Observer ou intervenir ?

Il existe deux grandes façons de recueillir des données pour savoir si une chose a un effet sur une autre.

• Dans une étude observationnelle, tu mesures ce qui se passe déjà sans rien modifier. Tu peux noter combien de temps les élèves dorment et quelles notes ils obtiennent.
• Dans une expérience, tu attribues un traitement aux unités, puis tu mesures ce qui se passe. Tu peux demander à certains élèves de dormir huit heures et à d’autres six heures.

Les deux méthodes peuvent révéler des tendances. Seule une expérience bien menée peut vraiment montrer une relation de cause à effet. Voici pourquoi.

Disons que les élèves qui dorment davantage obtiennent aussi de meilleures notes dans une étude observationnelle. Le sommeil aide peut-être. Mais il se peut aussi que les élèves qui dorment davantage aient moins de petits boulots, un foyer plus calme ou des habitudes de travail plus organisées. L’une de ces raisons pourrait être la vraie raison, et elle va de pair avec le sommeil. Une telle variable cachée s’appelle un facteur de confusion : elle est liée à la fois à ce que tu étudies et au résultat, et elle peut imiter ou masquer un effet. Le monde 5 lui consacre quatre leçons.

Une expérience règle ce problème grâce à l’assignation aléatoire. Si un lancer de pièce (ou un ordinateur) décide qui reçoit quel traitement, alors les groupes ne diffèrent que par hasard pour tout le reste : habitudes de sommeil, petits boulots, vie à la maison, éléments auxquels tu n’avais jamais pensé à mesurer. Avec suffisamment d’unités, les groupes se ressembleront en moyenne. Ainsi, si les résultats diffèrent ensuite, le traitement est la seule différence systématique restante.

Une bonne expérience comporte généralement :

• Un groupe de traitement qui reçoit la chose testée et un groupe témoin qui ne la reçoit pas (ou qui reçoit l’alternative habituelle).
• Une assignation aléatoire à ces groupes.
• Un placebo lorsque les attentes des participants comptent : un produit sans danger qui ressemble au traitement, pour que chacun pense pouvoir le recevoir.
• Un insu : les participants ne savent pas dans quel groupe ils sont (simple insu), et les personnes qui mesurent les résultats ne le savent pas non plus (double insu), afin que leurs espoirs ne faussent pas les mesures.

Un exemple. Un jardinier veut savoir si un aliment pour plantes est efficace. Un plan peu rigoureux : donner l’aliment aux plantes près de la fenêtre, rien à celles qui sont à l’ombre, puis comparer. La lumière est alors mélangée à l’effet de l’aliment. Un meilleur plan : numéroter 40 pots, laisser un tirage aléatoire en choisir 20 pour recevoir l’aliment, garder les 20 autres comme groupe témoin et les placer tous sur la même étagère. Ainsi, la lumière, l’eau et la taille des pots sont équilibrées par le hasard, et une différence nette de croissance indique que l’aliment est efficace. (Un exemple inventé, uniquement pour illustrer l’idée.)

Les expériences ne sont pas toujours possibles. Nous ne pouvons pas faire fumer des personnes au hasard pendant trente ans, ni assigner aléatoirement une inondation à une ville. Pour ces questions, nous nous appuyons sur des études observationnelles, une conception rigoureuse et plusieurs éléments de preuve. Nous devons simplement reconnaître que les éléments de preuve sont moins solides lorsqu’il s’agit d’établir des causes.