Ronald Fisher – 1890 1962

Biography

Dans l’histoire des sciences du XXe siècle, rares sont les figures dont les contributions intellectuelles ont exercé une influence aussi structurante, transversale et profonde que celle de Sir Ronald Aylmer Fisher. Mathématicien singulier, biologiste de l’évolution visionnaire et père incontesté de la statistique mathématique moderne, Fisher a littéralement forgé la grammaire conceptuelle et méthodologique sur laquelle repose l’ensemble de la recherche expérimentale contemporaine. De l’agronomie aux neurosciences, de l’économétrie à la psychologie différentielle, les outils forgés par son esprit analytique — qu’il s’agisse de l’analyse de variance, du principe de randomisation, de l’estimation par le maximum de vraisemblance ou de la formalisation mathématique de la sélection naturelle — constituent l’infrastructure invisible à travers laquelle la science moderne interroge le réel, discrimine le signal du bruit et extrait des lois générales à partir du chaos des variations empiriques.

Pourtant, l’héritage de Ronald Fisher ne se laisse pas appréhender sans une confrontation rigoureuse avec les paradoxes et les tensions qui ont traversé son existence. Savant d’une puissance déductive hors du commun, capable de concevoir dans l’espace abstrait de la géométrie multidimensionnelle des solutions analytiques qui échappaient à ses pairs, il fut également un polémiste impitoyable, enfermé dans des controverses féroces contre Jerzy Neyman, Egon Pearson ou Sewall Wright. Plus troublant encore pour l’observateur contemporain, son génie novateur fut intimement lié à un engagement indéfectible en faveur de l’eugénisme galtonien, idéologie qui imprégna ses recherches fondamentales sur l’hérédité humaine et qui jette une ombre éthique complexe sur une œuvre monumentale. De même, sa contestation tardive et obstinée du lien causal entre le tabagisme et le cancer du poumon illustre la manière dont une rigueur méthodologique poussée jusqu’à l’intransigeance peut vaciller face à ses propres angles morts épistémologiques.

Explorer la trajectoire de Ronald Fisher, c’est donc plonger aux racines mêmes de la modernité scientifique. C’est comprendre comment l’échec perçu de l’induction classique a été surmonté par une théorie probabiliste de la déduction statistique ; comment les lois discrètes de l’hérédité mendélienne ont été réconciliées avec le gradualisme de l’évolution darwinienne au sein d’une synthèse magistrale ; et comment la formalisation de l’erreur est devenue l’instrument suprême de la découverte empirique. Cette étude approfondie se propose de retracer, avec l’exigence du détail conceptuel et contextuel, les douze étapes fondamentales de cette odyssée intellectuelle, éclairant d’un jour nouveau l’homme, les théorèmes et les débats qui continuent de façonner la pratique vivante de la recherche en sciences humaines et de la nature.

1. Introduction biographique et genèse d’un esprit mathématique (1890-1919)

1.1 Origines familiales, formation précoce et défis visuels

Ronald Aylmer Fisher naît le 17 février 1890 dans le quartier londonien d’East Finchley, au sein d’une famille de la bourgeoisie victorienne aisée mais instable sur le plan financier. Son père, George Fisher, était un commissaire-priseur d’art réputé, associé au sein de la maison Robinson and Fisher, tandis que sa mère, Katie Heath, nourrissait des intérêts littéraires et artistiques qui conférèrent au jeune garçon un cadre intellectuel précoce et stimulant. Très tôt, le jeune Ronald manifeste une curiosité insatiable pour les mathématiques et les sciences naturelles, démontrant des aptitudes calculatoires remarquables dès l’école primaire. Cependant, cette jeunesse prometteuse est rapidement assombrie par deux drames majeurs : le décès prématuré de sa mère des suites d’une péritonite en 1904, alors qu’il n’a que quatorze ans, suivi de la faillite professionnelle de son père, contraignant le foyer à d’importants renoncements matériels.

Sur le plan physiologique, Fisher est frappé dès son plus jeune âge par une myopie congénitale d’une sévérité extrême, une pathologie qui allait paradoxalement orienter la trajectoire de sa pensée scientifique. Alertés par les praticiens, ses tuteurs et professeurs lui interdisent la lecture prolongée sous un éclairage artificiel et limitent drastiquement son temps de travail sur papier afin de préserver ses yeux fragiles. Privé de la possibilité de griffonner de longues chaînes d’équations algébriques comme le faisaient ses condisciples, Fisher est contraint de développer une capacité exceptionnelle de visualisation géométrique abstraite et de calcul mental tridimensionnel. Cette gymnastique cérébrale forcée lui permet de concevoir les problèmes statistiques non comme de simples tableaux de nombres, mais comme des objets géométriques évoluant dans des espaces vectoriels à $n$ dimensions, une disposition d’esprit qui constituera la clé de voûte de ses futures percées analytiques.

En 1904, bénéficiant d’une bourse d’études indispensable à la poursuite de sa scolarité en raison des revers de fortune familiaux, il entre à la prestigieuse Harrow School. Dans cet établissement d’élite réputé pour sa discipline, Fisher s’illustre par une suprématie mathématique insolente, remportant la prestigieuse médaille Neeld récompensant le meilleur mathématicien de l’école. Sous la férule de pédagogues exigeants, il s’initie aux principes de la physique mathématique classique et à la mécanique rationnelle, forgeant une discipline formelle qui ne le quittera jamais. Son habitude d’opérer par intuition géométrique directe avant même de coucher la démonstration analytique sur le papier déconcerte ses enseignants, mais révèle déjà le trait fondamental de son génie : une vision spatiale immédiate des structures mathématiques les plus impénétrables.

1.2 Le passage déterminant à l’Université de Cambridge

En 1909, muni d’une bourse d’excellence en mathématiques, Ronald Fisher franchit les portes du Gonville and Caius College de l’Université de Cambridge. Cette période universitaire s’avère décisive pour la cristallisation de ses centres d’intérêt scientifiques. Il y suit une formation académique de haut vol dans le cadre du redoutable Mathematical Tripos, bénéficiant de l’enseignement de figures tutélaires telles que le physicien théoricien James Jeans, le mathématicien appliqué F. J. M. Stratton ou encore le théoricien de la physique quantique émergente F. J. Dyson. À travers ces maîtres, Fisher s’imprègne de la grande tradition analytique britannique, tout en développant une rigueur absolue dans le traitement des incertitudes inhérentes à l’observation astronomique et physique, s’initiant ainsi de façon approfondie à la théorie des erreurs d’observation de Carl Friedrich Gauss et d’Adrien-Marie Legendre.

Toutefois, la singularité du jeune étudiant réside dans son refus de s’enfermer dans l’abstraction mathématique pure. Parallèlement à ses cours obligatoires, Fisher dévore les écrits de Charles Darwin, dont l’œuvre fondamentale, L’Origine des espèces, suscite chez lui une véritable épiphanie intellectuelle. Il s’enthousiasme tout autant pour la redécouverte récente des lois de Gregor Mendel, opérée au tournant du siècle par Hugo de Vries, Carl Correns et Erich von Tschermak. À Cambridge, le débat fait rage entre les biométriciens, menés à distance par Karl Pearson qui soutiennent un modèle de variation continue sous l’égide de la sélection naturelle, et les mendéliens stricts, regroupés autour de William Bateson, qui postulent une évolution par sauts discontinus et mutations franches. Fisher perçoit immédiatement l’inanité de cette opposition binaire et commence à concevoir les prolégomènes d’une synthèse mathématique unificatrice.

Diplômé en 1912 avec les honneurs d’un « First Class » dans la première partie du Mathematical Tripos, Fisher obtient le statut d’astronome grâce à une bourse d’études complémentaire accordée par le Wollaston Studentship. Durant cette année post-diplôme, il approfondit les problèmes de mécanique céleste et de théorie des probabilités appliquées à l’astrométrie au sein de l’observatoire de Cambridge. C’est au cours de ces travaux qu’il publie son tout premier article scientifique en 1912, dans lequel il propose une méthode originale pour ajuster les courbes statistiques aux observations empiriques, méthode qu’il baptisera plus tard le maximum de vraisemblance. Déjà, le jeune mathématicien prend ses distances avec le paradigme dominant de la probabilité inverse d’origine bayésienne, marquant l’acte de naissance de sa croisade pour refonder l’inférence scientifique.

1.3 Les années d’errance académique et l’installation à Rothamsted

En dépit de sa brillance éclatante, l’entrée de Fisher dans la carrière professionnelle s’avère singulièrement chaotique. Faute de ressources pécuniaires pour financer une carrière purement académique sans chaire attitrée, et confronté à l’austérité des institutions universitaires de l’époque, il enchaîne des emplois temporaires peu stimulants. Lorsque la Première Guerre mondiale éclate en 1914, animé par un patriotisme viscéral, il tente à plusieurs reprises de s’enrôler dans l’armée britannique. Ses candidatures sont toutefois systématiquement et catégoriquement rejetées par les conseils de révision militaire en raison de sa cécité pratique sans verres correcteurs de forte puissance. Cette impossibilité de servir au front le plonge dans un profond sentiment d’inutilité et de frustration sociologique.

Pour subsister, Fisher accepte divers postes alimentaires : il travaille brièvement comme statisticien pour la Mercantile and General Investment Company à Londres, avant de se tourner vers l’enseignement secondaire. De 1915 à 1919, il enseigne les mathématiques et la physique dans plusieurs « public schools », notamment la Rugby School. Ces années sont éprouvantes : piètre pédagogue avec les élèves récalcitrants, peu adapté à la routine scolaire, il consacre ses nuits à des calculs génétiques et mathématiques épuisants. Sur le plan personnel, il épouse en 1917 Ruth Eileen Guinness, une jeune femme de dix-sept ans issue de la célèbre lignée protestante, avec laquelle il s’installe dans une ferme rustique dans le Hertfordshire, tentant de mener une vie d’autosuffisance rurale inspirée par ses idéaux néo-malthusiens et eugénistes.

Le tournant institutionnel de son existence survient en 1919. Karl Pearson, la figure tutélaire incontestée de la statistique britannique, lui propose un poste subalterne de calculateur en chef au sein du prestigieux Galton Laboratory à l’University College de Londres. Mais Pearson, jaloux de son autorité, assortit l’offre de conditions draconiennes : Fisher ne pourra publier que ce que Pearson aura préalablement validé et devra abandonner ses propres pistes de recherche mathématique. Avec une audace confinant à la témérité, Fisher rejette catégoriquement cette proposition servile. Presque au même moment, Sir John Russell lui propose de rejoindre la station agronomique expérimentale de Rothamsted à Harpenden, pour une mission temporaire de dépouillement d’immenses archives de données accumulées depuis le XIXe siècle sur les rendements des cultures. Fisher saisit cette opportunité provinciale : loin des querelles mandarinales de Londres, il dispose désormais d’un laboratoire grandeur nature pour tester, éprouver et révolutionner l’ensemble de la méthodologie expérimentale.

2. La révolution de l’inférence statistique et le concept de vraisemblance

2.1 La formalisation du maximum de vraisemblance

À son arrivée à Rothamsted en 1919, Fisher découvre une science statistique embourbée dans des conventions empiriques instables et dominée par le dogme de la « probabilité inverse », dérivée d’une application routinière et souvent contestable du théorème de Bayes. Les praticiens de l’époque ont pris l’habitude d’attribuer une distribution de probabilité a priori uniforme et arbitraire aux paramètres inconnus de la population, postulant un état d’ignorance totale selon le principe de raison insuffisante de Laplace. Fisher identifie immédiatement la faille épistémologique majeure de cette démarche : assigner une distribution uniforme à un paramètre ne garantit nullement l’uniformité de cette distribution si l’on effectue une transformation non linéaire de ce même paramètre. L’inférence bayésienne classique souffre ainsi d’une subjectivité structurelle irréconciliable avec l’objectivité requise par l’expérimentation biologique.

