[NULLITÉ des modèles mathématiques pour légitimer les décisions politiques] Que restera-t-il de l’épidémiologie à la fin de la crise Covid-19 ? par Juliette ROUCHIER

25/03/2021 | 4 commentaires

Encore un article remar­quable sur le blog de Laurent Muc­chiel­li, que je trouve extrê­me­ment impor­tant pour la défense des liber­tés dans le monde.

Il s’a­git (je vais le dire en termes moins mesu­rés que la très sérieuse Juliette ROUCHIER) de la démons­tra­tion scien­ti­fique de la nul­li­té crasse et de la mal­fai­sance cri­mi­nelle des modèles mathé­ma­tiques extra­va­gants (abso­lu­ment pas scien­ti­fiques) qui servent aux gou­ver­ne­ments à per­sé­cu­ter les popu­la­tions depuis un an.

Toute cette folie d’une poli­tique publique pro­gres­si­ve­ment asser­vie aux sta­tis­tiques me fait pen­ser à la « gou­ver­nance par les nombres » (par­fai­te­ment décrite par Alain Supiot) qui nous est pro­gres­si­ve­ment impo­sée depuis cin­quante ans : la folie scien­tiste qui anime l’ul­tra­li­bé­ra­lisme est un trait com­mun entre l’URSS sta­li­nienne, l’Al­le­magne nazie et l’U­nion euro­péenne : tous les régimes tota­li­taires pré­tendent rem­pla­cer la déli­bé­ra­tion démo­cra­tique par un abso­lu­tisme pré­ten­du­ment scien­ti­fique. Avec la « crise sani­taire », cette folie scien­tiste s’aggrave.

Je repro­duis ici ce bon réqui­si­toire contre les pré­ten­dus « modèles » mathé­ma­tiques, pour pou­voir en sur­li­gner les pas­sages qui me paraissent les plus importants.

Bonne lec­ture.

Étienne.


Que restera-t-il de l’épidémiologie à la fin de la crise Covid-19 ?

Laurent Muc­chiel­li : Cet article rap­pelle quelques erreurs sys­té­ma­tiques por­tés par les épi­dé­mio­logues les plus visibles, comme la croyance que leur modèle est plus vrai que la réa­li­té ou bien la néces­si­té d’exprimer des vues pes­si­mistes pour sou­te­nir des formes de gou­ver­ne­ment par l’acceptabilité sociale. On ne devrait pas lais­ser à cette dis­ci­pline le mono­pole de l’expertise pour la déci­sion publique.

par Juliette ROUCHIER, direc­trice de recherche au CNRS en éco­no­mie et envi­ron­ne­ment, spé­cia­liste de l’utilisation des modèles agents appli­qués aux sciences sociales, et ancienne res­pon­sable du GDR « Poli­cy Ana­ly­tics » (Aide à la déci­sion inno­vante pour les poli­tiques publiques).

Le Monde a publié le 6 mars 2021 un entre­tien avec Simon Cau­che­mez qui marque une étape impor­tante dans une forme d’absur­di­té logique qui s’expose depuis bien­tôt un an aux yeux de tous nos conci­toyens. Quand on lui demande s’il s’est trom­pé en annon­çant 300 000 à 350 000 morts il y a un an, le modé­li­sa­teur du Conseil Scien­ti­fique répond « non », même si le nombre de morts esti­més à cause de la Covid-19 est de moins de 90 000 à ce jour (puisque les morts avec Covid-19 ne sont pas tous morts de Covid-19 : l’INED recom­mande encore d’attendre pour conclure). Ses argu­ments cen­traux sont de deux natures : les mesures prises sont à l’origine de cet écart mas­sif, et l’épidémie n’est pas finie.

Cette néga­tion est un révé­la­teur d’un cer­tain nombre de biais, géné­ra­li­sés au sein de la com­mu­nau­té épi­dé­mio­lo­giste la plus offi­cielle, dont celui qui consiste à refu­ser toute remise en cause. Si celui-ci pose en par­ti­cu­lier des pro­blèmes lorsque les pré­dic­tions servent à jus­ti­fier des poli­tiques publiques, il en existe d’autres qui s’expriment régu­liè­re­ment dans des sémi­naires, des publi­ca­tions, comme l’idée qu’on se doit d’être pes­si­miste dans les inter­ven­tions publiques.

