Valider la science ?

Dans une vidéo mise en ligne le 15 octobre à propos de la décision du couvre-feu, Fabrice Lucchini résume clairement ce que pensent beaucoup : « on ne comprend pas ce que fait ce gouvernement ».

Ce cri rejoint un grand nombre de prises de position sur la gestion de la crise du coronavirus en France depuis mars. Peu ou prou, toutes ces contestations tournent autour de l’usage qui est fait par les politiques des modèles mathématiques de projections épidémiologiques dans les décisions prises au nom de la protection des populations contre la contamination du coronavirus. Et toutes, peu ou prou, font valoir qu’aucune de ces projections ne s’est vérifiée. De quoi s’agit-il ?

Il est important de comprendre que les discours de justification des décisions gouvernementales sont des énoncés contrefactuels dont la caractéristique est une phrase de type « si on ne fait rien, alors il y aura N morts ». Canonique est ici ce que disait Arnaud Fontanet, membre du Conseil Scientifique, le 6 octobre « Laisser le virus circuler librement, c’est laisser 450 000 Français mourir ». Dans son allocution du 28 octobre, Macron disait la même chose : 400 000 morts supplémentaires si l’on ne fait rien. Déjà le 17 mars on lisait le même argument dans le Washington Post sous la plume du journaliste Harry Stevens : « Cette courbe exponentielle inquiète les experts. Si le nombre de cas devait continuer de doubler tous les trois jours, il y aurait environ cent millions de cas aux États-Unis d’ici mai ».

Toutes les voix dissonantes dans le concert monocorde des prévisions catastrophistes disent « cela ne s’est pas passé ». Quelques exemples parmi beaucoup d’autres. Laurent Toubiana, épidémiologiste, rappelle que « Des épidémiologistes nous avaient prévu 650 000 morts (…) on n’a rien vu ». Martine Wonner, député et médecin psychiatre, met en cause « des modèles mathématiques totalement erronés depuis le début ». Nicole Delépine, ancien Chef de clinique des Hôpitaux, parle des « prédictions apocalyptiques de Neil Ferguson ». Charles-Elie Guzman, journaliste, écrit dans UP’ Magazine que le confinement aura représenté « l’histoire d’une hallucination collective » due à l’usage d’un modèle mathématique. Le modèle mathématique mis en cause est clairement nommé, il s’agit du modèle de Neil Ferguson. The Telegraph titrait ainsi le 16 mai : « Le modèle de Neil Ferguson de l’Imperial College pourrait être l’erreur (…) la plus dévastatrice de tous les temps ». Le 3 juin, Libération consacrait un article au problème de l’usage des simulations faites avec ce modèle, « Les prévisions de Ferguson, qui ont conduit de nombreux pays à se confiner, étaient-elles fantaisistes ? ». Antoine Flahault, directeur de l’Institut de santé globale à la faculté de médecine de l’université de Genève, se demandait si la médiatisation de tels scénarios était utile : « Livrer des chiffres de morts prévisionnels, même en précisant que c’est un scénario du possible seulement, cela revient à dire : ‘’Il y aura possiblement 100 000 morts en Suède au mois de juin’’ ». Ces voix contestent la fonction dite “exponentielle” à laquelle font référence les énoncés contrefactuels. Plusieurs journaux (voir par exemple Libération, BFMTV) y ont consacré une analyse. C’est le cœur du problème. Comme le titrait Le Figaro : “Ces modélisations qui ont convaincu Emmanuel Macron de reconfiner“. En l’occurrence, la note publiée dans la revue Nature le 9 septembre par Arnaud Fontanet et Simon Cauchemez. Quelles modélisations ? Quels modèles ? Allons voir de plus près.

