Intellectica, 1995/2, 21, pp.

199-231

Marianne BELIS

Causalit, propension, probabilit

Causality, propensity, probability Abstract : The causal mechanism of the real world phenomena is analysed, in order to enlighten the physical roots of the uncertainty. The first part of the paper focuses on the connection between the concepts of causality and propensity. A formal definition of the propensity is given, taking into account the generic and the specific aspects of the causal connection. On the basis of this model, various types of causal connections are analysed, as the continuous and the discontinuous one, with compatible and mutual exclusive effects. It results that objective uncertainty is due to the discrete structure of some causal processes and to the presence of irregular events leading to variable propensities. In the second part of the paper a causal definition of probability is given, by using the concept of propensity defined in the first part. The connection of this 'causal' definition with other definitions of probability is analysed, by considering the analogy between the causal connection and a communication channel. In this model, the frequency method is considered as a method which extracts the signal from noise by repetition. The results are verifyed with those obtained in the case of the urn. The concepts of 'possibility' and 'subjective probability' are analysed too in the light of propensity. INTRODUCTION

Les concepts de causalit et de probabilit, bien que diffrents premire vue, ont quelques points essentiels en commun. Ainsi, par exemple, ils sont profondment ancrs dans la pense courante et scientifique pour reprsenter l'enchanement des phnomnes, et pourtant ils rsistent toute dfinition exhaustive. Plus exactement, pour chacun d'eux il existe diverses dfinitions, souvent non concordantes, et, en ce qui regarde le concept de causalit, son bien-fond mme est mis en cause. Ces difficults d'ordre conceptuel incitent rechercher la liaison profonde qui les unit la ralit environnante, liaison qui justifierait le succs de leur utilisation en pratique.

200

Un autre point commun rside dans le fait que ces deux concepts reprsentent aussi bien la partie connue de la ralit, que la partie cache, que nous ignorons. Cela est vident dans le modle probabiliste qui a t cr justement dans ce but, mais cela s'est trouv mis jour aussi dans le modle causal lorsqu'il a t largi pour englober, ct de la causalit dterministe, la causalit statistique. Cette dernire a t dfinie l'aide de la probabilit, ce qui a renforc le lien entre les deux concepts, avec les avantages et les insuffisances que l'on connat et qui vont tre discuts. Modliser l'incertitude voire l'ignorance est une tche ardue, vu qu'il est trs difficile de sparer l'incertitude subjective (due l'insuffisance de nos connaissances) de l'indtermination objective qui peut exister dans la ralit environnante. L'immixtion de ces deux types d'incertitudes a profondment marqu le concept de probabilit, entranant diffrentes attitudes scientifiques et philosophiques. L'objet de cette tude est d'approfondir les racines ontologiques de ces deux concepts, en cherchant mettre en vidence la liaison profonde qui les unit. Dans ce but, nous utiliserons le concept de propension qui, selon notre opinion, offre la liaison recherche. La premire partie de l'tude propose une dfinition formelle du concept de propension, base sur l'analyse qualitative et quantitative des connexions causales. Cette analyse permettra de mettre en vidence la source de l'indtermination objective dans les phnomnes du monde rel. Le modle de la propension servira, dans la deuxime partie, faire la jonction avec le concept de probabilit, ce qui permettra de donner celui-ci une dfinition causale.

Causalit et propension
1. CAUSALITE ET PROBABILITE

La connexion causale est une connexion fondamentale entre les entits* du monde rel qui par sa gnralit supporte les fondements mme de la connaissance. La diversit des phnomnes perceptibles a men l'laboration de deux types de modles causaux : le modle dterministe et le modle statistique. Par modle causal dterministe, on entend une relation entre deux entits telle que si la premire a lieu, la deuxime s'ensuit avec ncessit. C'est justement ce concept de ncessit qui a engendr les dbats les plus nourris : 1) est-ce que tous les vnements ont ncessairement un
*

Par 'entit' on comprend toute unit du monde rel (objet, vnement, phnomne, tat) caractrise par un ensemble de paramtres.

201

antcdent appel cause ? 2) si cause il y a, comment savons nous qu'elle entrane ncessairement un effet ? Un amendement important apport la thorie de la conjonction constante de Hume a t la reconnaissance du caractre contingent (et non pas exclusivement ncessaire) de la connexion causale. Les exemples abondent dans la vie de tous les jours, lorsqu'une cause (ou un groupe de causes) produit un effet non pas inluctablement mais dans un certain pourcentage de cas : fumer peut causer un cancer des poumons, sauter d'un rempart peut vous casser une jambe, jouer peut vous faire gagner, etc. Dans ces exemples, la connexion cause-effet n'est pas certaine, elle peut se manifester ou non en fonction des circonstances, elle a un caractre statistique. Mais comment formaliser un tel concept en le rattachant celui de causalit dterministe ? L'outil dont nous disposons pour formaliser l'incertitude est celui de probabilit. D'o l'ide d'utiliser cet outil pour dfinir la causalit. L'ide de base introduite par Suppes [1970] dans la Thorie probabiliste de la causalit est qu'un vnement B (survenu au moment t') est une cause prima facie d'un vnement A (survenu au moment t), si et seulement si la probabilit de A en prsence de B est plus grande qu'en labsence de B :
1) t' < t 2) P(Bt') > 0 3) P(At / Bt') > P(At)

