Compte rendu de Desrosières, Alain (2014), Prouver et gouverner. Une analyse politique des statistiques publiques

Marc-Kevin Daoust, Université de Montréal

Marc-Kevin DaoustMarc-Kevin Daoust a complété un baccalauréat bidisciplinaire en science politique et philosophie, ainsi qu’une maîtrise en philosophie à l’Université de Montréal sous la direction de Christian Nadeau. Lors de sa maîtrise, il a étudié des notions clés telles que l’autonomie universitaire, l’autonomie des étudiants(es) et des chercheurs(es), ainsi que la nécessité d’un examen libre et critique des théories éthiques.

Compte rendu

Desrosières, Alain (2014), Prouver et gouverner. Une analyse politique des statistiques publiques, Paris, La Découverte, 246 pages.

Si de nombreux ouvrages ont décrit le rôle des institutions dans la construction du savoir quantitatif, aucun ne l’a fait de manière aussi systématique que cet essai d’Alain Desrosières.

Dans La politique des grands nombres, Desrosières s’était intéressé au développement des outils statistiques, en particulier au tournant mathématique de la statistique. Prouver et gouverner va plus loin, et concerne davantage le rôle des institutions, des conventions et des enjeux normatifs dans la construction d’indicateurs quantitatifs. Desrosières pense qu’on ne peut étudier le développement scientifique des statistiques sans prendre en compte le développement institutionnel – en particulier le rôle de l’État – dans la constitution de cette discipline. Cette thèse est manifeste si on s’intéresse à l’État néolibéral et à ses exigences de rendement, ses indicateurs de performance, de classement et de rétroaction. Or, Desrosières montre qu’il ne s’agit pas d’une tendance récente, mais d’un facteur véritablement constitutif du développement historique de la statistique (2014, p. 41-44).

Pourtant, une discipline comme la statistique repose sur une logique mathématique, une approche calculatoire rigoureuse héritée des sciences naturelles. L’enjeu est alors de comprendre comment s’incarne l’entrelacement entre les constructions sociales et le formalisme mathématique dans ce discours. D’un point de vue philosophique, il s’agit aussi d’évaluer dans quelles conditions ce discours est objectif et valable, puisqu’il dépend si largement d’un contexte institutionnel.

La présente analyse vise à schématiser la pensée de Desrosières, en exposant les enjeux philosophiques touchant les statistiques et l’effet des institutions sur le développement historique de la statistique. On verra toutefois que les enjeux philosophiques sont indissociables du développement institutionnel de la statistique.

Enjeux philosophiques touchant la statistique

Une distinction centrale dans l’œuvre de Desrosières concerne le double usage des statistiques. D’une part, les statistiques fournissent des preuves aux scientifiques, qui les utilisent pour défendre ou rejeter des théories et des arguments. D’autre part, les statistiques sont employées pour coordonner, optimiser et orienter les décisions de l’État – ou, plus précisément, du gouvernement – (2014, p. 35-36). Cette discipline semble donc nous donner un accès à la « connaissance pure » héritée des sciences naturelles, tout en constituant une science orientée vers la décision (2014, p. 62-63, 98 et 227).

En s’alignant d’abord sur les sciences naturelles, les sciences sociales « espéraient ainsi bénéficier de l’objectivité supposée » de ces disciplines (Desrosières 2014, p. 181). C’est pourquoi, par exemple, on rejeta d’abord les probabilités subjectives développées par Laplace et Bayes, au profit des probabilités objectives développées par Quetelet (Desrosières 2014, p. 103). C’est aussi pourquoi on a introduit la régression en statistique, en tant qu’analyse des « effets purs » d’une variable sur une autre (Desrosières 2014, p. 169).

Un souci de rigueur est ici au cœur du développement historique des statistiques. Une tension persiste toutefois entre, d’une part, le besoin de réponses rapides face à des problèmes qu’il faut résoudre immédiatement et, d’autre part, les critères rigoureux de l’épistémologie classique (Desrosières 2014, p. 168). Une illustration emblématique de cette tension porte sur l’interprétation de la causalité. Pour répondre à un problème urgent, on assouplit les critères suffisants nous permettant d’affirmer qu’une variable est la cause d’un effet. Par exemple, il existe une distinction scientifique radicale entre causalité et corrélation, et la science pose des conditions fortes pour passer de la corrélation à la causalité. Néanmoins, une personne motivée uniquement par des objectifs pratiques n’aura pas la même rigueur.

