TABLE MATIERES

DES

PRÉFACE REPRISE D'EMILE BOREL 4

LE HASARD DÉCELÉ

La vision probabiliste de Laplace, Bernard Bru 8

Du hasard bénin au hasard sauvage, Benoît Mandelbrot 12

La répartition des étoiles et des galaxies, J. Silk, A. Szalayet Y Zel'dovich 18

Les fluctuations primordiales de l'Univers, Laurent Nottale 28

L'évolution de ta vie sur Terre, StephenJay Gould 30

Au hasard des rencontres, André Langaney 38

Le hasard matrimonial, Hervé Lebras 42

Le hasard trouve... bien les choses,JeanJacques 48

LE HASARD EVALUÉ

La loi normale, reine des statistiques, Aimé Fuchs 54

Le mouvement brownien et la théorie du potentiel, R. Hersh,R. Griego 60
Les suites aléatoires, Gregory Chaitin 68

L'espérance mathématique, Jean-Paul Delahaye 76

Les turpitudes du joueur 81

Les probabilités géométriques, Roger Cuculière 82

Les hasards simulés, Alexander Dewdney 88

LE HASARD MAITRISÉ

Les marchés aléatoires, J.-P.Bouchaud et C. Walter 92

Une stratégie aléatoire surprenante, Ian Stewart 96

Le paradoxe de Stein, B. Efron, C. Mords 100

Florence Nightingale, infirmière et statistidenne, Bemard Cohen 110

L'épidémiologiste traque le hasard, Daniel Schwartz 116

L'évaluation et la gestion des risques, GrangerMorgan 120

Le hasard assuré, Jean-JacquesDuby 127

 PRÉFACE
II y a quelques mois, à une question
posée sur mes travaux scientifiques,
j'eus l'imprudence de répondre que je
terminais un livre sur le hasard ; mon
interlocuteur me demanda aussitôt, non
sans quelque ironie, ce que je dirais de
neuf sur ce « magnifique sujet ».
II me fallut assurer que je ne ferais
connaître aucune recette pour gagner à
la roulette, aucun talisman propre à
écarter les hasards funestes ou à attirer
sur nous et nos proches les hasards
favorables ; mais, avec son mystère, le
livre avait perdu tout son prestige, et ta
question attendue, « mais que ren-
ferme-t-il donc alors? »,fut posée avec
une indifférence courtoise qui n'exi-
geait aucune réponse.
Les lecteurs habituels de cette collec-
tion n'ont pas commis la même méprise
et ne cherchent pas id une sauvegarde
contre les hasards de la vie. Ils pourront
y trouver, cependant, à coté de la spécu-
lation pure, des remarques plus
concrètes et même des règles d'action
pratique, pourvu qu'ils veuillent bien,
pour les formuler, s'aider de leur
réflexion personnelle. Mon but principal
a été de mettre en évidence le rôle du
hasard dans les branches diverses de la
connaissance scientifique.
Qu'il s'agisse de la culture du sol
auquel
on confie des semences
précieuses en vue d'une récolte lointaine
ou des problèmes sans nombre qu'il a
fallu résoudre pour l'élevage des ani-
maux, la chasse, la pêche, la navigation,
la conservation ou la cuisson des ali-
ments, l'homme n'a pu vivre et progres-
ser que grâce à la connaissance des lois
naturelles toujours plus nombreuses et a
une confiance grandissante en la valeur
de ces lois. Quelque opinion métaphy-
sique que l'on professe sur la contin-
gence des lois de la nature, sur ce
qu'elles étaient bien avant qu'il y eût des
hommes, sur ce qu'elles seront long-
temps après que l'humanité aura dis-
paru (à supposer que ces questions aient
un sens), il parait incontestable qu'au
point de vue pratique, pragmatiste
comme on dit parfois, la croyance en ces
lois est pour nous une nécessité : nous
ne poumons pas nous endormir si nous
n'étions pas assurés que le soleil se
lèvera demain. De même, on concevrait
difficilement t'existence d'un homme
qui, lâchant une pierre au-dessus de son
pied, ne s'attendrait pas à la voir tomber
et a avoir le pied écrasé.
La nécessité « humaine » des lois
naturelles est le point de départ de toute
spéculation scientifique ; ce principe est
tellement évident qu'on juge inutile de
le répéter dans chaque ouvrage de
sciences. J'aurais pu aussi le sous-
entendre ; si je ne rai pas fait, c'est parce
que le hasard, qui est l'objet de ce livre,
s'oppose précisément à la notion de loi ;
il n'était donc peut-être pas inutile de
rappeler brièvement la place éminente
qu'il ne saurait être question de contes-
ter a cette notion.
Malgré le progrès de la science, il y
a beaucoup de faits que l'homme est
incapable de prévoir ; l'exempte le plus
banal est celui de la pluie et du beau
temps ; nous n'y insisterons pas, car la
complexité des phénomènes météoro-
logiques ne nous permettrait d'en par-
ler avec précision qu'au prix de longs
développements. La sexualité dans les
naissances humaines est un cas typique
d'un problème jusqu'ici insoluble, mal-
gré la simplicité au moins apparente de
son énoncé ; tel enfant à naître sera-t-il
un garçon ou une fille ? Nous ne savons
même pas avec certitude si le sexe est
déterminé dès l'instant de la concep-
tion ; la recherche des « causes » dusexe
est un problème d'une complexité
Émile Borel
inouïe, bien qu'il n'y ait place que pour
deux alternatives quant à la solution.
D'autres phénomènes fortuits, tels que
ceux qui se présentent dans les jeux de
hasard (dés, cartes, etc.), sont d'une
nature un peu moins complexe : qui
analysera néanmoins en détail les mou-
vements de la main qui jette les dés ou
qui bat les cartes?
La caractéristique des phénomènes
que nous appelons fortuits ou dus au
hasard, c'est de dépendre de causes trop
complexes pour que nous puissions les
connaître toutes et les étudier.
des Une étude, même très superficielle,
phénomènes fortuits les plus
fréquents, montre que ces phéno-
mènes obéissent à ce qu'on appelle
des lois statistiques. Soient,
par
exemple, mille enfants à naitre d'ici
quelques mois ; pour chacun d'eux pris
individuellement, nous n'avons actuel-
lement aucun moyen de prévoir son
sexe ; mais nous sommes sûrs de ne
pas nous tromper en affirmant que sur
les mille enfants, il y aura des garçons
et il y aura aussi des filles. De même, si
l'on donne un dé à chacun des soldats
d'une armée et si chacun d'eux lance
ce dé, on peut affirmer que le point 6
sera certainement amené par
quelques-uns. Sur un million de jeunes
gens de vingt ans, reconnus d'excel-
lente santé par les meilleurs médecins,
on peut être certain que plusieurs
seront morts avant dix ans et, cepen-
dant chacun d'eux pris individuelie-
ment peut très légitimement espérer
vivre jusqu'à trente ans.
On voit quelle est ta différence qui
sépare la loi statistique des lois natu-
relles : ta loi statistique ne permet pas de
prévoir un phénomène déterminé, mais
énonce seulement un résultat global
relatif à un assez grand nombre de phé-
nomènes analogues ; de plus, sa certi-
tude ne parait pas être de même nature
et n'entraine pas l'assentiment de tous.
Si, en présence d'une nombreuse assem-
blée, je prends une pierre dans la main et
j'annonce que je vais la lâcher et qu'elle
ne tombera pas, tous mes auditeurs res-
teront sceptiques, et si l'expérience
annoncée réussit, chacun sera persuadé
que la pierre a été maintenue en rair par
un fil invisible ou par tout autre moyen.
Si, devant la même assemblée, je parie
que je lancerai deux dés vingt fois de
suite et que j'obtiendrai chaque fois le
double six, je rencontrerai certainement
un égal scepticisme, et si l'expérience
réussit, chacun croira à une supercherie.
Les deux cas ne sont néanmoins pas
identiques ; pour la pierre qui reste sus-
pendue en l'air après que je l'ai lâchée, la
certitude de la supercherie subsistera,
même après que j'aurai fait vérifier à
chaque spectateur qu'on n'a pas
employé les « trucs » auxquels il avait
pensé, et cette certitude sera assez forte-
ment ancrée pour que chacun soit prêt à
parier tout ce que l'on voudra, même sa
propre vie, que l'expérience réussie n'est
pas celle que j'avais décrite. Au contraire,
pour les vingt coups de dés, si les dés
sont examinés avec soin, si l'on a
confiance en mon honnêteté et si
j'affirme que je les ai lancés loyalement,
certains se demanderont peut-être si la
coincidence des vingt coups identiques
n'est pas simplement due à un hasard,
sans doute fort invraisemblable, mais
tout de même possible.
La question de savoir si cette impres-
sion est justifiée est au nombre de celles
que nous chercherons a éclaircir plus
loin, mais le fait qu'elle existe ne peut pas
être entièrement négligé ; il prouve que
ta loi statistique ne s'impose pas à l'esprit
humain avec le même caractère de
nécessité que les lois naturelles.

Émile Borel était membre

de l'Institut, et ses travaux sur
les probabilités firent date.
Ce texte est extrait du Hasard, par
Émile Borel, Librairie Félix Alcan, 1928.
 LE HASARD DÉCELÉ
H

Le mythe, cher à Émile Borel,

des singes dactylographes
qui reconstituent l'oeuvre
de Molière, illustre la notion
de hasard miraculeux
et cependant logiquement
réalisable. Là réside le grand
mystère. Quelle est la part
du hasard dans la nature
actuelle des choseset
des êtres? Par quel hasard
l'Univers s'est-il formé ?
Par quel hasard,
l'évolution a-t-elle engendré
l'homme et la diversité
compliquée où il vit ?
La vision probabiliste
de Laplace
Le très déterministe Laplace
monumentale sur le calcul
Celle-ci préfigure les vives
moitié de notre siècle entre
et les partisans du « hasard
Tous les événements,ceux même qui
par leur petitesse semblent ne pas tenir
aux grandes lois de la Nature,
en sont une suite aussi nécessaire
que les révolutions du Soleil.
Certes Pierre-Simon de
Laplace (1749-1827) est
«comme
détermiste », en
témoigne cet extrait de
I'Essai philosophique sur
les probabilités, où l'auteur présente son
oeuvre probabiliste à un large public cul-
tivé. Selon lui, le calcul des probabilités
ne joue aucun rôle dans l'intelligibilité
des événements de la Nature, si ce n'est
celui, modeste en somme, de maîtriser les
erreurs de mesure ; autrement dit, le cal-
cul des probabilités sert à corriger les fai-
blesses de nos instruments et de nos sens,
en l'attente de progrès ultérieurs. En
revanche, les lois de la Nature sont abso-
lument déterministes. La Nature ne se
trompe jamais, elle ne joue pas, elle ne
choisit pas, elle fixe la succession « néces-
saire »des événements, aussi petits soient-
ils. Le but éminent de la science est de
préciser cette détermination en la soumet-
tant au calcul, et seule l'analyse (détermi-
niste) peut y contribuer.
Si l'on s'en tient à cette observation,
on conclut aisément que Laplace n'a pas
compris l'importance des statistiques
dans les sciences, aveuglé qu'il était par
ces « grandeslois de la Nature » qui déter-
mineraient la succession des événements
les plus infimes, comme la loi de l'attrac-
a élaboré une oeuvre
des probabilités.
polémiques de la première
les déterministes
essentiel ».
tion de Newton détermine les révolutions
des planètes autour du Soleil. Que
Laplace n'ait pas compris le rôle du
hasard dans la Nature, ce serait un
moindre mal. Mais on lui reproche par-
fois d'avoir engagé, grâce à son immense
autorité scientifique, le cours des sciences
dans la voie (de garage) déterministe dont
elles ont eu tant de mal à se dégager au
début du XXe siècle. Et l'on fustige alors
ce déterminisme laplacien, étroit et rétro-
grade, qui aurait façonné à son image
toute la physique mathématique, particu-
lièrement en France.
Cette vision de l'oeuvre de Laplace
est erronée. Si l'École laplacienne a privi-
légié l'approche mécaniste, elle est aussi
à l'origine de l'approche statistique des
sciences dures de la matière et de la vie,
approche qui consiste non pas à exprimer
ses propres convictions sur la Nature,
mais à l'observer, à la décrire, à la com-
prendre. Dans son oeuvre probabiliste,
Laplace pose lui-même les jalons de cette
approche statistique.
La loi des grands nombres
Reprenons l'Essai philosophique sur
les probabilités, édité cinq fois de 1814 à
1825, et que tous les savants du XIXe
siècle ont lu. Laplace y énonce et com-
mente, sans formules, les deux théorèmes
fondamentaux de la théorie des probabili-
tés. Le premier est le théorème de
Bernoulli (du mathématicien Jacques
Bernoulli, 1654-1705) qu'Abraham de
Bernard Bru
Moivre (1667-1754) et surtout Laplace
ont étendu et précisé. Dans sa version
élémentaire, ce théorème affirme qu'au
cours d'une longue suite de parties de
pile ou face, la fréquence observée des
faces s'approche très probablement
d'une valeur fixe, égale à 1/2 si la pièce
est parfaitement équilibrée.
Laplace commente ce théorème
ainsi : « II suit de ce théorème que, dans
une série d'événements indéfiniment
prolongée, l'action des causes régulières
et constantes doit l'emporter à la longue
sur celle des causes irrégulières. C'est
ce qui rend les gains de la loterie aussi
certains que les produits de l'agricul-
ture... » Il expose ensuite quelques
exemples. Ainsi le nombre de lettres
mises au rebut pour cause de défaut
d'adresse est constant d'une année sur
l'autre à Paris (et même à Londres) ; le
rapport des nombres de naissances mas-
culines et féminines est fixe ; les fron-
tières des états, déplacées au hasard des
conquêtes par la « perfidie et l'ambi-
tion » de leurs chefs, reviennent néces-
sairement à leurs limites géographiques
naturelles ; les flots momentanément
soulevés par de violentes tempêtes
retombent inéluctablement dans leurs
bassins naturels sous l'action, constante
et régulière, de la pesanteur.
Nombre d'auteurs antérieurs à
Laplace avaient cette vision du hasard.
Au XVIIIe siècle, Abraham de Moivre
avait associé au théorème de Bernoulli la
« loi naturelle de l'Éternel retour ». Dès
l'Antiquité, Boèce écrit dans sa
Consolation de la Philosophie (524) :
« Le Tigre et l'Euphrate se confondent en
une seule source et, bientôt, leurs eaux se
séparent et ils se désunissent. S'ils se
rejoignaient et réintégraient un lit unique,
tout ce que chacun transporte se retrouve-
rait pêle-mêle, les bateaux se rencontre-
raient comme les troncs arrachés par le
courant et leurs eaux mêlées dessineraient
un tracé hasardeux. Pourtant ces errances,
ce sont la déclivité du terrain et les lois de
 1. PIERRE-SIMON MARQUIS DE LAPLACE (1749-1827). Astronome, mathématicien et physicien, célèbre pour son déterminisme,
il est pourtant l'auteur d'une œuvre impressionnante sur le calcul des probabilités.
l'écoulement de l'eau qui les régissent.
Ainsi, bien qu'il semble s'écouler en
toute liberté, le hasard subit une règle et
son cours obéit à des lois. »
Denis Poisson (1781-1840), le dis-
ciple préféré de Laplace, poussera plus
loin le commentaire, créant du même
coup le concept de « loi des grands
nombres ». Son cours de calcul des proba-
bilités fait autorité dans toutes les univer-
sités du XIXe siècle, de Cambridge à
Saint-Pétersbourg, en passant par Berlin
et Gottingen. Voici comment il expose,
en 1837, sa nouvelle loi naturelle : « Les
choses de toute nature sont soumises à
une loi universelle qu'on peut appeler la
loi des grands nombres. Elle consiste en
ce que si l'on observe des nombres très
considérables d'événements d'une même
nature, dépendants de causes constantes
et de causes qui varient régulièrement,
tantôt dans un sens, tantôt dans l'autre,
c'est-à-dire sans que leur variation soit
progressive dans un sens déterminé, on
trouvera, entre ces nombres, des rapports
à peu près constants.» Comme Laplace, il
ajoute que le calcul des probabilités four-
nit aux savants les formules qui précisent
les limites entre lesquelles ces rapports
varient probablement et qui permettent
ainsi de déceler d'éventuels changements
dans les causes constantes qui détermi-
nent lesdits événements.
La loi des grands nombres étant uni-
verselle, ses applications sont nom-
breuses : les marées océaniques, les assu-
rances maritimes, les assurances sur la
vie. Poisson précise que « la constitution
des corps formés de molécules disjointes
que séparentdes espacesvides de matière
pondérable (les gaz) offre aussi une appli-
cation de la loi des grands nombres...
Autour de chaque point, la distribution
des molécules pourra être très irrégulière
et très différente d'un point à un autre ;
elle changera même incessamment par
l'effet des oscillations intestines des
molécules, car un corps en repos n'est
rien d'autre qu'un assemblage de molé-
cules qui exécutent des vibrations conti-
nuelles... Or si l'on divise chaque portion
du volume, de grandeur insensible, par le
nombre des molécules qu'elle contient, et
si l'on extrait la racine cubique du quo-
tient, il en résultera un intervalle
moyen des molécules, indépendant de
l'irrégularité de leur distribution, qui
sera constant dans toute l'étendue d'un
corps homogène et partout à la même
température... »
Poisson appelle ainsi de ses voeux,
contre la théorie de Fourier, une théorie
moléculaire de la chaleur. Ainsi l'idée
d'une « mécanique statistique » (voire
d'une thermodynamique statistique) est
dans l'air du temps. Elle triomphera bien-
tôt en Angleterre et en Allemagne, et
reviendra en France, terre promise du
déterminisme savant, après 1902.
Une des grandes révélations de
l'époque est que cette loi universelle des
grands nombres s'applique aussi à
1' « ordre morale.Poisson en cite de nom-
breux exemples : les recettes annuelles du
droit de greffe, qui dépend de la fré-
quence et de l'importance changeantes
des procès, restent constantes ; de même,
les nombres annuels de condamnations et
de jugements sont aussi invariables. Dans
les années 1830, la statistique devient à la
mode. Dans tous les domaines où l'on
peut compter et mesurer, on recense les
rapports constants ; on les collectionne,
comme des fleurs ou des papillons, des
plus communs aux plus saugrenus.
La théorie des erreurs

Le second théorème que Laplace

énonce et commente dans l'Essai phi-
losophique porte son nom, et ce n'est
que justice : il t'a démontré en 1810,
après y avoir réfléchi durant plus de 30
ans. Le théorème de Laplace affirme
que ces fameux rapports, ou moyennes,
ne sont véritablement constants que
lorsque l'on a accumulé un nombre
immensément grand d'observations ; si
l'on se contente d'un nombre modéré-
ment grand, ces rapports varient. Ainsi,
au cours d'une série de lancers d'une
pièce de monnaie, les fréquences de
faces fluctuent.
Néanmoins les fluctuations de ces
rapports suivent une certaine loi. Ils se
concentrent autour d'une valeur fixe,
qui est le vrai rapport constant qu'on
obtiendrait après un nombre infini de
tirages. Les fréquences des rapports
2. LA LOI DES GRANDS NOMBRES permet d'estimer la distance moyenne entre deux particules observés décroissent à mesure qu'ils
d'un gaz : cette estimation est égale à la racine cubique du volume divisé,
par le nombre n de s'écartent de cette valeur moyenne.
particules qu'il contient. Si le nombre n est grand et si le gaz est homogène, Ainsi, quel que soit l'ordre physique ou
la distance moyenne ainsi calculée pour une portion de volume est la même dans tout le gaz.moral auquel
se rattachent les rapports
(D'après Poisson,1837.)
mesurés, leurs valeurs se répartissent
sur une courbe en cloche, régie par une
formule mathématique unique.
Laplace s'intéressait surtout à
l'astronomie et à la vérification de la
loi de l'attraction par l'observation des
mouvements des corps célestes. Son
théorème fondait la théorie des erreurs
qui pouvait seule décider si les obser-
vations s'accordaient ou non, dans la
limite de leur précision, avec les
valeurs théoriques.
Quand on effectue plusieurs
mesures d'une même quantité comme
la position d'un objet céleste, chaque
mesure est affectée d'une erreur inévi-
table et inconnue. La moyenne de ces
mesures, qu'on espère proche de la
vraie valeur cherchée, varie malheureu-
sement d'une série de mesures à une
3. CHOISISSONS AU HASARD UNE BOULE DANS LA PREMIÈRE URNE, et placons-la dans
autre. Ces variations sont toutefois dis-
la deuxième urne ; de même, choisissons au hasard une boule dans la deuxième urne,
tribuées de part et d'autre d'une valeur
et plaçons-la dans la première urne. Quandon répète ceffe opération un grand nombre de
fixe, la vraie mesure de la quantité, sui-
fois, la proportion de boules d'une couleur dans chaque urne tend vers la valeur constante
1/2. Quand on mesure cette proportion après chaque échange au hasard, on observedes vant une courbe en cloche que Laplace
fluctuations autour de la valeur 1/2, qui se répartissent selon une courbe en cloche. nomme « loi des erreurs » (voir La loi
(D'après Laplace, 1811.) normale, reine des statistiques, par
 Aimé Fuchs, dans ce dossier).
La plupart des applications que
Laplace fera de son théorème
relèvent de la théorie des erreurs
d'observation et de mesure.
Toutefois nous présentons ci-
après deux exceptions, posté-
rieures à la démonstrations de
1810 : ces deux exemples, trai-
tés par Laplace, relèvent de phé-
nomènes naturels.
En 1811, alors qu'il vient de
donner la solution générale de
t équation de la chaleur de rouner (le
paradigme de la physique mathématique
déterministe française du XIXe siècle),
Laplace reprend le modèle de mélange
des gaz proposé en 1770 par Daniel
Bernoulli (le neveu de Jacques, 1700-
1782). On considère deux urnes conte-
nant des boules de deux couleurs diffé-
rentes ; on prend, au hasard, une boule
dans une urne pour la mettre dans
l'autre. Quand on répète cette opération
un grand nombre de fois, on répartit les
deux couleurs dans les deux urnes.
Bernoulli montrait que, en moyenne, les
proportions de boules des deux couleurs
tendent à s'égaliser. Par une analyse
subtile, Laplace précise que la distribu-
tion statistique limite des boules d'une
couleur dans une urne suit la loi des
erreurs. Une fois atteint le « régime
manent », comme l'appelait
Bernoulli, les proportions de boules
colorées restent quasiment égales, dans
les limites de la loi des erreurs.
En 1819, lors de l'élaboration de la
nouvelle carte de France (la future
carte de l'état-major au 80 000e),
Laplace tente de préciser les effets de
la réfraction de la lumière sur l'évalua-
tion des reliefs. La réfraction atmo-
sphérique modifie les distances zéni-
thales d'une quantité qui varie entre
deux stations et au cours de la journée.
Laplace suppose que le coefficient de
réfraction varie suivant la loi des
erreurs. Ainsi, sans état d'âme,
Laplace abandonne la loi déterministe
de Descartes, inadaptée à la descrip-
tion de la réfraction atmosphérique,
pour une approche statistique. Ce n'est
que bien plus tard, en 1859, que
Maxwell proposera un traitement simi-
laire de la variabilité anarchique d'une
quantité physique ; il énoncera la loi
des vitesses des particules d'un gaz,
dont chaque composante est distribuée
selon une loi des erreurs. Entre temps,
la loi des erreurs connaît une apo-
théose au moins comparable à celle
des rapports constants.
deux variables de la surface
atteinte suit une loi des erreurs.
Ce sont eux qui adopteront
l'image de la cloche, formée par
l'empilement des boulets de
canon en leurs points de chute.
Cette image fera mouche : bien-
tôt on ne parlera plus de loi des
erreurs, mais de courbe en
4. LES IMPACTS DES BOULETS DE CANON se répartissentcloche. Les artilleurs de Metz ont
autour du but visé, selon une cloche. (D'après Jouffret, aussi inventé et popularisé la
1872.) « fourchette », qui encadre le
point de chute moyen du boulet,
La physique sociale et où l'on trouve presque toujours la
même proportion de coups.
L'immense succès de la loi des Ainsi, dans la littérature statistique
erreurs provient de l'astronome belge du temps, une volée de cloches s'ajoute
Adolphe Quetelet (1796-1874), dont on à la collection de rapports constants.
fête cette année le bicentenaire. Quetelet Inversement, on considère qu'une popu-
était fasciné par l'oeuvre de Laplace. lation est homogène lorsque ses diverses
Grand collectionneur de rapports caractéristiques biologiques varient
constants et de grands nombres, il souhai- selon une courbe en cloche. La Nature
tait fonder une « physique sociale » en paraît alors disperser ses déterminations,
appliquant la statistique à l'homme en comme un observateur disperse ses ten-
société. Vers 1845, il eut l'idée de com- tatives de mesure d'une grandeur phy-
parer la loi des erreurs à la distribution sique ; il semble exister un modèle idéal,
des tours de poitrine de 5 732 soldats l'homme moyen, que la Nature repro-
écossais, à partir de données publiées duirait plus ou moins habilement selon
dans une revue médicale d'Edimbourg. la loi des erreurs.
La comparaison se révéla aussi bonne Désormais on s'intéresse non seule-
qu'en astronomie. Les tours de poitrine ment aux rapports constants, qui mani-
militaires varient comme les erreurs de festent l'action permanente des causes,
per- mesure d'une constante physique. De la mais aussi aux distributions des valeurs
déjà même façon, on peut ajuster des courbes d'un caractère dans une population don-
en cloche aux tailles, aux poids, aux péri- née. On cherche à leur ajuster une
mètres crâniens, puis à la sensibilité, à courbe en cloche. Depuis Galilée, on
l'excitabilité et à l'intelligence ( !) de décrivait la Nature dans la langue de la
populations homogènes. géométrie ; après Descartes, on
À la même époque, les artilleurs- employait la langue de l'algèbre ;
savants de l'École de Metz constatent Laplace a inventé la langue probabiliste.
que les boulets de canon se distribuent L'approche « populationniste », qui
autour du but visé suivant la loi des s'intéresse aux phénomènes de masse
erreurs à deux dimensions : chacune des dans leur constance et leur variabilité,
prend alors sa forme moderne. Dans la
seconde moitié du XIXe siècle paraîtront
les oeuvresdes premiers grands représen-
tants de cette tradition : Charles Darwin
constate la variabilité des espèces et en
déduit un processusde sélection naturelle
des plus aptes ; Mendel montre comment
les petits pois se reproduisent et transmet-
tent leurs caractères en jouant à pile ou
face ; Boltzmann décrit les mouvements
aléatoires des particules d'un gaz, etc.
Alors les savants ont inversé le sys-
tème de valeurs déterministes au béné-
fice de l'approche statistique. Les lois
déterministes ne fournissent que les
valeurs moyennes des vraies lois scien-
5. ADOLPHE QUETELET (1796-1874), tifiques, essentiellement probabilistes.
astronome et mathématicien belge, est La Nature, ignorante comme l'homme
le premier à avoir appliqué les statistiques de ses véritables déterminations, est
aux sciencessociales. soumise aux lois du hasard.
Du hasard
hasard
au
Dans les sciences, « hasard »
Sa forme la mieux domptée,
« bénigne », ne décrit ni la Bourse,
mènes naturels ou sociaux
larité, il faut faire appel à une forme
La variété des phénomènes
naturels et sociaux est infi-
nie, les techniquesmathéma-
tiques susceptibles de les
dompter sont fort peu nom-
breuses: aussiarrive-t-il que desphéno-
mènesqui n'ont rien de commun parta-
gent la mêmestructuremathématique.Il
y a 30 ans, cette constatation philoso-
phique s'imposa à mon esprit. Mes tra-
vaux sur la Bourse étaient près d'abou-
tir et j'entrevoyais des structures
aléatoires très semblablesdans les tra-
vaux que j'entamais sur les bruits et la
turbulence. II s'agissait dans tous ces
cas des premiers stadesde la construc-
tion d'une géométrie fractale.
Quelle était donc l'idée centrale de
mes travaux sur la finance? L'idée, si
l'on ose dire, ambiante, était que les
prix sont des fonctions continues du
temps et que les fluctuations ne sontpas
plus sévèresque celles que décrit la dis-
tribution bien classique de Gauss. Le
hasard auquel faisaient appel ces théo-
ries peut très légitimement être qualifié
de « bénin ».Mais l'examen des faits
montrait le contraire : desfonctions dis-
continues et des fluctuations tout à fait
extrêmes. Je dus vite conclure qu'il
s'agissait d'une toute autre forme de
hasard, qu'on peut très légitimement
qualifier de « sauvage ». Les traits tech-
niques de mon approche seront décrits
par J.-P. Bouchaud et C. Walter (page
92), aussim'attaqueraije ici à quelques
questionsphilosophiquessous-jacentes.
bénin
sauvage
est une notion multiforme.
qu'on peut appeler
ni maints autres phéno-
; pour en comprendre t'irrégu-
« sauvage » du hasard.
Pour le profane ou le philosophe,
« hasard »est une notion unifiée. De
plus, son unité mathématique a été
expriméede façon abstraiteet très géné-
rale. Trop générale même,comme nous
allons le voir, car elle noie des diffé-
rences fondamentales, et parce que le
ciment que l'axiomatique fournit au cal-
cul des probabilités dissout sa spécifi-
cité. Elle en fait un chapitre mal diffé-
rencié de la théorie de la mesure.
Au troisième quartde ce siècle,l'uni-
fié, l'abstrait et le généraldominaient la
recherche.Les mathématiquesfrançaises
affichaient leur intérêt, non plus pour les
« détails tarabiscotésde » l'analyse ou de
la géométrie,mais pour leurs « structures
fondamentales ». De même, la physique
se complaisait dans la recherchedespar-
ticules fondamentales.
II est vrai qu'il n'y a de scienceque
du général,et ma longuecarrièrescienti-
fique a été marquéepar l'identification
et l'étude d'une nouvelle structuregéné-
rale, sous-jacente àmaints phénomènes
d'apparencehétéroclite,et qui diffuse à
traversles mathématiqueset les sciences
physiques,biologiques et sociales.Cette
structureest celle de l'auto-similarité et,
plus généralement,de l'invariance par
réductionet dilatation ; lesobjets qu'elle
caractérisesontles fractales.
Cependant,et peut-être paradoxale-
ment, la construction de la géométrie
fractale m'a vite fait découvrir, et
confirmer abondamment,que l'unité du
monde des modèlesaléatoires,et même
Benoît Mandelbrot
l'unité du calcul des probabilités, sont
trompeuses.Du point de vue qui m'inté-
resse,le calcul des probabilités présente
des analogies de plus en plus trou-
blantes avec la théorie de la matière.
L'application de lois générales à des
contexteshétéroclitesrévèle l'existence
de plusieurs « états » très
distincts. Deux
états de la matière sont connus depuis
toujours, les mots « solide » et « liquide »
étant dérivés du grec et du latin, et
« gazeux datant
» du xvM siècle. La phy-
sique est à la fois unifiée et variée.
Manifestation de son unité, tous ces
états (et d'autres, car on ne cessed'en
identifier de nouveaux) se déduisentdes
mêmes principes et utilisent tous les
mêmesconcepts,tels que la température
et la pression. Manifestation de la
variété de la physique, les états de la
matièrediffèrent de façon très nette.
J'ai vécu un phénomène analogue
de « différenciation »dans le cas du cal-
cul des probabilités. Je vois maintenant
le hasard comme pouvant prendre
divers « états »,aussi distincts l'un de
l'autre qu'un gaz l'est d'un solide. Afin
de les faire comprendre,le mieux est de
retracer l'histoire.
Pour commencer, pesons une affir-
mation que l'on trouve à la première
page d'un traité célèbre dont un des
coauteurs, Andrei Kolmogorov, fut un
des plus illustres mathématiciensdu XXe
siècle. C'est lui qui apporta à l'axioma-
tique du calcul des probabilités les
touches ultimes qui rendirent ce
domaine d'étude acceptableaux mathé-
maticiens « purs ».Or, la préface de
Gnedenko et Kolmogorov, en 1954,
nous affirme que « toute lavaleur épisté-
mologique de la théorie des probabilités
est basée sur ceci : les phénomènes
aléatoires, considérés dans leur action
collective à grande échelle, créent une
régularité non aléatoire ». Le modèle
sous-jacent est celui d'une suite de
nombres obtenus en tirant un dé : sur
dix coups, la proportion du « deux »est
 très variable (phénomène aléatoire),
mais sur un grand nombre de tirages (à
grande échelle), cette proportion sera
très proche d'un sixième (régularité non
aléatoire) ; nous y reviendrons. Je suis
certain qu'un sondage parmi les mathé-
maticiens et les savants empiriques
montrerait qu'ils sont d'accord avec la
thèse énoncée par Gnedenko et
Kolmogorov. Malheureusement, ladite
thèse est ambiguë, et l'approbation
générale reflète souvent un malentendu
dont les conséquences sont quotidiennes
et très sérieuses.
Précisons : tout mathématicien
entend par la thèse en question que
toute action collective possède au moins
un aspect qui soit, à la limite, régulier
non aléatoire. Toutefois, ceci ne suffit
pas pour satisfaire ni le savant ni l'ingé-
nieur ; l'un ou l'autre a besoin de
s'assurer que cette régularité collective
et non aléatoire ne porte pas sur des
phénomènes qui ne l'intéressent pas. De
plus, s'il y a régularité, il veut s'assurer
qu'elle s'établit assez rapidement pour
que les valeurs asymptotiques reflètent
la structure des systèmes finis que l'on
rencontre dans la nature.

Sur le fil du rasoir

Précisons encore. Le mode clas-

sique du hasard est celui du dé : quand
le nombre d'observations a suffisam-
ment augmenté ou que la précision de
l'analyse a été rendue suffisamment
grossière, les fluctuations aléatoires se
neutralisent et deviennent très vite rela-
tivement insignifiantes.
Un exemple de tous les jours est le
fil d'une lame bien aiguisée : au micro-
scope, il semble extraordinairement
irrégulier, mais à l'oeil nu, il paraîtra
absolument droit. On peut, sans crainte,
extrapoler la direction représentée par le
fil à partir de tout morceau plus grand
que les irrégularités, même s'il est plus
petit que le tout.
Examinons aussi le courant élec-
trique dans un fil conducteur de cuivre :
fortement amplifié et transmis aux
bornes d'un haut-parleur, il apparaît
comme affligé d'un « bruit thermique »
très audible. Toutefois, un ampèremètre
ordinaire indique une intensité bien défi-
nie : il faut peu de temps pour la mesurer
exactement, la raison étant que le fil est
en parfait équilibre thermodynamique.
Deux termes interviennent souvent
dans l'étude des bruits thermiques : dis-
tribution gaussienne et mouvement
brownien. Plus généralement, nous
LE FIL D'UNE LAME BIEN AFFUTÉEest
une forme bénigne de hasard. Vue de près,
le fil est extrêmement irrégulier (1a) ; vue à
moins fort grossissement,il est plus régu-
lier (lb et Ic). L'étude des fluctuations de
cette forme estfacilitee par la possibilité
d'en décomposerla difficulté : on peut étu-
dier d'abord la tendance (qui est ici recti-
ligne) et puis superposer les fluctuations.
En revanche, le profil d'une cote sauvage
de Bretagne ne fait apparaître aucune
régularité ni aucune tendance quand on la
regarde a des échelles de plus en plus
petites (figures 2a à 2d). L'étude d'une telle
forme estplus difficile, car la décomposi-
tion en tendance etfluctuations est impos-
sible. L'étude n'en est toutefois pas impos-
sible grâce au caractère « égal » de son
irrégularité, traduisible en homothétie
interne. Les irrégularités de la lame sont
stationnaires, celles de la côte ne le sont
certainement pas. Cependant, une courbe
mathématiquement stationnaire peut être
presque aussi irrégulière que la côte.
 allons donner une définition quantita-
tive à l'idée de hasard « presque brow-
nien », que j'ai qualifié par un terme
coloré et fort : « bénin ».
Décrire mes amis statisticiens
comme se limitant à l'étude du hasard
bénin ne se veut pas un persiflage :
affronter le hasard ne peut éviter des
souffrances, mais celles-ci tombaient
dans un registre limité qu'un travail
intense avait permis de dominer. De
plus, on sait que les physiciens ont long-
temps eu l'impression d'avoir bien
dompté le hasard. La raison, à mon avis,
est qu'ils ont pu et su commencer par
des problèmes où le hasard était bénin,
donc domptable. Dans toute science où
il en est ainsi, l'affirmation de Gnedenko
et Kolmogorov prend un sens très fort,
et ladite science peut devenir exacte.
Cependant, tout le monde connaît
des domaines du savoir qui sont depuis
longtemps reconnus et délimités, mais
qui résistent à la quantification. Nous
allons bientôt décrire trois domaines de
ce genre : un concerne la géographie, un
deuxième, la physique, et le plus patent
porte sur les fluctuations économiques
et tout particulièrement financières.
L'exactitude de la physique statistique
est le modèle pour ces derniers, mais
(nous allons y revenir) le moins qu'on
puisse dire est que ce modèle reste un
idéal très lointain.
Ayant étudié ce domaine et quelques
autres dans le même style, je me vis
obligé, en 1964, de distinguer le hasard
bénin de celui qui ne l'est pas. Le non-
bénin a deux causes.Premièrement, il se
peut que des quantités satisfassent bien la
régularité de Gnedenko et Kolmogorov,
mais qu'elles soient sans intérêt, tandis
que les quantités importantes subissent
des fluctuations qui ne sont pas bénignes.
Deuxièmement, il se peut que la conver-
gence vers le régulier non aléatoire ait
lieu, mais soit extraordinairement lente.
De la côte de la Bretagne
à la Bourse
Hâtons-nous de préciser ces consi-
dérations trop générales par des
exemples. Le souvenir de la lame bien
acérée conduirait à considérer le tracé
d'un petit bout de la côte de Bretagne
comme fait d'irrégularités superposées
à une « tendance générale » représentable
par un segment rectiligne. On est tenté
d'extrapoler cette tendance à toute une
ligne, mais nous savons tous qu'une
telle extrapolation ne signifierait rien.
Lorsque l'on examine une côte de plus
haut, les irrégularités « locales »devien-
nent négligeables, mais on affronte de
nouvelles irrégularités, disons, « com-
munales » ; et celles-ci, à leur tour, se
fondent derrière des irrégularités qu'on
peut dire « cantonales »,et ainsi de suite.
Même si l'on inclut toute la Bretagne,
aucune extrapolation rectiligne de la
direction de la côte ne vaut.
Or notre deuxième exemple de
hasard bénin concerne le bruit ther-
mique dans un fil de cuivre. Il y a 35
ans, j'en rencontrais de nombreuses
contreparties non bénignes, d'abord en
finance, puis dans l'étude des crues du
Nil, de la turbulence dans les fluides et
de divers bruits électroniques auxquels
on ne comprenait pas grand-chose et
qu'on appelait donc « anormaux ». C'est
d'ailleurs la logique interne de mon
approche (que je vais expliquer dans un
instant) qui fit obliquer mes travaux
d'une « science sociale » à une science
physique. Au moment de m'engager,
j'étais étranger à ces domaines, et je fus
appelé au secours par des chercheurs de
ma connaissance. Chacun d'eux avait
accumulé des données très abondantes,
et avait fait de longs efforts pour les
décrire et interpréter par les méthodes
acceptées. Bien sûr, faute de toute alter-
native, ils appliquaient les méthodes du
hasard bénin. Et chacun avait été arrêté
par un échec flagrant.
Revenant aux fluctuations en
finance, où voyait-on donc un équilibre
économique qui serait l'équivalent de
l'équilibre thermodynamique « nor-
mal »? J'ai vite acquis le sentiment que
la notion d'équilibre économique est
vide de contenu, et que, pour décrire la
variation des prix, il ne suffit pas de
modifier le hasard bénin en incorporant
des innovations de détail. Je conclus
que le hasard bénin de la mécanique sta-
tistique n'avait représenté qu'un pre-
mier stade de l'indéterminisme dans les
sciences. Il était désormais indispen-
sable, sans d'ailleurs changer de calcul
des probabilités, d'aller au-delà du
bénin, de passer à un « deuxième stade »
du hasard, que je dénote maintenant par
un autre terme coloré et fort : « sau-
vage ». Peu à peu, je fus conduit à consi-
dérer ces deux hasards, non plus seule-
ment comme deux stades successifs
d'un processus historique, mais comme
deux « états »de caractères intrinsèque-
ment distincts.
Dans un contexte mathématique,
l'idée du hasard sauvage remonte très
loin, à 1853, la crainte qu'il suscite
s'étant déjà manifestée lors d'une dure
discussion entre Cauchy et Bienaymé.
En substance, une exclamation la
concluait : « On ne saurait comment qua-
lifier ces artisans qui fabriqueraient un
instrument entaché d'erreurs si sau-
vages » (voir le tableau 2). Donc, la pos-
sibilité qu'il existe de tels phénomènes
fut aussitôt classée comme pathologique,
et nul ne s'attendait à les rencontrer dans
le réel. Donnons-en cependant quelques
exemples.
Le plus ancien (et très familier) est la
chronique des crues annuelles du Nil. Le
moule intellectuel forme par l'étude des
fluctuations bénignes suggère tacitement
que les moyennes des crues annuelles du
Nil, prises sur des périodes successives
pas trop courtes, doivent être, en gros,
identiques. Mais la parabole biblique de
Joseph, le fils de Jacob, celle des
« vachesgrasses et des vaches maigres »,
suggère au contraire que deux moyennes
successives de sept ans ont, en une occa-
sion au moins, été très différentes.
D'après des données plus modernes et
donc mieux vérifiables, des moyennes
prises sur 17 et 70 ans tendent également
à s'écarter l'une de l'autre.
Autre exemple important, moins
familier qu'il ne le mériterait : les fluctua-
tions de l'intensité des courants élec-
triques à travers les lames métalliques
fines, les microphones à carbone, les
contacts et les semi-conducteurs, et toutes
sortes de composants électriques.
Fortement amplifiés, ces courants se trou-
vent être perturbés par des « bruits élec-
triques anormaux » dits en llf (I'ampli-
tude de chaque fréquence du signal est
proportionnelle à l'inverse de cette fré-
quence). Si l'on trace ces bruits et la
chronique du Nil sur des graphiques de
dimensions analogues, leurs aspects se
révèlent étonnamment semblables. Ceci
sert à souligner que le contraste entre
fluctuations bénignes et sauvages n'est
pas affaire d'échelle, mais de structure.
Hâtons-nous de constater que les
distinctions entre « blancs et « noir » ont
une manière fâcheuse de permettre entre
elles de nombreux niveaux de « gris ».
Ainsi, entre les états bénin et sauvage,
une zone intermédiaire est bientôt appa-
rue, où l'on peut identifier un « tiers
état ». Par exemple, il existe des situa-
tions intermédiaires entre le fil du rasoir
et la côte bretonne, telles que les côtes
Ouest des Amériques, où une direction
générale apparaît derrière les fluctua-
tions. Un exemple mathématique d'une
telle convergence tardive est donné par
distribution lognormale, un loup
déguisé en agneau. Ce hasard définit un
hasard lent : il conduit, à la longue, à la
même régularité non aléatoire que le
hasard bénin, mais il y arrive avec une
extraordinaire lenteur.
J'insiste sur le fait que l'introduc-
tion des distinctions entre divers états
du hasard ajoute aux mathématiques,
sans les changer, mais surtout boule-
verse leur interprétation. Trois états du
hasard ne sont devenus indispensables
que quand des problèmes posés par la
Nature m'ont conduit à bâtir sur des
bribes ou des pans de mathématiques
existantes, tout en les ramenant d'un
abstrait général indifférencié à un
concret très structuré.
Quantifier « bénin »,
« sauvage » et « lent »
Pour ce faire, esquissons l'histoire
des théorèmes limites du calcul de pro-
babilités. Pour commencer, il s'agissait
de tirer J fois une pièce de monnaie qui
a la même chance de tomber sur pile
(faisant gagner Paul) et sur face (faisant
gagner Francis ; d'habitude, ce joueur
est appelé Pierre, mais je préfère attri-
buer aux joueurs de pile ou face les ini-
tiales P et F !). Il fut très tôt démontré
que, quand J augmente, la distribution
des gains de Paul allait se simplifier des
deux façons que voici.
Le nombre relatif de fois où le jeton
tombe sur pile est de plus en plus voisin
de 1/2. C'est le cas le plus simple de la
« loi des grands nombres ». La différence
pondérée entre ce nombre et 1/2 suit
une distribution qui s'approche de plus
en plus près de la distribution prétendue
« normale » de Gauss. C'est le plus
simple des « théorèmes centraux
limites ». Puis à 1 000 petits pas, ces
résultats étendirent leur emprise.
D'abord, ils restèrent dans le même
esprit et conduisirent à une vision de
l'indéterminisme dans la Nature assise,
comme le temple de Lamartine, sur trois
« vivants piliers ».
A. La « loi des grands nombres »
(souvent appelée « théorème ergodique »).
B. La « forme classique du théorème
central limite » (il faut préciser « forme
classique », car nous verrons qu'il en est
d'autres, et qui s'appliquent aux cas
sauvages).
C. Un troisième résultat qu'on a ten-
dance à omettre parce qu'on le croit évi-
dent. Même si les « coups de dés généra-
lisés » ne sont pas indépendants, tout ce
qui se rapporte à un « futur » suffisam-
ment éloigné est pratiquement indépen-
dant du « passé »suffisamment éloigné.
1. LE BRUIT THERMIQUE BLANC, EXEMPLE DE HASARD BÉNIN
La théorie des fluctuations bénignes repose sur les piliers suivants.
-La loi des grands nombres, dite aussi théorème ergodique :
T
*Tt=1 X(t) tend
vers une limite non aléatoire, que l'on désigne,
T selon les disciplines,
par EX, MX ou <X>.
-Le théorème central limite, dit classique,mieux dit « gaussienen *T » :
*Tt=1 [X(t)-EX]
*T tend une verslimite gaussienne.
On peut décomposer le théorème central limite en plusieurs affirmations :
• *Tt=1 [X(t)-EX]
possède une limite.
A(T)
• Cette limite a une distribution gaussienne.
• Le facteur de pondération prend la forme A(T)=*T
• Enfin, un passéet un avenir suffisamment séparés
sont asymptotiquement indépendants.
Ces théorèmes sont présentés sur le Maynard Keynes se moquait de l'affec-
tableau 1, et tout ce qui suit tourne tion de ses collègues pour le long terme,
autour de leur degré de validité. Trois leur rappelant que « dansle long terme,
cas sont à distinguer. nous serons tous morts ».
Le cas bénin. On peut donner un Quelle est donc l'applicabilité pra-
sens précis à la notion que ces théo- tique des théorèmes limites ? La phy-
rèmes « s'appliquent rapidement ». Si tel sique macroscopique étudie des échan-
est le cas, une fluctuation sera dite tillons si immenses (le nombre
« bénigne ». Il s'ensuit en général que les d'Avogadro est l'étalon de mesure)
structures les plus intéressantes ne sont qu'il n'y a aucune difficulté. Mais
pas statistiques. Les fluctuations considérons la variable lognormale, qui
bénignes ont été bien décrites par les est tout simplement l'exponentielle
mathématiciens ; beaucoup ont été d'une variable gaussienne. Dans le long
expliquées par les savants, et les ingé- terme, ses propriétés sont dominées par
nieurs ont appris à bien les contrôler le fait que ses moments (moyenne, dis-
pour les rendre plus supportables. Ces persion, etc.) sont tous finis et s'obtien-
derniers pouvaient évaluer la probabilité nent par des formules faciles ; donc la
d'un événement futur sur la base de variable lognormale paraît bénigne.
moyennes, calculées sur un nombre suf- Dans le court ou le moyen terme, tout se
fisamment grand d'événements passés. gâte, et son comportement paraît sau-
Le cas lent. Il se peut que l' « action vage. On en traite comme si elle ne sen-
collective » conduise aux théorèmes A, B tait pas le soufre, mais c'est un mer-
et C, mais les limites seraient atteintes veilleux (et dangereux) caméléon.
de façon si lente qu'ils n'apprennent pas Le cas sauvage. Les symptômes de
grand-chose sur le sujet « collectif » l'échec complet du mode bénin de
qu'on rencontre dans les problèmes convergence des fluctuations sont au
scientifiques concrets. Que dire alors des nombre de deux, qui agissent seuls ou en
théorèmes A, B et C ? Il serait rassurant combinaison : (a) la rencontre occasion-
de savoir qu'ils restent applicables. Mais nelle d'énormes écarts par rapport à ce
il faut reconnaître que ce ne sont que des qu'on aurait voulu considérer comme la
mirages, car le monde réel est fini. Dans « normes, et (b) la rencontre occasion-
un cadre de pensée très différent, mais nelle de très longues suites de valeurs,
parallèle, le grand économiste John telles que chacune prise séparément
 la physique. Or, toutes ces techniques
2. LE PROCESSUS DE CAUCHY, EXEMPLE DE HASARD SAUVAGE concernent le hasard bénin.
Prenons une suite de variables aléatoires indépendantes X(t), dont chacune a C'est là que se trouve l'origine de
la densité de probabilité de Cauchy : l'idée tentante que les fluctuations
1 s'effectuent nécessairement autour d'une
*(1 +x2) moyenne, laquelle peut elle-même être
Cesvariables ont la propriété que la moyenne, interprétée comme point d'équilibre et
reste soumise à divers déplacements, ou
EX=*Tt=1X(t)
tendances. A chaque fois qu'il en est
T effectivement ainsi, on peut décomposer
est elle-même une variable de Cauchy. Prendre la moyenne n'a aucun effet et la la difficulté : d'abord procéder sans tenir
loi des grands nombres ne s'applique pas. En fait, l'espérance mathématique est compte du hasard, et ne tenir compte de
infinie, donc l'expression qui entre dans le théorème central limite classique n'a l'incertitude que dans une deuxième
pas de sens, et le théorème lui-même n'est utilisable que sous une forme étape, à titre de correction. On sait que,
«généralisée
« »qui en altère totalement le sens. L'échec des théorèmes habituels est
dans les cas bénins, cette procédure a
dû ici à la présence fréquente de valeurs extrêmement grandes, exemples de ce
réussi magnifiquement. Mais dans les
que j'ai dénommé « fluctuationsde Noé ».
fluctuations non bénignes, s'il se
confirme que les fluctuations écono-
miques sont non bénignes, on devra
s'écarte assez peu de la norme, mais les dire obéisse à des règles qui restent s'attendre à ce que le concept d'équilibre
écarts dans une même direction sont si constantes dans le temps. Si c'était vrai, économique « file entre les mains » de qui
« persistants » quela moyenne ne peut se une fluctuation pour laquelle les trois voudra le saisir expérimentalement.
faire que très lentement ou pas du tout. théorèmes A, B, C ne s'appliquent pas Au fond, cette attitude défaitiste part
Par allusions bibliques connues de tous, ne pourrait pas être stationnaire. d'une incompréhension, à savoir de
j'ai proposé que les exemples associés à Prenez les « chroniques » boursières l'idée, déjà citée, que l'aléatoire à
ces deux symptômes soient respective- qui nous disent comment tel ou tel prix grande échelle crée à tous égards une
ment appelés « fluctuations de Noé » et varie dans le temps. Dès qu'on pût dis- régularité non aléatoire. Tel n'est abso-
de « Joseph ». Des exemples isolés de poser de données suffisantes, on lument pas le cas, et les théoriciens des
l'un ou de l'autre genre de fluctuation s'aperçut qu'aucun signe n'indique que probabilités le savaient. Si les scienti-
étaient connus de bien des savants, mais les trois théorèmes A, B et C puissent fiques ne s'attendaient pas au hasard
du fait même que chacun les considérait s'appliquer. Pour les tenants du « point sauvage, c'est que les probabilistes
comme isolés, leur existence restait pour de vue pratique », la conclusion fut que avaient, suivant le cas, soit exagéré, soit
ainsi dire secrète. Mes travaux procla- les bruits anormaux et les changements minimisé ladite « sauvagerie ». Elle fut
ment leur importance et leur unité ; le de prix ne sont pas stationnaires, c'est- exagérée par ceux qui l'ont affichée
hasard sauvage mérite d'être considéré à-dire que leur mécanisme varie dans comme « exceptionnelle » ou « patholo-
comme un objet d'étude en soi. le temps. gique » et sans application. Elle fut
On peut même se demander pour- Cette attitude et sa persistance m'ont minimisée ou cachée aux yeux du scien-
quoi il n'était pas déjà reconnu comme toujours surpris et affligé. Surpris, parce tifique dans l'esprit de la quête du géné-
tel. Une explication réside dans une opi- que les statisticiens qui la défendent se ral qui, il y a 30 ans, caractérisa toutes
nion que j'ai maintes fois entendu expri- résignent bien trop facilement au chô- les sciences. La tendance ne fut pas à
mer. La voici : sinon en théorie, tout au mage. Affligé, parce que je voyais en dire qu'un théorème, ergodique ou cen-
moins « du point de vue pratique », il suf- filigrane l'attitude défaitiste, qui prétend tral limite, était pris en défaut : on disait
fit, pour que les théorèmes A, B et C que l'étude de l'économie doit se plutôt qu'il pouvait être « généralisé »,
soient tous les trois applicables, qu'une contenter des techniques probabilistes sans même changer de nom.
fluctuation soit « stationnaire », c'est-à- déjà éprouvées et rendues familières par Cependant, « généraliser » n'est pas
k
un concept neutre. un certain
moment, les contenus des théorèmes
3. LE BRUIT EN 1/f, AUTRE EXEMPLE DE HASARD SAUVAGE centraux limites changent très profondé-
ment, perdant la signification intuitive
dont ils avaient jusque-là bénéficié. II
est fâcheux que l'utilisation du même
mot crée l'impression que la généralité
s'obtient, en quelque sorte, à peu de
frais et sans vrai changement.

Caractère « créatif »
Les bruits où l'amplitude d'une fréquence est inversement proportionnelle à du hasard sauvage
cette fréquence, dénommés bruit en 1/f, ont, comme les processusde Cauchy, la
propriété que « prendre la moyenne » n'asur eux aucun effet Ni la loi des grands Mes travaux ont toujours été domi-
nombres, ni le théorème central limite dassique ne s'appliquent nés par le caractère fortement visuel de
L'échec de ces théorèmes habituels est dû ici à la présence de « cycles » très toute ma pensée. Tout le monde semble
longs et très lents, exemples de ce que j'ai désigné par « ftuctuationsde Joseph ». le savoir dans le cas de l' « ensemble de
Mandelbrot ». Mais la même attitude
 s'appliquait déjà dans mes recherches
sur le hasard et m'a appris une grande
leçon. Pour l'énoncer, comparons divers
bruits électriques et ces bruits des mar-
ches financiers que sont les change-
ments de prix. Un bruit thermique, dont
il a été dit qu'il est bénin, est monotone,
sans caractère, et l'on voit qu'il puisse
être éliminé ( « filtré ») assez aisément.
Tout au contraire, un tracé boursier, un
bruit en l/f ou tout autre bruit sauvage
paraissent sans cesse changer de carac-
tère. Ils regorgent de traits dont on jure-
rait que chacun signifie quelque chose,
qu'ils ne sauraient être des effets du pur
hasard ; tel est bien le cas si on se limite
au hasard usuel, c'est-à-dire bénin.
En revanche, observation d'abord
stupéfiante, j'ai trouvé que ces traits peu-
vent « très facilement » être des effets
d'un hasard sauvage. C'est dans le
contexte de la Bourse que je pris pour la
première fois conscience d'un phéno-
mène troublant et magnifique : le pur
hasard peut avoir un aspect qu'on ne
peut s'empêcher de qualifier de créatif.
Je saute de sujet pour dire aussitôt que
c'est cette créativité-là qui, dix ans plus
tard, nous donna les pseudo-reliefs ter-
restres fractals, qui sont désormais clas-
siques et ont été partout répétés et imités.
Au vu de ce qui a été dit, comment
ne pas dire que le hasard bénin et malin
diffèrent l'un de l'autre autant qu'un
gaz diffère d'un solide. Que les règles
les décrivant au niveau le plus abstrait
leur soient communes et très générales
n'empêche pas que ces deux cas posent
des questions très différentes. La notion
de « traitement », en suivant l'analogie
médicale, doit se résigner à prendre,
dans ces deux cas, des formes totale-
ment différentes ?
Je mentionnerai ici qu'au lieu du
terme sauvage, j'avais d'abord utilisé
« malin »,qui était ainsi pris, tout à la fois,
dans deux sens nullement diaboliques.
Le sens médical suggérait des problèmes
très difficiles et pour lesquels la notion
même de traitement ou de cure n'avait
pas le même sens que dans les cas
bénins. Le sens non médical de « malin »
était tout aussi suggestif, mais passons...
Sciences et hasards
On constate que des fluctuations
non bénignes se rencontrent dans toutes
les sciences. Dans les sciences (disons)
« moins exactes », je trouvai du non-
bénin partout, tandis que dans les
sciences « exactes », la règle semblait
être que le non-bénin se concentre dans
des exemples isolés. Ainsi les bruits
fondamentaux de la physique sont les
bruits thermiques, qui sont bénins, les
phénomènes non bénins étant des « cas
spéciaux » que l'on aimait croire dénués
d'importance.
Parmi les raisons non contingentes
qui ont fait que telle science a pu deve-
nir exacte, on doit compter le fait que
ses fluctuations les plus importantes se
trouvent être bénignes. Au contraire,
les sciences dont le hasard non bénin
régit les bruits de base risquent de
demeurer longtemps dans un état
« moins exact ». L'opinion opposée est
fort répandue : elle postule que les
sciences exactes ont seulement eu
l'avantage accidentel d'avoir eu plus de
temps pour se développer, mais ce
point de vue me paraît contraire aux
leçons de l'histoire. Même à l'intérieur
de la physique, les problèmes de la pré-
vision des crues des rivières et celui de
la prévision des positions des planètes
avaient été identifiés à peu près aussi
anciennement, mais le premier resta du
domaine de la superstition, tandis que
le second progressait brillamment. Or
« il se trouve » que c'était dans son sein
que les fluctuations sont faibles et à la
limite négligeables.
II se pourrait donc que certaines
sciences soient intrinsèquement plus
complexes que d'autres. On pourrait
craindre que le « degré d'exactitude »
d'une science n'ait, dans tous les cas, une
limite, plus ou moins haute. Allant des
plus exactes à celles qui le sont de moins
en moins, on verrait décroître la propor-
tion des quantités intéressantes que
l'action collective régularise, et aussi la
proportion des quantités régularisables
qui se trouvent être intéressantes.
Avant de s'essayer à résoudre tout
problème qui se pose, il faudrait que l'on
reprenne et approfondisse la notion du
« problème bien posé », formulée vers
1900 par Jacques Hadamard. Celui-ci, en
étudiant diverses équations de la méca-
nique, a constaté avec surprise que les
effets d'un petit changement des données
initiales ne sont pas nécessairement limi-
tés. Au contraire, il est des cas où ces
effets sont considérables ; s'il en est
ainsi, la « relation de cause à effet » a
beau être non aléatoire et connue impec-
cablement, on ne pourra guère s'en servir
en vue de prédiction. Lorsque la relation
de cause à effet et l'incertitude sur les
données initiales sont toutes deux aléa-
toires, le « bien posé » soulève de nou-
veaux problèmes ; mais ce n'est pas le
lieu pour les discuter !
 La répartition

des étoiles et des galaxies

Joseph Silk, Alexander Szalay et Yakov Zel'dovich

Sur des milliards d'années-lumière, t'espace dossier).De plus, cesfluctuationsdoivent

engendrerdes structuresde taille particu-
n'est qu'un grand vide parsemé de superamas lière : on a maintenant identifié des
étoiles,desgalaxies,des amasde galaxies
de galaxies. Cette structure alvéolaire de l'Univers et même dessuperamas,c'est-à-diredes
amasd'amas, mais à l'échelle supérieure
résulterait de perturbations aléatoires de la densité à celle des superamas, l'Univers est à peu
près uniforme (il n'y existe pas « d'amas
de matière peu après sa création, le Big Bang. desuperamas »).

Des fluctuations
de densité
Ô ciel au-dessus de moi, inférieureà 1/30 000. Malgré ces succès,
ciel pur et haut, sois un séjour de danseon sait que l'expansionde l'Univers n'est Grâce aux résultats conjugués de la
pour les hasards divins ! pastout à fait uniforme. En effet, si cette cosmologie et de la physique des parti-
AINSI PARLAIT SARATHOUSTRA, NIETZCHE. expansionétait absolument uniforme, il cules, on a réussi à satisfaire toutes ces
n'existerait pas d'agglomération de exigences,sansfaire d'hypothèses cho-
Depuis longtemps les astro- matière et l'Univers ne serait qu'un gaz quantes sur l'état primitif de l'Univers.
nomes sont persuadésque de particulesélémentairesdont la densité En particulier, on n'a émis aucune
la distributionactuelledela diminueraitavec le temps : les étoileset hypothèsesur l'échelle ou la configura-
matière à l'échelle cos- lesgalaxiesn'existeraientpas. tion de la masseou de l'énergie au début
mique est un vestiged'une Afin d'expliquer la structureactuelle de l'expansion et on n'a introduit aucune
époque très reculée de l'histoire de de l'Univers, le cosmologiste du Big force nouvelle. On a simplement admis
l'Univers. Commela théorie du Big Bang Bang doit donc admettre que, dès le que peu après le Big Bang, il y eut de
fait la quasi-unanimitéchezles cosmolo- début de l'histoire de l'Univers, il y eut petites variations de la densité de masse
gistes et les astrophysiciensqui pensent certainesaccumulationsde matière. Ilest et d'énergie partout dans l'Univers. Ces
que ce modèlepermetd'appréhendertous possibleque cespremièreshétérogénéités variations résultaientde la superposition
les phénomènescosmologiques, il faut aient étéfaibles et presqueindiscernables de fluctuations de faible amplitude de la
examiner,dans le cadrede cette théorie, du fond homogène ; de petites fluctua- densité, à toutes les longueurs d'onde
la très irrégulière distribution de matière tions dansla courburede l'Univers primi- possibles, c'est-à-dire à toutes les
dansl'Univers et sonévolution. tif se traduiraientpar de faibles compres- échellesde longueur ; les amplitudesde
Selon la théorie du Big Bang, sions ou raréfactions de matière ou ces diversesfluctuations étaientréparties
l'Univers naquit il y a 10 à 20 milliards d'énergie d'une région à l'autre de aléatoirement,de sorteque les variations
d'annéespar « explosion d'un » point sin- l'espace.L'amplitude de ces fluctuations de densité qui en résultèrent seraient
gulier de densitéinfinie ; l'expansionqui (c'est-à-dire la variation par rapport à la aléatoires et chaotiques.À partir de cet
suivit l'explosion se poursuit encore densitémoyenne) doit être assezgrande état et en utilisant desprincipes de phy-
aujourd'hui. Dans la version la plus pour conduire aux agrégatsde matière sique bien connus,on arrive à la struc-
simple de la théorie, l'Univers est en que nous observonsactuellement; cepen- ture actuelle de l'Univers.
expansionuniforme à partir du point sin- dant, la déterminationde cette amplitude A mesure que l'Univers poursuivait
gulier. Une telle expansionuniforme rend est un problème théorique délicat. Si les son expansion, les particules élémen-
compte d'observations importantes : la fluctuations initiales avaient été trop taires, en se déplaçantlibrement et aléa-
matièreextragalactiques'éloignede notre importantes,elles auraientprovoqué des toirement, effacèrent toutes les fluctua-
Galaxieà une vitessequi varie régulière- variationsde la températuredu rayonne- tions initiales inférieures à une taille
ment avec la distanceet un rayonnement ment thermique cosmologique de telles critique : seulessurvécurentles fluctua-
micro-onde remarquablementisotrope, variations ont été récemmentobservées tions qui comprimaient ou raréfiaient
dit rayonnement thermique cosmolo- par le satellite COBE,mais leur valeur des massesde matière d'au moins 1015
gique, baigne le ciel ; ce rayonnement relativeest très faible, égaleà 10-5 (voir ou 1016fois la masse du Soleil. Sous
correspond à une température dont la Les fluctuations primordiales de l'effet de la force de gravitation, cer-
variation en fonction de la direction est l'Univers, par Laurent Nottale, dans ce taines des masses comprimées se
1. CETTE DISTRIBUTION DE 400 000 GALAXIES sur 100 degrés du ciel
a été cartographiée par un programme d'ordinateur conçu pour
mettre en évidence la structure filamenteuse de l'Univers. La couleur
de chaque petit élément carré de l'image indique le nombre de
galaxies
qui
y est contenu : les carrés noirs représentent les régions
contenant le plus petit nombre de galaxies, et l'augmentation de la
densité des galaxies est indiquée par des teintes de plus en plus claires,
allant du brun au blanc. Les carrés verts et rouges correspondent à
des crêtes et des pics locauxdans la distribution des galaxies. Les car-
rés verts désignent des régions où le nombre de galaxies est plus grand
que dans tous les carrés adjacents dans deux ou trois directions (hori-
zontale, verticale ou diagonale). Les carrés rouges désignent des
régions ou le nombre de galaxies atteint un maximum local dans les
quatre directions. Les « filaments » verts pourraient correspondre à des
superamas de galaxies ; si c'est le cas, ils s'étendent sur 100 millions
d'années-lumière. Cette carte est fondée sur un relevé de
l'Observatoire de Lick. Son centre est le pôle Nord de la galaxie, dauts
la constellation de la Chevelure de Bérénice ; son bord est le parallèle
galactique situé à 40 degrés Nord, et la carte est orientée de sorte que
le centre de notre Galaxie soit vers le haut.
contractèrent préférentiellement dans
une direction. Les fluctuations initiales
donnèrent ainsi naissance à des nuages
de gaz gigantesques et irréguliers, res-
semblant à des crêpes. Là où deux
crêpes se coupent, il se forme de longs
filaments de matière. Certains des
nuages restèrent intacts, d'autres se bri-
sèrent pour former des galaxies ou des
amas de galaxies. L'un de nous (J. Silk)
expliqua le premier l'émergence
d'une échelle caractéristique pour les
fluctuations. Un autre d'entre nous
(Y. Zel'dovich) montra comment se for-
maient, par gravitation, ces fines
couches de matière. Nous appellerons
ce modèle la « théorie des crêpes ».
Deux dimensions
extrêmes
La théorie des crêpes met en scène
deux objets très différents car ils sont
aux extrémités de l'échelle physique.
L'un d'eux est un système astrono-
mique assez grand pour remplir 1023
années-lumière cube de l'espace ;
I'autre est le neutrino, une particule élé-
mentaire qui interagit faiblement et n'a
pas de dimensions décelables. Si l'on
veut confirmer la théorie des crêpes, il
faut observer ces deux objets et attri-
buer une masse non nulle au neutrino.
Comme les deux masses (si elles exis-
tent toutes deux) diffèrent de 80 ordres
de grandeur (d'un facteur 1080), il faut
utiliser des méthodes sortant de l'ordi-
naire pour les mesurer.
On a vérifié que l'échelle astrono-
mique existait, et il est tentant d'affirmer,
au vu de la masse du système, que la
théorie des crêpes est un pas dans la
bonne direction. On a mesuré la distance
de plusieurs milliers de galaxies en déter-
minant le décalage vers le rouge de leur
spectre, c'est-à-dire le déplacement des
raies spectrales vers le domaine des
grandes longueurs d'onde du spectre
électromagnétique. Le décalage vers le
rouge est la traduction d'un effet Doppler
dû au fait que les galaxies lointaines
s'éloignent de la nôtre (c'est la récession
des galaxies). On calcule la vitesse de
cette récession à partir du décalage vers
le rouge grâce à une formule mathéma-
tique simple, puis la distance (l'éloigne-
ment) de la galaxie car celle-ci est pro-
portionnelle à la vitesse de récession de
la galaxie. La mesure du décalage vers le
rouge associée aux coordonnées de la
galaxie sur la sphère céleste permet aux
astronomes de connaitre la position de
cette galaxie dans l'espace. On a ainsi
dressé des cartes en trois dimensions de
la distribution des galaxies.
Ces cartes présentent des particula-
rités : les galaxies sont concentrées en
immenses « feuillets » aux structures
filamenteuses dont la plus grande
dimension, environ 100 millions
d'années-lumière, est dix fois plus
grande que sa dimension la plus faible.
Une telle structure peut contenir
jusqu'à un million de galaxies, et sa
masse est d'environ 1016 masses
solaires. En outre, à l'intérieur de cha-
cune de ces structures, les galaxies ne
sont pas uniformément réparties : on y
distingue des « blocs » et des « lignes »
de peuplement plus dense, beaucoup
d'entre eux se trouvant à l'intersection
de deux « feuillets ». Enfin, intercalés
entre les plus grandes structures se
trouvent de gigantesques vides de
matière ne contenant presque aucune
galaxie, qui s'étendent sur 100 à 400
millions d'années-lumière.
La détermination de la masse du
neutrino (si elle n'est pas nulle) est plus
problématique. Plusieurs types d'expé-
riences ont ce dessein. Dans la méthode
la plus directe, on peut déduire l'exis-
tence de cette masse si l'on trouve cer-
taines variations dans la vitesse de
désintégration d'isotopes radioactifs.
Dans les années 1980, Valentin
Lubimov et ses collaborateurs de
l'Institut de physique de Moscou ont
mesuré la vitesse de désintégration du
tritium, l'isotope radioactif de l'hydro-
gène. Leurs résultats faisaient apparaître
une masse très petite mais non nulle pour
le neutrino, comprise entre 20 et 40 élec-
tronvolts, ce qui est inférieur au dix mil-
lième de la masse de l'électron.
Un deuxième type d'expériences,
mis au point par Ettore Fiorini de
l'Université de Milan, est fondé sur la
vitesse d'un mode de désintégration
radioactive, appelé désintégration
double-bêta, que l'on observe dans cer-
tains isotopes. En se fondant sur la
vitesse de désintégration du germanium
76, E. Fiorini a annoncé que la masse du
neutrino ne pouvait être supérieure à 10
ou 20 électronvolts. Cette méthode est
moins directe que la mesure de la vitesse
de désintégration du tritium ; on ne peut
interpréter ces résultats comme une
mesure de la masse du neutrino que si
l'on admet que le neutrino est sa propre
antiparticule. En revanche, si le neutrino
et l'antineutrino sont distincts, la désin-
tégration double-bêta du germanium 76
est modifiée et on ne peut pas en déduire
une valeur de la masse du neutrino.
Une troisième méthode est fondée
sur l'existence de trois types de neutri-
nos : le neutrino électronique, le neu-
trino muonique et le neutrino tauique. Si
les trois types de neutrinos ont une
masse, si les trois types peuvent appa-
raître avec des probabilités différentes et
si la différence entre les carrés des
masses de deux types quelconques de
neutrino n'est pas nulle, la mécanique
quantique implique que les trois types de
neutrinos peuvent osciller, c'est-à-dire
échanger leurs identités. Comme ces
oscillations devraient provoquer une
variation dans le temps de la population
de chaque type de neutrino, on devrait
détecter ces oscillations sous la forme
d'une variation de la population des neu-
trinos électroniques (par exemple) le
long de la trajectoire d'un faisceau de
neutrino. Plusieurs expériences de ce
type ont été effectuées par différentes
équipes de chercheurs. Jusqu'à présent,
aucune de ces équipes n'a obtenu de
preuve irréfutable de l'existence d'oscil-
lations des neutrinos. L'absence d'oscil-
lations pourrait simplement indiquer que
la différence entre les carrés des masses
de deux types de neutrinos est nulle ;
une absence d'oscillations est donc com-
patible soit avec une masse non nulle,
soit avec une masse nulle du neutrino.
Les résultats expérimentaux ne per-
mettent pas de conclure sur la masse du
neutrino, mais, si l'on accepte l'exis-
tence de cette masse, les conséquences
cosmologiques sont importantes : un
neutrino massif conduirait inéluctable-
ment à des structures en crêpes à
grande échelle. Avant d'examiner cet
effet, il est utile de décrire une version
plus ancienne de la théorie des crêpes,
qui rend finalement peu compte de cer-
taines observations importantes mais
qui a donné naissance à la théorie
actuelle, plus fructueuse.
La « soupe » primordiale
Les astrophysiciens croient com-
prendre assez bien les processus phy-
siques qui ont dû apparaître quelques mil-
lisecondes après le Big Bang. Comme les
énergies des particules qui entrèrent en
collision à cette époque ne sont pas supé-
rieures aux énergies typiques que l'on
atteint dans un petit accélérateur de parti-
cules, on obtient une image du début de
l'Univers en considérant un fluide dense
de particules dont on connaît bien les pro-
priétés individuelles.
Les particules de loin les plus abon-
dantes dans ce fluide étaient le photon,
 l'électron et les trois types de neutrino ; il
restait peu de neutrons et de protons après
les annihilations qui se produisirent au
tout début de l'Univers. Les électrons et
les neutrinos, en contact étroit durant la
majeure partie de la première seconde,
étaient continuellement créés et annihilés.
L'énergie était distribuée aléatoirement
dans tout le fluide grâce à de fréquentes
collisions entre électrons et neutrinos ; en
d'autres termes, les particules étaient en
équilibre thermique. À mesure que
l'Univers poursuivait son expansion, la
densité des particules diminua et les col-
lisions devinrent moins fréquentes.
Comme l'énergie d'un photon est inver-
sement proportionnelle à sa longueur
d'onde, l'énergie moyenne des photons
diminua à mesure que leurs longueurs
d'onde « grandissaient » avec le reste de
l'Univers, et ainsi, l'Univers commença
à se refroidir.
Les recherches théoriques sur l'uni-
fication des forces fondamentales de la
nature permettent de remonter au-delà
de la première milliseconde de l'histoire
de l'Univers. Ces théories sont dites
« grandes unifiées » car elles essaient
d'expliquer la force électromagnétique,
la force nucléaire forte et la force
nucléaire faible comme les différentes
manifestations à basse énergie d'un
même phénomène sous-jacent. (On n'a
pas encore réussi à incorporer la gravi-
tation qui est la quatrième force fonda-
mentale dans une théorie unifiée.) La
densité d'énergie à laquelle les trois
forces deviennent indiscernables corres-
pond à la densité de l'Univers 10-35
seconde seulement après le début du
Big Bang. On peut donc considérer
l'Univers primitif comme un laboratoire
permettant de vérifier les prédictions
des théories unifiées.
L'une de ces prédictions est que si
la densité de matière fluctue aux pre-
miers instants de l'Univers, la densité
des photons, c'est-à-dire du rayonne-
ment, fluctue également, mais le quo-
tient de la densité de matière par la
densité de rayonnement doit rester
constant. Selon la théorie de la relati-
vite générale, la matière et l'énergie
sont des sources gravitationnelles équi- 2. DE PETITESPERTURBATIONS DE LA DENSITÉde matière et d'énergie apparurent dans
valentes et elles déterminent la géomé- tout l'Univers, peu après le Big Bang. On peut considérercesperturbations comme des fluc-
trie de l'espace-temps. C'est pourquoi tuations de type ondulatoire de la densité autour d'une valeur moyenne, réparties aléatoire-
une fluctuation de la densité de masse ment sur toutes les longueurs d'onde. La moitié supérieure de cette image engendrée par
et d'énergie entraîne une fluctuation du ordinateur est une coupe instantanée d'une telle fluctuation aléatoire. Les régions jaunes,
champ gravitationnel, ce qui est équi- verteset bleues sont plus denses alors que les régions orange, rouges et violette sont de plus
valent à une fluctuation de la courbure en plus raréfiées. Dans la moitié inférieure de cette figure, toutes les fluctuations qui
embrassentune masseinférieure a 1016 masses solaires ont été éliminées par les interactions
de l'espace-temps. Le physicien russe
matière-rayonnement au cours des premières étapes de l'Univers. Selon la théorie des crêpes
Eugene Lifshitz a mis au point en 1946 propose par les auteurs, les fluctuations restantes ont donné naissance aux superamas de
une théorie complète de ces fluctua- galaxies et aux videsintermédiaires que l'on observeaujourd'hui.
tions dans l'Univers en expansion, et
cela dans le cadre de la théorie de la
relativité générale.
On peut raisonnablement admettre
qu'au début de l'Univers, les fluctuations
ont dû exister sur une vaste gamme
d'échelles possibles : il semblerait arbi-
traire et tout à fait fortuit que les fluctua-
tions initiales se soient cantonnées, par
exemple, à des régions de dimensions
galactiques. Toutefois, il existe une
limite supérieure à la taille des fluctua-
tions pouvant être perçues par un obser-
vateur quelconque à un instant donné.
Cette limite est l'horizon spatial de
l'observateur, c'est-à-dire la sphère ayant
pour centre l'observateur et pour rayon la
distance parcourue par la lumière depuis
le déclenchement du Big Bang. Dans le
modèle standard du Big Bang, l'expan-
sion spatiale et temporelle initiale à partir
d'un point singulier conduit à un univers
bien plus grand que l'horizon spatial de
tout observateur. D'autre part, comme
on pense que l'expansion de l'Univers
se ralentit, des masses de plus en plus
importantes entrent dans l'horizon de
tout observateur. Des fluctuations indé-
celables au début de l'Univers devien-
nent décelables plus tard car elles sont
perceptibles à l'observateur dont l'hori-
zon s'agrandit.
Dès qu'une fluctuation se trouve dans
l'horizon de l'observateur, on peut la
décrire par la théorie classique, c'est-à-
dire non relativiste de la gravitation. Elle
prend alors la forme d'une perturbation
observable dans la densité du fluide. Il
s'exerce deux effets antagonistes sur tout
volume de matière et de rayonnement
associé : la gravitation tend à faire
s'effondrer sur lui-même ce volume, tan-
dis que la pression due aux mouvements
chaotiques des particules et du rayonne-
ment tend à disperser le volume dans
l'espace. À grandes échelles, c'est tou-
jours la gravitation qui l'emporte. La
pression ne peut pas résister à l'effondre-
ment gravitationnel, de sorte que les par-
ticules sont attirées vers les régions de
plus forte densité. Une fois que l'effon-
drement gravitationnel a commencé, la
matière qui s'est ainsi accumulée peut
attirer de la matière et du rayonnement
plus lointains, et ainsi toute instabilité
initiale est amplifiée. La matière s'accu-
mule donc dans certaines régions et se
raréfie dans les autres.
Si la « soupe »de particules et de pho-
tons qui constituent l'Univers primitif est
assimilée à un gaz parfait, les effets
d'une fluctuation de densité sur le gaz
sont faciles à imaginer. Toute compres-
sion locale sur une masse suffisante
déclenchera une instabilité gravitation-
nelle et conduira à un début d'effondre-