Cette dfinition attrayante s'inscrit dans l'hritage humien (vu que la probabilit est mesure par sa frquence relative, donc par le nombre d'occurrences conjointes de A et de B) ; le problme est qu'elle ne permet pas de distinguer la vraie causalit de la simple corrlation. En effet, un vnement peut augmenter la probabilit d'un autre, sans pour autant en tre la cause. Exemple classique : la probabilit d'un orage en prsence d'une indication orageuse du baromtre est plus grande qu'en son absence. Selon la dfinition donne plus haut, cela mnerait la conclusion (fausse) que l'indication du baromtre est une cause de l'orage. La causalit implique la corrlation mais la rciproque n'est pas vraie. Pour viter de confondre la corrlation avec la causalit, des dfinitions supplmentaires ont t ajoutes par divers philosophes, dont Suppes luimme (voir aussi Sosa [1993]). La prise en compte de l'incertitude n'a pas tard se manifester dans le domaine de l'Intelligence Artificielle. Modlisant par des programmes le raisonnement incertain, les chercheurs se sont vus dans la ncessit de

202

moduler la rigidit des rgles SI...ALORS. Tout un foisonnement de mthodes et de thories pour formaliser l'incertitude ont t labores, certaines se rattachant au concept classique de probabilit, comme la thorie de l'vidence de Shafer [1976], ou les rseaux probabilistes de Pearl [1986], d'autres laborant des concepts nouveaux comme le flou ou le possible (Zadeh [1978]). On peut remarquer que dans le domaine de l'IA, la diffrence de l'approche philosophique, la jonction entre probabilit et causalit s'est faite avec moins de souci pour sparer les (vraies) causes des simples corrlations. Ceci est justifi par le fait que dans ce domaine, le traitement de l'incertitude est destin la prise de dcisions ; par consquent, ce n'est pas le concept de cause qui est fondamental mais l'information apporte par la probabilit conditionnelle d'un vnement en prsence de l'autre, mme si ces vnements ne sont que corrls. Prcdant les deux approches probabilistes de la causalit (l'approche philosophique et l'approche IA), un troisime domaine a fait cette jonction. Il s'agit des tudes conomtriques et sociomtriques qui ont men l'laboration de modles quantitatifs, englobant un grand nombre de variables. Dans l'analyse rgressive multivarie, on cherche tablir des relations entre des variables exognes ou indpendantes (les causes) et des variables endognes ou dpendantes (les effets). Le calcul des coefficients de corrlation se fait par des techniques statistiques, partir des donnes recueillies sur les valeurs des variables. Mais, la connaissance des coefficients de corrlation ne nous renseigne pas sur la connexion causale, car la corrlation n'implique pas la causalit. Cartwright [1989] et Papineau [1991] analysent ce problme. Il apparat que l'approche probabiliste (frquentielle, donc empirique) de la causalit, se heurte un obstacle de taille : comment dceler les vraies causes de la multitude des corrlations que nous observons autour de nous ? Il faudrait un modle conceptuel qui mette en vidence ce que la connexion causale a de spcifique et qui la diffrencie de la simple corrlation. Un tel modle aurait ncessairement comme tout modle une partie subjective concernant les hypothses que l'on fait sur la partie cache du rel. Or, craignant l'intrusion du subjectif, les empiristes ont considr les donnes exprimentales comme seule source de vrit, rduisant ainsi la causalit la rgularit de la connexion causale. Dans leur dsir de donner une base plus objective la connaissance, les empiristes ont appauvri la mthodologie scientifique de l'une de ses composantes fondamentales, savoir l'laboration de modles conceptuels.

203

Mais les donnes empiriques ne sont qu'un moyen de vrifier ces modles ; elles sont un critre de vrit et non pas la vrit mme. Le modle conceptuel, bien qu'tant une cration humaine, nous rapproche davantage de la nature des choses puisqu'il met en vidence les relations structurelles dont les donnes observables drivent. Rduire la causalit la rgularit, c'est rduire ce phnomne complexe l'une de ses formes de manifestation. Car la conjonction rgulire de la cause et de l'effet n'est qu'une consquence sensible du lien causal, elle ne dvoile pas, par elle mme, l'essence mtaphysique de cette connexion.
2. CAUSALITE ET PROPENSION