En pré­am­bule à ce texte, il faut noter la mau­vaise habi­tude qui s’est impo­sée de faire usage d’arguments d’autorité pour inclure ou exclure les per­sonnes qui seraient « habi­li­tées », en leur qua­li­té d’épidémiologues, à cri­ti­quer ou même par­ler de modé­li­sa­tion. Cette défense dis­ci­pli­naire est assez clas­sique (on la trouve en éco­no­mie ou en finance depuis quelques dizaines d’années). Elle reste cho­quante pour tous les pra­ti­ciens inter­dis­ci­pli­naires qui défendent, au contraire, l’idée que le modèle for­mel a l’avantage d’établir une lin­gua fran­ca qui le rend dis­cu­table par toute per­sonne capable de le lire et de poser des ques­tions per­ti­nentes à son égard.

Les 400 000 morts du Président

Ce qui a carac­té­ri­sé la période de crise que nous connais­sons est un amour immo­dé­ré des chiffres et nombres, pro­duits et uti­li­sés de façon sou­vent un peu far­fe­lue. Les « 400 000 morts du Pré­sident de la Répu­blique », dans son allo­cu­tion du 28 octobre marquent un moment de bas­cule dans la capa­ci­té à mas­quer la réa­li­té sous des modèles.

Après la pre­mière sai­son de l’épidémie, où au mini­mum 350 000 morts avaient déjà été annon­cés par l’équipe de Fer­gu­son pour l’Angleterre, ce qui créait déjà un déca­lage impor­tant avec les don­nées, on pou­vait se dire que les modèles étaient à révi­ser (on note au pas­sage que S. Cau­che­mez a tra­vaillé 8 ans dans le labo­ra­toire de Fer­gu­son, ce qui peut expli­quer qu’il ait été choi­si comme expert natio­nal, à l’instar de son ancien col­lègue outre-Manche). A prio­ri, ils sont pour­tant basés sur les mêmes prin­cipes : des extra­po­la­tions de mor­ta­li­té ou réani­ma­tion à par­tir des don­nées du moment, et n’ont pas inté­gré les connais­sances acquises déjà en septembre.

Ain­si une hypo­thèse impor­tante est appa­ruedès juin : il existe des humains que le virus ne peut pas uti­li­ser pour conti­nuer son voyage entre hôtes. Une part non négli­geable de la popu­la­tion serait pro­té­gée de ce virus avant même de l’avoir ren­con­tré – soit l’individu pos­sède une « immu­ni­té croi­sée », soit ses muqueuses ne laissent pas péné­trer le virus – ou il ne le trans­met­trait pas, même une fois infec­té. C’est ce qui expli­que­rait à la fois le faible taux d’infection chez et par des enfants (à ce jour Karl Fris­ton donne le chiffre de 40% d’enfants et 25% des adultes qui natu­rel­le­ment ne feront pas par­tie de la chaîne de trans­mis­sion), mais aus­si le fait qu’au sein de nom­breux foyers seule­ment une par­tie de la famille se trouve infec­tée si l’un est malade, ou encore la dif­fu­sion limi­tée du virus sur le Dia­mond Prin­cess. En effet, sur envi­ron 3 700 pas­sa­gers expo­sés au virus pour la pre­mière fois, 700 seule­ment l’ont attra­pé – alors que l’on sait que le SARS-COV2 cir­cu­lait mal­gré le confi­ne­ment en cabine, par le sys­tème d’aération (beau­coup moins que sans confi­ne­ment, mais il cir­cu­lait tout de même). C’est l’idée que Michael Levitt (prix Nobel de chi­mie) a défen­du, et il a pu mon­trer éga­le­ment dès mars 2020 que l’épidémie ne sui­vait pas une courbe expo­nen­tielle, mais que le taux de crois­sance dimi­nuait rapidement.

Ces hypo­thèses essen­tielles pour réa­li­ser des pré­dic­tions numé­riques, qui méri­te­raient au moins d’être tes­tées, n’ont sûre­ment pas ser­vi à pro­duire les chiffres, presque iden­tiques à ceux qui était annon­cés six mois plus tôt. C’est comme si rien n’avait été appris.

Par exemple, la ques­tion de l’évolution du virus (les « variants ») était évo­quée publi­que­ment dès sep­tembre en France, et on pou­vait donc com­prendre que plu­sieurs épi­dé­mies se suc­cé­daient déjà, cha­cune construi­sant une courbe plus ou moins en cloche. Mais cette don­née a été igno­rée dans les dis­cus­sions de sémi­naires en France ou à l’étranger : comme s’il fal­lait recon­naître une « seconde vague », un « rebond » auto­ma­tique à la fin du confi­ne­ment, et ce même si les courbes des modèles ne res­sem­blaient pas du tout aux courbes des don­nées. Ain­si, la « seconde vague », arte­fact de modé­li­sa­tion, s’est-elle impo­sée comme véri­té dans le grand public, sans qu’il soit pos­sible de la mesu­rer dans la réa­li­té. Le modèle est, à nou­veau, « plus vrai » que la réa­li­té.

