Pourquoi Karl Pearson se détourne-t-il de la cause ?

Intervenant 10:00

Bonjour et bienvenue dans le podcast du magazine Tangente. Aujourd'hui, on se lance dans une analyse vraiment passionnante de plusieurs documents historiques.

Intervenant 20:09

Oui, des correspondances et surtout les toutes premières publications d'une revue fondatrice, la revue Biometrica.

Intervenant 10:16

C'est ça. On va parler du mathématicien britannique Karl Pearson parce que, historiquement, la science classique, elle a toujours cherché la cause absolue.

Intervenant 20:25

Oui, la relation directe.

Intervenant 10:27

Genre, tu lâches un objet, il tombe.

Intervenant 20:29

On pointe la gravité.

Intervenant 10:30

C'est vraiment A cause B. Et notre mission aujourd'hui, c'est de comprendre comment Pearson a brisé cette chaîne causale pour la remplacer par un concept beaucoup plus subtil qui est la contingence.

Intervenant 20:42

Et pour comprendre ça, il faut vraiment regarder le profil de Pearson. Ce n'était pas du tout le théoricien coincé dans son bureau, tu vois.

Intervenant 10:49

Ah non, pas du tout.

Intervenant 20:50

Non, c'était un libre penseur avec des idées très sociales et il était même ouvertement féministe. Et dès 1892, il publie The Grammar of Science.

Intervenant 11:00

Un livre super important d'ailleurs.

Intervenant 21:02

Exactement. Dedans, il explique que la science, ce n'est pas des grandes théories abstraites balancées comme ça. C'est d'abord le fait de classer des observations rigoureusement.

Intervenant 11:11

Et c'est seulement après qu'on en tire des lois en fait.

Intervenant 21:13

Voilà. Et c'est avec cette vision qu'il fait un virage vers la biologie en fondant le Biometrics Laboratory.

Intervenant 11:20

Et c'est là qu'il affirme que la cause unique, c'est une simplification. Moi j'aime beaucoup l'analogie des dominos pour expliquer ça.

Intervenant 21:27

Ah vas-y, je t'écoute.

Intervenant 11:29

La science classique, elle cherche le domino exact qui fait tomber toute la ligne, le coupable unique. Alors que Pearson, lui, il nous propose plutôt de cartographier comment le vent ou l'inclinaison de la table affecte tous les dominos en même temps.

Intervenant 21:43

C'est très visuel, oui.

Intervenant 11:44

On mesure des influences croisées au lieu de chercher un seul déclencheur, quoi.

Intervenant 21:48

Ouais, et pour mesurer ce vent sur tes dominos, il lui fallait des outils super robustes. C'est l'arsenal mathématique qu'il déploie à partir de 1900. Il commence par le carré moyen de contingence.

Intervenant 11:59

Le fameux phi carré, c'est ça ?

Intervenant 22:01

C'est ça, le phi carré qui est égal au chi2 sur n. L'idée, c'est vraiment de quantifier à quel point deux caractères sont associés.

Intervenant 12:08

Ah, le test du chi2, oui. Mais concrètement, comment ça marche pour prouver cette contingence sans dire qu'il y a une cause ?

Intervenant 22:15

Alors, la logique, elle est super belle, je trouve. Le test, il va comparer les fréquences qu'on observe vraiment dans la réalité avec des fréquences théoriques.

Intervenant 12:22

Les fréquences, si tout était lié au hasard quoi.

Intervenant 22:25

Exactement, si les deux variables étaient totalement indépendantes. Donc plus l'écart entre ce qu'on observe et ce qu'on attend est grand, plus le fameux qui-deux augmente.

Intervenant 12:34

D'accord.

Intervenant 22:35

Et ça, ça prouve mathématiquement qu'il y a une contingence. Sans jamais avoir besoin de dire que la variable A est la cause directe de la variable B.

Intervenant 12:42

C'est fou quand on y pense. Et après, il pousse cette logique avec la régression simple et multiple. Tu prends tes observations, tu les mets sur un graphique et tu obtiens un nuage de points.