La productivit de la connexion causale, la cration de l'effet par la cause est un aspect de la ralit que Hume a compltement nglig quand il a crit : Au-del de ces trois circonstances, de contigut, de priorit et de conjonction constante, je ne peux dcouvrir rien dans cette cause . Et pourtant on trouve cet aspect dans la cause efficiente d'Aristote qui a introduit le concept de propension , tendance inhrente au changement et qui se manifeste dans toutes les entits de l'univers dynamique dans lequel nous vivons. Mais, soucieux d'liminer ces forces mystrieuses et de ne se fier qu' l'observable, les empiristes ont jet l'anathme sur ces puissances latentes , qui ne pouvaient tre qu'imagines et non pas mesures exprimentalement. Par contre, le caractre productif de la connexion causale est bien saisi par d'autres philosophes : la causalit est beaucoup plus qu'une relation ; c'est une catgorie de connexion gntique, donc de changement, c'est--dire un moyen de produire des choses (Bunge [1963]). Le concept de propension a t repris par Peirce [1934] et surtout par Karl Popper [1992], en liaison avec celui de probabilit. D'aprs Popper [1959], les propensions sont des proprits non observables du monde physique [...] doues de tendances ou de dispositions se raliser . Par la suite, ce concept a t analys par bon nombre de philosophes qui l'ont interprt de diffrentes manires, en cherchant le rapprocher de celui de probabilit. Mais pour expliquer la probabilit partir des propensions il faut d'abord bien cerner le concept mme de propension, d'autant plus que dans ses deux versions ancienne et moderne il est loin d'tre clairement dfini, laissant la voie ouverte bien des interprtations. 2.1. Une dfinition de la propension Nous cherchons laborer un modle capable de rendre compte de l'interaction des entits environnantes. Ce modle aura une partie objective et une partie subjective.

204

La partie objective englobe les donnes issues de l'exprience, savoir que : - il existe une influence entre les entits du monde rel, menant des changements quantitatifs ou qualitatifs de leurs paramtres ; - les changements quantitatifs sont dus une influence gradue et conjointe des entits environnantes ; les changements qualitatifs ont lieu, en gnral, de faon discontinue. La partie subjective consiste : - simplifier (ngliger dlibrment certains aspects du rel) ; - traduire (transposer les interactions observables dans un code qui nous est propre) ; - laborer des hypothses sur les relations non observables. Simplification (rduction) de la ralit environnante. Le modle se rfre une partie limite de la ralit appele processus ; celui-ci est un dcoupage dans l'enchevtrement des phnomnes rels, dcoupage dict par des considrations d'accessibilit ou d'intrt de l'observateur. Le modle nglige l'aspect de contigut spatiale, temporelle ou phnomnologique des entits en interaction ; autrement dit, le modle peut faire une liaison directe entre des entits qui, dans le processus rel, sont spares dans l'espace, dans le temps ou bien par des processus intermdiaires. L'action d'une entit sur une autre est sens unique (on nglige la rtroaction) ; ceci permet de sparer les entits actives (qui engendrent des changements d'tat) des entits passives (qui subissent des changements) ; cette sparation est plus ou moins artificielle puisque en gnral les entits en interaction s'influencent mutuellement. Les entits actives ne s'influencent pas rciproquement ; de mme les entits passives. Traduction des donnes observables dans le langage du modle. L'action d'une entit sur une autre est reprsente dans notre modle par un facteur gnrique et un facteur spcifique; le premier tient compte de la qualit de l'action de l'entit active dans tous les processus de ce type (il est donc synthtique et qualitatif) ; le deuxime tient compte de la force de l'action dans le processus en cause (il est donc spcifique et quantitatif). Hypothse. L'action conjointe des entits actives est modlise par une force interne capable de produire les transformations quantitatives ou qualitatives des entits passives ; cette force, non observable directement car interne au processus, est appele propension.

205

Processus causal. On appelle processus causal un ensemble d'entits actives {c i}, i = 1,...,n (appeles communment causes et conditions) qui agissent sur (ou engendrent) un ensemble d'entits passives {e j}, j = 1,...,m (appeles effets). A chaque lment actif ci, on attache un coefficient de pondration w(ci) = wi, positif ou ngatif, reprsentant par sa valeur l'importance de cet lment dans le cadre d'un processus gnrique du type considr et, par son signe, le sens de la transformation qu'il dtermine (s'il renforce ou affaiblit un certain changement). Les entits coefficients de signe contraire ont des actions opposes sur l'entit passive. C'est le cas des causes contraires mentionnes par Hume, qui contrecarrent l'action des causes favorables. Dans notre modle, les poids w sont compris entre les limites :
0 < |w| 1

w = 1 dsigne une entit ayant un rle essentiel dans la ralisation de l'effet (son absence empche la ralisation du changement) ; w = -1 dsigne une entit contraire dont la prsence empche la ralisation de l'effet ; w = 0 n'est pas pris en considration car il dsigne des entits qui, bien que prsentes, n'agissent pas sur les entits passives (elles ne font pas partie du processus). Chaque processus causal est un processus concret avec ses propres caractristiques. Les lments gnriques qu'il englobe se manifestent dans chaque cas particulier avec plus ou moins de force. Cela se traduit par un coefficient sij attach la connexion entre l'entit active ci et l'entit passive e j :
0 sij 1

sij = 0 signifie que dans le cas particulier considr, l'entit ci normalement active dans un processus typique, a une action trop faible, donc ngligeable ; sij = 1 signifie que l'entit active a une action optimale pour engendrer l'effet. On peut reprsenter la connexion causale par un graphe orient, dont les nuds reprsentent les entits actives et passives et dont les arcs partent des entits actives vers les entits passives (fig.1). Les nuds reprsentant des entits actives sont tiquets avec les poids w. L'tiquette s d'un arc reprsente la force de l'interaction.