Dans une série d’articles fondamentaux publiés entre 1921 et 1925, et particulièrement dans son manifeste séminal de 1922 intitulé On the Mathematical Foundations of Theoretical Statistics, Fisher propose une rupture paradigmatique absolue en introduisant le concept de fonction de vraisemblance (likelihood). Soit un ensemble d’observations indépendantes et identiquement distribuées $x = (x_1, x_2, dots, x_n)$ issues d’une densité de probabilité $f(x; \theta)$, où $\theta$ représente le vecteur des paramètres inconnus régissant la population. Fisher définit la vraisemblance non comme la probabilité que $\theta$ prenne une certaine valeur, mais comme la probabilité (ou la densité conjointe) des données observées conditionnellement à ces paramètres :

$$L(\theta; x) = \prod_{i=1}^n f(x_i; \theta)$$

La vraisemblance n’est donc pas une loi de probabilité sur l’espace des paramètres — son intégrale sur cet espace ne vaut pas nécessairement un —, mais une fonction mathématique ordonnant la plausibilité relative des différentes valeurs de $\theta$ au vu des données réellement recueillies.

À partir de cette définition, Fisher formalise le principe de l’estimateur du maximum de vraisemblance (EMV), noté $\hat{\theta}$, comme étant la valeur de l’espace des paramètres qui maximise la fonction $L(\theta; x)$, ou de façon équivalente, sa transformation logarithmique strictement monotone, la log-vraisemblance $ell(\theta; x) = \ln L(\theta; x)$. Il démontre avec une virtuosité mathématique inédite les propriétés asymptotiques exceptionnelles de cet estimateur : la consistance (lorsque la taille de l’échantillon $n$ tend vers l’infini, $\hat{\theta}$ converge en probabilité vers la valeur véritable $\theta_0$), l’efficacité asymptotique (la variance de l’estimateur atteint la borne théorique minimale) et la normalité asymptotique, permettant de construire des intervalles de confiance rigoureux indépendamment de tout a priori subjectif.

2.2 Les critères de l’estimation statistique

La refondation opérée par Fisher ne se limite pas à l’algorithme du maximum de vraisemblance ; elle redéfinit les critères mêmes d’évaluation de ce que doit être une estimation statistique optimale. Fisher est le premier à établir une nomenclature formelle distinguant les concepts d’estimateur (la fonction mathématique appliquée à l’échantillon) et de paramètre (la grandeur inconnue propre à la population sous-jacente). Il énonce quatre critères fondamentaux que tout estimateur rationnel se doit de satisfaire : l’absence de biais, la consistance, l’efficacité et la suffisance statistique.

Le concept de suffisance constitue sans doute l’une de ses constructions conceptuelles les plus élégantes et profondes. Une statistique $T(X)$ est dite « suffisante » pour un paramètre $\theta$ si la distribution de probabilité conditionnelle des observations $X$ sachant $T(X)$ ne dépend plus en aucune manière de $\theta$. En d’autres termes, la statistique résume et condense à elle seule l’intégralité de l’information contenue dans l’échantillon brut concernant le paramètre visé. Fisher prouve que dans le cas de lois de distribution issues de la famille exponentielle, comme la loi normale, des statistiques exhaustives simples telles que la moyenne empirique et la variance échantillonnale capturent toute l’information pertinente, rendant superflu le stockage des données individuelles pour l’inférence ultérieure.

Parallèlement, Fisher introduit une mesure quantitative de la précision apportée par un échantillon : l’information de Fisher, notée $I(\theta)$. Définie mathématiquement comme l’espérance mathématique de la dérivée seconde de la log-vraisemblance changée de signe :

$$I(\theta) = -\mathbb{E} \left[ \frac{\partial^2 \ln L(\theta; X)}{\partial \theta^2} \right] = \mathbb{E} \left[ \left( \frac{\partial \ln L(\theta; X)}{\partial \theta} \right)^2 \right]$$

cette métrique évalue la courbure locale de la surface de vraisemblance autour de son sommet. Une courbure abrupte indique une information élevée et donc une très faible incertitude sur le paramètre estimé. Cette découverte fondamentale établit que l’inverse de l’information de Fisher constitue la borne inférieure de la variance pour tout estimateur sans biais (résultat connu aujourd’hui sous le nom d’inégalité de Cramér-Rao-Fréchet-Fisher), fournissant à la théorie des tests psychométriques et à l’évaluation des aptitudes latentes une assise analytique inestimable.

2.3 Implications épistémologiques pour la mesure du comportement

L’impact de la révolution inférentielle de Fisher dépasse largement le cadre des stations agronomiques pour bouleverser l’épistémologie des sciences naissantes de l’esprit et du comportement. Jusqu’au début des années 1920, la psychologie empirique oscillait entre la description phénoménologique qualitative issue de la tradition continentale et l’enregistrement purement descriptif de statistiques sommaires initié par Francis Galton et James McKeen Cattell. Les chercheurs mesuraient des temps de réaction ou des scores d’acuité sensorielle sans disposer d’un formalisme théorique permettant d’extrapoler avec rigueur du particulier à l’universel, confondant continuellement les caractéristiques accidentelles de l’échantillon observé avec les lois psychiques générales régissant l’espèce humaine.

En introduisant une théorie formelle de l’inférence inductive fondée sur la vraisemblance, Fisher fournit à la psychologie quantitative les moyens d’opérer une véritable modélisation de l’incertitude. L’observation d’un comportement n’est plus considérée comme une donnée brute et absolue, mais comme la réalisation stochastique d’une variable aléatoire sous-tendue par des paramètres latents inobservables. La distinction fisherienne nette entre la moyenne échantillonnale (variable aléatoire sujette à l’erreur d’échantillonnage) et la moyenne de la population (constante cible de l’investigation scientifique) permet de conceptualiser la mesure du comportement comme un processus de débruitage mathématique.

Cette percée s’est avérée cruciale lors de l’étalonnage des premiers grands tests d’aptitudes cognitives et d’intelligence au cours des années 1920 et 1930. Les psychologues différentiels, s’appuyant sur les propriétés d’efficacité et de suffisance formalisées par Fisher, purent enfin déterminer mathématiquement le nombre optimal d’items requis dans un test pour atteindre un degré de fidélité donné, tout en minimisant la variance de l’erreur d’estimation. L’information de Fisher est ainsi devenue, des décennies plus tard, la pierre angulaire de la théorie des réponses aux items (TRI), permettant de construire des échelles de mesure où chaque question psychométrique est calibrée en fonction de la quantité d’information objective qu’elle apporte sur le continuum de l’aptitude mentale d’un individu.

3. La genèse de l’analyse de variance (ANOVA) et son ancrage expérimental

3.1 Dépassement de la corrélation pearsonienne

Lorsqu’il prend en charge l’analyse des séries temporelles de Rothamsted, Fisher se heurte immédiatement aux limites rédhibitoires des outils forgés par Karl Pearson. L’école biométrique s’était presque exclusivement structurée autour du coefficient de corrélation bivariée $r$ et de la régression linéaire simple. Or, la corrélation s’avère un instrument radicalement impuissant dès lors qu’il s’agit de démêler les relations de causalité au sein de systèmes complexes où interagissent de multiples variables simultanées. En agronomie, le rendement d’une parcelle de blé dépend simultanément de la teneur du sol en azote, de l’ensoleillement, de la pluviométrie, de la variété de semence employée et de l’historique du drainage. Calculer des corrélations linéaires deux à deux masque totalement les phénomènes de masquage, les causalités non linéaires et les effets d’interaction.

Pour dépasser cette impasse, Fisher élabore une technique mathématique révolutionnaire qui deviendra le cheval de bataille de l’expérimentation moderne : l’analyse de variance, universellement désignée par l’acronyme ANOVA. Le coup de génie de Fisher repose sur une intuition géométrique fondamentale : la variabilité totale observée au sein d’un ensemble de mesures quantitatives peut être scindée, de manière rigoureusement additive, en fractions indépendantes attribuables chacune à une source de variation distincte et identifiable, plus une fraction résiduelle incompressible représentant l’erreur aléatoire. La somme totale des carrés des écarts à la moyenne générale ($\text{SST}$) se décompose selon le théorème de Pythagore dans un espace hilbertien :

$$\text{SST} = \text{SS}_{\text{traitements}} + \text{SS}_{\text{résiduelle}}$$

Ce partitionnement algébrique de la dispersion permet de quantifier précisément la part de variance imputable aux manipulations de l’expérimentateur par rapport aux fluctuations stochastiques du milieu.

Afin de tester formellement si la variance attribuable à un traitement expérimental est significativement supérieure à la variance d’erreur pure, Fisher développe une nouvelle variable aléatoire, le ratio des variances, qu’il formalise initialement à travers la distribution de la moitié du logarithme népérien du quotient des variances, notée distribution $z$. Cette distribution tient compte des degrés de liberté respectifs du numérateur et du dénominateur, contournant les hypothèses fragiles sur les grands échantillons propres à la biométrie victorienne. Quelques années plus tard, le statisticien américain George Snedecor simplifiera l’utilisation de cet outil en tabulant directement le ratio des variances sans passage logarithmique, baptisant cette métrique le test $F$ en hommage explicite à Ronald Fisher. Pour la première fois, la communauté scientifique dispose d’un critère mathématique exact pour départager les effets systématiques du simple hasard expérimental sur de petits échantillons.

3.2 Applications aux protocoles de recherche en sciences humaines

Bien que née dans la boue des champs de céréales du Hertfordshire, l’analyse de variance démontre immédiatement une extraordinaire plasticité formelle qui facilite son transfert dans le champ des sciences humaines et de la psychologie. Dans ces disciplines, les chercheurs sont constamment confrontés à une double source d’hétérogénéité : la variance interindividuelle (les différences fondamentales de traits, de tempéraments ou d’aptitudes cognitives existant entre des personnes distinctes) et la variance intra-individuelle (les fluctuations de performance d’un même sujet à travers le temps, la fatigue ou la répétition des tâches). L’ANOVA fisherienne fournit l’architecture théorique capable de modéliser simultanément ces deux dynamiques grâce aux plans à mesures répétées et aux modèles mixtes.

L’avancée la plus déterminante apportée par Fisher réside toutefois dans la conceptualisation et le traitement des interactions statistiques. Avant lui, l’expérimentateur classique appliquait le précepte baconien puis cartésien de la « variation d’un seul facteur à la fois » (l’approche one-factor-at-a-time), postulant naïvement que l’effet d’une variable indépendante $A$ demeure invariant quelle que soit la modalité de la variable $B$. Fisher dénonce cette démarche comme une aberration scientifique dès lors qu’elle s’applique à la biologie ou à la psychologie : le vivant se caractérise précisément par l’interdépendance de ses composantes. Grâce aux plans factoriels complets ($2 \times 2$, $3 \times 3$, etc.), l’ANOVA permet d’évaluer de manière rigoureuse le terme d’interaction $A \times B$, c’est-à-dire l’hypothèse selon laquelle l’efficacité d’un stimulus psychologique ou d’une intervention thérapeutique varie en fonction de la catégorie sociologique, du genre ou du profil clinique du patient.

Cette généralisation de la décomposition de la variance a jeté les fondations du modèle linéaire général (GLM), qui unifie sous un même cadre formel la régression multiple, l’analyse de covariance (ANCOVA) et l’ANOVA. Les psychologues empiriques ont pu, grâce à cette structure, intégrer des covariables d’ajustement afin de « neutraliser » statistiquement l’effet perturbateur de l’âge ou du niveau socio-économique avant d’évaluer l’effet propre d’un programme d’apprentissage cognitif. La dispersion des scores cesse d’être une tare dont le chercheur doit se plaindre pour devenir la substance même de l’analyse causale.