Un livre récent fait le point sur la question des modèles d’épidémie, celui de Juliette Rouchier et Victorien Barbet, La diffusion la Covid-19. Que peuvent les modèles ? (Éditions Matériologiques, 2020). Le site https://covprehension.org/ présente des explications simples sur le rôle des modèles de dynamiques d’épidémie. Tout le monde comprend que les résultats ne peuvent pas être plus certains que leurs hypothèses. Un élément très important est le nombre de contacts d’un individu entre deux dates. Si les interactions sociales sont aléatoires, certains individus ont très peu de contacts et d’autres en ont beaucoup. La distribution des contacts aléatoires dans la “vraie vie” est très hétérogène, alors que le modèle de Ferguson utilise une moyenne de contacts quelle que soit la situation. C’est l’axe de la critique de Gianluca Manzo dans La vie des idées. Or l’hétérogénéité des liens sociaux a un impact énorme sur le résultat de la projection (nombre de décès). Un article de la National Review recensait les erreurs passées de prévision du modèle de l’Imperial College : au moment de la crise de la vache folle en 2002, ce modèle avait conduit à l’abattage injustifié de 6 millions de bovins au Royaume Uni et prédit 50 000 morts par transmission de la maladie de la vache folle à l’homme, alors que le nombre de morts réels recensé avait été de 177. De même encore en 2005, le modèle prévoyait que la grippe aviaire devait tuer 65 000 personnes en Angleterre, et il y eut 457 morts. Etc. Or « en France comme en Grande Bretagne et aux États-Unis, le débat sur l’utilisation des prédictions du modèle de l’Imperial College fait remarquablement défaut ». Bien que ce modèle ait été très critiqué par des chercheurs, il reste la référence unique imposée à tous. Un des points clés de la contestation est précisément une demande de débats contradictoires sur ce modèle tant les conséquences de son utilisation sur la vie de tous les jours est lourde.

Il n’y a pas que des modèles, il faut aussi des données pour les alimenter, une connaissance statistique précise de l’épidémie à un moment donné. Ici se situe le débat sur l’interprétation des tests PCR positifs. Sur LCI, le vendredi 16 octobre, au vu des 30 000 nouveaux tests “positifs”, le docteur Blachier, épidémiologiste, se demande si « il n’y a pas un problème avec les données », une explosion des taux de positivité sans rapport avec les entrées aux urgences et le nombre de décès : « On entend partout les gens à hôpital dire qu’ils s’attendent à une avalanche de patients sur la base de ces chiffres-là. On verra si ça se vérifie » et « Ces chiffres affolent tout le monde ». Martine Wonner à nouveau : « il est indécent de présenter des données biaisées pour discipliner le peuple ». Cette stratégie de communication avait été adoptée par l’OMS, qui diffusait des taux de létalité sur le Coronavirus quinze fois supérieurs à la réalité. Pour reformuler de manière radicale la critique selon l’épidémiologiste britannique Roland Salmon, « Les données pour soutenir la politique du confinement font défaut ».

Les deux critiques portent donc sur les modèles de dynamique de l’épidémie et sur la pertinence des statistiques à un moment donné. Ces critiques rejaillissent sur la crédibilité de la science avec les excès bien relevés par exemple par Étienne Klein dans le JDD. Deux exemples qui attaquent directement le Conseil scientifique : « On ne peut plus être méprisé par des nantis qui ne se réunissent qu’entre eux » ou encore : “Le conseil scientifique ? Je pense qu’il ne sert plus à rien” ! Ce qui est grave car, comme le dit Sylvain Tesson, “ces flottements contredisent la confiance que les Européens placent, depuis les Lumières, dans la technique, la science, la raison”. C’est en cela que la crise du Covid-19 est importante au-delà de la seule question sanitaire, car cette crise attaque les fondements de la science et de la recherche. Cela proviendrait-il d’un dogmatisme rationaliste de la part des politiques ? D’une corruption de la science par le pouvoir ? Le physicien Pierre Papon, auteur du livre La démocratie a-t-elle besoin de la science ? (CNRS, 2020) pose la question : « comment fait-on comprendre aux politiques que le doute et l’incertitude font partie intégrante de la science. On n’avance en science que si on a des doutes et de l‘incertitude ».

