1« Le hasard, c’est le purgatoire de la causalité », disait Jean Baudrillard. Pourtant, c’est souvent grâce au hasard que l’on cherche à identifier des liaisons causales en sciences sociales. L’identification de facteurs causaux en sciences sociales est, de manière générale, épineuse, tant les phénomènes économiques et sociaux sont le résultat de multiples facteurs. La question de la mesure, et en particulier de la quantification de tels phénomènes, est complexe. Tel est le cas tout particulièrement parce que les sciences sociales mesurent principalement des phénomènes qui ne sont pas observables. Par exemple, lorsqu’un économiste cherche à mesurer le coût réel de la vie, il ne peut l’observer qu’à travers d’autres paramètres devenus observables à l’aide des statistiques, comme l’indice des prix ou le revenu. De même, par exemple, en astronomie : un scientifique ne peut observer les planètes qu’à travers un télescope. Le télescope en astronomie, ou l’utilisation de variables observables en économie, sont autant d’outils pour la mesure.
2La mesure est un sujet central de la réflexion épistémologique. Au vingtième siècle, la littérature sur la question de la mesure a été essentiellement mathématique. Dans ce cadre, la mesure a principalement été comprise comme la cartographie de relations entre des objets et des entités mathématiques, et les échelles de mesure ont été pensées comme des correspondances entre les objets et les entités mathématiques : c’est le cas notamment de la théorie représentationnelle de la mesure. Les réflexions philosophiques portant sur la question de la mesure se sont, à proportion, principalement attachées à questionner ses fondements mathématiques. Depuis un demi-siècle, tout un ensemble de développements techniques et de pratiques de modélisation sont venus bouleverser cette philosophie de la mesure. D’une part, les technologies de traitement de l’information ont modifié notre analyse des phénomènes complexes et les pratiques de mesure en sciences sociales, particulièrement en économie. D’autre part, la reconnaissance des méthodes expérimentales dans les sciences sociales et particulièrement en économie (Vernon Smith, Daniel Kahneman) a apporté de nouveaux outils et de nouvelles problématiques de mesure.
3On a ainsi vu apparaître depuis la fin du siècle dernier un champ de réflexions nouveau sur la question de la mesure, une approche qui se veut « fondée sur des modèles » (« model-based »). Marcel Boumans est l’un des principaux représentants de cette approche et Science Outside the Laboratory actualise ses réflexions sur la mesure en économie. Le point de départ de Boumans, pour rendre compte de son objet, consiste à opposer les pratiques scientifiques de laboratoires à celles de terrain. Boumans définit les sciences de terrain, par opposition aux sciences de laboratoire, comme des pratiques scientifiques dans lesquelles l’environnement n’est pas contrôlable, de sorte que les scientifiques ne peuvent intervenir sur lui : il se présente à l’observateur comme désordonné et complexe. Dans ce contexte, aucun protocole de mesure ne pourra se suffire à lui-même, et le jugement des experts y est essentiel. L’expert apporte les connaissances nécessaires à une mesure efficace dans un environnement désordonné et complexe. Pour Boumans, cette configuration s’applique bien à l’économie, sans pour autant se limiter à elle. C’est donc une méthodologie de la mesure en science de terrain que nous propose Boumans, méthodologie qui s’articule autour de deux modules principaux : un module statistique, et un module faisant intervenir le jugement d’experts, complément indispensable à l’approche statistique des phénomènes complexes.
4 L’ouvrage est composé de cinq chapitres. Les trois premiers ont pour objectif, chacun sous un angle différent, de montrer la nécessité de connaissances additionnelles à celles fournies par les modèles statistiques communément utilisés dans les sciences de terrain. Le quatrième chapitre définit ces connaissances additionnelles comme celles du jugement des experts. Enfin, le cinquième chapitre démontre comment le jugement des experts peut être intégré aux modèles utilisés en science de terrain, et comment ces modèles, ainsi enrichis, peuvent être validés ou réfutés.