Le même problème touchant la rigueur et l’objectivité de statistiques se pose quant à la quantification des objets. D’abord, Desrosières introduit une distinction entre la mesure et la quantification. Quantifier consiste à « faire exister sous une forme numérique ce qui, auparavant, était exprimé par des mots et non par des nombres » (Desrosières 2014, p. 38). Au moins une convention est à l’origine de la quantification. Cela signifie que les acteurs doivent s’entendre, échanger, comparer leurs conceptions de l’objet pour lui attribuer des caractéristiques quantifiées. Mesurer suppose plutôt que l’objet en question se présente sous une forme mesurable. C’est ce qui distingue des indices comme le PIB de la hauteur du mont Blanc. Par exemple, une multitude d’économistes ont quantifié le PIB, alors que l’on mesure la hauteur du mont Blanc.

Quantifier est donc un acte convenu. On pourrait alors être tenté par la critique de Hacking, selon laquelle les arguments statistiques sont construits et relatifs (Hacking 1999, cité par Desrosières 2014, p. 70). Desrosières (2014, p. 182) n’est pas de cet avis. « Conventionnel n’est pas synonyme d’arbitraire ». Les conventions à l’origine de la démarche statistique n’impliquent pas la production d’un savoir arbitraire, biaisé ou relatif (Desrosières 2014, p. 236). C’est, selon lui, par une approche intersubjective qu’une statistique publique acquiert légitimité et neutralité (Desrosières 2014, p. 75). Desrosières souligne cette idée dans le passage suivant :

Pour qu’une statistique joue son rôle social de référent supposé neutre, au-dessus des parties d’un conflit ou des groupes sociaux, elle doit être instituée, garantie par des procédures démocratiques elles-mêmes légitimes. Elle contribue alors à faire de la réalité et non pas simplement à la « refléter » ([…]. [Cette idée] ne nie pas l’existence de l’inflation ou du chômage. Mais elle attire l’attention sur le fait qu’inflation et chômage peuvent être pensés, exprimés, définis et quantifiés de multiples façons (Desrosières 2014, p. 75).

Les indicateurs qui sont produits à la suite d’une délibération collective, d’un exercice dialogique, ont une plus grande objectivité. Leur construction est transparente, fait suite à un examen critique et permet un échange éclairé entre différents intervenants. Au contraire, des indicateurs comme le chômage font l’objet de vives critiques, précisément parce que la construction de ces indicateurs n’est pas transparente (Desrosières 2014, p. 78-79) : « La relative malléabilité de la définition du chômage alimente les soupçons, toujours présents, de manipulations gouvernementales ». Comme la quantification de ce phénomène social échappe aux règles de la délibération collective, la confiance en cet indicateur est affaiblie.

On comprend désormais pourquoi les paramètres institutionnels sont essentiels pour penser l’évolution passée et future des statistiques.

Des enjeux philosophiques aux paramètres institutionnels

Une autre thèse centrale de Desrosières est qu’il existe une interdépendance forte entre, d’une part, le contexte politique d’une société et d’autre part, la construction et l’orientation des indicateurs statistiques. On peut, bien sûr, imaginer de nombreuses pressions politiques sur les statistiques publiques. C’est le cas du « window-dressing »1 en Grèce, ou de la manipulation des chiffres du chômage en France (Desrosières 2014, p. 54, 56 et 59). Il s’agirait toutefois d’éléments ponctuels, peu déterminants pour la science. La thèse de Desrosières concerne plutôt les effets structurels des institutions politiques sur le monde scientifique. En d’autres termes, les indicateurs et leur construction varient selon les régimes politiques (Desrosières 2014, p. 41-43). Chaque grande période de l’histoire de la statistique est accompagnée de bouleversements politiques ou économiques. À titre d’illustration emblématique, la crise économique de 1929 donne une plus grande visibilité aux travaux de John Maynard Keynes, ce qui aura pour effet d’orienter la statistique vers la compatibilité nationale – calcul du PIB, du revenu national, de l’indice de consommation des ménages, etc. – (Desrosières 2014, p. 88).