Pour autant, sa valeur de véri­té demeu­rait rela­tive puisque Simon Cau­che­mez lui-même rédui­sait un peu l’ampleur de la « catas­trophe annon­cée » : lorsque le Pré­sident disait 400 000, lui-même misait plu­tôt sur 300 000. Il convient de noter la non­cha­lance avec laquelle 13 de morts sont ajou­tés dans la balance. On voit que toute hypo­thèse trop pes­si­miste est tou­jours bonne à prendre chez les épi­dé­mio­logues offi­ciels. D’autant que ce chiffre pose un pro­blème lorsqu’il est aban­don­né sans cor­rec­tion dans l’espace public. Face à une léta­li­té esti­mée de 0,5% à ce moment, n’importe quel citoyen connais­sant la règle de trois savait que 400 000 morts n’adviendraient que sur une popu­la­tion fran­çaise plus grande qu’elle ne l’est à l’heure actuelle (il fau­drait 80 mil­lions d’habitants). En outre, la répar­ti­tion par classe d’âge de la mor­ta­li­té était lar­ge­ment connue de tous et retom­ber sur un chiffre si sim­ple­ment pro­por­tion­nel mon­trait que les modèles n’avaient pas grand-chose de « savant ». On peut se deman­der quelle part du public a per­du confiance dans les affir­ma­tions des scien­ti­fiques face à cette extra­po­la­tion un peu farfelue.

Plus grave encore : cet épi­sode a révé­lé que, tout en agi­tant sans cesse des chiffres et des nombres, les épi­dé­mio­logues ne pre­naient pas les valeurs annon­cées au sérieux : la déné­ga­tion reste faible dans le Check news, et aucun membre du conseil scien­ti­fique n’a cor­ri­gé publi­que­ment le chiffre en insis­tant sur l’exagération du Pré­sident. Tra­vailler dans la modé­li­sa­tion quan­ti­ta­tive et ne pas défendre la valeur numé­rique des résul­tats : c’est un manque de sérieux qui pose vrai­ment ques­tion dans le contexte d’inquiétude que subit la popu­la­tion.

Enfin, peut-être le pire : à aucun moment les épi­dé­mio­logues n’ont pris le soin de pré­ci­ser en com­bien de temps toutes ces per­sonnes étaient cen­sées mou­rir. Or, on ne s’inquiète pas de la même façon quand une mala­die fera 300 000 morts en cinq ans (ce qui semble envi­sa­geable si la Covid-19 devient endé­mique et si les soins pré­coces sont tou­jours invi­si­bi­li­sés dans notre pays) ou 300 000 morts en une sai­son. En jouant sur cette ambi­guï­té, les membres du Conseil Scien­ti­fique ont donc bien fait de la poli­tique plu­tôt que de la science (dont le tra­vail est au contraire de réduire toute ambiguïté).

Cet épi­sode met en lumière non seule­ment la per­sis­tance dans l’erreur de méthode, le refus d’intégrer des nou­velles don­nées, et – par la bande – le manque de capa­ci­té cri­tique des grands jour­naux qui ont relayé ces infor­ma­tions sans par­ti­cu­liè­re­ment s’inquiéter de leur validité.

L’homogénéité du monde et l’agrégation de données

D’autres chiffres sont appa­rus ici ou là, comme le fameux nombre 6 pour les ras­sem­ble­ments pri­vés auto­ri­sés ou les tables au res­tau­rant. On serait bien en peine de connaître le modèle sous-jacent à l’édiction de cette norme, voire sa logique : si des ren­contres de six per­sonnes se font régu­liè­re­ment, et si les per­sonnes impli­quées changent de groupe régu­liè­re­ment, la pro­pa­ga­tion devrait se faire à peu près aus­si bien dans des groupes de huit ou quatre. Aujourd’hui, on auto­rise les étu­diants à rem­plir les uni­ver­si­tés à 20%, sans qu’on ait même une idée d’où pour­rait sor­tir un tel chiffre. Des nombres magiques régulent ain­si nos vies.