206

Figure 1

Le but du modle est de rendre compte de l'influence que les entits actives ont sur les changements quantitatifs ou qualitatifs des entits passives. Chaque entit active y participe avec une force (spcifique, car propre au cas considr) d'intensit s, pondre par l'importance (gnrique) que cette entit possde dans le cadre de tout processus de ce type. Pour modliser l'action conjointe de plusieurs entits, la loi la plus simple prendre en considration est l'addition algbrique des forces, pondres par les poids des entits actives qui les exercent. Cette somme pondre reprsente la tendance ou la propension du changement. Dfinition 1. La propension d'un changement quantitatif ou qualitatif, menant une nouvelle entit 'e k', est la somme algbrique des forces actives pondres qui agissent dans le cadre du processus causal considr :
prop(ek) = i wi sik i = 1,...,n (1)

Les propensions reprsentent l'action gradue et conjointe des entits actives. Si chacune de ces forces individuelles peut quelquefois tre mise en vidence par des expriences appropries, l'action conjointe est

207

beaucoup plus difficile discerner et valuer, car elle se manifeste au cur mme du processus causal, des niveaux systmiques inaccessibles. C'est pourquoi les propensions reprsentent la partie hypothtique du modle, et la somme linaire pondre qui en rend compte, une premire approximation. Le bien fond de cette hypothse apparatra lorsque les propensions seront mises en relation avec le concept de probabilit, auquel elles fourniront une justification ontologique. Exemple. Soit le processus de transformation de la semence en plante. On peut rduire ce processus complexe un ensemble d'lments actifs gnriques (c1= la semence, c 2= la chaleur environnante, c 3 = l'humidit du sol, c 4 = les engrais) ayant des poids w positifs, et un effet e = l'mergence de la plante. Cet effet est soutenu par les divers lments actifs avec des forces s spcifiques, qui tiennent compte de l'tat des lieux et de la saison. Il en rsulte une propension de la plante paratre qui est due l'action conjointe de tous ces lments actifs et qui est modlise par la somme pondre [1]. 2.2. Comparaison avec d'autres modles causaux Malgr une ressemblance formelle (surtout graphique) avec d'autres modles causaux baysiens ou non notre modle possde une smantique totalement diffrente, la principale diffrence tant qu'il ne fait pas appel au concept de probabilit. Bien au contraire, nous nous servirons du modle pour dfinir la probabilit. Les rseaux causaux de Pearl [1988] ne modlisent pas la relation causale (malgr leur nom), mais permettent de propager travers le rseau, l'aide de techniques baysiennes, l'information dont on dispose et qui se trouve code par les probabilits conditionnelles et initiales. L'outil probabiliste utilis dans ce modle, comme dans celui de Peng et Reggia [1987], aussi bien que dans les techniques de rgression multivarie, ne fait pas de distinction entre causalit et corrlation. Ils s'inscrivent donc dans la tradition post-humienne qui justifie la liaison causale par le nombre d'occurrences conjointes des entits concernes. Ces modles ont des limitations importantes, propres toute technique baysienne : ils ne peuvent prendre en compte le phnomne incertain unique et ils utilisent des probabilits initiales qu'on ne sait pas calculer. la diffrence de ces modles, notre modle comprend uniquement des entits efficaces c'est--dire capables de produire, par une action conjointe, une qualit nouvelle. La probabilit est selon notre opinion un concept driv et ne peut servir dfinir la relation primordiale de causalit. Bien au contraire, le modle causal bas sur le concept de

208

propension peut mettre en vidence les racines objectives de la probabilit (de l'vnement rptitif ou singulier) ainsi qu'une mthode d'valuation des probabilits initiales. Notre modle se rapproche plutt de celui de Rieger et Grinberg [1977] qui met en vidence le concept de seuil de transformation d'un tat dans un autre.
3. QUELQUES CARACTERISTIQUES DES PROCESSUS CAUSAUX

3.1. Domaine continu et discontinu. Seuil de transformation Les diffrents tats d'une entit sont caractriss par des paramtres dont les valeurs se situent entre certaines limites. Le dpassement de ces limites mne des transformations qualitatives (changement d'tat). Ainsi, par exemple, entre -39 C et +357 C, le mercure se prsente dans l'tat liquide ; en dessous de -39 C il se solidifie et au-dessus de +357 C il se transforme en vapeurs. Ces deux valeurs, auxquelles il change d'tat, sont des seuils de transformation. Lorsqu'on augmente la temprature du mercure partir de -39 C, il garde son tat liquide mais il accumule de la chaleur (fig. 2a). C'est le domaine de fonctionnement continu o l'effet (quantitatif), est proportionnel la cause. Lorsque la temprature atteint l'un des seuils mentionns, il y a une transformation qualitative de l'tat du mercure. C'est le domaine de fonctionnement discontinu caractris par l'existence d'un seuil. La figure 2b, met en vidence les trois tats solide, liquide et gazeux, avec les seuils de passage d'un tat l'autre. Ces seuils reprsentent une valeur particulire de la temprature du mercure, porte en abscisse. Vu que la propension du mercure changer d'tat est due sa temprature interne, le graphe de la figure 2b peut tre gnralis (fig. 3), et le seuil de transformation peut tre dfini comme il suit : Dfinition 2. Le seuil de transformation de l'tat d'un systme est la valeur de la propension qui dtermine l'mergence d'une nouvelle qualit.

