Ça marche ! Causalité, coïncidence ou hasard ?

Les nombreuses discussions sur les vaccins et sur leurs effets secondaires possibles nous ont donné l'occasion de réfléchir à une question apparemment simple, mais en réalité épineuse. Si je reçois une injection, et si je constate des effets indésirables, l'injection en est la cause? Où s'agit-il d'une coïncidence ?

Ce qui se cache derrière cet exemple, c’est une notion vieille comme le monde, mais souvent maltraitée par la pensée quotidienne de nos décisions managériales : la notion de causalité. Judea Pearl (lauréat du Prix Turing, le Nobel de l’informatique), lui a consacré un livre aride et pourtant passionnant, The Book of Why. Il y détaille trois niveaux de réflexion distincts qui nous permettent de comprendre ce qu’est la causalité.

Le niveau 1, c’est l’observation de ce qui se passe pour y déceler des régularités. Par exemple : chaque matin, le coq chante et le soleil se lève. Pearl note que l’intelligence artificielle, malgré tous ses progrès, opère essentiellement à ce niveau : elle reconnaît des régularités, des patterns dans les données. Les patterns peuvent être complexes, mais on se contente de les observer.

Pourtant, quand nous parlons de causalité, nous avons généralement en tête bien autre chose que la simple observation. D’abord, et c’est le niveau 2, nous sommes capables de pratiquer des interventions et d’en observer le résultat : on peut empêcher un coq de chanter, même quand le soleil se lève. Et surtout, nous sommes capables de raisonner par simulation mentale : tout le monde sait que si le coq n’avait pas chanté, le soleil se serait levé quand même.

Ce genre de raisonnement nous emmène au niveau 3 de Judea Pearl, celui de la pensée contre-factuelle. Parler de causalité, c’est dire que si la cause n’avait pas été présente, l’effet supposé n’aurait pas été là non plus. Et pour cela, il faut faire l’effort d’imaginer un scénario dans lequel la cause en question est absente.

La pensée contrefactuelle, explique Pearl, est le fondement de la morale et de la justice. Dire que quelqu’un est responsable d’un dommage, c’est dire que sans son comportement ou sa négligence, le dommage ne se serait pas produit. Sans cela, comment l’en tiendrait-on pour responsable ?

La pensée contrefactuelle est aussi la base de tout raisonnement scientifique. Quand on affirme qu’un médicament produit un effet bénéfique, on veut dire que SI le médicament n’avait PAS été administré, la guérison ne se serait PAS spontanément produite. C’est pourquoi on s’entoure, en principe, de précautions méthodologiques et d’outils statistiques qui permettent d’étayer cette affirmation : souvent, on administre un placebo à un groupe de contrôle, et l’on vérifie que le médicament a bien un effet que le placebo seul ne produit pas. Le même raisonnement vaut bien sûr pour les effets indésirables : c’est seulement par comparaison avec un scénario dans lequel la cause est absente qu’on peut confirmer la présence d’un effet.

Ces exemples peuvent sembler évidents, mais en pratique la pensée contrefactuelle est loin d’être naturelle. Quand nous parlons de cause et d’effets, nous nous concentrons, bien sûr, sur les faits et les chiffres. Mais pensons-nous toujours à poser la question contre-factuelle avant de tirer des conclusions ? 

Prenons un exemple simple : l’impact d’une campagne marketing. Vous achetez des mots-clés pour générer du trafic sur votre site, et le trafic augmente. Bravo : la campagne fonctionne… ou peut-être pas. Car la question à laquelle vous n’avez pas répondu est : que se serait-il passé si vous n’aviez pas acheté ces mots clés. Une récente étude à grande échelle de troix chercheurs américains suggère que pour certains mots clés, le résultat aurait en réalité été très proche : par exemple, quand les consommateurs cherchent votre marque, leur intention d’achat est déjà là. Leur conclusion générale : les méthodes conventionnelles de mesure de l’impact du search engine marketing (SEM) surestiment grossièrement son effet – parce qu’elles ne posent pas la question contrefactuelle.

Autre exemple : la performance d’un de vos collaborateurs a laissé à désirer et vous l’avez « recadré », comme on dit. Justement, voilà que sa performance s’améliore : vous vous félicitez, logiquement, de l’effet qu’a produit votre intervention managériale. Mais là encore, vous oubliez de vous poser la question contrefactuelle. Quelle aurait été la performance de la personne en question si vous n’aviez rien dit ? On n’en sait rien, bien sûr… Mais on peut risquer une supposition : une performance inhabituellement mauvaise aurait eu naturellement tendance à s’améliorer, et une performance inhabituellement bonne à se dégrader, même si vous n’aviez strictement rien fait. C’est un phénomène purement statistique : dès lors que le hasard joue un rôle dans le résultat, il faut s’attendre à une régression vers la moyenne, c’est à dire à ce que les observations extrêmes dans un sens ou dans l’autre deviennent moins extrêmes.

Ces exemples le montrent : le raisonnement contrefactuel, c’est évident en théorie, mais beaucoup plus difficile en pratique. Raison de plus pour le pratiquer…