En matière de prévisions, la politique échoue plus que la science

Ce qui ressemble à première vue à une chasse au clic de la part des faiseurs de journaux ou à une polémique politique est le sympt?me d'un fossé entre la science et la politique. "Les experts - dont je ne tiens plus guère compte de l'avis - ne me semblent pas vivre dans le monde réel" a récemment laissé entendre le conseiller fédéral Ueli Maurer, et Alain Berset a déclaré en janvier : "Nous ne pouvons pas travailler avec des prévisions".

Apparemment, certains ne voient pas de valeur ajoutée dans les prévisions scientifiques. Quelle en est la raison ? Ces prévisions sont-elles vraiment inutilisables ? Quelqu'un rejetterait-il comme inutilisable la prévision selon laquelle cet hiver sera suivi d'un été ?

Comment naissent les prévisions

Qu'il s'agisse du changement climatique, des prévisions météorologiques ou de l'évaluation d'une pandémie, les prévisions scientifiques, quel que soit le domaine, reposent presque toujours sur quatre éléments : premièrement sur un modèle, deuxièmement sur des données permettant d'estimer des paramètres inconnus, troisièmement sur des hypothèses de ce que l'on appelle des scénarios et quatrièmement sur des connaissances d'experts. L'importance de ces quatre éléments dépend fortement de la question posée.

Le modèle décrit notre compréhension de la dynamique d'un système donné. Dans ce contexte, la complexité de différents systèmes varie. La mécanique céleste détermine les saisons avec une telle précision que l'incertitude des prévisions est infinitésimale. Les systèmes biologiques, pour lesquels on ne peut pas simplement écrire une équation, ou les systèmes au comportement chaotique comme le temps, sont beaucoup plus difficiles. Certains processus complexes dépassent notre compréhension ou nos possibilités de calcul pour les représenter directement et sont alors décrits de manière statistique ou approximative.

Les modèles : Aussi bons que leurs données de base

Un modèle a besoin - deuxièmement - de données pour être calibré et vérifié. C'est là que les modèles climatiques se distinguent des modèles épidémiologiques. Alors que des données et des corrélations décisives sont systématiquement établies depuis des décennies dans la recherche climatique, les variantes changeantes du Sras-CoV-2 ont eu pour conséquence que les données étaient disponibles de manière limitée ou non représentatives et que des grandeurs décisives dépendaient de stratégies de test changeantes ou des progrès dans le traitement.

Troisièmement, lorsque des personnes prennent des décisions, celles-ci doivent également être prises en compte dans les prévisions. Les prévisions, c'est-à-dire les prédictions sur l'évolution du monde réel, deviennent ainsi, dans le langage technique, des projections ou ce que l'on appelle des scénarios de simulation. On peut citer par exemple l'évolution épidémiologique attendue pour une combinaison donnée de mesures ou, dans le domaine du climat, le réchauffement pour une évolution donnée des émissions de CO₂-, les émissions de gaz à effet de serre. Si le pire scénario ne se produit pas, ce n'est souvent pas le modèle qui est faux, mais les mesures prises pour éviter ce cas de figure.

La nature de ces deux incertitudes est totalement différente : le scénario est notre choix et donc, en fin de compte, l'affaire des politiques. Il ne doit pas nécessairement se produire, mais il nous aide à comprendre le système et à mettre en évidence sa vulnérabilité. L'incertitude pour un scénario donné, d'autre part, reflète la compréhension incomplète du comportement du système ou des données limitées. La science a pour mission de réduire cette incertitude.

Les modèles sont des approximations de la réalité

Enfin et quatrièmement, des connaissances expertes sont nécessaires pour estimer l'imprécision des prédictions due aux simplifications du modèle et aux erreurs dans les données. Il s'agit de replacer les simplifications du modèle et les erreurs de données dans leur contexte et de le faire savoir. Un modèle n'est jamais exactement correct ; il est et reste un modèle et peut tout au plus être un reflet plus ou moins précis de la réalité. Conformément à la déclaration du statisticien britannique George Box "All models are wrong - but some are useful", la question n'est donc pas de savoir si un modèle est correct, car tout modèle est une simplification de la réalité et donc faux au sens strict du terme. Ce qui compte, c'est de savoir si le modèle est approprié pour répondre à une question donnée.

