La statistique contre le destin

La préférence moyenne des femmes pour des partenaires un peu plus âgés ne prescrit son choix à aucune femme en particulier ; une fréquence de divorce accrue associée à un certain style de comportement ne condamne pas chaque couple au divorce. Mais l’individualité n’abolit pas non plus la probabilité. Les données de groupe fixent une estimation de départ, qu’il faut ensuite mettre à jour avec l’histoire de la personne concrète.

Dans le langage bayésien, qui sonne d’ordinaire plus effrayant que l’idée elle-même, la statistique générale est l’attente initiale. Si l’on ne connaît de quelqu’un que quelques traits, les fréquences de base sont utiles : elles protègent des histoires qui se retiennent trop facilement et de l’assurance fondée sur un unique exemple connu. Viennent ensuite les observations personnelles. Un partenaire qui tient ses promesses depuis des années, sait reconnaître une erreur, n’utilise pas la dépendance comme levier et reste fiable en situation de crise — ces données doivent peser plus lourd qu’une étude générale sur son âge, son sexe ou son métier. Et inversement, une jolie présentation de soi et l’appartenance à un « bon » groupe ne recouvrent pas un comportement concret qui se répète. La statistique ne sert pas à ne pas voir la personne, mais à ne pas commencer l’observation à partir de rien et à remplacer à temps le pronostic général par le pronostic particulier. Les synthèses d’études longitudinales ne concordent avec cela que partiellement : les différences individuelles de satisfaction relationnelle se maintiennent nettement dans le temps, et les indices les plus forts de la qualité actuelle d’une relation se trouvent souvent à l’intérieur du couple — dans l’engagement perçu du partenaire, la gratitude, le conflit et la satisfaction sexuelle. Les évolutions de la qualité au fil du temps, ces mêmes modèles les prédisent bien moins bien.

La valeur moyenne est surtout utile en l’absence quasi totale d’information personnelle. À mesure que l’information personnelle s’accumule, son poids diminue au profit des actes réels, de leur répétition et du contexte. L’exception n’abolit pas la distribution, et la distribution ne remplace pas la personne observée. L’erreur apparaît quand on érige un exemple heureux isolé en règle universelle, ou qu’on transforme une probabilité de groupe en verdict sur quelqu’un dont l’histoire est déjà consultable directement.

Une fréquence descriptive ne crée pas une norme. Le nombre moyen de rapports sexuels n’oblige aucun couple à relever son score, le lien statistique entre mariage et bien-être ne fait pas de tout mariage une thérapie, une répartition répandue du travail domestique ne la rend pas juste. Une décision normative exige un but et un principe de répartition. Une variable peut améliorer le résultat moyen et dégrader la situation d’un participant précis : la spécialisation augmente à la fois le revenu global et la dépendance ; un coût du divorce élevé protège les investissements spécifiques et retient dans la violence ; le contrôle réduit un risque et en produit un autre.

Les relations de couple compliquent en outre le pronostic parce que l’objet réagit au pronostic lui-même. Quelqu’un à qui l’on a dit que sa relation est condamnée peut cesser d’y investir et aider la prédiction à se réaliser ; un couple qui a vu le risque peut changer ses règles et rendre l’issue moins probable. À la différence de l’orbite d’une planète, une union contient des participants qui lisent le modèle, s’en vexent, s’en servent comme d’une arme ou reconfigurent leur conduite. Ici, la formule entre dans le milieu qu’elle décrit. « Celui qui aime le moins est le plus fort » peut créer la froideur qu’il prend ensuite pour la preuve de sa propre justesse ; « le véritable amour ne demande pas d’efforts » transforme le travail ordinaire de coordination en signe d’un mauvais choix. Un bon modèle doit tenir compte de la prédiction et des conséquences du fait que les gens vont se mettre à vivre comme si elle était une loi.