3.3 Conséquences théoriques pour la psychologie expérimentale

L’adoption institutionnelle de l’ANOVA au cours des années 1930 et 1940 a littéralement transfiguré la psychologie expérimentale anglo-saxonne, lui conférant son statut moderne de discipline scientifique rigoureuse. Sous l’impulsion de psychologues méthodologues comme Quinn McNemar aux États-Unis ou Donald Broadbent en Grande-Bretagne, la publication d’une recherche empirique dans des revues d’autorité est devenue conditionnée à la présentation d’un tableau d’analyse de variance standardisé, consignant les sommes de carrés, les degrés de liberté, les carrés moyens, les valeurs de $F$ et les seuils de significativité associés.

Ce changement d’outillage analytique a transformé les questions posées par les psychologues. Au lieu de se cantonner à observer si la présentation d’une lumière influence le temps d’action d’un individu, les chercheurs conçoivent des protocoles factoriels sophistiqués évaluant de façon croisée la modalité du stimulus (visuel ou auditif), son intensité (faible, modérée, forte) et l’état attentionnel du sujet (vigilant ou distrait). L’ANOVA permettait d’isoler l’impact individuel de chaque variable principale tout en testant si l’effet de distraction dégradait davantage le traitement des signaux visuels que des signaux auditifs. La complexité de l’esprit humain trouvait enfin un écho dans la sophistication de la combinatoire mathématique.

De surcroît, la formalisation de la variance d’erreur résiduelle a permis un contrôle sans précédent du bruit expérimental. Les psychologues ont compris que réduire la variance d’erreur — par la standardisation des consignes, l’isolation phonique des laboratoires et le recours à des mesures psychophysiques calibrées — augmentait mécaniquement le ratio $F$, démultipliant ainsi la puissance du test statistique sans exiger des cohortes de sujets disproportionnées. Ce basculement a sonné le glas des approches anecdotiques et a ancré la psychologie expérimentale dans le giron des sciences quantitatives prédictives, tout en créant, de par son succès même, un monopole méthodologique qui marginalisera progressivement les traditions de recherche qualitatives ou idiographiques.

4. Les fondements du plan d’expérience (Experimental Design)

4.1 La randomisation comme rempart contre les biais de confusion

En 1935, Ronald Fisher publie un ouvrage qui révolutionne définitivement la pratique de la recherche de terrain : The Design of Experiments. Dans ce texte fondateur, il assène une thèse d’une audace épistémologique radicale : l’analyse statistique des résultats ne commence pas après le recueil des données, elle doit être entièrement incorporée dans la structure même du protocole expérimental. Le statisticien ne doit pas être un médecin légiste appelé pour pratiquer une autopsie sur une expérience mal conçue ; il doit en être l’architecte primordial. Au cœur de cette architecture se dresse le principe de la randomisation (l’attribution strictement aléatoire des unités expérimentales aux conditions de traitement), considéré aujourd’hui comme la contribution méthodologique la plus influente du XXe siècle.

Avant Fisher, la règle dominante en matière d’expérimentation agronomique ou médicale consistait en l’agencement systématique : les parcelles recevant un engrais expérimental étaient disposées en alternance stricte ($A, B, A, Bdots$) ou regroupées en blocs choisis pour leur apparente uniformité. Fisher démontre l’erreur mortelle de cette approche : la nature recèle une infinité de gradients environnementaux invisibles ou non mesurés (variations de la fertilité souterraine du sol, microclimats, inclinaisons hydrologiques, ou, en psychologie, variations d’humeur, d’histoire personnelle et d’attention). Toute attribution déterministe ou systématique court le risque fatal d’aligner accidentellement la condition expérimentale sur un gradient non mesuré, produisant une confusion d’effets (confounding) insoluble.

La randomisation pure, orchestrée par un tirage au sort objectif (tables de nombres aléatoires, dés ou cartes), agit comme un bouclier mathématique absolu. Elle garantit qu’en moyenne, l’ensemble des facteurs de confusion — qu’ils soient connus, suspectés ou totalement inconnus de l’expérimentateur — se répartiront de manière équilibrée et indépendante entre les différents groupes de comparaison. Ce faisant, elle confère au test de signification statistique sa pleine et entière validité logique en transformant l’erreur systématique en une erreur aléatoire modélisable selon les lois des probabilités. Pour illustrer cette logique magistrale, Fisher met en scène dans son livre le célèbre problème de la « Dame dégustant le thé » (The Lady Tasting Tea), démontrant qu’une attribution aléatoire de l’ordre des tasses de thé (le lait versé avant ou après l’infusion) est la seule condition permettant de tester rigoureusement l’hypothèse nulle d’une absence de faculté gustative chez le sujet.

4.2 Le contrôle local et le blocage méthodologique

Bien que la randomisation soit la condition sine qua non de la validité interne d’une expérience, Fisher souligne qu’elle ne constitue pas une panacée permettant de faire fi de la structure du terrain. Livrée à elle-même dans un milieu fortement hétérogène, la randomisation brute peut laisser subsister une variance d’erreur résiduelle trop vaste, risquant de masquer les véritables différences de traitement. Pour conjuguer la protection contre les biais et la précision de la mesure, Fisher théorise le principe du contrôle local, qui se décline principalement à travers les techniques de blocage et les plans en carrés latins.

Le blocage consiste à regrouper les unités d’observation en strates homogènes (les « blocs ») au regard d’une caractéristique susceptible d’influencer la variable dépendante, puis à opérer la randomisation des traitements à l’intérieur de chacun de ces blocs. En psychologie humaine, les blocs peuvent être constitués en regroupant les participants par tranches d’âge identiques, par niveaux homogènes d’anxiété de base ou par cohortes scolaires. De cette façon, la variabilité inter-blocs est formellement extraite du terme d’erreur résiduelle lors de l’analyse de variance, ce qui accroît la sensibilité du test statistique à détecter de faibles variations provoquées par le traitement.

Le couronnement géométrique de cette approche réside dans l’invention du plan en carré latin et de ses dérivés (carrés gréco-latins). Un carré latin est une matrice d’ordre $k \times k$ où $k$ traitements différents sont distribués de telle manière que chacun d’eux n’apparaisse qu’une seule et unique fois par ligne et par colonne. Appliqué aux protocoles de recherche comportementale, cet agencement permet de neutraliser simultanément deux sources majeures de variance parasite sans augmenter démesurément la taille de l’échantillon : par exemple, l’effet de l’ordre de présentation des stimuli d’une part, et l’effet de la fatigue temporelle des sujets au fil des sessions d’autre part. Fisher offre ainsi aux sciences expérimentales une économie de moyens et une rigueur formelle inégalées, permettant d’extraire le maximum de certitude à partir d’un minimum d’observations empiriques.

4.3 La réplication et la robustesse des observations empiriques

Le troisième pilier du plan d’expérience fisherien est le principe impératif de la réplication. Fisher martèle avec une intransigeance absolue qu’une observation isolée, aussi spectaculaire soit-elle, ne possède aucune valeur probante en science. La réplication n’a pas seulement pour fonction intuitive de « confirmer » un résultat ; elle répond à une nécessité mathématique structurelle : elle constitue l’unique moyen d’estimer avec précision la variance de l’erreur expérimentale pure.

Sans répétition indépendante de la même condition expérimentale sur plusieurs unités distinctes, il est strictement impossible de calculer le dénominateur du ratio de variance $F$. En l’absence de réplication, la variabilité résiduelle demeure indéterminée, rendant caduque toute tentative de test d’hypothèse. Fisher prend grand soin de clarifier la distinction essentielle entre une réplication authentique et ce que l’on qualifiera plus tard de « pseudoréplication ». Réaliser dix mesures successives sur le même sujet psychologique soumis à une injection médicamenteuse ne constitue pas dix réplications de l’effet thérapeutique, mais une mesure répétée d’un seul individu : l’unité expérimentale reste $n=1$, et les inférences généralisées à l’espèce humaine sur une telle base relèvent du mirage méthodologique.

Les conséquences de cette doctrine fisherienne pour la reproductibilité contemporaine des sciences du comportement sont capitales. En exigeant une définition méticuleuse de l’unité expérimentale autonome et en imposant que les calculs de significativité intègrent formellement le nombre de réplications indépendantes, Fisher avait anticipé les dérives méthodologiques qui secouent aujourd’hui les sciences sociales et biomédicales. Le mépris des conditions authentiques de réplication ou l’illusion d’accroître artificiellement la puissance statistique en confondant mesures répétées et sujets indépendants constituent l’une des sources majeures des faux positifs qui alimentent la crise contemporaine de la reproductibilité.

5. La logique des tests d’hypothèse et la controverse de la p-valeur

5.1 L’architecture du test de signification de Fisher

L’une des contributions les plus universellement diffusées — et sans doute les plus largement incomprises — de Ronald Fisher réside dans son architecture du test de signification (significance testing). Pour Fisher, l’entreprise scientifique progresse non par l’accumulation de preuves positives directes d’une affirmation théorique, mais par la tentative rigoureuse de falsifier empiriquement un modèle mathématique nul. C’est l’acte de naissance du concept d’hypothèse nulle, notée conventionnellement $H_0$. L’hypothèse nulle est l’hypothèse selon laquelle l’intervention expérimentale n’a exercé aucun effet réel, que le traitement n’induit aucune différence moyenne, ou que deux variables sont parfaitement indépendantes dans la population sous-jacente.

L’élément moteur de cette mécanique d’inférence est la valeur $p$ (p-value). Fisher définit la valeur $p$ comme la probabilité conditionnelle, sous l’hypothèse stricte que $H_0$ soit vraie, d’obtenir une statistique de test (qu’il s’agisse d’un $t$ de Student, d’un $F$ ou d’un $\chi^2$) au moins aussi extrême que celle effectivement observée dans l’échantillon recueilli :

$$p = P(T ge t_{\text{obs}} mid H_0)$$

Si la valeur $p$ s’avère suffisamment faible, le chercheur dispose d’un motif légitime pour douter de la plausibilité de l’hypothèse nulle. Fisher introduit alors la fameuse convention du seuil de 5 % ($p < 0{,}05$), énoncée notamment dans son manuel classique Statistical Methods for Research Workers (1925), comme un repère pratique commode signalant qu’un phénomène mérite un examen scientifique plus approfondi.

Il est impératif de souligner la justification pragmatique et modeste que Fisher attribuait initialement à ce chiffre de 5 %. Pour le biologiste de Rothamsted, un résultat significatif à 5 % ne constituait en rien une preuve irréfutable de vérité, mais simplement une indication que l’expérience avait mis en évidence un signal suffisamment discordant avec le modèle du hasard pur pour justifier que le chercheur y consacre du temps, des ressources et conçoive de nouvelles réplications. Fisher considérait ce seuil comme une balise indicative sur la route de la recherche empirique, et non comme une guillotine binaire transformant mécaniquement une observation en certitude ontologique.

5.2 Inférence inductive versus décision binaire

Dans la conception authentiquement fisherienne, le test de signification est un instrument d’inférence inductive fluide, continu et contextuel. Fisher concevait la valeur $p$ comme un gradient continu d’évidence empirique dirigé contre l’hypothèse nulle. Une valeur $p$ de $0{,}04$ fournissait un indice de discordance modéré, tandis qu’une valeur de $0{,}001$ traduisait une incompatibilité flagrante entre les données et le modèle $H_0$. L’interprétation finale d’un résultat ne devait jamais être abandonnée à un automatisme statistique aveugle, mais demeurait tributaire du jugement d’expert du chercheur, de sa connaissance intime du domaine expérimental, de la plausibilité théorique du phénomène et de la solidité des contrôles de laboratoire déployés.