209

Figure 2a

Figure 2b

210

Figure 3

3.2. Entits constantes et variables La dure d'un processus causal est l'intervalle de temps qui spare le dbut de l'action des entits actives, des changements (quantitatifs ou qualitatifs) de l'entit passive. On a dj mentionn (2) qu'un processus est un dcoupage subjectif temporel, spatial et phenomnologique fait dans l'ensemble des transformations existantes. Les limites du processus, et partant sa dure, ont donc une valeur subjective, dpendant du niveau systmique de l'observateur, de ses possibilits d'observer l'environnement et de ses objectifs. Dfinition 3. Une entit active est constante si ses paramtres ne varient pas au cours du processus. Dans le cas contraire elle est variable. Remarque. La constance ou la variabilit d'un paramtre sont des notions subjectives, tant dfinies par rapport la dure du processus. Les paramtres d'une entit variable peuvent varier de faon rgulire ou irrgulire. La rgularit se traduit par une certaine priodicit de variation, une croissance ou une dcroissance monotone dans le temps (fig. 4a). Les variations irrgulires qui nous intressent (fig. 4b), se caractrisent par une absence de priodicit et une moyenne nulle: la somme algbrique des valeurs sur un intervalle de temps assez long est nulle.

211

Figure 4a

Figure 4b

Dfinition 4. On appelle propension instantane, la propension qui rsulte en ajoutant la valeur de la propension constante, la (ou les) valeur(s) des propensions variables, qui agissent durant le processus causal. Remarques - La valeur de la propension instantane varie d'un instant l'autre (fig. 5) ; nanmoins elle a une valeur moyenne non nulle, gale la valeur de la propension constante.

212

- La valeur de la propension instantane un moment donn peut tre plus grande ou plus petite que celle de la propension constante, selon la nature et le signe de l'action des entits variables.

Figure 5 4. ACTION DES PROPENSIONS INSTANTANEES

Les variations de la propension instantane ont des consquences diffrentes sur l'issue du processus selon que l'action a lieu dans le domaine continu ou bien proximit du seuil de transformation. Dans le premier cas (fig. 6a), l'issue du processus reste inchange qualitati-vement et seules des variations quantitatives de certains de ses paramtres ont lieu. Si ces variations sont petites (voire imperceptibles) l'issue du processus parat inchange pour un observateur. Dans le second cas (fig. 6b), des petites variations de la propension (mme infinitsimales), peuvent entraner le dpassement du seuil et donc un changement qualitatif de l'issue (changement d'tat perceptible). En gnral, dans un processus causal, l'action conjointe des entits actives peut engendrer non pas un seul, mais plusieurs effets la fois (fig. 1). Dans certains cas, ces effets sont compatibles comme lors de l'administration d'un mdicament dont l'effet principal (dtruire un virus), coexiste avec un ou plusieurs effets secondaires. Dans d'autres cas, les effets possibles, dus une mme structure causale, sont incompatibles. C'est le cas de l'extraction d'une bille d'une certaine couleur parmi

213

plusieurs possibles, du rsultat de toute comptition sportive, de l'obtention de pile ou face dans le lancement d'une pice de monnaie etc. Dans les processus effets mutuellement exclusifs, chaque effet tend se raliser proportionnellement sa propension. Une vraie comptition s'engage entre les propensions (instantanes) existantes, chacune propulsant l'effet qui lui est propre. La premire qui arrive franchir le seuil de transformation , produit son effet, en bloquant la ralisation des autres (car incompatibles). Ce seuil est fix dans chaque cas, par des conditions spcifiques (naturelles ou imposes). Dans le cas de l'urne c'est le passage de l'une des billes travers l'orifice d'extraction. Dans le cas d'un match sportif c'est l'obtention, par l'un des joueurs, d'un nombre de points fixs d'avance etc.

Figure 6a

214

Figure 6b

Le franchissement du seuil par la propension instantane est d la valeur qui rsulte de la combinaison de ses composantes. Une faible propension constante renforce par un vnement irrgulier forte propension positive pourra franchir le seuil avant une propension constante de valeur beaucoup plus leve. Et, par contre, une forte propension constante peut tre affaiblie par des vnements irrguliers contraires . Ainsi, par exemple, un joueur de tennis mdiocre peut gagner une partie contre un champion, malgr une propension constante (niveau technique, force etc.) beaucoup plus faible. Il suffit d'un coup de vent favorable ce joueur et/ou d'une crampe (passagre) dans la jambe du champion pour que la propension instantane du plus faible atteigne la premire le seuil (nombre de points fixs). C'est justement pour annuler l'influence des vnement irrguliers que le match contient plusieurs parties : la longue, les coups de vent, les crampes et autres vnements irrguliers vont affecter galement les deux joueurs (sinon on devrait les prendre en compte en tant que propensions constantes), et c'est le champion qui gagnera. La mme ide a t exprime par Laplace quand il a crit : ...dans une longue suite d'expriences l'action des causes constantes et rgulires va prvaloir sur celle des causes irrgulires .