3. L'HORIZON D'UN OBSERVATEUR CROÎT avec le temps et
englobe une fraction de plus en plus grande de l'Univers. L'hori-
zon est une sphère ayant pour centre l'observateur et pour rayon
la distance parcourue par la lumière depuis le Big Bang. Ici,
I'horizon est un cercle situe à la base d'un cône ; l'expansion de
l'Univers est indiquée par l'éloignement croissant de deux
galaxies en fonction du temps. Lors des premières étapes de
l'expansion, les deux galaxies s'éloignent l'une de l'autre a une
vitesse apparente qui dépassela vitesse de la lumière, de sorte
qu'à cette époque, un observateur situé sur l'une de ces galaxies
n'aurait pas eu assezde tempspour voir l'autre galaxie à un stade
antérieur quelconque (a). Comme l'expansion se ralentit, la
lumière provenant d'un stade antérieur de l'une des galaxies
pourra finalement atteindre un observateur situé sur l'autre
galaxie (b). Les bords des cônes sont les trajectoires des signaux
lumineux dans l'espace ; comme aucun signal ne peut se propa-
ger plus rapidement que la lumière, ils représentent la limite spa-
tiale de l'interaction causale a tout instant et aussi la limite des
observations. Par suite, toute fluctuatron de densité de l'Univers à
une échelle supérieure à celle de l'horizon de l'observateur
n'aura aucun effet sur l'observateur ni sur la répartition de la
matière et de l'énergie à l'intérieur de l'horizon.
 ment gravitationnel. À plus petite
échelle, cependant, la gravitation n'est
pas assez intense pour vaincre l'augmen-
tation de pression du gaz créée par
l'accroissement de densité. Le volume de
gaz comprimé va donc « rebondir » et se
raréfier et la fluctuation se propagera
comme une onde sonore, c'est-à-dire par
compression et dilatation périodiques du
milieu à travers lequel elle se propage.
Dans l'air, la plupart des ondes
sonores s'atténuent sur quelques dizaines
de mètres car les particules qui forment
les ondes de pression sont diffusées et
l'énergie de leur mouvement d'ensemble
est dissipée sous forme de chaleur. De
même, les ondes sonores engendréesdans
le cosmos par les fluctuations perdent
leur énergie et disparaissent à toutes les
longueurs d'onde, sauf aux plus grandes.
De plus, les particules et les photons de
l'Univers primitif sont beaucoup trop
denses pour que l'on puisse les assimiler
à un gaz parfait. Pendant les 300 000 pre-
mières années de l'histoire de l'Univers,
les photons étaient assez énergétiques
pour maintenir toute la matière ionisée.
Les photons étaient environ 100 millions
de fois plus nombreux que les électrons ;
les électrons libres qui plus tard se lieront
aux noyaux atomiques, étaient donc
constamment bombardés par les photons,
ce qui entraînait la diffusion des électrons
par les photons et le phénomène inverse.
Il en résulta un fluide épais et visqueux
de photons ; et d'électrons, où aucune
particule ne pouvait se propager bien loin
avant d'être diffusée.
Les électrons libres étant diffusés par
les photons, tout se passait comme s'ils se
déplaçaient dans une mélasse visqueuse
et froide. La viscosité du fluide empê-
chait ainsi la croissance des instabilités
gravitationnelles qui pouvaient résulter de
la seule accrétion de matière. En outre,
tout comme dans un gaz parfait, la grande
pression de radiation due aux photons
empêchait la matière et le rayonnement
de s'effondrer sous l'effet de la gravita-
tion, sauf à des échelles suffisamment
grandes. Les fluctuations qui subsistèrent
au sein du fluide visqueux, c'est-à-dire
celles qui survivent à l'effondrement gra-
vitationnel, peuvent être considérées
comme des ondes sonores.
Nous l'avons déjà mentionné, les
théories grandes unifiées imposent que le
rapport de la densité de photons à la den-
sité de matière reste constant : dans la
phase de compression d'une fluctuation,
la compression des photons doit donc
correspondre à la compression des parti-
cules possédant une masse. Cependant, si
la distance parcourue par un photon toutes les fluctuations, sauf des plus
depuis le déclenchement du Big Bang est grandes. Lorsque l'Univers s'est suffi-
supérieure à la largeur d'une région com- samment refroidi pour que les noyaux
primée à la suite d'une fluctuation, ce atomiques capturent les électrons libres,
photon ne maintiendra pas l'état com- les photons ont diffusé à travers une
primé mais dissipera plutôt sa part de région de l'Univers dont la masse est
l'énergie de la fluctuation. Comme les égale à environ 1014 masses solaires.
photons sont bien plus nombreux que les Toutes les fluctuations initiales qui
particules massives, ils transportent englobaient une masse inférieure à cette
presque toute l'énergie de la fluctuation, quantité sont ainsi effacées.
et ainsi les fluctuations à une échelle Quand les électrons se combinent
inférieure au déplacement radial moyen finalement aux noyaux pour former des
d'un photon depuis le Big Bang sont atomes, la matière et le rayonnement ces-
entièrement dissipées. sent d'interagir et le rayonnement se pro-
page indépendamment des atomes. La
Une marche au hasard viscosité du fluide disparaît brusquement
et les fluctuations qui ont survécu à l'ère
On peut comparer la trajectoire d'un (dite ère radiative) où les photons prédo-
photon au chemin suivi par un ivrogne minaient dans les interactions, ne rencon-
qui quitte en chancelant un réverbère, trent plus d'obstacle à leur amplification.
chaque direction ayant la même probabi- L'instabilité gravitationnelle se déve-
lité. Au lieu de faire les N pas néces- loppe alors sans entrave.
saires pour franchir (à jeun) une certaine La disparition soudaine de la pression
distance à partir du réverbère, l'ivrogne de radiation a un effet prépondérant sur la
devra faire N2 pas. De même, un photon forme et la structure des premiers objets
doit être diffusé N2 fois afin de parcourir apparus. Une pression de nature ther-
une distance radiale égale à celle qu'il mique agit toujours de façon isotrope,
parcourrait s'il se déplaçait librement c'est-à-dire également dans toutes les
(en ligne droite). Bien que diffusés par directions, de sorte que si l'intensité de la
les électrons, les photons se déplacent pression de radiation était restée compa-
radialement dans le milieu à une telle rable à celle de la force de gravitation,
vitesse qu'ils dissipent l'énergie de tous les objets formés par effondrement
4. QUAND UNE FLUCTUATION ne comporte qu'une longueur d'onde, la distribution des
vitessesdes particules est très régulière; les particules sont attirées,par gravitation, vers les
regions de forte densité et la vitesse d'une particule dépend donc de sa distance par rapport
à une telle région, comme indiqué sur le graphe en haut à gauche. Dans le graphe
en bas a
gauche, la vitesse de chaque particule est donnée par la pente de la ligne qui représente sa
trajectoire. Les trajectoires ont tendance a converger et à former des régions de densité
accrue. Ainsi les fluctuations régulières sont amplifiées. Si les fluctuations sont réparties
aléatoirement sur toutes les longueurs d'onde(en haut a droite), les trajectoires ne conver-
gent pas (en bas à droite).
 DESRÉGIONS
EFFONDREMENT DENSES laire. Dans le futur, à mesure que se for-
meront de plus grands amas de matière,
cette structure devrait disparaître. Ainsi,
ce n'est que pendant une étape intermé-
diaire de l'évolution cosmique que la
structure de la matière reflète les fluctua-
tions initiales de la courbure de
l'Univers. Tout indique que, du point de
vue de l'évolution de la structure à
grande échelle, notre Univers n'est ni
très jeune ni très vieux.

Les difficultés
de la théorie

La théorie des crêpes telle que nous

5. LA STRUCTURETOPOLOGIQUE DES FLUCTUATIONS qui survivent au filtrage des pre- venons de la décrire se heurte à deux dif-
miers stades de l'Univers se retrouve dans la structure des superamas de galaxies et des ficultés principales. Rappelez-vous que
vides.À gauche, la densitéde l'Univers est presque uniforme. Si la probabilité de raréfac- les plus petites fluctuations qui survivent
tion provoquée par une légère fluctuation de la densité le long de tout
axe est égale1/2,
à la après l'ère radiative englobent une masse
probabilité pour qu'une région quelconque soit raréfiée suivant les trois axes de l'espace de 1014massessolaires ; or la distribution
est égalea 1/8. Ces régions sont indiquées en blanc ; elles n'occupent initialement que 1/8 des galaxies est structurée à des échelles
du volume de l'Univers et ne renferment que 1/8 de sa masse (schéma de gauche). La force
bien plus grandes. Les simulations numé-
de gravitation comprime les régions coloriées suivant un (ou plusieurs) axe(s). Ces régions,
qui renferment environ 7/8 de la masse de l'Univers, s'effondrent pour former une « toile riques plaident en faveur d'une théorie où
d'araignée » de filaments qui finalement ne remplissent que 1/8 du volume de l'espace les plus petites fluctuations qui survivent
(schémade droite). Les régions de raréfaction initiale se dilatent pour former des vides qui à l'ère radiative ont une échelle corres-
remplissentles 7/8 restants de l'Univers. pondant à 1015ou 1016 massessolaires.
La seconde difficulté est plus
gênante. Comme le rayonnement ther-
gravitationnel auraient dû avoir une se dilatent pour remplir les 7/8 du volume mique cosmologique s'est propagé libre-
symétrie sphérique presque parfaite. restant. La topologie de l'état initial est ment depuis que les électrons et les pho-
L'anisotropie apparaît parce que la pres- conservée. Le résultat final est une struc- tons ont cessé d'interagir, la variation de
sion de radiation est tout à fait négli- ture cellulaire formée de fines parois et de la température de ce rayonnement suivant
geable jusqu'aux derniers moments de filaments de matière comprimée qui la direction d'observation reflète les hété-
l'effondrement gravitationnel. entourent de gigantesques vides. rogénéités primordiales de la distribution
Comme la pression ne peut contreba- Des considérations similaires permet- de la matière. À l'époque où la théorie
lancer l'effondrement, les instabilités gra- tent de prédire la forme des régions com- des crêpes a été formulée sous sa forme
vitationnelles rassemblent pratiquement primées. Il est improbable qu'un volume originelle, on pensait que la variation
toute la matière dans des régions de cubique quelconque de matière, destiné à relative de la température du rayonne-
l'espace comprimées et de forte densité. s'effondrer, forme une sphère. Un tel ment thermique cosmologique sur
Considérons l'argument suivant : le long effondrement nécessiterait une concor- l'ensemble du ciel ne dépassait pas un
de chacun des trois axes de l'espace, la dance parfaite des fluctuations, tant en millième. Par conséquent, on pensait que
matière peut être soit comprimée, soit direction qu'en amplitude, selon les trois les hétérogénéités de la matière dans
raréfiée ; admettons, pour simplifier, que directions spatiales. Il est bien plus pro- l'Univers primitif pouvaient être égales
la probabilité pour que la matière soit bable que le volume s'effondre (se au tiers de la variation de la température,
comprimée le long de l'un quelconque contracte) d'abord le long d'un axe fixé soit un trois millième. Or des chercheurs
des trois axes soit égale à 1/2. La fraction aléatoirement, puis se contracte ou se ont montré que la variation relative de la
du gaz qui ne sera pas comprimée est dilate plus lentement le long des deux température du rayonnement thermique
égale à 1/2 au cube, soit 1/8. Ce raisonne- autres axes. Il en résulte une distribution cosmologique ne dépassait pas 1/3 000
ment a des implications immédiates sur la de matière fortement anisotrope. Comme sur un angle de six degrés.
structure spatiale prévisible après l'effon- la masse contenue dans le volume initial Les fluctuations de densité de matière
drement gravitationnel. Au début, lorsque ne change pas quand l'épaisseur et le nécessaires pour que les crêpes puissent
la densité est encore presque uniforme, volume du cube diminuent, la densité se former étaient compatibles avec les
les régions qui seront comprimées renfer- devient extrêmement grande et il se premières estimations de la variation de
ment environ les 7/8 de toute la matière. forme ainsi une crêpe. la température du rayonnement thermique
Ces régions entourent des bulles de Tout d'abord, les crêpes se forment cosmologique, mais avec la nouvelle esti-
matière plus petites, qui ne subissent dans des régions isolées, mais elles mation de cette variation de température,
jamais d'effondrement gravitationnel : s'étendent bientôt en feuilles fines qui la compatibilité est marginale. En outre,
ces bulles deviendront des vides. Après finissent par se couper pour former la si la densité globale de matière et d'éner-
l'effondrement gravitationnel, les régions structure cellulaire. Des simulations gie dans l'Univers est si faible que
comprimées n'occupent plus que 1/8 du numériques de l'effondrement gravita- l'expansion actuelle se poursuivra indéfi-
volume de l'espace ; les petites bulles, tionnel suggèrent que l'Univers n'a niment, les fluctuations de densité et la
qui ne renferment que 1/8 de la matière, acquis que récemment sa structure cellu- variation de la température ne sont plus
compatibles. À l'échelle cosmique, les
forces gravitationnelles auraient été si
faibles dans les époques récentes que les
fluctuations auraient terminé leur crois-
sanceet conduit à l'effondrement gravita-
tionnel bien plus tôt que ne le suppose la
théorie, c'est-à-dire lorsque la densité de
matière était très supérieure à ce qu'elle
est aujourd'hui. Cependant, l'amplitude
de ces fluctuations aurait été bien trop
grande pour être compatible avec la
quasi-uniformité du rayonnement ther-
mique cosmologique ; d'un autre côté, si
les fluctuations initiales avaient été suffi-
samment faibles pour être compatibles
avec le rayonnement thermique cosmolo-
gique, la naissance des galaxies aurait été
pratiquement impossible.

La matière « sombrer

Si l'Univers est assez dense pour que

l'amplitude des fluctuations soit juste
compatible avec la quasi-uniformité du
rayonnement thermique cosmologique,
un autre problème apparaît : on ne peut
pas rendre compte de la densité de
l'Univers uniquement avec la masse
totale de matière lumineuse, c'est-à-dire
visible, comme les étoiles, les nébu-
leuses, les galaxies, etc. L'Univers doit
alors être essentiellement constitué de
matière « sombre ».
Cette hypothèse n'est pas nouvelle.
Des études de la rotation de notre Galaxie
et d'autres galaxies spirales ont montré
que les vitesses de rotation d'étoiles
situées à la périphérie de ces galaxies ne
satisfont pas aux lois de Kepler. D'après
ces lois, la vitesse de rotation devrait
diminuer lorsque la distance au centre de
la galaxie augmente, tout comme la
vitesse orbitale d'une planète diminue
avec sa distance par rapport au Soleil.
Cependant, les vitesses de rotation des
étoiles périphériques ne diminuent pas :
elles sont à peu près constantes et indé-
pendantes de la distance au centre galac-
tique. On pense que ce dilemme serait
résolu si l'on admettait que la plus grande
partie de la masse d'une galaxie spirale
est constituée par des halos de matière
invisible. Il se pourrait que la matière
sombre existe en quantités encore plus
grandes au sein de groupes et d'amas de
Galaxies. Sans l'attraction gravitation-
nelle due à la matière sombre, de tels sys- 6. LES CONTOURSDE FORTEDENSITÉ sont ici représentés en trois dimensions pour
tèmes « voleraient en éclats » (se dilue- toutes les galaxies plus brillantes que la magnitude 14,5 dans le ciel de l'hémisphère
raient) en un temps très court. On pense Nord et situées à moins de 250 millions d'années-lumière de notre Galaxie (schéma du
haut). Cette distribution (tracée à partir de l'observation de 1 801 galaxies) est sem-
que la matière sombre pourrait représen- blable à celle obtenue par simulation sur ordinateur des prédictions du modèle des
ter 90 pour cent de la masse de l'Univers. crêpes (schéma du bas). Dans ce modèle, on admet que l'accumulation de matière pro-
II fallait trouver une nouvelle compo- vient des fluctuations de densité supérieures à la plus petite fluctuation qui survit aux
sante de l'Univers pour sauver la théorie effets de nivellement des neutrinos supposésmassifs.
des crêpes et une source de matière
sombre pour expliquer les mouvements
des galaxies. Le candidat naturel pour
remplir ces deux missions était le neu-
trino, quoique d'autres particules exo-
tiques, mais encore non détectées telles
qu'un photino massif ou un gravitino
massif, puissent jouer le même rôle cos-
mologique. Selon les théories des parti-
cules élémentaires, dans la première mil-
liseconde suivant le Big Bang, il y avait
équilibre thermique entre une grande
variété de particules à interactions
faibles. Beaucoup de ces particules ont
pu survivre et, à condition qu'elles soient
stables, elles ont pu avoir d'importantes
implications sur le plan cosmologique.
Puisque l'on peut envisager une mesure
expérimentale de la masse du neutrino,
nous nous référerons dans la suite de
cette étude, au neutrino. Néanmoins,
même s'il s'avère que le neutrino n'a pas
de masse, la théorie des crêpes n'en est
pas pour autant infirmée.
Rappelez-vous que pendant la pre-
mière seconde de son existence,
l'Univers est une « soupe »primordiale
où les neutrinos sont très abondants.
Aujourd'hui, le rapport du nombre de
photons à celui des trois espèces de
neutrinos n'est que de 11/9.
Contrairement aux protons, aux élec-
trons et même aux photons, les neutri-
nos interagissent si faiblement avec les
autres particules qu'ils se déplacent
librement dans l'Univers bien avant
les photons. Ainsi les neutrinos qui
initialement se déplacent à la vitesse
de la lumière vont plus loin que les
photons aux premières époques de
l'Univers. À la fin de l'ère radiative,
les neutrinos ont dissipé des fluctua-
tions de plus grande échelle que ne
l'auraient fait les photons seuls.
Si le neutrino a une masse, il ne
peut se déplacer indéfiniment à la
vitesse de la lumière. Lorsque la den-
sité d'énergie des photons tombe au-
dessous de l'énergie correspondant
approximativement à la masse au repos
du neutrino, les neutrinos commencent à
ralentir et à se déplacer à une vitesse
appropriée à leur énergie. Si la masse du
neutrino, exprimée en unité d'énergie, est
de 30 électronvolts, le ralentissement
commencera bien avant la capture des
électrons libres par les noyaux atomiques.
Cette capture ne peut se produire que
lorsque l'énergie ambiante est tombée à
0, 1 électronvolt, énergie à laquelle
l'hydrogène est encore ionisé par le fluide
dense des photons. Bien que les neutrinos
continuent à effacer les fluctuations

7. LES DISCONTINUITES DANS LA DENSITE DE MATIERE
peuvent résulter de déformations continues du milieu pendant
l'effondrement gravitationnel. Dans chaque schéma, le plan du
bas représentedeux directions dans l'espace. On ne considère que
les mouvements dans ce plan et parallèles à l'axe des x. Les parti-
cules se déplacent vers un axe central ; la longueur de chaque
flèche indique la vitessed'une particule située à l'origine de la
flèche (a, b). Un flot de particules se déplaçant vers la droite
(flèches bleues) traverse l'axe central sans entrer en collision avec
le flot de particules se déplaçant vers la gauche (flèches rouges).
Ces déplacementsproduisent deux discontinuités dans la densité,
une de chaque cote de l'axe central (c). Dans presque tout effon-
drement gravitationnel, les mouvements des deux flots de parti-
cules ne sont pas exactement symétriques, et les deux discontinui-
tés se terminent en une fronce (d). On peut considérer ces distri-
butions de densité comme un cas particulier d'un phénomène plus
général décrit par la théorie des catastrophes. Si l'on décrit le
mouvement des particules dans un espace des phases, c'est-à-dire
dans un espace a trois dimensions où l'axe vertical représente la
vitessedans une direction parallèle à l'axe des x, l'interaction des
deux flots de particules est représentée par une surface tordue ou
ondulée (en haut sur chaque schéma). La densité de particules en
tout point est alors donneepar « l'ombre » projetéepar la surface
déforméesur le plan x-y originel.
8. ÉVOLUTION DANS LE TEMPSDES FLUCTUATIONS à grande
échelle de la densité de matière et d'énergie simulée par ordina-
teur en admettant l'existence de neutrinos massifs. L'effondre-
ment gravitationnel engendre des crêpes et des filaments, tandis
que les régions restantes de l'espace deviennent de plus en plus
vides. La structure ainsi obtenue ressemble à la distribution des
superamas et des vides que l'on observe actuellement. Dans plu-
sieurs régions, on observedes fronces et d'autres types de discon-
tinuités de la densité ; on peut les identifier et les classer au
moyen de la théorie des catastrophes.

lorsqu'ils ralentissent, ils deviennent de
plus en plus susceptibles d'être piégés par
des fluctuations à grande échelle qui
n'ont pas encore été « lissées ».Richard
Bond de l'Université Stanford et l'un de
nous (A. Szalay) ont évalué l'échelle
maximum à laquelle les neutrinos peu-
vent se déplacer librement avant d'être
piégés, et par conséquent l'échelle mini-
mum à laquelle les fluctuations ne sont
pas effacées. Cette échelle correspond à
une distance actuelle de 100 millions
d'années de lumière et à une masse de
1015 à 1016 masses solaires. L'accord
avec la taille et la masse des superamas
de galaxies observés est frappant.
Théorie et observations
Comment de telles fluctuations de
matière peuvent-elles être compatibles
avec les très faibles fluctuations relatives
de température (10-5) du rayonnement
thermique cosmologique ? Les neutrinos
cessent d'effacer les fluctuations de là
courbure de l'espace-temps avant la fin
de l'ère radiative mais, contrairement aux
électrons, leurs mouvements ne sont pas
inhibés par la viscosité du fluide formant
l'Univers : les neutrinos entrent en colli-
sion si rarement avec les photons ou les
électrons qu'ils ne sont pas soumis au
freinage dû à la viscosité. Par conséquent,
des instabilités gravitationnelles peuvent
apparaître parmi les neutrinos avant la fin
de l'ère radiative, et ainsi elles peuvent
s'accroître bien plus longtemps que les
fluctuations de la matière ordinaire. Par
suite, l'amplitude initiale des fluctuations
de neutrinos nécessaires pour rendre
compte des hétérogénéités actuelles de la
matière pourrait avoir été bien plus faible
que l'amplitude des fluctuations néces-
saires dans un mélange de rayonnement
et de matière ordinaire. En supposant que
le neutrino a une masse, on peut réduire
d'au moins un ordre de grandeur la varia-
tion de la température du rayonnement
thermique cosmologique requise pour
engendrer les agrégats de matière que
l'on observe aujourd'hui. On réconcilie
alors la théorie et les observations.
La nouvelle version de la théorie des
crêpes conduit à une explication naturelle
de l'origine de la matière sombre de
l'Univers. L'effondrement gravitationnel
initial d'une crêpe dissémine la plupart
des neutrinos car ceux-ci acquièrent de
grandes vitesses (de l'ordre de 1 000
kilomètres par seconde) sous l'effet de
l'effondrement gravitationnel. Ces neu-
trinos iront remplir les régions sombres
de l'espace intergalactique. D'autres
neutrinos, cependant, se déplacent plus
lentement car ils étaient initialement plus
proches du plan central de la crêpe et ne
subissent pas de fortes accélérations. La
fine couche de gaz voisine du plan cen-
tral se condense et se fragmente pour for-
mer les protogalaxies. Les agrégats de
matière ordinaire rassemblent les neutri-
nos lents, et la matière proche du centre
de la protogalaxie continue à se conden-
ser et à former des étoiles. En revanche,
les neutrinos qui se trouvent à la périphé-
rie de la protogalaxie se répartissent sous
l'effet de la gravitation et ne se conden-
sent jamais. Ils deviennent la matière
sombre du halo de la galaxie.
On élabore actuellement une théorie
plus détaillée de la formation des galaxies
dans le cadre de la nouvelle théorie des
crêpes. Quand une crêpe s'effondre, la
« composante-neutrino »du gaz en effon-
drement traverse le plan central de la
crêpe sans interagir. La distribution de
densité des neutrinos présente d'impor-
tantes discontinuités, dont certaines cor-
respondraient à de riches amas de
galaxies. Vladimir Arnold, un mathéma-
ticien de l'Université de Moscou, a tra-
vaillé avec des astrophysiciens sur ce
problème et il a identifié ces discontinui-
tés dans la distribution globale de la den-
sité avec certains éléments de la théorie
des catastrophes, l'une des branches des
mathématiques.
La nouvelle théorie des crêpes éclaire
le caractère et l'origine de la structure
actuelle de l'Univers. Elle est fondée sur
des principes physiques connus et sur des
hypothèses plausibles concernant les
conditions qui régnaient au tout début de
l'histoire de l'Univers. Elle n'est pas
l'unique théorie de l'origine de la struc-
ture à grande échelle de l'Univers, mais il
apparaît que la théorie et les observations
convergent. Néanmoins, il faudra
résoudre de nombreux problèmes impor-
tants avant de pouvoir considérer cette
théorie comme solidement établie.
Une fois la théorie confirmée, il fau-
dra la développer dans deux directions
principales. Premièrement, il faudra
s'attaquer à la structure fine de l'Univers,
à la formation de la première génération
d'étoiles à partir d'un gaz primordial
dépourvu d'éléments lourds.
Deuxièmement, on doit se demander
comment les fluctuations initiales
admises dans la théorie des crêpes ont pu
apparaître à partir d'époques encore plus
anciennes de l'histoire de l'Univers.
LES FLUCTUATIONS
PRIMORDIALES DE L'UNIVERS
mis Les donnéesdu satellite COBEont per-
de franchir une étape essentielle
pour la cosmologie : l'équipe de scienti-
fiques qui étudie ces données à la NASAa
pu mesurer des fluctuations du corps
noir cosmologique, de 30 ± 5 microkel-
vins sur dix degrés pour une tempéra-
ture de 2, 736 kelvins. Quels sont le sens
et l'importance de ces observations?
Revenons plus de 75 années en
arrière. La cosmologie moderne nait
quand Einstein met au point la théorie
de la relativité générale. C'est une théo-
rie relativiste de la gravitation, force
d'attraction dominante à très grande
échelle ; les équations d'Einstein relient
le contenu matériel et énergétique de
l'Univers (décrit comme un gaz de
galaxies caractérisé par une densité et
une pression) à ses propriétés géomé-
triques de courbure. Les physiciens ont
rapidement cherché des solutions de ces
équations, valables pour l'Univers dans
son ensemble, et la cosmologie est aussi-
tôt perçue comme un domaine d'applica-
tion privilégié de la théorie d'Einstein...
En 1922, Friedmann établit les solu-
tions générâtes, à pression nulle, des
équations d'Einstein, fondées sur le prin-
cipe cosmologique, qui postule que
l'Univers est homogène et isotrope à très
grande échelle. Celles-ci seront ensuite
généralisées, par Robertson et Walker,
aux modèles à pression non nulle. Ces
modèles d'Univers ont des propriétés
communes remarquables. Directement
issues du haut degré de symétrie impli-
qué par le principe cosmologique, elles
ont permis à la cosmologie de devenir
une science prédictive, susceptible d'être
éprouvée par les observations.
La première de ces prédictions théo-
riques est l'expansion de l'Univers. En
effet, toutes les solutions cosmologiques
des équations d'Einstein sont non sta-
tiques, a une exception près ; il s'agit
bien là d'une authentique propriété de la
gravitation à grande échelle. Cette
expansion a des conséquences obser-
vables, dont la principale est l'existence
d'un décalage spectral systématique de
la lumière émise par les galaxies, déca-
lage proportionnel à la distance des
objets. Cet effet cosmologique, observé
par Edwin Hubble en 1929, a été depuis
confirmé sur des milliers d'objets.
descend sous 3 000 kelvins : le contenu de
l'Univers est devenu neutre, si bien que les
photons que s'échangeaient continuelle-
ment les particules chargées cessent sou-
dain d'interagir avec la matière. Après ce
Laurent Nottale découplage, I'Univers est rempli de deux
constituants essentiels qui vont évoluer
Le Big Bang indépendamment, l'hydrogène neutre et
un gaz de photons à la température de
Une autre propriété essentielle, que 3 000 kelvins ; ce gaz, précédemment en
possèdent la plupart des modèles d'Uni- équilibre avec ses sources, doit posséder
vers, est l'existence d'une singularité ini- un spectre de corps noir.
tiale : !'expansion de l'Univers est décrite
par un facteur d'echelle variant au cours Le rayonnement primordial
du temps et qui affecte toutes les distances
relatives entre deux points quelconques ; L'hypothèse forte de la cosmologie du
or ce facteur d'échelle diminue quand on Big Bang est que l'Univers, tel qu'on le
remonte dans le passé, jusqu'à s'annuler connait actuellement, résulte de l'évolution
dans un passé lointain mais fini (l'âge de de la matière et du rayonnement depuis
l'Univers est estimé à une quinzaine de cette époque reculée (quelques centainesde
milliards d'années). milliers d'années après la singutarité initiale,
Si cette idée d'un Univers primordial fut ce qui correspond à un décalage spectral
envisagée, à titre spéculatif, par de nom- cosmologique environ égal à 1 000). Deux
breux théoriciens, parmi lesquels Georges questions se posent. Qu'est devenu le
Henri Lemaitre, c'est George Gamow qui rayonnement? Comment le bain uniforme
compri le premier, à la fin des années 1940, de matière initial a-t-il évolué pour donner
qu'elle avait des conséquencesobservables. l'Univers actuel, hautement structuré et for-
Examinons le raisonnement,schématisé,de tement hiérarchisé?
Gamow. Quand on se rapproche de cette La réponse à la première question
singularité initiale en partant de l'époque constitue l'extraordinaire prédiction de
actuelle, on voit que les principales gran- Gamow : une des propriétés des modèles
deurs physiques du gaz de galaxies,tellesla cosmologiques est que, si un rayonnement
densité, la température et, finalement, la de corps noir remplit l'Univers à une
pression, augmentent sans limite. Mais on époque donnée, il resteraun corps noir par-
sait qu'au-delà d'une température de fait a une époque ultérieure, mais à une
quelques milliers de degrés, aucun atome température diminuée.Le rayonnement pri-
ne subsistesous sa forme neutre : les élec- mordial doit donc, raisonne Gamow, être
trons sont arrachés,deviennent libres, émet- encore observableactuellement,mais à une
tent et absorbent sanscessedes photons et température de quelques kelvins seulement.
forment, avec les noyaux, un plasma chargé En 1965, Penzias et Wilson décou-
qui interagit fortement avec le rayonnement vraient ce rayonnement de corps noir iso-
électromagnétique. À plus haute tempéra- trope à une température de 2,7 kelvins,et
ture, ce sont les noyaux eux-mêmes qui apportaient ainsi un argument observation-
sont brisés,et l'Univers devient un bain de nel décisif en faveur des idées de Lemaitre
particules élémentairesen équilibre thermo- et de Gamow. Un des résultats essentiels
dynamique avec le rayonnement. A cette obtenus par COBEet par l'expériencecana-
époque reculée, I'Univers était ainsi fonda- dienne COBRA, est d'avoir confirmé que le
mentalement différent de ce qu'il est actuel- spectre observe était bien celui d'un corps
lement : c'était un Univers chaud, dominé noir, a la température de 2, 726 kelvins et
par ta pression de radiation,au contraire de sansdistorsionappréciable.
l'Univers actuel,froid et sanspression. Depuis,le modèle standardde Big Bang
Que s'est-il passéau cours de la transi- s'est affirmé comme un cadre incontour-
tion entre ces deux mondes? Si l'on part nable pour aborder les problèmescosmolo-
d'un univers de rayonnement, constitué giques fondamentaux, tels ceux de l'abon-
essentiellement de protons, d'électrons et dance des éléments et de la formation des
de photons en équilibre thermodyna- galaxies.La solution précise du premier de
mique, et que l'on suit maintenant le cours ces problèmes a récemment constitue un
du temps, on voit la température de ce nouveau succès remarquabledu modele de
mélange baisser peu à peu a cause de Big Bang : ta comparaisondes abondances
l'expansion, les électrons et les protons des éléments légerspréditespar la théorie et
commencer se à combiner en atomes vers des abondances observées a permis de
10 000 kelvins et finalement disparaitre contraindre le nombre de familles de neutri-
comme entités libres quand la température nos légers à trois et de détecter une erreur
Carte du ciel, en cordonnées galactiques, des fluctuations
d'environ dix degrés. Les plus grandes structures observées dépassent le gigaparsec (3 x 1025 mètres).
importante sur le temps de vie du neutron,
deux résultats qui furent spectaculairement
vérifiés peu après, dans des expériences de
physique des particules.
Les fluctuations de densité
Le problème de la formation des
galaxies et des grandes structures de
l'Univers reste le principal problème non
résolu de la cosmologie. Selon l'hypothèse la
plus simple, la gravitation est responsable de
la structuration de l'Univers telle qu'on
l'observe aujourd'hui. Mais la gravitation ne
peut faire croître que des structures préala-
blement existantes. On aboutit ainsi à ta
conjecture que, à l'époque du découplage
rayonnement-matière, ta densité n'était pas
totalement uniforme. Cette hypothèse pose
aussitôt beaucoup de questions. Quel était le
spectre de ces éventuelles fluctuations ?
Étaient-elles a petite échelle, à grande
échelle ou aux deux ? Sont-elles observables,
directement ou indirectement ? Comment
ont-elles évolué vers ta distribution actuelle
en étoiles, galaxies, groupes amas et supera-
mas de galaxies, très grandes structures
planes ou filamentaires ? D'où sont-elles
issues?
On pourrait en effet penser que postu-
ler l'existence de fluctuations qui elles-
memes devront être comprises comme
conséquences de fluctuations plus anciennes
encore, ne fait que reculer le problème.
C'est vrai du point de vue théorique, mais
pas du point de vue observationnel.
Replaçons-nous en effet à l'époque qui a
de température observées
précédé le dkouplage, et supposons que
de telles fluctuations de ta densité de matière
existaient A cette époque, le rayonnement
ne cessait d'interagir avec la matière, mais,
pour des valeurs de la température com-
prises ente 107 et 104 kelvins, les interac-
tions matière-rayonnement sont insuffisantes
pour « thermatiser » complètement le rayon-
nement. En d'autres termes, durant cette
époque précédant la combinaison en
atomes et le découplage, les éventuelles
fluctuations de matière doivent laisser leur
empreinte sur le rayonnement de corps noir
cosmologique. Ce sont ces empreintes que
COBEa détectées pour la première fois.
Les théoriciens ont pu préciser certaines
contraintes auxquelles ces fluctuations
devraient satisfaire pour qu'elles puissent
évoluer vers les structures actuelles ; ta prin-
cipale, établie par Harrison et Zel'dovich,
étant que le spectre de fluctuations devrait
être indépendant de l'échelle à laquelle on
l'observe. Or COBE a obtenu, au moins
dans le domaine qui lui est accessible
(séparations angulaires supérieures à sept
degrés), des fluctuations compatibles avec
un tel spectre de Harrison-Zel'dovich. Ce
spectre de fluctuations a été détecté prati-
quement à la valeur minimale de son
amplitude possible ; cette valeur a été esti-
mée à partir des champs de vitesse actuels,
observés a grande échelle pour les
galaxies. Le résultat de COBEconstitue donc
un soulagement pour les théoriciens : si
l'amplitude des fluctuations avait été infé-
rieure, le cadre préférentiel dans lequel le
problème de la formation des structures est
par COBE,lissée avec une résolution
actuellement abordé, celui de l'instabilité
gravitationnelle, aurait dû être rejeté.
Mais ce résultat ne change rien à tous
les problèmes rencontrés, puisque ceux-ci
t'étaient précisément à partir de l'hypo-
thèse d'un spectre primordial de Harrison-
Zel'dovich. Il faut également, à mon avis,
atténuer les annonces suivant lesquelles
cette découverte confirmerait les modèles
d'inflation. Si ('hypothèse d'inflation (c'est-
à-dire d'une période d'expansion expo-
nentielle dans l'Univers très primordial)
permet effectivement, comme d'autres
hypothèses, de prévoir un spectre de fluc-
tuation pratiquement plat a l'époque de la
recombinaison, l'amplitude prédite est 105
fois celle observée. Parler de succès théo-
rique semble donc prématuré...
A l'époque des premières données de
COBE,on devait rester prudent sur la réalité
de cet effet ; on l'obtenait après corrections
d'un grand nombre d'autres effets, en parti-
culier les émissions synchrotron et ! es émis-
sions dues aux poussières de notre Galaxie,
qui sont plus de dix fois supérieures. Cet
effet est aujourd'hui bien confirme. Ce résul-
tat est plus un début qu'une fin : on peut
rêver d'une nouvelle branche observation-
nelle de l'astronomie, où ces fluctuations
seront observées et analysées plus en détail,
en particulier à une meilleure résolution
angulaire, à des échelles où une comparai-
son statistique avec les structures observées
actuellement deviendra possible...
Laurent Nottale travaille à l'Observatoire
de Meudon, CNRS-DAEC.
L'évolution

de la vie terre
sur

Stephen Jay Gould

La vie n'a évoluée ni régulièrement prendre les étapesde l'histoire de la vie.

La théorie explique bien sûr l'histoire,
ni de façon prévisible. L'évolution a résulté sansquoi elle devrait être rejetée,et elle
prévoit certaines caractéristiqueshisto-
d'une succession d'événements fortuits. riques de la vie. Toutefois l'histoire de
la vie reste insuffisamment expliquée
par la théorie générale de l'évolution.
Nous devonsreconnaîtreque nous sous-
Certains créateursclament ne prouve que l'agressivité humaine estimonsla complexité de notre monde :
leurs inventions en grande favorise les chasseurs, ni que la les événements sont si imbriqués, et
pompe : Dieu poussa son musique et la religion renforcent la embrouillés par des élémentschaotiques
Fiat lux en même temps cohésion tribale. Darwin lui-même et aléatoires, ils sont si peu reproduc-
qu'il illumina son monde insista sur la multiplicité des causes tibles, ils mettent en jeu tant d'éléments
nouveau. D'autres, comme Charles d'évolution et mit en garde contre un spécifiques,que les modèlesstandardde
Darwin, exposent modestement de recours excessif à la sélection naturelle, prévision ne s'appliquentpas.
grandes découvertes. En 1859, il pro- concluant l'introduction de son Origine L'explication de l'histoire est satis-
posa ses nouveaux mécanismes de des espècespar cet avertissement: « Je faisantelorsque les conséquencesd'une
l'évolution : « J'ai nommé Sélection suisconvaincu que la sélection naturelle série d'événementssont évidentes,mais
Naturelle le principe selon lequel a été le mécanismeprincipal de l'évolu- la prévision seratoujours imprécise. Le
chaque petite variation est conservée tion, mais pas le seul.» mathématicien et physicien français
quandelle est utile. » Pierre Simon de Laplace s'est fait le
La théorie de la sélection naturelle Les écueils de la théorie porte-paroledu déterminismelorsque ce
est si simple, si remarquablementpuis- de l'évolution dernier s'est développé,à la fin du XVIIIe
sante qu'elle a résisté à 135 ans d'exa- siècle, et il a même prétenduqu'il pou-
mens et de tests. Elle stipule que les En effet, la sélection naturelle vait prévoir le futur de l'Univers s'il
organismes luttent pour améliorer leur n'explique pas tous les changements connaissait la position et la vitesse de
succès reproductif, ce qui favorise évolutifs. D'une part, diverses causes toutes les particules du cosmos, à un
l'adaptation despopulationsà l'environ- peuvent agir sur l'organisation biolo- moment donné. La découverte de la
nement changeant. Ici le mot « lutte », gique, qu'on la considère à une échelle complexité du monde physique a brisé
métaphorique, ne désigne pas un com- inférieure ou supérieureà celle qu'envi- ce rêve chimérique. L'histoire de la vie
bat, mais souligne que l'efficacité de la sage Darwin (lequel se limite essentiel- recèle trop de phénomèneschaotiques,
reproduction résulte d'activités paci- lement à la lutte pour le succèsrepro- extrêmement sensibles à d'infimes
fiques variées : par exemple, d'une ductif). À l'échelle de la molécule, des variationsdes conditions initiales et qui
maturité sexuelle précoce, d'accouple- substitutionsde pairesde bases,dans les conduisent à des évolutions totalement
ments fréquents et d'une meilleure doubles hélices d'ADN, sont souvent divergentes. L'histoire est aussi beau-
coopération qui permet aux parents de aléatoireset dépourvuesd'effets. À une coup trop contingente,c'est-à-dire déter-
mieux élever les jeunes. La sélection échelle supérieure, celle des espèces, minée par de longues chaînesde phéno-
naturelle est plus un principe d'adapta- voire des faunes,des groupes sont par- mènesimprévisibles ; l'avenir n'est pas
tion au milieu qu'un principe de progrès. fois sélectionnés lors des périodes prévisible par quelqueslois naturelles.
Toutefois, malgré sa puissance, la d'équilibre, en fonction de leur taux Homo sapiensn'est pas arrivé sur la
sélection naturelle n'est pas la seule d'apparition et d'extinction, tandis que, Terre-au cours de la dernière seconde,
causede l'évolution (dansde nombreux lors des périodes d'extinctions de à l'échelle des temps géologiques-en
cas, elle est même supplantée par masse, de nombreuses espèces dispa- raison d'un progrèsbiologique ou d'une
d'autres mécanismes).Ce point doit être raissent, alors qu'elles étaient bien augmentation de la complexité neuro-
souligné, car, selon une mauvaiseinter- adaptéesavant le cataclysme. nale prévuepar la théorie de l'évolution,
prétation de la théorie de la sélection D'autre part, et c'est le thèmede cet mais plutôt parce qu'il était l'aboutisse-
naturelle, toute caractéristique,souvent article, quelle que soit la validité de la ment contingent et fortuit de milliers
spéculative, résulte d'une adaptation théorie générale de l'évolution, nous d'événementsinterdépendants. Chacun
biologique au milieu d'origine ; or rien cherchons aussi à retracer et à com- d'eux aurait pu se produire différem-
ment et mettre l'évolution sur un autre voudrait que l'homme soit la plus de la nature lorsqu'il écrit : « Comme la
chemin où la conscience ne serait pas haute expression de la vie et qu'il soit sélection naturelle travaille uniquement
apparue. Examinons quatre voies pos- le maître de la planète. pour le bien de chaque être, chaque don,
sibles parmi une multitude auxquelles Les sciences s'appuient sur les faits qu'il soit du corps ou de l'esprit, est un
nous avons échappe. de la nature, mais elles sont toutes progrès vers la perfection. »
engoncées dans un contexte social et, Parmi les directions prises par l'évo-
Notre existence malgré leur volonté d'objectivité, les lution, beaucoup sont probablement des
le fruit du hasard scientifiques ne sont pas toujours à l'abri conséquences des lois de la nature, mais
est
des « convictions ». Darwin lui-même, cette définition est trop imprécise pour
Premièrement si notre lignée, dans la conclusion de L'origine des justifier rigoureusement les résultats spé-
inconsciente et fragile, n'avait pas fait espèces, exprime plus son goût pour cifiques de l'évolution : pourquoi a-t-on
partie des rares survivants de l'extinc- l'ordre social victorien que pour l'étude abouti aux roses, aux champignons, ou
tion massive des animaux pluricellu-
laires, au Cambrien, il y a quelque 530
millions d'années, il n'y aurait pas de
vertébrés sur la Terre aujourd'hui. Un
seul membre de notre lignée des chor-
dés, le genre Pikaia, a été retrouvé parmi
les plus anciens fossiles. Notre lien de
parenté avec cette petite et simple créa-
ture aquatique est attesté par sa noto-
chorde, une épine dorsale rigide ; c'est
l'un des fossiles les plus rares des
schistes de Burgess, le site le mieux pré-
servé de la faune cambrienne.
Deuxièmement, si un petit groupe
de poissons à nageoires, sans avenir,
n'avait pas acquis des arêtes ossifiées
et une solide arête centrale, capable de
supporter la masse de l'animal sur
terre, alors les vertébrés n'auraient
peut-être jamais quitté les eaux.
Troisièmement, si un volumineux
météorite n'avait pas percuté la Terre il
y a 65 millions d'années, les dino-
saures seraient toujours l'espèce domi-
nante et les mammifères seraient mino-
ritaires (une situation qui a duré
pendant 100 millions d'années).
Quatrièmement si, il y a deux ou
trois millions d'années, une petite lignée
de primates ne s'était pas redressée pour
marcher dans la savane africaine qui
s'asséchait, nos ancêtres auraient évolué
vers une espèce de singes qui auraient
ressemblé aux chimpanzés ou aux
gorilles actuels, seraient devenus minori-
taires et auraient probablement disparu
malgré leur comportement élaboré.
Ainsi pour comprendre les événe-
ments et tendances générales de l'his-
toire de la vie, nous devons dépasser
les principes de la théorie de l'évolu-
tion et examiner d'un point de vue
paléontologique les structures contin-
gentes de l'histoire de la vie, la seule
version réelle qui se soit développée 1. CES FOSSILESDE PTERIDINIUMont été retrouves en Namibie ; ils représententles tout
premiers organismes de la faune terrestre pluricellulaire, la faune d'Édiacara, qui apparut
sur notre planète, parmi des millions il y a environ 600 millions d'années. La faune d'Édiacara a disparu avant l'explosion
d'autres possibilités. Cette conception
de la vie moderne, qui eut lieu au Cambrien. Ces organismes qui semblent composés
de l'histoire de la vie est contraire aux de feuillets pourraient être les ancêtres de certaines formes modernes de vie. Toutefois,
modèles déterministes classiques de la ils pourraient aussi représenter une expérience évolutive originale, mais sans lendemain,
science occidentale, ainsi qu'aux tradi- de la vie pluricellulaire. L'histoire de la vie ressembleplus à une suite d'épisodes rapides
tions et à l'espoir de notre culture, qui et capricieuxqu'à une avancée graduelle et régulière.
 aux êtres humains? Les organismes sont
soumis aux lois de la physique et doivent
s'y adapter. Ainsi, il n'est guère surpre-
nant, connaissant la loi de la gravitation,
que les plus gros mammifères marins
(les baleines) soient plus gros que les
animaux terrestres les plus imposants
(aujourd'hui les éléphants, naguère les
dinosaures), lesquels sont à leur tour
plus gros que les plus grands vertébrés
qui aient jamais volé (les ptérosaures
du Mésozoïque).
Les principes de la thermodyna-
mique gouvernent les lois écologiques
de l'organisation des communautés ani-
males (par exemple, la biomasse des
proies est supérieure à celle des préda-
teurs). Une fois qu'elles sont amorcées,
les tendances évolutives peuvent être
prédites localement. (C'est « une course
aux armements », où les proies et les
prédateurs renforcent simultanément
leurs défenses et leurs moyens
d'attaque ; c'est l'« escalade adaptative »
qui se traduit par l'augmentation de la
puissance des pinces des crabes et de la
résistance des coquilles de leurs proies
favorites, les gastéropodes.) Toutefois
les lois de la nature n'expliquent pas
pourquoi les crabes et les escargots
existent, pourquoi les insectes domi-
nent le monde des êtres pluricellulaires,
ni pourquoi ce sont les vertébrés, et non
des algues, qui représentent les formes
de vie les plus élaborées sur Terre.
2. LE PROGRÈS NE GOUVERNE PAS L'ÉVOLUTION (il n'en est pas même un des principauxment dominante faussé
acteurs). En raison de contraintes à la fois chimiques et physiques, la vie est apparue près
du « mur de gauche » sous sa forme la plus élémentaire. Il s'agissait des bactéries, la forme
de vie qui est restée la plus répandue. Quelques créatures
deformant la courbe de la complexité. Quelques-unes se sont déplacées vers la gauche, qui n'a été qu'une conséquence secon-
mais l'espace était déjà occupé. Simultanément la complexité des bactéries n'a pas changé, daire d'un point de départ déterminé par
mais leur importance relative a augmenté.
Trois observations paléontologiques roches connues ont seulement 3, 9 mil-
battent en brèche notre conception clas- liards d'années, car, au début de son
sique de l'histoire de la vie, selon histoire, la Terre était fondue : de nom-
laquelle, au cours de l'évolution, la com- breux débris cosmiques la bombardè-
plexité des organismes a augmenté pro- rent durant la constitution du Système
gressivement et de façon prédictible. solaire et les isotopes radioactifs à
Ces observations, autour desquelles courte durée de vie libérèrent beaucoup
cet article est structuré, sont : la com- de chaleur. Les roches de cette époque
plexité moyenne est restée constante ont subi trop de réchauffements et de
tout au long de l'histoire de la vie ; cer- compressions pour avoir conservé la
tains événements importants se sont trace de fossiles (bien que certains géo-
concentrés sur des périodes très courtes, logues pensent que les proportions par-
séparées par de longues accalmies rela- ticulières des isotopes du carbone, dans
tives ; les extinctions de masse et ces roches, témoignent d'une produc-
d'autres phénomènes dus à des événe- tion de matière organique). Les roches
ments extérieurs au vivant ont notable- les plus vieilles qui ont été suffisam-
ment perturbé l'organisation acquise au ment préservées des altérations posté-
cours des temps « normaux ». Ces trois rieures pour avoir conservé des fossiles
observations, ainsi que la reconnais- cellulaires sont des sédiments austra-
sance du chaos et de la contingence, liens et africains datant de 3,5 milliards
imposent la découverte d'un nouveau d'années. Elles contiennent des cellules
système théorique pour interpréter et procaryotes (des bactéries et des cyano-
décrire l'histoire de la vie. Nous exami- phycées) et des stromatolites (des tapis
nerons quelques propositions pour une de sédiments piégés et soudés par ces
nouvelle vision de l'évolution. cellules dans les eaux marines peu pro-
fondes). Ainsi la vie est apparue très vite
Le succès adaptatif sur la Terre, aussi vite que possible : la
des bactéries vie était inéluctable ou, du moins, prévi-
sible, à partir des constituants chi-
Les études paléontologiques des miques présents dans l'atmosphère et
débuts du Globe révèlent que l'appari- dans l'océan originels.
tion de la vie est devenue probable, A l'évidence, les créatures plus
mais n'expliquent pas son évolution complexes sont apparues successive-
après son apparition. La Terre a 4, 6 mil- ment à partir de ces cellules proca-
liards d'années, mais les plus vieilles ryotes. D'abord les premières cellules
eucaryotes semblent nées voici deux
milliards d'années, et les premiers ani-
maux pluricellulaires il y a 600 millions
d'années ; puis la complexité a aug-
menté, des invertébrés aux vertébrés
marins et, finalement (nous ne sommes
pas à l'abri de tout esprit de chapelle et
considérons que la complexification du
système nerveux reste un critère de
choix), des vertébrés marins aux reptiles,
aux mammifères et aux êtres humains.
Telle est la séquence familière des
anciennes classifications, l' « ère des
invertébrés » étant suivie de l'« ère des
poissons », de l' « ère des reptiles », de
l' « ère des mammifères » et, enfin, de
l' « èrede l'homme ».
Je ne nie pas les faits exposés précé-
demment, mais je souhaite souligner
combien notre désir classique de voir une
progression dans l'évolution et de placer
les hommes dans une position naturelle-
a nos interpréta-
tions : ce faisant, nous avons considéré
comme essentiel un phénomène mineur
se sont deplacéesdroite,
vers la
les lois physiques. La caractéristique la
 plus évidente de la vie a été la stabilité
des bactéries, depuis l'apparition des pre-
miers fossiles jusqu'à nos jours, et sans
doute jusqu'à la fin de la Terre. L'ère des
bactéries a été, est et sera.
Pour des raisons liées à la chimie de
l'origine de la vie et à la physique de
I'auto-organisation, les premières
« choses » vivantes sont apparues à la
limite inférieure de la complexité, la
complexité la plus élémentaire. Appelons
cette limite inférieure le « mur de gauche »
de l'édifice de la complexité. Il y a si peu
de distance entre ce mur de gauche et la
complexité des premières bactéries fos-
siles, que la seule évolution possible se
situe vers la droite, vers une complexité
croissante. Ainsi, de temps en temps, une
créature évolue et augmente la diversité
des formes de vie dans l'unique direction
possible. En termes plus techniques, la
courbe de la complexité s'élargit vers la
droite, lors de l'apparition occasionnelle
de ces formes nouvelles.
Toutefois, les apparitions de formes
nouvelles sont rares et épisodiques. Elles
ne constituent même pas une série évolu-
tive, mais une suite hétéroclite de taxons
assez différents, généralement décrits
comme les cellules eucaryotes, les
méduses,les trilobites, les nautiloïdes, les
euryptéridés (des cousins des limules ou
crabes des Moluques), les poissons, les
amphibiens comme l'Eryops, qui, le pre-
mier sortit des eaux, les dinosaures, les
mammifères, et les êtres humains.
Toutefois cette séquence ne peut être
considérée comme la principale tendance
de l'évolution ; on peut seulement obser-
ver que des créatures sont occasionnelle-
ment venues occuper les régions vides de
l'espace de la complexité. Depuis tou-
jours, les bactéries ont gagné du terrain,
sansque leur complexité augmente : elles
représentent le plus grand succèsde l'his-
toire de la vie ; elles occupent les bio-
topes les plus divers, et leur biochimie est
plus variée que celle des autres espèces.
Elles ont de remarquables capacités
d'adaptation, elles sont indestructibles et
incroyablement diversifiées. Nous n'ima-
ginons pas que l'intervention humaine
puisse les menacer, alors même que nous
nous préoccupons des risques que nous
faisons courir aux autres formes de vie.
Le nombre de bactéries Escherichia coli
vivant dans les intestins d'un être humain
est supérieur au nombre total des
hommes qui ont jamais vécu sur la Terre.
En admettant que la complexification
des formes de vie représente une pseudo-
tendance, due à la contrainte imposée par
la présence du mur de gauche, on pour-
rait penser que l'évolution d'un groupe Même si la complexité n'est qu'une
suffisamment éloigné de ce mur pourrait dérive vers la droite à partir du mur de
se faire dans les deux directions. Cette gauche, nous pourrions considérer
hypothèse commence tout juste à être que des évolutions vers la droite sont
testée (parce que les paléontologues plus prévisibles et plus caractéristiques
commencent à s'intéresser à cette ques- de l'histoire de la vie si la complexité
tion), mais nous n'avons pas encore avait augmenté régulièrement au cours
assez d'exemples pour en déduire une loi du temps. Or les fossiles révèlent de
générale. Les deux premières études, longues périodes de stabilité entrecou-
celle de Daniel McShea, de l'Université pées de bouleversements épisodiques
du Michigan, sur les mammifères verté- qui contredisent cette hypothèse cou-
brés, et celle de George Boyajian, de rante (et fausse) de l'augmentation régu-
l'Université de Pennsylvanie, sur les lière de la complexité.
lignes de suture des ammonites, sem-
blent infirmer l'évolution vers une aug- Les tirages au sort
mentation de la complexité. de l'évolution
De plus, l'évolution préférentielle
vers la complexité semble a priori La vie est restée unicellulaire pen-
improbable, car, à chaque forme de vie dant les cinq premiers sixièmes de son
plus complexe correspond une forme histoire, c'est-à-dire depuis les pre-
plus simple tout aussi adaptée (chez les miers fossiles, datant de 3, 5 milliards
parasites, par exemple). Notre convic- d'années, jusqu'aux premiers animaux
tion que la vie évolue vers des formes de pluricellulaires, datant de 600 millions
plus en plus complexes est un biais égo- d'années (quelques algues pluricellu-
centrique, une attention exagérée portée laires sont apparues il y a plus d'un
aux créatures complexes et une mécon- milliard d'années, mais ces orga-
naissance des lignées qui s'adaptent en nismes appartiennent au monde végé-
tendant vers la simplification. Les para- tal et n'ont pas de lien généalogique
sites dégénérés morphologiquement, avec les animaux).
bien à l'abri dans les entrailles de leurs Cette longue période de vie unicellu-
hôtes, ont autant d'avenir évolutif que laire inclut, bien sûr, la transition des
leurs superbes cousins, « aux prises avec cellules procaryotes simples, dépourvues
les traits dont les meurtrit l'outrageuse d'organites, aux cellules eucaryotes qui
fortune » (Hamlet, Shakespeare), dans le contiennent un noyau, des mitochon-
monde extérieur, sans pitié. dries et une architecture intracellulaire
3. UNE NOUVELLEREPRFSENTATION des arbres phylogénétiques montre que la diversité
des formes anatomiques (et non du nombre des espèces) a été maximale tout au début de
l'histoire de la vie pluricellulaire. Puis la plupart de ces expériences initiales se sont
éteintes, et les lignées survivantes ont connu un succès évolutif considérable, c'est-à-dire
qu'eUesont proliféré, mais il n'y a pas eu apparition de nouvelles anatomies. Aujourd'hui
le nombre des espèces est supérieur à celui des temps géologiques passés, bien que
le nombre despatrons anatomiques différentsait diminué.
complexe, mais, pendant trois milliards
d'années, on n'a aucune preuve
l'apparition d'une organisation pluricel-
lulaire animale. Si la complexité était
favorable, et si la pluricellularité est bien
sa première manifestation, force est de
constater que la vie a pris son temps pour
franchir ce pas décisif.
Un tel retard semble indiquer que le
progrès n'est pas un thème favori de
l'histoire de l'évolution de la vie, même
si l'on trouve des arguments pour expli-
quer que la période a été si longue : par
exemple, l'atmosphère n'était pas assez
riche en oxygène pendant la majeure par-
tie du Précambrien où les micro-orga-
nismes unicellulaires ont été incapables
d'acquérir les premiers éléments de struc-
ture nécessaires à la vie pluricellulaire.
Curieusement, les principaux change-
ments dans l'organisation des êtres pluri-
cellulaires se sont ensuite produits durant
une période de temps courte, qui a com-
de mencé il y a moins de 600 millions
d'années et qui s'est achevée il y a envi-
si ron 530 millions d'années. Ces étapes ont
également été discontinues, et, là encore,
on ne décèle aucun signe d'accumulation
graduelle des caractères complexes. La
première faune, la faune d'Édiacara (du
lieu-dit australien où elle fut découverte),
est présente sur tous les continents ; les
organismes de cette faune sont constitués
de frondes aplaties, de sortes de feuillets
et de cercles hérissés de petits filaments.
La nature de la faune édiacarienne est
un sujet de discussions acharnées, car ses
membres ne semblent pas être de simples
précurseurs des formes de vie posté-
rieures. Elle pourrait être un groupe qui
n'a pas survécu, ou encore le résultat
d'une organisation diploblastique (à deux
couches de cellules germinales) dont les
cnidaires modernes, proches des coraux

4 LA FAUNE s'est rapidement diversifiée à l'aube de la vie pluricellulaire, au Cambrien,

il y a environ 530 millions d'années. Toutes les créatures représentées ici ont été retrouvées
au Canada, dans des schistes de Burgess, qui datent du Cambrien moyen. Certaines formes
sont familières, tels les brachiopodes ou les éponges, qui ont survécu jusqu'à aujourd'hui
Beaucoup d'autres créatures, tel le plus grand de tous les animaux du Cambrien,
Anomalocaris, en bas a droite, n'ont pas vécu longtemps, et leur anatomie est si différente
de celle de leurs survivants qu'on ne réussit à les rattacher à aucun des phylums connus.