Fisher s’est élevé tout au long de sa carrière avec une véhémence viscérale contre toute tentative d’assimiler l’inférence scientifique à un processus de décision mécanique binaire. Il refusait explicitement l’idée que l’esprit humain puisse déléguer son analyse critique à un seuil d’acceptation ou de rejet préétabli. Dans sa vision, la science se distingue fondamentalement des procédures industrielles de contrôle de la qualité : le savant ne cherche pas à prendre une décision d’action immédiate (comme accepter ou rejeter un lot de fabrication d’obus ou d’ampoules électriques), il cherche à quantifier le degré de confiance ou de doute que les données expérimentales lui autorisent à nourrir à l’égard d’une hypothèse de la nature.

Cette approche s’oppose frontalement à ce que deviendra plus tard la théorie de la décision de Neyman et Pearson. Fisher défendait une épistémologie où l’induction scientifique conserve une part d’indétermination productive. Pour lui, la statistique devait éclairer le jugement du chercheur sans jamais s’y substituer. L’idée de déclarer un résultat scientifique « vrai » à $p = 0{,}049$ et « faux » ou « nul » à $p = 0{,}051$ lui apparaissait comme une caricature stérile de la véritable démarche empirique, incompatible avec la maturation progressive et prudente des théories scientifiques.

5.3 Divergences et malentendus en psychologie quantitative

L’histoire de la psychologie quantitative au cours de la seconde moitié du XXe siècle a été le théâtre d’un malentendu historique monumental, documenté par des épistémologues et méthodologues comme Gerd Gigerenzer. Ce malentendu procède de la fusion monstrueuse et involontaire de deux approches irréconciliables : le test de signification de Ronald Fisher d’un côté, et la théorie des tests d’hypothèses de Jerzy Neyman et Egon Pearson de l’autre. Ce monstre hybride, baptisé pompeusement « Null Hypothesis Significance Testing » (NHST), a été codifié dans les manuels scolaires de psychologie à destination des étudiants, masquant totalement les désaccords philosophiques irréductibles qui divisaient leurs géniteurs.

Dans cette version bâtarde, on emprunte à Fisher la notion d’hypothèse nulle unique, de valeur $p$ calculée à partir des données et le seuil sacramentel de 5 %, mais on y accole arbitrairement la mécanique de Neyman-Pearson : formulation d’une hypothèse alternative explicite ($H_1$), fixation a priori d’un risque de première espèce ($\alpha$) et de deuxième espèce ($\beta$), calcul de la puissance statistique, et conclusion formulée sous la forme dichotomique d’une acceptation ou d’un rejet mécanique. Le résultat de cette bouillie conceptuelle a été la réification absolue du seuil arbitraire de 5 % au sein des comités de lecture des revues de psychologie. Un résultat franchissant le couperet de $p < 0{,}05$ accédait magiquement au statut de « fait scientifique établi », tandis qu'un résultat à $p = 0{,}06$ était relégué au néant de la non-publication dans les tiroirs des laboratoires (le fameux file-drawer effect).

Cette dérive a fourni le terreau structurel sur lequel a prospéré la crise contemporaine de la réplication en sciences du comportement et en psychologie sociale. Poussés par l’impératif académique du publish or perish et armés d’un outillage mal compris, des générations de chercheurs ont cédé à la pratique dévastatrice du « p-hacking » : manipulation des données, arrêt flexible de l’échantillonnage dès que le seuil de 5 % est atteint, sélection après coup des variables significatives et exclusion opportuniste d’observations atypiques. L’ironie tragique de cette dérive réside dans le fait que la logique même de Fisher — initialement forgée pour introduire une rigueur impitoyable et démasquer les mirages empiriques — a été pervertie en une machine à certifier de faux positifs statistiques, démontrant avec acuité les dangers d’une application ritualisée d’outils mathématiques déconnectés de leur épistémologie originelle.

6. La synthèse évolutive moderne : Réconciliation du mendélisme et du biométrisme

6.1 Le mémoire séminal de 1918 sur la corrélation génétique

Au début du XXe siècle, la biologie théorique traverse une crise paradigmatique majeure, menaçant de paralyser l’avancée de la théorie de l’évolution. D’un côté se tiennent les biométriciens, disciples de Francis Galton menés par Karl Pearson et Walter Weldon, qui affirment que l’évolution procède par de minuscules variations phénotypiques continues soumises au tri sélectif progressif darwinien ; ils rejettent le mendélisme qu’ils considèrent comme une curiosité limitée à des anomalies discontinues. De l’autre côté s’érigent les premiers généticiens mendéliens, emmenés par William Bateson et Hugo de Vries, qui clament que l’hérédité est par essence particulaire, discontinue et régie par des mutations brusques, jugeant la sélection naturelle graduelle de Darwin caduque et inutile. Cette discorde stérilise le milieu académique britannique pendant près de deux décennies.

C’est un jeune homme d’à peine vingt-huit ans, isolé et dépourvu de statut académique officiel, qui va trancher ce nœud gordien. En 1918, après des années de relectures et de rejets par les comités de la Royal Society en raison de l’incompréhension mutuelle de Pearson et de Punnett, Ronald Fisher publie dans les Transactions of the Royal Society of Edinburgh son chef-d’œuvre fondateur : The Correlation Between Relatives on the Supposition of Mendelian Inheritance. Dans ce mémoire d’une densité mathématique redoutable, Fisher accomplit le tour de force de démontrer avec une exactitude probabiliste irréfutable que les lois de l’hérédité particulaire de Mendel produisent très exactement les corrélations continues observées par les biométriciens dès lors qu’un trait physique est sous-tendu non par un seul gène, mais par l’action conjointe d’un grand nombre de gènes à effets infinitésimaux (l’hypothèse de la polygénie).

S’appuyant sur le théorème central limite, Fisher démontre que la distribution normale d’un trait quantitatif continu dans une population — qu’il s’agisse de la taille d’un être humain ou de son périmètre crânien — est la conséquence mathématique inéluctable de la ségrégation mendélienne d’une multitude de facteurs discrets indépendants influencés par des facteurs environnementaux. C’est dans ce papier historique qu’il introduit pour la première fois le mot même et le concept formel de « variance ». Il opère la décomposition de la variance phénotypique totale ($V_P$) en composantes distinctes et mesurables :

$$V_P = V_A + V_D + V_E$$

où $V_A$ représente la variance génétique additive (directement transmise de parents à enfants), $V_D$ la variance liée aux interactions de dominance allélique au sein d’un même locus, et $V_E$ la variance environnementale non transmissible. En un seul article, le schisme entre mendélisme et biométrie est balayé, fondant sur des bases mathématiques inexpugnables la génétique quantitative moderne.

6.2 L’ouvrage fondamental : ‘The Genetical Theory of Natural Selection’ (1930)

Douze ans après son mémoire séminal, Fisher parachève son édifice théorique en publiant en 1930 son opus magnum de biologie évolutive : The Genetical Theory of Natural Selection. Ce livre magistral marque l’avènement officiel de la Synthèse Évolutive Moderne, unifiant l’écologie darwinienne, la génétique mendélienne des populations et le calcul stochastique. L’ambition de Fisher dans cet ouvrage est grandiose : hisser la théorie de la sélection naturelle au même niveau de certitude mathématique, d’élégance axiomatique et de pouvoir prédictif que les lois de la thermodynamique de Ludwig Boltzmann ou les équations de Maxwell en électromagnétisme.

Au cœur de cet ouvrage résonne ce que Fisher désigne solennellement sous le nom de « Théorème Fondamental de la Sélection Naturelle » :

Le taux d’augmentation de l’adaptation de tout organisme à tout moment est égal à sa variance génétique additive de l’adaptation à ce moment précis.

En termes mathématiques stricts, la vitesse à laquelle une population s’adapte à son environnement par le biais de la sélection naturelle est proportionnelle à la quantité de diversité génétique additive disponible au sein de cette population pour le trait d’adaptation (fitness). Ce théorème, qui a suscité des décennies de débats exégétiques intenses parmi les biologistes de l’évolution (notamment à travers les réinterprétations contemporaines d’Anthony Edwards), se présente comme une véritable loi de conservation et de transformation de l’énergie évolutive, établissant que la variabilité n’est pas un résidu d’erreur biologique, mais le carburant exclusif du progrès adaptatif.

L’ouvrage explore également avec une créativité fulgurante une multiplicité d’autres phénomènes évolutifs jusqu’alors inexpliqués. Fisher y formalise l’équilibre qui porte son nom pour expliquer le ratio de masculinité à la naissance (pourquoi les populations maintiennent un ratio de sexe de 1:1 en dépit d’une mortalité différentielle entre mâles et femelles), montrant qu’il s’agit du résultat d’une sélection de fréquence-dépendance stabilisante opérant sur l’investissement parental. De même, il forge le concept de « sélection sexuelle d’emballement » (Fisherian runaway selection), modélisant mathématiquement comment une préférence esthétique arbitraire chez la femelle pour un attribut masculin extravagant (comme la queue du paon) peut s’auto-renforcer par corrélation génétique entre l’attribut du mâle et la préférence de la femelle jusqu’à atteindre un paroxysme phénotypique flirtant avec les limites de la viabilité écologique de l’espèce.

6.3 Portée pour l’étude des traits comportementaux

L’intégration formelle de la sélection naturelle et du mendélisme dans un cadre quantitatif a eu des répercussions incalculables sur l’émergence de la génétique du comportement et de la psychologie évolutionniste. Avant les travaux de Fisher de 1918 et 1930, toute tentative de conceptualiser l’hérédité des fonctions cognitives ou des traits comportementaux se heurtait à un dilemme insurmontable. D’un côté, le sens commun et les observations cliniques montraient que l’intelligence, la mémoire de travail, l’impulsivité ou l’émotivité ne suivaient en aucune manière un schéma simple de transmission tout-ou-rien conforme aux maladies monogéniques mendéliennes (comme la chorée de Huntington). De l’autre, les modèles pré-fisheriens étaient incapables d’expliquer comment de tels traits continus pouvaient demeurer stables à travers les générations sans subir une érosion fatale de leur variance par dilution des fluides héréditaires.

En démontrant que la polygénie permet à une constellation de loci discrets d’engendrer un continuum parfait d’aptitudes psychologiques tout en préservant intacte la variabilité génétique sous-jacente au fil des générations, Fisher a offert un soubassement mécaniste à la psychologie différentielle. Les traits de personnalité et les capacités cognitives pouvaient désormais être pensés comme le résultat phénotypique d’un paysage génétique hautement complexe où chaque allèle n’exerce qu’une influence marginale, mais dont la sommation matricielle définit la susceptibilité ou le potentiel d’un individu dans un environnement donné.

Ce modèle théorique a constitué la matrice analytique directe sur laquelle reposent l’ensemble des études contemporaines de génétique du comportement, à commencer par les protocoles sur les jumeaux et les enfants adoptés développés dès les années 1930. Les équations de covariance génétique entre apparentés déduites par Fisher dans son mémoire de 1918 ont permis de mesurer formellement à quel point la ressemblance cognitive entre vrais jumeaux (monozygotes) et faux jumeaux (dizygotes) découle des fractions de variance additive partagée ($V_A$) par opposition à l’environnement commun ou non partagé, ouvrant la voie à une exploration quantitative et désenchantée des sources de l’individualité psychologique.

7. La génétique quantitative et les fondements de la psychométrie différentielle

7.1 L’héritabilité des facultés intellectuelles et cognitives

Au cœur de la psychométrie différentielle contemporaine réside le concept d’héritabilité, une métrique directement issue de l’arsenal mathématique forgé par Ronald Fisher. L’héritabilité au sens strict, couramment notée $h^2$, est définie comme la proportion de la variance phénotypique totale d’un trait observée au sein d’une population qui est imputable à la variance génétique additive :

$$h^2 = \frac{V_A}{V_P}$$

Cette grandeur mathématique, comprise entre zéro et un, se distingue formellement de l’héritabilité au sens large ($H^2$), qui inclut l’intégralité des composantes génétiques, y compris la dominance et les effets d’épistasie non linéaires. Appliquée à l’analyse du quotient intellectuel (QI) et des aptitudes cognitives générales, cette formalisation a permis de sortir les débats académiques du marasme idéologique pour les ancrer dans l’estimation paramétrique rigoureuse.

