tangenteAudio

25 août 2024 · 19 min

Loi de Cauchy : pourquoi les extrêmes déjouent la courbe en cloche

Dans cet épisode, partez de la courbe en cloche, suivez ses limites face aux risques extrêmes, puis découvrez ce que la loi de Cauchy modélise mieux — et moins bien.

Premium
Collections de cet épisode (4)

Un contenu original Tangente, adapté en podcast avec l’aide de l’IA et validé par notre rédaction. Comment ça marche ?

D’après l’articleLire l’article dans la revue

Transcription

Afficher la transcription

Transcription automatique

  1. Intervenant 1

    Bienvenue dans le podcast du magazine Tangente. Aujourd'hui, on entame une exploration vraiment fascinante.

  2. Intervenant 2

    Ouais, complètement.

  3. Intervenant 1

    À partir d'une source brillante, l'article « Une distribution pas comme les autres ». La mission de notre session d'aujourd'hui, c'est de comprendre cette obsession historique qu'ont les mathématiciens pour dompter le hasard et essayer de modéliser l'imprévisible.

  4. Intervenant 2

    Et c'est pas une mince affaire,

  5. Intervenant 1

    hein ? Ben non, c'est clair. On a souvent cette image d'épinal, tu sais, de la probabilité comme une science parfaite figée sur un tableau noir, qui serait capable de prédire l'avenir avec une exactité de froide. Mais en grattant un peu sous la surface, on découvre que les modèles mathématiques les plus célèbres, ceux sur lesquels repose carrément l'économie mondiale ou nos assurances...

  6. Intervenant 2

    Nos systèmes de sécurité, ouais.

  7. Intervenant 1

    Voilà nos systèmes de sécurité. Ces modèles s'effondrent parfois de manière hyper spectaculaire au simple contact de la réalité. C'est vraiment une histoire de quête de sécurité mathématique. Chaque nouveau modèle inventé pour réparer les erreurs du précédent finit par se fracasser sur la complexité humaine.

  8. Intervenant 2

    C'est ça, et cette quête du modèle parfait, c'est d'ailleurs le moteur même de l'histoire des probabilités. En fait, pour saisir pourquoi ces modèles déraillent avec une telle violence pendant les crises, il faut d'abord comprendre le schisme fondamental qui divise le hasard.

  9. Intervenant 1

    Le schisme ? C'est-à-dire ?

  10. Intervenant 2

    La différence absolue entre ce qu'on peut compter et ce qu'on doit mesurer. Aux origines, les probabilités étaient très ancrées dans le discret.

  11. Intervenant 1

    Le discret,

  12. Intervenant 2

    oui. La fameuse définition classique de Laplace, c'est le nombre de cas favorables divisé par le nombre de cas possibles. Tu jettes des dés, tu tires des cartes.

  13. Intervenant 1

    Des trucs qu'on peut compter sur ses doigts, enfin presque.

  14. Intervenant 2

    Exactement. Tout ça appartient à un univers fini. Ou bien, comme le souligne notre source, avec l'exemple de la sécurité routière, on compte le nombre d'accidents en France sur une année. Ça, c'est du discret infini.

  15. Intervenant 1

    Attends, discret infini, comment

  16. Intervenant 2

    ça ? Le nombre appartient aux entiers naturels. Il n'est pas limité vers le haut, tu pourras avoir un million d'accidents, mais tu avances par unité entière. Un accident, deux accidents, mille accidents, on ne peut pas avoir 2,5 accidents.

  17. Intervenant 1

    Ah ok, je vois. L'approche de la place fonctionne super bien quand la réalité se comporte comme une suite de blocs empilables quoi.

  18. Intervenant 2

    C'est exactement ça.

  19. Intervenant 1

    On identifie l'ensemble des résultats possibles, le fameux ensemble oméga, et on attribue une fraction de chance à chaque bloc. Mais on voit bien le mur vers lequel on fonce, non ? La réalité physique, l'espace, le temps, c'est pas des blocs entiers.

  20. Intervenant 2

    Non, pas du tout.

