Les illusions, la suppression de données pertinentes

par Jean Marie Champeau 6 Avril 2024, 02:00 vie courante

 

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. 

voir


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.

aller voir


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.

 

Moralité

 

 

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

Pour être informé des derniers articles, inscrivez vous :
commentaires

Haut de page