Il est toutefois fondamental de restituer les mises en garde méthodologiques formulées par Fisher lui-même quant à la signification réelle de ce coefficient, mises en garde trop souvent ignorées par des générations de successeurs pressés. Fisher a explicité qu’une héritabilité de $0{,}70$ pour un trait cognitif donné ne signifie nullement que 70 % de l’intelligence d’un individu spécifique soit d’origine génétique et 30 % d’origine environnementale. L’héritabilité est une statistique de population, strictement relative à la distribution de la variance au sein d’un groupe humain spécifique placé dans un contexte environnemental particulier à un instant donné. Si l’environnement d’une population devient parfaitement uniforme (accès identique aux soins, à la nutrition, à l’éducation), la variance environnementale $V_E$ chute vers zéro, faisant mécaniquement grimper le coefficient d’héritabilité $h^2$ vers 100 %, sans que la machinerie biologique des individus n’ait été altérée.

De plus, Fisher a attiré l’attention sur les phénomènes d’appariement préférentiel (assortative mating), c’est-à-dire la tendance des partenaires sexuels humains à ne pas s’accoupler au hasard, mais à se choisir mutuellement sur la base de ressemblances intellectuelles ou phénotypiques. Il a prouvé que cet appariement non aléatoire a pour conséquence mathématique directe d’augmenter la variance génétique additive globale de la population au fil des générations, un mécanisme structurel indispensable pour comprendre pourquoi les scores aux tests de raisonnement logique manifestent une dispersion qui ne s’amortit pas dans les sociétés industrialisées.

7.2 L’analyse discriminante et la classification psychologique

En 1936, confronté à des données taxonomiques complexes collectées par le botaniste Edgar Anderson, Ronald Fisher fait un bond conceptuel qui révolutionne le traitement multivarié des données en publiant un article canonique : The Use of Multiple Measurements in Taxonomic Problems. Dans ce papier, il introduit l’analyse discriminante linéaire (désignée sous l’acronyme LDA, pour Linear Discriminant Analysis), s’appuyant sur le célèbre jeu de données des trois espèces d’iris (Iris setosa, Iris virginica et Iris versicolor). Fisher pose le problème mathématique suivant : comment combiner de manière optimale plusieurs variables quantitatives continues mesurées sur des individus afin de séparer et classer au mieux ces individus en deux ou plusieurs groupes qualitatifs mutuellement exclusifs ?

La solution fisherienne consiste à déterminer une combinaison linéaire des variables observées $X$ :

$$Y = a_1 X_1 + a_2 X_2 + dots + a_p X_p = a^T X$$

qui maximise le rapport entre la variance inter-classes (la dispersion entre les barycentres des différents groupes) et la variance intra-classes (la dispersion des individus autour du centre de gravité de leur propre groupe). En maximisant ce quotient de Rayleigh via le calcul matriciel et la résolution de vecteurs propres, Fisher forge un outil analytique d’une prodigieuse efficacité, capable de réduire la dimensionnalité d’un problème complexe tout en préservant le maximum de pouvoir séparateur statistique.

Dans le domaine de la psychologie clinique et de la psychiatrie expérimentale, l’analyse discriminante linéaire s’est rapidement imposée comme une technologie diagnostique irremplaçable. Elle a permis aux praticiens de dépasser la subjectivité impressionniste des entretiens cliniques traditionnels en projetant les profils psychométriques multidimensionnels des patients (scores aux échelles d’anxiété, mesures psychophysiologiques de conductance cutanée, temps de latence motrice, questionnaires de personnalité) sur un axe canonique discriminant. Les cliniciens pouvaient ainsi calculer la probabilité d’appartenance d’un patient à des catégories nosographiques distinctes (par exemple, distinguer une dépression majeure avec composante psychotique d’une névrose réactionnelle sévère). L’analyse discriminante a tracé la voie directe vers la classification psychiatrique contemporaine assistée par ordinateur et la création de profils de personnalité objectifs au sein des armées et des grandes organisations industrielles.

7.3 Influences sur les théoriciens de la psychométrie

L’empreinte mathématique de Ronald Fisher sur la première génération de théoriciens de la psychométrie s’avère aussi profonde que déterminante, bien qu’elle se soit souvent exercée à travers des voies institutionnelles et conceptuelles médiatisées. Bien que Fisher lui-même ait toujours maintenu une certaine distance condescendante à l’égard des psychologues de son temps — les jugeant parfois insuffisamment armés sur le plan du calcul formel —, ses méthodes et son algèbre linéaire ont nourri les travaux des deux fondateurs majeurs de l’analyse factorielle britannique : Charles Spearman et Cyril Burt.

Spearman, le créateur de la théorie des deux facteurs et de l’intelligence générale (le facteur $g$), s’est intensément nourri des formalismes matriciels développés par Fisher pour calculer la fidélité de ses tests et appréhender la structure des tables d’intercorrélations cognitives. Cyril Burt, successeur de Karl Pearson à la chaire Galton de l’University College de Londres et figure centrale de la psychologie de l’éducation, entretenait des rapports épistolaires soutenus avec Fisher. Burt a directement transplanté l’analyse de variance fisherienne au sein des protocoles d’évaluation scolaire et s’est largement inspiré des modèles de décomposition de la variance génétique de 1918 pour asseoir — non sans controverses méthodologiques ultérieures majeures concernant l’authenticité de ses données empiriques — sa théorie de l’héritabilité massive de l’intelligence humaine.

Au-delà de ces relations individuelles, Fisher a opéré une véritable mutation culturelle dans la manière dont la psychométrie concevait ses échelles de mesure. Par l’introduction des techniques matricielles et des critères de maximum de vraisemblance, il a incité des chercheurs comme Louis Leon Thurstone aux États-Unis à abandonner les simples approches graphiques au profit d’un traitement multivarié rigoureux des aptitudes mentales primaires. La structure même des questionnaires psychologiques modernes, régis par la volonté de maximiser l’information statistique tout en assurant l’orthogonalité factorielle des dimensions de personnalité mesurées (comme dans le modèle du Big Five), porte l’empreinte mathématique indélébile de la géométrie vectorielle fisherienne.

8. Les débats épistémologiques fondateurs : L’affrontement avec Neyman et Pearson

8.1 Nature de l’inférence : Preuve scientifique contre comportement inductif

L’un des chapitres les plus tumultueux et féconds de l’histoire des mathématiques appliquées est sans conteste l’affrontement intellectuel acharné qui a opposé Ronald Fisher à deux mathématiciens de la génération suivante : le théoricien polonais Jerzy Neyman et le statisticien britannique Egon Pearson (fils de Karl Pearson). Ce schisme, qui a éclaté à la fin des années 1920 pour s’étendre sur trois décennies, ne portait pas sur des détails calculatoires secondaires, mais sur la conception philosophique même de la science, de la vérité empirique et de l’essence de l’esprit humain face à l’incertitude.

Neyman et Egon Pearson reprochaient au test de signification de Fisher son manque de base décisionnelle formelle. Ils concevaient l’acte statistique non comme une quête de mesure de la crédibilité inductive d’une découverte, mais comme une règle d’action optimale régissant le comportement sous incertitude — ce que Neyman qualifiait de « comportement inductif » (inductive behavior). Dans leur modèle mathématique, il est impossible de tester une hypothèse nulle sans spécifier explicitement une hypothèse alternative ($H_1$). Dès lors, le chercheur s’expose inéluctablement à deux risques d’erreur : l’erreur de type I ($\alpha$), qui consiste à rejeter à tort $H_0$, et l’erreur de type II ($\beta$), qui consiste à conserver à tort $H_0$ alors que $H_1$ est vraie. La statistique devient une ingénierie décisionnelle visant à minimiser $\beta$ pour un $\alpha$ fixé, un concept matérialisé par la puissance statistique ($1 – \beta$).

Pour Fisher, cette conception relevait d’une hérésie philosophique intolérable, dégradant la science pure au rang d’une banale chaîne de contrôle de qualité manufacturière. Fisher refusait catégoriquement l’introduction obligatoire de l’hypothèse alternative formelle, soutenant que la recherche scientifique fondamentale progresse en explorant des territoires vierges où l’on ignore absolument la forme mathématique que pourrait prendre une vérité concurrente. Pour lui, l’erreur de type II et la puissance statistique étaient des aberrations épistémologiques dénuées de sens dans le laboratoire du chercheur libre : le devoir de l’expérimentateur n’est pas de décider mécaniquement s’il doit agir comme si une hypothèse était vraie, mais d’évaluer quantitativement le poids de la preuve empirique (weight of evidence) que les faits observés portent contre la possibilité du hasard. Fisher a combattu avec une rage inextinguible cette vision cybernétique et décisionnelle de la statistique, la qualifiant de symptôme d’un monde technocratique hostile à la véritable pensée savante.

8.2 Querelles méthodologiques et rivalités institutionnelles

La dispute théorique entre Fisher et l’axe Neyman-Pearson s’est doublée d’une rivalité institutionnelle féroce, alimentée par la rancœur inextinguible que Fisher nourrissait à l’égard de l’ensemble de l’école biométrique londonienne. La première grande fracture avait eu lieu dès les années 1920 avec Karl Pearson au sujet des degrés de liberté du test du chi-deux ($\chi^2$). Pearson soutenait mordicus que le nombre de degrés de liberté devait être égal au nombre total de classes d’observation $k$, ignorant que l’estimation préalable de paramètres à partir de l’échantillon lui-même réduisait mécaniquement ces degrés de liberté à $k – 1 – m$. Fisher démontra mathématiquement que l’approche de Pearson conduisait à sous-estimer systématiquement la signification des écarts, commettant de monumentales erreurs d’interprétation. Blessé dans son orgueil de patriarche, Karl Pearson refusa d’admettre son erreur et utilisa son influence éditoriale dans la revue Biometrika pour censurer et dénigrer les travaux de Fisher.

Lorsque Jerzy Neyman arrive à Londres et s’allie avec Egon Pearson, Fisher, désormais titulaire de la chaire Galton d’eugénisme à l’University College de Londres à partir de 1933 (succédant paradoxalement à son ennemi juré), transforme le département en un bastion assiégé. Les séminaires de la Royal Statistical Society deviennent l’arène de joutes verbales d’une férocité inouïe. Fisher attaque avec une virulence inouïe la théorie des intervalles de confiance formalisée par Neyman en 1937, la dénonçant comme une contrefaçon logicielle inapplicable à l’inférence singulière. Pour contrer Neyman, Fisher s’enferme dans la promotion acharnée de son propre concept : l’inférence fiducielle, une tentative désespérée de dériver une loi de probabilité sur les paramètres sans recourir à un a priori bayésien, tentative dont les ambiguïtés mathématiques finiront par isoler Fisher des mathématiciens les plus rigoureux de son époque.

Cette guerre de tranchées ne s’est pas arrêtée aux portes des laboratoires anglais ; elle a profondément polarisé les cursus universitaires mondiaux. Tandis que Rothamsted et les instituts agricoles et biologiques d’Amérique du Nord (emmenés par Snedecor en Iowa) diffusaient l’évangile fisherien de l’ANOVA et du plan d’expérience, les départements de mathématiques pures et les centres de recherche opérationnelle (comme le département de statistique fondé par Neyman à Berkeley) embrassaient la vision mathématique formaliste et décisionnelle de l’école de Neyman-Pearson. Ce déchirement a laissé des cicatrices structurelles dans la pédagogie de la statistique, dont les effets se font encore sentir aujourd’hui.