À ma connais­sance, peu de cher­cheurs sont inter­ve­nus pour signi­fier que les modèles uti­li­sés ne per­met­taient pas de trai­ter ces ques­tions de modi­fi­ca­tions de réseaux (et donc de « pré­voir » l’effet d’un confi­ne­ment ou autres règles de « dis­tan­cia­tion »). Gian­lu­ca Man­zo signa­lait le rôle des super-dis­sé­mi­na­teurs dans l’épidémie, qui néces­si­tait une atten­tion sérieuse à la réa­li­té des inter­ac­tions. Sans cette réflexion, com­ment pen­ser une poli­tique effi­cace puisque l’hétérogénéité du nombre de liens est essen­tielle dans les dyna­miques de dif­fu­sion. J’avais insis­té moi-même sur le fait qu’on ne peut pas faire de pré­dic­tion ferme avec des modèles de dif­fu­sion sur des réseaux, qui sont sou­mis de façon très impor­tante à l’histoire des hasards de cer­taines ren­contres (on appelle cet effet la « dépen­dance au chemin »).

En l’absence d’analyse fine de ces ques­tions de réseaux, cer­tains épi­dé­mio­logues ont trai­té le confi­ne­ment dans les quelques modèles qui les repré­sen­taient en reti­rant de façon homo­gène 70% des inter­ac­tions à cha­cun des agents. C’est évi­dem­ment une erreur de bas niveau que de croire qu’on cap­ture ain­si une repré­sen­ta­tion cré­dible du confi­ne­ment tel qu’il a été vécu et, sur­tout, de croire que cette façon de repré­sen­ter n’a pas d’influence sur les résul­tats. Il ne s’agit pas de repro­cher aux col­lègues de réa­li­ser ces modèles homo­gènes pour en obser­ver les résul­tats et les ana­ly­ser. Le pro­blème sur­git dès qu’on les uti­lise comme des guides pour l’action dans un monde for­te­ment hétérogène.

Un autre aspect absurde de la modé­li­sa­tion offi­cielle a été de pro­duire des courbes natio­nales d’extrapolation de don­nées, sans pas­ser par des ana­lyses locales de situa­tion. Or, lors du pre­mier confi­ne­ment, les dif­fé­rentes zones obser­vées étaient sépa­rées et le virus ne cir­cu­lait pas plus que les humains entre les régions : du point de vue de la dif­fu­sion du virus, cha­cune d’entre elles était dans une dyna­mique spé­ci­fique, et les extra­po­la­tions de cas ne pou­vaient se faire de façon inté­res­sante et per­ti­nente qu’à l’échelon local. Pour autant, on a conti­nué à entendre des asser­tions comme « mon modèle est meilleur pour les don­nées natio­nales que locales, donc je l’utilise à l’échelle natio­nale » – là où tout modé­li­sa­teur sérieux aurait plu­tôt conclu que le modèle devait DONC aller à la pou­belle et être sérieu­se­ment révi­sé. De façon étrange, les col­lègues ne sem­blaient pas com­prendre les ques­tions concer­nant les dyna­miques locales quand on les posait en sémi­naire, et n’y répon­daient jamais. Fina­le­ment, c’est en novembre qu’Alexandra Hen­rion-Caude (dans une vidéo appa­rem­ment sup­pri­mée par You­Tube) a mon­tré com­bien une ana­lyse des dyna­miques locales aurait été infor­ma­tive – en par­ti­cu­lier pour affron­ter l’apparition d’une seconde épi­dé­mie en connais­sant mieux le degré de naï­ve­té de la popu­la­tion et les formes épi­dé­miques à attendre.

Le modèle à la place de la réalité

L’idée de la « seconde vague » a été lon­gue­ment dis­cu­tée. Appa­rem­ment, de nom­breux spé­cia­listes des mala­dies res­pi­ra­toires s’inquiétaient que cette idée se répande car ils savaient qu’elle n’est pas per­ti­nente. Ils s’attendaient à voir une courbe en cloche, puis à devoir attendre pour voir ce qu’il advien­drait ensuite de l’épidémie : revien­drait-elle ou non ? Dans les modèles, par contre, si un confi­ne­ment ne dure pas très long­temps, dès qu’il s’interrompt on voit une remon­tée qua­si-immé­diate du nombre de cas. Dans notre livre, nous mon­trons que cela est vrai quel que soit le modèle. Si cet effet appa­raît quelles que soient les hypo­thèses, c’est qu’il est méca­ni­que­ment lié à la modé­li­sa­tion en SIR (Sain, Infec­té, Réta­bli), pas qu’il est « vrai ». Dans les chiffres d’infection, ce n’est qu’avec un cer­tain déca­lage qu’on a pu voir une remon­tée des cas en juillet – pas du tout comme les modèles l’auraient « pré­dit ». On peut alors faire l’hypothèse que ce résul­tat est lié au fait que la dyna­mique du virus-même n’est pas prise en compte dans les modèles (sa « sai­son­na­li­té »). La seule façon de croire à une « seconde vague » iden­tique à celle des modèles est de nier une fois de plus les pro­prié­tés tem­po­relles et dyna­miques. On peut noter d’ailleurs que c’est en s’intéressant à cette remon­tée de juillet, qu’ils ont consi­dé­ré comme une ano­ma­lie, que les membres de l’IHU de Mar­seille ont pu détec­ter un pre­mier variant, et pré­ve­nir les Fran­çais avec une bonne connais­sance du phé­no­mène dès le mois de sep­tembre 2020.

