samedi 23 novembre 2019

Les épisodes qualitatifs de la statistique

Beaucoup de personnes refusent de prendre en considération les raisonnements qui ne s’appuient pas sur des données quantitatives. Jean-Marc Jancovici a commenté ainsi un article de l’Institut de l’iconomie1 : « j'essaie d'être sur un terrain quantitatif, ce texte est essentiellement qualitatif, je n'ai donc pas d'avis sur la question ». L’économiste néerlandais Bart van Ark, qui a participé avec moi à la rédaction d’un ouvrage2, refusait lui aussi d’entendre un raisonnement s’il n’était pas fondé sur des statistiques.

Nombre d’articles contiennent des tableaux de nombres et des calculs économétriques impressionnants, censés fournir la preuve de l’objectivité du travail et de la solidité de ses conclusions. Mais la publication statistique, quand elle est sérieuse, vise à éclairer le lecteur et non à l’impressionner3 : elle s’applique donc à présenter les résultats les plus significatifs sous une forme lisible (petits tableaux, graphiques sélectifs), à les commenter, à les expliquer enfin en se référant à la théorie du domaine observé et en recourant avec prudence à l’économétrie pour l'analyse les corrélations.

Le raisonnement s’appuie alors sur des ordres de grandeur car la précision des nombres est illusoire : la population de la France au 1er janvier 2019 est ainsi selon l’INSEE4 de 66 992 699 personnes mais cette estimation est entourée d’un flou d’au moins 1 %, soit 600 000 personnes5 : il faut ne retenir que son ordre de grandeur, 67 millions.

Il arrive que l’ordre de grandeur soit lui-même douteux : nombre des données des comptes nationaux sont estimées, en l’absence d’une observation, selon des méthodes qui introduisent un biais (solde, règle de trois, arbitrage, etc.) et ceux qui appuient sans précautions un travail économétrique sur une telle source risquent d’en tirer des conclusions erronées.

La plupart des conclusions qui s’imposent à l’issue d’un travail quantitatif sont en outre qualitatives : tel projet est rentable, ou ne l’est pas ; le chômage croît, ou diminue ; la croissance accélère, ou ralentit ; telle couche de la population est plus ou moins à l’aise qu’une autre, etc.

Enfin le raisonnement qui s’enferme dans le cercle que la statistique éclaire ignorera ce qui se trouve à l’extérieur. On connaît la fable de l’homme qui cherche son trousseau de clés sous un réverbère : « est-ce par ici que vous l’avez perdu ? », lui dit-on. « Non, répond-il, mais au moins ici j’y vois clair ».

Il ne convient donc pas de refuser le rapport qualitatif des explorateurs qui sont sortis de ce cercle pour observer des phénomènes importants, mais que la statistique n’observe pas.

*     *

La définition de ce que la statistique observe s’inscrit en effet dans une histoire longue et évolue lentement6. Beaucoup de statisticiens préfèrent ignorer cette histoire : ils font fonctionner jour après jour leur usine à enquêtes, exploitations et publications sans s’interroger sur la pertinence de ses concepts. Il a certes fallu que ceux-ci soient définis un jour, mais cet épisode est oublié ainsi que les méthodes qu’il a fallu utiliser alors.

Il arrivera pourtant des moments où les statisticiens constatent l’existence d’un phénomène qui s’impose à leur attention alors qu’ils ne disposent ni des concepts, ni des mots qui permettraient de le décrire et de l’évaluer. Pour définir ces concepts ils devront accepter de considérer les acteurs de ce phénomène, d’en produire des monographies individuelles afin de dégager les caractères essentiels qu’il sera ensuite possible d’observer et de quantifier.

Ainsi la statistique, qui toujours observe des populations, s’enracine dans une observation des individus : la production de données quantitatives commence par un épisode qualitatif. Cette étape paradoxale répugne cependant à la bureaucratie qui organise la vie quotidienne d’une institution statistique, et elle ne s’y engagera que lorsque l’écart entre ce qu’elle observe et la situation historique sera évident au point de scandaliser.

C’est ce qui s’est passé dans les années 1830, lorsque l’industrialisation a contraint les statisticiens à innover pour observer les entreprises7 ; dans les années 1930, lorsque la crise a fait apparaître des exigences auxquelles répondront les sondages, enquêtes de conjoncture et comptes nationaux8. C’est ce qui est en train de se passer avec le « numérique ».

*     *

On parle aujourd’hui du « numérique » sans savoir comment l’observer, ni même savoir exactement ce que ce mot désigne. L’INSEE évoque une « économie numérique », les « emplois du numérique », « l’économie d’Internet et des plates-formes », il s’interroge sur la transformation des métiers et des compétences ainsi que sur la nécessité d’une évolution du « périmètre du PIB » : le phénomène est ainsi perçu à travers un éparpillement de ses conséquences et non saisi par sa racine9.

Les personnes qui participent aux travaux de l’Institut de l’iconomie ont tenté d’indiquer cette racine à l’INSEE : le mot « numérique » désigne la fusion théorique et pratique de l’informatique et de l'observation statistique, fusion dont le théâtre est l’informatisation des institutions, des entreprises, et qui se concrétise dans leur « système d’information ».

Pour dégager les concepts qui permettront d’observer le « numérique » il faudra donc passer par l’étude monographique des systèmes d’information, étude dont la source est aujourd’hui possédée par les experts qui accomplissent les travaux d’ingénierie nécessaires à leur élaboration10.

Leur expertise, fondée sur ce qu'ils ont vu sur le terrain dans les entreprises, décrit de façon qualitative l’articulation intime du numérique dont elle discerne les caractères essentiels. Elle bouscule ainsi à la fois les statisticiens, dont la bureaucratie est réticente devant toute nouveauté, et les amateurs qui n’acceptent que les travaux quantitatifs.

Il faut quelques années pour que l'institution statistique apprenne à observer un domaine nouveau : il existe donc inévitablement un écart entre la situation historique d'une société et l'image que la statistique en donne et pendant ce délai le raisonnement est privé des apports du quantitatif. Cela ne doit pas lui interdire de s'exprimer mais il ne faut pas que la statistique tarde indéfiniment à bâtir la grille conceptuelle qui permettra de rendre compte du « numérique », de l'« intelligence artificielle », etc.
____
1 Pierre-Olivier Beffy et al., « L’iconomie : un modèle de l’économie numérique », Revue d’économie industrielle, n° 165, 1er trimestre 2019.
2 Antonio Pilati et Antonio Perrucci, Economia della conoscenza, il Mulino, 2005.
3 « La publication statistique » in Michel Volle, Le métier de statisticien, Economica, 1984.
4 https://www.insee.fr/fr/statistiques/1892086?sommaire=1912926
5 Ce « flou » est celui d’un recensement exhaustif. La méthode actuelle est sans doute plus imprécise encore.
6 Michel Volle, Histoire de la statistique industrielle, Economica, 1982.
7 Bernard Guibert et al., « Essai sur les nomenclatures industrielles », Économie et statistique, n° 20, février 1971.
8 Le métier de statisticien, op. Cit., p. 99.
9 CNIS, « L’économie numérique : enjeux pour la statistique publique », Chroniques n°13, mars 2018.
10 « Système d’information » in Encyclopédie des techniques de l’ingénieur, février 2011.

Aucun commentaire:

Publier un commentaire