplement besoin de preuves supplémentaires correspondant à sa complexité.

« Ils ont effacé les preuves » ne doit pas rendre une théorie irréfutable

Une hypothèse devient problématique lorsqu’elle interprète toute absence de preuve comme une preuve supplémentaire de la dissimulation.

Nous cherchons le document.

Il n’existe pas.

Réponse :

« C’est justement la preuve qu’ils l’ont supprimé. »

Nous cherchons des témoins.

Aucun ne confirme.

Réponse :

« Ils ont tous été réduits au silence. »

Nous cherchons les archives.

Rien.

Réponse :

« Elles ont été nettoyées. »

À ce stade, l’hypothèse devient capable d’expliquer aussi bien la présence que l’absence de n’importe quelle preuve.

Elle perd une partie essentielle de sa testabilité.

Une hypothèse sérieuse doit prendre le risque d’être contredite par certaines observations.

L’absence d’un démenti n’est pas une confirmation

Une autre erreur fréquente consiste à dire :

« La personne n’a pas démenti, donc c’est probablement vrai. »

Parfois, le silence peut effectivement être informatif.

Une organisation qui dément habituellement immédiatement certaines accusations peut surprendre par son absence de réaction.

Mais de nombreuses autres explications sont possibles : elle n’a pas vu l’accusation, ne souhaite pas l’amplifier, prépare une réponse, considère le sujet comme insignifiant ou suit une stratégie juridique.

Le silence d’une personne n’est donc pas automatiquement un aveu.

Pour devenir informatif, il faudrait établir que dans ce contexte précis, une réponse était fortement attendue.

Le silence institutionnel peut parfois compter

Supposons qu’une administration soit légalement tenue de publier un rapport annuel avant une date déterminée.

La date passe et aucun rapport n’apparaît.

Nous pouvons raisonnablement conclure :

« Le rapport n’a pas été publié dans le délai prévu »

si nous avons vérifié les canaux pertinents.

Mais nous ne pouvons pas nécessairement conclure :

« Le rapport n’existe pas »

ou :

« l’administration cherche à le dissimuler ».

Une même absence peut donc soutenir une proposition limitée tout en laissant ouvertes plusieurs explications.

La précision de la conclusion reste fondamentale.

L’absence de résultat scientifique : attention aux études trop petites

Le domaine scientifique fournit l’un des exemples les plus importants de cette distinction.

Une étude compare un traitement et un placebo.

Elle ne trouve pas de différence statistiquement convaincante.

Peut-on conclure :

« le traitement n’a aucun effet » ?

Pas nécessairement.

Si l’étude porte sur trop peu de participants, les données peuvent être compatibles avec un bénéfice important comme avec l’absence de bénéfice.

C’est exactement la distinction classique formulée par Altman et Bland : un résultat non significatif peut simplement indiquer que nous ne disposons pas de preuves suffisamment précises, et non que nous avons démontré l’absence d’effet.

Cochrane recommande toujours de regarder l’estimation et son intervalle de confiance : lorsque celui-ci reste compatible avec des effets importants, conclure « aucun effet » serait injustifié.

Mais une étude peut réellement fournir des preuves de l’absence d’un effet important

Imaginons maintenant un très grand essai, précisément conçu, dont les résultats montrent que toute différence éventuelle est extrêmement faible.

L’intervalle d’incertitude exclut raisonnablement les bénéfices ou dommages considérés comme importants.

Dans ce cas, nous disposons de davantage qu’un simple :

« nous n’avons rien détecté ».

Les données elles-mêmes indiquent que certains effets importants sont très peu compatibles avec les observations.

Cochrane fait précisément cette distinction : une conclusion de « pas d’effet important » devient défendable lorsque l’estimation est suffisamment précise pour exclure raisonnablement les différences d’importance pratique.

Il existe donc une différence profonde entre :

étude non concluante

et

étude informative en faveur d’une absence ou d’un effet négligeable.