La ques­tion de la qua­li­té des don­nées a été évo­quée de façon régu­lière par les démo­graphes. Pour Her­vé Le Bras, très tôt on pou­vait iden­ti­fier les limites des ana­lyses chif­frées. D’autres ont pu rap­pe­ler les méthodes habi­tuelles de recueil de don­nées pour suivre une épi­dé­mie, ou mon­trer com­ment les dis­cours offi­ciels uti­li­saient sans cesse de nou­velles mesures pour décrire l’épidémie, sans qu’aucune ne soit bien défi­nie, ni ses incer­ti­tudes spé­ci­fiées – en par­ti­cu­lier en ce qui concerne les décla­ra­tions de décès de per­sonnes avec Covid-19 ou de Covid-19.

Or, mal­gré la dépen­dance fon­da­men­tale aux don­nées de tous les modèles basés sur des extra­po­la­tion dans le temps, aucune atten­tion n’a été prê­tée à cette dis­cus­sion par les épi­dé­mio­logues les plus visibles. Les preuves tour­naient par­fois en rond d’un modèle d’évaluation à un autre modèle, et la qua­li­té des don­nées mesu­rées sem­blait fina­le­ment acces­soire. Par exemple, R0 est une valeur approxi­mée grâce à un modèle basée sur les don­nées d’infection (non mesu­rée avant que le nombre de tests soit suf­fi­sant), mais sert de variable d’entrée à de nom­breux modèles de pré­dic­tion, sans que soient tou­jours prises des pré­cau­tions concer­nant la com­pa­ti­bi­li­té des hypo­thèses, ou l’accumulation des incer­ti­tudes lors de l’enchâssement de modèles.

Ain­si, le satis­fe­cit épi­dé­mio­lo­gique, repris com­plai­sam­ment par Libé­ra­tion, repose tout de même sur l’idée qu’on ne prend en compte ni les erreurs à court terme (en nombre d’occupation des lits de réani­ma­tion avec quelques semaines d’avance), ni à long terme (une année entière). À par­tir d’un modèle qui a été rapi­de­ment vali­dé sur quelques jeux de données–excessivement impar­faites – Simon Cau­che­mez pré­tend être cer­tain que ses pré­dic­tions auraient été réa­li­sées si on n’avait pas confi­né. On parle ici d’une dif­fé­rence d’ordre de gran­deur de 1 à 3, ce qui est énorme. Cette logique pose un pro­blème : il n’y a aucun contre­fac­tuel pour démon­trer qu’il a rai­son, puisque les modèles ne pou­vaient être vali­dés. Par exemple, on ne peut pas cal­cu­ler l’ampleur de l’effet du confi­ne­ment avec le type de modèle uti­li­sé, donc aucune pré­dic­tion réfu­table n’a été émise.

Pour­tant, il n’y a aucune obser­va­tion de pays où la catas­trophe annon­cée ait été réa­li­sée au niveau pré­vu, et on en reste même loin. On peut faire réfé­rence à quelques situa­tions pré­oc­cu­pantes, très loca­li­sées, mais on voit qu’elles sont des excep­tions plus que des règles, et qu’il fau­drait en ana­ly­ser fine­ment les causes.