Les prévisions d'Omikron étaient-elles vraiment fausses ?

Cela nous ramène à la prévision de la vague omicron.⁴ L'évolution du nombre de cas en janvier était bien prédite, le modèle était donc adéquat pour cela. En revanche, les hospitalisations sont restées plus basses que dans le cas le plus optimiste. Comme elles se produisent avec retard, il était impossible de les prédire à partir des données suisses. Il était évident de s'appuyer sur les connaissances acquises en laboratoire et dans d'autres pays, mais celles-ci n'ont manifestement pas reflété entièrement la situation de la Suisse. Outre les aspects médicaux, comme la virulence plus faible, et le fait que davantage de personnes guéries ou vaccinées sont infectées, qui présentent une immunité de base et donc des évolutions moins graves, des aspects comportementaux, difficilement quantifiables, peuvent également entrer en jeu : Par exemple, si les groupes à risque adoptent un comportement plus prudent, même si cela n'est pas obligatoire. Les spécialistes fourniront une évaluation épidémiologique définitive.

Une chose est cependant claire : les projections ne sont pas volontairement déformées par la science. Elles reflètent la situation actuelle des données et l'état des connaissances, dans la mesure où celles-ci peuvent être représentées de manière quantitative. Lorsque de nouvelles connaissances sont disponibles, les projections sont adaptées.

Mais : les prévisions peuvent faire plus de mal que de bien si elles sont systématiquement fausses ou si elles sous-estiment les incertitudes. Dans le cas du Sras-CoV-2, elles ont été plut?t bonnes pendant toute la durée de la pandémie, compte tenu des données souvent peu nombreuses.⁵ Plus on travaille longtemps avec des modèles, plus l'incertitude peut être déterminée avec précision et les résultats peuvent servir à évaluer les risques. Dans la recherche sur le climat, cent ans de données de mesure et cinquante ans de modélisation ont démontré de manière impressionnante la fiabilité.⁶ Plus encore, nous avons beaucoup d'expérience avec les prévisions de temps extrêmes, comment la société prend des décisions basées sur ces prévisions. Ou quand et comment il faut donner l'alerte.

Presque toutes les décisions se basent sur des prévisions

Il est en fait impossible de prendre des décisions sans prévisions. Même l'intuition que rien ne changera par rapport à aujourd'hui ou l'hypothèse que le problème dispara?tra demain comme par magie sont en fin de compte des prévisions. Simplement une prévision sans modèles, sans scénarios, sans données et sans connaissances d'experts - honnêtement, préféreriez-vous traverser une pandémie qui a déjà fait quelque six millions de morts sans prévisions professionnelles ?

La question pertinente en fin de compte est plut?t de savoir si nous devons avecprévisions quantitatives peuvent prendre une meilleure décision que sans. La réponse est presque toujours oui. Si les prévisions sont scientifiquement fondées, elles offrent une bonne aide à l'orientation. Le grand défi à cet égard - quelle que soit la discipline - est de calculer systématiquement l'incertitude et la fiabilité. Ignorer le savoir supplémentaire que les prévisions génèrent montre en fait surtout que les prévisions ne correspondent pas à sa propre vision du monde.

Plus de dialogue et de confiance sont nécessaires

Les prévisions réunissent toutes nos connaissances sur un système. Elles sont rarement parfaites, mais deviennent de plus en plus précises. Les prévisions ont beau être bonnes, elles ne servent pas à grand-chose si on ne les comprend pas, si on ne sait pas gérer les incertitudes ou si on n'est pas prêt à réagir. En vue des crises futures, il faut davantage de dialogue et de confiance entre la politique, la société, les médias et la recherche.

Cet article de Reto Knutti a d'abord été publié en tant que site externeTexte clair chez Higgs.