215

Figure 7

Sur la figure 7 on a reprsent une variation possible de deux propensions constantes, p1 et p2, suite a l'adjonction d'vnements variables comme ceux cits plus haut. Ainsi que l'on remarque sur la figure 7, plus une propension constante est faible (cas de p2), plus les vnements variables favorables doivent tre importants pour permettre la propension instantane de franchir le seuil (point d). Par contre, des vnements irrguliers, mme de faible intensit, ajouts la propension p1, lui permettent de franchir le seuil facilement (points a, b, c). Bien que le concept de propension soit valable de par sa gnralit dans tous les types de connexions domaine continu ou discontinu, effets compatibles ou incompatibles c'est le cas d'une connexion causale effets incompatibles, proche du domaine de discontinuit qui est le plus intressant. En effet, c'est dans ce cas que se manifeste de faon saisissante l'influence des entits variables et irrgulires de faible valeur qui, se combinant avec les entits actives constantes, entranent des changements qualitatifs dans l'issue du processus. La consquence sur le plan pistmique c'est l'apparition d'une incertitude concernant l'issue du processus causal, vu qu'en gnral (mais pas toujours) les variations irrgulires qui permettent aux propensions instantanes d'atteindre le seuil de transformation ne sont pas observables. Les phnomnes alatoires ont attir l'attention justement cause de cette consquence pistmique, c'est--dire par leur caractre non prvisible. Mais cela ne constitue que l'aspect subjectif de l'indterminisme, li l'observateur. L'aspect objectif de l'indterminisme rside dans l'existence des propensions comptitives qui franchissent le seuil de transformation qualitative grce aux phnomnes fluctuants. Autrement dit,

216

l'indterminisme dans notre univers est d au caractre discontinu des transformations qualitatives et l'omniprsence du bruit . C'est dans le contexte de cette double indtermination objective et subjective qu'a merg le concept de probabilit, ce qui a engendr une confusion durable concernant le statut et la dfinition de ce concept, ainsi que l'ont montr Hacking [1975] et Shafer [1978]. L'essai de donner une dfinition objective la probabilit, l'aide du concept de propension, forme l'objet de la seconde partie de cette tude.

Propension et probabilit
5. LES MODELES PROBABILISTES

Une observation de longue dure de certains phnomnes alatoires a mis en vidence une rgularit des rsultats, ce qui a gnr l'ide d'une loi cache sous l'apparent dsordre. Ces rgularits appeles statistiques ont t remarques d'abord dans le cas des jeux de chance ce qui explique que les premiers essais de formaliser ce type de phnomne aient eu lieu dans ce domaine. Ce fut une circonstance heureuse et malheureuse la fois. Heureuse, parce que la structure simplifie d'un tel jeu a facilit un formalisme numrique et que le caractre rptitif du jeu a permis la vrification des hypothses. Malheureuse, parce que le gnie des pionniers s'est pench sur un cas particulier de phnomne alatoire, ce qui a fait que pendant plus d'un sicle, la notion de probabilit a t confine au cas particulier des issues galement possibles . La ncessit de trouver un formalisme dans le cas gnral a donn naissance au modle frquentiel qui a impos une autre restriction, non moins contraignante, savoir la possibilit de rpter un grand nombre de fois l'exprience, dans les mmes conditions. Laissant de ct les problmes lis la nature du phnomne alatoire les mathmaticiens ont labor une thorie rigoureuse des probabilits, base sur l'axiomatique de Kolmogorov. Les innombrables applications pratiques de la statistique sont une preuve de son bien fond. Mais cela n'claire en rien la nature des phnomnes alatoires rgularits statistiques. Quelles sont les caractristiques du monde rel et les proprits objectives des phnomnes qui rendent compte des valeurs des probabilits obtenues par la thorie mathmatique ? s'est demand A.I. Khintchine [1952]. Une des grandes insuffisances de la thorie statistique des probabilits est de ne pas pouvoir tre applique l'vnement unique (non rptitif).

217

Afin de remdier cet inconvnient, une nouvelle thorie des probabilits a fait son apparition, thorie appele subjective . Selon cette thorie, la probabilit ne dpend que de l'opinion personnelle de chacun, sans liaison avec les phnomnes mmes. Une nouvelle divergence s'ajouta donc dans ce domaine dj controvers, celle concernant la nature objective ou subjective des probabilits. Car on avait dj assez de mal concilier le caractre logique et a priori des probabilits classiques avec le caractre a posteriori, exprimental, issu de la thorie frquentielle. La diversit des points de vue est accentue de nos jours par l'laboration de nombreuses thories destines largir le champ du traitement de l'incertitude. Les problmes soulevs par le concept de probabilit proviennent non pas seulement du manque d'unit de ses diverses dfinitions au point qu'on en vient se demander s'il s'agit du mme concept mais surtout de l'absence d'un outil simple et pratique issu du bon sens . Quel est l'algorithme utilis par les humains pour valuer les chances des vnements venir, partir des informations dont ils disposent ? Cette valuation n'est pas ncessairement numrique et ne concerne pas ncessairement les vnements rptitifs, mais elle nous permet d'valuer l'incertitude et de prendre des dcisions en absence d'informations compltes. Si les diverses dfinitions donnes la probabilit ont prouv leur valeur, c'est que chacune d'entre elles recouvre un certain aspect de la ralit. Pour retrouver leur origine commune, nous nous efforons dans cette tude de dcouvrir les racines ontologiques de ce concept, ce qui permettra de lui donner une dfinition gnrale, capable d'englober les dfinitions existantes comme des cas particuliers.
6. PROPENSION ET PROBABILITE

