Inférence forte
En philosophie des sciences, l'inférence forte (de l'anglais strong inference) est un modèle d'investigation scientifique qui met l'accent sur la nécessité de recourir à des hypothèses alternatives, plutôt qu'à une hypothèse unique, afin d'éviter le biais de confirmation.
Le terme « strong inference » a été forgé par John R. Platt[1], biophysicien à l'université de Chicago. Platt observe que certains domaines, comme la biologie moléculaire et la physique des hautes énergies, semblent adhérer fortement à l'inférence forte, avec des résultats très bénéfiques pour le rythme des progrès dans ces domaines.
Le problème de l'hypothèse unique
modifierLe problème des hypothèses uniques, le biais de confirmation, a été décrit avec justesse par Thomas Chrowder Chamberlin en 1897 :
« L'instant où l'on a proposé une explication originale pour un phénomène, explication qui paraît satisfaisante, à cet instant même naît une affection pour [son] enfant intellectuel, et à mesure que l'explication se développe en une théorie définie, [les] sentiments parentaux se resserrent autour de [la] progéniture, qui devient de plus en plus chère
Cette section est vide, insuffisamment détaillée ou incomplète. Votre aide est la bienvenue ! Comment faire ?Surgit aussi, involontairement, une tendance à forcer la théorie pour qu'elle s'accorde aux faits, et à forcer les faits pour qu'ils s'accordent à la théorie
Cette section est vide, insuffisamment détaillée ou incomplète. Votre aide est la bienvenue ! Comment faire ?La tentation de mal interpréter les résultats qui contredisent l'hypothèse souhaitée est probablement irrésistible[2]. »
Malgré les mises en garde de Platt, les évaluateurs de demandes de financement exigent souvent « une hypothèse » dans la proposition (au singulier). L'évaluation par les pairs de la recherche peut aider à éviter les erreurs liées aux hypothèses uniques, mais seulement tant que les évaluateurs ne sont pas eux-mêmes captivés par la même hypothèse. S'il existe un engouement partagé parmi les évaluateurs pour une hypothèse communément admise, l'innovation devient alors difficile, car les hypothèses alternatives ne sont pas sérieusement prises en compte, et parfois même pas autorisées.
La méthode
modifierLa méthode, très proche de la méthode scientifique, est décrite ainsi :
- élaborer des hypothèses alternatives ;
- concevoir une expérience cruciale (ou plusieurs), avec des résultats possibles alternatifs, chacun excluant, autant que possible, une ou plusieurs des hypothèses ;
- réaliser l'expérience (ou les expériences) de manière à obtenir un résultat net ;
- recommencer la procédure, en formulant des sous-hypothèses ou des hypothèses séquentielles afin d'affiner les possibilités restantes, et ainsi de suite.
Les méthodes de la théorie des systèmes gris mettent effectivement en œuvre l'inférence forte[3],[4]. Dans ces méthodes, la première étape consiste à invalider l'hypothèse unique en supposant que l'information véritable sur le système étudié n'est connue que partiellement[5].
Critiques
modifierInférence forte « plus »
modifierLes limites de l'inférence forte peuvent être corrigées en ajoutant deux phases préalables[2] :
- une phase exploratoire : à ce stade, l'information est insuffisante, de sorte que les observations sont choisies au hasard, intuitivement, ou sur la base de la créativité scientifique ;
- une phase pilote : au cours de cette phase, la puissance statistique est déterminée en répliquant les expériences dans des conditions expérimentales identiques.
Ces phases produisent l'observation (ou les observations) germinale(s) cruciale(s) sur laquelle peuvent se fonder les hypothèses alternatives[2].
Notes et références
modifier- (en) Cet article est partiellement ou en totalité issu de l’article de Wikipédia en anglais intitulé « Strong inference » (voir la liste des auteurs).
- ↑ (en) John R. Platt, « Strong inference », Science, vol. 146, no 3642, , p. 347-353 (PMID 17739513, DOI 10.1126/science.146.3642.347, Bibcode 1964Sci...146..347P, lire en ligne)
- 1 2 3 (en) Don L. Jewett, « What's wrong with single hypotheses? Why it is time for Strong-Inference-PLUS », The Scientist, vol. 19, no 21, , p. 10 (PMID 17975652, PMCID 2048741)
- ↑ (en) Hermann Haken, « Grey Information: Theory and Practical Applications », Grey Systems: Theory and Application, vol. 1, no 1, , p. 105-106 (ISSN 2043-9377, DOI 10.1108/gs.2011.1.1.105.1)
- ↑ (en) Deng Ju-Long, « Control problems of grey systems », Systems & Control Letters, vol. 1, no 5, , p. 288-294 (DOI 10.1016/S0167-6911(82)80025-X)
- ↑ (en) Saad Ahmed Javed, Amin Mahmoudi et Sifeng Liu, « Grey Absolute Decision Analysis (GADA) Method for Multiple Criteria Group Decision-Making Under Uncertainty », International Journal of Fuzzy Systems, vol. 22, no 4, , p. 1073-1090 (ISSN 1562-2479, DOI 10.1007/s40815-020-00827-8)
- ↑ (en) William O'Donohue et Jeffrey A. Buchanan, « The weaknesses of strong inference », Behavior and Philosophy, Cambridge Center for Behavioral Studies, vol. 29, , p. 1-20 (lire en ligne)
- ↑ (en) Rowland H. Davis, « Strong Inference: rationale or inspiration? », Perspectives in Biology and Medicine, vol. 49, no 2, , p. 238-250 (PMID 16702707, DOI 10.1353/pbm.2006.0022)