  21. Intervenant 1

    Si on reprend un autre exemple de l'article, la durée exacte d'un trajet en train entre Bruxelles et Paris. Là, on ne compte plus des blocs, on mesure un flux.

  22. Intervenant 2

    Et c'est là que le passage du discret au continu a provoqué une vraie crise conceptuelle en mathématiques. Parce que si ton train est censé mettre entre 4 avançants et 7 200 secondes, il existe dans cet intervalle une infinité, non dénombrable, de durée possible.

  23. Intervenant 1

    Ouais, au millième, au millionième de seconde près.

  24. Intervenant 2

    Voilà. Et si tu appliques la logique de la place à un univers continu, tu dois diviser un cas favorable par une infinité de cas possibles. Et le résultat mathématique de cette division, c'est zéro.

  25. Intervenant 1

    C'est fou ça. Du coup, le discret, c'est comme monter un escalier. On est sur une marche ou une autre. Alors que le continu, c'est un toboggan. Il y a une infinité de positions possibles

  26. Intervenant 2

    dessus. L'analogie est parfaite.

  27. Intervenant 1

    Mais du coup, s'il y a une infinité de durée possible au millième de seconde près pour le train, comment on peut attribuer un pourcentage de chance à un résultat unique sans que la probabilité ne soit juste égale à zéro ?

  28. Intervenant 2

    C'est là qu'intervient la magie des densités de probabilités. Le sauvetage, il est venu d'un mathématicien russe, Kolmogorov, dans les années 30. Son coup de génie, ça a été d'utiliser la théorie de la mesure de l'ébègue pour axiomatiser les probabilités. L'idée fondatrice, c'est qu'on arrête complètement de chercher la probabilité d'un point isolé.

  29. Intervenant 1

    On abandonne le point.

  30. Intervenant 2

    Ouais. Sur la droite des réels, un point, ça n'a pas d'épaisseur, donc pas de probabilité. À la place, on va mesurer des segments, des intervalles.

  31. Intervenant 1

    Ah je comprends. On ne se demande plus, genre, quelle est la chance que le train arrive à la seconde 54,39 exactement, mais plutôt, quelle est la chance qu'il arrive entre la seconde 54 et la seconde 55.

  32. Intervenant 2

    C'est exactement ça. Et visuellement, pour modéliser ça, on utilise ce concept un peu vertigineux des densités de probabilités. On dessine une courbe qui représente la distribution des possibles et la probabilité devient simplement l'air situé sous cette courbe.

  33. Intervenant 1

    L'air sous la courbe, d'accord.

  34. Intervenant 2

    La traduction géométrique, c'est vraiment la clé. Mathématiquement, pour calculer la probabilité que notre événement tombe entre une borne A et une borne B, on calcule l'intégrale de la fonction de densité entre ces deux bornes.

  35. Intervenant 1

    Ok, donc on mesure la surface.

  36. Intervenant 2

    Voilà. Mais attention, pour que cette courbe puisse prétendre être une loi de probabilité valide, Kolmogorov impose des règles hyper strictes. D'abord, la fonction doit toujours rester dans le positif, au-dessus de l'axe horizontal.

  37. Intervenant 1

    Bah oui, une probabilité de moins 10%, ça aurait aucun sens.

  38. Intervenant 2

    Ce serait une aberration totale, ouais. Et surtout, la règle d'or, si tu calcules l'intégrale sur la totalité de l'axe, de moins l'infini à plus l'infini, l'aire totale sous la courbe doit impérativement être égale à

  39. Intervenant 1

    1. Exactement égale à 1.

  40. Intervenant 2

    Oui. Ce 1, en fait, il représente les 100% de chances que l'expérience produise un résultat, peu importe lequel.

  41. Intervenant 1

    Autrement dit, l'air sous la courbe, c'est une ressource qui est finie.

La suite de la transcription est réservée aux abonnés.

S’abonner

À écouter ensuite

Des épisodes qui partagent une playlist, une figure ou un domaine avec celui-ci.