8.3 L’impact sur la posture du chercheur en psychologie

Pour le chercheur en psychologie et en sciences comportementales, cette guerre de religion mathématique n’a pas été sans conséquences désastreuses sur la posture méthodologique au quotidien. Confrontés à une littérature méthodologique déchirée entre deux dogmes incompatibles, les auteurs de manuels destinés aux étudiants en sciences humaines ont choisi la voie de la capitulation intellectuelle : ils ont dissimulé les différends sous un vernis d’éclectisme superficiel, enseignant aux futurs psychologues une procédure de routine dénuée de toute cohérence logique.

Il en résulte une confusion conceptuelle permanente dans l’esprit du psychologue expérimentateur moderne. L’erreur la plus répandue consiste à formuler formellement une hypothèse alternative substantive ($H_1$) — issue de Neyman-Pearson —, tout en calculant une simple valeur $p$ de Fisher sous $H_0$, et à conclure triomphalement que si $p < 0{,}05$, l’hypothèse alternative$H_1$ est confirmée comme prouvée. Or, du point de vue de la logique fisherienne, une faible valeur $p$ démontre uniquement l’invraisemblance du modèle nul, et en aucune façon la véracité spécifique de l’hypothèse théorique que le chercheur chérit dans son cœur, car une infinité d’autres hypothèses alternatives non testées pourraient tout aussi bien rendre compte de l’écart observé.

Cette confusion permanente entre « rejeter l’hypothèse nulle » et « valider la théorie causale » a instillé dans la recherche clinique et comportementale un confort illusoire et une arrogance méthodologique préjudiciable. Des décennies d’étudiants ont été formés à voir la statistique comme une machine inquisitoire automatique qui les dispenserait de penser le lien théorique substantiel entre leurs concepts et leurs opérations de mesure. Ce n’est qu’au cours des deux dernières décennies, sous la pression de la crise méthodologique et grâce aux efforts de pédagogues engagés pour la clarification épistémologique, que la recherche en sciences humaines commence enfin à redécouvrir la nécessité de distinguer clairement le modèle de preuve inductive de Fisher du modèle d’action rationnelle de Neyman et Pearson.

9. L’engagement eugéniste de Fisher et la psychologie des populations

9.1 L’eugénisme scientifique selon Fisher : Théorie et convictions

Il est strictement impossible d’appréhender la trajectoire intellectuelle et l’œuvre monumentale de Ronald Fisher sans se confronter directement à son engagement indéfectible, passionné et central en faveur de l’eugénisme. Loin de constituer un passe-temps accessoire ou une simple concession à l’esprit d’une époque marquée par l’impérialisme victorien finissant, l’eugénisme représentait pour Fisher le cœur palpitant de son moteur philosophique, la fin ultime pour laquelle la statistique mathématique et la génétique mendélienne n’étaient que des moyens instrumentaux. Dès ses années estudiantines à Cambridge, Fisher cofonde en 1911 la Cambridge University Eugenics Society, affiliée à l’Eugenics Education Society de Londres, dont il deviendra l’un des idéologues les plus actifs tout au long de son existence, sous le parrainage spirituel de Leonard Darwin, le fils de Charles Darwin, avec lequel il entretiendra une profonde amitié filiale.

La pensée eugéniste de Fisher s’enracine dans une lecture démographique et sociologique angoissée de l’histoire des civilisations humaines, développée dans les cinq derniers chapitres de son grand œuvre de 1930, The Genetical Theory of Natural Selection. Fisher y expose une théorie générale de la décadence des empires, affirmant que toutes les grandes civilisations passées — de la Grèce antique à Rome — se sont effondrées non pas sous les coups d’invasions militaires extérieures, mais en raison d’un phénomène de pourrissement biologique interne causé par ce qu’il identifie comme un « gradient de fertilité différentielle inversé » :

• Les classes sociales intellectuellement et professionnellement supérieures voient leur taux de natalité s’effondrer en raison d’une régulation volontaire de la taille de leurs familles à des fins de mobilité économique.
• Inversement, les classes sociales défavorisées, les indigents et les populations qu’il juge mentalement inaptes maintiennent une fécondité débridée.

Fisher postule que la sélection sociale favorise l’infécondité, car dans une société individualiste, les couples ayant peu ou pas d’enfants peuvent investir davantage de ressources économiques pour hisser leur progéniture vers les sommets de l’échelle sociale. Il en résulte, selon lui, une sélection naturelle perverse où les allèles favorisant l’ambition intellectuelle et l’énergie créatrice s’éteignent inexorablement avec les élites qui les portent, tandis que le potentiel génétique moyen de la nation décline irrémédiablement vers la médiocrité biologique.

Pour enrayer ce qu’il percevait comme une catastrophe imminente pour la civilisation britannique, Fisher ne préconisait pas des mesures purement coercitives, mais un vaste programme d’ingénierie socio-économique eugéniste positive. Il militait ardemment pour l’instauration par l’État d’un système d’allocations familiales universelles dont le montant ne devait pas être forfaitaire, mais strictement proportionnel aux revenus professionnels des parents. L’objectif avoué de cette mesure était d’alléger le fardeau financier de la paternité pour les classes supérieures et l’élite intellectuelle, stimulant ainsi leur taux de reproduction, tout en évitant d’octroyer une incitation économique à la reproduction des classes laborieuses ou assistées.

9.2 Intersection entre eugénisme, génétique et traits psychiques

L’originalité et la puissance de conviction de Fisher dans le mouvement eugéniste résidaient dans sa capacité unique à traduire l’intuition idéologique de Francis Galton dans le langage formalisé de la génétique quantitative moderne. Fisher était intimement convaincu que les facultés mentales humaines — qu’il s’agisse de l’intelligence abstraite, de la propension au travail acharné, de la créativité scientifique ou, à l’inverse, du caractère moral défaillant, de la paresse et de la délinquance — constituaient des traits phénotypiques d’une héritabilité massive, directement soumis aux lois de la transmission mendélienne polygénique.

Cette conviction l’a conduit à déployer son génie statistique pour concevoir des enquêtes de biométrie humaine sur les populations marginalisées ou diagnostiquées comme mentalement déficientes (les « feebleminded » de la nomenclature britannique de l’entre-deux-guerres). Fisher considérait que l’environnement éducatif ou les conditions matérielles d’existence ne constituaient qu’un vernis superficiel, incapable de modifier substantiellement le potentiel intrinsèque scellé dans le génome de l’individu. En conséquence, les politiques de réformes sociales, d’éducation universelle ou d’assistance publique étaient jugées par lui comme de dangereuses chimères humanitaires qui ne faisaient qu’aggraver la dégradation du patrimoine génétique de l’espèce en neutralisant la sélection naturelle épuratrice.

Cette position intellectuelle culmina dans son implication active au sein du comité de l’Eugenics Society chargé de conseiller la commission gouvernementale Brock sur la stérilisation volontaire au début des années 1930. Fisher rédigea d’importants mémoires statistiques démontrant que la stérilisation des porteurs de tares mentales congénitales, même si elle n’éliminait pas rapidement les allèles récessifs dispersés au sein de la population générale, permettrait de réduire substantiellement et immédiatement le nombre d’inaptes de première génération issus de parents affectés. Il prêtait sa caution mathématique prestigieuse à des politiques qui, bien que qualifiées de « volontaires » dans les projets de loi britanniques, reposaient sur une stigmatisation sociologique impitoyable des franges les plus vulnérables de la société victorienne.

9.3 Examen critique et déconstruction contemporaine

Avec le recul historique et l’effroi provoqué par les atrocités du régime nazi qui poussa la logique eugéniste jusqu’à l’horreur concentrationnaire, la posture idéologique de Ronald Fisher a fait l’objet d’un réexamen éthique et historiographique sévère mais indispensable. L’un des épisodes les plus révélateurs de sa surdité politique et de son aveuglement idéologique survient en 1950, au lendemain de la Seconde Guerre mondiale, lors des débats organisés par l’UNESCO pour élaborer une déclaration solennelle déclarant l’inanité scientifique du concept de race et réaffirmant l’égalité fondamentale de l’espèce humaine. Fisher fut l’une des rares voix scientifiques éminentes à refuser catégoriquement de signer la première version de cette déclaration. Dans ses remarques écrites, il soutenait que les groupes humains s’étaient différenciés génétiquement au fil des millénaires sous l’action de la sélection naturelle, et qu’il était scientifiquement prématuré de nier l’existence de différences innées et substantielles entre les races humaines quant à leurs facultés intellectuelles et émotionnelles.

Ce constat historique tragique impose à l’épistémologie contemporaine un effort impératif de déconstruction et de clarification méthodologique :

• D’une part, il est impossible de nier que l’eugénisme a servi de catalyseur intellectuel direct à la découverte de théorèmes statistiques majeurs (la partition de la variance, la corrélation entre apparentés et la formalisation de la polygénie sont nées du désir de quantifier l’hérédité humaine).
• D’autre part, la validité mathématique d’un théorème ou la rectitude logique d’un plan d’expérience sont totalement indépendantes de l’idéologie politique et des préjugés moraux de son découvreur. La distribution $F$ et la méthode du maximum de vraisemblance ne sont ni eugénistes ni répressives ; ce sont des structures logiques objectives qui fonctionnent avec la même rigueur lorsqu’elles sont utilisées pour tester un médicament salvateur contre le paludisme ou pour cartographier les inégalités sociales créées par les politiques néolibérales.

Ces dernières années, ce passé encombrant a suscité des débats institutionnels houleux dans les universités britanniques. Le Gonville and Caius College de Cambridge a ainsi pris la décision hautement symbolique en 2020 de retirer un vitrail commémoratif célébrant le carré latin de Fisher en raison de son passé eugéniste, tandis que des sociétés savantes ont débaptisé des prix portant son nom. Cette prise de conscience contemporaine ne doit pas conduire à l’amnésie ou à l’effacement commode de l’histoire, mais au contraire à une analyse lucide de la manière dont la science la plus pure et la plus novatrice peut s’articuler aux préjugés sociaux les plus violents de son époque, rappelant à la communauté des chercheurs que la rigueur méthodologique ne dispense jamais de la responsabilité morale.

10. La controverse tardive sur le tabac : Limites méthodologiques et causalité

10.1 La contestation du lien de causalité entre tabagisme et cancer du poumon

Au crépuscule de son existence, au cours des années 1950, Ronald Fisher s’engage dans une ultime controverse publique qui va porter un coup sévère à son autorité scientifique et susciter la stupéfaction de la communauté biomédicale mondiale. Alors que les épidémiologistes britanniques Richard Doll et Austin Bradford Hill publient dans le British Medical Journal leurs études cas-témoins puis prospectives révolutionnaires démontrant un lien massif, reproductible et statistiquement écrasant entre la consommation de cigarettes et l’explosion de l’incidence du cancer bronchique primitif, Fisher prend la plume pour contester méthodologiquement et publiquement la validité de leurs conclusions.

Dans une série de lettres vitrioliques publiées dans Nature et dans divers quotidiens, ainsi que dans un petit pamphlet récapitulatif édité en 1959 sous le titre Smoking: The Cancer Controversy, Fisher dénonce avec une agressivité intacte ce qu’il considère comme une panique morale et une régression méthodologique majeure de la science médicale. Son angle d’attaque est purement logique et s’appuie sur le mantra classique de l’épistémologie dont il avait été l’un des plus ardents promoteurs : « Corrélation n’est pas causalité ». Fisher accuse Doll et Hill d’avoir violé les principes fondamentaux de la démarche scientifique en inférant un rapport de cause à effet à partir de simples données d’observation observationnelles non randomisées.