1. Vauxia (gracile) 11. Micromitra 22. Emeraldella 34. Sidneyia

2. Branchiocaris 12. Echmatocrinus 23. Burgessia 35. Odaraia
3. Opabinia 13. Chancelloria 24. Leanchoilia 36. Eiflelia
4. Amiskwia 14. Pirania 25. Sanctacaris 37. Mackenzia
5. Vauxia (robuste) 15. Choia 26. Otloia 38. Odontogriphus
6. Malaria 16. Leptomitus 27. Louisella 39. Hallucigenia
7. Aysheaia 17. Dinomischus 28. Actaeus 40. Elrathia
8. Sarotrocercus 18. Wiwaxia 29. Yohoia 41. Anomalocaris
9. Nectocaris 19. Naraoia 30. Peronochaeta 42. Lingulella
10. Pikaia 20. Hyolithes 31. Selkirkia 43. Scenella
21. Habelia 32. Ancalagon 44. Canadaspis
33. Burgessochaeta 45. Marrella
46. Olenoides
et des méduses, seraient une descendance
limitée et très modifiée.
Quoi qu'il en soit, la faune d'Édia-
cara a disparu bien avant que la faune du
Cambrien ne se développe. Tout au
début, cette dernière est caractérisée par
des assemblagesde pièces très difficiles à
interpréter, que l'on nomme la faune à
petite coquille. Puis il y a environ 530
millions d'années, eut lieu l'« explosion
du Cambrien », où tous les embranche-
ments modernes de la vie animale, sauf
un, sont apparus. Les géologues pensaient
que cette période avait duré 40 millions
d'années, mais une étude, publiée en
1993, a ramené la durée de cette prolifé-
ration à cinq millions d'années. Les bryo-
zoaires, un groupe d'animaux marins ses-
siles (directement attachés à leur
support), ne semblent pas être apparus
avant le début de la période ordovicienne,
qui a suivi le Cambrien, mais cette appa-
rition tardive n'est peut-être qu'un arte-
fact : les fossiles de bryozoaires datant du
Cambrien nous ont peut-être échappé...
L'explosion décisive
du Cambrien
Bien que des événements prodigieux
se soient produits depuis le Cambrien,
comme la multiplication des dinosaures
ou l'apparition de la conscience
humaine, je n'exagère pas beaucoup en
observant que tous les développements
ultérieurs de la vie animale n'ont été que
de petites variations sur les thèmes ana-
tomiques façonnés par les cinq millions
d'années de cette explosion de la vie.
Trois milliards d'années de vie unicellu-
laire, cinq millions d'années d'une créa-
tivité intense, le tout couronné par plus
de 500 millions d'années de variations
sur des thèmes anatomiques donnés,
peuvent difficilement être interprétés
comme une tendance prévisible, inexo-
rable ou continue vers le progrès ou vers
une augmentation de la complexité.
Nous ignorons pourquoi l'explosion
du Cambrien a façonné si rapidement
les principales formes anatomiques.
Une explication fondée sur l'écologie du
milieu semble attrayante : I'explo-
sion du Cambrien correspondrait à la
première colonisation complète de
toutes les « niches écologiques » dispo-
nibles pour les organismes pluricellu-
laires, et qui n'auraient cessé d'être
occupées depuis ; les extinctions de
masse elles-mêmes ont épargné
quelques espèces de chaque catégorie,
lesquelles, n'ayant pas quitté leur envi-
ronnement, n'ont pas innové.
Cependant cette explication
« externe » (à la vie) semble devoir être
complétée par une explication interne
fondée sur la génétique et sur le déve-
loppement : la flexibilité génétique et
embryonnaire des animaux pluricellu-
laires les plus primitifs a disparu, et les
organismes se sont « verrouillés » en
structures stables et viables.
Dans tous les cas, cette période ini-
tiale de flexibilité interne et externe a
conduit à un nombre de formes inverté-
brées qui a dépassé (durant les quelques
millions d'années de leur production) le
nombre total de toutes les formes ani-
males qui existent aujourd'hui sur la
Terre (plus de 500 millions d'années
s'étant encore écoulées qui auraient pu
aboutir à de nouvelles formes évolutives).
Les scientifiques sont partagés sur ce
point. Certains soutiennent que la variété
anatomique, après cette explosion initiale,
était supérieure à celle d'aujourd'hui,
parce que de nombreuses formes ont dis-
paru et qu'aucun nouveau groupe n'est
jamais réapparu. D'autres, de l'avis
contraire, admettent toutefois que la
diversité de l'explosion initiale a dépassé
celle de la faune moderne, car de nom-
breux phylums « expérimentaux »se sont
éteints depuis lors. Au contraire beaucoup
estiment que la diversité du Cambrien
était voisine de celle d'aujourd'hui : selon
les plus prudents, 500 millions d'années
supplémentaires n'ont pas contribué à
augmenter la diversité étonnante des
formes de vie du Cambrien, le plus
remarquable des événements de l'histoire
de l'évolution de la vie, qui n'aura duré
que cinq millions d'années.
Nous ignorons pourquoi la plupart
des expériences primitives ont échoué,
alors qu'un petit nombre a abouti aux
lignées modernes que nous connaissons.
Les survivants ont-ils triomphé grâce à
leur complexité anatomique supérieure,
à leur meilleure adaptation à l'environne-
ment ou à d'autres caractéristiques
contribuant à l'adaptation darwinienne ?
Il serait tentant de le croire, mais les
vainqueurs n'ont aucun trait commun, et
l'on doit se convaincre que chaque forme
primitive n'a reçu guère plus qu'un
simple numéro dans la plus grande lote-
rie jamais tirée sur notre planète et que
chaque lignée survivante, dont la nôtre,
le phylum des vertébrés, doit la vie au
hasard du tirage plus qu'à des adapta-
tions particulières. L'histoire de la vie
pluricellulaire se résume plus à une
réduction drastique des possibilités origi-
nelles, suivie d'une stabilisation des sur-
vivants, qu'à une expansion écologique
régulière, associée à une complexifica-
tion de la morphologie.
Ce type d'évolution, fondé sur de
longues périodes calmes entrecoupées de
changements rapides et brutaux d'où
naissent de nouveaux équilibres, pourrait
être identique à différentes échelles de
temps et avec des amplitudes différentes :
l'évolution des espèces aurait une struc-
ture fractale, c'est-à-dire identique quelle
que soit l'échelle à laquelle on observe le
phénomène. Les espèces évoluent par
suite de l'accumulation d'épisodes de dif-
férenciations instantanées à l'échelle des
temps géologiques plutôt que par des
modifications progressives à l'intérieur
d'une population continue (elles évoluent
comme si elles montaient les marches
d'un escalier plutôt que comme si elles
roulaient sur un plan incliné).
Même si la théorie de l'évolution sti-
pule que les formes de vie ont évolué
dans une direction privilégiée (bien que
les faits rapportés dans cet article jettent
le doute sur une telle affirmation), des
changements brusques, voire catastro-
phiques, de l'environnement ont certaine-
ment perturbé cette tendance. Ces boule-
versements ont été responsables
d'extinctions massives d'une proportion
notable d'espèces et ont peut-être dévié
l'évolution de son chemin, de sorte que
la vie semble plutôt être une suite d'acci-
dents capricieux qu'une évolution conti-
nue. Les extinctions massives sont
connues depuis le début de la paléontolo-
gie, et les principales divisions de
l'échelle des temps géologiques se fon-
dent sur ces limites naturelles.
5. LES RFSPRÉSENTATIONS CLASSIQUES de l'histoire de la vie sont
erronées,car elles admettent que l'évolution est synonyme de pro- des schistes de Burgess. Puis les poissons apparaissent (b),
grès et d'augmentation de la complexité. Dans ce dessin de Charles et les invertébrés semblent disparaître, ou cesser d'évoluer. Quand
Cependant, jusqu'à la fin des années
1970,] la plupart des paléontologues
considéraient les extinctions de masse
comme de simples amplifications d'évé-
nements ordinaires renforçant, tout au
plus, les tendances dominantes. Dans
cette théorie gradualiste des extinctions
de masse, ces événements se seraient
déroulés sur quelques millions d'années
(l'illusion de la soudaineté résulterait de
l'imperfection de la datation des fos-
siles), et ils auraient seulement précipité
les événements ordinaires (une compéti-
tion darwinienne plus intense dans les
temps difficiles a, par exemple, conduit
à une sélection encore plus rigoureuse et
rapide des formes les mieux adaptées).
Les extinctions de masse
En 1979, Luis et Walter Alvarez ont
présenté des résultats qui ont conféré aux
extinctions de masse une portée tout à fait
nouvelle : ils ont montré que la collision
d'un objet extraterrestre (peut-être un pla-
nétoide de sept à dix kilomètres de dia-
mètre) a vraisemblablement été respon-
sable de la dernière grande extinction, à
la limite du Crétacé et du Tertiaire, il y a
65 millions d'années. Quoique cette
hypothèse ait d'abord été reçue avec
scepticisme par les scientifiques (une
réaction classique aux explications nou-
velles), quelques preuves ont été amas-
sées, notamment avec la découverte, dans
la péninsule du Yucatàn, au Mexique,
d'un cratère qui pourrait avoir été laissé
par l'impact météoritique.
Ce regain d'intérêt pour les extinc-
tions massives a conduit les paléonto-
logues à réexaminer les données avec
plus de précision. Ainsi, pendant ses 530
millions d'années d'existence, la vie plu-
Knight, publié en 1942, la première image montre des invertébrés
ricellulaire a connu cinq extinctions
notables (à la fin de l'Ordovicien, du
Dévonien, du Permien, du Trias et du
Crétacé) et de nombreuses extinctions de
moindre envergure.
Nous n'avons pas de preuves incon-
testables que ces extinctions ont été
déclenchées par des impacts catastro-
phiques, mais l'analyse détaillée de toutes
les données a montré que les extinctions
de masse ont été plus fréquentes, plus
rapides, de plus grande envergure et de
conséquencesplus variées que les paléon-
tologues ne l'admettaient jusqu'à présent.
Ces quatre propriétés des extinctions
de masse soulignent leur importance
lorsque l'on cherche à comprendre l'évo-
lution de la vie comme un ballottement
au gré de contraintes extérieures et de
hasards plutôt que comme une évolution
prévisible dans une direction particulière.
Les extinctions de masse ne frappent
pas le vivant n'importe comment : cer-
taines espèces ont survécu, d'autres ont
disparu selon qu'elles possédaient ou non
certains caractères évolués. Quand les
catastrophes se sont déclenchées brusque-
ment, le verdict de vie ou de mort ne
dépendait pas des atouts que possédaient
les espèces dans leur compétition darwi-
nienne, lors des périodes normales. En
raison de ce bouleversement des règles
du jeu, les espèces sont incapables de
s'adapter à des changements drastiques,
ce qui donne un aspect chaotique à l'évo-
lution de la vie.
Examinons l'évolution de deux
groupes, lors de l'extinction de la limite
Crétacé-Tertiaire, déclenchée par
l'impact d'un astéroïde sur la Terre, il y a
65 millions d'années. Premièrement,
d'après une étude publiée en 1986, les
diatomées ont bien mieux résisté que
d'autres planctons unicellulaires (notam-
ment les coccolithes et les radiolaires).
Avant la limite Crétacé-Tertiaire, de
nombreuses diatomées étaient capables
d'entrer en dormance par enkystement,
vraisemblablement pour résister aux
conditions défavorables, aux mois d'obs-
curité polaire qui auraient été fatals à ces
cellules dont le métabolisme est fondé sur
la photosynthèse, ou encore à la disponi-
bilité sporadique de la silice nécessaire à
la croissance de leur squelette.
Les autres cellules planctoniques ne
présentaient pas ces mécanismes de dor-
mance. Si l'impact de la fin du Crétacé a
soulevé un nuage de poussière tel qu'il a
bloqué la pénétration de la lumière solaire
dans l'atmosphère pendant plusieurs mois
(un des scénarios envisagés), les diato-
mées ont profité de leurs capacités de
dormance, acquises dans un contexte
totalement différent. Les diatomées ne
sont pourtant pas supérieures aux radio-
laires ou aux autres planctons qui ont péri
en grand nombre ; elles ont simplement
eu la chance de disposer des caractéris-
tiques favorables qui les ont protégées
des conséquencesde l'impact.
Deuxièmement, nous savons que les
dinosaures ont disparu à la fin du Crétacé
et que les mammifères ont alors com-
mencé à dominer le monde des vertébrés.
On admet généralement que les mammi-
fères l'emportèrent sur les dinosaures,
dans ces temps difficiles, parce qu'ils
leurs étaient supérieurs. C'est très peu
probable : les mammiferes ont cohabité
avec les dinosaures pendant 100 millions
d'années, mais les plus gros sont restés de
la taille d'un rat, et aucun signe évolutif
n'indique qu'ils auraient pu supplanter
les dinosaures. Aucun argument convain-
cant n'a pu être avancé qui justifierait la
apparaissent les vertébrés terrestres (c), les poissons ne sont plus
représentés, bien que le retour vers la mer de certaines lignées
de vertebres terrestres soit envisagé (d).
supériorité des mammiferes, et le hasard
semble avoir été le seul à intervenir.
La survie des mammifères aurait
résulté de leur petite taille (comme ils
étaient nombreux et qu'ils avaient moins
de contraintes écologiques, ils auraient
mieux résisté aux extinctions). La petite
taille n'était peut-être pas un signe
d'adaptation des mammifères, mais au
contraire la preuve de leur incapacité à
dominer les dinosaures. Ainsi une fai-
blesse manifestée au cours des époques
ordinaires aurait-elle été une condition de
la survie de ces espèces, une condition
nécessaireet suffisante pour que je puisse
écrire cet article et pour que vous puis-
siez le lire aujourd'hui.
L'homme, un accident
de l'évolution
Selon Sigmund Freud, les grandes
découvertes scientifiques ont un point
commun amusant : à chaque fois, elles
entament un peu plus la conviction que
l'homme a de sa supériorité et le font pro-
gressivement descendre de son piédestal.
Ainsi Copemic nous éloigna du centre du
monde, Darwin nous ramena au rang des
animaux, et enfin (dans l'une des étapes
les plus brillantes de l'histoire intellec-
tuelle), Freud lui-même découvrit
l'inconscient et détruisit le mythe d'une
pensée totalement rationnelle.
Dans ce sens, la révolution darwi-
nienne demeure incomplète : si l'esprit
humain accepte la théorie de l'évolution,
nous n'abandonnons pas l'idée que
l'évolution repose sur le progrès, lequel
aboutit inéluctablement à la conscience
humaine. Le piédestal ne sera pas ren-
versé tant que nous n'aurons pas aban-
donné l'idée de progrès et de complexi-
se termine toujours par les mammifères (e) et, bien sur,
par les hommes (f), même si, poissons, invertébrés et reptiles ne
La séquence cessentde se multiplier.
fication, et que nous ne considérerons
pas Homo sapiens comme un fétu de
paille tardif dans le buisson touffu des
formes de la vie, comme une minuscule
ramification qui n'apparaîtrait certaine-
ment pas une seconde fois si nous
replantions la graine du buisson et si
nous le laissions repousser.
Parce que, comme tous les primates,
nous sommes des animaux qui aiment
les images, aussi nos dessins trahissent
nos convictions les plus profondes et
révèlent nos limitations conceptuelles.
Les artistes ont souvent peint l'histoire
de la vie fossile sous la forme d'une
série où les invertébrés seraient devenus
les poissons, puis les amphibiens ter-
restres et les reptiles, les mammifères et
enfin les hommes. Toutes les séquences
évolutives peintes depuis les années
1850, suivent cette convention.
Toutefois, les a priori de cet ordre
universel sont absurdes. Aucune scène
ne représente plus les invertébrés après
l'apparition des poissons, comme s'ils
avaient tout simplement disparu ou
cessé d'évoluer ! Après l'arrivée des rep-
tiles sur la terre ferme, les poissons sont
gommés des représentations ultérieures
(certains tableaux d'animaux marins
montrent seulement quelques reptiles,
comme l'ichthyosaure ou le plésiosaure,
qui retournent à la mer).
Là encore, les poissons n'ont pas
cessé d'évoluer quand une petite
branche a commencé à coloniser la terre
ferme. En fait, l'événement essentiel de
l'évolution des poissons, l'origine et la
domination des téléostéens, ou poissons
modernes à aretes, se produisit à de tous les commandements bibliques à
l'époque des dinosaures et, par consé-
quent, n'apparaît jamais dans les repré-
sentations des schémas évolutifs (meme
si plus de la moitié des espèces de verté-
brés descendent des téléostéens).
Pourquoi les hommes devraient-ils appa-
raître systématiquement à la fin de
toutes les séquences évolutives ? Notre
ordre des primates est ancien parmi les
mammifères, et de nombreuses lignées
viables sont apparues après la nôtre.
Nous ne renverserons notre piédestal
et nous n'achèverons la révolution de
Darwin que le jour où nous aurons ima-
giné une nouvelle description de l'his-
toire de la vie. J. Haldane déclarait la
nature « plus étrange que nous ne l'ima-
ginons », mais nos oeillères nous sont
plus imposées par l'ordre social que par
une incapacité de notre cerveau. Ces
verrous sauteront. Pour sortir de ces
ornières conceptuelles, il nous faudra
considérer la vie comme des arbres ou
plutôt comme des buissons luxuriants,
couverts de branches, plutôt que comme
des échelles et des suites régulières
d'événements évolutifs.
Nous devons rechercher toutes les
variations possibles, pas seulement celles
qui sont compatibles avec notre percep-
tion étriquée des créatures complexes.
Nous devons admettre que cet arbre a eu
d'innombrables branches au début de la
vie pluricellulaire et que l'histoire ulté-
rieure fut essentiellement celle d'un éla-
gage, où n'ont été épargnées que quelques
branches, plutôt qu'un développement
continu d'une multitude foisonnante.
Nous devons comprendre que les
petites brindilles sont fragiles et que le
buisson qui les porte ne s'en préoccupe
guère. Souvenons-nous du plus important
propos de la sagesse: « C'est un arbre de
vie pour ceux qui la possède ; et heu-
reux celui qui la retient ».

AU HASARD
DES RENCONTRES
Ce titre est malicieux : selon la défini-
tion d'Antoine-Augustin Cournot,
mathématicien et économiste du siècle
dernier, le hasard est « la rencontre de
deux séries causales indépendantes ».
Aurions-nous donc, en guise de réflexion
sur le hasard en biologie, à examiner la
rencontre des rencontres ? Cette appa-
rente circularité décrit fort bien de nom-
breux mécanismes de la vie, produits
d'enchaînement d'aléas ; elle explique
aussi, nous allons le voir, la diversité des
populations.
La vie est faite de rencontres : ren-
contres chimiques des molécules qui
interagissent dans les êtres vivants ; ren-
contres du protiste ou de la plante avec
les matières nutritives et/ou la lumière ;
rencontre du prédateur et de la proie ;
rencontre des cellules sexuelles, neces-
saire à ta perpétuation et à la diversifica-
tion des populations et des espèces.
Dans tous les cas, les mécanismes du
vivant se bornent à favoriser la ren-
contre, en synchronisant les partenaires
dans le temps et l'espace. À l'échelle de
la molécule, enzymes, membranes et
structures spatiales organisent, souvent
avec la précision maximale, l'orientation,
le contact et les modalités de
l'interaction d'une molécule
avec un partenaire aléatoire.
L'évolution
la précision
Devant
extrême des mécanismes du
vivant, I'homme a longtemps
cru (et les non-rationalistes
croient encore !) a l'interven-
tion d'une intelligence et
d'une volonté supérieures.
Même le très matérialiste
Lamarck balançaitentre Dieu,
auquel il croyait peu, et le
hasard, qui expliquait mal
une nature apparemment ani-
mée d'un projet. À ses
débuts, Charles Darwin évo-
quait dans ses lettres un
« grand sélectionneur »mais; il
eut la prudence de ne pas le
mentionner dans ses oeuvres.
Plus tard, dans ses principaux 1. Rencontre de deux molécules complémentaires
écrits, il exprimait clairement une multitude.
André Langaney
son matérialisme. Toutefois, on a tort de
lui attribuer la découverte du rôle du
hasard dans t'histoire de la vie, comme on
paternité de la
a tort de lui attribuer la
théorie de l'évolution : neuf ans avant la
naissance de Darwin, Lamarck avait pro-
théorie généalogique de l'origine
posé ta
des espèces et de l'histoire du monde
vivant. En outre, les premières formula-
tions par Darwin de la théorie de la sélec-
tion naturelle étaient profondément déter-
ministes. Darwin cherchait une explication
sélectivecertaine à toute particularité d'une
espèce. Le finalisme rodait même lorsque,
sous l'influence sociale ambiante, Darwin
imaginait comment la lutte systématique
pour la vie « optimisait » les caractères.
Nous distinguons ici l'aléatoire du
« hasardhistorique ».Le naturaliste Buffon
historique
a introduit la notion de hasard
lorsqu'il a appliqué le « principe des
causes actuelles » au monde cosmique et
vivant ; les refroidissements climatiques
de la planète auraient, par exemple, fait
migrer les éléphants du Spitzberg à
l'Afrique (en fait, c'était faux : il prenait
les mammouths du Spitzberg pour des
éléphants !). Lamarck étendit cette notion
de hasard historique en envisageant la
rencontre des êtres vivants avec un envi-
ronnement qui les façonne, à long
terme. Toutefois Lamarck n'a pas précisé
par quels mécanismes un environnement
modifie les êtres qui y vivent. Pour lui,
ces mécanismes devaient être détermi-
nistes : même si la rencontre d'une
espèce et d'un environnement relève
d'aleas, c'est une succession de causalités
qui engendre les formes de la vie.
Avant la découverte de la génétique
modeme, on pensait que chaque individu
transmettait a ses descendants,non seule-
ment le de son espèce, mais aussi
son « type » propre. Darwin constate que
certains types individuels, qui survivent
mal, se raréfient ou disparaissent: c'est la
mortalité différentielle ; de plus, les types
qui se reproduisent le plus finissent par
dominer : c'est la fécondité différentielle.
Ces deux processus,mortalité et fécondité
différentielles,qui modifient les proportions
des types au cours du temps, expliquent la
transformation des populations et des
espèces: C'est la sélection naturelle.
Jusqu'aux dernières éditions de
l'Origine des espèces, Darwin croit que
l'action de cette sélection déterministe sur
la variation des populations est le principal
mécanisme de l'évolution. Toutefois, la
dernière édition de son ouvrage comporte
des parties nouvelles, où il décrit des varia-
tions individuelles ou des comportements
surprenants. II avoue son impuissance à
expliquer certains paradoxes de la sélec-
tion sexuelle : dans le cas de la mante reli-
gieuse, le male sacrifie sa vie pour assurer
sa reproduction. N'est-ce pas là une
contradiction Faut-il désavan-
tager l'individu pour avanta-
ger la continuité de son
lignage ? Darwin décrit alors
des variations qu'il estime non
sélectionnées.Dans une belle
autocritique, il admet avoir
exagéré l'importance de la
sélection naturelle et ne pas
comprendre les variations
entre individus, au sein des
populations ; il effleurait la, au
moyen de l'observation, l'idée
d'une possible dérive neutre,
sinon défavorable, de certains
caractères.
La génétique
C'est le botaniste et physi-
cien Johann Mendel, dit frère
Gregor, qui découvre, au
siècle dernier, que des méca-
nismes essentiels de la vie
parmi étaient affaire de probabilités,
et non de certitudes. Il hybride
2. Le brassage des gènes. Les cellules d'un des parents (en
haut) contiennent les chromosomes des grands-parents
(en clair, ceux de la grand-mère, en foncé, ceux du grand-
père). Lors de la formation des cellules sexuelles, la
méiose mélange les chromosnmes. Ainsi deux gènes indé-
pendants (tels que le rouge de la grand-mère et le bleu
ou le vert du grand-père) peuvent rester indépendants
(spermatozoïdes du bas) ou être associés de diverses
manières : soit par recombinaison entre paires de chro-
mosomes (la deuxième paire de chromosomes en partant
du bas), soit par recombinaison intro-paire, au cours d'un
processus d' « enjambement » (ou crossing-over) sur les
chromosomes. Lors de la fécondation, une cellule sexuelle
est tirée au sort chez chaque parent (ce que l'on a dessiné
pour les spermatozoïdes du père vaut également pour les
ovules de la mère).

des lignées pures de petits pois, et
constate, a la deuxième génération, une
répartition statistique des caractèresdomi-
nants (75 pour cent) et récessifs(25 pour
cent). Les lois de Mendel montrent que la
transmission sexuelle obéit aux lois d'une
épreuve aléatoire ; des particules mate-
rielles, les gènes, déterminent les carac-
tères des êtres vivants et sont réparties au
hasard lors de la reproduction. L'hérédité
biologique, qu'on avait toujours imaginée
systématique et rigide, au nom de la fatale
transmission du « type » de l'espèce,deve-
nait une loterie. Les lots possibles prédéter-
minés sortaient, chez le descendant, selon
une loi de probabilité et non selon une
règle certaine de transmission. Ce méca-
nisme, Mendel n'en avait certainement
supputé ni la généralité ni les consé-
quences. Celles-ci, plus d'un siècle après
cette découverte, échappent encore à de
nombreux biologistes réfractaires aux
mathématiques.
Aujourd'hui, on peut représenter le
monde vivant comme un ensemble de
mécanismes aléatoires imbriqués, structu-
rés par leurs interactions et par de nom-
breuses rétroactions. La rencontre aléa-
toire de macromolécules d'acides
nucléiques et de mutagènes, chimiques
ou physiques, crée, par mutation, une
variation de base. Cette variation est mul-
tipliée par les mécanismes de la sexualité :
lors de la formation des cellules sexuelles,
la méiose répartit au hasard les gènes des
grands-parents, présents chez un parent ;
puis un nouveau tirage aléatoire distribue
ces gènes entre les cellules sexuelles effi-
caces de chaque parent ; enfin la fécon-
dation, en fusionnant les deux cellules
pour faire un oeuf, réunit la moitié des
gènes de chacun des deux parents (voir
la figure 2)
La sélection élimine sévèrement le
non-viable ou le non-fécond. Toutefois,
dans un environnement limité et en des
circonstances aléatoires, le petit nombre
qui survit n'est qu'un échantillon biaisé de
l'ensemble des possibles. Les «meilleurs
concevables » ont chances chances
ne pas
être conçus ou d'être éliminés au hasard.
La sélection n'est donc pas la survie systé-
matique des plus aptes, ni même des plus
féconds, comme t'écrivait Darwin ; elle
résulte d'un tri aléatoire d'un échantillon
arbitraire, apte et fécond, parmi une infi-
nité de possibles aptes et féconds. Chez
I'humain comme chez le végétal ou l'ani-
mal, la génétique moléculaire des popula-
tions montre que la majeure partie de la
variation observée relève de ces méca-
nismes aléatoires, et non d'une sélection
déterministe qui éliminerait systématique-
ment le moins viable et le moins fécond.
De même, les mécanismes aléatoires
jouent un rôle crucial dans l'histoire géné-
tique des espèceset de leurs populations,
notamment lorsqu'elles sont peu nom-
breuses, comme les populations
d'humains ou, plus généralement, les
populations de vertébrés.
Les peuplements
L'histoire des peuplements illustre
d'une autre manière le rôle du hasard
dans les mécanismes de la vie. Cette his-
toire commence par « l'effetdu fondateur ».
3. Effet du fondateur. Un groupe d'émi- 4. Variation au hasard de la fréquence des gènes dans un ensemble de popu-
garants emmène avec lui un échantillon lations, sous l'effet des migrations (les flèches) l'isolement par la dis-
et de
biaisé des gènes de la population mère. tance géographique.

Celui-ci résulte d'un échantillonnage forme son environnement physique et bio-

5. Dérive génétique. Parmi les gènes
d'une population, seuls ceux des repro-
ducteurs sont transmis. Ainsi, la fré-
quence des gènes varie plus ou moins
rapidement, de génération en généra-
tion, et la population évolue sur place.
biaisé : les émigrants qui fondent une
nouvelle colonie ne sont représentatifs de
leur population d'origine ni par les fré-
quences de leurs gènes ni même par la Buffon appelait son «moule intérieur » et
liste de ceux-ci. L'effet du fondateur,
connu en histoire des populations
humaines, a sans doute contribué, de la
même manière, à la formation des nou-
velles espèces ; en effet, I'apparition
d'espèces met généralement en jeu des
populations aux effectifs très réduits.
La dérive génétique, qui résulte des
tirages aléatoires successifsdes gènes, de
génération en génération, est une sorte
d'effet du fondateur répété sur place. Par
dérive génétique, deux populations sépa-
rées, identiques au départ, se différen-
cient au cours du temps, indépendam-
ment de tout phénomène sélectif. La
dérive génétique est la principale cause
de variation des fréquences géniques et
d'élimination des gènes dans l'histoire des
populations naturelles. Elle agit dans toute
population d'effectif limité (et toutes les
populations naturelles ont un effectif
limite, aussi grand soit-il) ; elle est
d'autant plus forte que les effectifs sont
faibles, et son action est cumulée au cours
du temps, ce qui rend ses effets à long
terme spectaculaires.
En outre, pour la plupart des espèces, développement.
ta répartition des gènes dépend principale-
ment des échanges de migrants entre les l'individu est aléatoire, comme l'est l'his-
populations : les migrations transportent
un ensemble aléatoire de gènes. Depuis
plusieurs décennies, des généticiens des
populations, comme Gustave Malécot,
modélisent les variations de fréquences
des gènes entre populations selon la géo-
graphie et les possibilitésde migration.
Enfin, la sélection elle-même dépend
de la biogéographie et de la composition
des écosystèmes où évoluent les popula-
tions d'une espèce. Chaque espèce trans-
logique, mais les contraintes de celui-ci
restent indépendantes des caractères
intrinsèques de l'individu, de ce que
que nous appelons aujourd'hui son patri-
moine génétique ou génome. Ainsi aucun
être vivant n'est à l'origine de la gravité,
mais tous la subissent La rencontre de la
gravité par des animaux aquatiques, sou-
terrains, aériens ou vivant au sol crée des
contraintes différentes sur leurs orga-
nismes. Ces contraintes et la sélection
naturelle provoquent des adaptations,ana-
tomiques, physiologiques, comportemen-
tales et sociales, qui diffèrent d'un orga-
nisme à l'autre. De même, le hasard d'un
changement de milieu d'un lignage
conduit a une adaptation différente de
celle vécue par un autre lignage dont
l'environnement est resté inchangé.
D'une certaine manière, le patrimoine
génétique d'une espèce, ou d'un lignage
d'espèces, enregistre, au cours du temps,
une image de ses rencontres aléatoires
avec des environnements successifs et
variables. Ainsi les mammifères, au stade
embryonnaire, possèdent des gènes qui
codent l'apparition de fentes branchiales
de poissons ; ces fentes sont réutilisées a
d'autres fins a des stades ultérieurs de leur
L'action de la sélection naturelle sur
toire de la vie qu'elle détermine. Le hasard
des rencontres de la vie nous amène donc
a la rencontre de mécanismes aléatoires
implacables. Le monde vivant ne cessede
jouer aux dés, et, n'en déplaise à Einstein,
il ne laisseaucune place au moindre indice
d'un dieu qui viendrait les piper !
André Langaney est chercheur
au laboratoire de génétique et biométrie
(Muséede l'homme et Université de Genève).
 Le hasard matrimonial

Hervé Le Bras

Une enquête sociologique et des simulations probabiliste John Hajnal, court de Saint-
Pétersbourgà Trieste : à l'Ouest de cette
sur ordinateur soulignent le rôle du hasard ligne, depuis la Renaissanceau moins,
on se marie à un âge plus élevé et avec
dans le système matrimonial occidental. une fréquence moindre ; ailleurs, le
mariage est pubertaire (c'est-à-dire que
Cette place laissée au hasard constitue une particularité les jeunes filles sont mariées dès
qu'elles peuvent concevoir) et universel,
de notre société face au reste du monde. puisque 98 à 99 pour cent des femmes
d'une générationtrouventun époux.
Le choix libre du conjoint est un
caractèreessentielde la sociétéocciden-
es liens sociauxse forment-ils geaient le même goût pour le sport, tale : l'historien A. Burguière y voit
par hasard? Sont-ils détermi- puisqu'ils avaient pratiqué le tennis en l'une des causesde l'accumulation des
nés? Pourla plupart,les socio- pension et fréquentaient le même club. capitauxqui a précédéle développement
logues et les démographes Pour A. Girard, un tel mariage ne doit industriel ; l'école historique anglaisede
croient en une mécanique rien au hasard.Parfaitementhomogame, P. Laslett et J. Goody l'associeà l'appa-
sociale ; ils ne voient dans le hasard c'est-à-dire que les conjoints présentent rition des familles nucléaires, opposées
qu'une « illusion nécessaireque», lesindi- les mêmescaractéristiques,il est sociale- au patriarcat,dont résulterait l'idéologie
vidus invoquent pourjustifier leur destin. ment déterminé,et il perpétue les diffé- individualiste moderne. Sans aller si
Le sociologueAlain Girard a enquêtésur rencesde classes,delieu et d'âge. loin, souvenons-nous des pièces de
le choix du conjoint. Un des hommes A. Girard néglige toutefois un fait : Molière, qui opposent régulièrement le
interrogéslui a racontécomment il avait la jeune femme n'était ni mariée ni mariage choisi au mariage arrangé.
rencontré la femme de sa vie à la suite fiancée. Qu'aurait fait l'homme dans le Ainsi le hasard n'est pas seulement
d'une méprisesur l'horaire d'une partie cas contraire ? Aurait-il fréquenté l'illusion nécessaireque le sociologue
de tennis.Était-cebien le hasard? L'un et d'autres lieux pour trouver un conjoint A. Girard évoquait. Des modèlesrécents
l'autre étaientde la mêmeville, du même homogame? considèrent que le mariage tardif et le
milieu social, du même âge et ils parta- Dans une société ancienne, on célibat définitif procèdentdu hasard.
n'aurait pas toléré une telle recherche.
Les familles auraientarrangéde longue La pression individuelle
date l'union, reconduisant,de génération
en génération, un système d'échange ; Chaqueindividu a un nombre assez
comme l'a notamment montré Claude restreint de conjoints potentiels. Louis
Levi-Straussdansles Structuresélémen- Henry, le fondateur de la démographie
taires de la parenté, les sociétés tradi- historique, avait imaginé un modèlede
tionnelles perpétuent un échange de « cercles » inspiré de l'isolement des vil-
femmes, soit entre deux groupes fixes lages dans la France ancienne (anté-
(c'est l'échange simple), soit entre plu- rieure à la Révolution). Dans chaque
sieurs groupes,en suivant un ordre cir- village, les candidats au mariage for-
culaire (c'est l'échangegénéralisé). ment un petit groupe qu'on peut repré-
En revanche, même si les unions senterpar quelques éléments enfermés
modernesrespectentle plus souventles dans un cercle. La proportion des deux
similarités sociales, elles n'en passent sexes fluctue dans ces groupes res-
pas moins par une procédure aléatoire. treints, de même que le nombre de piles
Les effets de ce hasard provoqué sont ou de faces fluctue quand on jette
loin d'être négligeables, puisqu'ils se quelques pièces de monnaie. Selon ce
manifestent par une fréquence impor- modèle, des garçons restent célibataires
tante de mariages tardifs et de célibats quand ils sont trop nombreux par rap-
définitifs. Ces deux particularités, port aux filles, et inversement quandles
1. UNE RENCONTRE peut résulter d'un mariage tardif et célibat définitif, distin- filles sontles plus nombreuses.
malentendu sur l'horaire d'une partie de guent nettement les régions d'Europe L'idée de considérerdescercles était
tennis... Toutefois les deux individus occidentale du reste du monde. La ligne ingénieuse, mais elle ne rendait pas
appartiennent à la même classe sociale. de démarcation, comme l'a montré le compte de la réalité de la France
 ancienne : la fréquence de célibat était
indépendante de la taille des villages. De
plus, la notion de cercle fermé ne reflé-
tait pas la succession ininterrompue des
âges. Au cours du temps, de nouveaux
jeunes arrivaient à maturité et entraient
dans le cercle, tandis que les vieux céli-
bataires partaient ou mourraient.
L'hypothèse d'un cercle permanent, à
l'intérieur duquel les célibataires reste-
raient jusqu'à un âge avancé, était irréa-
liste : elle conduisait à de trop grandes
différences d'âge entre conjoints poten-
tiels. Enfin on ne peut faire abstraction
des différences de conditions sociales et
d'aptitudes. Même s'ils appartenaient
tous au même sous-groupe du tiers-état,
les paysans n'étaient pas de même
condition. Certains étaient riches,
d'autres pauvres, certains susceptibles
de s'enrichir, d'autres non.
L'idée intéressante de ce modèle de
cercles est que chaque individu possède,
au départ, un nombre limité de conjoints
possibles. Mieux qu'un cercle fermé,
une représentation constructive de cette
idée serait celle d'un réseau, où chaque
individu est relié à n conjoints pos-
sibles, eux-mêmes reliés à m autres, et
ainsi de suite. Les liens entre individus
formalisent l'homogamie : ils joignent
les individus qui présentent de faibles
différences d'âge, de condition, de rési-
dence, voire de goûts comme chez les
deux joueurs de tennis d'A. Girard.
Combien de liens un tel réseau, pour
être réaliste, doit-il contenir ? L'enquête
de A. Girard sur le choix des conjoints
permet de le préciser. Une question por-
tait sur le nombre de conjoints potentiels.
En moyenne, les personnes interrogées
répondaient qu'elles auraient pu choisir 2. MODÈLE DE CHOIXDES MARIAGES SUR UN RÉSEAU NUPTIAL. Les liens entre homme
leur conjoint parmi trois ou quatre parte- et femme symbolisent des unions possibles (a).
On choisit au hasard un lien qui se trans-
naires, ce qui est peu. On peut simuler la forme en mariage. On exclut du réseau les jeunes mariés, et on choisit d'autres liens
distribution des mariages à l'aide d'un au hasard, jusqu'à ladisparition
desliens reste
: il neplus que des célibataires
(c).
réseau nuptial, où des points représentant
les hommes sont reliés à un nombre fini
de points désignant des femmes, et réci-
proquement (voir la figure 2).
Supposons que les unions aient lieu au
hasard : on tire au sort un premier lien,
ce qui détermine le premier mariage. Un
couple étant formé, on élimine les liens
qui aboutissent aux deux personnes
concernées. Puis on recommence le
tirage parmi les liens subsistants. Le
réseau devient squelettique et, finale-
ment, des individus, hommes ou
femmes, sont isolés : tous leurs conjoints
potentiels ont épousé un de leurs rivaux. 3. FRÉQUENCES DE REALISATION DES UNIONS, en pour cent, pour chaque lien (en noir)
Un bal donne une image accélérée de et fréquences de mariages des individus (chacune étant égale à la somme des fréquences
ce processus. Chaque garçon a repéré associées aux liens d'un individu ; en blanc). Les personnes situées aux extrémités
quelques cavalières. II se dirige vers l'une du réseause marient rarement, tandis que leurs voisins se marient sûrement.

4. SUR UN RÉSEAU ÉGALITAIRE, où le nombre de conjoints possibles est le même pour à-dire leur tendance à rechercher des
tous, la fréquence de mariage tend vers une limite inférieure à cent pour cent : le taux de conjoints d'une classe supérieure à la
célibat semble ne jamais devoir s'annuler.
d'elles quand la musique commence,
mais il peut être devancé par un autre qui
a eu la même idée. Il reporte alors son
choix vers une seconde candidate, mais la
probabilité qu'un autre le devance aug-
mente, car il a maintenant pris du retard.
Àce jeu, il risque de se retrouver seul. De
même, quelques jeunes filles restent en que de l'inégalité de ce nombre d'un
attente, car leurs éventuels admirateurs
ont choisi une autre cavalière. Ainsi un
petit groupe de garçons et de filles font
« tapisserie », car tous leurs partenaires
potentiels sont en piste. Ils ne se choisis-
sent plus, peut-être pour ne pas trahir un
pis-aller, et sans doute parce qu'ils ne se tique pour tous, le célibat diminue,
correspondent pas.
Un tel modèle se prête aisément à la
simulation sur ordinateur. En tirant au
sort les liens entre individus, on obtient
des fréquences de mariages compatibles
avec les situations observées (voir la
figure 3). Les personnes qui n'ont
qu'un seul lien se marient rarement.
Inversement leurs proches voisins se
marient toujours, car ils peuvent se
rabattre sur elles. On voit que la proba-
bilité de mariage croît rapidement avec
le nombre de liens. Faut-il en conclure
que les réseaux les plus denses, ceux où
tous les individus ont beaucoup de
liens, entraînent un mariage quasi uni-
versel ? Dans le cas où chaque individu
a le même nombre de conjoints poten-
tiels, les calculs montrent que les proba-
bilités de mariage croissent lentement
(voir la figure 4) : le mariage universel
semble une limite inaccessible. Ces pro-
babilités sont néanmoins supérieures à
celles observées sur un réseau où le
nombre de liens varie d'un point à un D'ailleurs
autre. Ainsi les forts taux de célibat du
premier exemple proviennent moins du
nombre moyen de conjoints potentiels,
site à l'autre.
La pression sociale
Nous avons vu que, lorsque le
nombre de conjoints potentiels est iden-
quoique lentement, avec ce nombre. On
peut donc penser qu'à mesure que des
liens se ferment, les célibataires subsis-
tant en essaient de nouveaux jusqu'à ce
qu'ils trouvent un conjoint. II existe tou- chez les petits agriculteurs (plus de 30
tefois des réseaux où, malgré un nombre
élevé de conjoints potentiels, le célibat
reste important. Nous allons considérer
un tel réseau.
Imaginons une échelle sociale le
long de laquelle alternent des groupes
nombreux d'hommes et de femmes : tout
en bas de l'échelle, un premier groupe de
milliers d'hommes, juste au-dessus, un
groupe de milliers de femmes, puis des
hommes à nouveau, et ainsi de suite
jusqu'au sommet, où réside un second
groupe social qui n'a qu'un voisin.
Supposons que chaque personne
puisse se marier avec n'importe laquelle
des personnes des deux groupes voisins
du sien : chaque personne dispose de
milliers de conjoints potentiels. Dans ces
conditions, on s'attend à observer de très
faibles taux de célibat. Pourtant, les
résultats des simulations sont tout
autres : les groupes extrêmes exhibent
un fort taux de célibat, les individus des
groupes voisins d'une extrémité se
marient tous, et les groupes centraux
possèdent quelques célibataires. Comme
dans un réseau d'individus, le célibat
résulte de la concurrence : les groupes
extrêmes ne peuvent s'adresser qu'à un
seul groupe voisin, où ils entrent en
concurrence avec le voisin du voisin. Au
centre de la chaîne aussi, la concurrence
entre groupes engendre un célibat,
quoique à un taux bien inférieur.
Ce modèle simple reproduit bien la
répartition du célibat en France en fonc-
tion de la catégorie sociale. II simule en
effet l'« hypergamie » des femmes, c'est-
leur (ou l'« hypogamie » des hommes,
qui choisissent leur épouse dans la
classe immédiatement inférieure). Notre
culture entretient cette tendance : le
mariage, plus que le travail, favorise
l'ascension sociale des femmes.
les contes de fées ne s'y
trompent pas : les princes épousent les
bergères, mais il est bien rare qu'une
princesse épouse un berger.
Ainsi les groupes de conjoints
potentiels se succèdent de la manière
suivante : en bas de l'échelle, se trou-
vent les hommes petits agriculteurs, sui-
vis des femmes de la même condition ;
puis viennent les hommes ouvriers, sui-
vis des femmes ouvrières ; puis les
hommes cadres moyens, et ainsi de
suite jusqu'au haut de l'échelle,
qu'occupent les femmes cadres supé-
rieurs. On mesure effectivement les
taux de célibat masculin les plus élevés
pour cent) et les plus faibles chez les
cadres supérieurs (8 pour cent). La
situation est inverse chez les femmes,
avec de forts taux de célibat chez les
cadres supérieurs (17 pour cent) et les
plus faibles chez les agricultrices et
ouvrières (7 pour cent).
La pression sociale est-elle détermi-
nante ? Pour connaître l'effet des situa-
tions sociales sur les cas individuels,
nous avons calculé les taux de célibat
définitif en supposant, sur le même
réseau, que les points figurent d'abord
des individus, puis des groupes impor-
tants de personnes du même sexe et de
la même catégorie sociale. L'exemple de
la figure 6 montre que les taux de célibat
diffèrent peu, qu'il s'agisse d'individus
(18, 5 pour cent en moyenne) ou de
groupes (15 pour cent en moyenne) ; ces
taux dépendent moins du nombre de
liens entre groupes ou individus que de
la situation globale du réseau. De sur-
croit, ils sont proches des valeurs obser-
vées en France depuis le XVIIe siècle
jusqu'à la Seconde guerre mondiale.
Ainsi ce n'est pas le faible nombre
de conjoints potentiels qui entraîne le
célibat, mais la position dans le réseau
global. En outre, le nombre de conjoints
potentiels ne dépend pas seulement de
paramètres objectifs de lieu, de fortune
ou de capacité, mais aussi du temps
qu'on passe à faire la cour. Dans sa
magistrale étude sur l'illégitimité. Peter
Laslett a montré comment une cour de
durée inadaptée se solde par un échec,
et comment, a contrario, la norme de
cour, qui suppose des gestes, des
réponses rituelles, mais aussi des durées
précises, est l'une des plus égalitaires
qui soient.
En conclusion, le hasard matrimo-
nial résulte moins de la liberté indivi-
duelle, que de la configuration des
groupes sociaux. Cette configuration
engendre un célibat définitif, à des taux
différents d'un groupe social à l'autre.
Le hasard est aussi la raison des
mariages tardifs, qui vont de pair avec
les taux élevés de célibat définitif. En
effet, la concurrence des conjoints
potentiels multiplie les essais et les
échecs de cour. Ceux qui ne sont pas
arrivés à leur fin se lancent dans de nou-
velles cours qui peuvent encore
échouer. La recherche au hasard du
conjoint prend du temps et retarde la
date moyenne des unions. Il est
d'ailleurs remarquable que toutes les
distributions européennes de l'âge des
hommes ou des femmes au mariage
aient l'allure de lois gammas (voir la
figure 7), caractéristiques des processus
de files d'attente.
Les fonctions gammas servent à
décrire la distribution de durées
d'attente, lorsque celles-ci résultent du
cumul de plusieurs délais élémentaires ;
elles sont égale au produit d'une puis-
sance de la durée par une exponentielle
négative de la durée (ts e-r t, où s et r
sont des paramètres de la fonction). On
observe de telles distributions en phy-
sique ou en recherche opérationnelle.
Par exemple, les temps de désintégration
d'un ensemble de particules radioactives
suivent une loi exponentielle négative ;
les moments successifs (la moyenne, la
variance, etc.) de cette distribution de
temps sont des lois gammas d'exposants
s entiers. De même, le mariage est
l'aboutissement de plusieurs actes élé-
mentaires du rituel de la cour, voire de
plusieurs cours successives, et les délais
de mariage dans une génération sont dis-
tribués selon une loi gamma.
Le rôle de la parenté
Les exigences de la parenté (les
règles de filiation et d'héritage, les pra-
tiques économiques, rituelles et poli-
tiques, etc.) entravent le mariage uni-
versel, pour une raison qui tient aussi
au hasard. Le nombre d'hommes et de
femmes à marier est rarement équilibré.
Pour parvenir à un mariage universel et
pubertaire, les sociétés devraient acqué-
rir une vision globale de la réalisation
des unions, comme si elles disposaient
de marieurs informés de toutes les
combinaisons possibles. La résolution
de ce problème, reposé par les hasards
de la fécondité-donc du nombre et du
sexe des enfants-et de la mortalité,
oblige ces sociétés à optimiser sans
cesse leurs unions.
Certaines règles de parenté semblent
fournir une solution à ce problème.
Ainsi, comme l'a montré G. Pison en
étudiant les populations traditionnelles
du Sud du Sénégal, un grand écart d'âge
au mariage des hommes et des femmes
conduit à un effectif d'hommes mariés
nettement plus faible que celui des
femmes. La polygamie résout la ques-
tion d'effectif en facilitant le mariage
universel pubertaire pour les femmes.
Toutefois, puisque les polygames acca-
parent les femmes, ce système risque
d'engendrer un fort taux de célibat mas-
culin ; le mariage tardif des hommes
évite cet inconvénient.
En cas de monogamie, la solution
adoptée, notamment en Asie du Sud-
Est, est la répudiation fréquente et pré-
coce ; on peut assimiler cette pratique à
une polygamie successive, car en géné-
ral, les femmes ne se remarient pas, au
contraire des hommes.
Quand on exige à la fois la monoga- 5. ÉCHELLE SOCIALEDES MARIAGES :
mie et la stabilité des unions, la solution les femmes ont tendance a épouser
adoptée en Europe occidentale semble des hommes appartenant à la classe sociale
la seule possible. Elle présente plusieurs immédiatement supérieure à la leur.
Les chiffres indiquent les taux de célibat
avantages : elle soulage l'ensemble de
(en pour cent) : on observe de forts taux
la société du calcul de la parenté et des
de célibat aux deux extrêmes, c'est-à-dire
unions ; elle est très robuste à des varia-
chez les hommes agriculteurs et chez
tions de la proportion d'hommes et de les femmes cadres supérieurs. En effet, ces
femmes. On peut montrer à l'aide des catégories rencontrent moins de parte-
modèles précédents, en supposant les naires potentiels gui leur conviennent
hommes plus nombreux que les femmes socialement.
 (ou l'inverse), que les taux de célibat
varient peu. On constate en effet, en
réponse aux demandes des représentants
du sexe surnuméraire, une nette aug-
mentation de la fréquence de mariage
parmi les représentants du sexe en
minorité. Ce phénomène s'est produit
en France, après la Première guerre
mondiale. Les générations masculines,
qui avaient laissé près d'un tiers de leur
effectif sur les champs de bataille, ont
eu des taux de célibat très faibles, et les
générations féminines correspondantes,
à peine plus élevés : la disparition de
leurs conjoints potentiels s'était diluée
dans l'ensemble des unions possibles.
II est possible que les forts taux de
célibat constatés dans les deux classes
extrêmes résultent également d'une
règle de parenté. Ces deux classes
extrêmes se reproduisent peu, ce qui
favorise l'étirement de la génération sui-
vante vers le haut (une nouvelle fraction
de la population connaît une ascension
sociale) et vers le bas (une autre fraction
descend un échelon de l'échelle sociale).
Toutes ces explications sont hélas
6. TAUX DE CELIBAT DFFINITIF (enpour cent) sur un exemplede réseaude nuptialité. On a
insuffisantes. Elles ne font que repous-
calculé ces taux en supposant que les points (rouges pour les femmes, bleus pour les
d'un cran la réponse aux questions
hommes)représententdes individus, puis desgroupes sociaux de 1000 individus. Dans le pre- ser
mier cas, les liens représentent une possibilité de mariage entre un homme fondamentales : pourquoi la monogamie
et une femme ;
dans le second,ils représententun million depossibilités de mariage. Dans les deux cas, les et la stabilité des unions se sont-elles
frequences sont comparables: elles dépendent surtout de la position dans le réseau. imposées en Europe occidentale ?
Pourquoi, au Moyen Âge, à un stade
précoce de leur développement, les
sociétés occidentales ont-elles aban-
donné le modèle d'alliance fondé sur
l'échange, en vigueur dans tout le reste
du monde, au profit d'un mécanisme
fondé sur le hasard ?
Quelques théories proposent des
réponses. L'une d'elles, celle de
J. Goody, impute à la volonté de puis-
l'Église la prohibition des
sance de
mariages jusqu'à des degrés lointains de
parenté : elle aurait cherché à détruire
ainsi les lignages et les parentèles.
Toutefois, aucune de ces théories ne ral-
lie tous les suffrages. Et nous ne
sommes pas au bout de nos peines !
Actuellement, de nouvelles perspectives
s'ouvrent à nos yeux : vers les années
1970, l'Europe de l'Ouest est entrée
dans un nouveau modèle d'alliance, où
se généralisent les unions hors mariage
et les ruptures d'unions. Les conditions
qui favorisaient l'émergence de la
« structure européenne du mariage »,
pour reprendre les termes de J. Hajnal,
sont donc bouleversées. De nouvelles
règles devraient changer le rôle du
7. DISTRIBUTION DE L'ÂGE auquel les Françaises nées dans les années 1930 se sont hasard dans la « mise en couple », terme
mariées pour la première fois. Cette distribution est une fonction gamma, fonction qui désormais utilisé par la sociologie pour
décrit également les processus de fil d'attente. caractériser les unions modernes.
 Le hasard trouve...

bien les choses

Jean Jacques

Certaines découvertes sont fortuites. fixé vers l'avenir, et ce jeune éphèbeaux

yeux bandes,en équilibresurune rouequi
Après une réaction de surprise, le scientifique doit faire le mènen'importe où. Pourtantil faut se
rendre à l'évidence : l'histoire des
preuve de perspicacité pour exploiter au mieux sciences,mêmesi elle hésiteà insistersur
ce point, nousenseigneque la plupart des
sa chance. En chimie pharmaceutique, la démarche découvertesscientifiquesimportantesont
été souventfaites « par hasard », là où on
actuelle consiste à forcer le hasard. ne les attendaitguère, par quelqu'un qui
ne lesprévoyait pas ou qui escomptaitun
tout autrerésultat.
L'aptitude à faire preuvede perspica-
Chaque foisque la science Reconstitution plausible, légende cité dans les occasions imprévues, la
avance d'un pas, vaticine invérifiable, ces deux exemples pré- faculté de trouver un intérêt et une expli-
prétentieusement un héros scientifiquesmontrent une évidence : le cation à des problèmes rencontrés par
d'Émile Zola, c'est qu'un « absolu » ne peut être hasardfont partie des qualitésqu'on doit
nouveau
imbécile la pousse, sansle qu'imprévu. Avant de constater l'exis- attendre d'un bon scientifique. Le mot
faire exprès.» On peut facilement illus- de
tence cet « objet »
de connaissance, on sérendipité,traductionfrançaisede seren-
trer ce jugement formulé par un imbé- ne pouvait pas savoir qu'il était possible. dipity, n'a pasencoreeu le droit d'entrer
cile sentencieux,mais les grands décou- Peut-on pour autant confondre les dansnos dictionnaireset c'est dommage:
vreurs ignorantset anonymesqui ont su représentations allégoriquesde la Science il existe des anglicismesplus inutiles. Il
apprivoiser le hasard à notre profit et celles du Hasard? L'opinion la plus désigneraitcette intervention du hasard
méritent plus notre admiration que ce répanduese refuseà admettrequ'il puisse apprivoisé à laquelle la science doit
dédainnarquois. exister quelque relation que ce soit- quelquesuns de sesplus brillants succès.
II n'a pas suffi qu'un de nos lointains sinon inavouable-entre cette personne L'étymologie de ce mot pourrait se
ancêtress'aperçoiveque le choc de deux sérieusereposantpensivementsajoue réduireà cette information : de Serendib,
silex provoqueune vaguelueur ; il a fallu sur son index, le clair ancien nom de Sri-Lanka ; selon la
qu'il constate que lorsque ce même regard légende, il était une fois trois jeunes
silex frappe un autre caillou, la nwr princes de Serendibqui étaientcapables
cassite(un sulfure de fer), la lueur de trouver la solution de problèmes
devient étincelle et peut lui don- posesau hasardde leursrencontres.
ner la maîtrisedu feu. L'inventaire commenté des
Dans son Histoire natu- découvertesqui peuvent être mises
relle, le romain Pline (23-79) sur son compte n'est plus à faire :
prétend que la découvertedu il a déjà été fait de nombreuses
verre est tout aussi fortuite. fois, dans plusieurs ouvrages.
Des marchands jetés par la Quelquesunes de ces décou-
tempête à l'embouchure du vertes, les plus exemplaires,
fleuve Bélus, en Syrie, ont été rassemblées dans
auraient cuit leurs aliments l'encadré page 50. J'exami-
sur le sable fin, en brûlant nerai ici deux questionsplus
une plante épineuse de la rarement abordées : Peut-on
famille des salsolacées; les se faire une idée quantitative
cendres de ces plantes four- de la part du hasarddans les
nissent de la soude. Les résultats de la recherche
ingrédients étaient réunis contemporaine ? Peut-on
pour fabriquer sous leur 1. LE HASARD ET LA SCIENCE PFRSONNIFIÉS. Leur rencontre n'est augmenter les chances de
foyer un silicate de sodium pasexceptionnelleun : bon scientifique doit savoir tirer parti d'obser- faire des découvertes par
capablede former un verre. hasard?
La fréquence des
découvertes imprévues
Joseph Priestley (1733-1804), qui
eut la chance (c'est du moins ce qu'il a
écrit) de découvrir l'azote, l'oxygène et
la gomme à effacer, ne faisait pas mys-
tère de ce qu'il devait davantage « à ce
que nous appelons le hasard, c'est à
dire, philosophiquement parlant, à
l'observation des effets dont les causes
sont inconnues, qu'à aucun dessein pré-
médité ou aucune théorie imaginée
d'avance pour diriger les travaux »
(Expériences et observations sur diffé-
rentes espèces d'air, traduit de l'anglais
par Gibelin, Paris, 1777).
Le style des communications des
chercheurs contemporains a bien
changé depuis Priestley. L'exposé sans
fards des buts du travail entrepris et le
récit exact des circonstances où tels
résultats ont été acquis relèvent, pour
les responsables des revues scienti-
fiques, de la confidence littéraire,
bavarde et déplacée. Serait-ce, quand
des résultats sont d'importance, dimi-
nuer les mérites de leurs auteurs que de
parler éventuellement de leur chance
-qui se mérite elle aussi-et d'en
décrire l'intervention ? On réserve à la
rigueur ce genre de révélations au dis-
cours de réception solennel d'un prix
Nobel. Il est de plus en plus difficile
d'avoir une idée de la proportion des
découvertes où le hasard, sous toutes
ses formes, a joué un rôle décisif,
d'inventorier les découvertes « à res-
ponsabilité limitée ». Cette donnée,
pourtant, ne pourrait manquer d'inté-
resser autant les philosophes et histo-
riens des sciences que les organisateurs
de la recherche scientifique.
J'ai essayé d'éclairer cette question
de la part du hasard dans les décou-
vertes en recensant, dans le domaine
que je connais, la chimie, les travaux
où le caractère inattendu des résultats
est explicitement affirmé. À défaut de
récit détaillé de l'intervention du
hasard, certains comptes rendus don-
nent en effet de nombreuses indica-
tions d'un imprévu revendiqué. Les
titres des articles où figurent les mots
anormal, inhabituel, inattendu, surpre-
nant (ou plutôt leur équivalent anglais,
la langue scientifique dominante)
constituent d'importants témoignages
de ce que je cherche. (La coquetterie,
la provocation, le goût de la mode ou
de la publicité ne sont pas toujours
absents de cette manifestation, mais
c'est une autre histoire.) J'ai choisi
2. FREQUENCE DES MOTS SIGNALANT DES RÉSULTATS IMPRÉVUS et paraissant dans les
titres des articles de la revue internationale Chemical Communications. Le groupe
« divers » rassemble les termes moins fréquents comme surprenant, exceptionnel, unique,
sans précédent, fortuit, remarquable, etc.Le nombre desarticles publiés annuellement dans
cette revue, au cours des dernières années examinées, estde l'ordre du millier. La récente
multiplication des recherches par contrats pourrait avoir quelque peu démodé l'aveu des
résultats non programmés.
d'examiner les titres des articles parus aveux, ses auteurs ne s'attendaient pas.
dans une revue internationale de Et je ne parle pas de ceux qui se refu-
renom, les Chemical Communications ; sent à des confidences qu'ils jugent
ce bimensuel se définit lui-même humiliantes...
comme présentant « des rapports préli- Ces résultats imprévus sont-ils tous
minaires sur les nouveaux travaux plus importants, plus riches en consé-
importants en chimie ». J'y ai relevé la quences que ceux qui confirment une
fréquence des « mots signaux » de théorie plus ou moins nouvelle ? Je me
l'imprévu. Les résultats de mon garderai bien d'apporter à ces ques-
enquête sont rassemblés dans le gra- tions une réponse qui se voudrait géné-
phique de la figure 2 qui appelle plu- rale. Je me contenterai de verser au
sieurs commentaires. dossier quelques découvertes
La fréquence des mots signaux, rap- fortuites qui ont eu et ont encore un
portée au total des articles publiés dans avenir évident.
la revue, est relativement modeste ;
pour les années 1985 et 1992, les titres La nouveauté
contenant ces mots ne représentent que est toujours imprévisible
trois pour cent environ de l'ensemble
des titres répertoriés. On peut toutefois À tout seigneur tout honneur
: com-
-et on doit-compléter ces premières mençons par Louis Pasteur qui avertis-
indications d'un imprévu revendiqué. sait, en 1854, ses étudiants de Lille que
D'autres indices, souvent aussi clairs « dans les champs de l'observation, le
que ces mots-signaux, peuvent appa- hasard ne favorise que les esprits pré-
raître dans le corps des articles eux- parés ». Il aurait pu, quelques années
mêmes : j'ai capitulé devant un recen- plus tard, illustrer son propos par l'his-
sement complet qui demanderait un toire de sa découverte du vaccin contre
travail démesuré. En une autre occa- le choléra des poules (voir l'encadré
sion, j'ai relevé quelques uns de ces page 51).
signaux dans les courts résumés d'une Dans un tout autre domaine, celui
autre revue internationale prestigieuse de la chimie, une autre fructueuse ren-
(Angwandte Chemie, février-juillet contre non programmée date de 1967.
1988) où les manifestations de surprise L'américain C. J. Pedersen a raconté
devant l'inattendu abondent. Je ne en détail comment il a préparé par
risque donc guère d'être contredit si hasard le premier éther-couronne (voir
j'avance que, dans le domaine de la la figure 3) formé de façon inattendue
chimie contemporaine, environ une au cours d'une réaction visant à
publication sur dix rapporte une obser- l'obtention d'un tout autre produit.
vation à laquelle, de leurs propres « Celui-ci se trouvait parmi les produits
 INVENTAIRE DE QUELQUES DÉCOUVERTES FAITES PAR HASARD

ADRÉNALINE : « hormone d'urgence » libérée dans diverses agressions.

ALIZARINE synthèse de cette matière colorante rouge.
AMERIOUE : Christophe Colomb cherchait les Indes.
ANTI OXYDANTS : produits qui inhibent une oxydation intempestive.
ANTIPYRINE : médicament qui combat la fièvre et la douleur.
ANTITUMORAUX (dérivés du platine)
ASPARTAME : substitut du sucre.
ASPIRINE (propriétés analgésiques de l')
BLEU DE PRUSSE : le ferro-cyanure ferrique des chimistes modernes.
BOSON : particule élémentaire (comme le photon).
BROME :corps simple, comme le chlore ou l'iode.
CHLOROPRÈNE :caoutchouc
« » de synthèse.
CHOLÉRA
DES POULES (vaccin contre)
CRLACANTHE : grand poisson osseux, fossile vivant.
COLLE SUPERGLUE
CYCLAMATE DE SODIUM : substitut du sucre.
DDT : insecticide
DIFFRACTION DES ÉLECTRONS : a confirmé la dualité onde-corpuscule.
ÉLECTRICITÉ GALVANIQUE : électricité
continue de basse tension.
ÉLECTROMAGNÉTISME : unifie l'électricité
et le magnétisme.
ÉTHÉRIFICATION : réaction chimique de formation des éthers-oxydes.
ÉTHERS-COURONNES : composés chimiques cycliques, pièges à ions.
FRANCIUM élément radioactif.
HYDRE D'EAU DOUCE : petit animal capable de se régénérer.
INVAR : alliage métallique peu sensible aux différences de température.
IODE : corps simple de la famille du chlore.
LITHIUM (en thérapeutique)utilisation des sels de ce métal contre les maladies mentales.
LSD : substance hallucinogène.
MALADIES INAPPARENTES : infections contagieuses sans symptômes visibles.
MÉSONS K ÉTRANGES particules élémentaires.
NAINES BLANCHES : étoiles très lourdes mais de faibleluminosité.
OPHTALMOSCOPE : appareil permettant 1'examen du fond de l'oeil.
PÉNICILLINEantibiotique sécrété par une moisissure.
PHOSPHORE : corps simple inflammable à l'air et émetteur de lumière.
PILULE ABORTIVE (RU 486)
PLATINE ADAMS :catalyseur d'hydrogénation.
POLARISATION DE LA LUMIÈRE : celle-cine vibre plus que dans un plan.
POLYMÈRES CONDUCTEURS (polyacétylène)
antiparticule de l'électron
POSITRON :
PULSARS : source « vibrante »
de rayonnement astronomique.
QUASARS : source radioastronomique d'ondes hertziennes.
QUASI-CRISTAUX : possèdent une symétrie réputée impossible.
RADIOACTIVITE : certains corps simples peuvent se transformer spontanément.
RADIUM élément radioactif.
RAYONS X : rayonnement électromagnétique de faiblelongueur d'onde.
SACCHARINE : substitut du sucre.
SUPRACONDUCTION :certains matériaux conduisent t'étectricitésans résistance.
THALIDOMIDE tranquillisant
: aux redoutables effets tératogènes.
TRANSISTOR : composant électronique redresseur ou amplificateur de courant.
URÉE : premier corps organique naturel synthétisé au laboratoire.
VULCANISATION : transformation du caoutchouc par addition de soufre.
YPÉRITE : gaz de combat.

3. UN
COURONNE
molécule
ETHER est une
fermée qui peut pieger en son centre un
ion. On a représenté en jaune les atomes
d'hydrogène, en bleu les atomes de carbone
et en rouge les atomes d'oxygène.
très minoritaires de la réaction
(I'auteur nous parle ailleurs d'un ren-
dement de 0, 4 pour cent), sous forme
de fins cristaux fibreux, incolores,
insolubles dans le méthanol mais s'y
dissolvant facilement par addition de
sels de sodium. Cette observation
conduisit à la découverte du pouvoir
complexant de ces composés et à la
synthèse d'autres polyéthers macrocy-
cliques. » Cette découverte marque la
naissance de ce qui allait devenir la
chimie supramoléculaire. Jean-Marie
Lehn, un de ses artisans, la définit
comme la chimie des assemblages
moléculaires et des liaisons intermolé-
culaires non covalentes. À en juger par
le nombre de revues et d'articles qui
lui sont consacrés, la chimie supra-
moléculaire continue à se développer
explosivement sous nos yeux.
Dernière anecdote édifiante
« Washington, le 8 avril 1982, au labo-
ratoire du National Bureau of
Standards (NBs), Dan Shechtman, spé-
cialiste des alliages hypertrempés, déta-
ché de l'Institut Technion de Haïfa, tra-
vaille au perfectionnement d'alliages
métalliques à base d'aluminium. La
routine. Pourtant ce matin, l'écran vert
du microscope électronique éclaire un
visage perplexe. Les cristaux d'alliage
aluminium manganèse observés ne pré-
sentent pas l'arrangement attendu. Pis :
les figures de diffraction composent
des dodécaèdres, volumes à faces pen-
tagonales. L'ennui est que le pentagone
et la symétrie d'ordre 5 qu'il traduit
sont rigoureusement interdits par la
science des cristaux. Dan Shechtman
voit l'impossible... » On trouve ce récit
haletant dans un des derniers numéros
du très sérieux et très officiel Le jour-
nal du CNRS (juillet-août 1995). Dans
le même élan d'enthousiasme, on nous
y révèle la suite de ce psychodrame.
« En jetant à bas l'interdiction de la
symétrie d'ordre 5, la découverte des
quasi-cristaux n'a pas réservé sa seule
surprise. Intrigués par le nouvel ordre
de la matière mis à jour en 1984, des
centaines de chercheurs se sont précipi-
tés sur les quasi-cristaux, Français en
tête : sur les 300 scientifiques tra-
vaillant actuellement sur le sujet dans
le monde près de 130 portent la ban-
nière du CNRS. »
On aura compris que je ne suis pas
le seul à partager le point de vue que
Sir Oliver Lodge énonçait à propos de
la découverte de la radioactivité : « Une
découverte qui présente une réelle et
indiscutable nouveauté ne peut jamais
découler d'une suite de prévisions. La
découverte qui résulte des indications
d'une théorie est toujours importante et
d'un profond intérêt, mais elle n'est
généralement que la fin et le couronne-
ment d'une longue et féconde période.
Au contraire la découverte qui se pré-
sente comme un puzzle et une surprise
inaugure une nouvelle époque et ouvre
un nouveau chapitre de la science. »
En s'occupant de tout autre chose,
Charles Moureu a découvert, avec
Charles Dufraisse, les « antioxygènes »
(des produits qui empêchent les effets
néfastes de l'oxydation des graisses
alimentaires ou des caoutchoucs, par
exemple). Il exprime la même idée de
PASTEUR DÉCOUVRE
CONTRE LE CHOLÉRA
:
René Vallery-Radot, petit fils
Louis Pasteur, raconte :
En 1880, « un hasard comme il y
en a pour ceux qui ont le génie de
l'observation devait bientôt marquer
un immense progrès et préparer une
grande découverte. Tant que l'on
avait ensemencé, sans interruption de
24 heures en 24 heures, les ballons
de culture du microbe du choiera des
poules, la virulence était restée la
même. Mais en prenant une vieille
culture oubliée, datant de quelque
semaines, et en inoculant des poules,
grande fut la surprise de voir qu'elles
étaient malades et succombaient
pas.Qu'allait-il se passer si l'on inocu-
lait à ces poules réfractaires la culture
de la vieille, jeune, active, mortelle à
coup sûr ? Le même phénomène de
résistance se produisit. [...] En mesu-
rant entre les cultures des intervalles
façon tout aussi polémique : « II n'y a
jamais de fondamentalement nouveau
que ce qui ne saurait être prévu ; ce
qui se prévoit est implicitement connu,
tels les corollaires d'un théorème, dans
ce qui est déjà du domaine de la
connaissance. »
La découverte organisée
des médicaments
Comment imaginer que les effets
bénéfiques de certains produits naturels
-tisanes, onguents et autres extraits-
aient pu êtres reconnus autrement que
par hasard ? Les remèdes de bonnes
femmes ou ceux des médecines tradi-
tionnelles ne sont pas tous, il est vrai, à
la hauteur de leur réputation ; nombreux
sont ceux qui font un peu plus de mal
que de bien. Toutefois, on ne peut que
trembler rétrospectivement à la pensée
que nos ancêtres ont dû, pour établir
leur pharmacopée, ingurgiter ou faire
ingurgiter n'importe quoi-volontaire-
ment ou non-sans se soucier d'essais
préalables sur de vrais cobayes.
Aujourd'hui les pharmacologues qui
testent des molécules nouvelles en espé-
rant découvrir des propriétés thérapeu-
tiques intéressantes vivent et font vivre
moins dangereusement.
La prévision de l'action d'un pro-
duit chimique sur le vivant, que ce soit
en bien ou en mal-médicament ou gaz
de combat-reste néanmoins mal assu-
rée. Le temps est encore loin où l'on
LE VACCIN
DES POULES
variables allant de quelques jours à un
mois, 3 deux mois, à trois mois, on
arrivait à des variations de mortalité
qui faisait que l'on tuait huit poules
sur dix, puis cinq sur dix, puis une
sur dix et enfin, comme dans le pre-
mier cas, où à la suite de longues
vacances, la culture avait eu le temps
de vieillir, on arrivait à n'en plus tuer
du tout, bien que le microbe put être
encore cultivé, [...] Et pendant que
des poules neuves, c'est-à-dire celles
qui n'avaient jamais eu la maladie du
choléra des poules, exposées au virus
mortel, périssaient, celles qui avaient
subi les inoculations atténuées et qui
recevaient plus que leur part de ce
même virus mortel éprouvaient soit la
maladie
sous une forme bénigne, soit
un malaise plus ou moins passager,
quelque fois même n'en éprouvaient
aucun : elles avaient l'immunité... »
 pourra déduire l'efficacité d'une
drogue de l'examen de sa seule for-
mule. Entendons nous : il est aisé de
faire subir à certaines molécules chi-
miques, dont on connaît quelques pro-
priétés intéressantes, des modifications
qui leur ajouteront des qualités supplé-
mentaires (ou qui, plus prosaïquement,
contourneront des brevets et pour être
introduites dans un marché pharma-
ceutique juteux). Il est bien plus diffi-
cile de découvrir ces « têtes de série »
au profil original et aux propriétés
recherchées. La méthode actuelle,
nommée criblage, consiste à tester des
molécules choisies ou préparées à par-
tir d'hypothèses et de déductions
incertaines. Cette méthode relève,
avouons-le, de la théorie des jeux. Elle
continue toutefois à faire ses preuves,
en attendant mieux.
Comment augmenter ses chances
dans cette perspective irritante mais
incontournable ? Évidemment en
essayant le plus grand nombre de
molécules les plus diverses. Depuis
quelques années les technologies de la
recherche combinatoire tentent
d'apporter leurs solutions à ce pro-
blème de programmation de l'imprévu.
Les grandes firmes pharmaceutiques
multinationales disposent de collec-
tions de dizaines de milliers de pro-
duits chimiques différents dont l'étude
pharmacologique complète n'a encore
jamais été faite, vu l'ampleur de la
tâche. On demande donc à des pro-
grammes informatiques de sélectionner
4. LE COELACANTHE EST UN FOSSILE VIVANT. Il y a moins de 60 ans, les scientifiques pen-
saient que ce poisson s'était éteint avec les derniers Dinosaures, à la fin du Crétacé. Or, en
1938, on pêcha un spécimende cettefamille sur la côte Est de l'Afrique du Sud. Cepoisson
non comestible vit
à plus de 70 mètres de profondeur, etpeut atteindre 1,5 mètre de long.
5. LE QUASI-CRISTAL a une symétrie d'ordre 5, qui etait réputée impossible en cristallo-
graphie. Cette micrographie électronique montre un monocristal (150 micromètres) d'un
alliage aluminium-cuivre-fer.
dans ce catalogue des molécules de
structures les plus diverses. C'est cette
collection réduite à des dimensions
moins titanesques qui sera soumise à
des tests automatisés.
Dans cette méthode, on teste un
ensemble de produits déjà disponibles.
Une autre approche consiste à préparer
et à tester le plus grand nombre pos-
sible de molécules nouvelles. L'origi-
nalité de cette approche repose sur la
préparation simultanée de collections
de molécules qui seront testées
ensemble. Ce n'est que lorsqu'une col-
lection de quelques dizaines de molé-
cules s'avère globalement active que
l'on recherche celle (ou celles) d'entre
elles qui est responsable de l'effet
obtenu. Cette méthodologie originale
de contournement et de domestication
du hasard est particulièrement utile à
l'étude des polypeptides, constitués par
les innombrables combinaisons de la
vingtaine d'acides aminés naturels.
Les hasards de la découverte sont
multiples. Lors de l'observation
féconde, l'imprévisible est multiforme
et le hasard n'y est pas soumis aux
seules lois des probabilités. L'obser-
vation d'une nouvelle étoile par un
astronome amateur qui voulait vérifier
le bon fonctionnement de son téles-
cope-c'est arrivé-ou la découverte
par un berger ou par un plongeur
d'une grotte préhistorique qui attend
leur visite depuis 30 000 ans, ne sont
pas à mettre sur le même compte que
la rencontre de Roentgen avec les
Rayons X ou de Fleming avec la péni-
cilline. Les circonstances, les condi-
tions et les moyens de l'observation
fortuite, la personnalité du décou-
vreur, son projet et sa culture font
toute la différence. Pour simplifier, il
est commode de distinguer ce qui se
trouve quand on ne cherche rien et ce
qui se trouve quand on cherche autre
chose. Bien sûr, il arrive aussi qu'on
trouve ce que l'on cherche...
 LE HASARD ÉVALUÉ

