Les sophismes par la suppression de données pertinentes
et sophismes de généralisation hâtive
Ce paralogisme est un des plus difficiles à détecter puisqu'il consiste justement à occulter des données nécessaires à la conclusion qui est défendue dans une argumentation.
Le sophisme omet volontairement certaines données pertinentes.
Par exemple, la publicité ne précise pas que tous les produits concurrents sont aussi efficaces que le produit vanté quand elle nous dit qu'aucun n'est meilleur que lui.
Mais l’oubli peut aussi être involontaire et tenir à notre propension à ne rechercher ou ne retenir que des instances qui confirment nos hypothèses préférées. Cette forme de pensée sélective est certainement à l'oeuvre dans toutes sortes de croyances, au paranormal notamment et elle consiste en quelque sorte à se cacher à soi-même des données pertinentes.
Les baratineurs utilisent la tendance des gens à ne pas prendre en considération la fréquence de la survenue d'un événement, sa probabilité propre, par la négligence de la taille de l'échantillon, lorsqu'on cherche à en évaluer une probabilité combinée. Cela conduit, le plus souvent, à la surestimer.
Pour plus de détail sur le biais de La négligence de la taille de l'échantillon on peut aller voir l'article qui lui est consacré là. . .
Ce sophisme ouvre la voie à la généralisation abusive qui est le biais cognitif le plus fréquent. Il recèle le plus grand nombre "d'inférences vicieuses".
On généralise à partir de quelques cas particuliers, voire d'un simple exemple personnel, sans avoir analysé l'ensemble des cas ou, au moins, un échantillon représentatif.
Dans la vie de tous les jours, ce paralogisme prend souvent la forme d'un argument anecdotique, c'est-à-dire qui invoque une expérience personnelle pour appuyer un argumentaire.
«Je suis allé deux fois à votre bureau cette semaine sans vous y trouver. Vous n'êtes jamais là !»
Un exemple personnel ne peut être une généralité, on trouve ce travers dans d’abondantes déclarations de personnages publics.
Ainsi, par exemple, vouloir deviner le métier d’une personne a partir de ses habitudes de vie débouche souvent sur le biais cognitif de représentativité.
On peut aller voir la conséquence de ce sophisme dans le biais de représentativité là. . .
Pourtant, pouvoir tirer des conclusions concernant un ensemble donné à partir de l'observation d'un nombre limité d'instances de cet ensemble est à la fois souhaitable et nécessaire.
Nous voulons, en effet, pouvoir soutenir des conclusions générales, et cela même si l'observation de tous les cas est impossible et si l'observation d'un très grand nombre de cas est impraticable.
L'art de tirer de telles conclusions légitimement est devenu, sous les noms de théorie de l'échantillonnage et d'inférence statistique, une branche des mathématiques et plus précisément de la statistique. Son étude constitue le meilleur des antidotes à la généralisation hâtive.
Dans tous les cas, le penseur critique devrait rester sceptique devant les généralisations et se demander, avant de les accepter, si l'échantillon invoqué est suffisant et représentatif.
Ne jetons pas la pierre à ceux qui commettent ce type d’erreur car elle est souvent involontaire et relève de ce que l'on pourrait appeler "l'oubli d'une variable contextuelle décisive", lequel entraine une invalidation inconsciente de la représentativité de l'échantillon pour vérifier la règle générale énoncée.
Prenons en exemple le cas du raisonnement suivant :
«Les barrières des passages à niveau sont toujours fermées: Depuis mon compartiment de train, j'ai pu constater sur un échantillon de soixante-dix passages à niveau que "tous sans exception ont leurs barrières fermées"».
La variable déterminante oubliée est bien sûr ici qu'au passage du train, et fort heureusement, toutes les barrières sans exception se ferment à son passage.
On notera ici que la taille de l'échantillon, même multipliée à l'envi, n'améliorerait en rien la validité de la règle énoncée. Ainsi la taille de l'échantillon n'est pas toujours un critère discriminant de représentativité et de validité.
suppressiondonnéespertinentes
suppressiondonnées
donnéespertinentes
sophismegeneralisation
Sources
https://fr.wikipedia.org/wiki/Sophisme
https://www.toupie.org/Biais/Sophisme.htm
https://www.avecpanache.co/post/top-10-des-arguments-fallacieux-et-comment-sen-proteger
https://fr.wikipedia.org/wiki/Sophisme
http://la-galaxie-sierra.com/sophismes.html
https://fr.wikipedia.org/wiki/Généralisation_abusive
Pièce manquante
négligence de la taille de l'échantillon
Created by Uwe Kils (iceberg) and User:Wiska Bodo (sky).
https://upload.wikimedia.org/wikipedia/commons/thumb/a/ac/Iceberg.jpg/618px-Iceberg.jpg
le biais de représentativité
https://www.freeimages.com/fr/photo/faces-srb-1159298
erreur