Soit une structure causale proche du seuil de transformation (3), et qui engendre plusieurs issues incompatibles (4). Soient :
C={c i, 1 i n} l'ensemble des vnements actifs (causes et conditions) ; E={ei, 1 i m} l'ensemble des vnements passifs (effets ou issues) ; ei ej = 0 i, j (effets incompatibles).

Dans une telle structure, valuons la propension de l'vnement form par la runion de deux issues quelconques, e i et ej. Conformment la Dfinition 1 (2), la propension de cet vnement est gale la somme de toutes les forces actives pondres :
prop(ei ej) = kwk(ski + skj) = kwkski + kwkskj = prop(ei) + prop(ej)

218 avec 1 k n.

On a donc le thorme d'additivit des propensions. Thorme 1

prop(ei ej) = prop(ei) + prop(ej) i , j (2)

Corollaire C1.1. La propension totale du p rocessus est donne par la somme des propensions de toutes ses issues :
prop(E) = prop(e1 e2 ... em) = j prop(ej) j = 1,...,m (3)

Cela veut dire que la tendance d'un processus se raliser est donne par la somme des tendances de vnements par lesquels il se ralise, au cas o ceux-ci sont mutuellement exclusifs. Mais dans le cas d'un tel processus il est intressant de comparer les propensions qui soutiennent les diffrentes issues et qui concourent pour dpasser le seuil. Cela implique une unit de mesure commune donc une normalisation. Dfinition 5. La propension normalise est le quotient de la propension individuelle par la propension totale du processus.
prop(ek) i wi sik i = 1,...,n propnorm(ek) = p(ek) = ------------ = --------------------------(4) prop(E) i,k wi sik i = 1,...,n k = 1,...,m

Corollaire C.5.1. La propension normalise est comprise entre 0 et 1.

0 p(ek) 1 (5)

p(ek) = 0 est la propension d'un vnement qui ne peut se raliser (somme algbrique des forces nulle ou pas de connexions), donc il ne compte pas parmi les issues du processus. p(ek) < 1 signifie que l'vnement est incertain (sa propension est en comptition avec celles des autres vnements). p(E) = 1 signifie que la propension normalise du processus est gale 1 c'est--dire que celui-ci se ralise de faon certaine par une de ses issues. Le thorme 1 et le corollaire C.5.1 montrent que dans un processus issues mutuellement exclusives, les propensions normalises respectent les axiomes de base de la probabilit classique. On a donc la dfinition suivante :

219

Dfinition 6. Dans une structure causale discontinue effets mutuellement

exclusifs, les propensions normalises des vnements produits par cette structure sont gales leurs probabilits objectives.

La liaison entre les propensions et les probabilits a t avance sous forme intuitive par Karl Popper qui a crit [1959] : ...les probabilits doivent tre physiquement relles...elles doivent tre des propensions physiques, des proprits relationnelles abstraites du contexte physique, comme les forces newtoniennes . Il a dcrit les propensions comme : des dispositions de l'arrangement exprimental singulier [...] de donner naissance certaines frquences caractristiques quand l'exprience est frquemment rpte . Cette approche a suscit bon nombre de commentaires (Kyburg [1974], Settle[ 1974], Barreau [1989]). Un reproche majeur fait aux propensions popperiennes (Suppes [1974]) a t l'absence d'un formalisme explicite qui puisse les mettre d'accord avec les axiomes du calcul des probabilits. Le formalisme que nous proposons remdie cet inconvnient, en y ajoutant une explication ontologique. Mais d'autres consquences s'ensuivent de la dfinition D6. Corollaire 6.1. Les propensions sont des probabilits a priori vu qu'elles peuvent tre values avant le droulement du processus. Corollaire 6.2. Les propensions ainsi dfinies concernent le cas gnral des vnements quelconques ; le cas des vnements quiprobables est un cas particulier qui drive de celui-ci, ainsi qu'on va le montrer dans l'analyse du paradigme de l'urne billes ( 8). Corollaire 6.3. Les valeurs des propensions se retrouvent dans les frquences des vnements dans une longue suite d'essais, ce qui sera mis en vidence au 9. Corollaire 6.4. La dfinition de la propension telle qu'elle a t donne plus haut (2), est indpendante du caractre rptitif ou singulier du processus. Cela montre le caractre unitaire de la probabilit dans ces deux types de processus et fournit une mthode constructive de la probabilit subjective ainsi qu'on va le voir au 10.
7. PROPENSION ET POSSIBILITE

La confusion qui s'tait installe entre la probabilit objective (ou alatoire) et la probabilit pistmique, ne pouvait pargner le concept apparent de possibilit. Hacking [1967] en a analys les ambiguts grammaticales et smantiques et a discut l'opportunit d'y associer des modificateurs linguistiques ; Zadeh [1978] et Dubois et Prade [1985] lui ont donn un fondement formel en y associant le concept de flou.

