L'information est puissante à l'ère d'Internet et de la diffusion massive de contenus. Cependant, l'interprétation que nous en faisons est plus importante encore que l'information elle-même. Ces tonnes d'articles, d'opinions et de données qui nous parviennent doivent être soumises à un examen analytique, à une critique critique, et pour cela, nous devons nous tourner vers la science afin d'évaluer la situation, de prendre les meilleures décisions et d'exprimer nos opinions, surtout lorsqu'il s'agit de décisions et de politiques publiques qui affectent des milliers de personnes.
Il est donc essentiel de comprendre où, quand et surtout, como L'interprétation des informations que nous recevons revêt une importance capitale, tant sur le plan individuel que collectif. De nombreuses erreurs surviennent lors de ces interprétations, conduisant à des décisions erronées susceptibles d'entraîner des dommages incalculables pour les villes, les régions, voire les pays.
L'une des principales causes de malentendus dans les textes et articles réside dans l'adoption erronée du concept de corrélation, et dans les dangers qu'il représente pour l'adoption de politiques et de décisions publiques à fort impact. Prenons l'exemple de l'article suivant : « Corrélation possible détectée entre la pollution atmosphérique et les décès dus à la Covid-19 ». À la lecture de ce titre, plusieurs lecteurs ont immédiatement pensé : pour lutter contre la Covid-19, il faut donc réduire la pollution atmosphérique, ce qui entraînerait une diminution de la contagion et, par conséquent, du nombre de décès dus au virus. Ainsi, si ces lecteurs occupaient de hautes fonctions publiques, ils prendraient des décisions malavisées, élaborant des politiques inefficaces et sans résultat satisfaisant.
Pourquoi ces lecteurs se sont-ils trompés ? Parce que Il ne faut jamais confondre corrélation et causalité.Affirmer qu'il existe une corrélation entre la pollution atmosphérique et les décès liés à la COVID-19 ne revient jamais à dire qu'un niveau élevé de pollution atmosphérique entraîne une augmentation des décès dus à la COVID-19. Autrement dit, deux variables (dans cet exemple, la pollution atmosphérique et les décès liés à la COVID-19) qui varient conjointement n'ont pas nécessairement de relation de cause à effet. Pour illustrer davantage cette différence, prenons l'exemple absurde du site web tylervigen.com : la corrélation extrêmement élevée (rappelons que la valeur mathématique maximale d'une corrélation est de 1) entre le taux de divorce dans l'État du Maine et la consommation de margarine par habitant aux États-Unis : 0,9926.
Les divorces peuvent être considérés comme des problèmes sociaux et administratifs, engendrant davantage de procédures juridiques et, par conséquent, une augmentation des coûts et des besoins en personnel pour les finances publiques. Dès lors, les responsables publics devraient envisager des solutions pour réduire le taux de divorce et, d'après le graphique ci-dessus, cela devrait se faire… réduire le niveau des achats de margarineLe meilleur résultat qu'un manager puisse obtenir avec ce raisonnement est peut-être d'être démis de ses fonctions, n'est-ce pas ?
Des exemples extravagants comme celui mentionné seraient peut-être plus faciles à qualifier d'erronés, mais revenons au cas de la COVID-19 : la pollution atmosphérique. causer Davantage de décès dus au virus ? Un responsable politique qui répond « oui » à cette question se trompe et risque de prendre des décisions malavisées. Dans cette optique, faudrait-il interdire la circulation des véhicules polluants qui, de fait, contribuent à l’augmentation de la pollution, afin de réduire le nombre de décès liés à la COVID-19 ?
Certains lecteurs remarqueront un point, qui constitue la décision publique la plus frappante et la plus ironique : Ce responsable pourrait parvenir à réduire le nombre de cas et de décès liés au coronavirus grâce à cette interdiction, et ainsi devenir un héros.Non pas parce que les niveaux de pollution entraînent davantage de décès dus à la COVID-19, mais précisément parce qu'ils sont positivement corrélés, c'est-à-dire qu'ils varient de façon similaire. Pour parler de causalité, il faut ajouter une troisième variable à l'équation : isolement social.
On peut affirmer que l'isolement social causer une diminution de la circulation des personnes dans les rues, ce qui causer un nombre réduit de véhicules sur les routes publiques, ce qui à son tour causer une diminution des niveaux de pollution. D'autre part, l'isolement causer une diminution des interactions interpersonnelles, qui causer une diminution du taux d'infection à la COVID-19 et, par conséquent, du nombre de décès. Les deux variables mentionnées dans le titre sont en baisse, ce qui indique une diminution du taux d'infection à la COVID-19 et, par conséquent, du nombre de décès. corrélation, et non cause et effet.
C'est Le principal conseil pour analyser les titres et les informations qui nous parviennent Au quotidien : la causalité implique qu’une variable en provoque une autre, et qu’aucune autre variable n’est donc nécessaire pour que cette relation se manifeste. Ainsi, lorsque vous lisez un article comme « Corrélation possible détectée entre la pollution atmosphérique et les décès liés à la Covid-19 », recherchez d’autres variables potentiellement associées afin de découvrir la véritable relation de cause à effet. Dans ce cas précis, par exemple, Une forte densité de population entraîne une plus grande pollution de l'air, et conduit également à davantage d'interactions sociales et, par conséquent, à une plus grande propagation du virus.Ce n'est pas la pollution qui cause davantage de décès dus à la COVID-19, mais plutôt la forte densité de population qui engendre les deux problèmes. Nous sommes quotidiennement bombardés d'informations, certaines vraies, d'autres moins. Il convient d'appliquer une pensée critique et analytique. Les titres et les actualités comme celui présenté ici contribuent à éviter des problèmes modernes récurrents et extrêmement importants, tels que les décisions malavisées, la diffusion de fausses informations et le soutien à des campagnes inefficaces. Lorsque vous recevez des informations, en particulier celles qui prétendent établir des liens de causalité (le médicament X améliore la situation Y, la réduction de X empêche Y de se produire, etc.), toujours se poser des questions Cherchez des réponses plus réalistes. Autrement dit, ne confondez jamais causalité et corrélation, ni relation et cause à effet.
