B12 · Histoire et épistémologie
Démarche scientifique, preuve et réfutabilité
Décrire la construction d'une hypothèse, sa mise à l'épreuve et la notion de réfutabilité. Relier le raisonnement statistique à la production d'une preuve et discuter la reproductibilité des résultats.
Santé, société, humanité et santé publique7 min de lecture17 QCM corrigés
De la question à l’hypothèse scientifique
La démarche scientifique part d’une question délimitée, issue d’une observation, d’une contradiction entre résultats ou d’une lacune des connaissances. Cette question doit porter sur des éléments accessibles à l’observation ou à la mesure.
Une hypothèse scientifique est une proposition provisoire formulée pour répondre à cette question. Elle ne constitue pas une vérité initiale : sa valeur dépend des conséquences observables qu’on peut en déduire et de sa résistance à des mises à l’épreuve rigoureuses.
Une hypothèse utile doit être :
- précise, afin d’éviter plusieurs interprétations incompatibles ;
- cohérente avec les connaissances déjà établies, sauf si elle permet d’expliquer leurs limites ;
- opérationnalisable, c’est-à-dire traduisible en variables observables ou mesurables ;
- réfutable, donc exposée à la possibilité d’être mise en défaut ;
- féconde, car elle conduit à des prédictions nouvelles.
L’hypothèse est reliée aux observations par deux mouvements logiques. L’induction élabore une proposition générale à partir d’observations particulières, sans garantir qu’elle soit vraie dans tous les cas. La déduction tire d’une hypothèse générale une prédiction particulière qui pourra être confrontée aux données.
Mettre une hypothèse à l’épreuve
Tester une hypothèse ne consiste pas à rechercher seulement ce qui la confirme. Il faut construire une situation dans laquelle les observations pourraient également la contredire. Le protocole doit donc préciser à l’avance les variables mesurées, les conditions de comparaison, les critères d’inclusion, la méthode d’analyse et les résultats attendus.
Une erreur aléatoire correspond au contraire aux fluctuations imprévisibles liées à l’échantillonnage ou à la mesure. L’augmentation de la quantité d’information réduit généralement l’erreur aléatoire, mais elle ne corrige pas un biais systématique. Une étude de grande taille peut donc produire une estimation très précise tout en restant erronée.
La validité interne désigne la solidité de la conclusion pour les observations effectivement étudiées. Elle dépend notamment du contrôle des biais, de la qualité des mesures et de la pertinence de l’analyse. La validité externe désigne la possibilité d’étendre cette conclusion à d’autres populations, conditions ou périodes.
Réfutabilité et statut des théories
Une proposition compatible avec toute observation possible ne peut pas être mise en danger par les faits. Elle ne fournit donc pas une hypothèse scientifique testable. À l’inverse, une hypothèse réfutable prend un risque empirique : elle interdit certains résultats.
La réfutation n’est toutefois pas mécanique. Une prédiction dépend toujours de l’hypothèse principale, mais aussi d’hypothèses auxiliaires concernant les instruments, les mesures, la population étudiée et le protocole. Un résultat discordant peut donc traduire une insuffisance de la théorie, une erreur méthodologique ou une hypothèse auxiliaire incorrecte. Il faut examiner l’ensemble de cette chaîne avant de conclure.
Les théories probabilistes n’annoncent pas qu’un événement particulier surviendra nécessairement. Elles attribuent des probabilités à des ensembles de résultats. Une observation isolée peu probable ne suffit donc pas toujours à les réfuter ; l’évaluation repose sur l’accumulation de données et sur leur degré de compatibilité avec le modèle.
Raisonnement statistique et production de preuve
Dans un test statistique, l’hypothèse nulle représente le modèle de référence soumis à l’épreuve. L’hypothèse alternative représente une proposition concurrente. Les données permettent d’évaluer leur compatibilité avec , mais elles ne transforment pas automatiquement en vérité.
La valeur p mesure, sous l’hypothèse , la probabilité d’obtenir une statistique de test au moins aussi éloignée de ce qu’attend que celle effectivement observée.
Le seuil de signification est la probabilité maximale, fixée avant l’analyse, de rejeter alors qu’elle est vraie. Cette erreur constitue le risque de première espèce. Le risque de seconde espèce est la probabilité de ne pas rejeter alors qu’une différence définie existe. La puissance du test vaut .
La production d’une preuve exige donc davantage qu’une décision fondée sur un seuil. Il faut considérer conjointement :
- la taille de l’effet, qui quantifie l’intensité du phénomène ;
- l’intervalle de confiance, qui exprime l’incertitude entourant l’estimation ;
- le risque de biais ;
- la cohérence avec les connaissances antérieures ;
- la multiplicité éventuelle des analyses ;
- la reproductibilité des résultats.
La signification statistique indique une incompatibilité suffisante avec un modèle de référence selon une règle conventionnelle. Elle ne garantit ni la pertinence scientifique, ni l’utilité pratique, ni une relation causale. Une association observée peut notamment résulter d’un biais, du hasard ou d’un facteur lié simultanément aux variables étudiées.
Reproductibilité et robustesse des résultats
La répétabilité concerne la stabilité d’une mesure dans des conditions aussi proches que possible. La reproduction indépendante est plus exigeante : elle vérifie que le résultat ne dépend pas uniquement d’une équipe, d’un échantillon, d’un instrument ou de choix analytiques particuliers.
La reproductibilité est favorisée par un protocole détaillé, la conservation des données, la transparence des traitements statistiques et le préenregistrement, qui consiste à consigner les hypothèses et le plan d’analyse avant de connaître les résultats. Elle est menacée par les faibles effectifs, les mesures instables, les analyses multiples non déclarées, la sélection des seuls résultats favorables et la publication préférentielle des résultats statistiquement significatifs.
L’échec d’une reproduction ne prouve pas immédiatement que le résultat initial était faux. Il peut révéler une fluctuation aléatoire, une différence de conditions, un biais ou une dépendance du phénomène à un contexte particulier. Il impose néanmoins une réévaluation du degré de confiance accordé à la conclusion.
La hiérarchisation et l’intégration de ces preuves dans la décision médicale relèvent de la fiche consacrée à l’épistémologie de la médecine et à la médecine fondée sur les preuves.
Entre ton email pour débloquer le reste de cette fiche
Il reste 2 sections à lire — plus les QCM corrigés, l'examen blanc et le suivi. 72 h d'essai gratuit, sans carte bancaire.