Un exemple historique

Il vaut la peine, dans ce contexte de violence passionnée qui remplace les débats sur les hypothèses des modèles et les chiffres de base des observations, de revenir sur une emblématique histoire, celle de la lutte contre la mortalité des femmes au moment de l’accouchement, pour retrouver ce qui a fondé la confiance dans la science. C’est devenu un classique de l’histoire des sciences, un épisode central dans la manière moderne de comprendre ce qu’est une hypothèse scientifique et comment elle est validée, épisode si important pour les partisans de la vérité en science qu’il a fait l’objet d’une analyse extrêmement poussée par Carl Hempel (dans ses Éléments d’épistémologie, 1966) qui y voit l’exemple emblématique de la recherche d’une vérité scientifique validée puis acceptée socialement.

La scène se passe à Vienne de 1844 à 1848, dans l’hôpital général. Le médecin Ignace Semmelweis y est chef de clinique dans un service de maternité confronté à un taux de mortalité très élevé (18%) lors des accouchements à cause de la fièvre puerpérale. La mortalité est considérée comme si élevée que bien des femmes préfèrent accoucher dans la rue plutôt que dans cette maternité ! C’est d’autant plus bizarre que, dans le service d’à côté, le taux de mortalité n’est que de 2%. On a cherché en vain avant Semmelweis les raisons de cette différence.

Il faut relire la manière dont Hempel raconte comment Semmelweis résout l’énigme, tant ces pages sont un vibrant plaidoyer pour la méthode scientifique. Semmelweis passe en revue toutes les hypothèses existantes, même les plus farfelues. Par exemple, on imaginait que la manière d’accoucher (sur le dos ou sur le côté) pouvait être un facteur de mortalité, ou que la présence d’un prêtre qui arrivait à tout hasard pour administrer les derniers sacrements « au cas où » pouvait représenter un facteur d’anxiété pour la femme en train d’accoucher !

Et puis arrive un accident. Un professeur d’anatomie s’entaille le doigt par un scalpel infecté à la suite d’une dissection d’un cadavre. Il meurt avec les mêmes symptômes que les femmes qui accouchaient. Semmelweis fera alors l’observation qui s’avérera être pertinente pour différencier les taux de mortalité entre maternités : dans la maternité mortelle, les étudiants en médecine arrivaient de leur cours d’anatomie et ne se lavaient pas les mains après les dissections, tandis que, dans l’autre maternité, les élèves sages-femmes n’arrivaient pas de cours de dissection. Semmelweis teste son hypothèse en préconisant de se laver les mains. Le taux de mortalité de la maternité maudite tombe à environ 1%. CQFD. Hempel en déduit le schéma de la validation d’hypothèse dans quelques pages qui sonnent comme le chant de gloire de la méthode scientifique. Le prestige de la science semble sans limite, tant ce qui était appelé « la peste noire des femmes » avait résisté pendant des siècles à toute tentative d’endiguement.

La science et nous

Un des aspects importants de cette histoire est le fait que Semmelweis examinait toutes les hypothèses existantes, même celles qui paraissaient absurdes à premier abord. Dans beaucoup de situations, il arrive que les résultats ne fassent pas l’unanimité, que plusieurs hypothèses concurrentes coexistent pacifiquement ou non, que le politique vienne s’en mêler pour décider quelle hypothèse doit être retenue etc. La question de l’acceptabilité sociale de l’hypothèse scientifique devient alors centrale. Revenons à aujourd’hui pour faire la liste des idées qui paraissent absurdes : le port du masque est-il utile en milieu ouvert ? L’antipaludéen chloroquine est-il efficace ? Le confinement est-il une bonne façon de freiner l’épidémie ? Le modèle de Ferguson est-il vraiment utilisable ? Etc. Il n’y a plus de débat. Est-ce la raison de la violence des attitudes sceptiques ou contestataires de ceux qui critiquent les décisions gouvernementales ? Est-ce la raison de la profusion des théories complotistes ?

Une façon de dire que, aujourd’hui, on ne pense plus seulement que la « science » décrit le monde mais qu’elle décrit aussi la manière dont nous, nous décrivons le monde. La « science » nous parle de nous.

(à suivre)