Le but de la science est de prévoir,

aussi le savant se veut déterministe.
Lorsque la prévision cesse d'être certaine,
le scientifique met en oeuvre des
méthodes pour repousser l'incertitude :
il compte, recense, répète la même
expérience, trace des diagrammes, jusqu'à
ce que des régularités apparaissent.
Par les statistiques et les probabilités,
il extrait l'information de systèmes
aléatoires et complexes.
 La loi normale,

des statistiques
reine

Aimé Fuchs

Le hasard se laisse apprivoiser par une loi ce dipôle et à sa résistance R) ; suppo-

sonsque la tension V soit non aléatoire
mathématique, nommee loi normale, aux multiples et connue, mais que la résistance R soit
aléatoire et suive une loi normale. À
propriétés de conservation. Elle apparaît première vue, cela paraît raisonnable.
Toutefois cette hypothèse aurait pour
dans des domaines variés et parfois inattendus. conséquenceque l'intensité du courant
I n'admet pas d'espérance mathéma-
tique (ou valeur moyenne), car
l'inverse IIR peut prendre des valeurs
Lehasard a deslois, et les évé- théorie des tests d'hypothèses, que la infinies avec une probabilité non négli-
nements aléatoiressont régis loi normale est la plus utilisée. Il suffit geable ; ceci est difficilement accep-
par des probabilités. Parmi d'ouvrir un traité pour s'apercevoir table pour l'ingénieur. Ainsi l'hypo-
les nombreuses lois de pro- que la plupart des lois habituelles thèse que R suit une loi normale
babilité qui constituent (Student, Fisher, Snédécor, Khi- est-elle irréaliste.
l'arsenal de la statistique, la loi nor- Deux,...) relèvent de près ou de loin Cependant, en dépit d'exemples de
male occupe une place de choix, tant de la loi normale. ce type qu'il serait loisible de multi-
dans la théorie que dans les applica- II existe toutefois des cas où la des- plier, la loi normale garde toute son
tions. C'est aussi la seule loi qui soit cription d'un phénomène par la loi importance, commenous allons le voir.
connue du grand public : qui ne normale est contre-indiquée. Un Les propriétés les plus profondes de la
connaît la célèbre « courbe en cloche » exemple suffira pour le montrer. loi normale sont de nature mathéma-
ou « courbede Gaussa? Considéronsla loi d'Ohm I = V/R (qui tique ; elles concernent la théorie de
La loi normale s'est imposéedepuis relie l'intensité I du courant traversant l'information, la statistique physique et
fort longtemps à l'attention des obser- un dipôle à la tension V aux bornes de la géométrie.
vateurs dans les disciplines les plus
diverses : physique, physiologie, géné-
tique, biologie... On y rencontre par-
tout des diagrammes de fréquence
ayant l'allure d'une courbe en cloche.
La quasi-universalité de ces observa-
tions, jointe à l'attrait exerce par la
forme harmonieuse de la courbe, n'a
pas manqué de frapper les esprits.
Ainsi Francis Galton (1822-1911), le
célèbre physiologiste anglais qui fut
l'un des premiers à introduire la
méthodologie statistique dans sa disci-
pline, a fait part de son enthousiasme
dans les termes suivants :
« Jene connais presquerien d'aussi
impressionnant que la merveilleuse
forme de l'ordre cosmiqueexpriméepar
la Loi de fréquence des erreurs... Elle 1. LA LOI DE FRÉQUENCE DES ERREURS. À la desuite
n observations, la mesure d'un
paramètre # donne n résultats y1, y2,...,
yn (à gauche).Carl Friedrich Gaussmontre que
règne sereinement et avec retenue au
l'estimation de # par les moindres carrés est egale à la moyenne ym de ces résultats. Il déf
milieu de la plus folle confusion.»
nit l'erreur d'une mesurecommela différence xi = yi-# entre le résultat decettemesureet
Le lecteur aura compris que par la valeur duparamètre.Par desconsidérations de symétrieet de vraisemblance,Gaussest
« Loi de fréquence des erreurs» il fal- amenéa supposerque ceserreurssontrépartiesselonune loi normale(à droite).Cette loi
lait entendre « loi normale ». C'est en estcaractérisée par la valeur moyenne de la distribution (nulle dans ce cas) et par une lar
statistique, et principalement dans la geur dedispersionautour dela valeurmoyenne,nomméeécarttype.
Historique
de la loi normale
La loi normale est associée aux
noms prestigieux de Carl Friedrich
Gauss et de Pierre Simon de Laplace ;
dans la littérature allemande et anglo-
saxonne, elle est connue sous le nom de
Loi de Gauss ; certains mathématiciens
français y ont fait référence sous le nom
de Loi de Laplace. Pour mettre tout le
monde d'accord, Maurice Fréchet, qui
fut professeur de mathématiques à la
Sorbonne entre les deux guerres, a pro-
posé de l'appeler Loi de Laplace-Gauss.
C'est cet usage qui a prévalu en France.
Ces deux mathématiciens ont tous deux
introduit cette loi, mais leurs approches
étaient fondamentalement différentes.
La loi normale a été imaginée par
Gauss dans un contexte totalement
étranger au calcul des probabilités, celui
du mouvement des corps célestes. La
mesure d'un paramètre 9, à la suite de n
observations, donne un nombre n de
résultats y1, y2,... yn. Gauss s'interroge :
comment estimer la valeur du paramètre
# à partir de ces seules mesures?
Une première estimation de # est
fournie par la méthode des moindres
carrés élaborée par Gauss ; cette estima-
tion est égale à la valeur qui minimise la
somme des carrés des différences yi-#.
On pourrait l'obtenir par exemple en
calculant un certain nombre de ces
sommes de carrés pour différentes
valeurs de # et en choisissant la valeur
de # qui fournit la plus petite somme.
Gauss montre que cette estimation de #
équivaut à la moyenne yM des valeurs
mesurées, dont le calcul est aisé.
Parallèlement, Gauss propose une
autre méthode : il suppose que les
mesures sont indépendantes (aucune n'a
d'influence sur les autres) et il introduit
la probabilité f(xi) de commettre l'erreur
Xi = Yi-0 lors de l'observation de yi. Il
introduit également la fonction de vrai-
semblance L (#), égale, par définition, au
produit des probabilités f(xi)). Les obser-
vations étant indépendantes, L est (#) la
probabilité pour que les erreurs affé-
rentes à ces observations aient toutes été
commises lors d'une série de mesures.
Gauss formule en outre deux hypo-
thèses : f est paire (on commet aussi
souvent une erreur positive qu'une
erreur négative) et f décroît quand la
valeur absolue de l'erreur xi augmente
(on commet moins souvent de grandes
erreurs que des petites). II démontre que
les seules fonctionsf vérifiant ces hypo-
thèses et telles que la fonction de vrai-
semblance soit maximale pour la valeur
moyenne yM des observations sont des
densités normales centrées, c'est-à-dire
des fonctions du type exp (-x2). En
d'autres termes, si l'on prend pour loi
des erreurs la loi normale, l'estimation
d'un paramètre par la méthode des
moindres carrés coïncide avec son esti-
mation par le maximum de vraisem-
blance. De surcroît, la loi normale est la
seule loi assurant cette propriété.
La loi binomiale
L'approche de Laplace, toute diffé-
rente, prolonge les recherches du mathé-
maticien anglais Abraham de Moivre sur
les résultats de tirages aléatoires. Pour en
donner une idée, procédons à une suite de
lancers d'une pièce pouvant donner soit
« pile » soit « face ». Jouons
avec une pièce
de monnaie parfaite : la probabilité
d'amener pile à chaque lancer est 1/2, de
même que la probabilité d'amener face.
Le nombre x d'apparitions de pile sur n
tirages est imprévisible a priori : x est
une variable aléatoire. On calcule néan-
moins sa loi de probabilité pn ; celle-ci
vaut C(n, n)/2n, où C (n, x) est le nombre
2. LA LOI BINOMIAIE donne la probabi-
lité d'amener x fois pile en lançant n fois
une pièce de monnaie. Lors d'un tirage, la
probabilité d'amener pile est égale à 1/2
(si la pièce n'est pas truquée). Après n
tirages, on doit dénombrer les divers cas
possibles. Le nombre de casfavorables est
égal au nombre de combinaisons C (n, x)
de x élémentsparmi n. Blaise Pascal a eu
l'idée de ranger les valeursde C(n, x) dans
un tableau triangulaire, où le nombre n
augmente de haut en bas, et le nombre x,
de gauche a droite. II remplit la première
colonne de 1, car il n'y a qu'une seule
manière de choisir zéro élément parmi n ;
il remplit aussi la diagonale de 1, car le
choix de n élémentsparmi n est, lui aussi,
unique. Puis chaque case vide reçoit la
somme du nombre situé juste au-dessuset
de son voisin de gauche ; en effet, le
(n+l)-ième tirage donne soit face soit pile.
Si l'on tire face, on a C(n, x) possibilités
d'avoir x fois pile parmi les n tirages pré-
cédents ; si l'on tire pile, on a C (n, x-1)
possibilités d'avoir x fois pile en tout ; la
somme de ces deux nombres donne les
C(n+1, x) possibilités d'avoir x fois pile
après (n+1) tirages.
de combinaisons de n objets pris x à x ;
C (n, x) est aussi le coefficient de a'dans
le développement du binôme (1 + a) n ; il
vaut n!/(x! (n-x)!), où n! désigne la fac-
torielle de n, c'est-à-dire le produit des n
premiers entiers : n ! = n (n-1)
(n-2)... 3x2x1.
La loi définie par les probabilités pn,
ou loi binomiale, est représentée par un
diagramme à bâtons (voir la figure 3).
Lorsque le nombre de tirages augmente,
le diagramme des probabilités
s'approche de la courbe en cloche repré-
sentative de la loi normale. Cette évolu-
tion avait été démontrée par A. de
Moivre en 1733. Au siècle dernier,
F. Galton a inventé un dispositif fort
ingénieux pour simuler la tendance de
la loi binomiale vers la loi normale (voir
la figure 4).
Laplace reprit le problème de A. de
Moivre, mais traita le cas général où la
pièce de monnaie est imparfaite, c'est-à-
dire, où la probabilité d'amener pile en
un lancer, comprise entre 0 et 1, diffère
de 1/2. II démontre que dans ce cas éga-
lement, la répartition des résultats des
lancers tend vers une loi de type nor-
mal. Cette étude de l'approximation de
la loi binomiale par la loi normale n'a
été, pour Laplace, qu'un prélude à des
développements plus profonds mettant
la loi normale en rapport avec la théorie
des erreurs d'observation ; cette
approche s'est révélée la plus féconde.
Nous en donnons un aperçu.
 Le théorème central limite

Procédons à une suite d'observations

et désignons par Xn l'erreur afférente à la
n-ième observation. On interprète les Xn
comme des variables aléatoires indépen-
dantes centrées (c'est-à-dire d'espérance
mathématique nulle) et du second ordre
(c'est-à-dire d'écart-type fini). Laplace
introduit la somme Sn = X1 +... + X
des n premières erreurs, et il s'intéresse
au comportement de cette somme pour
de grandes valeurs de n.
Laplace s'interroge : à quelles condi-
tions la loi de répartition de la somme Sn
est-elle approchée par la loi normale
3. LA LOI BINOMIALE, qui décrit la probabilité d'amener x fois pile après n tirages, est
pour de grandes valeurs de n ? Son ana-
représentéepar des diagrammes à bâtons. Lorsque le nombre n de tirages augmente, cette lyse lui montre qu'une condition
essen-
loi tend versune loi normale. tielle pour qu'il en soit ainsi est que le
plus grand des écarts-types individuels
soit négligeable devant l'écart-type de la
somme. Cette condition est réalisée si
toutes les erreurs Xn sont indépendantes
et ont même loi. La marche au hasard sur
la droite illustre cette condition.
Considérons un homme saoul et titubant ;
il avance ou recule, avec la même proba-
bilité, d'un pas que l'on pose de lon-
gueur 1. Après n pas, l'ivrogne s'est
déplacé d'une distance Sn égale à la
somme des n pas : en moyenne, cette
somme est nulle, mais on montre que,
pour de grandes valeurs de n, elle se
répartit autour de la valeur moyenne
selon une loi normale, d'écart type #n.
Lorsque n est très grand, la longueur
d'un pas, soit 1, est négligeable devant
l'écart type de la somme, soit #n.
L'approche de Laplace contenait en
germe ce qu'est devenu par la suite le
problème « central limite ». Il s'agit
d'établir des conditions (suffisantes)
pour qu'une loi de probabilité converge
vers la loi normale (comme le fait la loi
de déplacement de l'ivrogne). Tout théo-
rème qui fournit des conditions de ce
type est appelé « théorème central
limite ». (C'est le mathématicien hon-
grois G. Polyà qui, en 1920, a désigné
un tel théorème par le nom de Zentraler
Grenzwertsatz.) Parmi les hypothèses de
tout théorème central limite figure la
condition déduite par Laplace pour la
suite Sn ; cette condition assure
qu'aucune variable aléatoire figurant
dans la somme Snn'est disproportionnée
par rapport aux autres, car sinon elle
ferait prévaloir sa loi. Les marchés
4. LAPLANCHE DE GALTON illustre la tendance de la loi binomiale vers la loi normale.
Chaque boule bâchéeen haut de ce dispositif rencontre des plots qui la dévient soit vers la financiers fournissent un exemple où
droite soit vers la gauche, avec la mêmeprobabilité. La trajectoire moyennede la boule est cette condition n'est pas respectée (voir
verticale : les boules tombent plus souvent dans les godets du milieu. Quelques boules Les marchés aléatoires, par Jean-
s'écartent du trajet moyen et tombent dans desgodetsplus éloignés. Après un grand nombre Philippe Bouchaud et Christian Walter,
d'expériences, la distribution du nombre de boules dans les godets suit une loi normale. dans ce dossier) : la performance d'une
 VARIABLES ALÉATOIRES
Si l'on prélève au hasard un élève dans une dasse donnée
et que l'on mesure sa taille, on obtient un nombre qui dépend
de l'issue de ce choix ; on dit que c'est une variable aléatoire
et on a l'habitude de la désigner par une lettre capitale X, Y,...
On note une réalisation particulière d'une telle variable pour
une issue donnée par une lettre minuscule : x, y,...
Le cas où la variable aléatoire X prend des valeurs dis-
crètes, comme les numéros d'une loterie, est le plus simple :
la probabilité P(x) pour que la variable
prenne une valeur donnée x est égale
au nombre d'événements favorables
divisé par le nombre total d'événe-
ments possibles.
Cette définition de la probabilité
ne s'applique pas au cas où la variable
aléatoire X prend des valeurs conti-
nues (comme la taille des élèves) : le
nombre total d'événements est alors
infini, et le rapport défini ci-dessus est
toujours nul. On exprime la loi de dis-
tribution de probabilité d'une
variable aléatoire continue à l'aide d'une densité de proba-
bilité f ; pour tout intervalle [a, b], la probabilité P b pour
que X prenne une valeur dans cet intervalle lors du prélève-
#abf(x)dx, c'est-à-dire à l'aire
ment au hasard est égale a
délimitée par le graphe de f, la verticale d'abscisse a, la
verticale d'abscisse b et l'axe des x (en bleu sur la figure).
La loi de densité de probabilité la plus couramment utilisée
est la loi normale.
ET LOI NORMALE
On décrit toute variable aléatoire X par une caractéristique
de position (par exemple, la moyenne ou espérancemathéma-
tique) et une caractéristique de dispersion autour de la
moyenne (par exemple, la variance, l'écart-type). Pour calculer
l'espérance mathématique E (X) d'une variable aléatoire, on
commence par multiplier chaque valeur possiblex de X par la
probabilité P (x) que X prenne cette valeur. On additionne
ensuite tous les termes xP (x). Quand la variable aléatoire X est
continue, munie d'une densité f, on cal-
cule des sommes continues, ou inté-
grales. Ainsi l'espérancemathématique
E(X) est l'aire totale située sous le
graphe de la fonction xf (x).
Pour mesurer la dispersion des
valeurs possibles autour de la valeur
moyenne, il semble naturel de calcu-
ler, pour chaque valeur de X, l'écart a
la moyenne X-E (X) ; ces écarts peu-
vent être positifs ou négatifs, si bien
qu'ils se compensent et donnent peu
d'information. Pour éviter que les
écarts ne se compensent, on élève leurs valeurs au carre ; a
variance, notée V(X) est l'espérance mathématique de cette
quantité ; l'écart-type est la racine carrée de la variance.
Si l'espérance mathématique est nulle, la variable X est
dite centrée ; si la variance est égale a 1, elle est dite réduite.
Pour des raisons de commodité, il est souvent utile de rem-
placer une variable aléatoire donnée par la variable
qui
(X-E (X))#V(X), est a ! ors centréeet réduite.

valeur en bourse est égale à la somme
des fluctuations quotidiennes en bourse ;
or ces fluctuations peuvent être catastro-
phiques, et il arrive qu'une seule fluctua-
tion soit comparable à la somme de
nombreuses autres. Ainsi, la loi de fluc-
tuations des valeurs en bourse ne tend
pas vers une loi normale.
La condition de non-prévalence d'une
variable aléatoire n'est pas tout à fait suf-
fisante pour établir un théorème central
limite. Les continuateurs de Laplace, dont
le J. Lindeberg, lui ont adjoint des condi-
tions supplémentaires, et ont énoncé des
théorèmes plus précis, dans des cas de
suites plus générales que celles de
Laplace. L'exploitation la plus fructueuse
de l'idée sous-jacente à la condition de
non-prévalence a été faite par Gnedenko
et Kolmogorov, deux mathématiciens qui
ont contribué à la théorie de l'informa-
tion. Ils ont montré qu'une variable aléa-
toire normale est la somme d'un grand
nombre de variables aléatoires, indépen-
dantes et petites, dont aucune n'est pré-
pondérante. Ainsi toute erreur normale
sur une grandeur mesurée est la somme
d'erreurs infinitésimales indépendantes.
Cette propriété rend bien compte de la
quasi-universalité de la loi normale dans
les disciplines les plus diverses.
La loi normale et
la théorie de l'information
La théorie de l'information, qui a
pour vocation la mesure du degré de
complexité d'un système, s'est dévelop-
pée dans les années 1940, à partir des
travaux d'avant-garde de C. Shannon et
de N. Wiener. La loi normale n'a pas
manqué, une fois de plus, de se tailler
une place de choix dans cette nouvelle
théorie. En effet, comme nous allons le
voir, la notion d'entropie qui en est un
des outils principaux, permet de distin-
guer la loi normale parmi d'autres lois
au moyen d'une propriété d'extremum.
Rappelons d'abord ce qu'est l'entropie.
Supposons que l'on étudie un sys-
tème caractérisé par une variable aléa-
toire X, admettant un nombre n de
valeurs discrètes avec les probabilités
P1, P2,..., pn. L'entropie statistique
mesure le degré d'indétermination du
système, ou la quantité d'information à
laquelle on ne peut accéder. Pour rem-
plir ce rôle, l'entropie doit posséder
quelques propriétés particulières, dont
les suivantes : (1) elle est nulle quand
l'un des événements est certain (on sait
tout sur le système), c'est-à-dire quand
pi = 1, les autres probabilités étant
nulles ; (2) elle est maximale dans le cas
de l'équipartition, c'est-à-dire lorsque
toutes les probabilités Pi sont égales (on
ne sait rien sur le système). On lui
impose également une propriété d'addi-
tivité : (3) l'entropie d'un couple de
variables aléatoires indépendantes est
égale à la somme des entropies des
variables individuelles (rappelons que
lorsqu'un événement est composé de
deux événements indépendants, sa pro-
babilité est égale au produit des deux
probabilités individuelles).
Ces conditions étant posées, Shannon
a défini l'entropie par la somme (discrète)
des termes pi log (1/pi), où log désigne la
fonction logarithme népérien. On vérifie
que cette fonction convient : le loga-
rithme de 1 est nul (condition 1) ; la
somme est maximale (égale à log n)
lorsque tous les pi = l/n (condition 2); le
logarithme d'un produit est égal à la
somme des logarithmes (condition 3).
Dans le cas continu, avec une densité de
probabilité f d'une variable aléatoire X,
1'entropie de Shannon est égale à la
somme, sur toutes les valeurs de X, de la
quantité f log (1/f). Le calcul de cette
somme continue est plus difficile, mais la
signification de l'entropie est analogue au
cas discret.
 Nous avons dit que la loi de densité d'une fonction statistique, telle que La conservation
normale se distingue des autres par une l'espérance mathématique, à englober et la cohérence
propriété d'extremum de l'entropie. En toute l'information d'un système. La
effet, parmi toutes les densités de proba- quantité d'information de Fisher dis- La loi normale possède une autre pro-
bilité centrées et réduites (où l'écart- tingue, elle aussi, la loi normale parmi priété remarquable : la conservation par
type vaut 1), il en existe une et une seule d'autres lois au moyen d'une propriété l'addition. Autrement dit, la somme de
qui maximise l'entropie : c'est la densité d'extremum. On montre en effet que la deux variables aléatoires normales et
de la loi normale. Ainsi la loi normale quantité d'information de Fisher est tou- indépendantes est encore une variable
est adaptée à la description d'un sys- jours supérieure à 1, est qu'elle est aléatoire normale. Illustrons cette pro-
tème sur lequel on possède peu d'infor- égale à I si et seulement si f est une priété par l'exemple industriel siuvant :
mation : de sa variable aléatoire, on ne densité de loi normale. une pièce usinée, de longueur X, est obte-
connaît que la moyenne et l'écart-type. Les deux théorèmes que nous nue en mettant bout à bout deux pièces
Une autre notion d'information, venons d'énoncer et qui présentent la provenant d'usines différentes, de lon-
moins connue que celle de Shannon, loi normale comme un objet mathéma- gueurs X1 et X2. Parmi les nombreuses
mais utile en théorie de l'estimation, est tique extrémal ont été mis à profit par le piècesproduites, on peut supposerque les
la quantité d'information de Fisher : elle probabiliste Y. Linnik. Il a fourni une longueurs X1 et X2 sont normales ; elles
est définie comme la somme, sur toutes démonstration du théorème central sont en outre indépendantes. De même, la
les valeurs de la variable aléatoire X, de limite, entièrement fondée sur la théorie variable X = X1 + X2 désignant la lon-
la quantité f(f'/f)2, où f' est la dérivée de l'information. II a en outre établi un gueur de la pièce finale, est normale.
de f. Cette quantité permet d'introduire lien étroit entre la convergence d'une L'hypothèse de l'indépendance des
de façon élégante les principales notions suite de lois de probabilité vers la loi variables aléatoires que l'on additionne
de cette théorie, en particulier celle normale et la croissance de l'entropie est essentielle ; si elle n'est pas vérifiée, il
d'exhaustivité, c'est-à-dire la capacité des termes de cette suite. peut arriver que la somme de deux
variables normales ne soit pas normale.
Illustrons ce fait à l'aide de l'exemple
mathématiques suivant : soient X et Z
deux variables aléatoires indépendantes,
X étant normale centrée réduite et Z pre-
nant chacune des deux valeurs + 1,-1
avec la probabilité 1/2. Il est clair que la
variable Y = XZ est aussi normale centrée
réduite. On voit alors que X + Y, qui est la
somme de deux variables normales cen-
trées réduites, n'est pas normale,
puisqu'elle vaut 0 avec probabilités 1/2 et
2X avec probabilité 1/2.
La propriété de conservation est
facile à démontrer, mais elle n'est pas
caractéristique de la loi normale. La loi
de Cauchy par exemple, de la forme
1/(1+x2), la possède également. En
revanche, la propriété de cohérence, bien
plus profonde que la propriété de conser-
vation, est propre à la loi normale. Selon
cette propriété, si une variable aléatoire
normale peut être décomposée en la
somme de deux variables aléatoires indé-
pendantes, alors chacun des termes de la
somme suit une loi normale. C'est le cas
des longueurs des pièces usinées partielle
dont la somme est la lonueur de la pièce
usinée totale. La propriété de cohérence
est appelée théorème de Cramer-Lévy, du
nom de Paul Lévy qui l'a conjecturé en
1935 et de Gabriel Cramer qui l'a
démontré en 1936.
5. RÉPARTITION DES VITESSES DES PARTICULES DANS UN GAZ PARFAIT, OU distribution
de Maxwell. Dans un gaz, les vitesses des particules ont des directions et des modules aléa- La loi normale
toires (en haut à gauche). La densité de probabilité du vecteur vitesse d'une particule (le
dans l'espace
nuage bleu) est maximale au centre (en moyennela vitesseest nulle) et diminue à mesure
que l'extrémité du vecteur s'éloigne de son point d'attache. Chaque composante Vi du vec-
teur vitessed'une particule estrépartie selon une loi normale (en bas à gauche).Le module La loi normale s'est aussi imposée
de la vitessesuit la loi de Maxwell (en bas au milieu). Enfin le module de la projection sur dans notre espace à trois dimensions,
un plan suit la loi de Rayleigh (en bas à droite). principalement à la suite des travaux de
6. APPARITION SURPRENANTE DE LA LOI NORMALE
Soit une boulede rayon R et de volume n dans un espacea n dimen- Ox. Divisons gn par le volume Vn : on obtient une densité de probabi-
sions. Projetons sur un axe Ox, pour toute abscisse x, le contenu lité fn. Lorsque la dimension n de l'espacetend vers l'infini et pour un
d'une tranche d'épaisseurtrès
James Clerk Maxwell sur la répartition
des vitesses des particules dans un gaz
parfait. Au milieu du siècle dernier, au
cours de ses tentatives pour modéliser le
mouvement désordonné observé dans un
tel gaz, Maxwell a été amené à représen-
ter la vitesse d'une particule par un vec-
teur aléatoire, dont les trois composantes
V1, V2, V3 sont des variables aléatoires
indépendantes admettant toutes la même
loi normale centrée. La loi du vecteur
représentatif d'une particule est encore
appelée loi normale (à trois dimensions).
La longueur V de ce vecteur, c'est-à-
dire le module de la vitesse d'une parti-
cule, est une variable aléatoire suivant la
loi de Maxwell ; elle admet pour densité
fM,(v) = #(2/#) V2 exp (-v2/2).
La longueur V0 de la projection du
vecteur vitesse sur un plan est un vecteur
à deux composantes, dont la longueur
est une variable aléatoire à valeurs posi-
tives ; cette variable aléatoire suit la loi
de Rayleigh, qui a pour densité fR(v0)=
(-v02/2). Évidemment
v0 exp les deux
lois que nous venons d'évoquer et qui
sont dans la filiation de la loi normale
jouent un rôle essentiel dans la théorie
statistique des gaz parfaits.
Revenons à la loi normale du vecteur
aléatoire représentant la vitesse d'une
particule. Son principal intérêt aux yeux
des physiciens est qu'elle est isotrope,
c'est-à-dire identique dans toutes les
directions. Autrement dit, la densité de
probabilité du vecteur vitesse ne dépend
que de la longueur de ce vecteur. Cette
EN GÉOMÉTRIE. distribution de densité gn de la masse de la boule projetée sur l'axe
faible est d'abscisse x. On obtient une rayon R = n, on constate que
propriété est caractéristique des vecteurs
aléatoires à composantes normales, cen-
trées, indépendantes et identiquement
distribuées. Elle est en outre vraie quelle
que soit la dimension n de l'espace étu-
dié, c'est-à-dire quel que soit le nombre
n de composantes du vecteur.
Dans le cas n = 2, signalons une
autre propriété curieuse de la loi nor-
male, elle aussi liée à une rotation
autour de l'origine. Elle affirme que si
Xl, X2 sont deux variables aléatoires
indépendantes de même loi et si X1-X2
et Xl + X2 sont également indépen-
dantes, alors la loi commune de X1, X2
est normale. Cette propriété, associée
aux noms de Bemstein et Darmois, a été
considérablement généralisée.
Avant de clore ce paragraphe, men-
tionnons un lien remarquable entre la loi
normale et le volume d'une boule.
Désignons par Vn(R) le volume de la
boule dans un espace de dimension n, de
rayon R et centrée à l'origine. Pour n = 1,
2 et 3, Vn(R) vaut respectivement 2 R,
#R2 et 4#R3/3.
Projetons la masse constituant ce
volume sur l'un des axes, disons Ox. On
obtient ainsi une distribution de masses
sur la droite qui suit la loi notée gn (x, R).
Lorsque x est en dehors de l'intervalle
[-R, +R], cette distribution est évidem-
ment nulle et pour x à l'intérieur de cet
intervalle, un calcul aisé en fournit la
valeur (voir la figure 6). On norme cette
distribution en la divisant par Vn(R) et
l'on obtient ainsi une densité de probabi-
lité sur la droite que nous notons fn(x, R)
= gn (x, R)/Vn(R). Cette densité est
encore nulle quand x est en dehors de
l'intervalle [-R, +R] ; quand x est à l'inté-
rieur de cet intervalle, sa valeur pour n =
1, 2 et 3 est donnée sur la figure 6.
Finalement, dans fn(x, R), nous pre-
égal à #n et nous obte-
nons le rayon R
nons une suite de densités de probabilité
sur la droite, de terme général fn(x, #n).
Le comportement asymptotique de cette
suite est très surprenant : lorsque n tend
vers l'infini, elle converge vers la densité
de la loi normale. Autrement dit, la fonc-
tion fn(x, #n) tend (-x2/2)/#2#,
vers exp
lorsque n tend vers l'infini.
Ce phénomène, que le calcul
constate, n'a encore reçu, à notre connais-
sance, aucune explication qui satisfasse
l'esprit. On peut s'étonner de l'apparition
de la loi normale dans un domaine qui, à
première vue, lui est étranger.
Les remarquables propriétés de la
loi normale la rendent indispensable
aux calculs statistiques. Dans la théo-
rie des tests d'hypothèse pour de petits
échantillons, il convient de supposer
que chaque variable dont est constitué
l'échantillon suit une loi normale, car
alors la moyenne et la variance expéri-
mentale sont des variables aléatoires
indépendantes. Cette dernière pro-
priété s'est révélée caractéristique de
la loi normale, comme l'a montré le
statisticien anglais Geary. Cela fournit
une raison supplémentaire pour préfé-
rer la loi normale.
 Le mouvement
la théorie
et
Une nouvelle branche des mathématiques,
probabiliste du potentiel,
de deux disciplines apparemment
du mouvement brownien
uel est le point commun
entre le mouvement
désordonné d'une petite
particule ballottée dans
une mer turbulente de
molécules et la réparti-
tion de la chaleur dans
un corps solide en équilibre ther-
mique ? C'est l'action d'un grand
nombre d'éléments.
La théorie probabiliste des proces-
sus aléatoires, qui traite notamment du
mouvement brownien, et la théorie du
potentiel, qui a pour objet les états
d'équilibre d'un milieu homogène,sont
deux branches maîtresses de la phy-
sique théorique. Elles semblent indé-
pendantes l'une de l'autre, mais leur
équivalence mathématique implique
que les progrès réalisés dans une des
deux disciplines peuvent être transférés
dans l'autre. En utilisant cette pro-
priété, on a obtenu de nombreux résul-
tats intéressants dans chacune de ces
deux branches.
Le mouvement brownien
Le phénomèneappelé «mouvement
browniens a été observé pour la pre-
mière fois en 1827 par le botaniste
écossaisRobert Brown au cours d'une
étudeportant sur le processusde fertili-
sation d'une nouvelle espèce de fleur.
Brown observa au microscope que les
grains de pollen de cette fleur, en sus-
pension dans l'eau, étaient animés d'un
mouvement désordonnérapide. Brown
crut, tout d'abord, que cette agitation
brownien
du potentiel
Reuben
la théorie
résulte du mariage
distinctes : !'étude
et la théorie du potentiel.
était propre aux cellules sexuelles
mâles de la plante, puis élimina cette
hypothèse en remarquant que des par-
ticules d'autres substancesorganiques,
de verre ou de granit, se mouvaient
pareillement.
Vers 1860, le problème du mouve-
ment brownien commença véritable-
ment à intriguer les physiciens. Les
premièresexplications qu'ils en donnè-
rent étaient fondées sur des courants
fluides dans le milieu baignant les par-
ticules : ces explications furent vite
écartéesquand on observa qu'il n'exis-
tait aucune corrélation entre les mou-
vements de deux particules voisines.
De plus, il semblait que la probabilité
associée au déplacement d'une parti-
cule à partir d'une position donnée
était isotrope, c'est-à-dire indépen-
dante de la direction, et que le mouve-
ment passé d'une particule n'avait
aucune influence sur le mouvement
présent. Enfin et surtout, le mouve-
ment était incessant.
La relation entre la températuredu
milieu et la vitesse de la particule sug-
gérait que le mouvement brownien
était d'origine moléculaire ; en effet,
en théorie cinétique, la température
d'un corps est proportionnelle à la
moyenne du carré de la vitesse des
molécules qui le composent : lorsque
la température augmente, la vitesse
moléculaire augmente également ; or
les expériences avaient déjà montré
que plus la température était élevée,
plus le mouvement brownien était
rapide. Toutefois, l'hypothèse sim-
Hersh et Richard Griego
pliste selon laquelle les déplacements
saccadésdes particules seraient dus à
l'impact de molécules isolées, était à
rejeter : même la plus petite particule
observable au microscope était de loin
trop pesante pour être déplacée de
façon visible par l'impact d'une seule
molécule à la fois.
Albert Einstein, en 1905 (I'année
où il publia son premier article sur la
théorie de la relativité), améliora
considérablementla compréhensiondu
mouvement brownien par une étude
théorique de mécanique statistique.
Sur la base de la théorie cinétique de
la chaleur, Einstein montra qu'une
particule de taille observable, soumise
au bombardement moléculaire du
milieu, devait être animée d'un mou-
vement aléatoire dû à la différence
entre les nombres des impacts agissant
sur des parties opposéesde sa surface
à un instant donné.
Dans cette hypothèseplus la parti-
cule est petite, plus l'amplitude du mou-
vement est importante. Sous l'effet de
chaquepoussée,la particule se déplace
d'autant plus vite et d'autant plus loin
que le fluide est moins visqueux. La
viscosité du fluide, en freinant la parti-
cule, diminue l'amplitude des déplace-
ments. Chaquemouvement est indépen-
dant du mouvement précédent, et ne
dépend que de la variation aléatoire de
la pression moléculaire sur différentes
surfaces opposées de la particule, par
exemple les surfaces gauche et droite,
haute et basse, avant et arrière. Ces
mouvementssuccessifséloignent la par-
ticule de sa position initiale ; bien que
sa position exacte, à chaqueinstant, soit
évidemment inconnue, on peut mesurer
la probabilité pour que la particule soit
dans une position donnée.
En répétantla même expérience,où
l'on note la position de la particule en
fonction du temps, on obtient les
courbes en cloche représentées sur la
figure 3. On a représentésur l'axe hori-
 1. MOUVEMENT BROWNIEN de particules placées dans un fluide,
reconstitué sur ordinateur ; cette vue illustre l'aspect irrégulier des tra-
jets des particules ballottées par une « mer turbulente » de molécules.
Chaque particule est représentée par un point rouge sur l'écran de
l'ordinateur, et laisse une traînée rouge dernière son passage. Le mou-
vement desparticules est calculé par la méthode de Monte-Carlo : une
particule choisie au hasard est déplacée d'une valeur aléatoire, choisie
également au hasard parmi une série de nombres aléatoires engendrés
par l'ordinateur. On peut simuler certaines conditions aux limites en
declarant « impossibles » certains mouvements.
 zontal la distance parcourue par une La marche au hasard tiques) fut de montrer en quoi consistait
particule, en supposant qu'au temps un choix « au hasard » parmi les élé-
t = 0, la particule était au point x = 0. Après les prédictions théoriques ments de cet ensemble.
On a représenté sur l'axe vertical de d'Einstein, le mouvement brownien Nous n'essaierons pas ici de rendre
chaque courbe, la probabilité pour était quasiment résolu à la satisfaction compte de l'ensemble des travaux de
qu'une particule soit en un point donné des physiciens. Il en était tout autrement Wiener ; nous en esquisserons certains
d'abscisse x aux temps t = 1, 10 et 100 des mathématiciens pour qui l'histoire résultats. Considérons, à titre d'illustra-
secondes. Ces courbes montrent évi- du mouvement brownien ne commence tion, le chemin parcouru par une parti-
demment que la position la plus pro- qu'en 1920 avec le premier article de cule pendant un laps de temps fini (par
bable est toujours la position initiale ; la Norbert Wiener sur ce sujet. En effet exemple une heure) ; la particule se
probabilité attachée à un point est pour les mathématiciens, le mouvement déplace sur une droite avec une vitesse
d'autant plus petite que ce point est plus brownien était un sujet attirant et extra- constante en valeur absolue ; l'orienta-
éloigné de la position initiale. ordinairement difficile. La difficulté tion de la vitesse est, à intervalles régu-
De plus, les courbes sont symé- principale était la définition mathéma- liers, choisie au hasard, avec une proba-
triques : la particule se déplace avec la tique précise du mouvement «aléatoire » bilité 1/2, dans un sens ou dans l'autre
même probabilité vers la gauche ou vers d'une particule. (la vitesse est de valeur constante, seule
la droite. Comme on peut s'y attendre, Tout le monde sait ce que signifie sa direction change).
ces trois courbes montrent que la proba- choisir « au hasard »entre pile et face : Le nombre total de chemins pos-
bilité pour que la particule reste au voi- c'est assigner à chacune de ces alterna- sibles est égal à 23 600. La particule
sinage du point origine diminue avec le tives une probabilité 1/2 ; autrement dit, choisit, au hasard, un chemin ; chacun
temps. Ces courbes en cloche corres- on ne peut déterminer, a priori, laquelle de ces chemins a une probabilité
pondent à des distributions de probabi- de ces deux alternatives résultera d'un 1/23 600. Un tel chemin, fait de dépla-
lité appelées «normales » ou « gaus- lancer donné. Lors de son mouvement cements finis, est appelé « marche au
siennes » ; de telles distributions « brownien », une particule suit un che- hasard » ou « marche en ivrogne ». La
apparaissent lorsque les quantités mesu- min choisi « au hasard » parmi tous les difficulté consiste à prendre la forme
rées résultent de la somme d'un grand chemins possibles. limite d'un tel chemin pour des inter-
nombre de variables aléatoires, indépen- L'ensemble de tous les chemins valles de temps infiniment petits.
dantes et strictement identiques, comme possibles comprend un nombre énorme Wiener montra comment réaliser ce
dans ce cas, les nombreuses petites d'éléments qui compliquent grandement passage à la limite de façon mathémati-
poussées successives qui entraînent le son étude. La majeure contribution de quement correcte, et fit entrer le mouve-
déplacement total. Wiener (dans le domaine des mathéma- ment brownien dans le langage des
mathématiques. Dans le modèle de
Wiener du mouvement brownien, les
distances totales parcourues par une
particule sont distribuées selon une
courbe gaussienne, tout comme dans le
modèle physique d'Einstein. Wiener
démontra que le trajet est une courbe
presque certainement continue, mais
irrégulière en tout point (en aucun de
ses points, la courbe représentant le tra-
jet n'a de tangente).
Ces propriétés coïncident avec
l'intuition physique qu'on peut avoir du
phénomène : une particule ne peut pas
sauter instantanément d'une position à
une autre, ce qui fait que son trajet doit
être continu. Toutefois, des change-
ments aléatoires de direction ont lieu en
permanence, ce qui fait que la courbe
du trajet est entièrement constituée
« d'angles vifs ».
L'oeuvre de Wiener a suscité de
nombreuses recherches sur le sujet. La
plupart des recherches modernes sur
les processus aléatoires sont un pro-
longement direct des travaux de
2. L'ORIGINE MOLÉCULAIRE DU MOUVEMENT BROWNIEN a été suggérée par l'accroisse-
Wiener, et la théorie probabiliste du
ment de la vitesse des particules avec la température : selon la théorie cinétique des
gaz, une
température plus élevée correspond à des mouvements moléculaires plus rapides. Toutefois,potentiel en est le plus beau fruit. Il
même la plus petite particule observableau microscopeétait de loin trop pesantepour être faut, pour expliquer les circonstances
déplacée de façon visible par l'impact d'une molécule à la fois (à gauche). Au contraire,on qui ont amené cette fusion, considérer
a démontré que le mouvement brownien aléatoire d'une particule, était dû à des variations un moment la théorie classique (ou
aléatoires de la pression moléculaire sur différentes parties de la particule (à droite). non probabiliste) du potentiel.
La théorie du potentiel

La théorie du potentiel concerne

l'étude des positions d'équilibre. Elle a
pour objet les fonctions harmoniques
qui régissent l'équilibre des milieux
homogènes. Considérons, par exemple,
une membrane élastique tendue sur un
support en fil de fer (voir la figure 5) ;
la configuration de la surface d'une telle
membrane est définie par l'élévation h
de chaque point P de la surface. La
position du point P est définie par sa
projection Po sur le plan xOy. Ainsi, si
3. CES TROIS COURBES EN CLOCHE représentent, a des temps différents, 1, 10
les coordonnées x et y de Po sont don-
et 100 secondes, les probabilités des positions d'une particule animée d'un mouvement
nées, la quantité h, correspondant à
brownien. La distance parcourue est représentéeen abscisseen supposant la particule au
l'élévation du point P de la membrane, point x = 0 au temps t = 0. De telles courbessymétriquesillustrent une répartition de proba-
est déterminée ; h est ainsi une fonction bilité gaussienne de formule g(x), oùD est le coefficient de diffusion du milieu ambiant.
de x et de y, ou de façon symbolique
h = h (x, y).
Il est intuitivement évident, et
mathématiquement démontrable, que la
fonction h est une fonction continue. La
fonction h a, de plus, la propriété sui-
vante : si Po est un point du plan xOy et
F un petit cercle centré en Po, la valeur
de h en P, c'est-à-dire l'élévation de la
membrane au-dessus du point P0, est
égale à la moyenne des valeurs de h
prises en tous les points du cercle r.
Toute fonction continue h qui vérifie
cette propriété de moyenne est une
4. UNE NOTION INTUITIVE de ce qu'est le modèle de Wiener du mouvement brownien est
fonction « harmonique ».
obtenue à partir de cette illustration. La ligne en zigzag représente le trajet à une dimension
Dans le cas de la membrane, la posi-
d'une particule qui change de direction toutes les secondes. Si le mouvement, au lieu de
tion de P (point de la membrane au-des-
durer 11 secondes,durait une heure, il n'y aurait tout de même qu'un nombre fini (23600) de
sus de PO) est fonction de la somme des chemins possibles. La particule choisit au hasard un trajet parmi tous ces chemins dont la
forces de tension exercées sur P par les probabilité de chacun est 1/23600. Un tel processus est unemarche « hasard
au » ou « en
parties avoisinantes de la membrane. Si ivrogne ». Wiener définit de façon mathématiquement rigoureuse le passage à la limite pour
la membrane est en équilibre, les forces des incréments infiniment petits.
doivent s'annuler de sorte que, par
exemple, s'il existe des points plus
hauts que P, ils doivent être compensés Le problème de Dirichlet
un point quelconque est égale à la
par des points d'altitudes inférieures à moyenne des températures prises sur la
celle de P, ce qui fait que la moyenne surface d'une petite sphère avoisinant Un pont peut être jeté entre la théo-
totale des élévations doit être juste égale ce point. En d'autres termes, la tempé- rie du mouvement brownien et la théorie
à l'élévation de P, c'est-à-dire h(Po). rature T est une fonction harmonique du potentiel au moyen du problème de
Le problème de l'équilibre ther- des coordonnées x, y et z du point P Dirichlet (cette dénomination est un
mique est un autre problème physique (voir lafigure 6). hommage au mathématicien allemand
qui a pour solutions des fonctions har- Dès 1928, des physiciens pressenti- Gustave Lejeune Dirichlet). Ce pro-
moniques. En théorie de la conduction rent que les aspects principaux de la blème traite du phénomène suivant :
de la chaleur (bien antérieure à la théo- théorie classique du potentiel avaient considérons un corps en équilibre ther-
rie cinétique de la chaleur), la tempéra- des correspondants mathématiques en mique dont la température est mesurée
ture d'un point P d'un solide homogène théorie du mouvement brownien. Tout en tous les points de sa surface ; certains
diminue si la valeur moyenne des tem- résultat obtenu dans une des deux théo- points sont chauds, d'autres sont froids ;
pératures avoisinantes est inférieure à la ries peut être transposé en un théorème quand ce corps est maintenu avec cette
température au point P ; de même, la dans l'autre. Cette propriété est avanta- répartition superficielle de température
température du point P augmente si la geuse, car certains phénomènes diffi- pendant un certain temps, un certain
moyenne des températures prises autour ciles à appréhender et obscurs dans une équilibre thermique s'établit à l'intérieur
du point P est supérieure à celle du théorie, sont parfaitement transparents du volume. La température peut être
point P. Lorsque le corps est en équi- dans l'autre. Les exemples qui suivent alors différente en chaque point du
libre thermique (ce qui signifie que sa démontrent comment de tels échanges volume du corps compris à l'intérieur de
température en tout point ne varie pas éclairent la compréhension de chacune la surface, mais ne change plus avec le
en fonction du temps), la température en de ces deux disciplines. temps. À partir de ces données, peut-on
 calculer la température à l'intérieur
dudit corps ?
En terme plus mathématique, ce
problème revient à chercher une fonc-
tion harmonique définie à l'intérieur
du corps, et prenant certaines valeurs
données à la surface (ou frontière)
dudit corps. Le même problème
mathématique a l'interprétation phy-
sique suivante dans le cas de la mem-
brane : étant donné la position dans
l'espace de la frontière de cette mem-
brane, quelle est la position de chacun
de ses points internes ?
Au XIXe siècle, un grand nombre
d'excellents analystes étudièrent le pro-
blème de Dirichlet. Wiener fit faire des
progrès remarquables à cette discipline,
mais ne vit pas comment sa propre théo-
rie du mouvement brownien pouvait
5. UNE MEMBRANE ÉLASTTQUE est tendue sur un support en fil de fer ; la configuration de être utile pour résoudre le problème de
la surface d'une telle membrane est définie par l'élévation h de chaque point P de la sur- Dirichlet ; cette découverte est due au
face par rapport à sa projection P0 sur le plan xOy. Lorsque les coordonnées x et yde P0, Japonais Kakutani.
sont données, la quantité h correspondant à l'élévation du point P de la membrane est
determinee; h estainsi une fonction de x et de y, ou defa, eon symbolique h= h(x, y). Il est
intuitivement évident, et mathématiquement démontrable, que la fonction h est une fonction Mouvement brownien
continue. La fonction h a, deplus, la propriété suivante : si P0 est un point du plan xOy et # et température
un petit cercle centré en P0, la valeur de h en P0, c'est-à-dire l'élévation de la membrane
au-dessusdu point P0 est égale à la moyenne des valeurs de h prises en tous points du cercle Pour expliquer la méthode de
r. Toute fonction continue h qui vérifie cette propriété de moyenne, est une fonction « har- Kakutani, on utilisera le vocabulaire
monique ». Dans le cas de la membrane,position
la de P est fonction de la somme des forces habituel des joueurs à Monte-Carlo ou à
de tension exercéessur P par les parties avoisinantesde la membrane. Quand la membrane Las Vegas. On considère le corps solide
est en équilibre, les forces s'annulent de sorte que, par exemple, s'il existe des points plus de l'exemple précédent
hauts que P, ils sont compenséspar despoints d'altitudes inférieures à P, ce qui fait que la ; en son inté-
rieur, on prend un point P dont on veut
moyennetotale des élévationsest juste égale à l'élévationde P, c'est-à-dire h (P0). connaître la température d'équilibre.
Pour cela, le point P étant choisi, on
joue au jeu inhabituel suivant : on place
une particule en P, et on observe le
mouvement aléatoire, brownien, de
cette particule ; de façon presque cer-
taine (avec une probabilité presque
égale à 1) elle atteint à un certain
moment la frontière au point Q. Selon la
règle de ce jeu, le gain du joueur est
égal à la température du point Q ; étant
donné les conditions aux limites préci-
sées précédemment, cette température
est connue. Bien entendu, l'endroit où
la particule frappe la frontière est aléa-
toire : P est un point choisi à l'intérieur
du corps et Q est un point aléatoire de
sa surface. Il est évident que le gain du
joueur est, au plus, égal à la température
maximale sur la surface, et au moins
égal à la valeur minimale de la tempéra-
ture sur cette même surface.
De plus, tout comme dans n'importe
quel jeu de hasard, le joueur peut
6. LA RÉPARTITION DES TEMPÉRATURES dans un corps solide homogène en équilibre ther-
s'attendre à gagner en moyenne une
mique fait également intervenir des fonctions harmoniques. En effet, comme la température
certaine somme d'argent. On calcule
en un point P ne varie pas au cours du temps, celle-ci doit être égale à la moyenne des tem-
pératures despoints d'une petite sphère r centréeen P. La température T est une fonction cette moyenne en jouant un grand
harmonique des coordonnées x, y, nombre de parties. Cette moyenne est
z de P. Le problème peut être résolu par la théorie proba-
biliste du mouvementbrownien, en plaçant une particule (virtuelle) en P qui atteint la sur- appelée «espérance mathématique asso-
face en un point aléatoire Q. ciée au point P », et désignée par E (P).
 L'espérance mathématique associée au
point P est égale à la mise qu'un joueur
(qui jouerait de façon rationnelle), vou-
drait bien parier pour avoir le droit de
jouer. Cette quantité, c'est-à-dire l'espé-
rance mathématique de gain de
quelqu'un qui jouerait à partir de P, est
la solution donnée par Kakutani au pro-
blème de Dirichlet.
Cette identification est d'une telle
simplicité qu'en ignorant un certain
nombre de détails d'ordre mathéma-
tique, on peut, sinon démontrer parfaite-
ment le théorème, tout au moins se per-
suader de sa véracité. L'espérance
mathématique E (P) est un nombre ; de
la manière dont nous l'avons définie,
c'est un certain nombre de francs, mais
on peut également l'interpréter comme
une température, c'est-à-dire un certain
nombre de degrés. Cette espérance
mathématique dépend bien évidemment
du point de départ de la particule. Si
l'on part d'un point proche de la partie
chaude de la frontière, on s'attend à
gagner plus que si l'on part d'un point
voisin d'une partie froide de la même
frontière. Ainsi chaque point P est asso-
cié à un nombre E (P). Pour prouver que
E (P) est la température d'équilibre,
c'est-à-dire la solution du problème de
Dirichlet, il faut satisfaire deux exi-
gences : tout d'abord, cette espérance
mathématique en chaque point de la
surface doit être égale à la température
de ce même point, et ensuite cette fonc-
tion de la position du point P doit être
harmonique, c'est-à-dire être continue
et satisfaire au théorème de la moyenne
en tout point à l'intérieur de la surface.
Il est facile de se convaincre que la
première exigence est immédiatement
satisfaite : en effet, si l'on part d'un point
P sur la frontière, le jeu s'arrête en même
temps qu'il commence, et le gain E (P),
est tout juste égal à la température du
point de départ ; en d'autres termes, P =
Q avec une probabilité égale à 1. De
plus, il semble intuitivement plausible, et
cela a été prouvé de façon rigoureuse,
que si l'on part d'un point à l'intérieur du
corps suffisamment proche d'un point
frontière Q0, il est presque certain que
l'on atteint la frontière en un point très
proche de Qo ; par conséquent, le gain
probable, c'est-à-dire la température
d'équilibre du point P, est très proche de
la température connue du point Q0.
Ainsi, la solution de Kakutani a « bonne
allure » au voisinage de la frontière, à
condition, toutefois, que la frontière soit
suffisamment régulière, et que la tempé-
rature sur cette frontière soit continue.
7. LE PROBLÈME DE LA « RUINE DU JOUEUR » : début d'un jeu de pile ou face, un joueur
(Jacques)a N francs, et son adversaire (Lionel) M francs. Jacques veut jouer jusqu'à ce qu'il
ruine Lionel et gagne M francs, ou qu'il soit ruiné en perdant N francs. En interprétation
brownienne,la particule représentant les gains de Jacques part de l'origine (x = 0) et la pro-
habilité de ruine de Jacques est égale à la probabilité pour que la particule atteigne la fron-
tière de gauche (x = -N) avant la frontière de droite (x= + M). Pour résoudrece problème en
théorie du potentiel probabiliste, on utilise un élastiquetendu entre deux points. Comme la
position d'équilibre de l'élastique entre ces deux points est une droite, la probabilité pour que
Jacquessoit ruiné l'élastique
est l'élévation
d'abscisse
du pointx de = 0, soit M/(M + N).
Il nous faut maintenant démontrer particule rencontre pour la première fois
que l'espérance mathématique E (P) est la sphère F en S. Comme dans le mou-
une fonction harmonique de P. La conti- vement brownien, il n'y a pas de direc-
nuité de cette fonction est encore une tion préférentielle, chaque point S de r
notion intuitive : si la position du point peut être rencontré en premier avec une
de départ P change légèrement, les égale probabilité ; d'après le principe
gains auxquels on peut s'attendre ne que la moyenne de sous-moyennes est
changent également que très peu ; le égale à la moyenne générale, E(P) est
gain moyen dépend, évidemment, de la égal à la moyenne, prise en tout point S
distance entre le point de départ et les de F, de E(P/S).
parties chaudes et froides de la fron- Cette preuve est complète s'il est
tière, et un faible déplacement de la possible de démontrer que E (P/S) a la
position de départ n'entraîne qu'un même valeur que E (S) ; E (S) est l'espé-
faible changement dans ces distances ; rance mathématique de gain pour une
cela démontre de façon intuitive la particule partant de S alors que E(P/S)
continuité de la fonction E (P). est l'espérance de gain pour une parti-
cule partant de P et rencontrant r en S
L'espérance mathématique À chaque instant,
pour la première fois.
est harmonique le mouvement de la particule soumise au
mouvement brownien ne dépend pas des
Qu'en est-il du théorème de la positions précédentes, mais uniquement
moyenne ? Seule la démonstration mon- de la position instantanée (on dit que
trant que la fonction E (P) vérifie la pro- c'est un processus de Markov) ; les
priété de la moyenne nécessite l'emploi comportements d'une particule partant
d'une astuce mathématique. Traçons de S, ou passant par S en sachant qu'elle
une sphère # de petit rayon autour du est passée d'abord par P, ne différent
point P. Pour montrer que la fonction pas, et ainsi, E (S) est égale à E (P/S).
E(P) est harmonique, il faut prouver que En termes plus physiques, nous
E(P) est égale à la moyenne des valeurs avons prouvé qu'on peut résoudre le
de E(S), où S est un point quelconque problème de l'équilibre thermique d'un
de la surface de la sphère #. E(P) est corps ou de l'équilibre d'une membrane
l'espérance mathématique pour une par- en observant le mouvement brownien. Il
ticule partant du point P. Choisissons un est réciproquement possible de
point S sur r et désignons par E (P/S) les connaître le résultat d'une expérience
gains des parties au cours desquelles la faisant intervenir le mouvement brow-
 nien en trouvant la configuration
d'équilibre d'une membrane ou d'un
solide conducteur de chaleur.
Il convient de noter une particularité
importante de la méthode probabiliste
de résolution du problème de Dirichlet :
la frontière peut être aussi irrégulière
qu'on le désire, au contraire des procé-
dés de résolution classiques qui impo-
sent certaines conditions de régularité
de la frontière. La surface d'un bull-dog
est assez régulière pour être traitée par
les méthodes habituelles, mais pas celle
d'un saint-bemard ou d'un caniche ! Si
la frontière a un comportement « patho-
logique », les valeurs prescrites à la
frontière seront fixées « en moyenne » et
pas nécessairement en chaque point de
celle-ci, et la méthode probabiliste, mise
au point dans ce cas par N. Wiener et
A. Bouligand, s'appliquera toujours.
La ruine du joueur
On a montré comment la théorie du
mouvement brownien peut être utilisée
pour clarifier, en profondeur, certains
problèmes classiques de la théorie du
potentiel, à l'aide d'arguments proba-
bilistes. On donne de façon réciproque
deux exemples qui traitent de pro-
blèmes de probabilité importants, équi-
valents à un simple problème de la
théorie du potentiel.
Le premier exemple concerne le
problème dit de la « ruine du joueur ».
Supposons qu'un joueur nomme
Jacques joue à pile ou face avec un
adversaire nommé Lionel. La fortune
initiale de Lionel est N francs, alors que
celle de Lionel est M francs. Jacques est
décidé à jouer jusqu'à ce qu'il ruine
Lionel en gagnant M francs ou jusqu'à
ce qu'il soit ruiné, en perdant N francs.
Quelle est la probabilité pour que
Jacques soit ruiné ? Intuitivement, la
réponse dépend des valeurs relatives de N
et M. Si N est bien inférieur à M, la ruine
de Jacques est probable, et si N est supé-
rieur à M, Jacques est presque sûr de faire
« sauterla banque ».Moins évidente est la
possibilité d'obtenir une réponse d'ordre
mathématique à ce problème. Le raison-
nement se fera en deux temps : dans un
premier temps, on assimilera le problème
de la ruine de Jacques à un problème de
mouvement brownien, puis, dans un
second temps, on résoudra ce second pro-
blème grâce à la théorie du potentiel.
Pour obtenir la réponse, définissons
un second jeu très proche du premier,
mais plus facilement transposable en
théorie du potentiel. Supposons que
8. DE TRÈSIMPORTANTSRÉSULTATS en d'équilibre d'une bande élastique (mem-
théorie des probabilités ont été obtenus en
resolvant le problème suivant : on choisit
un point origine 0, et on considère le
domaine D constitué par les points P dont
La distance de O est supérieure à # et infé- la particule qui représente les gains de
rieure à K (e est un nombre positif petit et
K très grand). À trois dimensions, le
domaine D est le volume compris entre
deux sphèresconcentriques de rayons res-
pectifs # et K. A deux dimensions, le
domaine D est la surface annulaire com-
prise entre deux cercles. À une dimension,
le domaine D est une paire de segments simple que puissante. Nous avons
disjoints situés symétriquement de part et
d'autre de l'origine. Dans chaque cas, il
faut trouver unefonction u harmonique en
tous points de D, égale à 1 sur la surface
interne et égale à 0 sur la surface externe.
Les solutions de ce problème permettent
notamment de montrer de manière simple
le
que mouvement brownien à une et deux la configuration d'équilibre associée au
dimensions est récurrent, alors qu'il ne
l'est pas à trois dimensions.
vous, ami lecteur, observiez le jeu de
pile ou face de Jacques et Lionel. Vous
pariez I franc que Jacques sera ruine. Si
Jacques est ruine, vous gagnez I franc ;
dans le cas contraire, vous ne gagnez
rien. Quelle est votre espérance de gain ?
Elle est évidemment égale à la probabi-
lite que Jacques soit ruine. De plus, si
l'on désigne par x(t) le gain x de
Jacques au temps t, x change d'un ins-
tant à l'autre, tout comme change la
position d'une particule animée d'un
mouvement brownien sur une droite. La
particule se déplace vers la gauche ou
vers la droite avec la même probabilité ;
la fortune de Jacques augmente ou
diminue avec la même probabilité. Le
jeu se termine quand le gain x de
Jacques est soit + M francs, soit-N
francs. Cela correspond à une particule
en mouvement brownien sur l'axe des x
entre les points x = + M et x =-N.
La probabilité de ruine est la proba-
bilité qu'une particule atteigne la fron-
tière de gauche (x =-N) avant la fron-
tière de droite (x = M). Cela signifie que
ce second jeu rapporte un gain de I
franc si la particule frappe d'abord la
frontière de gauche, et un gain de 0 si la
particule rencontre d'abord la frontière
de droite. Cette situation correspond
précisément à un problème de Dirichlet
pour un domaine unidimensionnel :
l'intervalle entre x = -N et x = + M
avec des valeurs limites égales à 1 au
point x =-N et à 0 en x = M.
On pourrait obtenir la solution en
appliquant la théorie du potentiel à
l'équilibre d'un tel corps ; il est plus
simple d'associer à un tel problème de
mouvement brownien la configuration
brane unidimensionnelle). Tout le
monde sait que la configuration d'équi-
libre d'un élastique, tendu entre deux
points, est un segment de droite. Comme
Jacques part du point x = 0, il importe de
calculer l'élévation de la bande élastique
en ce point (voir la figure 7). Cette élé-
vation vaut M/ (N + M) : c'est la proba-
bilité pour que Jacques soit ruine.
La méthode ainsi employée est aussi
construit tout spécialement un problème
de Dirichlet, en choisissant convenable-
ment le domaine et les valeurs limites
de façon à ce que l'interprétation proba-
biliste de ce problème soit intéressante.
La solution étant alors évidente, puisque
problème de la théorie des probabilités,
était d'une simplicité enfantine.
Les processus de Markov
L'exemple suivant, s'il demande
une réflexion plus profonde, illustre un
résultat plus important concernant la
théorie des probabilités. Prenons un
point fixe comme origine et définissons
le domaine D, qui comprend tous les
points P dont la distance au point d'ori-
gine est supérieure à # et inférieure à K ;
# est un nombre strictement positif arbi-
trairement petit et K un nombre positif
arbitrairement grand. À trois dimen-
sions, le domaine D est le volume com-
pris entre deux sphères concentriques,
une sphère de rayon #, et une sphère de
rayon K. À deux dimensions, les mêmes
conditions définissent une couronne
annulaire comprise entre deux cercles
concentriques. À une dimension, D est
composé d'une paire de deux segments
égaux situés de part et d'autre de l'ori-
gine (voir lafigure 8).
Dans chacun des cas, on pose le pro-
blème de Dirichlet suivant : quelle est la
fonction u harmonique sur D, égale à 1
sur la surface interne et 0 sur la surface
externe ? À une dimension, tout comme
dans l'exemple précédent avec l'élas-
tique, la seule fonction harmonique de
valeurs limites données est celle dont le
graphe est constitue par deux segments
de droite. Une construction équivalente
montre qu'a une dimension, la solution
u(x) du problème est :
u(x) = (K-x)/ (K-#) pour xsupé-
rieur à # ;
u(x) = (K + X)/(K-#)pour X infé-
rieur à - #.
Tout comme dans le problème pré-
cédent de la ruine du joueur, u (x) est la
probabilité pour qu'une particule partant
de la position x atteigne ta frontière
interne (où le gain est égal à 1), avant la
frontière externe (où le gain est égal à
0). Les équations précédentes montrent
que si K est très grand, u est très voisin
de 1. On peut prendre la limite de u(x)
lorsque K tend vers l'infini : u = I pour
tout x et toutes valeurs de e. Comme la
frontière externe a été repoussée jusqu'à
l'infini, D est l'ensemble de points hors
de l'intervalle [-#, + #] et u (x), la pro-
babilité qu'une particule partant de x
rencontre cet intervalle. Comme u =1, la
particule touche cet intervalle de façon
quasi certaine. Comme l'origine et la
position de départ je sont arbitraires, la
particule atteint tous les points de la
ligne, et la même démonstration
s'applique aux mouvements futurs de
cette même particule ; on a prouve que
la particule revient infiniment souvent
au même point : on dit que le mouve-
ment est récurrent, et nous avons
démontré que le mouvement brownien,
à une dimension, est un mouvement
récurrent.
Pour résoudre le même problème à
deux ou trois dimensions, il faut
connaître les solutions du problème de
Dirichlet correspondant à deux ou trois
dimensions, avec les valeurs limites I
sur la surface interne et 0 sur la surface
externe. Des considérations relative-
ment simples d'algèbre élémentaire,
hors du cadre de cet article, permettent
de démontrer que, à deux dimensions, la
solution du problème de Dirichlet est
donnée par la formule :
u(r) =K-log
(log r)/(log K-log #)
où log désigne logarithme. A trois
dimensions, la solution est :
u(R) = (1/K-1/R)/(1/K-1/#).
Par r on désigne la distance séparant
l'origine d'un point quelconque du plan
et par R, la distance à l'origine dans un
espace à trois dimensions. Dans chacun
des deux cas, r et R sont des nombres
compris entre e et K.
Ces fonctions u (r) et u (R) ont les
mêmes significations probabilistes que
la fonction u(x) obtenue à une dimen-
sion ; ces fonctions donnent la probabi-
lite pour qu'une particule, partant à une
distance radiale de l'origine égale à r ou
R, frappe la surface interne avant la sur-
face externe.
La question fondamentale est la sui-
vante : qu'arrive-t-il lorsque K devient
très grand ? Puisque log K tend vers
l'infini avec K, le mouvement brownien
est également un mouvement récurrent
à deux dimensions : il est presque cer-
tain que la particule revient infiniment
souvent dans le voisinage immédiat de
chaque point.
A trois dimensions,
en revanche,
lorsque K tend vers l'infini, on a u(R) =
(-1/R)/ (- 1/#) = #/R. Cette quantité est
la probabilité qu'une particule partant
d'un point à une distance R > # revienne
dans un voisinage e de l'origine.
Comme u est plus petit que 1, il existe
une probabilité strictement positive
pour que la particule s'échappe et ne
revienne jamais au voisinage de son
point de départ. On peut justement en
conclure qu'il y a plus de « place »dans
l'espace à trois dimensions
pour que la particule s'échappe. Ainsi
le mouvement brownien à trois dimen-
sions n'est pas un mouvement récur-
rent. Ce résultat, très important en
théorie des probabilités, a été obtenu
sans grands efforts.
La fonction u (R) = e/R que nous
avons étudiée, peut être généralisée en
donnant la valeur 1 à cette fonction pour
les valeurs de R inférieures à #. Cette
fonction généralisée est appelée te
potentiel capacitif de la sphère ## de
rayon # centrée à l'origine. Le potentiel
capacitif d'un ensemble B est un
concept important de la théorie clas-
sique du potentiel ; c'est une fonction
harmonique en dehors de B, égale à 1 à
l'intérieur de B et nulle à l'infini, c'est-
à-dire très loin de B.
Tout comme dans le cas précédent
de la sphère ##, le potentiel capacitif de
B est la probabilité pour qu'une
particule animée d'un mouvement
brownien et partant d'un point déter-
mine, atteigne B. Les mêmes dévelop-
pements que ceux appliqués à une
sphère montrent que cette probabilité
est égale à 1 pour un point à l'intérieur
de B, est une fonction harmonique
pour un point en dehors de B, et est
petite à grande distance de B.
Les recherches dans ce domaine
ont permis de découvrir de très impor-
tantes généralisations, à la fois de la
théorie du mouvement brownien et de
la théorie du potentiel. C'est parce que
le mouvement brownien est un proces-
sus de Markov, que le passage de la
théorie classique du potentiel à la
théorie du mouvement brownien, est
facile. Par processus de Markov, on
entend un processus dont l'état présent
n'est pas influence par les états anté-
rieurs. De récentes recherches ont
montre qu'en fait, tout processus de
Markov « honnête » a pour correspon-
dant une théorie du potentiel généra-
lisé. Par exemple, la théorie classique
des potentiels de Riesz correspond à
ce que l'on appelle les processus
stables de la théorie des probabilités.
De plus, les chaînes de Markov, c'est-
à-dire les processus de Markov dis-
crets (tels ceux que nous obtenons
quand on simule le mouvement brow-
nien sur un ordinateur), ont leur propre
théorie du potentiel.
Le point de vue probabiliste a
éclairé et unifié les principes fonda-
mentaux de la théorie du potentiel ;
réciproquement, les concepts de la
théorie du potentiel, appliqués à la
théorie des probabilités ont montre la
structure analytique profonde des pro-
cessus de Markov. Ainsi l'isolation
dont souffrait dans le passe la théorie
des probabilités a été rompue par
I'association de ces deux disciplines
mathématiques.
 Les suites aléatoires

Gregory Chaitin

On sait définir ce qu'est une suite aléatoire Définition algorithmique

et mesurer son caractère aleatoire, mais il est impossible La nouvelle définition d'une suite
aléatoire est issue de la théorie de
de démontrer qu'une suite donnée est aléatoire. l'information, science qui traite de la
transmission des messageset qui s'est
Ce paradoxe illustre les limites des mathématiques. développéedepuis la Deuxième Guerre
mondiale. Supposezqu'un de vos amis
visite une planètedans une autregalaxie
et que cela coûte très cher de lui
Noussavons tous intuitive- Si l'origine d'un événement était le seul envoyer un télégramme ; votre ami a
ment ce qu'est une suite critère du caractèrealéatoiredu résultat, oublié d'emporter ses tables de trigono-
(ou un nombre) aléatoire. les deux suites ci-dessus devraient être métrie et vous demande de lui en faire
Considérons, par exem- considéréescomme aléatoires,ainsi que parvenir le contenu. Vous pourriez évi-
ple, les deux suites sui- n'importe quelle suite parmi les 220 demment transposer les nombres selon
de
vantes composées 0 et de 1. obtenues par tirage. Cette analyse ne un code donné (par exemple les mettre
nous aide alors en rien pour distinguer sous forme binaire) et les transmettre
01010101010101010101
une suite aléatoire d'une suite ordonnée. directement ; hélas les tables les plus
01101100110111100010 Une définition plus raisonnable simples contiennent quelques milliers
La première est construite suivant d'une suite aléatoire,ne doit pas êtreen de chiffres et les frais d'envoi seront
une règle simple : elle est composéedu contradiction avec le concept intuitif de exorbitants. Vous auriez tout avantageà
nombre 01 répété dix fois. Si nous vou- suite (ou de nombre) « dépourvue de transmettrela mêmeinformation sousla
lions continuer la suite, nous suppose- structureinterne ».Une telle définition a forme d'une formule trigonométrique
rions évidemment que les deux chiffres été élaborée; elle ne prend pas du tout fondamentale telle que l'équation
suivants sont 0 et 1. En revanche, la en compte l'origine de la suite et ne d'Euler eix = cos x + i sin x. Ce dernier
structure de la deuxième suite de dépend que des caractéristiques de la messageest bref et contient tous les ren-
chiffres n'est pas aussi évidente. Les suite de ses chiffres. Grâce à cette nou- seignementsdestables.
chiffres qui la composent ne s'ordon- velle définition, nous pouvons préciser Supposezmaintenant que votre ami
nent pas selon une règle précise et cela ce qu'est une suite aléatoire et établir s'intéresse non plus à la trigonométrie
nous empêche de prédire rationnelle- une hiérarchie : ainsi le caractèrealéa- mais au football. II désire connaître les
ment quels pourraient être les chiffres toire d'une suite peut être quantifié. résultats de tous les matchs de cham-
suivants. Cette suite semble n'obéir Enfin, ce qui est peut-être encore plus pionnat depuis son départ de la Terre, il
qu'au hasard,c'est-à-dire résulter d'une intéressantque les possibilités ouvertes y a quelquesmilliers d'années. Dans ce
combinaisonaléatoirede 0 et de 1. par cette définition, ce sont ses limites cas il est très improbable que vous puis-
En fait, la secondesuite de 0 et de 1 logiques intrinsèques ; la définition ne siez trouver une formule permettant de
a été engendréepar vingt tirages à pile nous permet pas, sauf dans des cas très condenser toute l'information dans un
ou face, en notant 1 quandle résultatest particuliers, de déterminer si une suite court message ; dans une suite de ce
face et 0 quand le résultat est pile. Un de chiffres donnée, telle que le second genre,chaquechiffre représenteun évé-
tel tirage à pile ou face est une méthode exemplecité, est réellementaléatoireou nement particulier qu'il est impossible
classique pour obtenir un nombre aléa- ne l'est qu'en apparence.Cette limita- de déduire des chiffres précédentsou à
toire ; notre première inclination serait tion n'affecte en rien l'intérêt de la défi- l'aide d'une quelconqueformule. B n'y
de croire que la manièredont cette suite nition, elle ne résulte que d'une subtile a donc pas d'autre possibilité que de
a été engendrée garantit le caractère et fondamentaledifficulté logique inhé- transmettrela liste complètedesrésultats.
aléatoire du résultat obtenu. En jouant rente à l'architecture des mathéma- Ces deux exemples opposés nous
20 fois à pile ou face, on obtient l'une tiques. Cette difficulté est étroitement font entrevoir la nouvelle définition
des 220suites de 0 et de 1 (soit un peu liée à un célèbre théorème, énoncé et d'une suite aléatoire. L'idée fondamen-
plus d'un million de suites différentes) démontré en 1931 par Kurt Godel et tale est que l'information contenue
toutes équiprobables. On ne doit donc nommée théorème d'incomplétude de dans une telle suite ne peut être com-
pas plus s'étonner d'obtenir une suite Gödel. Ce théorème et les récentes primée ou mise sous une forme plus
apparemment aléatoire que d'obtenir découvertesconcernantla « qualité aléa- réduite. Pour formuler précisément
une suite dont la régularité semble évi- toires d'une suite permettentde préciser cette définition, supposezque la com-
dente : chacune d'elles représente un les limitations intrinsèquesde certaines munication soit établie non pas avec un
événement de probabilité égale à 2-20. méthodesmathématiques. lointain correspondant, mais avec un
ordinateur. Votre correspondant peut
raisonner par récurrence et continuer
une suite à partir d'informations par-
tielles ; l'ordinateur au contraire en est
totalement incapable et pour le pro-
blème qui nous préoccupe cette inca-
pacité est un avantage. Les instruc-
tions données à l'ordinateur doivent
être exhaustives et explicites ; elles
doivent lui permettre de procéder
étape par étape sans qu'il ait besoin de
comprendre le résultat des opérations
qu'il effectue. On appelle un tel pro-
gramme d'instructions un algorithme.
Cet algorithme compte un nombre fini
d'instructions qui ne demandent, pour
leur réalisation, ni intelligence, ni
compréhension de leur finalité.
Pour définir une suite aléatoire il
faut aussi que nous puissions mesurer
l'information contenue dans un message
d'une manière plus précise qu'en déter-
minant le coût d'envoi d'un tel message
par télégramme. L'unité d'information
fondamentale est le «bit » ; un bit est la
plus petite information qui permette de
distinguer deux objets d'égale vraisem-
blance. En notation binaire, le bit est
équivalent à un chiffre, soit 0, soit 1.
Nous pouvons maintenant préciser
la différence entre les deux suites de
chiffres indiquées au début de notre
article, à savoir :
01010101010101010101
01101100110111100010
La première suite peut être communi-
quée à l'ordinateur par un algorithme très
simple : « Afficher 10 fois 01 ».Au cas où
la suite serait continuée, il suffirait
d'allonger légèrement l'algorithme qui
deviendrait par exemple : « Afficher un
million de fois 01 ». Le nombre de bits
dans un tel algorithme est très inférieur
au nombre de bits de la suite qu'il déter-
mine ; de ce fait, la longueur du pro-
gramme augmente bien moins vite que le
nombre de chiffres de la suite. En
revanche il est impossible de condenser
la seconde suite ; la façon la plus écono-
mique de la transmettre est de la trans-
crire intégralement ; le plus court algo-
rithme permettant d'introduire la suite
dans l'ordinateur est donc :
« afficher 01101100110111100010 ».
Dans ce cas, le nombre de pas de
l'algorithme augmente dans les mêmes
proportions que le nombre de chiffres
de la suite. L'« incompressibilité » ainsi
définie est une propriété commune à
toutes les suites aléatoires ; on peut
même prendre pour critère de définition
d'une suite aléatoire son incompressibi-
KURT GÖDEL (1944) : « En fait,
la solution de certains problèmes
arithmétiquesnécessitedes hypothèses
qui dépassent le cadre de l'arithmé-
Évidement les mathémati-
tique. [...]
ciensperdent ainsi beaucoupde leur
DAVID HILBERT (1900) : certitude absolue,mais sous l'effet
« Tout problème mathématique défini doit pouvoir des critiquesmodernes de leurs fonde-
ments, n'en est-il pas déjà ainsi ? [...] »
être résolu, soit qu'onen trouve une solutionexacte,
soit que l'onprouve qu'il est impossible
de le résoudre, etdonc que toute tentative 1. HILBERT croyait qu'un ensemble
dansce senssoit vouée à l'échec [...] fini d'axiomes et de règles de déduc-
Même si lesproblèmes nous semblent intraitables tion suffirait pour démontrer ou infir-
et si nous nous sentons désemparés, nous n'en avons mer tout énoncé mathémathique.
pas moinsla ferme conviction que leur solution doit Gödel a montré l'existence deproposi-
résulter d'un nombre fini de processus logiques. [...] » tions indémontrables.
lité. Nous dirons donc qu'une suite de La théorie classique des probabilités
chiffres est aléatoire quand le plus petit établie au XVIIe siècle est encore
algorithme nécessaire pour l'introduire aujourd'hui d'une très grande impor-
dans un ordinateur contient à peu près tance pratique. Elle sert à la statistique et
le même nombre de bits que la suite. s'applique à toute une gamme de pro-
Vers 1965, le mathématicien russe blèmes théoriques et pratiques. La nou-
A. Kolmogoroff et moi-même, alors étu- velle théorie algorithmique a également
diant à l'université de New York, avons d'importantes conséquences, mais la
indépendamment proposé cette défini- plupart sont de nature théorique. L'une
tion. Aucun de nous n'avait eu connais- des plus intéressantes est la connexion
sance d'une idée analogue émise par Ray avec le théorème d'incomplétude de
Solomonoff, qui cherchait à établir une Godel qu'elle permet d'amplifier. Une
mesure de la simplicité d'une théorie autre application intéressante est la
scientifique. Depuis, de nombreux cher- méthode d'induction scientifique de
cheurs ont continué les recherches visant Solomonoff ; cette méthode a été décou-
à définir ce qu'est un nombre aléatoire ; verte avant que la théorie algorithmique
les premières définitions ont été amélio- ne soit précisément formulée, mais elle
rées et la valeur heuristique de telles apparaît aujourd'hui, comme une de ses
recherches est aujourd'hui reconnue. ramifications logiques.
Dans la méthode de Solomonoff un
La méthode inductive chercheur commence par représenter ses
résultats selon une suite de 0 et de 1 ; il
La définition algorithmique d'une essaie ensuite de rendre compte de ces
suite aléatoire fournit un fondement nou- observations à l'aide d'une théorie, qu'on
veau à la théorie des probabilités. Elle peut, en l'occurrence, considérer comme
ne remplace nullement la théorie clas- un algorithme engendrant la suite des
sique des probabilités, qui attribue une chiffres obtenus et permettant de la conti-
probabilité donnée à un ensemble de nuer, c'est-à-dire de prédire les observa-
possibilités, mais elle la complète : elle tions suivantes. À chaque suite corres-
permet de mieux définir des concepts pondent toujours plusieurs théories
séduisants sur le plan intuitif mais qui possibles parmi lesquelles le chercheur
échappaient à un traitement rigoureux. doit choisir. Dans la méthode
Solomonoff, on choisit parmi les diffé-
rents algorithmes le plus petit, c'est-à-
dire celui qui contient le moins de bits.
Une telle règle n'est pas nouvelle ; ce
n'est qu'une autre formulation de la
célèbre règle du rasoir d'Occam, laquelle
prescrit de choisir, parmi différentes théo-
ries qui semblent se valoir, la plus simple.
Ainsi, dans la méthode de
Solomonoff, toute théorie permettant de
comprendre une suite d'observations est
considérée comme un petit programme
d'ordinateur qui rend compte des expé-
riences passées et prédit les observa-
tions futures. Plus le programme est
court, plus le champ d'application de la
théorie est vaste, et mieux on la com-
prend. Des observations aléatoires ne
peuvent être représentées par un pro-
gramme court ni par conséquent expli-
quées par une théorie. De plus, le com-
portement d'un système aléatoire ne
peut être prédit. Quand un chercheur
veut transmettre, de façon aussi concise
que possible, les résultats d'observa-
tions aléatoires, il ne peut mieux faire
que les publier intégralement.
Définir le caractère aléatoire ou la
simplicité d'une théorie en fonction des
capacités d'un ordinateur semble avoir
l'inconvénient de faire intervenir dans
des notions abstraites un élément arbi-
traire, à savoir les caractéristiques de
l'ordinateur utilisé. Comme différents
ordinateurs utilisent des langages diffé-
rents, le nombre de bits nécessaires pour
transmettre une série d'instructions varie
selon le langage utilisé. En réalité, la
nature de l'ordinateur n'a que peu
d'influence et d'ailleurs, s'il le fallait, on
pourrait s'imposer d'utiliser toujours le
même ordinateur pour déterminer le
caractère aléatoire des suites considérées.
De plus, même si l'on utilise diverses
machines, on peut pallier les idiosyncra-
sies de leur langage respectif. Supposons,
par exemple, qu'on utilise un programme
en anglais sur un ordinateur ne compre-
nant que le français. Au lieu de traduire
l'algorithme lui-même, il suffira de rajou-
ter au début du programme un cours
d'anglais complet rédigé en français. De
cette manière, le programme ne s'accroît
que d'un nombre fixé de bits, nombre
dont l'importance relative diminue avec
la longueur de la suite programmée.
D'ailleurs, un organe spécial, le compila-
teur, permet le plus souvent de ne pas se
préoccuper de ces différences de langage.
Étant donné que la nature de la
machine n'a pas d'importance, on peut
choisir d'utiliser un ordinateur idéal de
mémoire illimitée et disposant de tout le
temps nécessairepour effectuer les opéra-
tions. Les données à l'entrée et les résul-
tats à la sortie de cet ordinateur sont
exprimés en nombres binaires. La
machine se met en route dès l'introduc-
tion du programme et ne s'arrête qu'après
avoir donné le résultat sous forme d'une
suite de 0 et de 1. Sauf erreur de pro-
grammation, la machine donne un résul-
tat et un seul par programme.
Programmes
minimaux et complexité