Pour le père de The Design of Experiments, il n’existe qu’un seul et unique chemin royal vers l’établissement irréfutable de la causalité dans l’univers empirique : l’essai clinique randomisé contrôlé avec attribution aléatoire du traitement. Fisher souligne avec une ironie mordante que tant qu’on n’aura pas tiré au sort une vaste cohorte de nourrissons pour les contraindre à fumer un paquet de cigarettes par jour pendant cinquante ans tout en assignant un groupe témoin strictement abstinent pour la même durée, l’affirmation selon laquelle inhaler la fumée de tabac cause directement les tumeurs pulmonaires relève de la simple conjecture non démontrée mathématiquement. Bien que la remarque soit techniquement inattaquable du point de vue de l’orthodoxie randomisée pure, elle témoignait d’une cécité dramatique face à l’impossibilité éthique absolue d’un tel protocole chez l’être humain.

10.2 L’hypothèse constitutionnelle et génétique

Ne se contentant pas de pointer la fragilité formelle des études observationnelles, Fisher formule une hypothèse alternative substantive pour expliquer l’association statistique indéniable entre tabac et pathologie : l’hypothèse d’un troisième facteur confondant sous-jacent, d’origine constitutionnelle et génétique. Selon lui, il est tout à fait plausible qu’il existe une prédisposition génétique complexe partagée qui régule simultanément deux phénotypes distincts : d’une part une vulnérabilité biologique intrinsèque du tissu pulmonaire au développement cellulaire anarchique, et d’autre part une structure de personnalité particulière, une composante névrotique ou un besoin d’apaisement dopaminergique qui pousse précocement et irrésistiblement l’individu vers l’accoutumance au tabac.

Dans ce scénario génétique alternatif, l’acte de fumer n’est nullement la cause efficiente de la maladie, mais un simple épiphénomène, un marqueur symptomatique superficiel d’une constitution biologique fragilisée de l’intérieur par son patrimoine héréditaire. Pour appuyer cette thèse, Fisher se lance dans l’analyse de données récoltées sur des paires de jumeaux en Allemagne et en Grande-Bretagne. Il démontre avec un certain éclat mathématique que la concordance des habitudes tabagiques (le fait d’être tous deux fumeurs ou tous deux non-fumeurs) est significativement plus élevée chez les jumeaux monozygotes (partageant 100 % de leur génome) que chez les jumeaux dizygotes (partageant en moyenne 50 % de leurs allèles), suggérant que le comportement tabagique dépend de facteurs génétiques innés :

Fort de ces calculs, Fisher soutient avec aplomb que les politiques de santé publique criminalisant le tabac reposent sur des bases scientifiques biaisées et trompent l’opinion publique sur l’origine des pathologies somatiques.

Cette polémique a suscité un trouble profond chez ses contemporains, d’autant plus que l’on découvrit plus tard que Fisher avait reçu, à partir de 1956, des financements de recherche et des honoraires substantiels de consultant scientifique auprès du Tobacco Manufacturers’ Standing Committee (TMSC), le consortium des industriels britanniques de la cigarette. Bien que ses biographes, notamment sa fille Joan Fisher Box, aient toujours soutenu avec fermeté que son engagement était guidé par ses convictions méthodologiques viscérales et son amour de la controverse plutôt que par la vénalité, cette compromission institutionnelle jette une ombre troublante sur sa clairvoyance scientifique et illustre comment la science la plus sophistiquée peut être instrumentalisée pour retarder des régulations sanitaires vitales.

10.3 Enseignements pour la méthodologie des sciences du comportement

L’épisode du tabac n’en demeure pas moins, sur le plan épistémologique, un cas d’école fascinant qui a puissamment contribué à la maturation de l’inférence causale moderne. L’intransigeance outrancière de Fisher a paradoxalement forcé les épidémiologistes et les méthodologues des sciences du comportement à affûter leurs concepts et à inventer des critères rationnels permettant d’inférer la causalité sans recourir nécessairement à l’expérimentation randomisée impossible ou immorale.

C’est précisément en réponse aux objections fisheriennes que Sir Austin Bradford Hill a formulé en 1965 ses fameux neuf critères de causalité (force de l’association, constance des résultats à travers des populations diverses, spécificité, temporalité stricte, gradient biologique dose-réponse, plausibilité biologique, cohérence globale, preuve expérimentale analogue et réversibilité après arrêt de l’exposition). Les épidémiologistes ont démontré que lorsque des fumeurs réguliers multiplient par vingt ou trente leur risque de contracter une maladie par rapport aux non-fumeurs, et que ce risque décline de moitié après dix ans de sevrage tabagique, l’hypothèse d’une variable confondante génétique devient mathématiquement intenable, car elle exigerait un facteur biologique d’une puissance inconcevable qui n’aurait laissé aucune autre trace dans le génome humain.

Pour les sciences du comportement, où les manipulations expérimentales parfaites se heurtent continuellement à des barrières éthiques ou techniques (on ne peut pas randomiser la pauvreté, le divorce des parents, la maltraitance infantile ou l’anxiété chronique), la controverse du tabac a constitué un aiguillon majeur pour le développement des modèles d’équations structurelles, de la régression sur discontinuité, des variables instrumentales et des graphes causaux formalisés à la fin du siècle par Judea Pearl. Les chercheurs ont appris qu’il ne suffit pas d’agiter dogmatiquement le spectre de la randomisation manquante pour disqualifier une régularité empirique : il convient de mobiliser des triangulations méthodologiques sophistiquées pour délimiter les contours du vrai dans la complexité du monde observable.

11. L’héritage de Fisher dans la psychologie cognitive et neuroscientifique contemporaine

11.1 Omniprésence des protocoles factoriels en imagerie cérébrale

À l’aube du XXIe siècle, l’essor vertigineux des neurosciences cognitives et de l’imagerie par résonance magnétique fonctionnelle (IRMf) a conféré une jeunesse et une actualité inattendues aux concepts forgés par Ronald Fisher près d’un siècle plus tôt. Loin d’être caduc, le modèle linéaire général et l’analyse de variance matricielle constituent le moteur logiciel et logique absolu de la neuro-imagerie computationnelle moderne. Des progiciels de référence mondiale tels que Statistical Parametric Mapping (SPM) ou FSL, utilisés par des milliers de laboratoires à travers le globe pour cartographier le fonctionnement de l’esprit humain, ne sont rien d’autre que des implémentations massives, automatisées et parallélisées de l’ANOVA fisherienne à l’échelle de centaines de milliers de voxels cérébraux tridimensionnels.

Dans une expérience typique d’IRMf, un sujet humain allongé dans un tunnel magnétique est soumis à des blocs de conditions sensorielles ou cognitives alternées de façon randomisée. Pour chaque petit cube millimétrique de tissu cérébral (le voxel), l’ordinateur décompose la variation du signal d’oxygénation sanguine (BOLD) en composantes indépendantes : l’effet principal de la tâche $A$, l’effet de la modalité sensorielle $B$, leur terme d’interaction croisé $A \times B$, et la variance de bruit résiduelle issue des mouvements du sujet ou des battements cardiaques. La fameuse carte d’activation cérébrale aux couleurs éclatantes affichée sur les écrans des neuroscientifiques n’est rien d’autre qu’une projection graphique d’une nappe continue de statistiques $F$ ou $t$ de Student fisheriennes franchissant un seuil de significativité statistique déterminé.

L’héritage fisherien s’illustre avec encore plus de force dans la gestion mathématique du vertigineux problème des comparaisons multiples inhérent à ces technologies. Face aux dizaines de milliers de voxels testés simultanément, le seuil naïf de $p < 0{,}05$ génère mécaniquement des milliers de fausses activations par le simple fait du hasard (le fameux écueil des « faux positifs » illustré avec provocation en 2009 par l'expérience humoristique du saumon mort affichant des activations neurales sous IRMf). Pour surmonter cet obstacle, les neuroscientifiques recourent aux théories des champs aléatoires gaussiens et au contrôle du taux de fausses découvertes (FDR), extensions directes et sophistiquées de la logique des contrastes orthogonaux et des corrections d'erreur postulées par Fisher pour préserver la validité interne des découvertes sans étouffer la puissance statistique.

11.2 La psychométrie computationnelle et la théorie de l’information

Dans le domaine de la psychométrie contemporaine et de l’évaluation adaptative des fonctions cognitives, le concept d’information de Fisher a trouvé un champ d’application dont l’inventeur n’aurait sans doute pas soupçonné l’ampleur. La psychométrie computationnelle moderne a presque intégralement abandonné la théorie classique des tests fondée sur le score total brut au profit de la Théorie des Réponses aux Items (TRI). Au cœur des algorithmes de testing adaptatif informatisé (Computerized Adaptive Testing, ou CAT), que l’on retrouve aussi bien dans les grandes évaluations internationales comme le PISA que dans les examens standardisés tels que le GRE, règne en maître le calcul en temps réel de l’information de Fisher.

Le principe de ces algorithmes est d’une remarquable élégance mathématique :

1. Le système informatique présente au candidat un premier item de difficulté moyenne et calcule, via la méthode du maximum de vraisemblance, une première estimation provisoire de son aptitude latente $\hat{\theta}$.
2. Pour sélectionner la question suivante, l’ordinateur ne pioche pas au hasard dans une banque d’items préétablie, mais calcule la fonction d’information de Fisher $I_j(\hat{\theta})$ pour chaque question disponible dans sa base de données.
3. Le logiciel sélectionne et affiche automatiquement l’item précis qui maximise la quantité d’information de Fisher pour le niveau exact d’aptitude estimé du candidat.

Ce processus itératif permet de réduire la variance d’erreur d’estimation au rythme le plus rapide mathématiquement possible, permettant d’évaluer le niveau intellectuel ou clinique d’un patient avec une fidélité maximale en lui posant moitié moins de questions qu’un test sur support papier classique.

De surcroît, la résurgence contemporaine des approches bayésiennes en psychologie computationnelle n’a nullement éclipsé les constructions fisheriennes. Bien au contraire, les modèles les plus avancés de réseaux de neurones artificiels et les architectures d’apprentissage machine appliquées au diagnostic comportemental intègrent massivement des métriques d’information de Fisher sous forme de matrices de courbure de Hessian ou d’espaces riemanniens (l’information geometry formalisée par Shun-ichi Amari). L’estimation paramétrique fisherienne sert de socle de convergence pour les algorithmes d’optimisation stochastique, prouvant que sa formalisation de la vraisemblance demeure l’épine dorsale sur laquelle s’échafaude l’intelligence artificielle appliquée à la modélisation des processus cognitifs complexes.

11.3 La réponse contemporaine aux dérives de l’usage des statistiques fisheriennes

Face à la déferlante de remises en question méthodologiques qui a ébranlé la psychologie expérimentale et la médecine comportementale au cours de la dernière décennie — crise caractérisée par l’échec de la réplication directe de protocoles historiques célébrés —, l’héritage de Fisher se trouve paradoxalement revitalisé à travers une redécouverte scrupuleuse de ses préceptes initiaux. Nombre de méthodologues contemporains soulignent que la crise actuelle n’a pas été provoquée par les statistiques de Fisher, mais par leur falsification systématique et leur déconnexion d’avec les principes rigoureux du plan d’expérience édictés dans ses traités de 1925 et 1935.

Le mouvement mondial de la Science Ouverte (Open Science), qui promeut le pré-enregistrement obligatoire des hypothèses et des plans d’analyse expérimentaux (Preregistration et Registered Reports), constitue une résurrection directe de l’esprit fisherien authentique. En contraignant les chercheurs à figer publiquement la règle d’attribution des sujets, la taille de l’échantillon, la méthode d’échantillonnage et les contrastes factoriels envisagés avant de débuter la collecte des données empiriques, le pré-enregistrement coupe court à toutes les dérives opportunistes du p-hacking et de l’arrêt sélectif de recueil des mesures. L’analyse statistique retrouve ainsi sa vocation première : falsifier honnêtement un modèle théorique préétabli et non fournir une parure mathématique séduisante à des intuitions forgées a posteriori (HARKing, pour Hypothesizing After the Results are Known).