Intervenant 22:51

Un nuage qui traduit bien la pagaille du monde réel, oui.

Intervenant 12:54

C'est ça, ouais. Et on vient y superposer un ajustement linéaire, une droite. Mais attends, c'est là qu'il y a un truc qui me chiffoule.

Intervenant 23:00

Ah bon, quoi donc ?

Intervenant 13:01

Tracer une ligne droite parfaite au milieu d'un nuage de points tout éparpillé, c'est pas un peu forcer un ordre mathématique dans un chaos total ? Je vois. On dessine une tendance à postériori, mais ça prouve l'existence d'aucune mécanique profonde en fait.

Intervenant 23:16

C'est exact, mais c'est justement ça la subtilité du modèle de Pearson. La droite de régression, c'est un outil descriptif.

Intervenant 13:22

Pas explicatif.

Intervenant 23:23

Voilà, pas explicatif. Prends la taille et le poids d'un groupe de personnes. La droite qui traverse le nuage, elle te dit pas « mesurer 1m80, ça cause un poids de 75 kilos ».

Intervenant 13:32

Oui, ça n'aurait aucun sens.

Intervenant 23:33

Au minimisant la variance, cette droite, elle décrit juste comment les variables se comportent ensemble. Ça te permet de faire une prédiction, mais tu modélises la corrélation, tu ne prouves pas la causalité.

Intervenant 13:41

Je comprends, mais le problème, c'est que Pearson, il a fini par utiliser ces équations sur un terrain beaucoup plus glissant.

Intervenant 23:47

Oh que oui, le fameux mur entre la nature et la nurture.

Intervenant 13:50

Voilà, l'inné et l'acquis. Il s'est dit que si la contingence pouvait modéliser des nuages de points, elle pourrait trancher ce grand débat sur l'humain.

Intervenant 23:59

Et il a vraiment essayé de démontrer avec ses statistiques que l'inné, donc notre héritage génétique, dominait de façon implacable notre environnement social.

Intervenant 14:07

Il voulait prouver des déterminismes hyper stricts.

Intervenant 24:09

C'est ça. Sauf que les données, elles résistent. Il a cherché en vain à convaincre ses pairs de l'héritabilité absolue de certains caractères humains.

Intervenant 14:17

Il y a une ironie fascinante là-dedans, je trouve.

Intervenant 24:20

Totalement, oui.

Intervenant 14:20

Le gars invente des outils mathématiques d'une rigueur implacable pour valider ses propres convictions sur le déterminisme biologique et ces mêmes outils refusent de s'y plier.

Intervenant 24:30

Le modèle était juste, mais la réalité biologique humaine refusait de se laisser enfermer là-dedans. C'est vraiment le double héritage de Pearson.

Intervenant 14:39

C'est-à-dire une victoire technique, mais un échec philosophique ?

Intervenant 24:42

En quelque sorte, oui. D'un côté, tu as la victoire totale de la statistique et de la corrélation, qui sont la base de toute la science des données aujourd'hui. Mais de l'autre, tu as les limites flagrantes de ces théories biologiques. Les mathématiques ne suffisent pas toujours à dicter la vérité d'humains.

Intervenant 14:58

Ce qui nous laisse sur une réflexion vraiment hyper actuelle, je trouve. Si les fondements de nos outils d'ajustement statistiques ont été forgés par un chercheur qui désirait ardemment prouver un déterminisme biologique.

Intervenant 25:09

Oui, c'est troublant.

Intervenant 15:10

Dans quelle mesure les algorithmes prédictifs modernes, qui utilisent exactement ces mêmes principes, portent-ils encore en eux la volonté de dicter notre comportement à postériori ? C'est une

Intervenant 25:21

vraie question ouverte.

Intervenant 15:23

Gardez bien ça en tête la prochaine fois qu'une ligne droite prétendra résumer toute la complexité de votre trajectoire. Merci de nous avoir rejoints sur ce podcast de Tangente et à bientôt.

Intervenant 25:33

À bientôt !