Un autre genre de preuve pour­rait en effet être appor­té par les pays qui ont éta­bli le contre­fac­tuel poli­tique, comme la Suède. Mal­heu­reu­se­ment pour nos épi­dé­mio­logues, elle joue le rôle de preuve inver­sée, avec des courbes presque simi­laires aux nôtres, sans qu’aucune règle auto­ri­taire n’y ait été impo­sée, pas plus que la des­truc­tion métho­dique de l’économie. Si on doit dire que « les modèles ne se sont pas trom­pés » il faut alors expli­quer pour­quoi notre mor­ta­li­té est simi­laire à celle de la Suède, qui en toute logique devrait voir son ratio de morts être envi­ron trois fois plus éle­vé que le nôtre. Plu­sieurs études montrent main­te­nant que le confi­ne­ment strict ne pré­sente pas de gain per­cep­tible face à des mesures plus légères de dis­tan­cia­tion, que l’obligation de res­ter à la mai­son n’est pas garante d’une réduc­tion de cir­cu­la­tion du virus, pointent que la sup­pres­sion des grands ras­sem­ble­ments est la meilleure expli­ca­tion pour décrire l’histoire de l’épidémie en Suède (qui a aus­si fer­mé les uni­ver­si­tés et les lycées). Pour autant, on lit sou­vent que la Suède serait « dif­fé­rente » et ne pour­rait être com­pa­rée à la France. On peut se deman­der sur quels cri­tères cette affir­ma­tion puisque ni les carac­té­ris­tiques de la popu­la­tion ni l’organisation ne sont pour l’instant expli­ca­tifs des courbes de mor­ta­li­té, et que la Suède avait visi­ble­ment un défi­cit de lits en réani­ma­tion supé­rieur au nôtre, et une den­si­té de popu­la­tion dans les grandes villes équi­va­lente à nos métro­poles.

Pour­quoi les col­lègues, et les jour­na­listes, conti­nuent-ils à répé­ter, sou­vent de façon péremp­toire, que leurs modèles sont justes alors que cela n’a aucun sens sans démons­tra­tion rigou­reuse ? Le niveau d’éducation étant ce qu’il est, beau­coup d’internautes s’amusent de façon visible à poin­ter les erreurs de pré­dic­tion, ce qui per­met de réduire encore la confiance dans la parole des experts. Il n’y a qu’au pays de Lewis Car­roll que la répé­ti­tion rend vraie une pro­po­si­tion (1).

Admettre quelques exa­gé­ra­tions, et expli­quer les modi­fi­ca­tions appor­tées aux modèles tan­dis que le temps pas­sait, aurait per­mis de remettre en cause la ten­dance signa­lée au pes­si­misme. Fai­sons une expé­rience de pen­sée : il semble accep­table aujourd’hui de pro­duire une sur­es­ti­ma­tion dans un rap­port de 1 à 3 du nombre de morts, sans que l’ampleur de la dif­fé­rence ne soit dis­cu­tée. Ima­gi­nons à l’inverse que quelqu’un ait pré­vu 70 000 morts plu­tôt que 90 000  : l’erreur est bien moins grande, les ordres de gran­deur sont conser­vés.  Mais cette pré­vi­sion aurait sûre­ment valu des cri­tiques à son émet­teur, si on l’avait même écouté.

Fina­le­ment, avec le recul, on constate que les modèles sup­po­sé­ment quan­ti­ta­tifs nous auront don­né des nar­ra­tions vagues, et n’auront jamais été vali­dés de façon convain­cante par des obser­va­tions. Cer­tains finissent par être don­nés sous forme d’outils à géné­rer des « pré­dic­tions » brutes jetées en pâture à un public non infor­mé, sans claire qua­li­fi­ca­tion des « pré­cau­tions » à prendre pour les inter­pré­ter. Le public risque encore de se rendre compte que ces modèles ne pré­voient « bien » qu’en de très rares occa­sions, elles-mêmes peu pré­vi­sibles. Si cela déçoit un peu plus le public, gou­ver­né depuis un an par des argu­ments qu’il découvre si fra­giles, que va deve­nir l’autorité d’une « science » qui n’est plus dis­cu­tée entre savants mais sert sur­tout de pro­mo­tion médiatique ?