220

Le concept de propension et le modle causal qui le sous-tend permettent d'clairer le concept de possibilit, en ce qui concerne sa liaison objective avec celui de probabilit et, implicitement, du point de vue du sens qu'on lui donne dans la vie courante, lorsqu'on apprcie l'existence des vnements incertains venir. Une exigence minimale pour qu'un vnement puisse se produire c'est que les lments actifs de poids w=1 qui le conditionnent soient tous prsents et ceux de poids w= -1 soient absents (2). En nous rapportant au modle causal sous forme de graphe (fig.1), on peut avancer la dfinition suivante de la possibilit binaire (possible/impossible) : Dfinition 7. Un vnement est possible s'il est connect tous les lments actifs de poids gal 1 et n'est connect aucun lment actif de poids gal -1. Sinon, il est impossible. Exemple : il est possible qu'un joueur mdiocre gagne un match contre un champion, car les dterminants essentiels sa russite sont prsents : il est jeune, en bonne sant et il a une technique acceptable. Il est possible, mais il n'est pas probable car la propension de sa russite (value en tenant compte des forces pondres 'ws' de toutes ses connexions) rsulte assez faible, compare celle du champion. Si une cause contraire importante tait prsente (par exemple s'il s'tait foul la cheville le jour prcdent) sa victoire serait impossible. La possibilit est un concept d'valuation du devenir d'un vnement, qualitatif et rducteur, vu qu'il nglige les dterminations quantitatives (les forces pondres des connexions) et prend en compte uniquement les interactions qualitatives importantes (la prsence des entits actives de poids gal 1). Mais qu'est-ce qu'une qualit dpourvue de mesure? C'est, peut-tre, une capacit au sens de Cartwright [1989] c'est--dire une proprit qui permet une entit d'agir sur une autre. Sparer la qualit de la quantit est une abstraction qui accentue la rduction (donc la partie subjective) du modle initial (2.1). En ralit, les qualits des entits existantes se manifestent toujours de faon quantitative ce qui fait que cette sparation (artificielle) demande un effort conceptuel (il est difficile de penser la qualit dnue de quantit). C'est ce qui explique la difficult de sparer le concept de possibilit de celui de probabilit et le malaise de comparer les possibilits en utilisant des expressions du type plus possible . Pour comparer les possibilits de ralisation des vnements il faut faire une analyse plus dtaille du graphe causal. On a vu que chaque issue du processus est relie un nombre d'lments actifs dont quelques uns la soutiennent (poids w positifs) et d'autres la contrecarrent (poids w

221

ngatifs). Plus un vnement a des liaisons positives nombreuses par rapport aux liaisons ngatives, plus sa possibilit d'existence est grande. On a alors une dfinition du degr de possibilit : Dfinition 8. Le degr de possibilit d'un vnement incertain est la somme algbrique de toutes ses connexions, en tenant compte uniquement du signe des poids et non pas de leur valeur :
pos(e k ) = i =1,,n i,k avec 1 si wi > 0 i ,k = 1 si wi < 0

(7)

Le degr de possibilit fournit une plus grande quantit d'information par rapport la possibilit binaire, vu qu'il prend en considration la totalit des entits actives qui sont l'oeuvre et non pas seulement celles de poids 1. Nanmoins il fournit moins d'information que la propension qui, en tenant compte de la valeur effective des poids w et des forces s, fournit une information quantitative sur la chance de ralisation. En plus, les propensions fournissent cette information sous forme normalise ce qui est un artifice destin faciliter leur comparaison. Mais rien n'empche qu'on normalise aussi les possibilits (qui auront donc des valeurs comprises entre 0 et 1) : Dfinition 9. Le degr de possibilit normalis d'un vnement incertain est le quotient de son degr de possibilit (somme algbrique de ses connexions) par le degr de possibilit du processus (somme algbrique de la totalit des connexions existantes) :
pos(ek ) posnorm(ek ) = ----------pos(E)

(8)

On remarque que la ressemblance entre possibilit et probabilit (propension) s'accentue mesure que l'on passe de la possibilit binaire (possible/impossible) au degr de possibilit et enfin la forme normalise. La distance entre l'valuation de la possibilit binaire et celle de la propension est comble par des modles hybrides qui attachent des nombres des tats qualitatifs. En pratique, la comparaison des possibilits est rarement faite sous forme numrique. Mais cette transition gradue du qualitatif au quantitatif nous permet de comprendre la ressemblance entre les concepts de possibilit et de probabilit, ressemblance qui devient identit dans le cas de l'urne billes.
8. LES PARTICULARITES DE L'URNE A BILLES

222

Retrouver les axiomes de la thorie classique des probabilits dans les proprits des propensions (ainsi qu'on l'a montr au 6) peut paratre surprenant. