Société de Calcul Mathématique, SA
Outils d'aide à la décision
depuis 1995



Utilisation des Méthodes Probabilistes :

Essai de définition des Bonnes Pratiques

 

Mise à jour : 12/11/2018

 

Chacun aimerait parvenir à des conclusions précises à partir d'informations vagues : larges quantités de données, contradictoires et hétérogènes. Dans la réalité, les choses ne sont jamais aussi claires et tranchées qu'on le voudrait.

Pour obtenir des conclusions, il faudra utiliser des outils mathématiques appropriés, suffisamment robustes, c'est à dire capables de prendre en compte les incertitudes inhérentes aux données elles-mêmes. Un outil qui retournerait seize chiffres après la virgule, alors que les données ne sont connues qu'à 20% près, est dangereux, car il donne une fausse impression de précision. On est content du résultat, mais il ne repose sur rien.

Il faut se garder d'utiliser des outils "à l'aveugle", c'est à dire sans les comprendre, sans savoir ce qu'ils font. C'est le cas en particulier pour les tests statistiques, qui sont utilisés comme boîtes noires par les épidémiologistes. Les résultats sont en général consternants : on peut toujours trouver un test statistique, convenablement paramétré, qui permettra d'obtenir la conclusion que l'on souhaite, même si elle est fausse à l'évidence.

Ce site web sera consacré à la diffusion des "bonnes pratiques", c'est à dire d'une part à la mise en évidence des pratiques fautives (en expliquant pourquoi elles le sont) et d'autre part à la publication de pratiques appropriées (en expliquant aussi pourquoi elles le sont). Chacun peut contribuer aux deux aspects.

Nous ne prétendons pas être les "arbitres des élégances", seuls juges de ce que peut être une bonne pratique : chacun peut apporter sa pierre à l'édifice. Nous aimerions que les responsables des différents sujets trouvent ici matière à réflexion, et que, progressivement, ils puissent améliorer leurs pratiques et faire bénéficier les autres de ces améliorations.

Nous constatons malheureusement que, dans un certain nombre de cas, les outils mathématiques sont utilisés de manière malhonnête: les auteurs des études ont déjà une conclusion en tête, et ils alignent quelques arguments d'apparence mathématique pour justifier leur approche. Cette pratique, qui déshonore toute la profession, doit être vigoureusement combattue. Par conséquent, nous publierons toutes les études qui nous paraissent "fabriquées", c'est à dire dépourvues de l'honnêteté intellectuelle minimale qui est requise sur ces questions : celles où les données sont choisies d'avance pour donner raison à la thèse que l'on présente, celles où les raisonnements comportent d'évidentes fautes logiques (on a oublié certains cas possibles).

Il faut ici savoir rejeter avec violence et châtier avec sévérité.

Responsable du site : Bernard Beauzamy


Démonstrations de sûreté

Il faut faire la preuve que toutes les situations susceptibles de se produire ont été prises en considération et que, pour chacune d'entre elles, une réponse appropriée a été mise en place. La combinatoire est généralement considérable et les incertitudes jouent un rôle majeur.

Exemples et Recommandations

Etudes critiques


Economie et Finances

Les modèles économiques reposent généralement sur des hypothèses incorrectes, en particulier celle selon laquelle les marchés rechercheraient un équilibre. Ils requièrent aussi la définition de "fonctions d'utilité", dont la conception est entièrement arbitraire.

En finance, les modèles mathématiques utilisés (formule de Black and Scholes, mouvement Brownien) reposent sur des analogies complètement factices avec des phénomènes physiques. Ils sont entièrement dépourvus de valeur prédictive.

Exemples et Recommandations

Etudes critiques


Epidémiologie

En épidémiologie, on s'attend à ce que certaines situations favorisent l'apparition de certaines maladies, mais ce n'est pas toujours vrai. Par exemple, les travailleurs du nucléaire développent moins de cancers que la population générale.

En pharmacologie, si on administre un médicament à un groupe, et un placebo à un groupe témoin, on ne s'attend pas à une différenciation nette : au mieux, un certain pourcentage du premier groupe se portera mieux, et il n'est pas toujours possible d'attribuer cet effet au médicament lui-même.

Exemples et Recommandations

Etudes critiques


Environnement

Dans le domaine de l'environnement, les phénomènes manifestent toujours une extrême variabilité (température, polluants, etc.), d'un point à l'autre et d'un moment à l'autre. Les mesures sont en nombre insuffisant, prises à des endroits spécifiques (par définition non-aléatoires) et entachées d'incertitudes importantes.

Exemples et Recommandations

Etudes critiques


Qualité des process industriels

Si l'on cherche à améliorer un process industriel, il est difficile de savoir sur quel paramètre agir : les variables sont nombreuses, souvent mal mesurées (température très élevée dans un four, par exemple). Si le process dépend de 50 paramètres, la combinatoire est telle que l'on ne peut avoir d'intuition simple des réglages appropriés.

Exemples et Recommandations

Etudes critiques


Outils théoriques

Exemples et Recommandations

Etudes critiques

  • (2018) Bernard Beauzamy : Analyse critique des ajustements linéaires


Pour nous écrire : contact@scmsa.com

Visiteurs depuis octobre 2018 :


Les mathématiques sont là pour comprendre les lois de la Nature ; c'est Satan qui les a conçues.



Retour page d'accueil