Interprétation d’un naufrage intellectuel

Que s’est-il pas­sé lorsque l’épidémie est arri­vée en France et que la science a été sou­dain mise au centre de l’attention média­tique et poli­tique ? La même chose que ce que notre pro­fes­sion connaît depuis des années : l’ANR a lan­cé un appel à pro­jets. Cer­tains pro­jets ont été sélec­tion­nés, et d’autres non : ceci a créé des res­sen­ti­ments et des inquié­tudes, et a pous­sé cha­cun à s’agiter encore plus pour être visible ou recon­nu – et donc « écrire des papiers » rapi­de­ment plu­tôt que de col­la­bo­rer pour amé­lio­rer la com­pré­hen­sion col­lec­tive des pro­blèmes. Même si on a pu voir des excep­tions notables, ini­tiées dès mars, comme le col­lec­tif CoV­pre­hen­sion, où l’explication des phé­no­mènes a été col­lec­ti­ve­ment ana­ly­sée et rédi­gée, les sémi­naires de ModCov19 (le réseau offi­ciel lan­cé par le CNRS autour de la modé­li­sa­tion) ont par contre mon­tré un monde d’échanges savants très « habi­tuel », où cha­cun pré­sente un papier réa­li­sé en petit groupe, et où la dis­cus­sion est limi­tée à quelques ques­tions mini­males posées en dix minutes, sans cri­tique pos­sible. Cette orga­ni­sa­tion indi­vi­dua­liste et cou­pant court aux dis­cus­sions n’est pas un choix des cher­cheurs eux-mêmes, c’est sim­ple­ment la forme deve­nue rituelle, la norme émer­gente des vingt der­nières années. C’est le résul­tat d’un long glis­se­ment lié à la culture du pro­jet et de l’évaluation indi­vi­duelle : mieux vaut main­te­nant rendre invi­sible les col­lègues et leurs résul­tats ou ques­tions, que de se confron­ter à leur point de vue et perdre un temps pré­cieux en construc­tion de car­rière ou en accès aux financements.

Ain­si, bien que l’académie de méde­cine ait indi­qué dès juillet que l’analyse des eaux usées per­met­taient de pré­voir effi­ca­ce­ment la pré­sence du virus dans la popu­la­tion et anti­ci­per avec deux semaines d’avance les entrées à l’hôpital, cer­tains épi­dé­mio­logues ont pré­fé­ré igno­rer cette infor­ma­tion, et ne pas la croi­ser avec leurs propres pré­vi­sions pour amé­lio­rer les modèles – alors que ceux-ci rem­plis­saient exac­te­ment le même rôle. L’apparition des variants et son impact sur la stra­té­gie sani­taire n’est mis en avant que tar­di­ve­ment par l’épidémiologie offi­cielle, alors que tout ceci était clai­re­ment signa­lé dès sep­tembre par l’IHU.  Pas plus que les ques­tions sou­le­vées sur l’efficacité du vac­cin, depuis des mois, ne sont même signa­lées comme limite pour les modèles présentés.

Cette com­pé­ti­tion intense pour l’accès aux res­sources repose en plus sur des néces­saires hié­rar­chies impli­cites, et l’autorité de cer­taines ins­tances sont acquises dans beau­coup de dis­cus­sions savantes. Par exemple : les résul­tats de l’Institut Pas­teur sont tou­jours vrais, même si – si on en croit leurs propres ana­lyses – cer­taines recon­naissent que leurs modèles n’étaient pas pré­vus pour inté­grer l’effet d’un confi­ne­ment, et qu’il a fal­lu impro­vi­ser. Pour­tant, la pré­ca­ri­sa­tion des cher­cheurs étant par­fai­te­ment ins­tal­lée, on se rend compte que l’équipe qui a don­né des indi­ca­tions depuis des mois à notre gou­ver­ne­ment, est com­po­sée presqu’exclusivement de jeunes non sta­tu­taires. Ceux qu’on appelle les « pré­caires » de la recherche ont sou­vent un peu moins d’expérience et de culture scien­ti­fique du fait de leur âge, donc poten­tiel­le­ment un peu moins de réflexi­vi­té, et un réseau plus limi­té pour dis­cu­ter avec leurs pairs et tes­ter lar­ge­ment leurs hypo­thèses et idées (car la rela­tion aux pairs ne se réduit pas au « peer-review » mais est un exer­cice d’échange quo­ti­dien). Enfin, on sait qu’il est très déli­cat pour eux de déve­lop­per une recherche pro­fonde et ris­quée, voire d’apporter des contra­dic­tions au sein des espaces de recherche dont leur car­rière dépend.

Cette accep­ta­tion pas­sive de la com­pé­ti­tion va de pair avec une mécon­nais­sance de dis­ci­plines avec les­quelles les épi­dé­mio­logues devraient pour­tant être fami­liers. Par exemple, com­ment com­prendre que cer­tains cher­cheurs de sciences dures confondent démo­cra­tie et res­pect de leurs recom­man­da­tions ? Parce qu’ils n’ont pas de culture de l’aide à la déci­sion inté­grant la science, ne connaissent pas l’idée d’arbitrage entre des options pos­sibles comme la déve­loppent par exemple les éco­no­mistes, ni ne savent qu’une déci­sion en uni­vers com­plexe ne peut en aucun cas se baser sur un unique cri­tère d’analyse. Pen­dant un an, c’est un arbi­trage entre accep­ta­bi­li­té per­çue dans la popu­la­tion et nombre de morts qui a été fait – or, « l’acceptabilité » est un concept de mani­pu­la­tion sociale bien plus que de dis­cus­sion démo­cra­tique. En confon­dant leurs idées per­son­nelles avec le bien com­mun, les scien­ti­fiques qui se pré­ten­daient aptes à aider au gou­ver­ne­ment du pays ont fait preuve de leur incul­ture en phi­lo­so­phie, en épis­té­mo­lo­gie, en aide à la déci­sion, ou même en socio­lo­gie des sciences. Ce biais est mal­heu­reu­se­ment très répan­du, et on n’imagine pas le résoudre sans trans­for­mer en pro­fon­deur les par­cours éducatifs.

On peut espé­rer que cette rapide expo­si­tion des défauts struc­tu­rels du tra­vail dans le monde scien­ti­fique et l’expertise, dont on ne donne ici que quelques élé­ments, per­met­tra de revoir intel­li­gem­ment les tra­jec­toires de poli­tique scien­ti­fique dans les pro­chaines années. En par­ti­cu­lier si les mala­dies infec­tieuses émer­gentes sont à attendre en grand nombre, on ne pour­ra pas se per­mettre un tel manque de dis­cus­sion entre scien­ti­fiques. La com­pé­ti­tion à tout crin n’a jamais été, a prio­ri, le che­min à prendre pour que la connais­sance puisse ser­vir à tous.

Juliette ROUCHIER, direc­trice de recherche au CNRS en éco­no­mie et envi­ron­ne­ment, spé­cia­liste de l’utilisation des modèles agents appli­qués aux sciences sociales, et ancienne res­pon­sable du GDR « Poli­cy Ana­ly­tics » (Aide à la déci­sion inno­vante pour les poli­tiques publiques).

Source : le blog de Laurent Muc­chiel­li sur Media­part, https://​blogs​.media​part​.fr/​l​a​u​r​e​n​t​-​m​u​c​c​h​i​e​l​l​i​/​b​l​o​g​/​2​2​0​3​2​1​/​q​u​e​-​r​e​s​t​e​r​a​-​t​-​i​l​-​d​e​-​l​-​e​p​i​d​e​m​i​o​l​o​g​i​e​-​l​a​-​f​i​n​-​d​e​-​l​a​-​c​r​i​s​e​-​c​o​v​i​d​-19

Fil Face­book cor­res­pon­dant à ce billet :

Tweet cor­res­pon­dant à ce billet : 


____________

PS : C’est vrai qu’ils sont incroya­ble­ment jeunes, les modé­li­sa­teurs de (la mul­ti­na­tio­nale) Pasteur…

https://​research​.pas​teur​.fr/​f​r​/​t​e​a​m​/​m​a​t​h​e​m​a​t​i​c​a​l​-​m​o​d​e​l​l​i​n​g​-​o​f​-​i​n​f​e​c​t​i​o​u​s​-​d​i​s​e​a​s​es/

Pour m'aider et m'encourager à continuer, il est désormais possible de faire un don.
Un grand merci aux donatrices et donateurs : par ce geste, vous permettez à de beaux projets de voir le jour, pour notre cause commune.
Étienne

Catégorie(s) de l'article :

4 Commentaires

  1. Étienne CHOUARD
  2. joss

    Tous ces modèles mathé­ma­tiques qui ser­vi­raient à pré­dire l’a­ve­nir avec pré­ci­sion n’ont aucun sens. Trop d’in­con­nues… Autant jouer à pile ou face, cela coute moins cher, mais bon c’est moins cré­dible envers la popu­la­tion. La science à bon dos pour ser­vir d’au­to­ri­té à un pou­voir qui cherche à tout prix à se main­te­nir par la force si nécessaire.

    Réponse
  3. Jean

    Je le dis et je le répète, c’est une crise du capi­ta­lisme, ils veulent nous tuer tous. Cette plan­dé­mie n’est qu’un pré­texte, cer­tains maga­sins sont ouverts, d’autres non.

    Réponse

Laisser un commentaire

Derniers articles

JUSTICE CITOYENNE – Regards croisés – LIVE 4 novembre 2024, 19h45

JUSTICE CITOYENNE – Regards croisés – LIVE 4 novembre 2024, 19h45

Bonjour à tous Pendant cette soirée dédiée au bilan de la période récente, où nous venons de vivre (le début d')une bascule totalitaire sous prétexte sanitaire, et demain sous prétexte de péril de guerre ou de catastrophe climatique, je parlerai de souveraineté...