5 Le premier chapitre porte sur la mesure et se propose de revisiter la théorie représentationnelle de la mesure. Boumans souhaite améliorer cette théorie en l’enrichissant de connaissances d’expert. Il propose alors un détour par les modèles permettant de mesurer en météorologie, et montre que ces derniers, afin de contrecarrer l’incertitude inhérente à leur sujet, se fondent sur des évaluations statistiques (qualifiées « évaluations de type A »). Elles font également un usage de jugements d’experts (« évaluations de type B), que Boumans se propose de prendre comme point de départ d’une réflexion sur la méthodologie de l’expertise.
6Pour cela, il faut au préalable montrer comment les sciences de terrain observent. Boumans s’attache à étudier comment les sciences de terrain, qui ne peuvent observer la plupart des phénomènes qu’elles étudient, déploient un ensemble de techniques qu’il regroupe sous l’appellation de « calcul de l’observation ». Boumans retrace ainsi les calculs d’observation dans de nombreuses sciences de terrain - en météorologie et en actuariat, par exemple. Il montre que ces sciences ont en partage une équation d’observation de la forme :
7L’objectif des calculs d’observation qui s’ensuivent est de réduire, autant que possible, le terme d’erreur. Le modèle statistique étant sous-déterminé par l’observation, une irréductible latitude persiste, qui ouvre la porte à des connaissances additionnelles, précisément celles de l’expert.
8Le troisième chapitre cherche à montrer comment et pourquoi l’observation par calcul statistique ne suffit pas. Qu’observent les sciences de terrain ? Quels types de connaissance peuvent-elles fonder ? En s’appuyant sur les travaux d’Haavelmo, Boumans défend qu’une science de terrain comme l’économie – dénuée d’une approche expérimentale, du moins à l’origine – peut tout de même observer des phénomènes à l’aide d’une démarche économétrique. Les modèles économétriques se présentent donc comme un palliatif à notre impossibilité d’intervenir sur l’environnement, de mener des expériences en science de terrain. L’économétrie contribue donc à faire de l’économie une science observationnelle (une idée que Boumans développe en s’appuyant sur les travaux de Kevin Hoover). Pour autant, la démarche économétrique est insuffisante, impuissante à révéler les facteurs causaux à l’œuvre dans l’explication des phénomènes observés. Elle devra donc être complétée par d’autres connaissances.
9C’est justement l’objet du quatrième chapitre que de présenter ces connaissances additionnelles : les connaissances de l’expert. Le lecteur jusqu’ici a dû se contenter d’une variété de termes pour les désigner : « jugement de l’expert », « jugement scientifique », « jugement de type B », « jugement entrainé » ou encore « jugement compétent ». Dans ce chapitre, Boumans définit la combinaison du modèle statistique et du jugement expert comme un « jugement clinique ». Revenant aux définitions de l’activité clinique, il montre que celle-ci combine les deux dimensions en question : elle est froide et détachée, mais elle est aussi caractérisée par le fait d’être au chevet du patient. De façon passionnante, Boumans évoque le récent débat en « médecine fondée sur les preuves » concernant la nécessité d’intégrer aux décisions cliniques des appréciations subjectives. Et sa conclusion est tranchée : les jugements subjectifs sont inévitables en sciences de terrain. La question devient dès lors : comment évaluer ces jugements subjectifs ?