Cela ne signifie pas pour autant que les institutions politiques dominent les institutions scientifiques. L’effet inverse est aussi possible. La « commensurabilité1 » des données peut mener à des progrès scientifiques, mais aussi éthiques ou politiques. Comparer les hommes et les femmes, les différents groupes religieux ou raciaux, est une façon d’affirmer qu’il est concevable de le faire. « [L’acte de postuler et de construire un tel espace d’équivalence] est politique en ce qu’il change le monde : […] comparer les Noirs et les Blancs appelle l’abolition de l’esclavage, comparer les femmes et les hommes appelle le suffrage vraiment universel incluant les femmes » (Desrosières 2014, p. 163). Les statistiques peuvent donc constituer un outil politique de l’État, mais aussi de groupes revendiquant un progrès ou un changement social.

Il y a un aller-retour entre le monde scientifique de la statistique et le monde politique. Les enjeux scientifiques de cette interaction sont nombreux. Par exemple, dans les pays en développement, Desrosières démontre que l’innovation statistique est facilitée, en raison d’un contexte institutionnel beaucoup plus souple, moins figé (Desrosiers 2014, p. 111). Le contexte institutionnel aurait donc une incidence sur la capacité à produire une science plus pertinente, innovante. De plus, le fait qu’il existe des structures administratives développées sur l’ensemble d’un territoire permet des « conventions d’équivalence » statistiques. Par exemple, en France, la mesure du chômage est identique d’une région à l’autre. Ce n’est pas le cas dans tous les pays, en raison de l’absence de conventions d’équivalence. Dans certains pays, chaque ville ou chaque région détermine, de manière distincte, ce qui constitue ou non le chômage. Ainsi, un citoyen français peut utiliser les différentes données régionales du chômage et les interpréter selon une même grille, alors que le citoyen d’un pays où il n’y a pas de conventions d’équivalence ne peut mener cet exercice. À cet égard, « les structures mentales et cognitives des répondants sont façonnées par ces catégories d’État » (Desrosières 2014, p. 116). Puisque les statistiques sont le résultat de conventions, l’absence de conventions communes mène à l’absence de savoirs communs. Ainsi, les conditions de possibilité d’utilisation des outils statistiques varient selon le développement des États.

Reprenons maintenant quelques idées essentielles. Nous savons que 1) des pressions politiques peuvent modifier la construction des indicateurs statistiques, 2) l’État façonne la capacité des citoyens et citoyennes à disposer de conventions d’équivalence et 3) un changement politique majeur peut modifier un programme de recherche statistique (puisque par exemple, chaque grande période économique occidentale est associée à un programme de recherche statistique différent). Ces éléments sont très problématiques du point de vue de l’épistémologie des sciences sociales. Généralement, on considère que la science doit être indépendante des institutions politiques, et qu’elle doit mener à un savoir autant universel que possible. Or, si les programmes de recherche scientifiques varient en fonction de facteurs politiques, peut-on véritablement parler de disciplines indépendantes et de connaissances universelles? Par conséquent, comment éviter les accusations de subjectivisme et de relativisme en statistique?

Il s’agit en quelque sorte du problème de l’objectivité des phénomènes quantifiés. Le problème est ici présenté sous une autre forme, mais la solution au problème est identique. Desrosières affirme que des orientations statistiques obtenues à la suite d’une délibération collective gagnent en objectivité. Ces orientations statistiques sont transparente, et font suite à une délibération éclairée.

L’analyse de Desrosières est audacieuse et originale. Le fait que cette délibération soit collective permet d’établir des « conventions d’équivalence » à laquelle tous peuvent accorder une signification. Le défi, pense Desrosières (2014, p. 148), est de penser la statistique comme un « espace de référence commun à construire, espace de […] mise en équivalence cognitive ». Les conventions statistiques mènent à un langage universaliste, transférable, bien qu’elles expriment des propriétés subjectives. Ainsi, la convention et l’entente mènent à la commensurabilité (Desrosières 2014, p. 162). La statistique est une activité scientifique qui vise à la production de connaissances, mais c’est aussi une activité sociale et culturelle, puisqu’elle produit un langage commun, une matrice du débat collectif.