Le problème du biais de publication

Une autre complication apparaît lorsque nous recherchons « toutes les études ».

Les résultats négatifs ou décevants peuvent être moins souvent publiés que les résultats positifs.

Une recherche dans la littérature publiée peut donc donner l’impression qu’il existe davantage de preuves favorables qu’il n’en existe réellement.

Cochrane consacre d’ailleurs une partie entière de son manuel au risque de biais lié aux preuves manquantes, notamment lorsque certains résultats ou certaines études ne sont pas disponibles dans les publications accessibles.

Ici, l’absence d’étude publiée ne signifie donc pas nécessairement :

« aucune étude n’a été réalisée ».

Elle peut signifier :

« aucune étude correspondante n’est accessible dans les sources que nous avons consultées ».

Cette nuance est essentielle.

Ne rien trouver peut révéler les limites de la recherche plutôt que celles des connaissances

Supposons que nous cherchions des études uniquement avec une expression française.

La littérature pertinente est principalement en anglais.

Nous ne trouvons rien.

Le problème vient de la requête.

De même, nous pouvons manquer une étude parce que : le terme scientifique diffère du terme courant, la substance possède plusieurs noms, l’auteur a été mal orthographié, la publication se trouve dans une base spécialisée et la date est incorrecte.

Avant de conclure à l’absence d’information, il est donc raisonnable de tester plusieurs formulations pertinentes.

Il n’est pas nécessaire de chercher indéfiniment.

Mais une recherche négative gagne en valeur seulement lorsque nous avons de bonnes raisons de considérer la stratégie de recherche comme adéquate.

L’absence dans plusieurs sources indépendantes est plus informative

Supposons qu’une prétendue décision administrative devrait normalement apparaître : dans un registre officiel, dans le journal officiel, sur le site de l’autorité compétente et dans les documents de l’organisation concernée.

Nous vérifions séparément ces différents canaux.

Aucun ne contient la décision.

Cette convergence d’absences devient plus forte qu’un simple échec dans un moteur de recherche.

Mais, comme toujours, il faut examiner leur indépendance.

Si les quatre sites utilisent la même base centrale et que celle-ci est temporairement en panne, nous n’avons peut-être qu’une seule absence reproduite quatre fois.

Une preuve négative dépend aussi de la sensibilité de notre méthode

Nous pouvons faire une analogie avec un test médical.

Un test négatif est très rassurant seulement si le test aurait eu de fortes chances d’être positif en présence de la maladie.

Si le test détecte très mal la maladie, un résultat négatif apporte peu.

La recherche d’information fonctionne de manière similaire.

Un registre exhaustif et correctement interrogé possède une forte capacité de détection.

Une recherche approximative sur un réseau social en possède beaucoup moins.

La force de :

« je n’ai rien trouvé »

dépend donc de la qualité de l’instrument de recherche.

Cas pratique : « Cette loi interdit désormais X »

Une publication affirme :

« Depuis hier, la France a interdit X par une nouvelle loi. »

Nous cherchons le texte.

Rien dans les sources juridiques pertinentes.

Aucun numéro de loi.

Aucune date de promulgation.

Aucun communiqué institutionnel correspondant.

La publication renvoie uniquement à d’autres comptes qui répètent l’affirmation.

Que pouvons-nous conclure ?

Nous pouvons être très sceptiques concernant l’existence de la loi annoncée, car une loi française entrée en vigueur devrait laisser des traces juridiques précisément identifiables.

Il reste possible que la publication confonde loi, décret, proposition de loi ou simple annonce politique.

La bonne conclusion n’est donc pas nécessairement :

« tout est inventé ».

Elle peut être :

« Je ne retrouve aucun texte correspondant à la prétendue loi entrée en vigueur ; les sources disponibles semblent confondre l’annonce ou le projet avec une norme adoptée. »

L’absence nous aide ici à reformuler précisément l’erreur.

Cas pratique : « Aucun média n’en parle »

Une vidéo affirme montrer une bagarre dans une petite commune.

Une personne répond :

« C’est forcément faux : aucun grand média français n’en parle. »

Cette absence est peu informative.

Une bagarre locale peut parfaitement ne jamais faire l’objet d’une couverture nationale.

Nous devrions plutôt rechercher médias locaux, services compétents si l’événement le justifie, origine de la vidéo, témoins et publications contemporaines.

La question n’est pas :

« Le Monde ou France 2 en ont-ils parlé ? »

mais :

« Quelles traces cet événement particulier aurait-il raisonnablement dû laisser ? »

Cas pratique : une catastrophe sans aucune trace

Un compte affirme qu’une explosion gigantesque a détruit une grande gare européenne il y a six heures et causé plusieurs centaines de morts.

Nous ne trouvons aucune perturbation ferroviaire correspondante, aucune communication des autorités, aucun témoignage local crédible, aucune photographie authentifiée, aucune couverture des médias locaux et aucune activité des secours observable dans les sources disponibles.

Cette absence collective est extrêmement difficile à concilier avec l’ampleur de l’événement revendiqué.

Nous n’avons pas « prouvé mathématiquement » qu’aucune explosion mineure n’a pu se produire.

Mais l’affirmation précise d’une catastrophe massive devient extraordinairement peu plausible.

Cas pratique : une conversation privée

Une personnalité affirme avoir rencontré discrètement une autre personne chez elle vingt ans auparavant.

Nous ne retrouvons aucun article, aucune photographie et aucun agenda public.

Cette absence est beaucoup moins informative.

Une rencontre privée ancienne pouvait parfaitement ne laisser aucune trace publiquement accessible.

Conclure :

« la rencontre n’a donc jamais eu lieu »

dépasserait fortement les preuves.

Le contraste avec la catastrophe précédente montre que l’absence n’a pas de valeur intrinsèque.

Sa valeur dépend de la probabilité que l’événement ait laissé des traces accessibles.

Plus l’événement est public, grand et récent, plus les traces attendues augmentent généralement

Sans en faire une loi absolue, plusieurs caractéristiques rendent généralement une absence plus informative.

Un événement de grande ampleur laisse plus de traces qu’un événement mineur.

Un événement public davantage qu’une conversation privée.

Un événement récent dans un environnement très connecté peut être documenté plus rapidement qu’un événement ancien survenu dans un contexte où peu d’archives ont été conservées.

Un événement institutionnel soumis à des obligations de publication laisse souvent davantage de traces qu’une décision informelle.

Le contexte détermine donc notre attente de documentation.

Attention au biais historique des archives

L’absence devient particulièrement difficile à interpréter lorsqu’on étudie le passé.

Les archives reflètent ce que les sociétés ont choisi et réussi à conserver.

Certains groupes ont beaucoup écrit.

D’autres beaucoup moins.

Certaines administrations possèdent d’immenses archives tandis que des événements ordinaires n’ont laissé presque aucune trace.

Des documents ont été détruits par les guerres, incendies, censures ou simplement le temps.

Dire :

« aucun document conservé ne mentionne ce phénomène »

peut être historiquement important.

Mais cela ne signifie pas toujours :

« le phénomène n’existait pas ».

Il faut connaître les mécanismes de production et de conservation des archives avant d’interpréter leur silence.

L’absence peut porter sur une prédiction précise

Une excellente manière de rendre une hypothèse testable consiste à demander ce qu’elle prédit.

Une théorie affirme qu’un traitement provoque systématiquement une anomalie biologique détectable.

Nous examinons correctement un grand nombre de personnes traitées et l’anomalie n’apparaît pas.

L’hypothèse perd de la crédibilité.

Une rumeur annonce qu’une entreprise fermera toutes ses usines lundi.

Lundi, elles fonctionnent normalement.

Une affirmation prédit qu’un document précis sera publié à une date donnée.

La date passe et rien n’apparaît.

L’échec répété de prédictions spécifiques peut fournir une preuve négative beaucoup plus forte que l’absence vague d’informations.

Une prédiction ratée doit cependant être la véritable prédiction de l’hypothèse

Il faut éviter de construire une attente artificielle puis de reprocher à la réalité de ne pas la satisfaire.

Supposons qu’une théorie affirme simplement qu’un événement peut se produire.

Nous observons qu’il ne se produit pas une fois.

Cela ne réfute pas la théorie.

De même, une source affirme qu’une décision est envisagée.

La décision n’est finalement pas adoptée.

Cela ne prouve pas qu’elle n’avait jamais été envisagée.

Pour utiliser correctement l’absence, il faut demander :

« L’hypothèse rendait-elle réellement cette observation attendue ? »

Pas :

« Puis-je inventer après coup une observation dont l’absence m’arrange ? »

Une absence répétée devient progressivement plus informative

Supposons qu’un phénomène soit censé se produire très fréquemment.

Nous regardons une fois et ne le voyons pas.

Peu informatif.

Nous répétons correctement l’observation cent fois dans des conditions où il devrait normalement apparaître.

Toujours rien.

Notre confiance dans l’hypothèse diminue davantage.

Cette logique générale explique pourquoi les recherches répétées, les réplications et les systèmes de surveillance peuvent transformer progressivement un silence initialement ambigu en preuve beaucoup plus forte.

Le problème des événements rares

Inversement, une absence répétée peut rester peu informative lorsque le phénomène revendiqué est extrêmement rare.

Supposons qu’un effet se produise chez une personne sur un million.

Une étude portant sur mille personnes peut parfaitement ne détecter aucun cas.

Nous ne pouvons pas en conclure que le risque est nul.

Pour rechercher un phénomène rare, il faut un volume d’observation proportionné à sa rareté supposée.

Cette logique est importante en pharmacovigilance, en sécurité industrielle ou pour certains événements extrêmes.

« Nous n’avons jamais vu cela » n’a pas le même sens après 50 observations qu’après 50 millions.

La précision de la conclusion négative compte énormément

Il existe une grande différence entre :

« Je n’ai trouvé aucun exemple. »

« Nous n’avons trouvé aucun exemple dans cette base couvrant la période 2010-2026. »

et

« Aucun exemple n’a jamais existé. »

La deuxième formulation est souvent beaucoup plus rigoureuse.

Elle indique le périmètre dans lequel l’absence a effectivement été établie.

Les affirmations négatives absolues — « jamais », « personne », « aucune étude », « aucun cas » — sont très exigeantes.

Nous devons les utiliser uniquement lorsque le champ de recherche permet réellement une telle généralisation.

Une absence peut être partielle

Supposons qu’une rumeur affirme :

« Tous les grands syndicats ont signé ce texte. »

Nous vérifions les sites de cinq organisations.

Quatre ont effectivement signé.

La cinquième publie explicitement son refus.

Nous n’avons pas simplement « manqué une confirmation ».

Nous possédons une preuve positive contredisant l’universalité de l’affirmation.

La conclusion devient :

« plusieurs grands syndicats ont signé, mais l’affirmation selon laquelle ils l’ont tous fait est fausse ».

Il est souvent utile de transformer une recherche d’absence en recherche d’éléments positifs incompatibles avec l’affirmation.

Chercher la contradiction est souvent plus facile que prouver une absence absolue

Il est difficile de démontrer :

« personne n’a jamais déclaré X ».

Mais si l’affirmation est :

« tous les experts déclarent X »

il suffit de retrouver un expert pertinent défendant explicitement non-X pour réfuter l’universalité.

De même :

« aucun pays n’autorise cette pratique »

est réfuté par un seul pays qui l’autorise réellement.

Pour les propositions universelles, rechercher un contre-exemple peut être beaucoup plus efficace que tenter d’examiner tout l’univers.

Cette logique appartient autant à la vérification qu’au raisonnement scientifique.

Une méthode pratique : que devrais-je voir si c’était vrai ?

Face à une absence d’information, nous pouvons structurer notre raisonnement ainsi :

QuestionPourquoi elle compte
Quelle affirmation exacte voulons-nous tester ?Une absence peut réfuter une proposition précise sans répondre à une proposition plus large.
Si elle était vraie, quelles traces devrait-elle normalement produire ?Déterminer si l’absence peut être informative.
Ces traces devraient-elles être publiques ?Éviter d’attendre une documentation d’un événement privé ou confidentiel.
Où devraient-elles apparaître ?Rechercher dans le registre, l’autorité, la base ou le canal réellement pertinent.
La source consultée est-elle complète et à jour ?Évaluer la capacité réelle de détection.
Ai-je utilisé des recherches suffisamment adaptées ?Distinguer absence d’information et mauvaise recherche.
Assez de temps s’est-il écoulé ?Permettre aux traces attendues d’apparaître.
Les différentes absences sont-elles indépendantes ?Ne pas compter plusieurs fois la même base manquante.
Existe-t-il des explications plausibles au silence ?Confidentialité, suppression, retard, faible couverture, problème d’indexation.
Trouve-t-on au contraire des éléments positifs incompatibles avec l’affirmation ?Remplacer parfois une preuve négative difficile par une réfutation directe.
Quel degré de confiance l’absence justifie-t-elle ?Distinguer non vérifié, improbable et pratiquement exclu.

Cette grille évite les deux excès : faire de tout silence une preuve, ou considérer qu’un silence ne peut jamais rien nous apprendre.

Plusieurs conclusions négatives sont possibles

La vérification ne devrait pas produire uniquement :

« trouvé »

ou

« pas trouvé ».

Selon les circonstances, nous pouvons conclure :

« Je n’ai pas retrouvé cette information dans les sources consultées. »

« L’information n’est actuellement pas vérifiable avec les données publiques disponibles. »

« L’absence dans cette base ne permet pas de conclure, car elle n’est pas exhaustive. »

« L’événement devrait normalement avoir produit de nombreuses traces ; leur absence persistante rend l’affirmation très improbable. »

« Le registre exhaustif ne contient aucun élément correspondant, ce qui constitue une preuve forte contre l’affirmation. »

« Les données sont suffisamment précises pour exclure raisonnablement un effet de l’ampleur annoncée. »

Ces formulations expriment beaucoup mieux ce que nous savons réellement.

Ne rien trouver peut être une information ; encore faut-il savoir ce que nous cherchions

L’absence de preuve n’est donc ni inutile ni automatiquement décisive.

Sa valeur dépend de la relation entre l’hypothèse et les traces qu’elle devrait produire.

Lorsque ces traces seraient difficiles à observer même si l’hypothèse était vraie, leur absence nous apprend peu.

Lorsqu’elles devraient être presque inévitables, leur absence peut devenir une preuve très forte.

Cette règle permet de comprendre pourquoi nous pouvons raisonnablement dire :

« Je ne trouve aucun document sur cette conversation privée, donc je ne peux pas la confirmer. »

tout en concluant beaucoup plus fermement :

« Cette prétendue loi n’apparaît dans aucun des registres juridiques où une loi promulguée devrait nécessairement être identifiable. »

Le raisonnement critique commence donc par une question simple mais extrêmement puissante :

« Si c’était vrai, qu’est-ce que je devrais voir ? »

Puis une seconde :

« Ai-je réellement regardé au bon endroit et avec un outil capable de le voir ? »

Cette dernière question nous conduit directement à la suite. Moteurs de recherche, recherches inversées, archives Web, bases spécialisées, services de fact-checking et outils d’analyse peuvent considérablement améliorer notre capacité à vérifier une information. Mais aucun n’est complet ni infaillible.

Nous allons donc examiner les principaux outils de vérification et leurs limites, non comme une collection de boutons magiques, mais comme des instruments dont il faut comprendre ce qu’ils permettent — et ce qu’ils ne permettent pas — de conclure.

20 sur 25Retour à la catégorie