10Le cinquième chapitre offre une méthodologie pour l’évaluation de ces jugements. Afin de saisir pleinement la portée d’une telle évaluation, il semble nécessaire de retourner aux travaux précédents de Boumans sur les modèles et la modélisation en économie (Boumans, 2005 ; 2013). Dans ces travaux, Boumans a montré que les modèles en économie ont un double rôle : ils sont l’outil de mesure des phénomènes économiques, mais ils en sont aussi l’outil d’investigation et de réflexions pour l’économiste. En s’appuyant sur les usages des modèles en ingénierie (Barlas, 1996), il a précisé la place des modèles dans la formation des connaissances, en les décrivant comme « modèles à boite grise ». C’est ce terme qu’il reprend dans son dernier opus : les modèles y sont constitués de plusieurs « modules », et l’innovation de Boumans est d’y introduire un nouveau module, à savoir, le rôle de l’expert. Il n’y a donc finalement qu’un modèle comprenant deux principaux modules : les statistiques et le jugement de l’expert. En suivant toujours les travaux de Barlas (1996), Boumans propose deux types de tests pour valider un tel modèle dans son entièreté. Ces deux types de tests comparent certains aspects du modèle au monde réel. Le jugement de l’expert est évalué par sa capacité à prédire justement. Par exemple, si un expert en vulcanologie doit prédire l’éruption prochaine ou lointaine d’un volcan, on examinera d’abord si ses prédictions passées ont été vérifiées. Le livre se conclut en répondant à la question qu’il posait pour commencer : comment obtenir une mesure fiable en sciences de terrain ? Une mesure fiable en sciences de terrain est obtenue grâce à un « jugement clinique ». Un tel jugement est un « modèle à boite grise » comportant une appréciation statistique et un jugement d’expert. Il est validé par deux tests, l’un évaluant indirectement la structure statistique du modèle, l’autre évaluant directement le point de vue des experts.
11Le livre propose donc, bel et bien, une méthodologie pour la mesure dans les sciences de terrain. Pour autant, en se concentrant exclusivement sur les modèles, l’ouvrage de Boumans laisse de côté un changement majeur en sciences de terrain, et tout particulièrement en économie : l’essor et le développement des méthodes expérimentales. Comme je l’ai déjà évoqué, un tel changement a permis à l’économie de s’envisager comme une science inductive, une science qui observe. Plus précisément, l’essor des expériences randomisées de terrain en sciences sociales a permis l’intervention sur les environnements économiques et sociaux et la manipulation de leurs déterminants. En effet, en comparant l’effet d’un traitement sur deux groupes (un groupe bénéficiant du traitement, l’autre n’en bénéficiant pas) et en allouant aléatoirement les individus à l’un ou l’autre de ces deux groupes, ces expériences permettent de contrôler à la fois l’effet des caractéristiques observables et celui des caractéristiques inobservables. Par-là, ces expériences permettent d’isoler l’effet du traitement. C’est donc ici le hasard qui permet d’isoler l’effet du traitement. Or, ces expériences ne sont rien d’autre que l’importation en économie des essais cliniques en médecine. Il est donc troublant que ces derniers ne soient pas évoqués lorsque Boumans retrace le débat concernant la médecine sur les preuves. De telles expériences sont la pierre angulaire de cette médecine : elles sont ce qui fournit les preuves, les mesures les plus fiables. Un mouvement identique a aussi eu lieu en science de terrain, avec l’émergence de la « politique fondée sur les preuves ».
12Or, le développement des expériences randomisées en sciences de terrain tend à remettre en cause la distinction, centrale dans le livre de Boumans, entre science de laboratoire et science de terrain. En effet, les expériences randomisées en sciences de terrain s’efforcent de créer, dans le terrain, un laboratoire. De ce fait, la distinction entre science de terrain et science de laboratoire est brouillée. D’ailleurs, Boumans définit les sciences de terrain, mais jamais le terrain en lui-même, c’est-à-dire l’environnement au sein duquel le scientifique modélise et expérimente pour observer et mesurer. Une telle distinction apparaît pourtant nécessaire, et en attente d’une construction. En effet, le terrain a une place et un rôle en lui-même, et ce, indépendamment du laboratoire que l’on peut y construire. Le terrain contient de nombreuses informations pour la compréhension des phénomènes sociaux. En contrôlant le terrain, les expériences randomisées balayent ces informations et souffrent, par-là, d’une validité externe problématique : leurs résultats sont difficilement transposables à d’autres contextes que celui de l’expérience. Les résultats sont obtenus sur le terrain, mais ils sont cantonnés au laboratoire qui y a été constitué. Ici aussi, des connaissances additionnelles semblent nécessaires. Ces connaissances sont celles du terrain en lui-même. Elles doivent être locales, afin de réintégrer au laboratoire le terrain dont il a été abstrait. L’expert aurait peut-être, là aussi, un rôle à jouer. La méthodologie de Boumans sur la mesure pourrait, dans ce cas, être renversée. Une telle direction d’analyse reste, cependant, à définir plus précisément.