De même, le débat séculaire entre l’orthodoxie fréquentiste et l’inférence bayésienne tend aujourd’hui vers une réconciliation pragmatique au sein de la psychologie empirique. L’évaluation continue de l’évidence empirique, prônée jadis par Fisher à travers sa vision fluide de la vraisemblance, trouve un écho salutaire dans le calcul des facteurs de Bayes (Bayes Factors), qui permettent aux chercheurs de quantifier non seulement le rejet de l’hypothèse nulle, mais aussi, ce que le test de signification classique ne permettait pas, le soutien empirique positif en faveur de l’absence d’effet. Débarrassée des anathèmes doctrinaires du passé, la boîte à outils statistique contemporaine consacre Ronald Fisher non comme un oracle infaillible et figé dans le marbre, mais comme l’initiateur génial d’une dynamique de réflexivité perpétuelle au cœur de l’entreprise scientifique vivante.

12. Évaluation critique et statut épistémologique de l’œuvre de Ronald Fisher

12.1 La synthèse d’une révolution intellectuelle sans précédent

En embrassant du regard l’immensité de l’œuvre produite par Ronald Aylmer Fisher sur près d’un demi-siècle de production scientifique ininterrompue, l’historien des idées ne peut qu’être frappé par l’ampleur titanesque de son impact sur la trajectoire de l’esprit humain. Fisher n’a pas simplement enrichi le répertoire des mathématiques appliquées d’une poignée de théorèmes ingénieux ; il a littéralement orchestré une mutation ontologique de la méthode scientifique elle-même, opérant l’unification conceptuelle définitive entre l’abstraction pure du formalisme probabiliste et la matérialité concrète du protocole d’observation expérimental.

Avant lui, les sciences du vivant et les sciences de l’homme étaient captives d’une dichotomie paralysante : d’un côté, un idéalisme mécaniste déterministe qui refusait de voir dans la variation autre chose qu’un résidu accidentel et gênant de la matière ; de l’autre, un empirisme naïf incapable de dépasser la compilation descriptive de données locales et contingentes. Fisher a brisé cette prison épistémologique en démontrant que la variation, loin d’être un écran de fumée obstruant le regard du savant, constitue la clef de voûte de la compréhension de la nature. En inventant la statistique de l’échantillonnage fini, la variance décomposée et le plan d’expérience randomisé, il a armé l’humanité d’une lunette astronomique d’un genre nouveau, permettant de scruter les profondeurs de l’invisible biologique et psychologique à travers le filtre mathématique de la dispersion probabiliste.

Il est indéniable que Ronald Fisher mérite d’être hissé, aux côtés d’Albert Einstein pour la physique et de Charles Darwin pour la biologie, au panthéon restreint des architectes majeurs de la science du vingtième siècle. Par son génie synthétique, la génétique est devenue la science exacte de l’information évolutive, l’agronomie s’est transformée en une industrie technologique rationnelle, et la psychologie a conquis son autonomie et sa dignité méthodologique en se dotant d’une grammaire quantitative universellement partageable. Quiconque entreprend aujourd’hui d’administrer une enquête clinique, de tester un vaccin ou de mesurer un trait d’apprentissage mental marche inconsciemment dans les pas géométriques tracés jadis par le mathématicien londonien dans son bureau spartiate de Rothamsted.

12.2 Tensions épistémologiques non résolues dans sa pensée

Cette grandeur monumentale ne saurait toutefois dissimuler les failles profondes, les apories méthodologiques et les paradoxes déroutants qui ont jalonné et fragilisé la pensée de Ronald Fisher. L’une des faillites les plus manifestes de son édifice intellectuel demeure son acharnement solitaire à vouloir imposer sa théorie des « probabilités fiducielles ». Conçue dans les années 1930 pour contourner à la fois l’arbitraire des distributions a priori de Bayes et la technicité opérationnelle froide des intervalles de confiance de Neyman, l’inférence fiducielle promettait d’extraire une loi de probabilité rigoureuse sur un paramètre directement à partir de la fonction de vraisemblance, sans assise probabiliste préalable. Malgré des trésors de dialectique et des trésors d’obstination, cette construction mathématique bancale s’est heurtée à des contradictions insolubles dès lors qu’elle était appliquée à plus d’un paramètre simultané, s’attirant le rejet quasi unanime des mathématiciens contemporains et de ses propres disciples les plus fidèles.

De même, l’attitude de Fisher à l’égard de sa propre métrique de la valeur $p$ témoigne d’une tension épistémologique constitutive de sa méthode inductive. En concevant le test de signification comme un mouvement purement déductif visant à mesurer le degré de discordance entre des données empiriques et un modèle nul théorique, Fisher a laissé dans un flou théorique permanent le saut inductif formel permettant de conclure rationnellement à l’existence d’une loi de la nature. Sa répugnance viscérale à intégrer formellement les concepts de coût d’erreur, de probabilité alternative et de puissance statistique — qui faisaient le sel du modèle décisionnel de Jerzy Neyman — a privé son approche d’une assise solide pour gérer les décisions pratiques dans un monde saturé d’incertitude matérielle.

Enfin, le décalage abyssal entre la pureté de sa rigueur analytique dans le maniement des équations et la virulence passionnée de ses aveuglements idéologiques personnels jette une lumière tragique sur la condition du savant. Qu’il s’agisse de son plaidoyer eugéniste pour la préservation de la caste génétique dominante de la société victorienne ou de son combat contestataire acharné contre les preuves accumulées de la toxicité cancérigène du tabac, Fisher a parfois travesti sa prodigieuse dialectique méthodologique pour barricader ses propres préjugés socio-philosophiques. Ces dérives démontrent avec une force singulière que la maîtrise suprême des instruments de mesure statistique ne protège en rien son possesseur contre les tentations de l’hubris intellectuelle et les passions irrationnelles de son temps.

12.3 L’actualité de Fisher pour le psychologue chercheur du XXIe siècle

Quelle leçon essentielle le psychologue, le neuroscientifique et l’expérimentateur du XXIe siècle doivent-ils alors retenir de l’héritage vivant de Sir Ronald Fisher ? Certainement pas la récitation d’un dogme procédural fossilisé ni l’application automatique d’une liturgie d’astérisques signalant une significativité à $p < 0{,}05$ au bas de tableaux de données illisibles. L'enseignement le plus lumineux et le plus fécond de Fisher réside au contraire dans une injonction indomptable à l'esprit critique, à l'exigence géométrique et au refus absolu de toute facilité paresseuse dans la conception du recueil de l'observation.

Face au défi contemporain du déluge de méga-données (Big Data), où des algorithmes d’apprentissage aveugles explorent opportunistement des téraoctets de corrélations fallacieuses sans modèle théorique directeur, l’injonction fisherienne résonne comme un avertissement d’une éclatante actualité. Fisher nous rappelle qu’une montagne de données massives collectées sans plan d’expérience randomisé, sans identification préalable des unités de blocage et sans contrôle local rigoureux ne produit que du bruit amplifié et des illusions d’optique habillées de science. La validité d’une découverte ne repose pas sur le volume brut d’octets emmagasinés dans un serveur, mais sur la qualité de l’architecture logique qui préside à l’épreuve de l’hypothèse.

Pour la formation des jeunes chercheurs en sciences humaines, l’immersion historique dans les fondations fisheriennes constitue l’antidote absolu contre l’aliénation instrumentale. En comprenant pourquoi et comment l’analyse de variance a été géométriquement façonnée pour percer le mystère des parcelles de terre agricole, l’étudiant en psychologie cesse de considérer le logiciel d’analyse comme une boîte noire ésotérique dictant ses sentences arbitraires. Il redevient l’artisan lucide et responsable de son protocole, capable de penser l’erreur comme l’alliée suprême de la découverte, et de faire revivre, au cœur de la science ouverte et reproductible de demain, l’exigence intellectuelle sans compromis de celui qui fut, par son audace formelle, le géomètre souverain de l’incertain.

Références

• Box, J. F. (1978). R. A. Fisher: The Life of a Scientist. John Wiley & Sons. https://www.wiley.com/en-us/R+A+Fisher%3A+The+Life+of+a+Scientist-p-9780471093008
• Doll, R., & Hill, A. B. (1950). Smoking and carcinoma of the lung: Preliminary report. British Medical Journal, 2(4682), 739–748. https://doi.org/10.1136/bmj.2.4682.739
• Edwards, A. W. F. (1992). Likelihood (Expanded ed.). Johns Hopkins University Press. https://jhupbooks.press.jhu.edu/title/likelihood
• Fisher, R. A. (1912). On an absolute criterion for fitting frequency curves. Messenger of Mathematics, 41, 155–160. https://digital.library.adelaide.edu.au/dspace/handle/2440/15077
• Fisher, R. A. (1918). The correlation between relatives on the supposition of Mendelian inheritance. Transactions of the Royal Society of Edinburgh, 52(2), 399–433. https://doi.org/10.1017/S008045680001216X
• Fisher, R. A. (1922). On the mathematical foundations of theoretical statistics. Philosophical Transactions of the Royal Society of London. Series A, 222(594-604), 309–368. https://doi.org/10.1098/rsta.1922.0009
• Fisher, R. A. (1925). Statistical Methods for Research Workers. Oliver and Boyd. https://digital.library.adelaide.edu.au/dspace/handle/2440/15224
• Fisher, R. A. (1930). The Genetical Theory of Natural Selection. Clarendon Press. https://doi.org/10.5962/bhl.title.27468
• Fisher, R. A. (1935). The Design of Experiments. Oliver and Boyd. https://digital.library.adelaide.edu.au/dspace/handle/2440/15225
• Fisher, R. A. (1936). The use of multiple measurements in taxonomic problems. Annals of Eugenics, 7(2), 179–188. https://doi.org/10.1111/j.1469-1809.1936.tb02137.x
• Fisher, R. A. (1955). Statistical methods and scientific induction. Journal of the Royal Statistical Society: Series B (Methodological), 17(1), 69–78. https://doi.org/10.1111/j.2517-6161.1955.tb00180.x
• Fisher, R. A. (1959). Smoking: The Cancer Controversy. Some Attempts to Assess the Evidence. Oliver and Boyd. https://digital.library.adelaide.edu.au/dspace/handle/2440/15234
• Gigerenzer, G. (2004). Mindless statistics. The Journal of Socio-Economics, 33(5), 587–606. https://doi.org/10.1016/j.socec.2004.09.033
• Hill, A. B. (1965). The environment and disease: Association or causation? Proceedings of the Royal Society of Medicine, 58(5), 295–300. https://doi.org/10.1177/003591576505800503
• Neyman, J., & Pearson, E. S. (1933). On the problem of the most efficient tests of statistical hypotheses. Philosophical Transactions of the Royal Society of London. Series A, 231(694-706), 289–337. https://doi.org/10.1098/rsta.1933.0009
• Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press. https://doi.org/10.1017/CBO9780511803161
• Provine, W. B. (1971). The Origins of Theoretical Population Genetics. University of Chicago Press. https://press.uchicago.edu/ucp/books/book/chicago/O/bo5957018.html
• Salsburg, D. (2001). The Lady Tasting Tea: How Statistics Revolutionized Science in the Twentieth Century. W. H. Freeman and Company. https://us.macmillan.com/books/9780805071344/theladytastingtea
• Stigler, S. M. (1986). The History of Statistics: The Measurement of Uncertainty before 1900. Harvard University Press. https://www.hup.harvard.edu/catalog.php?isbn=9780674403413
• Stigler, S. M. (2016). The Seven Pillars of Statistical Wisdom. Harvard University Press. https://doi.org/10.4159/9780674970472