Toute suite de nombres peut être

engendrée par une infinité d'algorithmes.
Considérons la suite de trois chiffres 123
dans le système de numération décimale.
Elle peut être construite par des algo-
rithmes du type « enlever 1 de 124 et affi-
cher le résultats, ou « enlever2 de 125 et
2. LA DÉFINITION ALGORITHMIQUE d'une suite aléatoire de chiffres est fondée sur les
afficher le résultat », ou une infinité de
capacités et les limites de l'ordinateur. Pour afficher un résultat donné, par exemple une
suite de 0 et de 1, il faut introduire dans l'ordinateur des instructions explicites que celui-ci programmes similaires. Les meilleurs
pourra suivre sans avoir à « réfléchir ». Un tel programme d'instructions est appelé algo- programmes sont les plus courts : on les
rithme. Si le résultat escompté est fortement ordonné (a), il suffit d'utiliser un algorithme appelle programmes minimaux ; à une
relativement court ; une suite formée de vingt chiffres 1par exemplepeut être affichée par suite donnée, peuvent correspondre un
un ordinateur après passage du programme 10100, écriture du nombre décimal 20 en ou plusieurs programmes minimaux.
numération binaire. Les programmes les plus courts engendrant une suite donnée sont Tout programme minimal est aléa-
appelésles programmes minimaux de la suite; la longueur de ces programmes, mesurée en toire,
que la suite engendrée le soit ou
bits, ou nombres binaires, est egale à la complexité de la suite. On dira qu'une suite de Cette conclusion découle directe-
non.
chiffres estaléatoire si sa complexité est peu différente dunombre de bits qui la composent.
ment de notre définition d'une suite aléa-
toire de chiffres. Considérons le pro-
gramme P, programme minimal de la
suite S. Si l'on suppose que la suite
d'instructions composant le programme
P n'est pas aléatoire, il existe nécessaire-
ment, d'après la définition des suites
aléatoires, un programme P', sensible-
ment plus court que P et engendrant P.
3. LES SYSTÈMES FORMELS inventés par David Hilbert contiennent un algorithme qui On obtient S par l'algorithme suivant :
vérifie mécaniquement la validité de toutes les démonstrations que l'on peut construire à « Déduire P de P'puis S de P ». Ce pro-
partir d'un système. Un système formel est composé : d'un alphabet de symboles à l'aide gramme ne contient qu'un peu plus de
desquelson écrit toutes lespropositions ; d'une grammaire donnant les règles de combinai- bits que P' ; il est donc plus court que P.
son de ces symboles; d'un ensembled'axiomes ou principes admis sans preuveet de règles Par conséquent P n'est pas minimal.
de deduction permettant d'obtenir des théorèmes à partir des axiomes. On obtient les théo- La notion de programme minimal
rèmes en écrivant toutes les propositions grammaticalement correctes dans le système et en
est liée à un autre concept fondamental
les examinant pour déterminer celles qui sont enaccord avec les règles de déduction et qui
de la théorie algorithmique : la com-
sont, par conséquent,des démonstrations valides. Cette opération étant réalisable à l'aide
d'un algorithme, un ordinateur peut la faire. Kurt Gödel a démontré en 1931, que presque plexité. La complexité d'une suite de
tous les systèmes formels sont incomplets; ils contiennent tous au moins une proposition chiffres est le nombre de bits qu'il faut
vraie mais indémontrable dans ledit système. introduire dans un ordinateur pour la
suite considérée. La complexité est donc
égale au nombre de bits des programmes
minimaux engendrant la suite. À l'aide
de ce concept, nous pouvons préciser la
définition d'une suite aléatoire : une
suite de chiffres est aléatoire si sa com-
plexité est approximativement égale au
nombre de bits qui la composent.
La notion de complexité permet non
seulement de définir une suite aléatoire
mais aussi de mesurer de son caractère
aléatoire. Soient plusieurs suites com-
portant chacune n chiffres ; il est théo-
riquement possible de déterminer les
suites de complexité n-1, n-10,
n-100, etc., et donc de classer les
suites par « aléatoirité » décroissante. La
complexité limite au-dessous de
laquelle on dira qu'une suite n'est pas
aléatoire est évidemment arbitraire.
Cette valeur doit être assez faible pour
que des suites manifestement aléatoires
ne soient pas exclues, mais pas trop
pour que des suites dont la construction
est évidente soient exclues. Mais fixer
une valeur numérique précise revient à
décider du degré à partir duquel une
suite est véritablement aléatoire.
L'incertitude liée à ce choix explique
que nous ayons pris la précaution
d'affirmer que la complexité d'une
série aléatoire est approximativement
égale à sa longueur.
Propriétés
des suites aléatoires
La théorie algorithmique des probabi-
lités met en lumière de nombreuses pro-
priétés des suites (ou des nombres), tant
aléatoires que déterminables. C'est ainsi
que l'on peut montrer que la fréquence de
distribution des chiffres dans une suite
donnée influe fortement sur son caractère
aléatoire. Par exemple, il semble à pre-
mière vue évident qu'une suite composée
uniquement de 0 ou uniquement de 1 est
loin d'être aléatoire, ce que confirme la
théorie algorithmique. Si une telle suite a
n chiffres, sa complexité est approximati-
vement égale au logarithme de n en base
2. (La valeur exacte dépend du langage
utilisé). On obtient la suite par un algo-
rithme du type « afficher n fois O » où
toute l'information utile est contenue
dans la représentation binaire de n. Ce
nombre est environ égal à log2n bits.
Même pour des suites assez courtes, le
logarithme de n est nettement inférieur à
n et ces suites sont de faible complexité ;
la relation entre complexité et structure
apparente de la suite est ainsi confirmée.
Voici un autre cas auquel ce type
d'analyse s'applique utilement : celui
d'une suite de 0 et de 1 où la fréquence
d'apparition des 0 est 3/4 et celle des 1,
est 1/4. On démontre que la complexité
d'une telle suite de n bits est au plus égale
à 4n/5, c'est-à-dire que l'on peut bâtir un
programme engendrant une telle suite
avec 4n/5 bits. Cette valeur maximale ne
dépend pas de la structure de chaque suite
et par conséquent une suite ayant une
telle répartition n'est pas très aléatoire.
En effet, dans toute suite aléatoire com-
portant un grand nombre de chiffres (des
0 et des 1), la répartition des 0 et des 1 est
très proche de 1/2. (En numération déci-
male la fréquence de chaque chiffre est
évidemment proche de 1/10).
Les nombres dont la répartition des
chiffres n'est pas aléatoire sont excep-
tionnels. Parmi tous les nombres binaires
à n chiffres, un seul est composé exclusi-
vement de 0 et un seul ne comporte que
des 1. Les autres sont moins sages, et,
pour la plupart, doivent être considérés
comme aléatoires dans n'importe quelle
acception raisonnable du terme. Pour
fixer une limite arbitraire, évaluons la
proportion de nombres binaires à n
chiffres dont la complexité est inférieure
à n - 10. Il y a 21 programmes de I
chiffre éventuellement capables d'engen-
drer une suite de n chiffres ; de telles
suites peuvent être construites à partir de
22 programmes de deux chiffres, 2 3pro-
grammes de trois chiffres, etc., jusqu'aux
programmes de dimension maximale
ayant la complexité correspondante ;
ceux-ci sont au nombre de 2n-11. Le
nombre total de programmes possibles
est donc (21 + 22 + 23 +... + 2n-11),
progression dont la somme vaut 2n-10-2.
Il y a donc moins de 2n-10 programmes
de dimension inférieure à n-10 ; étant
donné que chacun de ces programmes
ne peut engendrer plus d'une suite de
chiffres, il y a moins de 2n-10 suites
parmi les 2n considérées dont la com-
plexité est inférieure à n-10. Comme
2n-1°/2n est égal à 1/1024, parmi toutes
les suites binaires à n chiffres, moins
de 1/1000 ont une complexité infé-
rieure à n-10 : moins d'une suite sur
1000 peut être exprimée par un pro-
gramme d'ordinateur comportant dix
chiffres de moins qu'elle.
En corollaire de ce résultat, on peut
dire que sur 1000 suites binaires à n
chiffres, plus de 999 ont une com-
plexité supérieure ou égale à n-10. Si
l'on accepte que cette valeur est une
bonne limite du degré d'« aléatoirité »
d'une suite, pratiquement toutes les
suites de n chiffres sont aléatoires. En
jouant n fois à pile ou face, la probabi-
lité pour que le nombre obtenu soit
aléatoire selon ce critère est supérieure
à 0, 999. On pourrait donc croire qu'il
est facile de trouver des suites aléa-
toires composées de beaucoup de
chiffres ; en réalité, cela est impossible !
Les systèmes formels
On montre qu'une suite de chiffres
donnée n'est pas aléatoire ; il suffit de
trouver un programme de dimension
nettement inférieure engendrant ladite
suite. II n'est pas nécessaire que ce pro-
gramme soit minimal ; il suffit qu'il soit
court. Inversement, pour montrer
qu'une suite de chiffres donnée est aléa-
toire, on doit prouver qu'il n'existe pas
de programme de dimension inférieure
permettant de l'obtenir.

4. LE RAISONNEMENT PAR RÉCURRENCE, tel qu'il est couramment de mots ou dephrases mais de chiffres binaires et leur dimension est
utilisé en science,a été analyséd'un point de vue mathémahique par mesuréeen bits et non en signes). On se trouve icidevantdeux théo-
Ray Solomonoff. Celui-ci identifie les observations d'un chercheur à ries possibles pour expliquer la série d'observations ; selon le prin-
une suite de 0 et de 1 ; il s'agit d'expliquer ces observations et de cipe du rasoir d'Occam, il faut trancher en faveur de la théorie la
prévoir les suivantes à l'aide de théories qui seront des algorithmes plus simple (ou la plus courte). Le chercheur devra donc trouver des
contenant les instructions nécessaires à l'ordinateur pour repro- programmes minimaux. Dans le cas de données aléatoires, les pro-
duire les observations(les programmes ne sont alors pas composés grammes minimaux sont la transcription intégrale des observations.
 C'est dans le domaine des démons-
trations mathématiques que le théorème
d'incomplétude de Gödel prend sa
signification la plus profonde. C'est
ainsi que, dans la version que j'en
donne, il implique qu'une démontra-
tion du caractère aléatoire d'une suite
donnée est impossible. Ce résultat
éclaire autant le théorème de Gödel lui-
même que la nature des nombres aléa-
toires. Le théorème de Godel a clos la
polémique qui faisait rage au début du
siècle parmi les mathématiciens. La
question posée était la suivante :
« Qu'est-ce qu'une démonstration
mathématique exacte et comment peut-
on reconnaître qu'une telle démontra-
tion est bonne ?» Le grand mathémati-
cien allemand, David Hilbert avait tenté
d'y répondre en confectionnant un lan-
gage artificiel où la validité d'une
preuve pouvait être démontrée mécani-
quement sans aucun recours à l'intuition
ou au jugement humain. Godel a montré
qu'un tel langage idéal n'existait pas.
David Hilbert avait créé un alphabet
constitué d'un nombre fini de symboles,
une grammaire précise spécifiant les
règles de construction d'une proposition
S. LA PLUPART DES SUITES de chiffres
binaires sont aléatoires. La plupart des 2n
suites a n chiffres sont de complexité voi-
sine de n. À mesure que la complexité
diminue, le nombre de suites décroît à peu
près exponentiellement. Rares sont les
suites régulières ; il n'y en a qu'une, par
exemple,qui soit composée de n chiffres 1.
sensée, une liste finie d'axiomes ou
d'hypothèses de base et une liste finie
de règles de déduction permettant
d'obtenir des théorèmes à partir
d'axiomes ou de théorèmes existants.
Un tel langage, régi par de telles règles,
est appelé un système formel. Un sys-
tème formel est défini de manière si
précise qu'il existe un procédé récursif,
ne faisant intervenir que des manipula-
tions logiques et arithmétiques élémen-
taires, qui permet de décider de la vali-
dité d'une démonstration. En d'autres
termes, dans le système considéré, il
existe un algorithme permettant de juger
la validité des démonstrations.
Aujourd'hui, on pourrait faire passer
l'algorithme sur un ordinateur à qui l'on
demanderait de juger la démonstration.
Puisqu'un système formel doit, pour
répondre aux exigences de David
Hilbert posséder un algorithme de véri-
fication des démonstrations, il est théo-
riquement possible de dresser la liste de
tous les théorèmes démontrables dans
un système donné. II suffit pour cela de
classer d'abord par ordre alphabétique,
les suites de symboles composées d'un
seul caractère, de leur appliquer l'algo-
rithme de décision pour trouver les
théorèmes (s'il en existe) dont la
démonstration ne s'écrit qu'à l'aide
d'un seul caractère. Puis on doit faire de
même avec les suites de symboles à
deux caractères, trois caractères, etc.
Cette méthode permet de vérifier toutes
les démonstrations possibles et de
découvrir tous les théorèmes, rangés
selon la longueur croissante de leurs
démonstrations. (Ceci n'est évidemment
que théorique, la procédure étant beau-
coup trop longue pour être réalisable !)
Propositions
indémontrables
Godel a prouvé en 1931 que le projet
de David Hilbert n'était pas réalisable. Il
a pour ce faire construit, dans le langage
du système formel, une affirmation sur
les nombres entiers positifs, qui est à la
fois vraie et indémontrable dans ce sys-
tème. Quelles que soient sa taille et la
manière dont il a été construit, un sys-
tème formel ne peut inclure tous les théo-
rèmes vrais ; il est donc incomplet. La
méthode de Godel s'applique pratique-
ment à tous les systèmes formels ; il en
résulte la conclusion surprenante, et fort
inquiétante, que l'on ne peut apporter de
réponse définitive à la question : « Qu'est-
ce qu'une démonstration juste ?»
La démonstration du théorème d'incom-
plétude est fondée sur le paradoxe d'Épi-
ménide le Crétois ; Épiménide aurait
affirmé « tous les Crétois sont menteurs ».
Ce paradoxe s'exprime plus générale-
ment sous la forme de l'assertion « la pré-
sente assertion est fausse », laquelle est
vraie si et seulement si elle est fausse, et
qui n'est par conséquent ni vraie, ni
fausse. Godel a substitué au concept de
vérité celui de démontrabilité, ce qui l'a
conduit à la phrase « la présenteproposi-
tion est indémontrable », assertion qui,
dans un système formel donné, est
démontrable si et seulement si elle est
fausse. Il en résulte que soit une proposi-
tion fausse est démontrable, ce qui est
exclu, soit une proposition vraie est
indémontrable ce qui prouve que le sys-
tème formel est incomplet. Godel a
ensuite appliqué la technique suivante :
numéroter toutes les propositions et
démonstrations du système formel et
remplacer la phrase « la présente propo-
sition est indémontrable » par une asser-
tion sur les propriétés des nombres
entiers positifs. Cette substitution étant
possible, le théorème d'incomplétude
s'applique à tous les systèmes formels
traitant des entiers positifs.
Le rapport entre la démonstration de
Godel et la théorie des suites aléatoires
apparaît à la lueur d'un autre paradoxe,
très d'Epiménide. C'est une variante du
paradoxe de Berry, publié pour la pre-
mière fois en 1908 par Bertrand Russell.
Sa formulation est : « Trouver le plus
petit entier positif qui, pour être spéci-
fié, nécessite plus de signes que n'en
contient la présente phrase ». La phrase
est composée de 123 caractères (espaces
entre les mots inclus) et spécifie le
nombre qui, par définition, devrait
n'être spécifié que par une définition
comportant plus de 123 caractères !
Comme dans le cas précédent, il faut
considérer le paradoxe non plus dans le
cadre de la vérité mais dans celui de la
démontrabilité. On remplacera donc les
mots « pour être spécifié » par « dont on
peut démontrer que pour être spécifié »,
étant bien entendu que les propositions
seront exprimées dans un système for-
mel donné. De plus, au lieu de la notion
vague et typographique de nombre de
signes nécessaires, on utilisera le
concept clairement défini de com-
plexité, qui se mesure en bits.
Après toutes ces modifications, on
obtient le programme d'ordinateur sui-
vant : « Trouver une suite de 0 et de I
dont on peut démontrer que la com-
plexité est supérieure au nombre de bits
composant le présent programme ».
L'ordinateur examine l'une après
l'autre, et par ordre de taille, toutes les
démonstrations appartenant au système
formel jusqu'à ce qu'il trouve la pre-
mière démonstration qu'une suite donnée
de 0 et de 1 est de complexité supérieure
au nombre de bits du programme. Puis il
imprime ladite suite et s'arrête. Il est
bien évident que le paradoxe initial de la
proposition (qu'on a transformée pour en
faire un programme) n'a pas disparu. Le
programme aurait pour but de calculer
un nombre que la dimension de ce même
programme ne lui permet pas de calculer.
Pour être précis, le programme trouve le
premier nombre dont on peut prouver
qu'il est incapable de le trouver.
Cette conclusion absurde montre
simplement que le programme ne pourra
jamais déterminer le nombre pour la
définition duquel il a été conçu ! À l'inté-
rieur d'un système formel, il est impos-
sible de démontrer que la complexité
d'une suite donnée de chiffres est supé-
rieure au nombre de bits composant le
programme qui engendre cette suite.
On peut encore généraliser ce para-
doxe. La limitation ne provient pas du
nombre de bits du programme mais du
nombre de bits de l'ensemble du sys-
tème formel. Le programme contient
implicitement les axiomes et règles de
déduction qui déterminent le comporte-
ment du système et l'algorithme de
décision. L'information contenue dans
ces axiomes et principes peut se mesu-
rer ; on dira que c'est la complexité du
système formel. La dimension totale du
programme est donc supérieure à la
complexité du système formel, d'un
nombre fini de bits c (la valeur de c
dépend du langage machine utilisé). Le
théorème démontré par le paradoxe peut
donc s'énoncer comme suit : dans un
système formel de complexité n, il est
impossible de démontrer que la com-
plexité d'une suite donnée de 0 et de 1 est
supérieure à n + c, c étant une constante
indépendante du système considéré.
Limites
des systèmes formels
Ayant défini la complexité comme
une mesure du caractère aléatoire, il
découle du théorème que, dans un sys-
tème formel, il est impossible de prou-
ver qu'un nombre est aléatoire sauf si
sa complexité est inférieure à celle du
système. De plus, tout programme
minimal étant aléatoire, le théorème
établit également que pour démontrer
qu'un programme est minimal pour une
PARADOXEDERUSSEL
Considérons l'ensemble de tous les ensembles non inclus dans eux-mêmes.
Cet ensemble est-il inclusdans lui-même?
PARADOXE D'ÉPIMÉNIDE
Considérons la proposition suivante : « La présenteproposition est fausse ».
Cette proposition est-elle vraie?
PARADOXE DE BERRY
Considérons la phrase suivante : « Trouver leplus petit entier positif qui s'écrit
avec plus de signes que n'en contient la présente phrase ».
La phrase ci-dessus spécifie-t-elle un entier positif?
6. CES TROIS PARADOXES illustrent les limites de la démontrabilité. Le premier, énoncé par
Bertrand Russell, déclare qu'un raisonnement mathématique informel peut aboutir à une
contradiction ; c'est pour éliminer de telles contradic
mels. Le second, généralement attribué à Épiménide, a été adapté par Gö
que dans un systèmeformel des propositions vraiespeuvent être indémontrables. Le troi-
siemeparadoxe montre qu'il est impossible de démontrer qu'un nombre donné est aléatoire.
7. PARMI LES PROPOSITIONS INDÉMONTRABLES, on peut démontrer la fausseté de celles
qui sont fausses, mais pas la vérité des autres. Démontrer la proposition (a), « la présente
proposition n'est pas démontrable » fait surgir une contradiction interne du système formel.
Pour évaluer la complexité d'une suite donnee (b), ilfaut démontrer qu'il n'existe pas
d'algorithme plus petit engendrant cette suite ; cela ne serait possible que si la complexité
du système formel était supérieure au nombre de bits formant la suite. Les propositions for-
mulées en (C) et (d) sont sujettes aux mêmes limitations du fait que pour déterminer si une
suite est aléatoire ou si un programme est minimal, il faut déterminer sa complexité.
suite donnée, on doit se placer dans un que l'on peut considérer une suite de
système de complexité supérieure. chiffres de taille arbitraire : il existe donc
Si la complexité d'un système formel toujours des suites dont il n'est pas pos-
a une grande influence sur la démontra- sible de prouver qu'elles sont aléatoires !
tion du caractère aléatoire, c'est que cette Cet effort pour définir une suite
complexité mesure la quantité d'infor- aléatoire et en mesurer le caractère aléa-
mation contenue dans le système et donc toire a permis de mieux comprendre la
la quantité maximale d'information que signification et les implications du théo-
l'on peut en tirer. Le système formel est rème de Gödel. Celui-ci n'apparaît plus
fonde sur des axiomes : ces axiomes sont comme un paradoxe isolé mais comme
des propositions fondamentales irréduc- l'une des conséquences naturelles des
tibles, c'est-à-dire qu'il est impossible de contraintes imposées par la théorie de
« concentrer », tout comme on ne peut l'information. En 1946, Hermann Weyl
réduire un programme minimal ; si on déclara : « Les incertitudes soulevées
pouvait énoncer un axiome plus briève- par une découverte telle que le théo-
ment, on obtiendrait un nouvel axiome et rème de Godel ont considérablement
le premier ne serait plus qu'un théorème freiné l'enthousiasme et la détermina-
qui en découle. L'information contenue tion avec lesquels je poursuivais mes
dans les axiomes est ainsi par essence recherches ». Il nous semble en
aléatoire ; on peut donc l'utiliser pour revanche qu'en théorie de l'informa-
juger du caractère aléatoire d'autres don- tion, le théorème de Godel n'ait rien de
nées. Il n'est par conséquent possible de décourageant. Ne semble-t-il pas sug-
prouver qu'une suite est aléatoire que si gérer que, tout comme les autres
cette suite est plus petite que le système sciences, les mathématiques ne pro-
formel. En outre, le système formel est gresseront que par la découverte de
nécessairement de dimension finie alors nouveaux axiomes ?
 L'espérance mathématique
Les critères de décision sont fondés sur la notion
d'espérance mathématique. Toutefois ces raisonnements
aboutissent parfois à des choix surprenants.
Unde vos amis vous pro- Si votre ami vous proposait 80 francs
pose le jeu suivant : tu en plus de votre mise au lieu de 20
mises 10 francs, ensuite tu francs pour une sortie du 6, votre espé-
lancesun dé. Si tu sors le rance mathématique serait (80-50)/6,
6, je te donne 30 francs soit 5 francs par partie, et vous auriez
(tes 10 francs de mise plus 20 francs de intérêt à jouer. S'il vous proposait 50
ma poche) ; sinon, je ne te donnerien et francs au lieu de 20 francs, votre espé-
j'empoche tes 10 francs. rance mathématique à chaque partie
Votre intérêt est-il dejouer ? serait nulle. Dans ce cas, on dit que le
Non, bien sûr, car, en moyenne, jeu est équitable.
sur six parties, vous aurez gagné 30
francs et dépensé60 francs, ce qui fait Les deux lois de base
5 francs de perdu en moyenne par par- du joueur éclairé
tie. En théorie des probabilités, on dit
que votre espérance mathématique à La notion d'espérance mathéma-
chaque partie est de-5 francs. Cette tique, que l'on pourrait aussi appeler
espérancemathématique est égale à la gain moyen espéré, est parfaitement
somme des gains (et des pertes), cha- claire, et il semble naturel et rationnel
cun multiplié par la probabilité du gain d'énoncer les deux lois de base du
(ou de la perte) : dans notre jeu, cette joueur éclairé :
espérance mathématique est égale à Loi 1 : Lorsqu'on te proposeun jeu,
(20) x 1/6 + (-10) x 5/6 =-5. si l'espérance est positive, accepted'y
Lorsqu'elle est négative, vous ne jouer ; si elle est négative, refuse d'y
devez pas jouer : en moyenne, vous jouer ; sielle est nulle, fais ce qui te plaît.
perdrez la valeur de cette « espérance ». Loi 2 : Entre deux jeux, si tu es
contraint de jouer, choisis celui dont
l'espérance mathématique est la
plus élevée.
Le calcul de l'espérance mathéma-
tique d'un jeu est rarementaussi simple
que dans notreexemple, mais soyezcer-
tain que lorsqu'un casino vous propose
un jeu, c'est que votre espérancemathé-
matique est négative. L'exemple de la
roulette est clair : en misant 100 francs
sur un numéro, vous gagnez 3 600
francs (votre mise plus 35 fois votre
mise payée par le banquier), I fois sur
37, car les numéros vont de 0 à 36. En
moyenne, vous dépensez 3 700 francs
pour en gagner 3 600, et votre espé-
rance est donc de-100/37, soit-2, 70
francs. En moyenne,à chaque fois que
1. LE SUCCÈS AUX JEUX DE HASARD vousjouez 100 francs à la roulette, vous
dépenddel'espérancemathématique. perdez donc 2,70 francs (ce qui n'est
Jean-Paul Delahaye
peut-être pas très cher si cela vous
amuse !). Les deux lois de base du
joueur éclaire semblent irréfutables et
devraient donc dicter nos décisions en
toutes circonstances.Nous allons voir
que, dans certains cas, les règles fon-
déessur le calcul de l'espérancemathé-
matique ne correspondentpas aux choix
que nousjugeons bon de faire, ou même
conduisentà desabsurdités.
En cas d'inflation
Le premier exemple m'a été donné
par JacquesPitrat, qui est chercheuren
intelligence artificielle à l'Université
des Sciences de Paris : il nous fait
soupçonner une difficulté. Lorsque
l'inflation annuelle est supérieure à
1/37, soit 2, 7 pour cent, et qu'il
n'existe aucun moyen sûr d'obtenir
une espérancemoyenne de gain proté-
geant votre argent de l'inflation
(c'était le cas en France il y a une
quinzaine d'années, et c'est le cas
dans tous les pays dont l'économie est
en crise grave), les casinos constituent
la moins mauvaise méthode pour pro-
téger vos économies.
En effet, chaqueannée,il vaut mieux
aller miser l'argent qu'on a mis de côté
durant les douzemois précédentsque de
le confier à une banque,car, enjouant au
casino, vous ne perdrez, en moyenne,
que 1/37 de votre argent,quelle que soit
la durée de la période pendant laquelle
vous économisez,alors qu'en le confiant
à la banque, plus vous le laissez long-
temps(ce qui est inévitablepour arriver à
une sommeintéressante),plus vous per-
dez de l'argent. Donnons un exemple
numérique.
Imaginons que l'inflation annuelle
soit de dix pour cent et que votre
banque vous donne cinq pour cent
d'intérêts sur l'argent que vous lui
confiez (ce qui ne compensepas l'infla-
tion) ; dix annéesde suite, le 1"janvier,
vous déposez 100 000 francs à la
banque dans le but d'acheter une mai-
son. Alors, le 31 décembre de la
dixième année, vous retirez de la
banque 100 000 francs multipliés par
 (1, 05 + 1, 052 + 1, 05' +... + 1, 05'°),
soit 1 320 678 francs, dont le pouvoir
d'achat (ramené à l'année de départ)
est égal à 1 320 678/(1, 10)10,
soit 509 178 francs.
Au bout de dix ans, en ayant joué
tous les ans vos 100 000 francs à la rou-
lette et en ayant protégé vos gains de
l'inflation dès que vous avez gagné (ce
qui est possible, car, quand vous gagnez,
vous pouvez acheter la maison de vos
rêves), votre espérance mathématique de
pouvoir d'achat (toujours recalculée pour
l'année de départ) est égale à la somme
de 3 600 000 x 1/37 x (1 + 1/1, 1 +
1/(1,1)2+... + ll (1, 1) 9), soit 657 634
francs, ce qui est bien meilleur !
Ce résultat n'a rien d'étonnant, car,
en quelque sorte, jouer vos 100 000
francs chaque année revient à confier
votre argent au casino qui, pour 1/37 de
sa valeur, prend à sa charge le problème
de l'inflation jusqu'à ce qu'il vous
rende votre argent.
Malgré cet imparable calcul, je ne
connais personne qui ait utilisé la
méthode du casino pour protéger son
argent de l'inflation. Pourquoi ? Sans
doute parce que l'incertitude sur la
date d'aboutissement est si déplaisante
qu'on préfère perdre plus, mais ne pas
être soumis aux aléas des lancers du
croupier. L'espérance mathématique
ici ne détermine donc pas le comporte-
ment le plus rationnel.
Très fort refus
d'un gain
moyen
II existe un exemple encore plus
frappant de l'inadéquation, dans les cas
extrêmes, de la notion d'espérance
mathématique pour déterminer les préfé-
rences d'un sujet. Imaginez qu'on vous
propose le jeu suivant : tu me donnes un
million de francs ; ensuite, tu tires un
billet dans cette urne qui contient 1 billet
rouge et 99 billets bleus. Si tu tires le
rouge, je te donne un milliard de francs ;
sinon, je ne te donne rien.
En acceptant de jouer à ce jeu,
vous gagnerez un milliard de francs
une fois sur 100, donc, en moyenne,
vous gagnerez 1 000 millions de
francs pour 100 millions engagés, ou
10 millions pour 1 million engagé
L'espérance mathématique du jeu est
donc de 9 millions par partie jouée.
Cela semble extrêmement intéressant.
Posez-vous maintenant honnêtement
la question (en imaginant que vous dispo-
sez d'un million de francs d'économies) :
est-ce que je jouerai ? Je suis certain que,
2. JOUER À LA ROULETTE est parfois plus
sage que confier son argent au banquier.
comme moi, vous répondrez non. La
probabilité de gagner semble trop
faible, même si le gain, quand on tire
le bon billet, est énorme et même si
l'espérance est nettement supérieure à
la mise ! Si vous êtes assez riche pour
pouvoir jouer un grand nombre de fois
à ce jeu (ou si vous rencontrez
quelqu'un disposé à vous prêter
quelques centaines de millions de
francs), vous ne devez pas hésiter,
mais celui qui ne peut jouer qu'une ou
deux parties, qui lui coûtent très cher,
ne souhaitera pas prendre le risque.
Dans les situations où l'enjeu corres- que vous achetez un billet ?
pond aux limites de vos possibilités,
même en cas d'espérance mathématique
très favorable, il apparaît raisonnable de
refuser de jouer. Les règles énoncées plus
haut concernant l'espérance ne corres-
pondent pas à la réalité psychologique ;
l'espérance mathématique ne fournit pas
toujours un critère de décision rationnel,
et les deux lois de base du joueur éclairé proposait
doivent être revues.
Doit-on déduire de l'exemple du
billet rouge qu'en cas de très petits
enjeux, même si l'espérance mathéma-
tique est négative-situation opposée
à celle envisagée à l'instant-, il est L'utilité
rationnel de jouer ? Si tel est le cas,
alors nous comprenons le succès des
jeux proposés par les organismes
publics tels que La Française des
Jeux, qui redistribuent souvent moins
de la moitié des sommes engagées par
les parieurs (les jeux proposés ont tou-
jours une espérance mathématique
négative). Pendant longtemps, j'ai
pensé qu'il était absurde de jouer à de
tels jeux ; aujourd'hui, à cause de
l'exemple des billets rouges et bleus,
je n'en suis plus certain.
Les problèmes de choix en écono-
mie sont complexes et quasi para-
doxaux. En voici encore deux exemples.
On constate qu'un consommateur hésite
beaucoup moins à acheter un autoradio
de prix élevé le jour où il se décide pour
l'achat d'une voiture, qu'un jour ordi-
naire. La jouissance qu'il va en tirer est
pourtant la même !
Le philosophe américain D. Dennett,
dans son excellent livre La stratégie de
l'interprète (éditions Gallimard, 1990),
rapporte l'étonnante expérience de psy-
chologie réalisée par D. Kahneman et
A. Tversky en 1983. On raconte à des
sujets l'histoire suivante :
(A) Vous avez acheté un billet de
théâtre à 100 francs depuis une
semaine. En arrivant au théâtre, vous
vous apercevez que vous avez perdu
votre billet. II reste des places dispo-
nibles à 100 francs. Est-ce que vous
vous achetez un nouveau billet ? Plus
de la moitié des personnes répondent
qu'elles ne rachètent pas de billet.
Présentons autrement la même
histoire :
(B) Vous arrivez au théâtre sans
avoir acheté de billet. Au moment de
prendre la queue au guichet, vous vous
apercevez que vous avez perdu un des
billets de 100 francs qui étaient dans
votre portefeuille, ce matin. Il vous
reste de quoi acheter un billet. Est-ce
L'histoire (B) est « financièrement
équivalente » à l'histoire (A) ; pourtant,
dans ce cas, 12 pour cent seulement des
personnes testées indiquent qu'elles
renoncent à acheter le billet de théâtre.
Le mathématicien Daniel
Bernoulli, qui avait déjà découvert, au
XVIIIe siècle, des situations analogues,
de remplacer le critère
objectif donné par l'espérance mathé-
matique (mesurée en francs dans nos
exemples) par un critère d'espérance
d'utilité subjective mesurant le plaisir
ou la peine engendrés par un résultat.
subjective n'étant pas une
fonction linéaire du résultat en francs,
un gain de dix millions de francs n'est
pas dix fois préférable à un gain d'un
million de francs et ne donne pas, en
plaisir, l'équivalent de la peine que
vous ressentez en perdant un million
de francs économisés au long de nom-
breuses années de travail. Des études à
partir d'expériences analogues à celle
des billets de théâtre permettent
d'avoir une idée précise des liens entre
la valeur objective et l'utilité subjec-
tive, et donnent ainsi des moyens de
comprendre les choix faits par les
sujets économiques (voir la figure 3).
Toutefois le mathématicien n'a que
faire de la psychologie, et ces
exemples ne le troublent pas vraiment ;
aussi venons-en à des problèmes plus
délicats encore, où la notion d'espé-
rance mathématique est, plus grave-
ment encore, mise en difficulté.
Le paradoxe
de Saint-Pétersbourg
Le classique paradoxe de Saint-
Pétersbourg doit son nom à l'étude que
lui consacra Daniel Bernoulli dans les
commentaires de l'Académie des
sciences de Saint-Pétersbourg en 1738,
mais, en fait, c'est Nicolas Bernoulli
-l'oncle de Daniel-qui l'inventa et
l'exposa à son ami Pierre Rémond de
Montmort (ce dernier le mentionne
dans son Essai d'analyse des jeux de
hasard de 1701).
La question est de savoir quelle mise
la banque doit demander à un parieur
3. ENTRE UN UN HYPOTHÉTIQUE,
GAIN CERTAIN ETnous choisissons la certitude,
GAIN
même si elle est de valeur inférieure. La courbe, résultant des travaux de Kahneman et
Tversky, indique a combien est estimé subjectivement un gain certain qu'on propose
d'échanger contre un gain de 100 francs avec une probabilité de Y pour cent. Ainsi un gain
certain de 80 francs correspond à un gain de 100 francs associé d'une probabilité de
pour que le jeu suivant soit équitable.
On jette une pièce de monnaie jusqu'à
ce qu'on obtienne pile. Si pile arrive
dès le premier coup, la banque donne
2 francs au parieur, et le jeu s'arrête. Si
pile arrive au deuxième coup, la
banque lui donne 4 francs, et le jeu
s'arrête. Si pile arrive au troisième
coup, la banque lui donne 23, soit
8 francs, et le jeu s'arrête, etc.
Le calcul de l'espérance mathéma-
tique est aisé : celui qui sort pile au pre-
mier lancer reçoit 2 francs, avec une
probabilité 1/2 ; celui qui sort pile au
deuxième coup reçoit 4 francs, avec une
probabilité 1/4 ; celui qui sort pile au
troisième coup, 8 francs, avec une pro-
babilité 1/8, etc.-et donc l'espérance
de gain (si la partie est gratuite) est de :
2 x (1/2) + 4 x (1/4) + 8 x (1/8)
+16 x (1/16) +... =1+1+1+1+1+...
La valeur de cette somme est infi-
nie. Cela signifie que vous devriez
miser une somme infinie pour que le
jeu soit équitable : même si la banque
vous demande un million de francs
0, 9.
pour jouer, l'espérance mathématique
vous est encore infiniment favorable.
Je suis pourtant certain que vous
n'accepteriez même pas d'engager
100 francs pour jouer une telle partie.
Qu'est-ce qui ne va pas ?
On pourrait, comme précédemment,
évoquer la notion d'utilité et dire qu'il
s'agit d'un problème de psychologie.
Je crois qu'on peut faire mieux, car,
ce qui ne va pas, c'est que le banquier,
en proposant ce jeu-disons pour
100 francs-, triche. Il ne dispose en effet
que d'une somme finie d'argent, et il
omet donc de prendre en compte les cas,
rares mais essentiels, où il ne sera pas en
mesure d'assurer son engagement d'orga-
nisateur du jeu. Si l'on mène les calculs
avec l'hypothèse que le banquier ne dis-
pose que d'un million de francs (et que
c'est donc le maximum qu'il est suscep-
tible de perdre), alors l'espérance de gain
est : 2 x (1/2) + 4 x (1/4) + 8 x (1/8) +...
+ 219 x (1/219) + 1 000 000 x (1/219)
= 20, 91 francs (le dernier terme corres-
pond à tous les cas où il y a 19 faces
consécutives ou plus avant pile, et où
le banquier donne donc un million de
francs au joueur alors qu'il devrait
donner plus). Cette mise de 20, 91
francs pour rendre le jeu équitable est
maintenant tout à fait raisonnable.
Avec un banquier ne disposant que
d'un million, la partie vaut 20, 91
francs, pas un centime de plus !
Le paradoxe
du changement inutile
Le paradoxe suivant m'a été pré-
senté par Claudio Bernardi, de
l'Université de Rome. On me montre
deux enveloppes fermées A et B conte-
nant l'une X francs l'autre 2X francs,
sans que je sache laquelle contient le
plus. Je gagne le contenu de celle que
je choisis. N'ayant pas de raison parti-
culière de préférer l'une à l'autre, je
choisis d'abord l'enveloppe A, puis, au
moment de l'ouvrir, je raisonne ainsi :
si l'enveloppe A contient Y francs (je ne
sais pas si Y est égal à X ou à 2X), il y a
une chance sur deux pour que
B contienne 2Y francs et une chance sur
deux pour que B contienne 172 francs.
Donc l'espérance de contenu de l'enve-
loppe B est 2Y x 1/2 + Y/2 x 1/2
= 1, 25Y franc. C'est mieux que le
contenu de l'enveloppe A, qui est Y
francs. Mon intérêt est donc de changer
et de choisir d'ouvrir B. Mais ce raison-
nement est certainement faux, car si
j'avais d'abord choisi l'enveloppe B,
 j'aurais pu faire le même raisonnement
et conclure que A était préférable.
Qu'est-ce qui ne va pas?
L'explication de ce paradoxe res-
semble à celle du paradoxe de Saint-
Pétersbourg, en ce sens que, pour rai-
sonner juste et éviter le paradoxe, il
suffit de préciser les hypothèses en évi-
tant toute hypothèse implicite qui pour-
rait être déraisonnable.
11 faut donc encore refuser de
considérer que toutes les valeurs de X
sont possibles, car le banquier qui me
propose le jeu n'utilisera pas plus
d'une certaine somme pour remplir les
enveloppes. Imaginons que c'est 20
francs. Il faut aussi préciser la straté-
gie que le banquier adopte pour rem-
plir les deux enveloppes. Imaginons
qu'il choisit de remplir les enveloppes
avec 1 franc et 2 francs, ou 2 francs et
4 francs, ou 3 francs et 6 francs, etc.,
jusqu'à 10 francs et 20 francs au
hasard, en ne favorisant aucun cas (il
choisit, par exemple, équitablement un
nombre entre I et 10), puis qu'il
mélange les deux enveloppes remplies
pour ne plus savoir laquelle contient le
plus. Les cas possibles sont alors faciles
à énumérer (1, 2)- (2, 1), (2, 4)- (4, 2),
(3, 6)- (6, 3), (4, 8)- (8, 4), (5, 0)- (0, 5),
(6, 12)- (12, 6), (7, 14)- (14, 7), (8, 16)-
(16, 8), (9, 18) (18, 9), (10, 20)- (20, 10).
Ils ont la même probabilité : 1/20. Le
calcul de l'espérance de B donne la
même valeur que celui de l'espérance
de A (on trouve 8, 25), et non pas
1,25 fois plus. II n'y a aucun paradoxe !
Où est l'erreur dans le raisonne-
ment formulé plus haut ? Deux choses :
(1) on y considère implicitement que
toutes les valeurs de X possibles ont la
même probabilité, ce qui est faux ;
5, par exemple, n'apparaît qu'une fois
comme valeur possible du contenu de
A, alors que 8 apparaît deux fois ;
(2) on considère aussi que, pour
chaque enveloppe A possible, il y a
une chance sur deux que l'autre
contienne deux fois plus, et une
chance sur deux que l'autre contienne
deux fois moins, ce qui est faux : si
l'enveloppe A contient 3 francs, par
exemple, la seule valeur possible pour
B est 6 francs.
En faisant les calculs précisément à
partir d'hypothèses fixées le plus rai-
sonnablement possible, aucun paradoxe
ne subsiste. Tout système d'hypothèses
raisonnables (somme d'argent finie,
procédure bien déterminée de mise en
place des enveloppes) que vous choisi-
rez vous conduira à trouver que l'espé-
rance de B est la même que celle de A,
et donc vous n'obtiendrez jamais de
paradoxe dans un cas réel.
Une explication compatible avec
ces hypothèses, mais plus profonde,
mérite d'être indiquée. Dans le raison-
nement faux qui conduit au paradoxe,
on n'a pas l'impression de se tromper,
car il semble raisonnable d'imaginer
un cas idéal où toutes les valeurs pos-
sibles du contenu de A ont la même
probabilité (ce qui, nous l'avons vu,
n'est pas vrai dans le cas détaillé), et
tel que, pour chacune des valeurs pos-
sibles du contenu Y de l'enveloppe A,
le contenu de l'enveloppe B est une
fois sur deux 2Y, une fois sur deux
Y/2. Mais ce cas idéal qu'on présup-
pose (sans se demander s'il existe) est
en fait impossible, car il impose une
attribution uniforme de probabilités à
tous les nombres entiers (les valeurs
possibles du contenu de A), attribution
impossible, on s'en aperçoit immédia-
tement : si l'on attribue une probabilité
positive égale à chaque entier, la
somme des probabilités sera plus
grande que 1 ; si l'on attribue une pro-
babilité nulle, la somme des probabili-
tés sera nulle.
Les mathématiciens savent bien
qu'il n'existe pas de probabilité uni-
forme sur les entiers, c'est-à-dire qu'il
est impossible de dire : « soit un
nombre entier choisi au hasard en don-
nant la même probabilité à chaque
nombre entier ». C'est la clef profonde
du paradoxe des enveloppes : il faut se
garder de mener des raisonnements qui
présupposent l'existence de choses qui
n'existent pas !
4. LE PARADOXEDE LA CRAVATE.Celui
qui a la plus longue cravate la donne à
l'autre. L'espérance mathématique semble
positive pour les deux joueurs.
Le paradoxe de la cravate
L'explication vaut aussi pour le
paradoxe de la cravate, proposé par
Maurice Kraitchik en 1930 : Monsieur
A propose à Monsieur B que celui qui
a la plus longue cravate la donne à
l'autre. Monsieur B raisonne ainsi :
« Ma cravate a pour longueur L. Si ma
cravate est la plus longue, ce qui a une
chance sur deux de se produire, je la
perds, donc je perds une cravate de
longueur L. Sinon, je gagne la cravate
de l'autre, qui est plus longue que L.
Donc, une fois sur deux, je perds L et,
une fois sur deux, je gagne plus que L.
Mon espérance est positive, donc
j'accepte de jouer. » Le jeu étant symé-
trique, le joueur A peut conclure que le
jeu lui est aussi favorable, ce qui est
paradoxal.
Comme dans l'explication pro-
fonde du paradoxe des enveloppes,
l'erreur provient du fait qu'en raison-
nant sans spécifier une répartition pré-
cise des longueurs des cravates portées
par les hommes cravatés, on se place
implicitement dans un cas idéal qui
n'existe pas : celui où toutes les lon-
gueurs possibles de cravates ont la
même probabilité et où, pour chaque
longueur possible L, la moitié des cra-
vates est de longueur plus grande et la
moitié des cravates de longueur plus
petite (ce qui, si vous réfléchissez une
seconde, n'est évidemment pas pos-
sible). Si vous prenez la peine de pré-
ciser la situation (une probabilité pour
chaque longueur de cravate envisa-
geable), le paradoxe disparaît, comme
dans le cas des deux enveloppes.
Neuf chances sur dix
de de perdre
gagner et
La conclusion du dernier paradoxe
que je vous propose est vraiment sur-
prenante. Ce paradoxe m'a été inspiré
par un exemple analogue inventé par
le philosophe J. Leslie.
I1 y a un banquier et des joueurs.
Chaque joueur engage 100 francs. S'il
gagne, il récupère ses 100 francs, plus
100 francs que lui donne le banquier.
S'il perd, le banquier garde les 100
francs engagés par le joueur. Le ban-
quier utilise un dé non truqué à dix
faces (la face 1, la face 2,..., la face
10). Le banquier constitue des groupes
de joueurs de la façon suivante. Le
groupe 1 est composé de dix joueurs
numérotés de I à 10. Le joueur I
gagne toujours. Le groupe 2 comporte
5. LE PARADOXE DES NEUF CHANCES SUR DIX. Puisqu'une face sur dix fait perdre, un joueur a neuf chances sur dix de gagner. Mais, puisq
quand une partie s'arrête, neuf joueurs sur dix ont perdu, un joueur a aussi neuf chances sur dix de perdre. Qu'est-ce qui ?ne va pas
90 joueurs numérotés de 11 à 100. Le
groupe 3 comporte 900 joueurs
numérotés de 101 à 1 000, etc. 11n'est
pas nécessaire que les groupes soient
constitués à l'avance.
Le banquier jette le dé à dix faces.
S'il obtient un 10, les joueurs 2, 3,...,
10 du premier groupe ont perdu, et la
partie est terminée. Donc, dans un tel
cas, neuf joueurs ont perdu et un
joueur (le numéro 1) a gagné. Sinon
(s'il a obtenu I ou 2 ou... 9 au premier
lancer), les dix joueurs du groupe 1 ont
gagné, et le banquier jette le dé une
deuxième fois. S'il obtient un 10, les
90 joueurs du groupe 2 ont perdu, et la
partie est terminée. Donc, dans un tel
cas, en tout 90 joueurs ont perdu et 10
joueurs ont gagné. Sinon (s'il a obtenu
I ou 2 ou... 9 au second lancer), les
90 joueurs du groupe 2 ont gagné, et il
jette le dé une troisième fois. S'il
obtient un 10, les 900 joueurs du
groupe 3 ont perdu, et la partie est ter-
minée. Dans un tel cas, 900 joueurs en
tout ont perdu et 100 = 10 + 90 joueurs
ont gagné, etc.
Remarquons que, quel que soit le
moment de l'arrêt, quand la partie se
termine, neuf joueurs sur dix exacte-
ment ont perdu, et un sur dix a gagné.
Chaque partie du jeu « 9 sur 10 » est
finie (car la probabilité pour qu'on ne
tombe jamais sur un 10 est nulle).
La partie a commencé, le banquier
est en train de constituer le prochain
groupe. Il vous demande si vous accep-
tez de jouer (sans vous indiquer le
numéro que vous aurez). Voici deux
raisonnements possibles.
Raisonnement 1. Je vais risquer
100 francs, on va jeter le dé. La proba-
bilité pour que je perde est de 1/10,
puisque seul le 10 me fait perdre (au
premier coup, c'est même un peu
moins, puisque le joueur numéro 1 est
certain de gagner). Ayant donc plus de
neuf chances sur dix de gagner,
j'accepte.
Raisonnement 2. Parmi tous les
gens à qui le banquier propose le jeu et
quelle que soit la durée de la partie, il y
a exactement neuf joueurs sur dix qui
perdent. Si j'accepte de jouer, je serai
un joueur quelconque, en rien différent
des autres à qui le banquier a proposé
le jeu. Comme il y a neuf joueurs sur
dix qui perdent, j'ai neuf chances sur
dix de perdre. Donc, je refuse.
LES
TURPITUDES
DU JOUEUR
Les mathématiciens probabilistes ont
depuis longtemps démontré qu'il était
impossible de gagner au jeu. Pourtant, rai-
sonnons-nous,des millions de gens jouent,
et certains gagnent, parfois beaucoup.
Aussi jouons-nous.II y a, dans le jeu, le plai-
sir de jouer qui dépassele goût du gain.
Nous savons tous que le hasard ne
garde aucun souvenir du passe,et que si
rouge est sorti vingt fois à la roulette, la
probabilité que noir sorte au coup suivant
n'en est pas augmentée. « Laroulette n'a ni
conscienceni mémoire. C'est lui faire trop
d'honneur que de croire qu'elle garde le
souvenir de ses égarements et qu'elle
s'impose ledevoir de les réparer », écrivait le
mathématicien Joseph Bertrand. Pourtant,
raisonnons-nous,les probabilités de rouge
et de noir sont égales et une longue suite
de rouge devra être équilibrée. Aussi
avons-nous tendance à jouer noir après des
sorties de rouge. Nous ne raisonnons pas
sur des suites infinies, mais sur des suites
finies, la est notre erreur : nous croyons
que le réequilibrageest imminent.
Remarquons un phénomène psycho-
logique : nous surestimons toujours la pro-
babilité d'un événement favorable et sous-
estimons la probabilité d'un accident
défavorable. Nous considérons qu'une
probabilité de un sur dix millions de
gagner le gros lot au Loto n'est pas négli-
geable... car nous jouons avec l'espoir de
gagner. Nous avons pourtant une probabi-
lité beaucoup plus forte d'avoir un grave
James Bond surveille les desseins ludiques de sa partenaire, au craps.
accident de la route. Or nous prenons
notre automobile et, dans ce cas, nous
estimons qu'une probabilité, pourtant
2 000 fois plus grande, est négligeable...
Cela étant, pouvons-nous jouer sur la
base de connaissances mathématiques,
plus intelligemment que d'autres?
Quelques règles simples
et de bon sens
Jouez a un jeu où votre espérance
mathématique, la probabilité de gain mul-
tipliée par la valeur du gain possible, est
égale à votre enjeu : la bataille est un bon
exemple ! Au casino, choisissez le jeu le
moins désavantageux, par exemple les
chances simples à la roulette. Jouez avec
un partenaire moins riche que vous : il
sera presque certainement ruiné, car il
aura, avant vous, épuisé la somme qu'il
voudra consacrer au jeu. Jouez à pile ou
face avec un pauvre ou avec quelqu'un
qui n'aime pas miser beaucoup, si vous
arrivez a le convaincre.
Si vous désirez jouer au casino, fixez-
vous un gain souhaite, utilisez une martin-
gale qui limite votre temps de résidence
devant le tapis et partez quand vous avez
réalisévotre gain.
Donnons un exemple : vous désirez
gagner 100 francs. Vous êtes prêt à miser
1 000 francs.À la roulette, supposons que
le jeu soit équitable et que le zéro, où ni le
noir ni le rouge ne gagnent, soit éliminé.
Alors le jeu contre le casino est équitable (si
l'on tient compte du zéro, le casino prélève
un impôt de 1,35 pour cent sur les chances
simples). Vous jouez une série de coups a
la roulette en jouant une couleur et vous
partez quand vous avez gagné 100 francs,
ou quand vous avez perdu votre mise de
1 000 francs. Vous avez 90 chances sur
100 de gagner 100 francs, et 10 chances
sur 100 environ de perdre votre mise de
1 000 francs. Cet enjeu vous paraît-il rai-
sonnable ? Alors, vous devez jouer 100
francs au premier coup. Vous avez une
chance sur deux de gagner et de partir
avec votre gain de 100 francs. Si vous per-
dez au premier coup, jouez alors 200
francs et abandonnez si vous gagnez, et
ainsi de suite : c'est en pariant ainsi que
vous optimisez votre chance de ne pas être
ruiné avant d'avoir atteint votre objectif.
Au Loto, vous pouvez choisir votre
grille. Comme tout le monde croit que la
suite ordonnée 1, 2, 3, 4, 5, 6 est moins
probable que les autres, elle sera moins
jouée. Aussi, quand elle sort, serez-vous
l'unique gagnant... Une tricherie assez
subtile optimiserait vos chancesde gain : si
un moyen informatique permettait de repé-
rer toutes les grilles jouées, vous pourriez
choisir celle qui ne t'est pas et vous seriez
seul à gagner le gros lotsi cette suite sort
Le hasard est la meilleure stratégie
Le hasard est utilisable dans les jeux de
type duel. Examinons un exemple simple
mais illustratif, l'angoissedu gardien de but
au moment du penalty. Le gardien peut
plonger à droite ou à gauche, et le tireur
peut tirer à droite ou à gauche. La prédic-
tion du tir est impossible : on ne peut
déduire la direction du tir à partir de statis-
tiques passéesou de 1'6valuation
de l'intel-
ligence de l'adversaire. Ce type d'estima-
tion est inefficace, contrairement à ce que
pensait Dupin, le héros d'Edgar Poe, dans
La lettre volée. Ce que sait le gardien de
but, cest qu'il peut minimiser ses échecs
contre n'importe quel adversaireen tirant à
pile ou face sa direction de plongeon.
La théorie des jeux de Von Neumann,
perfectionné par Nash, s'applique à ce type
de jeu où deux adversairesjouent à un jeu
équitable. Pour un jeu du type caillou,
feuille et puits, vous choisissez les enjeux
des gains et des défaites, et un ordinateur
programmé par l'algorithme de Nash vous
battra à la longue. Vous pouvez alors pro-
grammer votre ordinateur pour jouer à
votre place. C'est un des rares résultats
mathématiques qui ait une application en
dehors de la physique et des mathéma-
tiques elles-mêmes,mais elle nous entraine
en dehors des lois du hasard.
 Les probabilités

géométriques

Roger Cuculière

Lorsqu'on jette une pièce de monnaie, La probabilité discrète

on peut

se demander si elle retombera sur le côté pite ou face : Quelle est la difficulté de ce genre de
problème? Pour répondre à cette ques-
t'événement est discret. On peut aussi se demander tion, nous devons rappeler la définition
de la probabilité, due à Laplace : la pro-
quel sera son point de chute sur un pavage : t'événement babilité d'un événementest « le rapport
du nombre de cas favorables à celui de
est continu et la probabilité associée est géométrique. tous les cas possibles ».Ainsi la probabi-
lité d'obtenir 2 quandvous lancezun dé
est 1/6, car il y a six résultats, six cas
possiblessur lesquelsun seul est « favo-
ans notre pays, les pro- après sa chute, se trouvera à franc- rable »: un seul fournit bien le chiffre 2.
grammes d'enseigne- carreau, c'est-à-dire sur un seul carreau La probabilité ainsi définie recouvre
ment mathématique qui ; le second parie que cet ecu se trou- une réalité empirique : si vous lancezun
comportent du calcul des vera sur deux carreaux, c'est-à-dire dé un grand nombre de fois, le chiffre 2
probabilités laissent peu qu'il couvrira un des joints qui les apparaîtra,en moyenne,une fois sur six ;
de place à la géométrie, et vice versa. séparent; un troisième joueur parie que en divisant le nombre de lancers ayant
Trop souvent d'ailleurs, la mode for- l'écu se trouvera sur deux joints ; un amené le 2 par le nombre total de lan-
maliste de ces dernières annéestrans- quatrième parie que l'écu se trouvera cers, vous devez donc trouver 16 ou 17
forme ces deux disciplines en un gali- sur trois, quatre ou six joints : on pour cent. Ce rapport, nommé la fré-
matias algébrique où elles perdent leur demande les sorts de chacun de ces quence de l'événement considéré, doit
charme propre. Et jamais on ne les joueurs.» Autrement dit, on demandela être raisonnablementvoisin de la proba-
laisse dialoguer. probabilité de gain de chacun. bilité. Bien sûr, ce phénomènetendanciel
Nous verrons que la rencontrede la et approximatif n'exclut pas de longues
géométrie et des probabilités, l'une des séquencesde 2 ou de longuesséquences
plus anciennesbranchesdes mathéma- sans2 ; tous lesjoueursle saventbien.
tiques et l'une des plus récentes,conduit La première difficulté apparaît très
à des énoncés attachants, auxquels le vite. Si, au lieu d'un dé, vous en prenez
traitement informatique apporte un deux, vous avez 11 totaux possibles : 2,
regain d'intérêt. Pour trouver l'origine 3, 4, 5, 6, 7, 8, 9, 10, 11, 12. La probabi-
de ces questions,il faut se tourner vers lité d'obtenir un total de 6, par exemple,
un... naturaliste, le plus célèbre peut- devrait donc être 1/11 si l'on appliquait
être de tous les naturalistes français, brutalementla définition précédente.Or,
Buffon (1707-1788). Il vivait à une en réalisant l'expérience un grand
époque où les hommesde savoir s'illus- nombre de fois, on trouve une fréquence
traient dans plusieurs disciplines scien- plutôt proche de 14 pour cent que des 9
tifiques ou intellectuelles. pour centcorrespondantà 1/11.La raison
Bien avant que sa réputation se fût est que les « cas possibles » et les « cas
affirmée dans le domaine des sciences favorables » dénombrés doivent être, dit
naturelles, le premier mémoire qu'il Laplace, « également possibles », c'est-à-
publia en 1733 était consacréau Jeu de dire doivent avoir la même probabilité.
franc-carreau, sur lequel il revint en Cette définition contient une sorte de
1777 dans son Essai d'arithmétique cercle vicieux, puisque l'on définit la
1. BUFFONETLEJEU DE FRANC-CARRBAU.
morale. Voici sa description de ce jeu : On jette un écu au-dessus d'un pavage, etprobabilité par la probabilité. Dans la
« Dans une chambre parquetée ou les joueurs parient sur son point de chute pratique, on sort de ce cercle par des
:
pavée de carreaux égaux, d'une figure tombera-t-il sur un seul carreau (à franc- considérationsde symétrie : dans notre
quelconque, on jette en l'air un écu ; carreau), sur un joint, ou encore sur deux, exemple, si nos deux dés sont parfaite-
l'un des joueurs parie que cet écu, trois ou quatrejoints? ment équilibrés, chaqueface a autantde
chances d'apparaître. Donc deux dés
fournissent 36 cas : un avec le premier dé
et un avec le deuxième, un avec le pre-
mier dé et deux avec le deuxième et ainsi
de suite jusqu'à six et six. Sur ces 36 cas,
cinq cas donnent une somme de 6 (1 + 5,
2 + 4, 3 + 3, 4 + 2, 5 + 1), d'où la proba-
bilité du total de 6 : 5/36, soit environ
0, 1388...
Cette difficulté étant levée, les cal-
culs de probabilités concernant les jeux
usuels de cartes, de dés, les jeux de
casino, les loteries, etc. se ramènent à
des dénombrements de cas dont le rap-
port détermine la probabilité cherchée.
Et ce, pour la raison que cas favorables
et cas possibles sont en nombre fini.
La probabilité continue
11 en va autrement avec le jeu de
franc-carreau. Les cas possibles sont ici
constitués par toutes les positions de
l'écu qu'on laisse tomber, positions que
l'on repère par l'emplacement du centre,
puisque ladite pièce est circulaire. Les
cas favorables à la réalisation du franc-
carreau sont les positions du centre de
l'écu pour lesquelles cet écu ne rencontre
pas les bords des carreaux. On inscrit
dans chaque carreau la figure formée des
points éloignés des bords du carreau
d'une distance égale au rayon de l'écu.
Pour fixer les idées, commençons par
un carreau carré de côté c et un écu de
diamètre d. La zone favorable est le bord
du carré, d'épaisseur dl2. Cas possibles
et cas favorables sont constitués par tous
les points de deux carrés : ils sont en
nombre infini. Pis encore, cette infinité
n'est pas une infinité discrète comme
celle d'une suite de points, où l'on dis-
tingue un premier, un second, etc. ; c'est
une infinité continue, non dénombrable.
La définition de la probabilité que nous
avons rappelée ne s'applique pas, car on
ne peut dénombrer ces divers cas.
Au fond, l'idée de dénombrement
n'est pas une fin en soi, elle n'est qu'un
avatar de l'idée de mesure. Ce que nous
voulons évaluer, c'est une proportion
entre les cas possibles et les cas favo-
rables. Si nous ne pouvons les compter,
mesurons-les. Comme dans le cas pré-
sent, ils constituent des ensembles plans,
leur mesure sera leur aire et la probabilité
cherchée sera le rapport de l'aire coloriée
à l'aire totale du carreau, soit (c-d)2/c2.
Le jeu est équitable si, les joueurs
pariant des sommes égales, le joueur
qui parie sur franc-carreau a autant de
chances que celui qui parie le contraire ;
pour cela, il faut que le rapport des deux
2. POSITIONSFAVORABLES (en orange) du
centre 0 de l'écu pour que celui-ci tombe à
franc-carreau ; d est le diamètre de l'écu, c
est le cote du carreau.
3. LE JEUDE FRANC-CARREAU EST ÉQUITABLE lorsque la probabilité que la pièce tombe à
franc-carreau est égale a la probabilité du contraire. L'exigence d'équitabilité détermine le
rapport d/c du diamètre de la pièce à la longueur d'un côté. Nous avons calculéce rapport
dans le cas réguliers.
4. LE JEUDE FRANC-CARREAU peut se jouer sur divers pavages réguliers.
aires soit égal à 1/2, ce qui conduit à
d/c = 1-1/#2#0,
2929, d'où cld = 2 +
#2# 3,4142. Comme dit Buffon, le côté
du carreau doit être « à peu près trois
fois et demie plus grand que le diamètre
de la pièce avec laquelle on joue ».
Lorsqu'on a compris cette évalua-
tion, on peut suivre Buffon dans son
étude des diverses formes de carreaux :
triangle équilatéral, losange (d'angle 60
degrés), hexagone régulier (voir la
figure 4). Vous pouvez vérifier les
résultats consignés dans le tableau de la
figure 3, où l'on a calculé le rapport d/c
(diamètre de la pièce divisé par lon-
gueur d'un côté) pour que le jeu soit
« égal », dans chaque cas. Vous pouvez
aussi, avec Buffon et à l'aide de la
même méthode, chercher la probabilité
que la pièce rencontre plus d'un joint.
5. LE PROBLEMEDE L'AIGUILLE. On jette
une aiguille de longueur d sur un parquet à
lattes de largeur c, et on cherche la proba-
bilité que l'aiguille rencontre une rainure.
L'aiguille sur le parquet
Dans le même écrit, Buffon poursuit
ainsi : « Mais, si au lieu de jeter en l'air
une pièce ronde, comme un écu, on
jetoit une pièce d'une autre figure,
comme une pistole d'Espagne carrée, ou
une aiguille, une baguette, etc., le pro-
blème demanderoit un peu plus de géo-
métrie, quoiqu'en général il fût toujours
possible d'en donner la solution par des
comparaisons d'espaces, comme nous
allons le démontrer. » Buffon traite alors
le problème de l'aiguille : dans une
chambre, le parquet est simplement
divisé par des joints parallèles équidis-
tants, de distance c. On jette en l'air une
aiguille de longueur d inférieure à c, de
sorte qu'elle tombe sur ce parquet, et on
cherche la probabilité pour que
l'aiguille rencontre une des rainures, un
des joints du parquet.
La position de l'aiguille AB est déter-
minée par la distance x de son centre C au
joint du parquet qui est le plus proche
(voir la figure 5) et par l'angle # qu'elle
fait avec ce joint. Comme c'est fréquent
en mathématiques, nous recourons à un
codage : nous représentons la position de
l'aiguille par le point M, de coordonnées
H et x ; # peut varier entre 0 et 7t/2 radians
et x entre 0 et c/2. Sur la figure 5, on voit
que l'aiguille coupe le joint si la longueur
CK est supérieure à la longueur CH, soit
lorsque d sin #/2 > x : nous traçons la
 sinusoïde d'équation x = d/2 sin #, et
notre point M doit se situer au-dessous de
cette courbe (voir la figure 6). La proba-
bilité cherchée est égale à cette aire située
sous la courbe, divisée par l'aire totale du
rectangle où le point M peut se trouver.
L'aire de ce rectangle est #/2 x c/2 =
#c/4, et un calcul élémentaire montre que
l'aire située sous la sinusoïde vaut d/2,
d'où la probabilité que l'aiguille coupe un
joint : 2d/#c. Si l'aiguille a une longueur
égale à la distance de deux joints consé-
cutifs, soit d = c, on trouve 2/7r,soit envi-
ron 0, 6366.
Dans le cas où la longueur d de
l'aiguille est supérieure à l'écartement c
de deux joints consécutifs du parquet,
l'aire de la zone correspondant aux cas
favorables est un peu plus délicate à
déterminer (voir la partie droite de la
figure 6). On obtient encore la probabi-
lité d'intersection en divisant cette aire
par l'aire totale du rectangle de côtés
#/2 et c/2. On trouve :
1-2/#(# d2/c2-1 + sin-1 c/d-d/c)
où l'on désigne par sin-1(c/d) l'angle en
radians compris entre 0 et #/2, dont le
sinus est cld (comme sur les calcula-
trices de poche). Si l'aiguille est assez
longue, on peut aussi calculer la proba-
bilité qu'il y ait plusieurs intersections
avec les joints du parquet.
6. LES SOLUTIONSDU JEU DE L'AIGUILLE. L'aiguille rencontre une rainure du parquet
lorsque le point M représentant la position de l'aiguille se trouve dans la zone bleue.
7. DÉTERMINATION EXPÉRIMENTALE DE DE BUFFON
# EN LANÇANT: le L'AIGUILLE
rapport du nombre d'intersections par le nombre de lancers est proche de la probabiliti
géométriqueque l'aiguille coupeune rainure, laquelle dépend du rapport d/cet de #.
Expérimenter le hasard
Ce problème a connu un prodigieux
retentissement, sans doute dû à la simpli-
cité de son énoncé et à l'irruption quasi
magique du merveilleux nombre # dans
sa solution. Le caractère rudimentaire et
familier du matériel qu'il nécessite a
incité des générations de curieux à procé-
der à des vérifications expérimentales.
Les résultats obtenus sont illustrés sur la
figure 7. Les demi-intersections qui inter-
viennent dans les résultats de Smith et de
De Morgan correspondent au cas où une
extrémité de l'aiguille touche une rainure,
et où l'on ne peut se prononcer avec certi-
tude sur la réalité de l'intersection.
Toutefois, en 1960, N. Gridgeman a
sévèrement critiqué ces expériences : si
l'on appelle R le rapport d/c, L le nombre
de lancers et I le nombre d'intersections,
alors l'étude précédente montre que # est
environ égal à 2LR/I. On peut choisir le
rapport R pour que le résultat soit une
fraction proche du nombre #, comme
22/7 ou 355/113. On peut ensuite arrêter
l'expérience lorsque la valeur approchée
de n obtenue est assez bonne. Ces mani-
gances ne prouvent rien. N. Gridgeman
illustre ce propos avec humour en racon-
tant que son propre fils a lancé deux fois
une aiguille de longueur d = 2, 75 pouces
sur un parquet dont les joints étaient
écartés de c = 3, 5 pouces. Sur les deux
lancers, l'aiguille a rencontré une seule
fois un joint. D'où # #2 x 2 x 2, 75/3,5 =
3, 1429, c'est-à-dire une valeur meilleure
que toutes celles de notre liste, exceptée
celle de Lazzerini. Le subterfuge est
dans les valeurs de c et d choisies pour
que c/d = 0, 7857, soit à peu près #/4.
Cela ne disqualifie pas les expéri-
mentations, mais montre que les plus
honnêtes sont celles de Wolf et de De
Morgan, qui prennent une aiguille dans
un rapport simple avec la distance des
joints du parquet et s'arrêtent au bout
d'un nombre rond d'expérimentations,
nombre fixé à l'avance. II ne faut pas en
attendre une grande précision dans le
calcul de n, mais un ordre de grandeur
est tout de même un fait intéressant à
l'appui de la théorie.
D'autres expériences du même type,
mais plus sérieuses, ont eu lieu avec un
appareillage plus compliqué. Il y a
quelque temps, on pouvait voir au Palais
de la découverte une machine électrique
qui réalisait l'expérience de Buffon en
faisant défiler des lames de plastique,
comme les chenilles d'un char d'assaut :
les visiteurs déclenchaient le lancer de
l'aiguille en appuyant sur un bouton, et
les intersections avec les joints étaient
comptabilisées automatiquement.
Toutefois, même en utilisant toutes les
ressources du progrès technique, on ne
peut espérer d'amélioration notable de la
précision, car la multiplication des expé-
riences augmente aussi les causes phy-
siques d'erreurs.
L'avènement des ordinateurs permet
un autre type d'expérimentation : la
simulation. Un programme informatique
peut simuler des lancers aléatoires de
segments de longueur d donnée sur des
bandes parallèles d'écartement donné c et
comptabiliser les intersections. Plus sim-
plement, vous pouvez tirer des couples
de nombres aléatoires ou pseudo-
aléatoires 6 et x, respectivement entre 0
et #/2 et entre 0 et c/2, et tester chaque
couple pour savoir si l'on a d/2 sin 6 >x.
C'est un moyen d'évaluer les aires bleues
de la figure 6. Ce type de calcul fondé sur
des nombres aléatoires s'est développé
dans les années 1950 sous le nom de
méthode de Monte-Carlo.
Le problème de l'aiguille a aussi
donné lieu à d'importants développe-
ments mathématiques. L'illustre Laplace,
dans sa monumentale Théorie analytique
des probabilités (1812), traite de cette
question : « Enfin, on pourrait faire usage
du calcul des probabilités pour rectifier
 les courbes ou carrer leurs surfaces. Sans
doute, les géomètres n'emploieront pas
ce moyen, mais comme il me donne lieu
de parler d'un genre particulier de com-
binaisons du hasard, je vais l'exposer en
peu de mots. »
« Rectifier les courbes » et « carrer
leurs surfaces »,cela signifie déterminer,
fût-ce de manière approchée, la lon-
gueur de ces courbes ou la surface
qu'elles comprennent. En fait, c'est la
méthode de Monte-Carlo que Laplace
propose ici. À son époque, il a bien rai-
son de dire que « les géomètres
n'emploieront pas ce moyen », mais il
en va tout autrement aujourd'hui.
Les probabilités
composées
Laplace reprend ensuite le problème
de Buffon et calcule la probabilité p
qu'une aiguille de longueur d coupe au
moins un joint d'un pavage rectangu-
laire de côtés a et b (voir la figure 8) si
la longueur de l'aiguille est plus petite
que les côtés du rectangle. Cet événe-
ment se décompose ainsi :
-ou bien l'aiguille coupe seulement
un joint du premier système de paral-
lèles, de largeur a, et ne coupe pas de
joint de l'autre système ; soit pl la pro-
babilité de ce cas ;
-ou bien l'aiguille coupe seulement
un joint de l'autre système, de largeur b ;
soit P2 la probabilité de ce cas ;
-ou bien l'aiguille coupe un joint
de chacun des deux systèmes ; soit p3 la
probabilité correspondante.
La probabilité p cherchée vaut :
p = p1 + P2 + P3.
Considérons par ailleurs l'événe-
ment (A) : « l'aiguille coupe un joint du
premier système » (qu'elle coupe ou non
un joint du second). Cet événement est
formé du premier et du troisième cas
distingués ci-dessus, et donc sa probabi-
lité est pl + p. Mais cette probabilité
nous la connaissons, et c'est 2d/#a. De
même, l'événement (B) : « I'aiguille
coupe un joint du second système » a
pour probabilité P2 + P3 = 2d/#b.
Donc : p = 2d/#a + 2d/#b-p3.
Reste à déterminer p3. On procède
comme précédemment, avec trois
variables au lieu de deux : l'angle 0,
mais aussi les distances x et y du centre
de l'aiguille aux joints des deux sys-
tèmes. On trouve p3 = d2/#ab, d'où) la
probabilité cherchée :
p = 2d/#a + 2d/#b-d2/#ab.
Notre étude peut nous dire si les
événements A et B dont nous venons de
8. L'AIGUILLE DE BUFFON SUR UN PAVAGE RECTANGULAIRE. Lors du calcul de probabilités
quel'aiguille coupeun joint, on considère les deux systèmes de joints, horizontal et vertical.
9. LE PROBLÈME DE IA TIGE BRISÉE. Une tige se brise
probabilité pour que, avecces trois morceaux, on puisse former un triangle ?
parler sont ou non indépendants. Une
règle élémentaire du calcul des probabi-
lités dit que la probabilité que deux évé-
nements A et B se produisent ensemble
est égale à la probabilité de A par la pro-
babilité que B se produise sachant que
A s'est produit, ce que l'on note : p (A
et B) = p (A) x p(B/A). Dans le cas pré-
sent, l'événement « A et B » signifie que
l'aiguille coupe un joint de chacun des
deux systèmes : probabilité p3 d2/#ab.
=
On a donc p(B/A) = p (A et B)/p(A) =
d/2b : c'est la probabilité que l'aiguille
coupe un joint du second système si elle
coupe un joint du premier.
Si les événementsA et B étaient indé-
pendants, la réalisation ou non de l'évé-
nement A n'influencerait en rien la pro-
babilité de B, et l'on trouverait p (B/A) =
p (B), ce qui n'est pas le cas. Ces événe-
ments ne sont donc pas indépendants, et
c'est assez naturel, car ils sont tous tribu-
taires de la position de l'aiguille : savoir
que cette aiguille coupe un joint du pre-
mier système nous renseigne sur cette
position et modifie donc la probabilité
qu'elle coupe un joint de l'autre système.
Lamé traite cette question en 1860
dans son cours à la Faculté des sciences,
et la généralise au cas d'un jeton ellip-
tique. La même année, Barbier, un élève
de l'École normale supérieure, donne
une élégante démonstration : si l'on
considère un jeton de forme polygonale
convexe dont tous les côtés sont égaux et
qui ne puisse rencontrer plus d'un joint
du parquet, alors tous ses côtés ont les
mêmes chances de couper ce joint. I1 en
en trois morceaux. Quelle est la
déduit que la probabilité cherchée p est
proportionnelle au périmètre l du poly-
gone : p = kl. Pour calculer la constante
k, il considère toute courbe plane
convexe fermée comme la limite d'un
polygone convexe ayant un grand
nombre de côtés très petits ; par consé-
quent, le résultat ci-dessus peut s'étendre
à tous les jetons de forme convexe quel-
conque. Barbier désigne toujours par c la
distance de deux joints voisins dans le
parquet ; si notre jeton circulaire est de
diamètre c, alors ce jeton coupera tou-
jours un joint, et notre probabilité vaudra
p = 1. Dans ce cas, on a l = #c, ce qui
conduit à 1 = k#c, soit k = l/sc et, enfin,
la formule générale de la probabilité,
p = l/#c, applicable à tout jeton convexe
de périmètre l non susceptible de couper
deux joints du parquet. Notre aiguille de
longueur d est une ellipse limite infini-
ment aplatie, de périmètre l = 2d, de
sorte que l'on retrouve bien la probabi-
lité donnée : p = 2d/#c.
La tige brisée
En 1873 paraît le premier Bulletin
de la Société mathématique de France,
et cette année est faste pour les probabi-
lités géométriques. Lemoine pose un
problème que l'on reprendra souvent
par la suite : « Une tige se brise en trois
morceaux ; quelle est la probabilité pour
que, avec ces trois morceaux, on puisse
former un triangle ?»
Au fond, la difficulté de ce pro-
blème est celle de toutes les probabilités
géométriques. Elle réside dans l'infinité Prenons n pair et posons n = 2m. (2m + 1) + (2m)/(2m-1) +... + 2 + 1.
continue des cas possibles. Pour simpli- Supposons que les trois morceaux aléa- C'est la somme de tous les nom-
fier, Lemoine utilise une méthode que toires de notre tige comprennent a, b et c bres entiers de 1 à 2m + 1, soit
l'on peut appeler « discrétisations ». Ilfait parties élémentaires, de sorte que la (2m + 1)(2m + 2)/2. Parmi tous ces cas
comme si la tige était constituée d'un somme a + b + c = 2m. Les divers cas possibles, sont réputés favorables les cas
nombre fini, disons n, de petites parties possibles sont constitués des diverses où nos trois morceaux a, b et c forment
égales. Cette méthode prolonge une valeurs que peuvent prendre a et b, car si un triangle. Ce qui caractérise un tri-
ancienne conception pythagoricienne de a et b sont déterminés, alors c l'est aussi. angle, c'est qu'aucun de ses côtés ne
ponctuation de l'espace, en même Si a = 0, les valeurs possibles pour b peut dépasser la somme des deux autres,
temps qu'elle reflète ce qui se passe sont : 2m, 2m-1,..., 2, 1, 0, soit en soit : a # b + c, b # c + a, c # a + b.
dans la simulation sur ordinateur, tout 2m + I valeurs. Associées à la somme a + b + c = 2m,
puisque ces machines, essentiellement Si a = 1, les valeurs possibles pour b ces trois inégalités conduisent à a # m,
finies, comme toute chose ici-bas, ne sont : 2m-1, 2m-2,..., 2, 1, 0, soit en b#m m, a + b # m, c'est-à-dire que, dans
connaissent point l'infini continu, tout 2m valeurs. un triangle, chaque côté est inférieur au
qu'elles représentent par du fini discret. Et ainsi de suite : chaque augmenta- demi-périmètre, mais la somme de deux
Lemoine suppose de plus que cha- tion de a d'une unité conduit à une côtés est supérieure à ce demi-périmètre.
cun des trois morceaux de la tige com- valeur en moins pour b. À la fin, si Ces inégalités s'écrivent encore :
prend un nombre entier de parties élé- a = 2m-1, on trouve comme seuls pos- 0 # a # m, m-x # b # m. Énumérons les
mentaires, c'est-à-dire que les cassures sibles b = 1 et b = 0 : deux valeurs. Et si cas favorables : la valeur a = 0 permet
se font aux bords des n petites parties. a = 2m, alors b = 0 : une seule valeur. pour b la valeur m : une valeur. La valeur
En faisant tendre n vers l'infini, nous Le nombre de cas possibles est a = 1 permet pour b les valeurs m-1 et
aurons le résultat voulu. la somme de tous ces nombres : m : deux valeurs. Et ainsi de suite,
comme ci-dessus, avec cette fois une
valeur de plus à chaque fois. La valeur
a = m-I permet pour b les valeurs 1, 2,
m : m valeurs. Et enfin, la valeur
...,
a = m permet pour b les valeurs 0, 1, 2,
1 valeurs en tout. Le nombre
..., m : m +
total de cas favorables est ainsi 1 + 2 + 3
+... + m + (m + 1), soit (m + 1) (m + 2)/2.
La probabilité cherchée est le quotient :
(m + 1)(m + 2)/(2m + 1)(2m + 2),
soit (m + 2)/(4/m + 2). Quand
m devient très grand, cette probabilité
devient presque égale à m/4m, soit 1/4.
Comme pour l'aiguille de Buffon,
on peut coder géométriquement ce pro-
10. DEUX SOLUTIONS CÉOMÉTRIQUES DU PROBLÈME DE LA TICE BRISÉE. En a, les lon- blème. Si l'on considère que notre tige a
gueurs x, y et z des trois morceaux de la tige brisée définissent les coordonnées d'un M. point
Les points M possibles appartiennent à la portion de plan triangulaire ABC. Les trois mor- une longueur égale à 1 et si l'on note x,
ceaux de la tige forment un triangle si chacun d'eux est de longueur inférieure à la demi- y, z les longueurs des trois morceaux, on
longueur de la tige ; les points correspondants sont situés dans le triangle IJK. En b, le point peut associer à ce partage le point M de
M représentantles morceaux de la tige est à l'intérieur d'un triangle équilatéral de hauteur coordonnées x, y, z, positives, de
1 : ainsi les distancesx, y et z de M aux côtés(MH, MP, et MQ) sont telles que x + y + z =1. somme 1. Les points possibles forment
Les trois morceauxx, y, z forment un triangle si M est situé dans le triangle IJK. le triangle ABC (voir la figure 10). Les
trois morceaux formeront un triangle si
chacun d'eux est plus petit que le demi-
périmètre : x # 1/2, y # 1/2, z <1/2. Les
points M correspondants forment le tri-
angle IJK de la figure 11. La probabilité
cherchée est le quotient des aires de ces
deux triangles, soit 1/4.

