Des cases et des moyennes

Le débat public aime les catégories : les hommes et les femmes, les générations, les métiers, les peuples, les introvertis et les extravertis. Sans catégories, il n’y a pas de pensée possible, mais la caractéristique moyenne d’un groupe se transforme facilement en biographie imaginaire d’une personne réelle.

Les catégories économisent de l’effort. Et créent aussitôt de nouvelles erreurs.

À l’intérieur d’une même catégorie, les différences finissent par sembler négligeables. Entre deux catégories voisines, excessives. Une personne à 37,9 et une personne à 38,0 de fièvre peuvent tomber dans deux lignes différentes du protocole, alors que leurs états sont presque identiques.

La frontière arrange le système, mais la nature n’en a pas été prévenue.

Il faut manier avec une prudence particulière les catégories de personnes. L’âge, le métier, le pays, un diagnostic ou un groupe social peuvent porter une information statistique. Mais une moyenne de groupe décrit mal un individu, et la description se transforme aisément en prescription :

Puisqu’il appartient à cette catégorie, il doit se comporter ainsi.

Une catégorie est un instrument de compression de l’information, pas une essence interne de l’objet. Son utilité dépend de la tâche.

Pour prescrire un médicament, l’âge peut être déterminant. Pour évaluer un argument, en général non. Pour concevoir un bâtiment, la mobilité de l’usager compte. Ses goûts musicaux, eux, peuvent sans doute rester en dehors du calcul d’évacuation.

Le problème n’est pas que nous rangions le monde dans des cases. Le problème commence quand nous oublions que ces cases, c’est nous qui les avons fabriquées.

Les moyennes statistiques sont une de ces cases. Elles servent à évaluer des probabilités, mais fonctionnent mal comme description toute faite d’un individu.

Un traitement, une formation, une expérience ou une habitude peuvent aider la majorité et ne rien apporter à telle personne. Cela ne réfute pas la régularité générale. Et inversement : une expérience personnelle réussie ne prouve pas que la méthode marche pour tous.

Il est donc raisonnable d’utiliser les deux niveaux d’information.

D’abord les données de groupe :

• à quelle fréquence le résultat apparaît ;
• à quoi on l’a comparé ;
• quelle est la taille de l’effet ;
• quels risques sont connus ;
• à quel point les participants de l’étude nous ressemblent.

Ensuite la vérification individuelle :

• comment la personne réagit ;
• si des effets secondaires apparaissent ;
• si le résultat visé est atteint ;
• si les conditions ont changé ;
• s’il faut corriger le tir.

Les avis d’utilisateurs sont utiles pour les impressions, mais remplacent mal des données systématiques. Mille récits enthousiastes peuvent avoir été recueillis parmi ceux qui sont restés satisfaits, pendant que les mécontents ont simplement cessé d’utiliser le produit. Cela dit, une moyenne statistique n’est pas non plus une promesse personnelle.

La frontière se voit particulièrement bien là où de l’argent y est accroché. Une famille dont le revenu dépasse le seuil d’un euro perd l’allocation en entier et se retrouve plus pauvre qu’une famille située un euro en dessous. Il n’y a entre elles aucune différence naturelle ; la différence est produite par une ligne du règlement. La suite est logique : les gens se mettent à gérer non pas leur revenu, mais sa représentation sur l’attestation — ils renoncent à un travail d’appoint, demandent qu’on ne déclare pas la prime. La case inventée pour décrire commence à modifier ce qu’elle décrit.

Avec les moyennes, c’est pareil, mais en plus discret. Une moyenne ne promet rien à personne en particulier, mais elle a l’air d’une promesse, et c’est pourquoi elle sert aussi commodément à ceux qui vendent une méthode qu’à ceux qui expliquent pourquoi la méthode ne leur a pas convenu.