Conclusion

Desrosières adopte une position résolument conventionnaliste pour expliquer le fonctionnement interne des statistiques, et le lien entre cette discipline et les institutions politiques. Il intègre toutefois une dimension intersubjective à ce conventionnalisme, pour penser l’objectivité d’un discours complexe comme les statistiques. Il s’agit d’une contribution majeure à l’épistémologie des sciences sociales.

On peut s’étonner que Desrosières considère mener un travail sociologique de description et de comparaison, et non un travail épistémologique touchant les enjeux fondamentaux des sciences sociales. Desrosières (2014, p. 184 et 145) affirme étudier l’évolution de réseaux d’arguments ou la constatation d’une « tension pratique » entre différentes conceptions de la statistique. Par tension pratique, on entend un ensemble de problèmes « liés aux contraintes des situations dans lesquelles sont engagés les […] producteurs ou utilisateurs des statistiques » (2014, p. 145). Il précise que l’objectif premier de son ouvrage n’est pas de répondre à des questions de nature philosophique. Ces remarques portent à confusion. Décrire le fonctionnement des institutions scientifiques n’écarte pas les considérations normatives sur ces observations. Bien au contraire, l’analyse institutionnelle nous informe quant à la valeur de la science. De la même façon que Latour et Hacking ont contribué autant à l’épistémologie qu’à la sociologie des sciences, la contribution de l’œuvre de Desrosières est double. Outre ce bémol, il s’agit d’un ouvrage rigoureux, clair et surtout, d’une contribution majeure à la sociologie des sciences dans une perspective historique.

Cet ouvrage intéressera les théoriciens et théoriciennes des sciences sociales et les gestionnaires de l’État désirant mieux comprendre les forces, les limites et les conditions d’objectivité des méthodes quantitatives. Le dernier chapitre, en particulier, fait une synthèse critique des débats méthodologiques spécifiques à chaque discipline des sciences sociales. De façon générale, l’ouvrage approfondit des notions amorcées chez Bourdieu (1973) sur l’opinion publique, chez Latour (1984) quant aux institutions scientifiques et chez Hacking (2002) touchant les probabilités et l’analyse inductive.

L’ouvrage est aussi pertinent pour les philosophes politiques qui étudient les conceptions du risque et de la chance. L’analyse de la distinction entre le risque, l’incertitude et le principe de précaution est pertinente (aux pages 171 et 176). L’auteur distingue la commensurabilité mathématique et la commensurabilité morale, et nous rappelle que, même si on peut calculer le « prix de la vie », la seule compensation monétaire n’est pas forcément légitime.

Références

Bourdieu, Pierre (1973), « L’opinion publique n’existe pas », Les Temps modernes, no 29, (318), p. 1292-1309.
Desrosières, Alain (2014), Prouver et gouverner. Une analyse politique des statistiques publiques, Paris, La Découverte.
Desrosières, Alain (2011), La politique des grands nombres. Histoire de la raison statistique. Paris, La Découverte.
Hacking, Ian (1999), The Social Construction of What ?, Cambridge, Harvard University Press,
Hacking, Ian (2002), L’émergence de la probabilité, Paris, Seuil.
Latour, Bruno (1984), Les Microbes. Guerre et paix, suivi de Irréductions, Paris, Métailié.

Résumé

Prouver et gouverner étudie le rôle des institutions, des conventions et des enjeux normatifs dans la construction d’indicateurs quantitatifs. Desrosières pense qu’on ne peut étudier le développement scientifique des statistiques sans prendre en compte le développement institutionnel – en particulier le rôle de l’État – dans la constitution de cette discipline.

Statistique, politique, objectivité, institution, convention, construction, histoire des sciences.

Abstract

Prouver et gouverner studies the role of institutions, conventions and normative issues taking place into the construction on quantitative indicators. Desrosières argues that we cannot study the scientific development of statistics without taking into account the public institutions – the Stat – and their impact on this discipline.

Statistics, politics, objectivity , institution, convention, construction, history of science.

Pour citer cet article :

Daoust, Marc-Kevin (2014) « Compte rendu de Desrosières, Alain (2014), Prouver et gouverner. Une analyse politique des statistiques publiques », Science ouverte volume 1, https://www.scienceouverte.com.ulaval.ca/?p=477.

 

Posté dans Comptes rendus, Données probantes et action publique, Interdisciplinarité et relations entre les sciences, La science comme (bien) commun