Triangles et paradoxes

Par la suite, Lemoine a imaginé un

autre codage géométrique, utilisant le
fait que si M est un point quelconque
intérieur à un triangle équilatéral (voir
la figure 10b), alors la somme des dis-
11. SOLUTION DU PROBLÈME DU TRIANGLE ACUTANGLE, c'est-à-dire un triangle qui n'atances de M aux trois côtés de ce tri-
angle est constante, égale à la hauteur
que des angles aigus. Le pointM représentant les trois morceaux de la tige doit appartenir à
la zone rouge IJK (à droite), délimitée par des arcs d'hyperbole définis par la section de du triangle. On utilise d'ailleurs cette
cônes d'équations x2 = y2
+ z2, y2 x2
= + etz2 z2=x2 + y2. propriété pour réaliser des diagrammes
 statistiques. Dans le cas présent, si l'on
partage une tige de longueur 1 en trois
morceaux de longueurs x, y, z, on asso-
cie à ce partage un point M intérieur à
un triangle équilatéral de hauteur 1, tel
que MH = x, MP = y et MQ = z.
L'ensemble des cas possibles est consti-
tué des points intérieurs au triangle
ABC. On peut montrer que les trois lon-
gueurs x, y, z forment un triangle si M
est intérieur au triangle IJK, d'où la pro-
babilité cherchée qui est le rapport des
aires de ces deux triangles, 1/4.
Cette solution n'est guère différente
de la précédente solution géométrique,
et les deux triangles équilatéraux de la
figure 10 se ressemblent. On montre
que, pour tout point M pris dans le tri-
angle ABC, les distances de M aux trois
côtés de ce triangle sont proportion-
nelles aux coordonnées de M, de sorte
que ces deux solutions n'en font qu'une.
Ce problème a une suite : calculer la
probabilité qu'un triangle pris au hasard
soit « acutangle », c'est-à-dire qu'il n'ait
que des angles aigus. Posons ce triangle
de périmètre 1 : l'ensemble de ces tri-
angles est encore codé par les points du
triangle SJK de la figure 10b. Un triangle
de côtés x, y, z est rectangle si l'on a
x2 = y2 + z2 ou y2 = z2 + y2 : c'est le théo-
rème de Pythagore. Les points dont les
coordonnées vérifient ces relations for-
ment les trois cônes de la figure 11a. Le
triangle sera acutangle si l'on a simulta-
nément x2 <y2 + z2, y2 <z2 + y2,
z2 <x2 + y2, c'est-à-dire si le point M
appartient à la zone découpée sur le plan
IJK par lesdits trois cônes. Les trois
arcs qui délimitent cette zone ne sont
pas des arcs de cercle, car le plan IJK
n'est pas perpendiculaire aux axes de
ces cônes de révolution : ce sont des arcs
d'hyperboles. L'aire de cette zone vaut
3/2 (3 log 2-2). Divisée par l'aire
totale du triangle IJK, soit 3/8, elle
donne la probabilité qu'un triangle pris
au hasard ait ses trois angles aigus, et
c'est 12 log 2-8, soit environ 0, 3178.
Un autre raisonnement possible
porte sur les angles : prendre un tri-
angle au hasard revient à choisir au
hasard ses trois angles de telle manière
que leur somme soit égale à 180 degrés
(ou # radians). Le triangle sera acu-
tangle si chaque angle est plus petit
que la moitié de cette somme, 90
degrés. Cela ne vous rappelle rien ? Si,
bien sûr : c'est le problème initial de
Lemoine, de la tige cassée au hasard,
où l'on désire que chaque morceau soit
inférieur à la demi-somme. On trouve,
rappelons-le, 0, 25. Diable ! Deux
12. LE PROBLÈMEDE BERTRAND: on trace au hasard une corde dans un cercle ; quelle
est la probabilité pour qu'elle soit plus grande que le côté du triangle équilatéral inscrit ?
La réponse change selon la manière donton aborde le problème : la probabilité est égale à
1/3 si l'on suppose une des extrémités connue(a) ; elle est égale a 1/2 si l'on supposela
direction de la corde donnée (b) ; elle estégale à 1/4 quand on recherche les positions favo-
rables de son centre (c). Ces multiples solutions montrent que l'énoncé est imprécis.
réponses différentes pour un seul pro- « On peut dire encore : choisir une
blème, c'est un peu trop. corde au hasard, c'est en choisir au
Ce n'est pas tout. En 1907, dans son hasard le point milieu. Pour que la
Calcul des probabilités, Joseph corde soit plus grande que le côté du tri-
Bertrand a présenté un paradoxe ana- angle équilatéral, il faut et il suffit que
logue qui, jusqu'à nos jours, a symbo- le point milieu soit à une distance du
lisé la difficulté des probabilités géomé- centre plus petite que la moitié du
triques : « On trace au hasard une corde rayon, c'est-à-dire à l'intérieur d'un
dans un cercle. Quelle est la probabilité cercle quatre fois plus petit en surface.
pour qu'elle soit plus grande que le côté Le nombre des points situés dans l'inté-
du triangle équilatéral inscrit ?» Voici la, rieur d'une surface quatre fois moindre
ou plutôt les réponses de l'auteur : est quatre fois moindre. La probabilité
« Onpeut dire : si l'une des extrémités pour que la corde dont le milieu est
de la corde est connue, ce renseignement choisi au hasard soit plus grande que le
ne change pas la probabilité ; la symétrie côté du triangle équilatéral semble, par
du cercle ne permet d'y attacher aucune définition, égale à 1/4.
influence, favorable ou défavorable à « Entre ces trois réponses, quelle est
l'arrivée de l'événement demandé. la valable ? Aucune des trois n'est
« L'une des extrémités de la corde fausse, aucune n'est exacte, la question
étant connue, la direction doit être est mal posée. » Cela signifie que
réglée par le hasard. Si l'on trace les l'énoncé est imprécis, car il ne stipule
deux côtés du triangle équilatéral ayant pas comment se fait le tirage au hasard.
pour sommet le point donné, ils for- D'ailleurs, la simulation sur ordinateur,
ment, entre eux et avec la tangente, trois qui nous contraint à préciser les condi-
angles de 60 degrés. La corde, pour être tions de ce tirage, nous conduit à formu-
plus grande que le côté du triangle équi- ler correctement l'énoncé et à analyser
latéral, doit se trouver dans celui des les diverses solutions.
trois angles qui est compris entre les Mathématiquement parlant, les pro-
deux autres. La probabilité pour que le babilités géométriques ont servi très tôt
hasard entre trois angles égaux qui peu- à mettre en lumière la parenté du calcul
vent le recevoir le dirige dans celui-là des probabilités avec les problèmes de
semble, par définition, égale à 1/3. mesure et l'intégration. Dès 1868,
« On peut dire aussi : si l'on connaît la l'anglais Crofton a publié des
direction de la corde, ce renseignement mémoires qui ont orienté les recherches
ne change pas la probabilité. La symétrie dans cette voie. Élie Cartan, Henri
du cercle ne permet d'y attacher aucune Poincaré et Henri Lebesgue ont pour-
influence, favorable ou défavorable à suivi dans la même direction, qui reve-
l'arrivée de l'événement demandé. nait à chercher, dans des ensembles
« La direction de la corde étant don- géométriques, des mesures qui soient
née, la corde doit, pour être plus grande invariantes par certaines transforma-
que le côté du triangle équilatéral, couper tions géométriques, le hasard et la
l'un ou l'autre des rayons qui composent notion de probabilité finissant par dis-
le diamètre perpendiculaire, dans la moi- paraître. En 1935, I'Allemand Wilhelm
dé la plus voisine du centre. La probabi- Blashke a réuni tout cela en une nou-
lité pour qu'il en soit ainsi semble, par velle discipline mathématique nommée
définition, égale à 1/2. géométrie intégrale.
LE SIMULE ternes complexes. Nous illustrerons cette
HASARD
notion par trois programmes de simula-
tion. Nous allons utiliser les nombres aléa-
toires pour prévoir les résultatsd'une élec-
Alexander Dewdney tion, simuler l'arrivée de clients 5 un
guichet et, enfin, montrer comment on
pourComment peut-on utiliser un canon Donald Knuth, de l'Université Stanford, peut faire patienter des millions de per-
mesurer la surface d'un étang avait imagine un algorithme si tortueuse- sonnes dans une même file d'attente.
situé au milieu d'un champ? En bombar-ment aléatoire et si aléatoirement tortueux, Dans toute la suite, je supposerai que
dant le champ de telle sorte que la réparti-qu'il l'avait qualifié de générateur de l'ordinateur fournit des nombres aléatoires
tion des points d'impact des projectiles soit nombres super-aléatoires. L'algorithme de (ou pseudo-aléatoires) grâce à la fonction
aléatoire : il suffit ensuite de compter le D. Knuth comporte 12 étapes. On part random, généralement notée RND. Ces
nombre d'obus qui tombent dans l'eau d'un nombre X et on commence par choi- nombres sont des décimaux compris entre
pour estimer la surface de l'étang ; celle-ci sir deux chiffres de ce nombre. Ces deux 0 et 1, et comportent donc une suite de
est égale à la surface connue du champ, chiffres déterminent, d'une part, le nombre chiffres après la virgule.
multipliee par le nombre de projectiles cou-d'itérations de l'algorithme et, d'autre part,
les, et divisée par le nombre total de projec- l'opération à effectuer a chaque itération, Les surprises de la démocratie
tiles utilisés.Ce problème simple, inspiré du parmi dix opérationspossibles.
problème de l'aiguille, inventé par Buffon, Chacune de ces dix opérations définit Le premier thème facile simule les
illustre bien le rôle des nombres aléatoires une relation différente entre un nombre élections politiques. Dans une grille rectan-
dans la simulation d'un processus, et les aléatoire et le suivant. Avant d'avoir effecti- gulaire, certaines cases sont initialement
ordinateurs se prêtent efficacementa ce jeu vement testé son algorithme, D. Knuth pré- bleues et les autres rouges ; les couleurs
: dans un ordinateur, ce n'est pas un canon voyait qu'il fournirait « une quantité illimitée sont réparties entièrement au hasard.
qui matérialise l'influence du hasard, mais de nombres incroyablement aléatoires ». À Chaque couleur représente l'opinion poli-
un générateur de nombres aléatoires. sa grande surprise, la première fois que tique de l'électeur qui habite dans cette
Comment un ordinateur, une machine l'algorithme fut exécuté par un ordinateur, case ; par exemple, I'une des couleurs
totalement déterministe, peut-il engendrer il convergea presque aussitôt vers le symbolise un électeur de droite et l'autre
des nombres aléatoires,non déterministes? nombre a dix chiffres 6 065 038 420 qui, un électeur de gauche.
La réponse est justement que l'ordinateur par une extraordinaire coïncidence, se À chaque signal d'une horloge, on
ne peut pas le faire, mais qu'il peut, en reproduit lui-même par l'algorithme. choisit une case au hasard dans le tableau
revanche, foumir des nombres qui ont l'air D'après D. Knuth, la morale de cette et on réévalue l'intention de vote de l'élec-
aléatoires. Prenez un nombre quelconque, histoire est simple, sinon évidente : « Pour teur correspondant de la façon suivante :
multipliez-le par m, ajoutez k et prenez le obtenir des nombres au hasard, il vaut on choisit au hasard l'un des huit voisins de
reste de la division par p. Répétez l'opération mieux ne pas choisir une méthode au cet électeur et on suppose que l'électeur se
à partir de ce demier résultat Un tel algo- hasard. II faut s'appuyer sur une « théorie ». rallie à l'opinion de ce voisin, quelles que
rithme débite des nombres pseudo-aléa- Si les méthodes purement numériques soient sesconvictions politiques.
toires, mais tôt ou tard, la séquence finit par pour engendrer des nombres aléatoires La grille est refermée sur elle-même en
se répéter,car, dans la division par p, il n'y a échouent, on pourra toujours s'inspirer une structure semblable à celle du tore : le
que p restes possibles.En outre, à moins de d'une suggestion faite autrefois par Alan bord du haut de la grille se raccorde avec
choisir avec beaucoup de soin les nombres Turing, qui avait pensé à utiliser l'émission celui du bas, et celui de gauche avec celui
m, k et p, il arrive que les nombres pseudo-d'une source radioactive. Mais rien n'est de droite, de sorte que tout électeur habi-
aléatoires fournis par cet algorithme exhi- plus efficace (et pratique !) que le bon tant sur un bord a trois voisins qui habitent
bent des périodicités,ce qui est incompatible vieux dé de casino. sur le bord opposé (excepté ceux qui habi-
avec le caractère aléatoire d'une suite. D'un point de vue philosophique, il tent dans les coins, qui ont deux voisins
En raison de ces inconvénients, les est paradoxal que les nombres aléatoires, sur chacun des deux bords opposés cor-
théoriciens de l'informatique se sont effor-la plus pure expression de notre igno- respondants et un voisin au coin diagona-
cés de faire mieux. 11y a des années, rance, nous aident à comprendre des sys- lement opposé). Après chaque change-

1. Mesure de l'aire d'un étang par un tir de canon aléatoire. 2. Une étape du jeu des élections.
3. Franchissement de la porte par les zombies. Distribution
ment des intentions de vote, si l'on veut
suivre pas a pas !'état du corps électoral,
on peut procéder à une élection, mais ce
n'est pas indispensable.
Quand on fait évoluer ce modèle sim-
pliste du corps électoral, il se passe des
choses curieuses. Tout d'abord, on voit
apparaitre dans la grille de grands « fiefs »
politiques, où tout le monde vote dans le
même sens. Ces blocs se déplacent à
l'intérieur de la grille et pendant quelque
temps les deux tendances s'affrontent.
Enfin, le système bipartite s'effondre : tout
le monde vote de la même façon. Notre
grille, totalement démocratique a l'origine,
est devenue totalitaire. Doit-on en conclure
que la démocratie contient le germe de sa
propre destruction ? Voila une belle ques-
tion philosophique.
On programme simplement les princi-
pales caractéristiques de ce modèle. Dans
un tel programme, la circonscription élec-
torale est représentée par un tableau à
deux dimensions. Une brève séquence de
calcul tire au sort trois entiers aléatoires,
dont les deux premiers désignent la ligne
et la colonne de l'électeur choisi, et le troi-
sième le voisin choisi parmi les huit. Cette
séquence se répète à chaque unité de
temps de l'horloge. Pour construire ces
trois nombres aratoires, il faut d'abord
multiplier par une constante le nombre
décimal fourni par la fonction RND, puis
prendre la partie entière du resultat (fonc-
tion INT ou équivalent). Lorsque, par
exemple, la grille possède 50 lignes, on
calcule le numéro de ligne, i, à l'aide de
l'instruction : i F INT (50 * RND).
La même méthode permet d'obtenir le
numéro de colonne, j. Pour désigner au
hasard un voisin, on tire un entier aléatoire
entre 0 et 7 indus (n'oubliez pas de numé-
roter les voisins). Enfin, on remplace la
valeur contenue dans la case (i, j) du
tableau qui représente la grille par la valeur
lue dans la case voisine sélectionnée.
des intervalles entre deux traversées,
L'ensemble des opérations décrites ci-des-
sus est inclus dans une boucle. On a intérêt
à définir le nombre maximal de répétitions
de la boucle comme un paramètre
variable, à la disposition de l'expérimenta-
teur ; on peut l'appeler, par exemple, N et
introduire la valeur de N à l'aide du clavier,
lorsqu'on lance l'exécution du programme.
Le jeu s'arrête alors automatiquement au
bout de N évaluations d'opinion. La même
remarque s'applique aux autres pro-
grammes décrits dans cet article.
On visualise facilement la carte électro-
rale en incorporant les instructions corres-
pondantes dans la boucle. II suffit d'utiliser
deux couleurs, par exemple le rouge et le
bleu ; l'effet est très frappant. Si vous n avez
pas été dégoûtés par révolution totalitaire
inhérente a ce jeu, je vous conseille de
mettre en oeuvre une version appelée le
jeu de l'anti-vote. Dans cette nouvelle ver-
sion, l'électeur tiré au sort adopte systémati-
quement l'opinion contraire de celle du voi-
sin sélectionné. La démocratie survit-elle
dans ces nouvelles conditions ?
Zombies et distribution
de Poisson
Le deuxième thème exploite un pro-
cédé appelé « la porte a zombies ».
Imaginez que vous surveilliez les gens qui
franchissent la porte d'une banque.
Chaque client a sûrement de bonnes rai-
sons personnelles d'arriver a un instant
précis et, si l'on connaissait ces raisons, on
saurait simuler exactement l'instant de son
arrivée. Cependant, cette information n'est
évidemment pas accessible et pour simu-
ler, malgré tout, l'arrivée des clients, beau-
coup de programmes emploient une fonc-
tion mathématique particulière, appelée
distribution exponentielle décroissante (ou
distribution de Poisson). II me faudrait au
moins une page pour expliquer à la fois ce
qu'est cette distribution et comment on
ou distribution de Poisson.
I'utilise pour obtenir les heures d'arrivee
des dients. La méthode de la porte a zom-
bies est beaucoup plus facile à expliquer et
donne egalement des resultats réalistes.
La porte à zombies est une fente de
largeur I dans un mur impénétrable. Des
milliers de zombies marchent continuelle-
ment vers ce mur et on suppose qu'à
chaque seconde, I'un d'eux atteint le mur
en un point aléatoire. Les zombies chan-
ceux se trouvent alors en face de la porte
et la franchissent, les autres se heurtent au
mur (voir la figure 2). Supposons que la
fente représente la porte d'entrée d'une
banque : la distribution des instants d'arri-
vée des zombies qui réussissent à la fran-
chir, que nous appellerons des traversées,
ressemble beaucoup a la distribution des
instants d'arrivée de clients reels dans la
banque. Pour régler la fréquence
moyenne des traversées à la valeur voulue,
il suffit de faire varier la largeur de la fente.
Dans mon programme de simulation
des temps d'arrivée a ! a banque-simulés
par les traversées des zombies-, la lon-
gueur totale du mur est égale a une unité.
Pour simuler l'intervalle de temps écoulé
entre deux arrivées successives d'un zom-
bie sur le mur, j'utilise une boucle qui
commence par l'instruction WHILE,en fran-
çais « tant que » (chaque exécution des ins-
tructions de la boucle représente une unité
de temps, par exemple une seconde, dans
le monde des zombies).
À chaque passage dans la boude, l'ordi-
nateur fait appel à la fonction RND,qui déter-
mine alors le point d'arrivée d'un zombie.
Lorsque ce zombie n'arrive pas devant la
fente, l'ordinateur augmente d'une unité la
valeur d'un compteur et reprend l'exécution
au début de la boucle. Ainsi, tant qu'aucun
zombie n'arrive devant la fente, le « chrono-
mètre » -le compteur-tourne. Vous avez
intérêt, pour des raisons de commodité, a
supposer que la fente se trouve entre le
point 0 (à l'extrême gauche de la ligne) et le
point de coordonnée L En revanche, lorsque
la valeur du nombre aléatoire, c'est-à-dire la
position du zombie, est comprise entre ces
deux valeurs, l'exécution du programme
reprend a l'extérieur de la boude : le chro-
nomètre s'arrête et l'ordinateur enregistre le
temps écoulé entre deux traversées.
Le délai moyen entre deux traversées
successives est égal à 1/1 secondes. Par
exemple, pour/= 1/10, ce délai vaut
1/ (1/10) ; autrement dit, en moyenne, un
zombie franchit la porte toutes les dix
secondes. Cependant, comme le pro-
gramme donne une meilleure simulation
quand I est très petit les intervalles entre tra-
versées successives risquent de devenir trop
longs. C'est pour cette raison qu'il peut être
utile, dans certains cas, de choisir une autre
unité de temps et de supposer, par
exemple, que les zombies atteignent le mur
tous les dixièmes de seconde.
'Pour déterminer la valeur de l qui
simule bien le phénomène que vous voulez
recréer, il vous suffit d'ecrire que le délai
moyen souhaité entre deux traversées est
égal a 1/ (10l), puis en déduire la valeur de 1.
Je vous ai dit précédemment que vous pou-
viez placer la fente entre les points 0 et l,
mais certains générateurs de nombres aléa-
toires donnent parfois de mauvais résultats
pour les très petites valeurs. Si c'est te cas,
vous pouvez recaler la fente, par exemple,
entre les points 0, 5 et 0, 5 +/.
La distribution des délais entre traver-
sées consécutives fournie par ce pro-
gramme est intéressante. Pour représenter
cette distribution, il suffit d'insérer la boucle
WHILE à l'intérieur d'une autre boude, qui
compte combien de fois le délai est égal à
une des valeurs possibles (les valeurs pos-
sibles sont les multiples de l'unité de temps
choisie). Ce comptage vous permet de
construire l'histogramme de la distribution.
Sur la figure 2, on a représenté un histo-
gramme caractéristique ; on a également
dessiné la courbe représentative de l'expo-
nentielle décroissante caractéristique de la
distribution de Poisson, pour faciliter la
comparaison. On peut imaginer beaucoup
d'applications de la méthode de la porte à
zombies. Je n'en citerai qu'une seule, a
propos du troisième thème facile.
Les files d'attente
Ce dernier thème vous fournira
matière à réflexion lorsque vous serez obli-
gés d'attendre dans une queue. Si le
départ des premières personnes de la file
s'effectuait, en moyenne, au même rythme
que l'arrivée des dernières, ta longueur de
la file ne serait-elle pas plus ou moins
constante ? Apparemment non. D'apres la
4. Organigramme de simulation de
files d'attente.
théorie mathématique des files d'attente, la
longueur moyenne d'une telle queue n'a
pas de limite finie. Je l'ai d'ailleurs constaté,
parfois, en faisant la queue dans une
grande surface le samedi après-midi.
On peut écrire un programme de
simulation d'une file d'attente simple, où
l'on simule l'arrivée des gens au moyen du
programme des zombies. Au début de la
queue se trouve un employé chargé de
servir les clients ou du moins d'essayer de
le faire. Dans les programmes de simula-
tion, on adopte souvent l'hypothèse que
les temps nécessaires au service des clients
sont distribués de la même façon que les
intervalles qui séparent l'arrivée de deux
clients successifs.
Cette hypothèse est raisonnable : il
vous faut très peu de temps pour déposer
de l'argent au guichet d'une banque, mais
pour obtenir de l'employé des explications
au sujet d'une somme d'argent qui a dis-
paru de votre compte, il vous en faut par-
fois beaucoup plus. J'utilise donc aussi le
programme des zombies pour déterminer
les temps de service des clients.
Le programme gère l'écoulement du
temps par la méthode dite des événe-
ments critiques. Une variable c joue le rôle
d'horloge : sa valeur représente toujours
l'heure du prochain événement, que ce
soit l'arrivée ou le départ d'un client. On a
également besoin de trois autres variables :
ts, la durée du service en cours, to, le
temps d'attente avant l'arrivée du prochain
client et q, la longueur de la queue.
Au début du programme, ts et ta sont
nuls, et q vaut 1. Le programme comporte
une boucle principale, et on insère le
nombre de répétitions de cette boucle à
l'aide du clavier. La boucle commence par
un branchement conditionnel qui compare
les valeurs de ta et ts, c'est-à-dire déter-
mine la nature du prochain événement ou
événement critique : lorsque ta est infé-
rieur à ts, il s'agit d'une arrivée et sinon, il
s'agit d'un départ.
Dans le premier cas, I'heure de c aug-
mente de ta et ts est diminué de la même
quantité. En outre, q augmente d'une
unité, puisque la file comporte à présent
un nouveau dient. Enfin, le programme fait
appel au programme des zombies pour
déterminer) la nouvelle valeur de ta, c'est-à-
dire l'instant d'arrivée du prochain client.
Si l'on avait trouvé, a l'entrée de la
boucle, que ta n'est pas inférieur à ts
(c'est-à-dire si le prochain événement avait
été le départ d'un client), on aurait effectué
les mêmes opérations, mais en permutant
le rôle de ta et ts. Dans ce cas, le branche-
ment a l'issue du test provoque l'exécution
des instructions correspondantes. La lon-
gueur de la file d'attente diminue (q
devient q-1) et le programme des zom-
bies fournit la prochaine valeur de ts.
À la fin de la boucle, les deux branches
de programme se rejoignent à un test sur
la valeur de q. Si q est nul, il faut attendre
l'arrivée du client suivant pendant un
temps égal a ta ; l'exécution repart donc
dans le segment correspondant au premier
branchement du test initial. Dans le cas
contraire, t'exécution reprend au test initial
(qui compare ta et ts).
Ce programme est plus long que les
précédents, mais il est encore assez court
pour être qualifié de « facile ». Vous avez
intérêt a vous laisser le loisir de spécifier,
au début, le temps moyen écouté entre les
arrivées de deux clients successifs, ainsi
que la durée moyenne de passage au gui-
chet ; cela vous facilitera la vérification des
résultats essentiels de la théorie des files
d'attente.
Notamment, lorsque le temps
moyen entre deux arrivées est supérieur
au temps moyen de service, la longueur
moyenne de la queue est finie. Dans le cas
contraire, la longueur moyenne de la
infinie la voit effectivement
queue est : on
s'allonger sans cesse. Dans le cas où les
deux moyennes sont strictement égales, la
longueur moyenne de la queue n'est ni
finie ni infinie ! Comment est-ce possible ?
On peut trouver ta réponse en observant
la queue pendant quelques heures ou,
mieux, en réfléchissant quelques minutes.
Alexander Dewdney travaille au Département
d'informatique de l'Université
de l'Ontario occidental, au Canada.
LE HASARD MAITRISE

Comment les lois

du hasard
sont-elles utilisées
dans notre quotidien ?
Les pratiques financières,
techniques
d'aide à la décision,
les assurances
et l'épidémiologie
profitent des progrès
de l'analyse du hasard.
 Les marchés aléatoires

Jean-Philippe Bouchaud et Christian Walter

La théorie financière moderne reconnaît au hasard ristes, appelés « fondamentalistes »,y

croient aussi ; ils analysentla situation
un rôle important dans l'évolution des marchés, économique desentrepriseset tententde
prédire les évolutions à moyen terme de
et elle en précise la forme : la loi normale ne convient pas leurs bénéfices.
Les analystes,qu'ils soient financiers
à la description des fluctuations catastrophiques ; ou techniques, poursuivent le même
objectif : la prévision. Les secondsten-
elle pourrait être remplacée par une distribution de Lévy. tent de la déduired'un matériauunique :
la successiondescours passés.Comment
déduire de la seule trajectoire du cours,
ou de retraitementsstatistiques de cette
ue le hasard soit considéré suite de résultats-aussi longue soit- trajectoire, des figures répétitives, des
d'un point de vue subjec- elle-ne permet pas de déceler la indications sur les cours à venir ? Une
tif, comme un aveu de moindre régularité conduisant à deviner abondante littérature détaille les mul-
notre ignorance, ou d'un le résultat suivant, ni même à en réduire tiples recettes de cette chiromancie des
point de vue objectif, l'incertitude. Autrement dit, aucune cours. Malheureusement la plupart
comme un élément de la stratégiegagnantene peut être élaborée. d'entre elles ne résistentpasà une étude
nature, il est associé à Dans certains cas toutefois, le systématiqueque motive la questioncru-
notre impossibilité de prédire l'avenir hasard,moins radical ou plus régulier, ciale : si l'on suit ces recettesà la lettre,
avec précision. Pour les mathématiciens se laisse apprivoiser. En météorologie gagne-t-on vraiment de 1'argent ?
du siècle dernier, Antoine-Augustin par exemple, des prévisions à court Certainesversions plus élaborées,inté-
Cournot, puis Henri Poincaré, le hasard terme sont possibles (en plus d'évi- grant des idées qui proviennent, entre
résulte de la complexité : quand les dentes récurrences saisonnières). Le autres, de la « théoriedu chaos »,sem-
causes sont multiples, d'imperceptibles cours de la Bourse est-il de cette nature? blent néanmoinsfonctionner, au moins à
perturbations engendrent de grands Les marchés financiers admettent-ils moyen terme, comme en témoignent les
effets. La moindre imprécision prend une prévisibilité, même limitée ? Cette profits réguliers de quelques gestion-
rapidement des proportions énormes et question, aussi ancienne que la théorie nairesqui les utilisent avecrigueur.
rend illusoire une relation stricte de financière elle-même (un siècle), ravive La seconde école de pensée de la
causeà effet. le rêve alchimiste : en effet, la décou- finance postule l'imprévisibilité des
Ainsi, depuis un siècle, on a aban- verte de subtiles régularités dans les fluctuations boursières-autrement dit,
donné le rêve déterministe de Laplace. variations boursièrespermettrait à ceux un profit durablement supérieur à la
On a entrepris d'aborder l'aléatoire à qui en auraient connaissancede trans- moyenne du marché lui-même serait
bras le corps, d'en faire l'observation et former le plomb en or. impossible. Ce sont principalement des
la taxinomie, d'inventer des méthodes universitaires qui ont voulu montrer
adaptéesà sa description. Finalement, La prévisibilité expérimentalement(par une analysesta-
un constat inattendu s'est imposé : le tistique des cours passés)la propriété de
et la finance moderne
hasard est multiforme, l'incertitude est non-prévisibilité du comportement des
graduelle ; de surcroît, une nouvelle L'existence d'éventuelles tendances marchés ; ils la nomment efficience des
forme de prévisibilité est apparue, qui desmarchésfinanciers-et donc de gain marchés. Ce concept d'efficience des
n'est plus de nature déterministe mais systématique en résultant-divise les marchésest la clé de voûte de la théorie
statistique. Les marchés financiers acteursdes marchés en deux groupes : financière moderne et des méthodesde
illustrent à merveille ces notions ; ceux qui croient en la prévisibilité des gestion automatique des fonds, dont
inversement, on ne s'étonne plus de cours et ceux qui n'y croient pas. On l'objet est de reproduire le mouvement
l'influence toujours croissante des trouve dans la première catégorie les d'un indice représentatifdu marché.
méthodes statistiques dans la gestion analystes « techniques » ou « chartists », Entre les analystestechniqueset les
desoutils financiers modernes. appelésainsi car ils fondent leur analyse partisans de l'efficience forte des mar-
Le prototype du phénomène aléa- sur la forme du graphique des cours chés,c'est-à-direde leur non-prévisibilité
toire, dont l'intuition est immédiate, est passés (chart en anglais). Pour eux, absolue,le dialogueest parfois difficile.
le jet de dés, la roulette ou le Loto. Le l'existence de régularités dans le hasard Comme nous allons le voir, cette diffi-
résultat est un nombre entier : 1, 2, 3, 4, ne fait aucun doute ; il suffit de les culté résulte, entre autres, d'une mau-
5 et 6 pour le dé. Si aucune imperfec- détecter... Les analystesfinanciers clas- vaisespécificationde la forme de hasard
tion ne vicie le jeu, l'observation d'une siques et les économistes conjonctu- choisiepar lespartisansdel'efficience.
L'importance
de la forme du hasard
Le concept d'efficience étant défini,
comment peut-on l'exploiter ? En modé-
lisant le hasard financier. Pour illustrer
l'intérêt d'une approche mathématique
de la finance, nous allons évoquer trois
préoccupations majeures : la première
vise à prévoir et à contrôler les risques
catastrophiques, la deuxième concerne
les risques quotidiens, la troisième
considère les assurances des risques à
moyen terme, les « options ».
La différence cruciale entre les mar-
chés financiers et le jeu de dé vient de ce
que l'incertitude sur l'événement finan-
cier est infinie : alors que seules six pos-
sibilités sont envisageables lorsque le
petit cube entame sa course chaotique, la
progression ou la chute d'une valeur
financière est illimitée. Le hasard finan-
cier est continu : la description de la pro-
babilité des événements possibles est
donc plus subtile. Tout ce qu'on sait,
c'est que les grands mouvements de
hausse ou de baisse sont plus rares que
les petits ; mais combien plus rares ?
Cette question est fondamentale, car ces
événements rares sont précisément les
plus redoutés. Toute étude de risques
relève de la même interrogation : quelle
sera l'amplitude de la crue ou du trem-
blement de terre centenaire, ou encore du
prochain krach financier ? La réponse
dépend précisément de la forme caracté-
ristique du hasard régissant les variations
boursières, c'est-à-dire, en pratique, de la
forme de la distribution des variations
successives des cours (voir la figure 2).
La connaissance détaillée de la
forme des fluctuations boursières a une
importance plus quotidienne. Imaginons
qu'un gestionnaire de fonds souhaite
réaliser un compromis entre performance
et régularité et cherche à se constituer un
portefeuille optimisé sous les critères de
risque et de rentabilité. Comment pro-
cède-t-il ? Dans les années 1950,
Harry Markowitz a montré qu'il est pos-
sible de constituer un portefeuille « opti-
mal » en exprimant le risque à l'aide de
l'écart-type des fluctuations ; on dit alors
que le portefeuille est « efficient en
moyenne-variance » (la variance étant le
carré de l'écart-type). Sa proposition lui
a valu le prix Nobel d'économie en
1990. Malheureusement, comme nous le
verrons, il existe des formes du hasard
pour lesquelles l'écart-type ne constitue
pas une mesure adéquate du risque.
Depuis 20 ans, l'apparition de nou-
veaux instruments financiers, bien plus
élaborés que les actions, renforce la
nécessité d'une approche mathématique
adaptée. Un exemple d'importance, vu
les sommes considérables que cet instru-
ment engage, est celui des options. Une
option peut s'analyser comme une assu-
rance contre les fluctuations boursières.
C'est un contrat qui donne le droit (mais
non l'obligation) d'acheter ou de vendre
de façon anticipée un actif quelconque
(matières premières, devises, actions,
etc.) à un prix fixé à l'avance.

1. LES FLUCTUATIONS D'UNE VALEUR EN BOURSE sont extrême- (en lançant une pièce de monnaie) ; la loi de probabilité d'un tel
ment irrégulières. On compare ici l'évolution réelle de la valeur tirage au sort tend vers une loi de Laplace-Gauss. Cette loi ne
de la Livre Sterling en 1992 (en rouge) à l'évolution d'un tirage au décrit pas l'évolution du marché financier, où les fluctuations
sort (en bleu) : on a obtenu cette courbe en choisissant au hasard, d'une cote àsuivante
la peuvent être beaucoup plus grandes
a chaque pas, l'augmentation ou la baisse de la valeur d'une unité qu'une unité.

2. DEUX FORMESDU HASARD : la distribution de Laplace-Gauss (en bleu) et celle de Lévy.
Les fluctuations du marché gaussien sont « moyennes », et on les earaetérisepar un écart-
type. En revanche, un marché de Lévy est « calme », sauf quand il bouge beaucoup :
les fluctuations importantes ont une probabilité non négligeable.
Considérons une option d'achat sur le
dollar à cinq francs. Une entreprise qui
importe des biens facturés en dollars a
intérêt à ce que le cours du dollar reste
bas. Elle peut acquérir une option
d'achat qui l'assure contre la hausse du
dollar au-dessus du prix d'exercice de
l'option (cinq francs dans l'exemple,
voir la figure 3). Si le dollar reste sage-
ment au-dessous de cette limite, l'assu-
rance contractée ne sert pas. En
revanche, si le prix du dollar augmente
brutalement, la société importatrice
ayant acheté les options n'en supporte
qu'une partie des conséquences : la
hausse limitée à cinq francs.
L'extraordinaire explosion du mar-
ché des options tient au fait que bon
nombre de ces options sont devenues
« négociables », c'est-à-dire reven-
dables à tout moment à un tiers. Si
l'entreprise décide de ne plus se proté-
ger contre la hausse du dollar (elle
estime par exemple que le dollar va
baisser), elle peut revendre l'option et
encaisser la prime correspondante.
Sur l'option proprement dite, la
question qui se pose est double : sur
quel prix doivent s'entendre les parties
contractantes ; quelle stratégie doit
suivre l'émetteur de l'option (« I'assu-
reur ») en fonction du mouvement du
cours ? À la différence des compagnies
d'assurances, qui ne peuvent
qu'attendre la catastrophe en prodi-
guant des conseils de prudence, l'éta-
blissement bancaire émetteur de
l'option a intérêt à réagir avant que le
cours n'ait dépassé sa valeur fatidique.
Si la banque parvient à acheter des
dollars à 4, 98 francs, elle peut en
reverser à l'acheteur de l'option sans
perte. La couverture des options
nécessite une approche financière spé-
cifique, et requiert une modélisation
de la forme du hasard.
Le hasard gaussien
est bénin
Le problème de l'appréciation et de
la couverture des options est remar-
quable : il est à la fois bien posé et non
trivial, même si l'évolution du cours est
imprévisible... C'est précisément dans
3. L'OPTION D'ACHAT est ici une assu-
rance contre les hausses trop fortes d'une
valeur. Par exempleune option sur le dollar
à cinq francs permet de s'affranchir du sur-
coût conséquent à une hausse du prix du
dollar au-dessus de cinq francs (courbe
rouge). Lorsque le prix du dollar reste sous
la barre des cinq francs, l'assurance
contractéene sert pas (courbe verte).
le contexte des options que le mathéma-
ticien Louis Bachelier a, le premier, for-
mulé ce qui allait devenir la théorie du
mouvement Brownien, en 1900, cinq
ans avant Einstein ! Il a cependant fallu
attendre 1973 pour que Fisher Black
(qui vient de disparaître) et Myron
Scholes expriment la solution complète
du problème, et donnent à des milliers
d'opérateurs une base rationnelle de
choix de stratégie.
Leur calcul est pourtant fonde sur une
hypothèse irréaliste, mais commode d'un
point de vue mathématique : ils suppo-
sent que les fluctuations des cours sont
« gaussiennes ». Nous avons dit que la
variation d'un actif peut prendre des
valeurs arbitraires continues dont il faut
estimer la probabilité. La loi de Laplace-
Gauss, en forme de cloche, est la plus
connue des lois de probabilité pour des
variables continues. Véritable « reine des
statistiques »,cette loi est universellement
utilisée, en finance comme ailleurs !
Une caractéristique remarquable de
cette loi est la rapidité de sa décrois-
sance quand on s'écarte de son centre,
ce qui signifie que les grandes dévia-
tions sont rares-tellement rares que si
les cours étaient réellement gaussiens, le
krach de 1987 (et beaucoup d'autres
plus petits dont la mémoire collective
n'a pas retenu l'occurrence) n'aurait pas
dû exister, même si la première place
boursière avait été ouverte par Lucy.
Dès 1962, Benoît Mandelbrot signalait
que la loi de Laplace-Gauss sous-estime
considérablement les risques extrêmes ;
selon son expression, le hasard gaussien
est « bénin »(voir Hasard bénin, hasard
sauvage, par Benoît Mandelbrot, dans ce
dossier). Il a alors proposé une descrip-
tion d'un hasard « malin », que nous
exposerons plus loin.
Malgré cet avertissement maintes
fois répété, la loi de Laplace-Gauss a la
peau dure. Elle présente l'avantage de
procurer un formalisme extrêmement
puissant-celui du calcul différentiel
stochastique, qui généralise à des pro-
cessus aléatoires le calcul différentiel
ordinaire. Grâce à ce formalisme,
l'obtention de la formule de Black et
Scholes pour le prix des options est
assez aisée. En outre, la loi gaussienne a
une vertu particulière, la stabilité : à un
changement d'échelle près, les fluctua-
tions horaires, quotidiennes, hebdoma-
daires, mensuelles, etc. sont toutes
décrites par la même loi. Cette stabilité,
directement liée au théorème « central
limite », est l'argument souvent avancé
pour justifier l'utilisation de statistiques
gaussiennes (voir La loi normale, reine
des statistiques, par Aimé Fuchs, dans
ce dossier). Plus que la normalité des
distributions des rentabilités boursières,
leur stabilité est une propriété indispen-
sable à la théorie financière moderne.
Ainsi c'est surtout parce qu'elle appar-
tient à la famille des lois stables que la
loi de Gauss présente un grand attrait
pour la théorie financière.
Le résultat de Black et Scholes est à
la fois remarquable et troublant : dans un
monde gaussien, l'émetteur de l'option
peut suivre une stratégie « idéale », oùle
risque est strictement nul. Les mouve-
ments de la valeur sur laquelle porte
l'option ont beau être imprévisibles, on 4. EXEMPLE DE DISTRIBUTION HIÉRARCHISÉE. En dix ans, la valeur de l'indice S&P500 a
peut gérer un portefeuille contenant à la augmenté de 16, 2 pour cent par an en moyenne.Cette hausse résulte d'un mouvement aléa-
fois cette valeur et l'option correspon- toire : certains jours ouvrables se terminent en hausse, d'autres en baisse,
avecune amplitude
dante de façon à annuler l'incertitude sur variable. On s'aperçoit que très peu de jours contribuent à la performance totale de l'indice
;
le résultat global ! ainsi, 80 pour cent de la performance totalede l'indice résulte des 40 meilleurs jours (pour
lesquelsla haussede l'indice a été la plus importante), soit a peine 1,6 pour cent des 2 526
jours ouvrables. Or ces 40 jours de forte variation du marché ne sont pas pris en compte par
Le hasard financier
une descriptiongaussiennedu hasard ; ils correspondent aux queues épaisses de Pareto.
est bien plus malin !

Hélas, cette belle construction se
lézarde dès qu'on cherche à décrire de
façon plus réaliste les fluctuations de
grande amplitude, qui correspondent
aux « queues » de distributions. Nous
avons vu que ces « chocs »ont une pro-
babilité négligeable dans le cas d'une
distribution de Laplace-Gauss. Pourtant
ils existent, et leur présence empêche la
construction d'une stratégie à risque
nul. On doit alors définir une stratégie à
risque résiduel minimal-stratégie opti-
male caractéristique de la distribution
statistique des fluctuations.
Quelle distribution de probabilité
décrit-elle fidèlement les risques
extrêmes dans les marchés financiers ?
B. Mandelbrot a proposé d'utiliser des
lois stables non gaussiennes, que Paul
Lévy a découvertes dans les années 1930.
Ces lois décroissent lentement et rendent
compte des « queues épaisses » observées
sur les marchés. En fait, elles décroissent
si lentement que l'écart-type, qui mesure
généralement l'amplitude des fluctua-
tions, est... infini ! Cette divergence a
perturbé bon nombre d'économistes,
pour qui l'écart-type était une notion fon-
damentale. Elle a également effrayé les
financiers, qui fondaient toutes leurs
techniques de couverture de risques sur la
mesure de la volatilité (égale à l'écart-
type). Une volatilité infinie représentait
alors un obstacle intellectuel majeur, un
monstre dans la galerie des instruments
financiers à risque (faussement !)
contrôlé. Du coup, la proposition de
B. Mandelbrot a eu du mal à s'imposer.
Curieusement, la même réticence a
longtemps entravé l'utilisation des lois
de Lévy en physique. Finalement, celles-
ci se sont imposées par l'expérience. De
nombreux travaux théoriques ont en
outre éclairé la nature et la signification
de cet écart-type infini. La proposition
de B. Mandelbrot (certes quelque peu
amendée) a été confirmée ces dernières
années. Ainsi le hasard peut devenir
« malin », ou « sauvage »les; fluctuations, rarchisés selon une loi de puissance de
tempérées dans le cas gaussien, sont par-
fois extrêmes et catastrophiques.
À quelle réalité la forme du hasard
financier correspond-elle ? Les queues
de distribution des lois stables non gaus-
siennes appartiennent à la famille des
lois de puissance de type Pareto (du
nom de l'économiste italien Vilfredo
Pareto, mort en 1923). B. Mandelbrot
avait d'ailleurs nommé « parétien » le
hasard sauvage, par opposition au par conséquent, de manière réaliste, le
hasard gaussien. Or les lois de Pareto
expriment l'observation connue selon
laquelle « trèspeu possèdent beaucoup et
beaucoup possèdent très peu ». Dans un
univers parétien, les contributions des
individus à la collectivité sont extrême-
ment hiérarchisées. Cette loi est souvent
observée en économie : ainsi quelques
jours de bourse contribuent à l'essentiel
de la performance de l'indice S&P500que toute régulation
de la bourse New-Yorkaise (voir la
figure 4) ; un petit nombre d'entreprises
contribue à la plus grosse part du cumul
des chiffres d'affaires ; ou encore, la
plupart des disques d'or vendus sont
produits par quelques artistes.
Dans tous ces cas, le cumul des
contributions des éléments classés par
importance suit une loi de puissance.
Les premiers éléments contribuent
beaucoup plus que les suivants : les
grandes valeurs de la distribution repré-
sentent l'essentiel de la valeur totale.
À cette statique parétienne correspond
une dynamique parétienne : les varia-
tions d'un marché, semblent aussi hié-
type Pareto (au moins dans une certaine
gamme de variations). L'omniprésence
des lois de puissance en économie pose
d'ailleurs une question intéressante :
que signifie l'émergence spontanée de
telles structures hiérarchisées dans les
activités humaines ?
Les lois stables non gaussiennes de
Paul Lévy présentent des queues de dis-
tribution parétiennes. Elles décrivent
comportement des marchés. Cependant,
avec ces lois, l'écart-type n'est plus la
bonne mesure du risque. On le remplace
par la probabilité d'une perte d'ampli-
tude donnée, ou probabilité de risques
extrêmes. Ainsi, on ne pourra maîtriser
ces risques extrêmes qu'après une révi-
sion des théories classiques de la
finance. L'enjeu est de taille : mieux
dirigiste, une
meilleure appréciation des risques
financiers et donc des coûts qui leur
sont associés pourrait augmenter la sta-
bilité des places financières, encore
sous le coup des quelques débâcles
retentissantes de ces dernières années.
UNE STRATÉGIE ALEATOIRE votre choix. La probabilité qu'Andromède
soit dans la caveme du milieu est un tiers,
n'est-ce pas?
SURPRENANTE -C'est ce que vous m'avez dit.
-Bien. De sorte que la probabilité
d'être dans l'erreur est le double de celle
d'être dans le vrai. La probabilité que vous
lan Stewart
ayez raison est 1/3 et celle que vous ayez
tort est 2/3. D'accord?
Pie-gasemégalovolante, l'énorme pie
voleuse, vous révéler sansrisque. -Bien sûr!
se posa en douceur sur le -Si vous insistez. Je choisis... que... -Nous savons que vous avez deux
bras de Persée,fils de Zeus et de Danaé.Le Andromède est dans la caverne du milieu. fois plus de chancesd'avoir tort que d'avoir
malheureux roi de Tirynthe recherchait la -Excellent, dit la pie. Je puis, à présent, raison. Si vous changez pour l'autre
belle Andromède. vous dire qu'il y a une gorgone dans la caveme,vous aurez deux fois plus souvent
- « Bizarre, dit-il à Pie-gase, je
pensais la caveme de gauche. » Persée jeta son glaive raison que tort. En d'autres termes, votre
trouver enchaînée àun rocher. sur le sol pour trépigner plus aisément. probabilité de localiser Andromède est de
-Je gage qu'elle l'est, dans une de ces — « Enquoi cela m'aide-t-il ? 2/3 si vous changez et seulement de 1/3 si
trois cavemes,dit Pie-gase. -Je pense que cette information pour- vous ne changez pas. » Persée s'affaissasur
-Horreur, s'exclama Persée, les rait vous inciter a changer d'avis. le sol, la têtedans sesmains.
obstruées par des rochers! -Pourquoi donc? II y a nécessairement ¿)
entréessont - « pie perfide, vous savez combien
-Attachez le ceinturon magique une gorgone dans au moins une des les héros ont peu de goût pour les mathé-
d'Hippolyte a ma queue, d'un côté, et à un cavemesque je n'ai pas choisie.En quoi me matiques! Comment puis-je savoir si votre
rocher, de l'autre, et Sésamecherra,affirma serait-il utile de choisir la caveme de droite raisonnement est correct?
Pie-gase. si vous me dites seulement qu'il y a une -Vous pourriez essayerde prendre un
-D'accord, dit le héros. Commençons gorgone dans la caverne de gauche? Ce avis autorisé, suggéra la pie.
par la première caverne. que j'ai besoin de savoir, c'est dans quelle -Non ! Les chances doivent être
-Attention : vous oubliez quelque caveme se trouve Andromède ! égales. Vous avez éliminé une caverne ; il
chose,grommela la pie ! -Ainsi vous maintenez votre choix? m'en reste donc deux, parmi lesquelles je
-Quoi encore, ô pie rogue ? -Et pourquoi pas? Tout ce que vous dois choisir. Chacune est également pro-
-Andromde est dans une caverne, avez fait est de restreindreles possibilités.Je bable!
mais dans chacune des deux autres il y a sais a présent qu'Andromede est, soit dans -Ce n'est pas dans cet ordre que nous
une gorgone : dans rune Méduse, et dans la caverne du milieu, soit dans celle de avons opéré »,murmura la pie. Puis, elle
l'autre Sthéno, sa soeur jumelle, qui ont droite. La chance pour qu'elle soit dans celle ajouta a haute voix :- « Tant pie, vous avez
toutes deux le pouvoir de vous changer en que j'ai choisie ou dans celle de gauche, raison. Faitescomme bon vous semble!
pierre d'un simple regard. c'est 50-50. 11n y a donc aucun avantage a -C'est bien mon intention, affirma
-J'ai mon fidèle bouclier d'or, pour changer. Persée.II attacha la pie au rocher du milieu
renvoyer tout regard pétrifiant gorgonien à -Faites comme vous voulez, dit Pie- avec la ceinture magique d'Hippolyte. Le roc
sa propriétaire,répliqua Persée. gase, seulement... roula, libérant l'ouverture, et...
-Trop rouillé pour être efficace; heu- -Seulement quoi, cria Perséeexaspéré
reusement, nous les pies géantes, nous et qui se dirigeait vers la cavemecentrale? Faites
Je parie àvos jeux, Mesdames et Messieurs!
avons des pouvoirs cachés que nous a -Seulement vous auriez deux fois plus 3 contre 2 que Persée a tort.
conférés la déesse Déméter. Je sais dans de chancesd'être dans le vrai en changeant S'il est vrai que les chances de succèssont
quelle cavemeest Andromède. égales pour l'une ou l'autre
-Merveilleux ! Alors caverne, alorsvous gagnerez en
dites-le moi ! moyenne, mais bien sur, si la
-Par malheur, nous avons pie a raison, et si les chances
juré le secret et, si nous révé- d'échecsont de 2 contre 1, alors
lons notre savoir caché, la vous perdrez en moyenne. Et je
déesse Déméter nous entéri- serai heureux d'effectuer autant
nera (c'estson mot pour mettre d'essais que vous voudrez.
en terrine dans une amphore, à Rappelez-vousla regle :
20 mètres sous terre, et pour -Andromède est dans
l'éternité).Pie-gaseréfléchit l'une des cavernes. La probabi-
- « Malgré tout, je peux lité qu'ellesoit dans une caveme
vous aider. donnée est 1/3, quelle que soit
-Comment ? la caveme.
-D'abord, je peux vous - Persée choisit une
dire que la probabilité caveme.
qu'Andromède soit dans une -La pie désigne une des
quelconque des cavemesest un deux autres cavernes et lui dit
tiers. À présent, vous pouvez (sans mentir) qu'elle abrite une
choisir une caveme et nous ver- gorgone.
rons alors ce que je pourrai 1. Persée, qui cherche Andromède, est conseillé par Pie-gase. -Alors Persée peut choisir
I'autre caveme. S'il conserve son choix ini- dansRécemment ce problème fit grand bruit «11y a assez de gens qui ignorent les
tial, je parie a 3 contre 2 qu'il a tort : ainsi, si les journaux américains. Une mathématiques de par le monde ; aussi
Andromede est dans la caveme choisie par dame nommée Marilyn vos Savant, qui n'est-il pas nécessaire que le Ql le plus
Persée, je vous donne 3 francs, mais si c'est apparait dans le livre Guinness des Records élevé contribue a ta propagation de l'igno-
une gorgone, vous me donnez 2 francs. du Monde comme ayant le plus grand Ql rance. Honte sur vous ! »
Acceptez-vous l'arnaque ? Inscrivez jamais enregistré, tient une chronique « Votre réponse est incorrecte, mais si
votre décision sur un morceau de papier. régulière appelée Demandez à Marilyn, qui cela peut vous consoler, beaucoup de
Les chances de Persée sont-elles 1/2, qu'il parait simultanément dans plusieurs cen- mes collègues universitaires ont donné,
change ou non son choix (c'est ce qu'il taines de journaux américains. Marilyn comme vous, une réponse idiote ! »
pense) ou sont-elles de 2/3 s'il change et de posait la même question, mais, au lieu de Ce a quoi Marilyn répliqua que sa
1/3 sinon (comme la pie l'affirme) ? Si Persee cherchant Andromède, elle décrivait réponse était correcte. On a représenté
Persée a raison, vous gagnez ; si la pie a rai- un candidat d'un jeu télévisé qui devait sur la figure 3 une des diverses justifica-
son, je gagne. choisir une porte parmi trois. Derrière l'une tions qu'elle proposa. Supposons (pour
11est facile d'écrire un programme d'elles est le premier prix-une voiture et, simplifier le raisonnement) que vous choi-
d'ordinateur qui simule le problème et de derrière les deux autres, sont des caram- sissiez la caverne 1. II y a alors trois possi-
l'exécuter un grand nombre de fois en bars. Quand le candidat a choisi, le présen- bilités, chacune également probable
comptant combien de fois Persée gagne et tateur désigne une des deux portes res- puisque, comme la pie nous l'a dit, la pro-
combien de fois il perd. Peut-être aimeriez- tantes et dit : « Il y a un carambar derrière babilité qu'Andromède soit dans
vous tenter la simulation avant de pour- celle-ci. » Le candidat doit-il alors changer n'importe quelle caverne est la même
suivre ? Je vais vous décrire un programme pour la troisième porte ? Marilyn expli- quelle que soit la caveme. Les caractères
analogue où, au lieu d'utiliser un ordinateur, quait, tout comme Pie-gase que les en rouge désignent quelle caverne (ou
on utilise une table standard de nombres chances de gagner la voiture étaient multi- quelles cavernes) la pie peut désigner. Les
aléatoires (par exemple, la suite des déci- pliés par deux s'il changeait son choix. résultats sont indubitables : la stratégie de
males de # ou les Cambridge Elementary Citons quelques lettres de lecteurs, tous Persée gagne une fois sur trois, la ou celle
Statistical Tables). Voici la méthode. Seuls universitaires ou appartenant à des instituts de la pie gagne deux fois sur trois.
les chiffres 1, 2 et 3 seront utilisés, un de recherche : II y eut de nouvelles lettres :
chiffre correspondant à une caveme. Ces « Vous vous êtes fourvoyée ! En tant « Votre réponse est, à l'évidence,
chiffres 1, 2, 3 sont les seuls « acceptables ». que mathématicien professionnel, je suis contraire à la vérité. »
Je parcours la table des nombres aléatoires, très concerné par l'absence générale de « Pourrais-je vous suggérer de vous
notant les chiffres acceptables dans l'ordre sens mathématique du public. De grâce procurer un manuel standard sur les pro-
où ils apparaissent. confessez votre erreur et, à l'avenir, soyez babilités avant d'essayer de répondre a
1.Le premier chiffre acceptable A déter- plus perspicace ! » une question de ce type ? »
mine dans quelle caverne se trouve
Andromède.
2. Le second chiffre acceptable B déter-
mine le choix de Persée.
3. Le chiffre acceptable suivant C, diffé-
rent de A et de S, détermine ce que la pie
dit a Persée. II doit indiquer une caveme
abritant une gorgone (donc C n'est pas )
parmi celles que Persée n'a pas choisies
(donc C n'est pas B). Remarquez que A et
B peuvent être égaux, auquel cas la pie
choisira à son gré une des deux cavernes
abritant les gorgones.
4. En supposant que Persée maintient
son choix, notez s'il a raison ou tort
5. Pour comparer, supposez qu'il a
tenu compte de t'avis de la pie et opté
pour l'unique caverne autre que B et C ;
notez, d'autre part, si le choix corrigé
est correct.
6. Allez au chiffre acceptable qui suit
et répétez toute la procédure.
Nous avons fait le test (voir la figure 2) :
si la stratégie de Persée est de ne pas chan-
ger, il a raison 6 fois et tort 14 fois. S'il se
range à l'avis de la pie et modifie son
choix, il a raison 14 fois et tort 6 fois. La
pie doit être dans le vrai : il est préférable
de changer ! Le résultat est si contraire à
l'intuition que nombre de personnes
l'acceptent difficilement. 2. Résultats des tactiques de Persée obtenus avec une table de nom

3. La stratégie où Persée modifie toujours son choix est meilleure.
« Combien vous faut-il de mathémati-
ciens courroucés pour vous faire changer
d'avis ? »
Au total, 92 pour cent des lettres de
non-spécialistes donnaient tort à la pie et
il en était de même de 65 pour cent des
lettres provenant des universitaires. Qui
donc avait raison ? Marilyn vos Savant et
la pie, ou Persée et plusieurs milliers de
personnes ? Revenons a nos expériences
statistiques. Vous pourriez estimer que
20 essais ne suffisent pas a prouver le
résultat. Aussi tentons un essai plus sub-
stantiel. Je vais vous communiquer mes
résultats ; doutez de leur véracité si vous
voulez, mais si vous écrivez votre propre
simulation, suivez bien l'ordre prescrit
des événements. Si vous introduisiez des
raccourcis, vous pourriez bien être à côté
de la question.
Je traitai le problème sur un ordinateur
en 100 000 épreuves. La stratégie de
Persée fut gagnante 33 498 fois et per-
dante 66 502 fois. Les probabilités corres-
pondantes de 0, 33498 et 0, 66502 sont
suffisamment proches des valeurs 1/3 et
2/3 prévues par la pie pour lui donner rai-
son : les vérités mathématiques ne résul-
tent pas d'un vote démocratique.
Toujours sceptique ? Marilyn proposa
un argument final qui pourrait vous
convaincre. Supposez qu'il y ait un million
de cavernes, dont une occupée par
Andromède. Persée choisit celle numéro 1.
La pie en indique alors 999 998 des
autres qui contiennent chacune une gor-
gone. Rappelez-vous que la pie sait où est
Andromede, et qu'elle ne peut donc dési-
gner cette caverne. Vous observez sur plu-
sieurs essais que la pie évite soigneuse-
ment la caverne numéro 777 777.
Que jugez-vous plus vraisemblable : la probabilité que la stratégie
Persée a choisi la bonne caverne (une
chance sur un million) ou ce n'est pas la
bonne, et le comportement de la pie nous
donne une indication autrement plus fiable ?
Si vous ne croyez ni les démonstrations, ni
les expériences, ni les analogies, ni les
contre-exemples, que vous faut-il donc ?
Ceproblème
La difficulté vient est amusant, n'est-ce pas ?
de ce que nous trai-
tons de probabilité conditionnelle : la proba-
bilité qu'un événement se produise sachant
qu'un autre événement s'est déjà produit.
L'intuition est mauvaise conseillère pour les
probabilités conditionnées : le point impor-
tant est que le choix d'une caveme par la
pie dépend du choix de Persée. Si Pesée a
raison, alors la pie peut choisir entre les
deux autres cavemes, mais si Persée a tort
(ce qui est deux fois plus probable), alors la
pie n'a qu'un seul « choix ».
L'argument selon lequel, avec deux
cavernes restantes, Andromède a autant de
chances d'etre dans l'une que dans l'autre
serait correct si la pie choisissait en premier ;
il est faux si son choix dépend de ce que
Persée a déjà choisi : dans cet exemple,
l'ordre des choix importe, phénomène fré-
quent avec les probabilités conditionnelles.
En fait, bien examiné, le problème
est très simple. Non seulement la pie a la
bonne stratégie, mais encore elle a le
bon raisonnement. Revoyons-le encore
une fois, très lentement. Admettez-vous
que, lorsque Persée fait le choix initial
d'une caverne, la probabilité qu'il ait rai-
son est de 1/3 ? Je l'espère, puisque c'est
une des hypothèse du problème (ta pie
nous a informés que les cavernes étaient
équiprobables).
Supposons que Persée s'en tienne à une
stratégie « choix maintenu ». Dès lors, il ne
peut modifier cette probabilité puisqu'il ne
fait rien. Donc l'idée que ses chances sont
50-50 est définitivement incorrecte. Et avec
un million de cavernes, la stratégie « choix
maintenu* ne lui donne qu'une chance sur
un million d'avoir raison.
Admettez-vous que, si Persée a tort, et si
la pie réduit ! es probabilités restantes a une
seule autre caveme, alors Persée aura raison
de changer son choix ? Une fois encore, je
l'espère. Andromède est bien quelque part.
Elle n'est pas dans une caveme désignée par
la pie et, si Persée a tort, elle n'est pas non
plus dans celle qu'il a choisie. Dans ce cas,
chaque fois que la stratégie « choix main-
tenu » mène à une mauvaise caveme, la stra-
tégie « choix modifié » doit conduire à la
bonne. De sorte que la probabilité que la
stratégie « choix modifié » soit gagnante est
1-1/3 = 2/3. Avec un million de cavemes,
de la pie soit
gagnante est de 0, 999999.
Dire les choses avec d'autres mots est
parfois intéressant. La pie donne a Persée
une information utile : elle indique une
caverne où Andromède n'est pas. Persée
doit utiliser cette information pour amélio-
rer ses chances : c est a quoi sert l'informa-
tion ; mais il n'utilise pas cette information
s'il maintient son choix, puisque ce choix a
été fait avant que l'information soit acces-
sible. Cela ne prouve pas qu'il doive chan-
ger son choix, mais implique que la straté-
gie « choix toujours maintenu » ne saurait
être la meilleure.
Et si vous ne me croyez toujours pas,
trouvez un ami et essayez avec un mor-
ceau de sucre dans le rôle d'Andromède,
et des tasses dans les rôles des cavernes.
Jouez une stratégie sur 100 coups, puis
adoptez l'autre. Pour comparer, demandez
a votre ami de vous révéler une tasse vide
avant que vous ne choisissiez : cette fois,
vos chances seront 50-50.
« Lorsque la réalité heurte si violem-
ment l'intuition, continue Marilyn, les gens
sont choqués. » Le plus terrible est que le
problème n'est pas nouveau : un pro-
blème équivalent se trouve dans le Calcul
des probabilités de J. Bertrand, publié en
1889. Il est connu comme Paradoxe de la
Boîte de Bertrand.
Un point me vient à i'esprit Si la for-
mation des mathématiciens professionnels
comportait un cours de mathématiques
dites amusantes, cela pourrait éviter que
certains d'entre eux soient si redoutable-
ment solennels tout en pensant si mal.
Ian Stewart enseigne
les mathématiques à l'Université de Warwich.
Le paradoxe de Stein

Bradley Efron et Carl Morris

On identifie souvent la meilleure estimation La première étape, quand on

emploie la méthode de Stein, consiste à
de la probabilité d'un événement à la moyenne déterminer la moyenne globale des
moyennes individuelles. Bien évidem-
arithmétique des résultats antérieurs. ment, cette moyenne globale, désignée
par Y est égalementcomprise entre 0 et
Le paradoxe de Stein définit les circonstances où il existe 1. La phaseessentiellede la méthodede
Stein est le rapprochementde toutes les
de meilleurs estimateurs que cette moyenne. moyennes individuelles y vers cette
moyenne globale Y. Si la moyenne des
coups marqués par un joueur est
meilleure que la moyenne globale, on
Unrésultat mathématique ment 35! Selon la théorie statistiquetra- doit alors la réduire ; si, au contraire, le
est quelquefois en contra- ditionnelle, l'estimation fondée sur la joueur marque moins, sa moyenne doit
diction frappanteavec une moyennedes réussitesdesessaispassés alors être augmentée. Soit z la valeur
croyance répandue,même est, dansl'ensemble, la meilleure. ainsi corrigée de la moyenne de chaque
si on connait une excel- Le résultat de Stein est paradoxal en joueur. Cette valeur est l'estimation de
lente preuve de cette croyance. En ce qu'il dément parfois cette loi élé- James-Stein de la capacité à la batte
1955, Charles Stein, de l'Université de mentaire de la théorie statistique. Si d'un joueur donné. Les deux mathéma-
Stanford, a découvert un tel paradoxe nous avons trois joueurs de baseball (ou ticiens, James et Stein, ont proposé en
en statistiques. Cette découverte a plus) et si nous voulons prévoir les 1961 une version particulièrement
remis en question un siècle et demi de moyennes à la batte de chacun d'entre simple de cette méthode. Le paradoxe
travail sur la théorie de l'estimation, eux, il existe une estimation meilleure de Stein réside dans le fait que les
remontant à Karl Friedrich Gauss et que l'extrapolation obtenue à partir des valeurs z-estimateurs de James-Stein-
Adrien Marie Legendre. Après une trois moyennes prises séparément. constituentde meilleures estimations de
longue période de résistance aux idées « Meilleure » est employé ici au sens la capacité réelle à la batte que les
de Stein, ponctuée de controversesfré- fort : en utilisant la méthode de Stein, moyennesindividuelles.
quentes et parfois orageuses, le côté un statisticien peut prévoir les L'estimateur de James-Stein, pour
paradoxal de la découverte de Stein moyennes futures avec davantage de chaque joueur est défini par l'équation
commence à s'estomper et ses idées précision, quelles que soient les capaci- suivante : z = Y + c(y-Y), où (y-Y)
commencentà être intégréesaux statis- tés réelles des joueurs. est la différenceentre la moyenney à la
tiques théoriqueset appliquées. batte du joueur considéré et de la
Le paradoxede Stein concernel'uti- Une saison de baseball moyenne globale Y. L'équation montre
lisation de moyennes observées pour ainsi que l'estimateur z de James-Stein
estimer des quantités inobservables Le baseball est un sport très popu- diffère de la moyenne globale par cette
(prendrela moyenneest un réflexe chez laire aux États-Unis et les statistiquesle même quantité (y-Y) multipliée par
les statisticiens,une fois qu'ils ont noté concernant foisonnent : c'est pourquoi une constante c. La constante c'est le
les résultats des événements). Un nous l'avons choisi pour illustrer la « facteur de rapprochement ».S'il était
exemple de quantité inobservable est la méthodede Stein. Comme donnéespré- égal à 1, l'équation impliquerait que
capacité d'un joueur de baseball ; dans liminaires, nous considérerons les l'estimateur de James-Stein, pour un
ce jeu, compliqué pour les anglophobes, moyennes à la batte de 18 joueurs de joueur donné, est identique à la
un joueur armé d'une batte essaie de première division, telles qu'elles furent moyenne individuelle à la batte de ce
renvoyer une balle lancée par un adver- enregistrées après 45 premiers essais joueur ; autrement dit, z égale y. Le
saire.Un joueur de baseball,qui marque pendant la saison 1970. Ces joueurs théorème de Stein établit que le facteur
sept coups sur vingt renvois de balle à sont ceux qui ont essayéde renvoyer la de rapprochement c est toujours infé-
la batte, a une moyenne à la batte de balle à la batte exactement quarante- rieur à 1. Sa vraie valeur est déterminée
0,350. En faisant cette moyenne, nous cinq fois le jour de la prise des données. par l'ensemble de toutes les moyennes
estimonsla véritable capacitédu joueur On définit naturellement la moyenne à observées.Pour les donnéesconcernant
à la batte en nous fondant sur la fré- la batte comme le quotient du nombre le baseball, la moyenne globale Y vaut
quencede ses succèsobservés. Si l'on de coups marqués par le nombre 0,265 et le facteur de rapprochementc
nous demandait combien de coups le d'essais.C'est un nombretoujours com- est égal à 0, 212. En substituant ces
mêmejoueur réussira lors de cent pro- pris entre 0 et 1. Nous désigneronscette valeurs dans l'équation définissant z,
chains essais,nous prédirions probable- moyennepar la lettre y. nous trouvons que, pour chaquejoueur,
1. UNE ESTIMATION DES CAPACITÉS à la battede 18 joueurs de baseball est obtenue de façon plus précise par la
méthode de James-Stein qu'en prenant les moyennes individuelles. Les moyennes employées comme estimateurs
ont été calculées après que chaque joueur a réalisé 45 essais pendant la saison 1970. La capacité réelle d'un joueur
à la batte est une quantité inobservable, mais elle est approchée de près par la moyenne de ses performances sur
une longue période. Ici la capacité réelle est représentée par la moyenne a la batte obtenue pendant le reste de la
saison de 1970. Pour l'estimation de la capacité à la batte de 16 joueurs sur 18, la moyenne arithmétique indivi-
duelle constitue une estimation moins bonne que l'estimation de James-Stein : l'ensemble des
James-Stein a une erreur quadratique totale associée (le carré de la différence à la capacité réelle) inférieure.
 vaut, pour les moyennes observées
0, 077, et pour les estimateurs de James-
Stein 0, 022 seulement. Il résulte de
cette comparaison que la méthode de
Stein est grosso modo 3, 5 fois plus pré-
cise. On peut montrer que pour les don-
nées précédentes, 3, 5 est voisin de la
valeur probable du quotient des carrés
des erreurs totales des deux méthodes.
Le résultat obtenu est bien celui auquel
on pouvait s'attendre et nous n'avons
pas été que chanceux (voir lafgure 2).

