Corrélation ou rapport de cause à effet ?

Et si, pour une fois, nous faisions un peu de mathématiques sur ce blog 😉 ?

« Croire qu’une corrélation entre deux mesures est l’indice d’un rapport de cause à effet entre les deux phénomènes mesurés est une erreur fréquente. » – Albert Jacquard

Quelques exemples :

Exemple 1 : On constate que la courbe mensuelle de consommation du charbon et celle de mortalité des vieillards sont parallèles, avec une pointe en janvier-février et une chute en juin-juillet. Conclusion naïve : la limitation de la consommation du charbon diminuera le nombre des décès de vieillards !

Exemple 2 : Il existe une corrélation significative entre le fait de recevoir la visite d’un médecin, et celui de mourir dans les jours qui suivent… Conclusion naïve : on peut diminuer la mortalité en supprimant les visites médicales à domicile.

Source : http://jeb.sciences-arts.org/IMG/pdf/Communication.pdf

Les statistiques, une science complexe et mal comprise

Les statistiques sont une science complexe. Les résultats statistiques vont souvent à l’encontre de ce qui paraitrait être logique. Et c’est souvent ce qui nous fait douter des résultats scientifiques ou qui nous amène à faire des conclusions erronées à propos de résultats d’études.

De plus, en statistique, il est très difficile de s’affranchir de tous les biais possibles car cela suppose d’abord de les avoir identifiés et d’avoir la possibilité de mesurer l’impact de chacun de ces facteurs. Ce qui est loin d’être simple. Juger de la qualité d’une étude scientifique relève malheureusement d’une connaissance mathématique et scientifique peu commune. C’est pourquoi une seule étude montrant un résultat n’est généralement pas suffisante pour conclure et qu’il en faut plusieurs avec des méthodologies identiques et différentes qui amènent à la même conclusion pour obtenir un consensus scientifique.

Les statistiques ne prédisent pas l’individuel

Je n’ai pas allaité mes enfants et ils ne sont jamais malades.

La voisine a allaité ses enfants et ils sont toujours malades.

est l’argument que j’ai souvent entendu pour contrebalancer le fait que l’allaitement aurait des vertus bénéfiques sur la santé. Ou encore

J’ai pris des fessées et je vais bien

ou

On n’avait pas de ceinture à l’arrière dans les voitures quand j’étais jeune et on n’en est pas morts.

Mon grand père a fumé toute sa vie et il est mort très vieux.

En réalité, vous n’aviez pas de ceinture à l’arrière et vous n’en êtes pas mort. Coup de chance. Mais d’autres sont morts qui ne seraient pas morts s’ils avaient eu une ceinture. Idem pour votre grand père.

Ces arguments oublient une seule chose : les statistiques peuvent prédire une tendance sur de grands nombres mais elles ne prédiront jamais à coup sur la réalité individuelle. Les aspects traités par des statistiques sont multi factoriels et il est impossible de prédire la trajectoire d’une personne précise. Cela ne signifie pas que les statistiques ont tort. Au contraire : elles prévoient parfaitement les exceptions qui font partie du système.

Plus concrètement, la taille moyenne d’une population comprend des moyens, des grands, des petits et des très grands et des très petits. Ce qui ne signifie nullement que ces très grands et ces très petits sont des pathologies mais au contraire qu’ils font partie de la répartition normale de la taille. Pas de chance si ça tombe sur vous ceci dit.

Bref, les statistiques permettent de construire des politiques de santé publique et des outils de prévention. Elles ne permettent pas d’évaluer fiablement les trajectoires individuelles.

Le voir pour le croire ou comment nous préférons croire à ce que nous avons vécu

Le voir pour le croire … Nous vouons souvent une confiance absolue dans NOTRE expérience propre. Si nous l’avons vécu de telle ou telle manière alors c’est que c’est comme ça que c’est vrai. Et c’est encore plus vrai si les personnes autour de moi l’ont vécu de la même manière.

Sauf que nous oublions que rien n’est moins fiable que notre expérience personnelle. Elle est basée sur notre point de vue à nous, forcément teinté de nos croyances. Et notre cerveau a une fâcheuse tendance à nous confirmer dans ce que nous croyons déjà : il élimine automatiquement les informations qui ne lui paraissent pas aller dans le sens de ce que nous pensons déjà ; il interpréte les informations perçues à la lumière de nos opinions sans que nous nous en rendions compte … bref, il nous joue des tours. Cela s’appelle les biais cognitifs, ce qui rend notre expérience personnelle sujette à caution si nous l’utilisons pour en tirer des théories universelles.

De plus, se baser sur notre entourage pour tirer des conclusions n’est en rien scientifique. D’abord parce que notre entourage est forcément biaisé au sens statistique du terme : les membres de notre entourage ne sont pas recrutés au hasard et nous n’avons pas vérifié qu’ils étaient représentatifs de la population globale (classe sociale, profession, ethnie, etc, etc, …). De plus l’échantillon choisi n’est pas forcément représentatif non plus en termes de quantité.

Nous ne pouvons donc à peu près rien déduire de ce qui se passe autour de nous, à part que ça se passe comme ça autour de nous 🙂 …

Cet article vous a plu ? Vous avez envie d’en savoir plus et de recevoir régulièrement des infos autour de ce sujet ? Alors cliquez ici !

Pour aller plus loin sur les biais cognitifs et le fonctionnement du cerveau

Une excellente conférence TED d’Olivier Sibony sur les biais cognitifs et leur impact dans la prise de décision (15 mn) (orienté vers la prise de décision en entreprise) et sur les moyens de lutter contre ces biais. Intéressant notamment à propos de l’intérêt de la contradiction …