Des voitures et des battes

Imaginons qu'un statisticien prenne,

au hasard, un échantillon de voitures de
Paris et trouve que, sur les 45 premières
voitures répertoriées, 9 sont étrangères et
2. LES ESTIMATEURS DE JAMES-STEIN pour les 18 joueurs de baseball ont été calculés en
les 36 autres de fabrication française.
« rapprochant » les moyennes individuelles à la batte d'une « moyenne des moyennes indivi-
duelles »(moyenne globale). Dans ce cas, la moyenne globale vaut 0,265 et chacune des Nous voulons estimer la proportion
moyennes voit diminuer d'environ 80 pour cent sa distance à cette valeur. Ainsi, le théorème réelle de voitures importées de Paris,
sur lequel est basé la méthode de Stein affirme que les capacités réelles à la batte sont plusquantité que nous représenterons par un
étroitementregroupéesque les moyennes préliminaires n'auraient d'abord semblé le suggérer. autre inobservable #. La moyenne obser-
vée de 9/45 = 0,200 est une estimation.
On peut en obtenir une autre en ratta-
z= 0, 265 + 0, 212 (y-0, 265). Comme c traction, représentant la probabilité pour chant ce problème à celui des 18 joueurs
vaut environ 0, 2, l'écart entre chaque qu'un joueur réussisse son prochain de baseball. En injectant la valeur de
moyenne individuelle la
et moyenne glo- essai à la batte. Bien que # soit inobser- 0, 200 dans l'équation utilisée pour le
bale est réduit de 80 pour cent et la dis- vable, nous en avons une bonne approxi- problème des joueurs de baseball, on
persion totale des moyennes par rapport mation grâce aux performances ulté- trouve que l'estimateur z de James-Stein
à Y sera réduite d'environ 80 pour cent. rieures des joueurs à la batte. Il suffit de concernant la proportion de voitures
Considérons par exemple Roberto considérer la suite de la saison 1970, qui importées, vaut 0, 251. (En fait, l'addi-
Clemente qui avait la meilleure comprend environ neuf fois plus de don- tion d'une 19"valeur modifie la
moyenne à la batte lorsque nos statis- nées que celles utilisées pour l'élabora- moyenne globale Y et altère aussi légère-
tiques ont été réunies. Pour Clemente, y tion des moyennes préliminaires. ment le facteur de rapprochement c. Les
est égal à 0,400 et on peut déterminer z Nous tiendrons pour négligeable la changements sont cependant faibles ; la
en calculant l'expression z= 0, 265 + petite erreur statistique associée à un tel valeur ainsi rectifiée de z est 0, 249).
0, 212 (0, 400-0, 265). Le résultat est : échantillon ; nous ferons comme si la Dans ce cas, l'intuition nous incite à
z = 0,294. Autrement dit, selon le théo- moyenne de la saison toute entière était penser que c'est la moyenne y observée
rème de Stein, la meilleure estimation « la capacité réelle à la battes 8 d'un et non l'estimateur z de James-Stein qui
de la capacité à la batte de Clemente est joueur. C'est la précision des statistiques doit être la meilleure anticipation. II est
non pas 0, 400 mais plus proche de de baseball qui nous a fait choisir cet vrai qu'il semble complètement stupide
0, 294. Thurman Munson, autre joueur, a exemple ; dans la plupart des problèmes, de mélanger ainsi des quantités qui
traversé une mauvaise période à la batte la valeur réelle de # ne peut pas être n'ont manifestement aucun rapport
au début de la saison de 1970 : sa déterminée. Une méthode pour évaluer entre elles, telles les moyennes à la
moyenne était 0, 178. En substituant les deux estimations fondées respective- batte et la proportion de voitures impor-
cette valeur dans l'équation de Stein, ment sur y et z est de compter le nombre tées ! Nous avons mis le doigt sur le
nous trouvons que sa capacité à la batte de fois où l'une d'elle est meilleure (voir coeur du problème de la validité du
est plus élevée : pour Munson, I'estima- la figure 1). Pour 16 des 18 joueurs théorème de Stein. Le théorème semble
teur de James-Stein vaut 0, 247. considérés, l'estimateur z de James-Stein pouvoir s'appliquer aussi bien aux 19
est plus proche de la moyenne vraie 6 problèmes qu'aux 18 du début ! Rien,
Le meilleur estimateur (observée sur l'ensemble de la saison) dans l'énoncé du théorème, ne stipule
que la moyenne observée y. que les composants doivent avoir un
Quel est l'ensemble des valeurs, y ou Une comparaison plus quantitative rapport quelconque.
z, qui indique le mieux la capacité à la des deux techniques consiste à utiliser On peut illustrer autrement le
batte des 18 joueurs de notre exemple ? l'erreur quadratique d'estimation. Celle- même défi au bon sens. Quel est le rap-
Pour pouvoir répondre précisément à ci est mesurée en commençant par port entre la moyenne y observée et
cette question, il nous faudrait connaître déterminer, pour chacun des joueurs, égale à 0, 400 de Clemente et celle de
la « capacité réelle » de chaque joueur, l'erreur de chaque prévision, soit (#-y) Max Alvis, le moins bon à la batte
que nous désignerons par la lettre et (0-z). On élève au carré chacune de parmi les 18 joueurs ? Si Alvis avait eu
grecque 0. En fait cette quantité est ces quantités, puis on ajoute les valeurs un bon début de saison et que sa
impossible à connaître ; c'est une abs- obtenues. L'erreur quadratique totale moyenne ait atteint 0, 444 par exemple
 au lieu de 0, 156, l'estimateur z de
James-Stein pour la moyenne de
Clemente serait passé de 0, 294 à
0, 325. On voit mal pourquoi la réussite
ou l'insuccès d'Alvis devraient
influencer notre estimation de la capa-
cité de Clemente (ils n'appartenaient
même pas à la même division !). Les
critiques de la méthode de Stein avan-
cèrent des questions pertinentes de ce
genre ! Pour y répondre, il nous faut
décrire plus soigneusement la méthode.
La distribution normale
Faire une moyenne est une opération
simple et familière, qu'il ne semble pas
falloir justifier. II n'est pas facile
d'expliquer pourquoi la moyenne est si
souvent utile pour déterminer le centre
de gravité d'un procédé aléatoire ! C'est
dans la distribution des valeurs prises par
la variable aléatoire qu'on peut en trou-
ver la raison.
La distribution la plus fréquente est
la distribution « normale », représentée
par une courbe en cloche (voir la figure
3), que Laplace et Gauss étudièrent à
fond. Dans cette distribution, la variable
aléatoire peut prendre n'importe quelle
valeur sur un axe donné. La probabilité
pour que cette variable se trouve à
l'intérieur d'un intervalle donné sur
l'axe est égale à l'aire de la surface
située sous le même intervalle de la
courbe en cloche. Cette courbe est entiè-
rement déterminée par deux paramètres :
la moyenne, #, correspondant au som-
met de la courbe, et l'écart-type, qui
mesure l'écartement des valeurs de la
variable autour de la moyenne. Il est
d'usage de désigner par # l'écart-type.
Plus l'écart-type est grand, plus les don-
nées sont largement dispersées. En théo-
rie des probabilités, on utilise à la fois la
moyenne et l'écart-type (présumés
connus) pour prédire le comportement
futur. Un problème de statistiques pro-
cède en sens inverse : à partir de don-
nées observées, le statisticien doit
déduire la moyenne H et l'écart-type #.
Imaginez, par exemple, que les
mesures d'une variable aléatoire je quel-
conque prennent successivement les
valeurs 10, 0 ; 9, 4 ; 10, 3 ; 8, 6 et 9, 7.
Supposez de plus que ces valeurs obéis-
sent à une distribution normale, avec un
écart-type égal à 1 (voir la figure 4).
Quelle est la valeur de la moyenne vraie
H? En théorie, elle est indéterminée, mais
certaines valeurs sont plus probables que
d'autres. Une moyenne de 6, 5, par
exemple, implique que les cinq valeurs
se trouvent dans les extrémités aplaties avait été fournie dans les années 1920
de la courbe et qu'aucune n'est voisine par R. A. Fisher, qui démontra que toutes
du centre. Gauss a montré que, parmi les informations sur H qu'on pouvait
tous les choix possibles de la moyenne, trouver dans les données étaient conte-
la moyenne arithmétique X des données nues dans la moyenne arithmétique X.
observées (qui vaut ici 9,6) maximise la
probabilité d'obtenir les données obser- La fonction de risque
vées. La moyenne arithmétique ainsi
considérée est l'estimateur du « maxi- Dans les années 1930, Jerzy
mum de vraisemblance » ; en fait, Gauss Neyman, Egon S. Pearson et Abraham
a construit la distribution normale uni- Wald étudièrent de façon plus rigou-
quement pour avoir cette propriété. reuse le problème de la déduction statis-
La moyenne arithmétique est l'esti- tique ; les idées qu'ils développèrent
mateur optimum de la moyenne inobser- font maintenant partie de ce qu'il est
vable H pour une autre raison, également convenu d'appeler en statistiques la
découverte par Gauss : la moyenne arith- « théorie de la décisions. Ils rejetèrent la
métique des données est un estimateur contrainte imposée par l'absence de
non biaisé de la moyenne, en ce sens biais et examinèrent toutes les fonctions
qu'elle ne privilégie aucune valeur parti- des données qui pouvaient servir d'esti-
culière de #. Pour être plus précis, la mateurs de la moyenne inconnue #. Ils
moyenne arithmétique est non biaisée comparèrent ces estimateurs au moyen
parce que la valeur probable de X égale d'une fonction de risque, définie par la
la valeur vraie #, quel que soit #. 11existe valeur probable du carré de l'erreur
une multitude d'estimateurs non biaises pour chaque valeur possible de #.
de #, aucun n'étant parfait. Gauss a mon- Considérons simultanément trois
tré que le carré de l'erreur d'estimation estimateurs : la moyenne arithmétique
probable est minimal pour la moyenne X des données X, la moitié de cette
(comparée à n'importe quelle fonction moyenne X/2 et la médiane des données.
linéaire non biaisée des observations). La fonction de risque est une constante,
Dans les années 1940, on démontra à la fois pour la moyenne arithmétique et
qu'aucune autre fonction non biaisée des pour la médiane ; cela revient à dire que
données, linéaire ou non, ne pouvait esti- le carré de l'erreur probable, en pré-
mer 9 plus précisément (en ce qui voyant la moyenne #, est indépendant de
concerne le carré de l'erreur probable) la valeur réelle de #. Des deux fonctions
que la moyenne arithmétique. Une de risque constantes, celle de la
contribution essentielle de cette preuve moyenne X est régulièrement inférieure,
3. LA DISTRIBUTION NORMALE (de Laplace-Gauss) d'une variable aléatoire autour d'une
valeur moyennejustifie le choix arithmétique pour le meilleur estimateur. La distribution
normale est définie par deux paramètres, la moyenne 0 qui localise le sommetde la distri-
bution, et l'écart-type # qui mesure la dispersion des données autour de la moyenne. On
suppose, en définissant cette distribution que la variable x peut prendre n'importe quelle
valeur sur l'axe des x. La probabilite que x soit à l'intérieur d'un intervalle [a, b] sur l'axe
des x est égale à l'aire de la surface situee sous le même intervalle de la courbe en cloche
entre ces deux points(en vert).
 par un coefficient d'environ 2/3 ; il est
clair qu'on doit de préférence choisir
comme estimateur la moyenne arithmé-
tique. Dans le langage de la théorie de la
décision, on dira que la médiane est un
estimateur de H inacceptable, à partir du
moment où, quel que soit H (carré de
l'erreur probable), un autre estimateur
est de risque inférieur. Il faut cependant
préciser que, si la distribution des don-
nées est autre que la distribution nor-
male, l'ordre de préférence peut être
inversé. Pour l'estimateur X/2, qui est
biaisé vers la valeur nulle de #, la fonc-
tion de risque n'est pas constante ; cet
estimateur est précis si H est voisin de
zéro, mais le carré de l'erreur probable
augmente rapidement à mesure que la
moyenne vraie s'écarte de zéro. La
courbe représentative de la fonction de
risque est une parabole, présentant un
minimum pour # = 0 ; dans le cas où la
moyenne est effectivement nulle, la
fonction de risque associée à Xt2 est
alors quatre fois inférieure à celle asso-
ciée à la moyenne arithmétique. Pour de
grandes valeurs de la moyenne, cepen-
dant, la moyenne arithmétique X reprend
sa supériorité. Avec d'autres estimateurs,
nous pouvons faire en sorte que la fonc-
tion de risque associée soit inférieure à la
fonction de risque de la moyenne arith-
métique en certains points, mais elle
redevient supérieure en d'autres endroits.
Reste la possibilité que quelque
autre estimateur ait un risque uniformé-
ment inférieur à celui de la moyenne
arithmétique. En 1950, on a démontré
qu'un tel estimateur n'existe pas. En
d'autres termes, il est correct d'assimi-
ler la moyenne arithmétique X, associée
à un ensemble d'observations, à la
moyenne inconnue.
Le théorème de Stein concerne
l'estimateur de plusieurs moyennes
inconnues. Il n'est pas nécessaire de
supposer une relation entre ces
moyennes ; elles peuvent être aussi
bien des capacités à la batte que des
pourcentages de voitures importées.
D'autre part, on admet que les
moyennes sont indépendantes les unes
des autres. Quand on évalue des esti-
mateurs pour ces moyennes, il est
encore une fois commode d'utiliser
une fonction de risque, définie comme
la somme des carrés des valeurs pro-
bables des erreurs d'estimation pour
toutes les moyennes individuelles.
Le facteur
de rapprochement
Le premier choix évident d'un esti-
mateur pour chacune des moyennes est
la moyenne arithmétique des données
qui se rapportent à cette moyenne. Le
développement historique complet de la
théorie de la statistique, en partant de
Gauss et en passant par la théorie de la
décision affirme que la moyenne arith-
métique est un estimateur valable aussi
longtemps qu'il n'y a qu'une moyenne
H à estimer. Stein montra en 1955
qu'elle est aussi valable lorsqu'il y a
deux moyennes à estimer. Le paradoxe
de Stein est simplement l'affirmation
suivante : quand le nombre de
moyennes dépasse deux, il est inaccep-
table d'estimer chacune d'elles par sa
propre moyenne arithmétique. Quelles
que soient les valeurs des moyennes
vraies, il existe des règles d'estimation
présentant un risque total moindre. En
1955, Stein ne put démontrer cette pro-
position que dans les seuls cas où le
nombre de moyennes, quantité que nous
noterons k, est très grand. Un article de
Stein, de 1961, écrit en collaboration
avec James, généralisa ce résultat à
toutes les valeurs de k supérieures à 2 ;
en outre, cette généralisation était
constructive. Stein et James montrèrent
non seulement qu'il devait exister des
estimateurs en tous points supérieurs
aux moyennes arithmétiques indivi-
duelles, mais ils ont aussi été capables
d'en fournir un exemple.
L'estimateur de James-Stein a déjà
été défini au cours de notre étude des
moyennes à la batte. II est donné par
l'équation : z = Y + c (y-Y), où y est la
moyenne d'un ensemble unique de don-
nées, Y la moyenne des moyennes (ou
moyenne globale) et c un « facteur de
rapprochement ». Il y a plusieurs autres
expressions de l'estimateur de James-
Stein, mais elles ne différent que par le
détail. Toutes ont en commun le facteur
de rapprochement c ; c'est la caractéris-
tique de l'estimateur de James-Stein.
Dans l'exemple concernant le base-
ball, c a été considéré comme une
constante ; en fait, c est déterminé à par-
tir des moyennes observées et, par
conséquent, n'est pas une constante. La
valeur du facteur de rapprochement est :
c = 1 - (k-3)#2
# (y-Y)2
Ici encore, k désigne le nombre de
moyennes inconnues, #2 est le carré de
l'écart-type et E (y-y)2 la somme des
carrés des écarts des moyennes indivi-
duelles y par rapport à la moyenne glo-
bale Y. Recherchons brièvement la signi-
fication de cette équation plutôt
rebutante. Pour k et o2 fixés, nous
voyons que le facteur de rapprochement
diminue (et les moyennes prévues en
sont d'autant plus affectées) quand
l'expression L (y-y) 2 diminue. D'un
autre côté, c augmente, se rapprochant de
1, et le rapprochement est moins brutal,
quand l'expression # (y-Y)2 augmente.

4. UN PROBLÈMEEN STATISTIQUES est de déduire la moyenne
vraie et l'écart-type de la distribution associée à un ensemble de
données. Même si l'on sait que la distribution est de type « nor-
male » et que l'écart-type vaut 1, la moyenne peut-en principe-
prendre n'importe quelle valeur. Certaines valeurs sont cependant
plus probables. Par exemple, les cinq points x indiqués sur le
schéma ci-dessusne peuvent correspondre a une distribution nor-
male ayant une moyenne de 6,5 alors que les cinq points sont de
plus de deux écarts-typesau-dessus de la moyenne. On peut mon-
trer que les donnéescorrespondent plus vraisemblablement à une
distribution dont la moyenne est égale a la moyenne des données
observées,soit 9,6.
 Que peut-on tirer de ces équations,
en ce qui concerne le comportement de
l'estimateur ? Le procédé de James-
Stein présuppose que toutes les
moyennes inobservables sont voisines
de la moyenne globale Y. Si les données
confirment cette supposition, c'est-à-
dire si les moyennes observées ne sont
pas trop éloignées de Y, on rapproche
les estimations individuelles de la
moyenne globale. Si la supposition est
infirmée, alors on ne fait plus guère de
« rapprochement ».
Le facteur de rapprochement c est
ajusté, en fonction de la distribution des
moyennes autour de la moyenne globale
Y, par l'équation précédente. Le nombre
de moyennes estimées influe aussi sur
le facteur de rapprochement, par l'inter-
médiaire du terme (k-3) qui apparaît
dans la même équation. S'il y a beau- 5. DIVERS ESTIMATEURS d'une seulemoyenne vraie #, peuvent être évalués au moyen
coup de moyennes, t'équation rend le d'une fonction de risque. Le risque est défini comme la valeur probable du carré de l'erreur
rapprochement plus fort puisqu'il est d'estimation, considéré comme fonction de la moyenne #. La moyenne arithmétique X des
alors peu vraisemblable que les varia- donnéesx est un estimateurdont la fonction risque est constante : quelle que soit la valeur
de la moyenne vraie, la valeur probable du carré de l'erreur est la même. La médiane de
tions observées représentent de simples
l'ensemble des données a aussi un risque supérieur
constant, mais(par
il estun fa
par
fluctuations dues au hasard.
teur de 1,
57) au risque associé de la moyenne arithmétique. La moitié de la moyenne arith-
La valeur de c étant calculée ainsi, metique (X/2) est un estimateur dont le risque dépend de la vraie valeur de la moyenne ; le
la fonction de risque, pour l'estimateur z risque estminimum quand la moyenneest voisine de zéro et augmenterapidement a mesure
de James-Stein est inférieure à celles que la moyennes'éloigne de zéro. Pour l'estimation d'une seule moyenne, aucun estimateur
des moyennes y associées à chaque n'a unefonction de risque en tout point inférieure à celle de la moyenne arithmétique X.
échantillon, quelles que soient les
valeurs réelles des moyennes #. Le
risque peut être considérablement
moindre, en particulier quand le nombre
de moyennes dépasse 5 ou 6. Pour ces
estimateurs de Stein z, la fonction de
risque n'est pas constante pour toutes
les valeurs de la moyenne vraie 0, alors
qu'elle est constante pour les moyennes
individuelles y observées. Le risque de
l'estimateur de James-Stein est mini-
mum quand toutes les moyennes sont
égale. Lorsque les moyennes vraies
s'écartent les unes des autre, le risque
de l'estimateur augmente, se rappro-
chant de celui des moyennes observées,
mais ne l'atteignant jamais tout à fait.
Comparé aux moyennes arithmétiques,
l'estimateur de James-Stein n'est vérita-
blement meilleur que si les moyennes
vraies sont voisines ; l'hypothèse ini-
tiale se trouve ainsi confirmée. Ce qui
est surprenant, c'est que l'estimateur
fasse toujours un peu mieux, quelles
que soient les moyennes vraies !
L'expression de l'estimateur de
James-Stein que nous avons utilisée rat-
6. LA FONCTION DE RISQUE TOTAL, pour les estimateurs de James-Stein, est en tout point
tache toutes les moyennes observées de
inférieure à celle des moyennes individuelles observées, à condition que le nombre de
la moyenne globale Y. Ce procédé n'est
moyennesestimées soit supérieur à deux. Dans le cas représenté sur cette figure, il y a dix
pas le seul possible. D'autres expressions moyennesinconnues. Le risque est minimum quand toutes les moyennes sont regroupées
de l'estimateur écartent complètement Y.
en un même point. Lorsque les valeurs des différentes moyennes s'écartent les unes des
Mais on ne peut éviter l'hypothèse ini- autres, le risque associé aux estimateurs de James-Stein augmente. Ce risque associe se
tiale, plus ou moins arbitraire, qui est à rapproche de celui des moyennesobservées,sans toutefois jamais l'atteindre tout à fait.
 l'origine de l'estimateur. On notera que
les moyennes observées ne dépendent
pas d'un choix d'origine. Avant que
Stein ne découvre sa méthode, on sentait
que de tels estimateurs « invariants »
devaient être préférables à tous ceux
dont les prévisions varient en fonction du
choix de l'origine. La théorie de l'inva-
riance, à laquelle Stein a pourtant large-
ment contribué, fut fortement ébranlée
par le contre-exemple de James-Stein.
Du point de vue mathématique, c'est
l'aspect le plus gênant du théorème de
Stein. Le paradoxe n'a sans doute pas été
découvert plus tôt à cause d'un préjugé :
on croyait que le problème de l'estima-
tion, qui ne faisait référence à aucune
origine particulière, devait être résolu de
la même manière.
Les statistiques
de la toxoplasmose
Dans les applications de la méthode
de Stein, on étudie des ensembles com-
prenant un grand nombre de données,
avec beaucoup de paramètres inconnus,
certaines difficultés, ainsi que le potentiel
pratique de la méthode, sont illustrés par
l'exemple suivant : l'analyse de la répar-
tition de la toxoplasmose au Salvador
(Amérique centrale). La toxoplasmose
est une maladie du sang, endémique dans
une grande partie de l'Amérique centrale
et dans d'autres régions tropicales. Au
Salvador, 5 000 personnes environ, choi-
sies dans des groupes d'importance
variable, dans 36 villes, ont subi les
tests de dépistage de la toxoplasmose.
Par commodité, on exprime la fré-
quence observée dans chaque ville par
rapport à la fréquence nationale (c'est-
à-dire la moyenne globale Y). Par
exemple, une fréquence relative de 0, 05
indique une ville où la fréquence de la
maladie surpasse de cinq pour cent la
moyenne nationale. Les fréquences
mesurées ont une distribution à peu près
normale. On connaît les écarts-types,
mais ils varient de ville en ville en rai-
son inverse de l'importance de l'échan-
tillon de population testé. C'est au sta-
tisticien d'estimer la moyenne vraie de
la distribution pour chaque ville, en
fonction de la fréquence relative mesu-
rée y (et rapportée à la moyenne Y).
L'expression appropriée de l'esti-
mateur de James-Stein est dans ce cas
z = cy. Notre choix de l'expression de la
fréquence relative y par rapport à la
moyenne nationale Y permet cette sim-
plification : la moyenne globale Y est
nulle, et par conséquent, les termes
contenant Y disparaissent de l'équation.
En revanche, la méthode d'estimation
est maintenant compliquée par le fait
que le facteur de rapprochement c varie
selon les villes en fonction inverse de
l'écart-type (sur y) associé à chacune
d'elles. Cette dépendance du facteur de
rapprochement de l'écart-type peut être
analysée intuitivement. Un grand écart-
type implique une incertitude impor-
tante quant au résultat de la mesure. Si
la fréquence relative mesurée est inhabi-
tuellement grande, il est plus raison-
nable d'attribuer ce fait aux variations
aléatoires liées à la distribution normale
qu'à une valeur réellement grande de la
moyenne vraie 0. Il convient alors de
réduire cette valeur de la fréquence rela-
tive, en lui appliquant un facteur de rap-
prochement faible.
On peut renforcer cet argument en
reprenant l'exemple du baseball. Frank
O'Connor jouait pour Philadelphie pen-
dant la saison de 1893. Pendant sa car-
rière en première division, il fit deux
essais à la batte, tous deux réussis. Sa
moyenne observée est égale à 1. La
règle de James-Stein, obtenue avec les
18 joueurs considérés plus haut, estime
sa capacité réelle à la batte à :
0, 265 + 0, 212 (1-0, 265) = 0, 421
(sans tenir compte de l'impact de la
nouvelle donnée sur la moyenne globale
et sur le facteur de rapprochement).
Cette estimation est ridicule, mais don-
ner une valeur I aux possibilités à la
batte de O'Connor l'est aussi ! Une
moyenne parfaite, après deux coups à la
batte n'est pas du tout incompatible
avec une valeur réelle de la moyenne
comprise entre 0, 242 et 0, 294 (obtenue
pour les autres joueurs). Le facteur de
rapprochement-la constante c-appli-
qué à la moyenne d'O'Connor, devrait
être plus sévère, afin de compenser le
petit nombre des données.
Dans le cas du Salvador, la plupart
des facteurs de rapprochement sont de
valeur modérée-entre 0, 6 et 0, 9-mais
quelques-uns se situent entre 0, 1 et 0, 3.
Quel ensemble de nombres faut-il préfé-
rer : les estimateurs de James-Stein ou
les fréquences relatives mesurées ? La
réponse dépend en grande partie de ce
qu'on veut faire de ces nombres !

Les meilleurs estimateurs

Si le ministre de la santé du
Salvador a l'intention de construire des
hôpitaux régionaux pour les personnes
atteintes de toxoplasmose, les estima-
teurs de James-Stein sont probablement
de meilleurs guides. Ceci parce que le
7. LA FRÉQUENCE DE LA TOXOPLASMOSE ; une maladie du sang, ressort lors d'une enquête carré de l'erreur totale probable, avec
réalisée dans 36 villes du Salvador. La fréquence mesurée dans chaque ville peut être considé- les estimateurs de James-Stein, est infé-
ree comme un estimateurde la fréquence vraie, qui est inobservable. Les fréquences mesurées
rieur d'un facteur 3 environ. Le point
ont une distribution normale, dont l'écart-type dépend du nombre de personnes examinées
important de ce calcul est qu'on fait le
dans chaque ville. Les chiffres indiqués sur la figure sont des fréquences relatives, c'est-à-dire
des écarts par rapport à la fréquence moyennenationale (la moyennedes fréquences obser- total des erreurs probables pour toutes
véesdans toutes les villes). La fréquence relative nationale est arbitrairement choisie égale à les villes. Un hôpital donné pourrait être
zéro, et une ville dont relative
la fréquence
mesurée est de-0,04 a une fréquence relative de taille disproportionnée ou mal situé,
observéede quatre pourcent inférieure a celle de l'ensemble du pays. mais la somme de toutes les erreurs de
8. LE RAPPROCHEMENT DES FRÉQUENCES relatives observées de pourquoi cette mesure est plus rapprochée que les autres. Dans les
toxoplasmose pour obtenir un ensemble d'estimateurs de James- données du Salvador les observations les plus extrêmes tendent à
Stein, altère la répartition apparente de la maladie. Le facteur de etre corréléesaux plus grands écarts-types, suggérant eneore le peu
rapprochement n'est pas le même pour toutes les villes, mais de confiance que l'on peut accorder à de telles mesures.Par com-
dépend de l'écart-type associé au taux mesuré dans cette ville. Un paraison avec les moyennes observées, on peut prouver que les esti-
grand écart-type implique que la mesure a été basée sur un petit mateurs de James-Stein ont une erreur totale d'estimation plus
échantillon et est soumise à de grandes variations aléatoires ; c'est faible. Ils déterminent aussiun classement des villes plus exact.

ce genre serait inférieure, avec les esti-
mateurs de James-Stein, à la somme
obtenue avec les fréquences observées.
De même, les estimateurs de James-
Stein sont certainement préférables
quand il s'agit de classer les moyennes
vraies. k cet égard, il est remarquable de
constater que la ville dont la fréquence
relative apparente est la plus élevée
(d'après les taux mesurés y) est, selon
les estimateurs de Stein, classée dou-
zième. La valeur de cette estimation est
considérablement réduite parce que
l'échantillon de cette ville était très petit.
Ce renseignement pourrait être utile si
on ne disposait de crédits que pour un
hôpital. Imaginez qu'un spécialiste des
épidémies veuille rechercher la corréla-
tion existant entre la fréquence réelle
dans chaque ville et des facteurs tels que
les chutes de pluie, la température, I'alti-
tude ou la population ? Une fois encore,
les estimateurs de James-Stein sont à
préférer ; un calcul rapide montre qu'ils
donneraient une meilleure approxima-
tion dans 70 pour cent des cas. Dans cer-
tains cas, la fréquence mesurée peut être
bien supérieure à l'estimateur de James-
Stein pour une ville particulière considé-
rée isolément. Comme nous l'avons vu,
la méthode de James-Stein donne de
meilleures estimations pour une majorité
de villes et réduit l'erreur totale d'esti-
mation pour l'ensemble des villes. On
ne peut cependant pas démontrer que,
dans le cas d'une ville particulière, la
méthode de Stein soit supérieure ; en
fait, la prévision associée peut être nette-
ment moins bonne.
Quand on estime par la méthode de
Stein, la moyenne vraie d'une ville par-
ticulière, on fait une erreur importante
quand cette moyenne a une valeur
exceptionnelle. Le fondement de la
méthode consiste à réduire le risque
global en admettant que les moyennes
vraies sont plus proches les unes des
autres que les données observées. Cette
supposition peut dévaluer l'estimation
d'une moyenne qui est de nature diffé-
rente des autres. Nous comprenons
maintenant pourquoi on ne doit pas
inclure les voitures importées dans les
mêmes calculs que les 18 joueurs de
baseball : il est fort probable que les
automobiles sont de nature essentielle-
ment différentes.
Imaginez que nous ignorions ce fait
et que nous regroupions ces 19 pro-
blèmes ; nous pouvons alors calculer
l'erreur totale probable comme une fonc-
tion du vrai pourcentage de voitures
importées. Il s'avère que le risque, pour
les joueurs de baseball et pour les auto-
mobiles, n'est réduit que si justement le
pourcentage de voitures importées est du
même ordre que les moyennes estimées à
la batte ; sinon, le risque d'erreur est aug-
menté pour les deux sortes de problèmes.
Savoir si une moyenne particulière
est exceptionnelle ou non est une ques-
tion subtile dont les conséquences ne
sont pas encore tout à fait élucidées.
Revenons au problème de la toxoplas-
mose au Salvador et considérons la ville
d'Alégria, dont la fréquence relative
mesurée, égale à-0, 294 est au cin-
quième rang, en comptant à partir des
taux les plus faibles. C'est l'une des
quatre villes situées à l'Est du fleuve
Lempa. Les taux d'incidence mesurée y
de ces quatre villes sont remarquable-
ment bas. On peut supposer que ce n'est
pas une coïncidence et que le taux de
toxoplasmose à l'Est du Lempa est réel-
lement plus faible. Un estimateur de
James-Stein, qui corrobore les rensei-
gnements donnés pour le pays tout
entier, peut, par conséquent ne pas être
-et de loin-le meilleur pour ces villes.
Nous avons développé des tech-
niques pour tirer profit des renseigne-
ments supplémentaires de ce genre,
 ment égale de la moyenne m, lorsque
tous les joueurs sont inclus dans le cal-
cul. La méthode de James-Stein a
cependant un avantage important sur
celle de Bayes : on peut utiliser l'esti-
mateur de James-Stein sans rien
connaître de la distribution a priori ; en
vérité, on n'a même pas besoin de sup-
poser que les moyennes à estimer
ont une distribution normale.
Malheureusement, l'ignorance a son
prix qu'il faut payer par une réduction
de la précision de l'estimation.
Nous avons énoncé que la méthode
de James-Stein augmente la fonction
de risque d'une quantité proportion-
nelle de 3/k, k désignant encore le
nombre de moyennes estimées : le
risque supplémentaire est négligeable
quand k est supérieur de 15 ou 20 ; il
est encore acceptable jusqu'à k = 9.
Dans ce contexte historique, on peut
considérer l'estimateur de James-Stein
comme une « règle de Bayes empi-
rique » (terme introduit par Herbert E.
9. DES PROBLÈMES INDÉPENDANTS peuvent être regroupés pour être analysés par la Robbins de l'Université de Columbia).
méthodede Stein, mais au risque d'augmenter l'erreur. Aux 18 moyennes à la batte calcu- Dans des travaux commencés en 1951
léesplus haut, on pourrait ajouter un nombre représentant la proportion de voitures impor- environ, Robbins démontra qu'on pou-
téesobservéede Paris. Les nouveaux estimateurs de James-Stein pourraient alors être cal- vait parvenir
au même risque minimum
culéspour les joueurs de base-ball et les automobiles en se fondant sur la moyenne globale qu'avec la règle de Bayes sans
des 19 nombres. Rien, dans le théorèmede Stein, n'interdit un tel procédé, mais le manque
connaître la distribution a priori, à
de logique évident de celui-cia été critiqué à juste titre. En fait, si l'on inclut des données
condition que le nombre de moyennes
sansaucun rapport entre elles, elles ne peuvent réduire la fonction risque que si la propor-
tion de voitures importées est justement voisine de la moyenne à la batte de 0,265. qu'on estime soit très grand. La théorie
Autrement, l'erreur probable d'estimation est augmentée tout à la fois pour les voitures et de Robbins a été immédiatement
pour lesjoueurs de baseball. reconnue comme un progrès fonda-
mental ; le résultat obtenu par Stein,
qui en est très proche, n'a été accepté
mais la théorie sur lesquelles elles rapprochement C est différent ; il qu'avec plus de réticence.
reposent reste rudimentaire. Un fer- dépend de l'écart-type (égal à 0, 015) L'estimateur de James-Stein n'est
vent de baseball pourrait savoir que, de la distribution a priori. pas le seul estimateur qui se soit révélé
tout comme la capacité à la batte de meilleur que les moyennes arithmé-
chaque joueur peut être représentée L'équation de Bayes tiques d'un échantillon. En vérité,
par une loi normale, les capacités l'estimateur de James-Stein est lui-
réelles à la batte de tous les joueurs de Ce procédé n'est pas un raffine- même inacceptable ! Son défaut vient
première division sont également ment de la méthode de Stein ; au de ce que le facteur de contraction c
réparties selon une distribution de peu contraire, il lui est antérieur de deux peut prendre des valeurs négatives, et il
près normale. Cette dernière distribu- cents ans. C'est l'expression mathéma- éloigne alors les moyennes de la
tion a pour moyenne 0, 270 et pour tique d'un théorème du Révérend moyenne globale, au lieu de les en rap-
écart-type 0, 015. Avec cette intéres- Thomas Bayes, publié en 1763 de procher. Quand cela se produit, si on
sante information supplémentaire, que façon posthume. II montrait que cet remplace simplement c par zéro, on
les statisticiens appellent « distribution estimateur minimise l'erreur quadra- obtient un meilleur estimateur. Celui-ci
a priori », il est possible de construire tique probable due au hasard, à la fois est à son tour inacceptable mais on n'a
une meilleure estimation de la capacité pour les moyennes observées (y) et encore trouvé aucun estimateur qui soit
réelle à la batte de chaque joueur. Ce pour les moyennes vraies (#). meilleur en tout point.
nouvel estimateur, que nous noterons La formule de l'estimateur de La recherche de nouveaux estima-
Z est défini par l'équation : James-Stein ressemble de façon frap- teurs continue. Pour des problèmes où
Z = m + C (y-m), pante à l'équation de Bayes. Quand le interviennent des distributions autres
où y désigne encore ici la moyenne nombre de moyennes, dont on fait la que la distribution normale. Plusieurs
observée de chaque joueur à la batte, moyenne arithmétique, est très grand, voies de recherches comprenant celles
mais où la moyenne globale Y a été les deux équations sont équivalentes ; de Stein et Robbins et les méthodes
remplacée par m, moyenne de la distri- les deux facteurs de rapprochement c et plus classiques de Bayes, semblent
bution a priori, dont on connaît la C convergent vers la même valeur et la converger vers une théorie, générale et
valeur : 0, 270. De plus, le facteur de moyenne globale Y devient précisé- puissante, de l'estimation.
Florence Nightingale,
infirmière et statisticienne
Elle sauva la vie de milliers de soldats pendant
la guerre de Crimée et fut l'une des créatrices
de l'assistance médicale moderne. Elle contribua
également au développement des statistiques
et de leur représentation graphique.
FlorenceNightingale s'était L'ange soigneur
assigné une vaste mission :
servir l'humanité par la pré- Très tôt, Florence nourrit l'ambition
vention des décès et des de devenirinfirmière. S'il était déjàorigi-
maladies évitables.Pendantla nal pour une femme de sa classesociale
plus grandepartie de sa longue vie (née d'exercer une profession quelconque,
en 1820, elle mourut en 1910), elle celle d'infirmière n'était pas envisa-
accomplit cette mission avec acharne- geable.Ces femmes travaillant dans les
ment, notamment lors de la guerre de hôpitaux étaient considérées comme
Crimée (1854-1856). Après elle, les ignoranteset ivrognes, voire immorales.
infirmières bénéficièrent d'une forma- Sesparentslui ayant interdit cette profes-
tion convenable et de règles de sion, Florencecherchaun réconfort dans
conduite bien définies. Ces acquis, qui la religion et y trouva, toute savie durant,
paraissent aujourd'hui naturels, n'en une raison d'être et d'agir. Elle lut de
résultent pas moins des luttes difficiles nombreuxouvragesconcernantla méde-
menées par F. Nightingale au XIXe cine et la santé,consacradu temps à visi-
siècle. Pour prouver le bien-fondé de ter les hôpitauxde Londres et travailla à
ses idées, elle fit usage de méthodes titre personnel avec les enfants des bas
statistiquesd'avant-garde. quartiers, qu'elle appelait ses « petits
L'oeuvrede FlorenceNightingale est voleursde Westminster ».
plus impressionnante quand on la Finalement,en 1851,elle parvint à se
replace dans le contexte social de libérer de son entouragefamilial et passa
l'Angleterre victorienne, très contrai- trois mois en Allemagne, près de
gnant à l'égard des femmes.Elle était la Düsseldorf dans un hôpital orphelinat,
fille d'un riche propriétaire terrien, et puis dansun autrehôpitalfrançais,situéà
sa famille évoluait dans les plus hautes Saint-Germain-en-Laye,dirigé cette fois
sphèresde la société anglaise.Or, sous par les Soeursde la Charité. De retour à
le règne de la reine Victoria, une Londres en 1853,elle obtint un premier
femme de cette classe sociale n'allait « poste »(non rémunéré) de directrice
pas à l'université et n'exerçait aucun d'un « établissement réservé aux dames
métier : sa seule finalité était de se de bonnefamille à la santé déficiente »,
marier et d'élever des enfants. Par où elle devait superviser le travail des
chance, son père considérait que les infirmières,vérifier le matériel médicalet
femmes devaient être instruites et il lui la qualité desmédicaments.
enseignalui-même l'italien, le latin, le Elle n'occupa ce premier poste que
grec, la philosophie, l'histoire et même pendant un an, car des taches plus
les mathématiques. importantesl'attendaient. En septembre
Bernard Cohen
1854, les troupes françaises et britan-
niques envahirentla Crimée, sur la côte
Nord de la mer Noire, afin de soutenir
la Turquie dans le conflit qui l'opposait
à la Russie.Les forces alliées remportè-
rent une victoire rapide à la bataille de
l'Alma, le 20 septembre,puis entrepri-
rent le siège de Sébastopol, la base
navale russe. Ces événements provo-
quèrent en Grande-Bretagne une allé-
gresse générale qui fit place à la
consternation lorsque le Times signala
que des soldats britanniques mouraient
de maladies et de blessures, faute de
recevoir les moindres soins médicaux :
on manquait de chirurgiens et même de
tissu pour les bandages,et il n'y avait
pas une seule infirmière qualifiée. Au
contraire, les Français avaient envoyé
50 Soeursde la Charité en Crimée.
C'était l'occasion rêvée pour
l'ambitieuse Florence Nightingale, qui
proposa ses services au Ministre de la
Guerre : celui-ci l'envoya à Scutari.
Elle s'embarqua pour la Turquie le 21
octobre 1854en compagniede 38-infir-
mières, avec l'appui officiel du gou-
vernement (mais sans celui de l'armée)
et surtout un soutien financier privé :
les fonds spéciaux réunis par le Times.
À son arrivée à Scutari, elle décou-
vrit une situation épouvantable. Le
baraquementqui servait d'hôpital était
infecté de puces et de rats, et construit
sur des égouts d'où remontaient les
miasmes. La lessive se faisait à l'eau
froide et les draps restaient infectés de
vermine aprèslavage. Ce sont les épi-
démies du choléra et de typhus qui ont
causé le plus grand nombre de morts,
et non les blessures elles-mêmes : en
février 1855, le taux de mortalité de
l'hôpital était de 42,7 pour cent. Les
autorités militaires refusaient tout
changementpouvant apparaître comme
l'aveu de leurs erreurs et de leur
incompétence.
En dépit de ces obstacles, et grâce
aux dons privés, elle installa une blan-
 chisserie, avec des chaudières servant à résoudre ce problème, l'astronome et sta- Ainsi Charles Dickens détestait cette
faire bouillir l'eau, et elle fournit l'hôpi- tisticien belge Adolphe Quetelet organisa approche statistique, car il la trouvait
tal « en chaussettes, chemises, couteaux, en 1841 le service central de statistiques déshumanisante et il vilipende, par le
fourchettes, cuillères de bois, baignoires de Belgique, qui servit de modèle pour terme péjoratif d'« horloge statistique
métalliques, tableaux et formulaires, d'autres pays. Il introduisit le concept funèbres, les régularités trouvées par
choux et carottes, tables d'opérations, d'« homme moyen » qui lui permit de les statisticiens dans les taux de mala-
serviettes, savons, peignes fins, lotion contourner l'obstacle de l'individu. dies mentales, de crimes, de suicides
pour les poux, ciseaux, bassins et Son travail le plus original et le plus et de prostitution.
oreillers ». Ces taches administratives ne saisissant est son analyse de l'influence Florence Nightingale, en revanche
l'empêchaient pas de s'occuper des de facteurs tels que le sexe, l'âge, l'édu- était une fervente admiratrice des tra-
malades : tard dans la nuit, elle effectuait cation, le climat et les saisons sur le vaux de Quetelet et elle avait manifesté
seule des rondes interminables qui don- taux de criminalité en France. Les très tôt un grand intérêt pour la collecte
nèrent naissance à la légende de « l'Ange chiffres révélaient, selon lui, non pas et l'analyse des données. Ainsi, lors de
soigneurs de Crimée et à l'image de la qui commettrait tel crime particulier, son séjour en Crimée, parallèlement aux
« dame à la lampe », immortalisée par le mais « le nombre d'individus qui réformes qu'elle avait apportées, elle
poète Longfellow. Au printemps de souilleraient leurs mains du sang de avait systématisé les méthodes d'archi-
1855, soit six mois après son arrivée à leurs semblables, le nombre de faus- vage jusqu'alors anarchiques : même le
l'hôpital, la mortalité était tombée de saires ou le nombre d'empoisonneurs ». nombre de morts n'était pas connu avec
42, 7 pour cent à 2, 2 pour cent. La découverte de régularités conduisit certitude. Lorsqu'elle revint en
À
son retour en Angleterre, en juillet Quetelet à conclure : « c'est la société Angleterre, en 1856, elle fit la connais-
1856, Florence jouit d'une renommée et qui prépare tous ces crimes, dont les cri- sance du médecin et statisticien William
d'un respect universels. Elle refuse tou- minels ne sont que les exécutants ». Farr ; à son contact, elle comprit la
tefois les honneurs publics et déclare La « physique sociale » de Quetelet valeur potentielle des données statis-
que la meilleure façon de récompenser était un véritable anathème pour qui se tiques qu'elle rapportait de son expédi-
ses efforts est de mettre sur pied une réclamait de la doctrine du libre arbitre tion pour l'amélioration des soins médi-
commission d'enquête sur la qualité des et de la responsabilité individuelle. caux dans les hôpitaux.
soins médicaux dans l'armée britan-
nique : en Crimée, écrivait-elle, quelque
9 000 soldats sont morts de causes qui
auraient pu être évitées. Les morts
inutiles se perpétuaient tragiquement
dans toutes les casernes et tous les hôpi-
taux, même en temps de paix.
Comment faire admettre la nécessité
des réformes ? Florence comprit que les
meilleurs arguments seraient statistiques.
S'il est naturel aujourd'hui de recourir
aux statistiques (I'analyse des conditions
de vie et de l'efficacité des politiques
sociales), il n'en allait pas de même à
cette époque où les statistiques sociales
n'étaient qu'une science naissante.
Florence Nightingale se révéla également
un pionnier dans ce domaine.

Les statistiques sociales

Certaines préoccupations scienti-

fiques du XIXe siècle étaient propices à
l'apparition des statistiques modernes :
on disposait d'une théorie mathématique
des probabilités ; les états modernes se
munissaient de services spécialisés dans
la collecte d'informations sur les
citoyens ; les économistes politiques
s'ouvraient à la recherche des causes du
comportement humain. Ces derniers se
heurtaient à un dilemme : la science
modèle de cette époque était la physique
1. FLORENCE NIGHTINGALE est, à l'époque où fut prise cette photographie, une vieille dame
classique, qui expliquait les phénomènes combléed'honneur. Devenue infirme peu après son retour de Crimée en 1856, elle ne quitta
naturels par des lois déterministes, tandis pratiquement plus sa chambre jusqu'à sa mort, en 1910, à l'âge de
90 ans. Samaladie n'était
que le comportement humain semblait peut-êtrepas entièrementd'origine somatique, mais elle ne l'empêchait pas d'agir par l'inter-
purement individuel et imprévisible. Pour mediaire desnombreusesvisitesqu'elle recevait et d'une importante correspondance.
Les diagrammes sanitaires. Ainsi le taux annuel de morta- de paix, pratiquement le double de celle
de Florence lité à l'hôpital de Scutari tomba brusque- des civils. En étayant ses affirmations au
ment quand furent appliquées les pre- moyen de ces statistiques, elle réussit à
Des débuts de l'histoire militaire mières réformes sanitaires. À la fin de la attirer l'attention de la reine Victoria et
jusqu'au XXe siècle, ce sont les maladies guerre, la mortalité parmi les soldats bri- du prince Albert. Sa demande d'une
et non les blessures reçues au combat tanniques malades en Turquie n'était, enquête officielle sur l'assistance médi-
qui furent la principale cause de morta- selon Florence, « guère supérieures à cale militaire aboutit, en mai 1857, à la
lité. Les chiffres de Florence sont élo- celle des soldats en bonne santé restés en création d'une commission royale
quents : au cours des premiers mois de Angleterre ; mieux, la mortalité parmi d'enquête sur la santé dans l'armée.
la campagne de Crimée, « la mortalité les troupes britanniques de Crimée À cette époque, il était impossible
parmi les troupes due aux seules mala- n'était que les deux tiers de celle des pour une femme de faire partie d'une
dies [était] de 60 pour cent par an », troupes résidant en Angleterre ». telle commission, mais Florence influa
c'est-à-dire un taux supérieur à celui de Cette comparaison indiquait que les fortement sur ses travaux, car elle lui
la Grande Peste de 1665 à Londres, et soldats restés dans les casernes anglaises fournit la plupart des informations. Elle
même supérieur à « la mortalité par le vivaient dans des conditions sanitaires développa son point de vue dans un
choléra » (c'est-à-dire le taux de morta- insuffisantes. Aussi, Florence eut l'idée livre de 800 pages qu'elle fit imprimer à
lité de personnes atteintes par la mala- de comparer la mortalité des civils à ses frais, sous le titre de Notes relatives
die). Les chiffres de Florence souli- celle des militaires. Elle s'aperçut que à la santé, à l'efficacité et à l'adminis-
gnaient l'importance des maladies et les dans les casernes anglaises, la mortalité tration hospitalière de l'armée britan-
effets de l'amélioration des conditions des soldats de 20 à 35 ans était, en temps nique, qui comportait un chapitre de sta-
tistiques illustrées de diagrammes et que
Farr qualifia de « la meilleure [chose]
qu'on ait jamais écrites, que ce soit sur
les « diagrammes [statistiques] ou sur
l'armée ». Florence Nightingale fit
oeuvre de pionnier dans la présentation
graphique des statistiques : elle inventa
les diagrammes « polaires », où la sur-
face des différents secteurs d'un dia-
gramme circulaire est proportionnelle
au chiffre représenté. Impressionné par
les Notes, Farr reprit une grande partie
de ce travail qu'il prépara pour le rap-
port final de la commission royale.
Pour contrecarrer les forces s'oppo-
sant aux réformes médicales, Florence
fit imprimer la partie statistique du rap-
port et la distribua comme un pamphlet
au sein du parlement, du gouvernement
et de l'armée. Ses efforts ne restèrent
pas vains, car on créa quatre sous-com-
missions chargées d'accomplir des
réformes recommandées par le rapport
de la commission royale. La première
était chargée des améliorations maté-
rielles à apporter aux casernes et aux
hôpitaux militaires dans les domaines
de la ventilation, du chauffage, des
égouts, des cuisines et de l'approvision-
nement en eau, tandis que les autres éta-
blirent un code sanitaire militaire et
réorganisèrent les procédures de col-
lecte des données statistiques.
Florence s'intéressa ensuite à la
santé des soldats en Inde. En 1859,
2. CE DIAGRAMME POLAIRE a été inventé par Florence Nightingale pour faire ressortir le après deux
ans d'efforts, elle parvint à
nombre de morts évitables dans les hôpitaux militaires britanniques au cours de la guerre faire nommer une deuxième commis-
de Crimée (1854-1856).Elle qualifiait ce type de diagramme de « crête de coq ». La surface sion royale chargée d'étudier la
ques-
de chacun des secteurs coloriés est proportionnelle au chiffre représenté. Les secteurs
tion indienne. Les conditions sanitaires
bleus représentent les morts dues à des « maladies évitables ou des maladies zymotiques
traitables » (c'est-à-dire des maladies contagieuses telles que le choléra et le typhus) étaient responsables d'une mortalité,
; les
secteurs rosesreprésentent les morts dues aux blessures et les secteursgris, les morts dues parmi les troupes stationnées en Inde,
a d'autres causes. Le diagramme est tiré de son livre Notes on Matters Affecting the six fois supérieure à celle des civils en
Health, Efficiency and Hospital Administration of the British Army (1858). Angleterre. La commission acheva son
enquête en 1863 et les premières
réformes furent appliquées. En 1873,
après dix ans de réformes sanitaires,
Florence faisait savoir que le taux de
mortalité des soldats basés en Inde était
tombé de 69 pour mille à 18 pour mille.
Ces exemples montraient que les
statistiques constituaient un moyen utile
pour appréhender la vérité. Avec ces
statistiques hospitalières précises et
régulières, écrivait-elle, « la valeur rela-
tive des différentes méthodes de traite-
ment et de certaines opérations pourrait
être vérifiée par un test statistique » ;
autrement dit, les statistiques permet-
traient d'améliorer des techniques médi-
cales et opératoires. Le problème était
qu'à cette époque les données statis-
tiques relevées dans les hôpitaux
n'étaient ni régulières ni précises. Elle
mit donc au point, avec l'aide de Farr et
d'autres médecins, un « modèle de for-
mulaire de statistiques hospitalières »,
qui fut adopté au Congrès international

Representing the Relative Mortality of the Army at Home and of the English Male Population at corresponding Ages.

Representing the Relative Mortality, from different Causes, of the Army in the East in Hospital and of the English Male
Population aged 15-45.

3. CES DIAGRAMMES, extraits du rapport de la commission royale, chiffres du diagramme supérieur sont exprimés en pour cent, ceux du
mettent en parallèle les conditions de vie des militaires et des civils. diagramme inférieur en pour mille. Ce rapport a suscité l'adoption
La mortalité dans l'armée en temps de paix était presque le double ded'un code sanitaire militaire et une série d'améliorations matérielles
ce qu'elle était chez les civils (en haut). Au cours de la guerre de dans les bâtiments de l'armée. Comme d'autres diagrammes, ils sont
Crimée, les maladies zymotiques furent la principale cause de morta- des exemplesde l'approche novatrice de Florence Nightingale pour
lité, laquelle était bien plus élevée qu'en Angleterre (en bas). Les ce qui estde la représentation des données statistiques.
 de statistiques réuni à Londres en été
1860. Toutefois la collecte régulière de
données dans les hôpitaux restait diffi-
cile, en raison de la complexité du sys-
tème et de nombreuses résistances.

Chaire de statistiques
et école d'infirmières

Florence Nightingale restait très

attachée à ses convictions religieuses ;
selon elle, les lois gouvernant des phé-
nomènes sociaux étaient des lois
divines, que les statistiques allaient
révéler. La science de Quetelet était,
disait-elle, « indispensable à toute admi-
nistration politique et sociale », mais les
responsables politiques étaient parfaite-
ment ignorants dans ce domaine. C'est
pour cette raison qu'elle introduisit
l'usage de différentes représentations
graphiques compréhensibles par tous et
qu'elle lutta pour qu'on enseigne les
statistiques au niveau supérieur ; son
rêve d'une chaire de statistiques à
l'Université n'est devenu réalité
qu'après sa mort. Même de nos jours, la
société ne s'est pas ralliée à son opi-
nion : la preuve en est que l'enseigne-
ment des statistiques n'est pas encore
obligatoire dans les écoles.
Les statistiques occupaient une place
importante aux yeux de Florence, mais
elle souhaitait retrouver le métier d'infir-
mière, le premier « appelde Dieu » ; cette
joie lui fut refusée, car elle resta invalide
une grande partie de sa vie, après son
retour de Crimée. Ce confinement dans
sa chambre, où elle recevait un flot
continu de visiteurs, ne l'empêcha pas
d'exercer son influence ni d'élaborer le
statut professionnel moderne de la profes-
sion d'infirmière. Avec l'argent du Fonds
Nightingale (près de 50 000 livres réunies
par une souscription publique en l'hon-
neur de l' « héroïne populaire »),elle fonda
enfin, en 1860, l'École d'infirmières
Florence Nightingale. Le règlement,
fondé sur ses principes, stipulait : «(1)
que les infirmières doivent recevoir leur
formation technique dans des hôpitaux
spécialement aménagés à cet effet ; (2)
qu'elles doivent habiter dans un lieu où
l'on pourrait leur inculquer des principes
4. LES PERTESD'EFFECTIFS SUBIES PAR L'ARMÉE BRITANNIQUE du fait du taux de
morta- de vie morale et un esprit de discipline ».
lité et d'invalidité excessifs apparaissent sur ces diagrammes extraits du rapport de la Ces deux principes étaient révolu-
Commissionroyale.On admet danschaque casque 10 000 recruesde20 ans viennentsajou- tionnaires à cette époque, et le fait
ter chaque année à l'ensemble des forces armées, et que la carrière militaire d'un soldat en qu'ils soient
couramment admis de nos
bonne santédure 20 ans. Chaquepetit rectanglereprésente1000hommes.Dans les conditions
jours témoigne des services rendus à la
sanitairesinsuffisantesalors en vigueur (diagrammedu bas), décès (en vert foncé) et invalidité
(en jaune) réduisent l'effectif de l'armée (en vert clair) à 141 764 hommes à partir d'un effectifprofession par Florence Nightingale ; ils
théorique de 200 000, soit une perte de 29 pour cent. Si la mortalité avait été aussifaible que ont contribué, autant que n'importe quel
dans la population civile, et si le rapport entre les taux de mortalité et d'invalidité était progrès scientifique, à l'amélioration de
constant,l'effectif total de l'armée aurait augmentéde 166910 hommes(diagrammedu haut). la qualité générale des soins médicaux.
 L'épidémiologiste

traque le hasard

Daniel Schwartz

L'épidémiologiste doit parfaitement cerner nom commencepar une autre lettre ; le

nom dépend, entre autres, des ethnies,
les effets du hasard dans l'étude des maladies. des régions. Dans un amphithéâtre, les
élèves du premier rang (quand il y en
D'un adversaire, il se fait alors un allié. a...) diffèrent des autres : souvent ce
sont les plus consciencieux,les plus tôt
arrivés ou ceux qui entendent ou voient
moins bien. Les souris attrapéesen pre-
Lehasardse manifestesouvent tion d'échantillons permettait d'éviter mier sont... des nigaudes.L'expérience
en médecine,notammentlors desrecensementsd'une lourdeur et d'un montre qu'elles sont plus vulnérables
des découvertes, où il joue prix exorbitants. Toutefois on s'aperçut aux maladies.
alors un rôle positif (voir rapidementque les résultats manquaient Dans ces exemples,l'échantillon dif-
1'article de Jean Jacques,Le d'exactitude. Nous savons maintenant fère systématiquementde la population
hasard trouve bien les choses,dans ce pourquoi : on ne prenait en considéra- par un caractèreau moins (la première
dossier).J'ai choisi d'évoquer ici le cas tion ni la représentativité de l'échan- lettre du nom, la place dans l'amphi-
où le hasard est inhérent au sujet tillon ni les fluctuations d'échantillon- théâtre...) ; commeun caractèreest tou-
d'étude. L'épidémiologiste connaîtcette nage.C'est là que le hasardintervient. jours lié à un écheveau de beaucoup
situation : pour mener à bien son projet, Comment obtenir un échantillon d'autres, l'échantillon risque de différer
il doit comprendreet maîtriser au mieux représentatif d'une population ? On de la populationpar de nombreuxcarac-
le hasardet ses manifestations.Le com- constitue souvent des échantillons par tères,peut-êtreprécisémentceuxque l'on
prendre,pour estimerla fréquenced'une des procédéscommodes,en s'imaginant étudie.Un tel échantillonn'est pas repré-
maladie et en déterminerles facteurs, le qu'ils sont « représentatifs ».
Ainsi, dans sentatif ; on dit qu'il est « biaisé ».
maîtriser, pour guérir ou prévenir. la population française, on choisit les Pour éviter tout biais, on doit intro-
sujets dont le nom commence par A. duire dans l'échantillon des sujetschoisis
La fréquence Dans la population des étudiantssuivant indépendammentde toutes leurs caracté-
d'une maladie un cours,on choisit ceux du premierrang ristiques.La seulefaçon d'y parvenir est
dans l'amphithéâtre. Dans un groupe de de recourirau hasard-n'est-ce paslà une
La fréquence d'une maladie est souris d'une race donnée,quandon sou- de ses définitions? Le hasard est la ren-
généralementchiffrée à l'aide de deux haite faire une expériencesur 20 souris, contre de deux chaînes d'événements
indices : l'incidence, ou fréquence des on choisit les20 premièresattrapéesdans indépendantes: ainsi le croisement, au
cas nouveaux dans une période donnée, la cage.Cesméthodessontmauvaises. même instant, de l'itinéraire choisi par
et la prévalence, ou fréquence des cas Les Français dont le nom com- MonsieurN et de la trajectoired'une tuile
présentsdans une période donnée, ou à mence par A diffèrent de ceux dont le qui glissed'un toit et lui tombe surla tête
un instant donné. Ces fréquences sont est un hasard... Ainsi un échantillon
égalesau rapport du nombredesmalades constituépar tirage au sort sera représen-
au nombredessujets ; toutefois, en règle tatif. Malheureusement,le hasard ne se
générale,on ne peut pasles évaluerainsi, laissepasdompteraussifacilement.
car la population-d'un pays, d'une Même tiré au sort, un échantillon
région-est numériquementtrop impor- n'est pas l'image exacte de la popula-
tante.La solutionconsistealors à estimer tion, en raison des fluctuations d'échan-
le taux cherchéà partir de celui observé tillonnage. Lorsqu'on tire au sort des
sur un échantillonplus petit. échantillonsdans une urne contenant20
L'idée de décrire une population à pour cent de boules blanches,on obtient
partir d'un échantillon réduit, à l'aide des échantillons où la proportion de
d'un « multiplicateur »,n'a été imaginée boules blanches fluctue autour de la
que dans la seconde moitié du XVIIIe valeur 20 pour cent. Ces fluctuations
siècle, notamment par l'école d'arith- 1. UN ÉCHANTILLION est rarement sont imprévisibles ; le hasardpeut pro-
repré-
métique politique anglaise.Elle engen- sentatif. Ainsi les animaux faciles à attra- duire n'importe quel écart à la propor-
dra une véritable révolution : l'observa- per sontengénérallesmoinsvivaces. tion dans l'urne (dans la population).

2. UNE FOURCHETTE correspond a un
risque ; a gauche le risque de perdre est
plus faible, mais comparez les récom-
penses !
Cependant, on s'en doute, tous les écarts
ne sont pas également vraisemblables ;
les très grands écarts sont très peu pro-
bables. Au moyen du calcul des probabi-
lités, le statisticien définit un intervalle
autour du taux observé, intervalle qui
contient probablement le vrai taux : c'est
« I'intervalle de confiance » ou, plus cou-
ramment, la « fourchette ».
Si l'on ne peut connaître le vrai taux
par échantillonnage, peut-on au moins le
situer avec certitude dans la fourchette ?
Non. Le hasard étant capable de tous les
caprices, on ne peut raisonner qu'en
termes de probabilités, et la fourchette n'a
de signification qu'assortie d'un certain
risque d'erreur. On adopte souvent un
risque de cinq pour cent : cinq fois sur
cent, le taux mesuré sur l'échantillon
n'est pas le bon, le vrai taux étant en
dehors de la fourchette. On peut diminuer
le risque d'erreur, mais alors la fourchette
grandit et perd son intérêt : ainsi quand
on dit que le vrai taux est dans la four-
chette de 0 à 100 pour cent, le risque
d'erreur est nul ! Le seuil
habituel de cinq pour cent n'a
pas une valeur d'obligation ni
un sens magique. Il présente
simplement quelques avan-
tages pratiques : c'est d'abord
un risque faible, c'est ensuite
un chiffre « rond » (c'est un
pari à 20 contre 1), enfin la
détermination de la four-
chette correspondante ne
nécessite qu'un calcul simple,
sansconsultation de tables.
Bien entendu, il existe
3. MESURE DU TAUX de séropositifs pour le SIDA dans une popula- à des
une infinité de fourchettes,
tion. On a observé25 séropositifssur un échantillon représentatif de
une pour chaque risque
5 000 sujets, soit un taux de cinq pour mille. Ce taux observé n'a de
d'erreur adopté. On doit trou-
signification qu'assorti d'une fourchette : le risque que le vrai taux
ver un compromis entre le sorte d'une fourchette comprise entre3pour mille et 7 pour mille est
risque acceptable et le souci acceptable (en haut). On peut diminuerce risque, mais alors lafour-
de précision (voir lafigure 3). chette est plus large,et devient moins intéressante(en bas).
À l'impossible certitude, la four-
chette apporte le remède (partiel) de
l'incertitude contrôlée. Le triomphe de
cette solution ne fut pas aisé. Entre le
moment où l'on conçut l'idée révolu-
tionnaire du jugement sur échantillon
et celui où l'on proposa le calcul
d'intervalles de confiance valables
s'écoulèrent deux siècles parsemés de
longs et âpres combats. Le premier
conflit, qui portait sur le principe
même du jugement sur échantillon,
dressa les tenants du tout (exact mais
onéreux) contre ceux de la partie
(moins onéreuse mais moins exacte).
La deuxième querelle, une fois admise
la nécessité de l'échantillon, opposa les
partisans du choix judicieux des sujets
à ceux de leur tirage au sort. C'est seu-
lement en 1934 que le célèbre statisti-
cien Jerzy Neyman y mit un terme en
montrant la supériorité du tirage au
sort : son principal argument est que
celui-ci engendre un échantillon com-
parable en moyenne à la population
pour tous les caractères connus ou
inconnus des sujets, ce que ne peut
faire aucun choix raisonné.
Ainsi apparaît-il que, pour l'estima-
tion d'une fréquence, le statisticien et
le hasard procèdent à des échanges
subtils : le hasard règne en maître et
peut tout se permettre, mais le statisti-
cien restreint son pouvoir, en acceptant
de courir un risque d'erreur préalable-
ment choisi. Pour ce faire, il fait parti-
ciper le hasard dans un tirage au sort ;
il emprunte son arme pour le maîtriser !
Qui fait la loi, qui la subit ? En outre, le
hasard ne peut pas vraiment « tout se
permettre », car certains résultats ont
une probabilité quasi nulle : ils sont
quasiment impossibles.
L'évaluation
des traitements
L'évaluation des traitements chez
l'homme est une pratique récente. Dans
le cas de la méningite tuberculeuse, un
seul succès a suffi à la consécration de
la streptomycine (un antibiotique), car
cette maladie ne guérit jamais spontané-
ment. De telles situations sont excep-
tionnelles. Dans la plupart des maladies,
certains patients guérissent, d'autres
non, spontanément ou sous traitement.
L'objectif est de savoir si la probabilité
de guérir est supérieure avec traitement
ou sans traitement, ou avec un nouveau
traitement plutôt qu'avec l'ancien.
C'est ici qu'intervient la démarche
statistique. Les agronomes ont adopté
les premiers une telle démarche, pour
comparer des engrais. La première
approche statistique en médecine date
de 1948 : sous la direction de Bradford
Hill, une équipe du Medical Research
Council souhaitait éprouver l'action de
la streptomycine, cette fois sur la tuber-
culose pulmonaire. Depuis cette
innovation, la méthodologie sans cesse
perfectionnée confère à l'évaluation des
traitements une rigueur autrefois réser-
vée aux expériences de laboratoire.
La méthode statistique d'évaluation
des traitements consiste à comparer
deux groupes de malades : un groupe
« traité »recevant le nouveau traitement à
évaluer et un groupe « témoin »recevant
le traitement de référence, en principe le
meilleur connu à l'époque, ou ne rece-
vant aucun traitement s'il n'en existe
aucun. Supposons que chacun des deux
groupes comporte 200 malades, et que
l'on observe 50 pour cent de guéris dans
l'un et 30 pour cent dans l'autre. Ces
pourcentages observes sont
certes différents, mais ce
qui nous importe, c'est de
savoir si les vrais taux de
guéris, les probabilités de
guérison, diffèrent ; souve-
nons-nous en effet que les
taux observés s'écartent
plus ou moins des vrais taux
en raison des fluctuations
d'échantillonnage. On a
assez dit que, dans ces fluc-
tuations, le hasard « peut
tout faire » ; il peut conduire
taux de guéris très dif-
férents alors que les chances
de guérison sont égales, et à
des taux voisins ou même
identiques alors que les
chances de guérisons sont
 du hasard est inférieure à cinq pour
cent. Elle est d'autant plus significative
que cette probabilité est plus faible. Une
fois encore, le duel entre le statisticien
et le hasard apparaît : ce dernier peut
tout faire, la certitude est exclue, mais le
statisticien peut conclure avec un risque
d'erreur consenti.
Cependant, le hasard intervient une
fois encore : si la différence est signifi-
cative, nous ne l'attribuerons pas au
hasard, mais résulte-t-elle pour autant
de la différence de traitement ?
4. EN L'ABSENCE DE TIRAGE AU SORT, L'exemple suivant invite à la réflexion.
on risque de sélectionner des individus très Dans un centre anticancéreux, on
particuliers. Ici, le plus facile à attraper. confronta les taux de survie des
malades traités, l'un par un médecin A,
différentes. Par quel moyen décide-t-on I'autre par un médecin B, avec le même
qu'une différence de taux entre deux protocole thérapeutique. Les résultats
groupes est « significative » ? En effec- étaient significativement différents : le
tuant un test statistique. Son principe taux de survie était inférieur dans le
est le suivant. groupe traité par le médecin A. Celui-ci
On émet l'hypothèse que le vrai était en fonction depuis peu dans le
taux de guéris est le même dans les centre ; on peut imaginer son inquié-
deux groupes, et on calcule la probabi- tude s'il avait connu les résultats.
lité p d'obtenir, sous cette hypothèse, Cependant avant toute diffusion, on
une différence au moins aussi grande compara soigneusement les deux
que celle observée. Si cette probabilité groupes de malades à leur entrée dans
est faible, on rejette l'hypothèse. Ainsi, le centre. II apparut que le médecin A,
dans le cas des deux groupes de 200 de grande renommée, avait attiré les
malades avec 50 et 30 pour cent de gué- cas les plus graves : les groupes
ris, le calcul montre que, si les vrais n'étaient pas comparables. Il est clair
taux de guérison étaient les mêmes avec que, pour attribuer une différence à un
les deux traitements comparés, on aurait facteur, on doit confronter deux
moins de I chance sur 10 000 d'obser- groupes comparables à tous égards,
ver une telle différence de taux. L'hypo- excepté pour ce facteur.
thèse d'égalité des vrais taux de guéri- Comment obtenir des groupes com-
son est donc très invraisemblable. parables ? On a longtemps utilisé des
Autrement dit, la différence observée moyens simples et-en apparence-
est significative. satisfaisants. Ainsi le groupe traité était
Habituellement, on considère constitué par les patients de l'année en
qu'une différence est significative cours, le groupe témoin, par ceux de
quand la probabilité p calculée est infé- l'année passée, traités avec le médica-
rieure à cinq pour cent.
Plus cette probabilité est
faible comparée a cinq
pour cent, plus le degré de
signification est élevé.
Dans l'exemple présenté
plus haut, oùp = 1/10 000,
il est peu vraisemblable
que la différence provienne
des hasards de l'échan-
tillonnage, et très vraisem-
blable qu'elle traduise une
différence réelle : la diffé-
rence est hautement signifi-
cative.
5. COMPARAISON DE DEUX TRAITEMENTS. Deux groupes comparables
Résumons-nous : une
reçoivent deux traitementsA et B. La différence de taux de guérison
différence est significative
est significative : en effet, si l'on supposeque les deux groupes ont
si la probabilité d'observer
le même taux de guérison, la probabilité d'obtenir une différence au
une différence de cette moins aussi grande que celle observée (50 %-30 %) est inférieure à annuel d'une maladie s'iden-
importance par le seul fait 1 pour 10 000 ; cettehypothèseest donc très improbable.
ment de référence ; ou bien les deux
groupes de malades étaient dans deux
hôpitaux différents. C'était supposer
que les malades de deux époques diffé-
rentes, ou de deux hôpitaux différents,
sont semblables. Cette hypothèse est
généralement fausse, pour la même rai-
son qu'un échantillon composé d'élé-
ments choisis n'est pas représentatif :
les caractéristiques qui déterminent
l'appartenance des sujets à l'un ou
l'autre des groupes (année, lieu de trai-
tement) sont liées à un écheveau de
beaucoup d'autres. Les groupes ainsi
formés sont vraisemblablement diffé-
rents à de nombreux égards. Deux
groupes ne sont comparables que si
l'inclusion d'un sujet dans chacun d'eux
est indépendante de toutes ses caracté-
ristiques. On les obtient de la même
manière que dans le cas de l'échantillon
représentatif : par tirage au sort.
La technique du tirage au sort est
nommée « randomisation », du mot
anglais random, lui-même emprunté au
terme du vieux français randon (d'où
vient randonnée). Cette démarche statis-
tique pose, bien sûr, des problèmes
éthiques : chaque malade souhaite rece-
voir le meilleur traitement. Toutefois, les
divers comités d'éthique, nationaux et
internationaux, ont estimé qu'elle est
non seulement acceptable mais même
indispensable, à condition que soit réali-
sée la « condition d'incertitude », c'est-à-
dire que l'on ne sache pas lequel des
traitements est le meilleur. Cette condi-
tion est réalisée plus souvent qu'on ne
le pense : certes, on espère que le nou-
veau traitement sera le meilleur, mais ce
n'est pas prouvé, et on ignore ses éven-
tuels effets secondaires. Il est alors indi-
qué de répartir les sujets au hasard entre
les deux groupes, à la fois
pour des raisons éthiques et
statistiques.
Les facteurs
de risque
L'étude des facteurs de
risque d'une maladie (I'étio-
logie) est un volet important
de l'épidémiologie. Une défi-
nition du risque d'un événe-
ment est la probabilité qu'il
se produise, éventuellement
au cours d'une période don-
née. Le risque d'une maladie
est une façon d'exprimer sa
fréquence ; ainsi le risque
tifie à son incidence annuelle.
 la fréquence concerne la Les risques ainsi calcu-
population, tandis que le lés sont très disparates
risque s'attache surtout à puisque, entre les deux cas
l'individu. C'est pourquoi extrêmes des sujets présen-
l'on recherche une person- tés, le risque varie de 1 pour
nalisation maximale du mille à 100 pour mille.
risque, en tenant compte Jusqu'où peut nous mener
desfacteurs de risque. cette voie ? La connaissance
Est facteur de risque de nouveaux facteurs per-
tout élément corrélé à mettra-t-elle de diviser une
l'apparition de l'événement. population où le risque est
Le taux annuel d'infarctus de quatre pour mille en
dans une population aug- deux groupes de sujets,
mente avec l'âge : l'âge est dont l'un comporte les
un facteur de risque. quatre individus qui feront
Supposons que, dans un sûrement un infarctus dans
groupe de sujets, la fré- l'année, et l'autre les 996
quence annuelle de l'infarc- 5. LA DFTERMINATION DES FACTEURS DE RISQUE permet de pla-qui n'en feront sûrement
tus atteigne quatre pour cer des individus dans des catégories. On personnalise ainsi le calcul pas ? La réponse à une telle
mille ; pour un sujet dont on de risque, ici le risque de décès par crise cardiaque. question est négative, et ce
ignore tout, le risque annuel pour deux raisons. La pre-
d'infarctus est quatre pour mière est qu'on n'arrivera
mille. Si, dans ce groupe, on sait qu'un fumer d'un individu, mais aussi le probablement jamais à connaître tous
sujet a 80 ans, on tiendra compte de nombre de cigarettes qu'il fume. Le test les facteurs de risque. La seconde est
cette information en évaluant son risque sera quelque peu modifié dans sa forme, que, même si on les connaissait, on ne
dans le sous-groupe des sujets de 80 mais pas dans son principe. parviendrait pas à exclure l'imprévisi-
ans. On trouvera ainsi une nouvelle La deuxième étape consiste à définir bilité d'une maladie.
valeur, supérieure à quatre pour mille, des cellules de facteurs de risque : Un autre exemple illustre les
mieux adaptée au sujet. l'ensemble des sujets qui sont fumeurs limites de la prévision : le conducteur
Cette nouvelle valeur semble plus et qui ont une cholestérolémie et une au volant de sa voiture encourt un
réaliste, mais elle n'est pas pleinement tension artérielle élevées forme une cel- risque d'accident qu'on estime au
satisfaisante ; on a supposé que le lule ; la proportion de sujets faisant un mieux en fonction de son âge, de son
risque est le même pour tous les sujets infarctus dans cette cellule sera une esti- type de voiture, de l'alcool absorbé...,
de 80 ans. Précédemment, on ignorait mation du risque annuel de ces sujets, et mais sans pouvoir jamais tenir compte
tout facteur de risque, maintenant on le hasard interviendra dans la nécessité des imprévus du parcours.
ignore tout facteur de risque autre que d'établir une fourchette, comme on l'a Ainsi il apparaît que le risque résulte
l'âge : la frontière de l'inconnu a seule- vu dans l'étude de la fréquence d'une à la fois de l'ignorance et du hasard.
ment reculé d'un pas. En prenant en maladie. Quand on considère plus fine- Pour personnaliser un risque de maladie,
compte de nouveaux facteurs, la cho- ment le nombre de cigarettes fumées et l'épidémiologiste réduit la part d'igno-
lestérolémie, puis la tension artérielle, les valeurs de la cholestérolémie et de la rance pour se rapprocher aussi près que
puis l'usage du tabac, on pourra placer tension, le nombre des cellules devient possible de la situation où la seule
le sujet dans des sous-groupes de plus infini (les facteurs sont des variables composante du risque est le hasard pur,
en plus réduits. D'étape en étape, le continues) ; on doit alors utiliser une semblable à l'issue d'un lancer de
risque changera au gré des informa- méthode différente, mais le principe de pièce ou d'un jeu de loterie. Ce hasard
tions, cernant de plus en plus près une l'intervention du hasard par une four- là est irréductible, quel que soit le
probabilité personnalisée. chette reste le même. niveau de l'information ; on ne saurait
Le travail de l'épidémiologiste Ces deux étapes de l'épidémiologie le confondre avec l'ignorance au sens
comporte ainsi deux étapes. Dans la limitent-elles le rôle du hasard à ce que habituel du mot.
première, il détermine le plus grand nous avons vu précédemment, c'est-à- Cette distinction entre l'ignorance
nombre possible de facteurs de risque. dire à l'utilisation du test statistique et à et le hasard a été parfois contestée.
Dans la deuxième, qui en est l'aboutis- la détermination d'une fourchette ? Non. Pour Laplace, le hasard représente
sement-nous dirions presque la Il semble que l'établissement du risque seulement l'expression de notre igno-
récompense-, il utilise ces facteurs pose un problème particulier, qui rance. « Tout phénomène, si minime
pour établir un risque personnalisé. conduit à réfléchir sur la définition soit-il, a une cause, et un esprit infini-
La première étape vise à comparer, même du hasard. Considérons ment puissant, infiniment bien informé
par exemple, les pourcentages d'infarc- l'exemple suivant : dans une étude des lois de la nature, aurait pu le pré-
tus chez les fumeurs et chez les non- menée il y a quelques années dans une voir dès le commencement des
fumeurs ; elle utilise les mêmes population d'hommes de 50 ans, le siècles. » Cette vue théorique n'est
méthodes que pour la comparaison des risque annuel de l'événement infarctus guère féconde ; l'épidémiologiste pré-
pourcentages de guéris avec deux traite- ou mort subite était de quatre pour fère considérer, d'une part les facteurs
ments A et B, à savoir le test statistique. mille. Le tableau de la figure 5 donne le de risque, qu'il cherche à identifier et,
Sans doute peut-on aller plus loin, en risque estimé pour deux sujets ayant des d'autre part, le hasard, insaisissable
considérant non seulement l'habitude de facteurs de risque extrêmes. autrement que par une fourchette.
L'évaluation
et la gestion
Une mauvaise évaluation des risques
à des décisions parfois désastreuses.
Les ingénieurs ont récemment
des techniques rationnelles d'évaluation
Nousvivons bien plus long-
tempset en bien meilleure
restons préoccupés
santé qu'autrefois, mais
par
notre santé, notre sécurité
et notre environnement.Les industriels
qui prônent des techniques impopu-
laires, ainsi que les membres des orga-
nismes de protection de l'environne-
ment, pensentque le public évalue mal
les risques de maladies,d'accidents ou
de catastrophes : les citoyens deman-
dent au gouvernement de faire des
efforts considérables pour limiter des
risques mineurs qui les angoissent,mais
ignorent presqueentièrementdesrisques
bien plus graveset plus répandus.
Toutefois l'expérience semblemon-
trer que le public est conscient des
risques qui le menacent. Au cours des
dernières décennies, il a accepté de
nombreusesmesuresvisant à limiter ces
risques : le tabagisme,qui a considéra-
blement diminué, est de moins en moins
bien supportépar la société ; l'alimenta-
tion s'est allégéeet enrichie en fibres ;
des efforts de sécurité routière ont été
faits (réduction des vitesseset port obli-
gatoire de la ceinture de sécurité).
Les spécialistes du risque ont
observé que le public est très sensible
aux risques lorsque les gouvernements
et des institutions l'en informent. La
définition populaire du risque est plus
large et, peut-être, plus rationnelle que
celle des spécialistes. La gestion des
risques requiert des choix politiques,
économiques et sociaux qui, dans une
démocratie, doivent être faits par
des risques
conduit
mis au point
des risques.
l'ensemble des citoyens ; ainsi seule-
ment accepteront-ils les conséquences
parfois désagréablesdesdécisions.
Nos sociétés ont de nombreux pro-
blèmes à résoudre : le SIDA, I'alcoo-
lisme, l'amiante, la contamination de la
nourriture et de l'eau potable... Par
ailleurs, les progrès scientifiques et
sociaux apportent leur lot de difficul-
tés, tels le réchauffement du Globe, la
surpopulation ou les risques liés au
génie génétique. Pour limiter ces
risques, les responsables politiques
doivent non seulement évaluer leur
importance, mais aussi adopter de nou-
velles règles de communication et être
à l'écoute du public, au lieu de le gaver
d'informations.
Paradoxalement l'évaluation des
risques s'est affinée, alors que la
confiance publique à l'égard des ges-
tionnaires du risque diminuait. On sait
aujourd'hui analyser rationnellement et
quantifier les dangerspotentiels, afin de
fournir au public, à ses élus et aux
administrations des faits précis sur les-
quelsils peuventfonder leurs décisions.
Analyser les risques consiste
d'abord à distinguer l'exposition au
danger et ses conséquences. On exa-
mine les phénomènes susceptibles de
nuire aux personnes, aux écosystèmes
ou aux oeuvresd'art exposées; puis on
chercheles effets possiblesde ces expo-
sitions. Ainsi, pour étudier les risques
d'intoxication au plomb des enfantsqui
vivent dans des bâtiments vétustes, on
commence par observer comment les
peintures anciennesqui s'écaillent libè-
Granger Morgan
rent du plomb dans l'environnement, et
comment ce métal s'accumule dans
l'organisme des enfantsqui inhalent ou
ingèrent des poussières.Puis on analyse
les effets des expositions au plomb :
l'augmentation des quantités de plomb
dans le sang réduit-elle les perfor-
mancesintellectuelles?
L'exposition à un polluant ou à
d'autres dangers est suivie d'une cas-
cade d'événements complexes, aux
effets variés. Cependant on peut repré-
senter ces effets par des fonctions qui
associentun seul nombreà chaquedegré
d'exposition. Par exemple, le risque
moyen de cancer est proportionnel à la
consommation de cigarettes : une
consommation quotidienne de 10 ciga-
rettes multiplie généralementpar 25 la
probabilité de cancerdu poumon, et une
consommation quotidienne de 20 ciga-
rettesmultiplie cette probabilité par 50.
L'étude de l'exposition aux risques
et de leurs effets est souvent pleine
d'incertitudes ; cette incertitude est au
coeur de la définition du risque. Les
risques sont généralement connus en
termes de probabilités, mais la survenue
d'événements particuliers est souvent
très imprévisible : les compagnies
d'assurancessaventestimer précisément
le nombre annueld'accidents de la route
en France, mais elles ne peuvent évi-
demment pas prédire quel automobiliste
seratué ou blessédansun accident.
Pour d'autres risques, comme ceux
liés à des techniquesnouvelles ou à des
1. LA CATASTROPHE AFRIEYNE de Madrid
en novembre1983,a tué183 personnes. Le
risque (faible) de décès par accident
d'avion est un prix que la sociétéaccepte
depayerpour un transport rapide et pra-
tique dans le monde.Certains systèmes,
telles les centrales nucléaires, font peu de
morts mais sont très réglementés,tandis
que d'autres,commela circulation auto-
mobile, sont très meurtriers mais mobili-
sent peu le public.
événements ayant rarement des effets
néfastes, l'incertitude est plus générale :
on ne peut ni prédire les événements
individuels, ni même calculer les proba-
bilités de l'exposition. En l'absence de
données actuarielles fiables, les ana-
lystes recherchent d'autres méthodes
pour estimer la probabilité d'exposition
et les effets associés. Les progrès réali-
sés dans l'évaluation des risques, au
cours des 20 dernières années, provien-
nent surtout de la découverte de
méthodes d'analyse des risques rares.
Dans une de ces méthodes couram-
ment utilisées, nommée analyse du
mode de défaillance et des effets, on
recherche tous les événements suscep-
tibles de mettre un système hors d'état,
puis on étudie, aussi exhaustivement
que possible, les différentes successions
de causes (« modes »)par lesquelles ces
événements peuvent produire la
défaillance du système (par exemple, un
réservoir de produit chimique peut fuir
parce qu'une soudure lâche ou qu'un
court-circuit, dans le système de refroi-
dissement, provoque sa surchauffe, puis
son explosion). Dresser la liste exhaus-
tive des modes de défaillance est moins
simple qu'il n'y paraît. En général, un
système doit être décrit de plusieurs
façons avant que les analystes en saisis-
sent toute la complexité et, même alors,
ils ne sont jamais certains d'avoir iden-
tifié tous ses modes de défaillance.
Les arbres de défaillance
Après avoir recensé les différents
modes de défaillance d'un système, on
estime la probabilité de chaque mode à
l'aide d'un arbre qui décrit les compo-
sants du système et qui montre com-
ment le dysfonctionnement de chaque
composant perturbe le fonctionnement
général. Grâce à cet arbre, on détermine
le risque de panne du système entier,
dans des conditions données, à partir de
la probabilité de panne de chaque com-
posant. En 1975, Norman Rasmussen,
du Massachusetts Institute of
Technology, fut l'un des premiers à uti-
liser cette méthode pour estimer la sécu-
rité des réacteurs nucléaires. Les arbres
de défaillance sont aujourd'hui couram-
ment utilisés dans l'industrie nucléaire
et dans d'autres domaines.
La Société Boeing utilise les arbres
de défaillance pour concevoir ses gros
porteurs. Ses ingénieurs ont identifié et
corrigé de nombreux risques, tels ceux
qui sont liés à l'acheminement de mul-
tiples circuits de commande dans une
même zone. De même, les ingénieurs de
la Société Alcoa ont utilisé les arbres de
défaillances pour étudier la sécurité de
leurs fours de grande capacité. Sur la
base de leurs résultats, la société a
révisé ses normes de sécurité et imposé
l'utilisation de commandes program-
mables dans les zones dangereuses ;
pour prévenir les fuites, elle a égale-
ment instauré des systèmes de contrôle
rigoureux des vannes de fermeture auto-
matiques, pour prévenir les fuites, et
ajouté des alarmes signalant aux opéra-
teurs de fermer les vannes manuelles
lors des pannes. Ces modifications
auraient divisé par 20 le risque d'explo-
sion. Des sociétés chimiques comme Du
Pont de Nemours, Rhône Poulenc et
Monsanto emploient aussi cette
méthode pour concevoir les processus de
fabrication, choisir les sites d'implanta-
tion de leurs usines et évaluer les risques
liés au transport des produits chimiques.
L'analyse du risque consiste non
seulement à évaluer la probabilité des
événements nuisibles, telle l'avarie d'un
équipement crucial, mais aussi à estimer
2. LAGESTlON DES RISQUES commence par l'étude des popula-
tions et de l'environnement exposés à une nuisance, comme les
émissions d'une centrale électrique au charbon (à gauche).
Après avoir quantifié les effets de l'exposition (deuxième illustra-
tion), on analyse les réactions du public face au risque.
Finalement on évalue les coûts et les bénéfices de ce risque. Pour
gérer correctement les risques, on doit également définir les
règles sur lesquelles se fonde la prise de décision, et s'assurer
que tous les effets possibles ont été pris en compte-ce que l'on
néglige souvent de faire.

d'autres inconnues : en cas de fuite d'un
réservoir de produit chimique, estimer
la quantité exacte de polluant déversé,
la forme de la courbe dose-réponse chez
les personnes exposées, et la vitesse des
réactions qui transforment le contenu du
réservoir en composés plus ou moins
toxiques. Ces incertitudes sont souvent
représentées par des histogrammes
décrivant les probabilités qu'une
variable prenne une valeur donnée, à
l'intérieur d'un intervalle de valeurs.
Pour estimer la probabilité de panne
d'une pièce ou assigner un intervalle
d'incertitude à une variable essentielle
d'un système, on utilise parfois des don-
nées recueillies dans d'autres systèmes
similaires : même dans une usine chi-
mique de conception nouvelle, par
exemple, les diverses pièces des turbines
à vapeur sous haute pression sont iden-
tiques à celles des usines préexistantes.
Malheureusement on ne dispose pas
toujours de données concernant des sys-
tèmes analogues. Les analystes élabo-
rent alors des modèles prédictifs qui se
fondent sur les éléments connus de sys-
tèmes aussi semblables que possible, et,
souvent, ils s'en remettent aux juge-
ments subjectifs des spécialistes. Une
telle approche est généralement biaisée,
mais l'analyse quantitative des risques
conserve l'avantage de révéler explicite-
ment les hypothèses et les biais.
Il y a quelques années, l'analyse
détaillée des risques nécessitait des
mois de programmation spécifique, et
plusieurs semaines de calcul sur de gros
ordinateurs. Aujourd'hui des pro-
grammes puissants et polyvalents calcu-
lent les probabilités. Ces programmes,
exécutables sur des ordinateurs person-
nels, révolutionnent la discipline : ils per-
mettent à des analystes entraînés de réali-
ser des projets qui, il y a seulement une
dizaine d'années, semblaient réservés aux
organisations les plus puissantes. Une
formation reste nécessaire, mais l'évalua-
tion rigoureuse des risques devrait deve-
nir plus facile, donc plus fréquente.
La perception
sociale des risques
Les spécialistes du risque ne s'arrê-
tent pas à la détermination de la proba-
bilité des événements nocifs et à la des-
cription de leurs effets : ils étudient
ensuite les mécanismes psychologiques
et sociaux de perception et d'évaluation.
La façon de percevoir et d'évaluer les
risques détermine le choix, parmi tous
les événements nuisibles susceptibles de
se produire, de ceux que l'on juge
importants et contre lesquels on veut se
prémunir ; chacun de nous a des règles
pour évaluer les différents risques, choi-
sir le risque à traiter et décider des
moyens de lutte à mettre en oeuvre. La
gestion des risques oblige les sociétés à
identifier les problèmes qu'elles jugent
prioritaires et à déléguer à des personnes
le pouvoir de décider, une fois les
risques définis, ceux qui seront traités.
Longtemps les économistes et les
experts industriels ont perçu les risques
en termes de valeurs moyennes. Par
exemple, travailler quelques heures
dans une mine de charbon, manger des
sandwichs au beurre de cacahuète tous
les jours pendant des mois et vivre cinq
ans près d'une centrale nucléaire sont
trois situations qui augmentent le risque
de décès d'environ un millionième ; elles
semblaient correspondre à trois risques
équivalents. Le public, à qui l'on deman-
dait de classer différentes activités par
ordre de risque croissant, donnait un
classement qui ne correspondait pas à
l'ordre du nombre des décès liés à ces
activités : on en avait déduit qu'il éva-
luait mal les risques et que son avis ne
méritait pas d'être pris en compte.
Toutefois les psychologues ont étu-
dié en détail la perception publique des
risques et découvert qu'elle était bien
plus subtile. Quand on demande au
public de classer des risques bien identi-
fiés selon le nombre de décès et d'acci-
dents qu'ils occasionnent chaque année,
on obtient d'assez bons résultats ; en
revanche, le classement par ordre de
risque est très différent. Pour le public, le
risque n'est pas uniquement le nombre
prévu de décès ou de blessures par unité
de temps : les individus classent les
risques selon leur compréhension des
événements, la répartition du danger,
leur capacité à se soustraire à ce danger
et leur volonté d'assumer le risque.
Le public évalue les risques selon
trois types de critères. Le premier dépend
du degré d'atrocité d'un événement
(selon les effets produits ou le degré
d'innocence des victimes, par exemple) ;
le deuxième est lié à la compréhension
du risque, et le troisième est fonction du
nombre d'individus exposés. Ces trois
types de critères définissent un «espace
de risque ». Les réactions du public face
à un danger dépendent de la position de
ce danger dans un tel espace : il réclame
plus de protection contre les risques qui
présentent un degré élevé d'atrocité que
contre les risques quotidiens, qui provo-
quent pourtant davantage d'accidents.
Pour évaluer les risques, le public uti-
lise inconsciemment des critères empi-
riques qui sont généralement assez

fiables, mais qui introduisent parfois des
biais : par exemple, il sous-estime d'un
facteur 10 la fréquence des causes de
décès les plus fréquentes, comme les
attaques vasculaires, les cancers ou les
accidents, alors qu'il surestime de plu-
sieurs ordres de grandeur la fréquence de
causes de décès exceptionnelles, comme
le botulisme (une intoxication due à la
contamination des aliments par la bacté-
rie Clostridium botulinum).
Ces biais semblent dus à la « heuris-
tique de la familiarité ». Les gens évaluent
souvent la probabilité d'un événement
selon la facilité avec laquelle ils se remé-
morent ou s'imaginent un tel événement.
Bien que l'attaque vasculaire cérébrale
soit une causede décès très commune, les
gens n'en ont connaissanceque lorsqu'un
ami, un parent ou une célébrité en meurt ;
en revanche, presque toutes les intoxica-
tions botuliques sont signalées par les
médias. Ce biais, et d'autres, n'est pas
l'apanage du public : les spécialistes en
sont eux-mêmes parfois victimes
lorsqu'ils évaluent des probabilités.
Les moyens de lutte
Contre les risques identifiés et jugés
suffisamment graves, de quels moyens
de lutte dispose-t-on ? Comment fixer le
budget consacré à cette lutte, et à qui
confier la lutte ? Plusieurs stratégies sont
possibles : prévenir l'origine du risque,
diminuer les expositions, modifier leurs
effets, changer la perception et l'évalua-
tion publiques du risque par des cam-
pagnes d'information, indemniser les
victimes. La pertinence de chaque stra-
tégie dépend du risque considéré.
Avant de décider d'un mode d'inter-
vention, les gestionnaires des risques
doivent définir les règles qui leur per-
mettront de juger de la gravité des pro-
blèmes, de l'attention, des efforts et du
budget éventuellement consacrés à un
problème. On distingue trois types de
règles : les règles d'usage, les règles de
droit et les règles technologiques. Pour
établir le premier type de règles, on
recherche la stratégie qui produit le plus
de bénéfices nets : on dresse le bilan des
bénéfices et des coûts de chaque straté-
gie, on compare les bilans et on retient
la stratégie la plus efficace.
Pour établir ce premier type de
règles, on utilisait auparavant des esti-
mations fixes de la valeur des bénéfices
et des coûts. Aujourd'hui l'on utilise
plutôt des estimations probabilistes, afin
de tenir compte de l'incertitude des pré-
visions. Les décisions finales sont
exprimées en termes d'espérance
mathématique, mais on utilise parfois
d'autres critères. Par exemple, pour évi-
ter un désastre, on adopte une stratégie
« minimax » : on minimise les dégâts
produits par l'événement le plus délé-
tère, même si c'est au détriment de la
moyenne des résultats de cette stratégie.
3. UN MODÈLE INFORMATIQUE des concentrations
sont en rose, et les concentrations minimales en jaune), dans la région de Los Angeles, faci-
lite l'étude des risques associés aux polluants atmosphériques.
Le calcul des bénéfices nets des dif-
férentes stratégies est parfois complexe.
Par exemple, les coûts et bénéfices ne
sont pas toujours proportionnels à la
quantité de polluant émis ou à l'argent
dépensé pour combattre le risque. En
outre, les bénéfices et les coûts d'une
même stratégie ne sont pas toujours
mesurés avec les mêmes unités.
Toutefois, même quand on ne peut pas
estimer la valeur absolue des bénéfices
et des coûts, on peut faciliter la prise de
décision en utilisant des critères relatifs
comme le rapport bénéfices/coûts.
Le deuxième type de règles est
fondé sur le droit : la notion de justice
remplace alors celle d'efficacité. Dans
la plupart des règles fondées sur
l'usage, toute évaluation demeure sub-
jective ; en revanche, les règles juri-
diques définissent des actions qu'une
partie ne peut mener sans le consente-
ment de l'autre, indépendamment des
coûts et des bénéfices.
Le troisième type de règles dépend
de l'état des techniques dont on dispose
pour limiter le risque. Ces règles pres-
crivent généralement « les meilleures
techniques disponibles » ou des rejets
« aussi faibles que le permettent les
techniques actuelles ». Leur application
est parfois difficile, car les différentes
parties concernées s'accordent rarement
sur les définitions des termes « dispo-
nibles » et « permis par les techniques
actuelles ». En outre, les progrès tech-
niques modifient parfois les objectifs
fixés aux législateurs et aux industriels.
en (les concentrations maximales
ozone

GÉRER LES RISQUES,
UNE RECHERCHE
Gérer les risques de façon cohé-
rente nécessite une représentation
globale des choses. Certaines diffi-
cultés de cette gestion sont présen-
tées ici notamment l'identification
des chaines de causalité et l'évalua-
tion des dommages.
Une autre difficulté est la mise au
point d'une méthode de selection des
stratégiesà adopter vis-à-visdes divers
types de risques ; Maurice Allais, prix
Nobel d'économie, a contribué de
façon illustre à la résolution de ce pro-
blème. Par ailleurs, la perception des
risques est contingente : ainsi, dans
l'espacedes risques, les Françaiset les
Américains situent différemment les
risques liés à la santé(68 pour cent des
Français font confiance aux experts
dans ce domaine, contre seulement
23 pour cent des Américains),ainsi que
les risques nucléaires (pour lesquels
79 pour cent des Français s'en remet-
tent aux jugements des experts, contre
34 pour cent des Américains) ; en
revanche, les risques de SIDA, et
d'autres risques,sont jugés de la même
façon en Franceet aux États-Unis.
Gérer les risques nécessite donc
une interaction des spécialistes de
nombreuses disciplines : économie,
gestion, sciencescognitives et psycho-
II n'existe malheureusement aucun
critère idéal pour orienter la prise de
décisions concernant les risques. Celle-
ci dépend finalement des valeurs
éthiques individuelles et sociales. On
doit toutefois choisir et définir précisé-
ment les critères de la prise de décisions
et veiller à ce que ces choix restent
cohérents, notamment lors des situa-
tions complexes, sous peine de traiter
un même risque de façon contradictoire.
La communication joue un rôle clé
dans l'analyse et la gestion des risques.
II ne suffit pas que les pouvoirs publics
prennent les bonnes décisions pour limi-
ter les risques : encore faut-il que la
population en soit correctement infor-
mée. Confier la prise de décisions à des
comités d'experts isolés s'est révélé un
échec, parce que les spécialistes igno-
rent parfois des considérations sociales
importantes : leurs décisions se heurtent
alors à une résistance de la population.
Jusqu'en 1985, les pouvoirs publics et
les industries se sont peu préoccupés
d'informer la population des risques,
mais depuis les choses ont évolué.
EN CRISE ?
logie sociale, mais aussi sciences de
l'ingénieur ou biologie.
Le séminaire Sciences de la déci-
sion, organisé depuis plusieurs années
par le Groupe de recherche sur le
risque, l'information et la décision
(GRID), à l'École normale supérieure
de
Cachan, confronte chercheurs améri-
cains et européens sur ces thèmes.
Quelques sessions plus appliquées,
comme celle sur les risques liés aux
transports, en mars 1993, associent
gestionnaireset chercheurs.
En France, hélas, la gestion de
nombreux risques est négligée, ou
abusivement assimilée à la gestion des
crises. En témoignent les inondations
catastrophiquesde Vaison-la-Romaine,
ainsi que la détressedes pêcheurs bre-
tons face aux fluctuations des cours du
poisson; de tels malheurs ne sauraient
être réglés par une simple solidarité
financière nationale ou européenne.
Les imprécisions de la loi de 1982-
1990 sur les catastrophes naturelles,
dans le premier cas, et l'absence de
toute institution permettant aux
pêcheursde gérer leurs risques,dans le
second,traduisent bien la relative indif-
férence à l'égard de la recherche sur la
gestiondes risques.
Bertrand MUNIER, GRID, Cachan
L'industrie chimique a fait des efforts
considérables pour enseigner aux direc-
teurs d'usines à montrer au public com-
ment classer les risques. Toutefois nous
avons montré que ces conseils étaient
inadéquats : pour communiquer au public
une information fiable sur les risques, on
doit d'abord déterminer ce que le public
sait et ce qu'il doit connaître ; puis on
doit concevoir les messages, les tester et
les perfectionner jusqu'à ce que les
enquêtes démontrent qu'ils ont transmis
l'information souhaitée.
En 1989, nous avons étudié l'impact
d'une brochure émise par l'Agence
américaine de protection de l'environ-
nement pour informer le public des
risques liés à la présence de radon dans
les habitations. Pour préparer cette bro-
chure, I'Agence avait demandé aux spé-
cialistes quelle devait être l'information
à transmettre à la population, puis elle
avait rédigé cette information sous une
forme attrayante. Or les gens sont rare-
ment dans l'ignorance totale des
risques, et ils filtrent les messages selon
leurs connaissances antérieures ; un
message qui ne tient pas compte de ce
filtrage est ignore ou mal interprété.
Pour connaître les préjugés du public
sur les risques du radon, nous avons réa-
lisé un sondage en demandant : « Que
savez-vous du radon ?, puis en posant
des questions de plus en plus précises.
Après l'interrogation d'une vingtaine de
personnes, nous n'avons plus enregistré
d'idées nouvelles ; en nous fondant sur
ces résultats, nous avons conçu un ques-
tionnaire à choix multiple, que nous
avons distribué à un échantillon de per-
sonnes beaucoup plus vaste. Nous
avons montré que le public se faisait des
idées fausses qui limitaient l'efficacité
des messages de l'Agence.
Un pourcentage notable de la
population pense, à tort, que la conta-
mination par le radon ne disparaît pas.
Cette erreur résulte sans doute d'une
confusion avec le comportement des
polluants chimiques ou des éléments
radioactifs à période longue. La pre-
mière version du Guide du radon, édité
par l'Agence, ne mentionnait pas ce
problème, mais sa réédition, fondée
sur nos résultats, le signalait explicite-
ment.
La communication, en matière de
risques, sert à fournir au public les
bases qui lui permettront de décider en
connaissance de cause. Nous avons
utilisé notre méthode pour mettre au
point deux brochures d'information
sur le radon, et nous avons comparé
leur efficacité à celle du premier guide
de l'Agence. Lorsque nous avons
demandé à des personnes de se rappe-
ler des informations simples sur le
radon, nous avons reçu des réponses
d'une même qualité, quelle que soit la
brochure. Toutefois, lorsque nous
avons testé leurs capacités déductives
-par exemple, l'aptitude à conseiller
un voisin lors d'une forte contamina-
tion au radon-, les personnes ayant
reçu l'une de nos brochures surpas-
saient nettement celles qui avaient
reçu le guide de l'Agence.
Nous avons également détecté des
préjugés erronés du public dans
d'autres domaines, comme ceux liés
aux changements climatiques. Peu de
gens associent la consommation
d'énergie et les rejets de dioxyde de
carbone au réchauffement du Globe.
Nombreux sont ceux qui croient, à
tort, que le trou dans la couche
d'ozone est la cause essentielle du
réchauffement, et certains pensent
qu'il résulte essentiellement du lance-
ment des navettes spatiales.
Des messages efficaces
Le principe d'une communication
efficace en matière de risques est simple :
on doit explorer les croyances du public,
adapter le message aux croyances et aux
réactions du public, puis tester soigneu-
sement l'efficacité du message. Or cette
méthode n'a presque jamais été utilisée :
le public reçoit des informations frag-
mentaires par les médias qui, souvent,
ne présentent pas les détails techniques
des problèmes et privilégient le sensa-
tionnel. Ceux qui essaient de trans-
mettre un message ont souvent un pro-
gramme à défendre, ou ce sont des
législateurs qui remplissent mal leurs
devoirs ou qui traitent les risques dans
une perspective trop étroite.
Il n'est donc guère étonnant que
l'opinion publique à l'égard des risques
soit parfois incohérente ou conduise à
des décisions absurdes ou inefficaces.
Toutefois, lorsqu'on fournit au public
des informations pertinentes et qu'on lui
laisse le temps d'y réfléchir, il est
capable de discerner les problèmes
importants et de concevoir des décisions
efficaces pour limiter les risques.
Ainsi nous avons demandé à divers
chefs de groupe d'opinion-un profes-
seur, un agent fédéral de la sécurité rou-
tière, un directeur de banque, etc.-de

LES MÉTHODES D'ANALYSE DES RISQUES

L'incertitude caractérise la plupart des risques. Les ana- valeur la plus probable du coût social net serait minimale
lystes disposent aujourd'hui de plusieurs logiciels pour étudier pour une réduction de 55 pour cent des émissions de TXC.
les effets de l'incertitude. Ces outils informatiques, qui indi- Avec une valeur de la vie humaine estimée à 15 misions de
quent tes conséquenceslogiques des hypothèses et des régies francs ta réduction optimale serait d'environ 88 pour cent.
pour un risque donne, facilitent la prise de décision. L'un de Le programme Demos calcule également les corrélations
ces systèmesest le programme Demos, mis au point par Max entre chaque variable d'entrée et le coût total. Des corréla-
Henrion, de la société Lumina Decision Systems. tions étroites correspondent aux variables qui augmentent
Supposons qu'une population de 30 millions de per- l'incertitude de l'estimation du coût final. Ainsi, lorsque la lutte
sonnes soit uniformément exposée a un polluant chimique antipollution est peu intensive, l'incertitude résulte essentielle-
fictif, nommé « TXC ».Dans une première étape, on définit la ment des variations de la pente de la courbe des dommages,
fonction qui décrit le risque associé aux divers du
degrés
seuild'expo-
de toxidté et de la concentration de base en polluant.
sition (par exemple, une fonction dose-réponse linéaire, avec En revanche, lorsque la lutte antipollution est très intensive,
un seuil au-dessousduquel il n'y a aucun danger). l'incertitude résulte presque entièrement des inconnues
Le programme Demos estime le nombre de décès concernant te coût de ta réduction des émissions nocives.
annuels résultant de l'exposition au TXC. La distribution des Enfin le programme Demos calcule la différence du coût
probabilités montre estime entre ! a déci-
que dans 30 pour sion optimale fondée
cent des cas, per- sur les informations
sonne ne meurt ; disponibles et la déci-
dans 50 pour cent sion optimale fondée
des cas, la mortalité sur des informations
annuelle est inférieure parfaites-c'est-à-dire
à 100 ; et dans 10 le bénéfice obtenu en
pour cent des cas, éliminant toutes les
elle est supérieure incertitudes des cal-
à 1 000. culs. Cette différence
A condition d'y est nommée, en
mettre le prix, on dis- analyse de la déci-
pose de méthodes sion, valeur espérée
antipollution qui de l'information par-
réduisent ! a concen- faite ; elle correspond
tration en TXC le coût à la limite supérieure
d'une réduction don- de la valeur de
née, ainsi que les la recherche. Par
risques de l'exposition exemple, si une vie
sont déterminés par épargnée a un coût
des spécialistes. Pour social de 1,5 million
choisir l'intensité de la Chaque bloc du diagromme ci-dessus, quand clique dessus, de francs, cette valeur
4. on
lutte antipollution qui est de 190 millions
montre une fenêtre avec des courbes et des tableaux sur les hypo-
minimisera le coût thèses, les équations et les lois de probabilités. de francs par an ; si
social global, on doit une vie épargnée
d'abord déterminer le vaut 15 millions de
pnx que la société est prête a payer pour diminuer la morta- francs, cette valeur atteint 355 millions de francs par an.
lite. Dans cet exemple, ce prix varierait de 1,5 à 15 millions de Avec des outils comme le programme Demos, qui-
francs par décès évite (la fixation de ces valeurs est un juge- conque possède un ordinateur personnel peut pratiquer une
ment de valeur ; en pratique, la phase cruciale de l'analyse analyse quantitative des risques, mais l'utilisation correcte de
consiste à déterminer comment les résultats dépendent du ces outils exige une formation sérieuse. Mes collègues et
prix attribué à la vie et santé).
à la moi-même avons constaté que, lors de la première utilisation
Dans notre modèle, le coût social net est égal à la somme de Demos, des étudiants en première année de thèse igno-
du coût de la lutte antipollution et de la mortalité. Avec une raient généralement les éventuelles corrélations entre les
valeur de la vie humaine estimée à 1, 5 million de francs, la variables, surestimant ainsi lincertitude de leurs résultats.
4. DANS L'ESPACEDU RISQUE, l'abscisse
représente l'« atrocité » d'un danger et
l'ordonnée le degré de compréhension de
ce danger dans la population. Les risques
situés dans le cadran supérieur droit sont
ceux qui suscitent la plus forte demande
de réglementation.
constituer un comité de résidents fictif,
chargé de conseiller l'administration sur
le site d'implantation de lignes élec-
triques à haute tension. Nous avons
demandé aux membres de ce comité de
réfléchir aux risques, controversés pour
la santé, des champs électriques et
magnétiques produits par ces lignes à
haute tension. Nous leur avons fourni des
informations détaillées sur ce problème
et une liste de questions précises. Après
une journée et demie de réflexion, le
comité a défini les problèmes politiques
et proposé des solutions que n'aurait pas
reniées une société de conseil.
Le public n'est pas responsable de
la médiocrité de ses réactions face aux
risques ; la faute en est aux gestion-
naires des risques qui privilégient le
court terme, préférant les actions
immédiates aux investissements qui
permettraient d'accroître nos connais-
sances sur les risques. En témoignent
les lois qui régissent la préservation de
l'environnement, la sécurité des lieux
de travail et l'innocuité des produits de
consommation.
En outre, l'administration a souvent
traité les risques dans une perspective
trop étroite : en essayant de réduire cer-
tains risques (la combustion des pyja-
mas pour enfants, par exemple), elle en
a parfois créé d'autres (un risque accru
de cancer par exposition à des produits
chimiques ignifuges). Les décideurs ont
parfois ignoré des risques importants,
alors qu'ils combattaient ardemment
des risques mineurs. Ainsi ils ont investi
des sommes considérables pour limiter
les risques liés à des cancérogènes arti-
ficiels, tandis qu'ils ignoraient totale-
ment des cancérogènes naturels, pour-
tant bien plus nocifs.
Par ailleurs, les gouvernements ont
fondé peu d'institutions pour tirer des
leçons du passé. On confond trop sou-
vent les analyses des accidents et les
enquêtes judiciaires, et l'on ignore ou
l'on cache au public des informations
efficaces pour sa sécurité. Pourtant
l'exemple de l'aviation civile est ins-
tructif : la sécurité aérienne a largement
bénéficié des enquêtes sur les catas-
trophes aériennes, car les enquêteurs ont
su écarter les problèmes de responsabi-
lité pour déterminer les causes de ces
catastrophes, et diffuser leurs conclu-
sions aux personnes concernées.
De nombreux décideurs sont proba-
blement trop pressés de trouver une solu-
tion globale unique pour limiter un
risque. Il serait pourtant bien plus effi-
cace de tester plusieurs stratégies pour
déterminer la meilleure, ce qui est rare-
ment pratiqué. Enfin les gestionnaires
des risques n'ont pas su faire participer le
public aux prises de décisions, auprès
d'experts qui lui auraient fourni les infor-
mations nécessaires. Malgré l'existence
de lois instituant des enquêtes d'utilité
publique pour la délivrance des permis
d'installation des réacteurs nucléaires ou
des décharges à risques, le public parti-
cipe rarement au débat, et il est souvent
informé trop tard pour intervenir dans la
prise de décisions.
Dans une démocratie, le bon fonc-
tionnement de la société nécessite
l'information des citoyens. Pour mieux
gérer les risques, les gouvernements
devront améliorer leurs méthodes de
communication et créer des institutions
permettant au public et à ses représen-
tants d'intervenir dans la gestion des
risques. La participation du public
n'empêchera sansdoute pas les décisions
absurdes-que nulle autre procédure ne
peut éviter-, mais elle devrait limiter les
affrontements trop fréquents dans les
débats sur la gestion des risques.
LE ASSURÉ
HASARD
dent aitriser le risque, c'est éviter l'acci-
et, quand l'accident survient,
en limiter les conséquences. Maitrisant
mieux les risques, les hommes vivent
plus longtemps : dans les pays industria-
lisés, la durée moyenne de vie augmente
d'un an tous les cinq ou six ans. Quelles
techniques permettent ce remarquable
résultat ? Quelles sont leurs limites ?
Nos sociétés affrontent le risque à
l'aide de techniques de prévision et de
prévention, d'assurance et de précaution.
La science du risque, ou cindynique, se
développe afin de pallier l'impossibilité
de la parfaite maitrise du risque. C'est
parce que cette dernière est impossible
que l'on recourt à a prévention ; c'est
parce que la prévention totale est impos-
sible que l'on recourt à l'assurance, et,
pour les cas ou l'assurance est impos-
sible, on recourt a la précaution.
Qu'est-ce qu'un risque ? C'est un
danger éventuel, plus ou moins prévi-
sible. Certains risques sont naturels :
c'est le cas des tsunamis, des cyclones,
des volcans, des inondations, des glisse-
ments de terrains, des chutes d'astéroïde,
mais aussi des épidémies. D'autres risques
sont artificiels, créés par l'homme : acci-
dents du travail, risques automobiles,
explosions, vols, dommages a autrui,
pertes financières, pollutions...
Enfin les risques « stochastiques »
n'occasionnent pas de dégâts directs,
mais accroissent la probabilité d'autres
risques : le tabac, par exemple, accroit
indirectement la probabilité d'avoir un
cancer du poumon.
Jean-Jacques Duby
une branche d'hyperbole : les risques les
plus graves sont les plus rares (on les
nomme risques de catastrophes), les
risques les plus fréquents sont les plus
bénins (risques de fréquence).
Ainsi le risque d'accident automobile
est un risque de fréquence : les accidents
sont fréquents, mais leur coût unitaire est
généralement faible. En revanche, les
cyclones sont des risques de catastrophe :
Andrews, en 1992, a causé plus de cent
milliards de francs de dégâts ; de telles
catastrophessont heureusement rares.
La prévision
Pour maitriser les risques, on cherche
d'abord à les prévoir et, plus précisément
à en calculer les probabilités de survenue
et de coût. Chaque fois que nous
sommes confrontés à une situation ris-
quée, nous sommes dans la situation du
joueur qui lance une pièce de monnaie et
aimerait savoir le résultat du lancer. Pour
envisager de prendre des paris sur le côté
qu'affiche la pièce, le joueur avisé étudie
des séries de lancers et dresse des statis-
tiques. II observe, par exemple, que la
pièce tombe autant de fois sur pile que
sur face. Puis, si un autre joueur lui pro-
pose un jeu où il gagne deux francs
quand ta pièce indique pile et où il perd
trois francs quand la pièce tombe sur
face, il calcule le gain moyen, encore
nommé espérance mathématique ; dans
cet exemple, l'espérance mathématique
est-1 franc, de sorte que le joueur doit
refuser de jouer.
Comment calculer l'espérance
mathématique dans des situations plus
complexes ? Les cindyniciens utilisent
deux méthodes différentes. Pour prévoir
les risques de fréquence, ils emploient
surtout la méthode ex post, une statis-
tique à partir des événements ayant été
observés. C'est ainsi que Edmund Halley
établit la première table de mortalité, à la
fin du XVIIe
siecle, à partir de l'étude de la
population de Breslau. Aujourd'hui les
méthodes ex post sont devenues très éla-
borées : pour les risques automobiles, on
sait calculer les probabilités d'accidents
selon le conducteur, le lieu de circulation,
le véhicule... On découvre parfois des
facteurs inattendus : le risque automobile
dépend de la couleur du véhicule (il est
maximal pour les véhicules rouges) !
Toutefois, aussi fine que soit l'analyse
des risques automobiles, on ne pourra
jamais prévoir qui sera touché, où et

L imposable énumération
des risques

La liste des risques s'allongeen perma-

nence, parfois en raison du progrès tech-
nique : il n'y avait pas d'accident d'avion
avant Clément Ader. Parfoisaussi, la société,
qui a horreur du risque, n'accepte plus la
fatalite de certains événements, qui s'ajou-
tent à la liste : certains risquestels que ceux
d'effets secondairesdes médicamentsou de
sécheresse, pour les agriculteurs, sont de
moins en moins acceptés.
On caractérise généralement les
risques par deux paramètres : la probabi-
lité et la gravité. L'observation des acci-
dents montre que, dans cet espace àdeux
dimensions, les risques se répartissent sur 1. Le perfectionnement des appareils de navigation a réduit les risques de naufrage.
quand : on sait avec certitude que 20 à
30 personnes seront tuées, en France,
dans les prochaines 24 heures, mais on
est incapable de dire qui le sera.
Pour les risques de catastrophe, ou
grands risques, les statistiques manquent,
puisqu'ils sont rares. Un premier palliatif
consiste a extrapoler des courbes statis-
tiques. C'est la méthode qui fut suivieen
1975 par Norman Rasmussen,
qui a travaillé a l'Institut de technologie
du Massachusetts.
Ce dernier avait ainsi calcule que la
probabilite d'une catastrophe naturelle
causant 1 000 morts était d'un dixième
par an, et d'un centième pour 20 000
morts ; pour les accidents technologiques,
les probabilités étaient inférieures.
Quelques décennies d'études ont montré
que ces probabilités étaient sous-estimées,
mais on a également observé que la fré-
quence des catastrophes a augmenté
depuis les années 1980, notamment parce
que la population s'est densifiée.
Les méthodes ex ante sont un autre
palliatif aux insuffisances des observa-
tions statistiques. Largement développées
dans les industries comme l'aérospatiale
ou le nucléaire, ces méthodes partent du
principe qu'un accident est l'événement
ultime d'une séquence déclenchée par
un incident initial ; en conséquence, on
recherche toutes les causes initiales pos-
sibles, on dresse les arbres d'événements
et l'on calcule la probabilité de tous ces
enchainements.
prévention : quand on observe qu'une
succession d'événements mène à une
catastrophe, on s'attache à en prévenir le
déroulement selon ce chemin.
Toutefois les système techniques
modernes sont devenus si complexes
qu'on ne peut envisager toutes les
séquences possibles d'événements. De
surcroit, le facteur humain, encore plus
imprévisible, est apparu de plus en plus
important : l'accident de Tchernobyl, par
exemple, résulte de plusieurs erreurs
humaines, que personne n'aurait prévu :
imaginerait-on un conducteur de train qui,
dans une gare importante, grillerait les
signaux d'arrêt?
Pour prévenir même ces erreurs, les
cindyniciens ont commencé par étudier les
facteurs liés à l'individu, notamment l'ergo-
nomie : l'accident de l'Airbus, sur le mont
Saint-Odile, est vraisemblablement dû a
une mauvaise interprétation par le pilote
des indications du tableau de bord.
Cependant les seuls efforts ergono-
miques ne suffisent pas à prévenir les
risques : on a progressivement découvert
qu'il fallait faire intervenir des considéra-
tions non plus individuelles, mais
sociales, comme les notions d'éthique,
d'échelle de valeurs. Le dilemme du chef
d'entreprise qui doit trouver un compro-
mis entre profitabilité et sécurité est un
problème éthique. De même, I'accident
de Tchernobyl a des causes sociales : les
autorités soviétiques n'avaient manifeste-
ment pas choisi de mettre autant l'accent
sur la sécurité que ne le fait EDF, par
exemple. L'accident de la navette spatiale
Challenger n'est pas indépendant des
objectifs que s'était imposée la NASA,
poussée alors par le Congrès américain,
qui exigeait des résultats rapides.
Ces exemples démontrent que les
sciencesexactesne suffiront pas a maitriser
les risques: la dimension humaine doit être
prise en compte. Peut-on intégrer les résul-
tats des scienceshumaines et socialesdans
ta modélisation ? Les cindyniciens se sont
attaqués au problème : I'hyperespacecin-
dynique de Georges Yves Kervern, de
l'U. A. P,comporte, à côté des dimensions
statistiqueet épistémique (qui expriment la
modélisation mathématique du risque), les
dimensions déontologique (qui représente
les règles suivies par la société), téléolo-
gique (les finalités communes) et axiolo-
gique (l'échelle des valeurs partagées).
Toutefois la prévention doit encore
progresser. Dans le cas du risque de pol-
lution, par exemple, on commence seule-
ment à comprendre que les risques ne
sont parfois que remplacés, et non élimi-
nés : I'ammoniac qui servait de fluide
caloporteur dans les réfrigérateurs, a l'ori-
gine de nombreux accidents, a été rem-
placé par les chlorofluorocarbures, accusés

La prévention

Les techniques de prévention décou-

lent directement des efforts de prévision :
si l'on parvient à prévoir un accident, on
cherche naturellement à l'éviter. La pré-
vention des risques est aussi ancienne
que la vie : les animaux survivent, parce
qu'ils évitent d'être dévorés par leurs
prédateurs ou tués par les phénomènes
naturels. La tortue est un magnifique
exemple de prévention innée : adulte,
elle est protégée par sa carapace ; à la
naissance, les petites tortues sont déci-
mées, mais leur grand nombre assure la
survie de l'espèce.
L'homme a considérablement amé-
lioré les techniques de prévention : il pré-
vient les risques de maladie par ta méde-
cine, l'hygiène, la vaccination. Dans
l'industrie, les systèmesde surveillance évi-
tent la transformadon d'incidents en acci-
dents ; les systèmesde gestion des crises
évitent la transformation des accidents en
catastrophes.Les mêmes calculs de prévi- 2. Les risques se répartissent sur une branche d'hyperbole dans un espace
sion des cindyniciens servent aussi à la gravité-fréquence.
aujourd'hui de détruire l'ozone atmosphé-
rique. Quelles sont les limites des progrès
en prévention ? Tout d'abord, les investis-
sements et les études de prévention sont
nécessairement limités.
En outre, si la maitrise des risques prin-
cipaux est simple, la prévention des risques
les moins fréquents impose des dépenses
considérables pour des résultats asymptoti-
quement faibles. Enfin la prévention n'est
pas toujours acceptée socialement : par
exemple, les accidents automobiles seraient
sans gravité si on limitait la vitesse a 20
kilomètres par heure, mais accepterions-
nous une telle contrainte ?
L'assurance
Parce que la prévention parfaite est
impossible, les risques résiduels sont trai-
tés par les assurances. Les plus anciennes
techniques d'assurance connues étaient
pratiquées par des banquiers sumériens,
qui prêtaient a des caravaniers de l'argent
qui n'était remboursé que si la caravane
arrivait à bon port. Pratiqué par les
Babyloniens, les Grecs, les Romains, ce
«prêt a la grosse aventure » a été poursuivi
jusqu'au Moyen Age. Puis, au XIVe siècle, à
Gènes, l'assurance s'est détachée de ta
banque, de riches familles commençant à
assurer les risques maritimes.
Les primes d'assurance permettent ce
que l'on nomme une mutualisation du
risque : les versements de 1'ensemble des
assurés a une compagnie servent à
indemniser ceux à qui il survient un acci-
dent, a rémunérer le risque pris par
l'assureur et à couvrir les frais de gestion.
Peut-on tout assurer ? Une première
limite résulte du mécanisme même de
l'assurance, la mutualisation, qui suppose
une volonte individuelle : le citadin qui
habite le demier étage d'un gratte-ciel ne
voit guère l'utilité de s'assurer contre les
inondations. La volonté publique peut
alors décider de socialiser le risque,
comme on l'a fait, en France, pour les
catastrophes naturelles ou la maladie, for-
çant ainsi une solidarité entre régions ou
entre générations.
D'autre part, I'assurance n'est pas tou-
jours possible, techniquement et financière-
ment : les compagnies d'assurance, même
les plus importantes, ne pourraient rem-
bourser les dégâts de certaines catastrophes
exceptionnelles. Comment définir le mon-
tant des primes quand on ne sait pas a
combien s'élèveront les dommages ? On
estime ainsi que le prochain grand tremble-
ment de terre a Tokyo coûtera sans doute
plus de 1 000 milliards de francs.
Comment l'assurer ?
Pourtant il existe des risques encore
plus graves : si les chlorofluorocarbures
détruisaient la couche d'ozone et rendaient
la Terre inhabitable, I'assurance serait
impuissante. C'est pour de telles êventuafi-
tés que s'impose le principe de précaution.
La précaution
On invoque le principe de précaution
quand on connait trop mal un risque,
voire quand on ignore même s'il existe
vraiment, mais que l'on sait que, si le
risque existait et s'il se matérialisait, le
dommage serait irréparable et irréversible.
La précaution est apparue récemment a
propos du DDT, des chlorofluorocarbures,
du plomb tétraéthyle, etc.
Un tel principe pose des problemes
nouveaux : pour la première fois dans l'his-
toire de l'humanité, il conduit le législateur
à imposer des limites à la recherche scienti-
fique ou technique. Cette nouvelle attitude
doit être soigneusement pesée, car, comme
dit t'adage, trop de précaution nuit.
Par exemple, le législateur français envi-
sage de faire porter aux fabricants de nou-
veaux produits la responsabilité d'effets
secondaires imprévisibles dans t'état des
connaissances scientifiques au moment de
la mise sur le marché : c'est ce que l'on
nomme le risque de développement. Ce fut
le cas, dans le passé, des peintures au
plomb, des revêtements à I'amiante et,
même, de certains médicaments, malgré les
procédures très sévères de l'AMM (autorisa-
tion de mise sur le marché).
Une telle réglementation aurait des
effets secondaires-sûrs et certains, eux...
-sur le progrès scientifique et technique, et
risquerait de nuire a la population qu'elle
est censée protéger : déjà des sociétés
comme Du Pont de Nemours, producteur
de matières plastiques « biocompatibles »,
refusent de livrer leurs matériaux aux
assembleurs de stimulateurs cardiaques,
parce qu'elles craignent d'être tenues pour
responsables si ces matériaux provoquent
des rejets. Si l'on cesse de fabriquer ces sti-
mulateurs, les malades mourront a coup
sûr, au lieu de souffrir, dans certains cas
seulement, de complications dues au rejet.
Jusqu'à ces demières années, le risque
de développement était considéré comme
un cas de force majeure, dont il a toutes les
caractéristiques juridiques : il est extérieur,
imprévisibie et irrésistible. Mais aujourd'hui
le public demande que ce risque soit cou-
vert. C'est malheureusement impossible : il
y a danger de mort a vivre.
Jean-Jacques Duby
est directeurscientifique de IUA. P.
 AUTEURS
La vision probabiliste de Laplace
Bernard BRU est professeur à l'Université
René Descartes.
P.-S : LAPLACE, Théorie analytique des pro-
habilités, Paris, 1812.
P.-S. LAPLACE,Essai philosophique sur les
probabilités, Paris, Christian Bourgeois, 1986.
Du hasard bénin au hasard sauvage
Benoît MANDELBROT, ancien élève de
l'École polytechnique et professeurde mathéma-
tiques à Yale, nous a autorisésà extraire ce texte
de son ouvrage, Fractals, hasards et tourbillons,
dont la parution chez Flammarion est imminente.
Lauréat du prix Wolf de physique en 1993,il est
surtout connu pour la découverte de l'Ensemble
qui porte son nom et pour son rôle de « pèredes
fractals »; il est l'auteur desObjets fractals (la 4e
édition a paru chez Flammarion dans la collec-
tion de poche, Champs) et du livre The Fractal
Geometry of Nature (New York, W. H. Freeman,
1982). La nouvelle abondancedes données et la
puissancedes ordinateurs donnent à ses travaux
sur la finance et le risque une acuité nouvelle ; ils
vont être réimprimés sous le titre Fractals in
Finance : Discontinuity and Concentration.
La répartition des étoiles
et des galaxies
Joseph SILK est professeur d'astronomie à
l'Université de Californie, à Berkeley. Alexander
SZALAYest professeurde physique à l'Université
de Budapest. Yakov ZEL'DOVICHest professeur
d'astrophysiqueà l'Université de Moscou.
Joseph SILK, The Big Bang : The Creation
and Evolution of the Universe, W.H. Freeman
and Company, 1980.
J.R. GOTT,The Growth of Structure in the
Universe, in Physical Cosmology, sous la direc-
tion de Roger Balian, Jean Audouze et David N.
Schramm,Elsevier-North Holland, Inc., 1980.
Y. B. ZEL' DOVICH, Modern Cosmology in
Highlights of Astronomy, vol. 6, sousla direction
de R. West, D. Reidel Publishing Co., 1983.
L'évolution de la vie sur Terre
Stephen JAY GOULDest professeur de bio-
logie, de géologie et d'histoire des sciences, à
l'Université de Harvard.
L'évolution, collection Science d'avenir,
Pour la Science, 1989.
S.J. GOULD, La vie est belle : les surprises
de l'évolution, Collection Science ouverte, édi-
tions du Seuil, 1991.
Les fossiles, témoins de l'évolution,
Bibliothèque Pour la Science, 1991.
Les origines de l'homme, Bibliothèque
Pour la Science, 1992.
David RAUP, De l'extinction des espèces.
Sur les causes de la disparition des dinosaures
et de quelques milliards d'autres, éditions
Gallimard, Les Essais 1993.
Le hasard matrimonial
Hervé Le BRASest directeur du Laboratoire
de démographie historique, à l'École des hautes
étudesen sciencessociales.
A. GIRARD,Le choix du conjoint, PUF, 1971.
P. LASLETT, Family Life and Illicit Love in
Eatlier Generations : Essays in Historical
Sociology,Cambridge University Press, 1977.
K. WACHTER,E. HAMMEL,P. LASLETTet H.
LE BRAS,Statistical Studies of Historical Social
Structures, Academic Press,New York, 1978.
H. LE BRAS, Les jeux du hasard et du
mariage, in Demographie et Sociologie, SEDEIS-
La Sorbonne, 1988.
ET BIBLIOGRAPHIES
Le hasard trouve... bien les choses
JeanJACQUES, directeur de rechercheémérite
au CNRS(Collège de France), a longtemps tra-
vaillé en chimie des hormoneset en stéréochimie.
René TATON,Causalité et accidents de la
découverte scientifique, 1955.
G. SHAPIRO, TheSkeleton in the Darkroom,
Stories and Serendipity in Science, 1989.
R. M. ROBERTS,Serendipity : Accidental
Discoveries in Science, 1989.
A. KOHN, Fortune and Failure ; Missed
Opportunities and Chance Discoveries in
Science, 1989.
Jean JACQUES, L'imprevu ou la science des
objets trouvés, 1990.
La loi normale,
reine des statistiques
Aime FUCHSest professeur à l'Université
de Strasbourg 1.
A. de MOIVRE,The Doctrine of Chances or
a Method of Calculating the Probability of
Events in Play, London, Millar, 1756 ; réim-
pression par Chelsea,New York, 1967.
Y. V. LINNIK, An Information-theoretic
Proof of the Central Limit Theorem with the
Lindeberg Condition, in Theory
and its Applications, tome 4, 1959.
A. FUCHSet G. LETTA,Sur certaines équa-
tions fonctionnelles liées à la loi normale,
L'Enseignement Mathématique, 2e série, tome
25, 1979.
Le mouvement brownien
et la théorie du potentiel
Reuben HERSHet Richard GRIEGOsont pro-
fesseurs au Département de mathématiques et
statistiques,à t'Université du Nouveau-Mexique.
Anthony W. KNAPP, Connection between
Brownian Motion and Potential Theory, in
Journal of Mathematical Analysis and
Applications, vol. 12, n° 2, pp. 328-349,
octobre 1965.
M. KAC, Wiener and Integration in
Function Spaces, in Bulletin of the American
Mathematical Society, vol. 72, n° 1, partie II,
pp. 52-68, janvier 1966.
Les suites aléatoires
Gregory CHAITIN est programmeur chez
IBM et enseigne l'informatique et les mathéma-
tiques à l'Université de Buenos Aires.
Gregory J. CHAITIN,Information-Theoretic
Limitations of Formal Systems, in Journal of
the Associationfor Computing Machinery, vol.
21, pp. 403-424, juillet 1974.
Jean-Paul DELAHAYE, Information, com-
plexité et hasard, éditions Hermès, 1994.
L'espérance mathématique
Jean-PaulDELAHAYEest professeur d'infor-
matique à l'Université de Lille.
D. KAHNEMANet A. TVERSKY,La psycho-
logie des préférences, in Pour La Science, mars
1982.
D. DENNETT,La stratégie de l'interprète,
NRFEssais, éditions Gallimard, 1990.
M. GARDNER,La magie des paradoxes,
Bibliothèque Pour La Science, 1993.
Les probabilités géométriques
Roger CUCULIÈREenseigne les mathéma-
tiques en classede mathémathiquessupérieures.
M. KENDALL et P. MORAN, Geometrical
Probability, Charles Griffin &
Co., Ltd.,
Londres 1963.
L. SANTALO, Integral Geometry and
Geometric Probability, Addison Wesley, 1976.
Les marchés aléatoires
Jean-Philippe BOUCHAUDest chercheur au
CEA. Christian WALTER, actuaire au Crédit
Lyonnais et membre agrégé de l'Institut des
actuaires français, enseigne à l'École supérieure
des scienceséconomiqueset commerciales.
H. M. MARKOWITZ, Portfolio Selection,
Efficient Diversification of Investments, New
York, J. Wiley and Sons, 1959.
B. MANDELBROT, « Sur certains prix spécula-
tifs : faits empiriques et modèle base sur les pro-
cessus stables additifs non gaussiens de Paul
Lévy »,Compte-rendu à l'Académie des sciences,
séance du 4 juin 1962, pp 3968-3970. C'est la
première suggestionde l'application des lois de
Lévy à la modélisation desvariations de marché.
J.-P. BOUCHAUD& D. SORNETTE,The «
Black-Scholes Option Pricing Problem in
Mathématical Finance : generalisation and
extention for a large class of stochastic pro-
cesses., Journal de Physique France 4, juin
1994, pp 863-88 1.
C. WALTER, « L'utilisation des lois Lévy-
stables en finance : une solution possible au pro-
blème posé par les discontinuités des trajectoires
boursières », Bulletin de l'IAF, n° 349 (octobre
1990) et 350 (janvier 1991). pp 3-32 et 4-23.
Le paradoxe de Stein
Bradley EFRON est directeur du
Département de statistiques de l'Université de
Stanford. Carl MORRISest maître statisticien à
la Rand Corporation, à SantaMonica.
Grace M. CARTER et John E. ROLPH,
Empirical Bayes Methods Applied to
Estimating Fire Alarm Probabilities, in Journal
of the American Statistical Association, vol. 69,
n° 348, pp. 880-885, décembre 1974.
B. EFRON et C. MORRIS,Data Analysis using
Stein's Estimator and its Generalizations, in
Journal of the American Statistical Association,
vol. 70, n° 350, pp. 311-319, juin 1975.
Florence Nightingale,
infirmière et statisticienne
Bernard COHENest professeurd'histoire des
sciencesà l'Université Harvard.
Florence NIGHTINGALE, Notes on Nursing :
What It Is, and Whate It Is Not, Harrison and
Sons, 1859.
Sir Edward COOK, The Life of Florence
Nightingale, Macmillan and Co., 1913.
John M. EYLER, Victorian Social Medicine
The Ideas and Methods of William Farr, The
JohnsHopkins University Press, 1979.
L'épidémiologiste traque le hasard
Daniel SCHWARTZ, professeur de statistique
médicale et biologique à la faculté de médecine
de Paris-Sud, directeur de l'unité de recherches
statistiquesdel'INSERM(U21), est le fondateur de
l'École françaisede statistiquemédicale.
D. SCHWARTZ,P. LAZAR et L. PAPOZ,
Statistique médicale et biologie, Flammarion
médecine sciences,Paris 1985.
D. SCHWARTZ, Le jeu de la science et du
hasard, Flammarion, 1994.
L'évaluation et la gestion
des risques
Granger MORGANdirige le département de
politique industrielle à l'Université Camegie
Mellon.
Readings in risk, sous la direction de
Theodore S. Glickman et Michael Gough,
Resourcesfor the Future, 1990.
Risk analysis, publication trimestrielle de la
Societyfor Risk Analysis, PlenumPublishing.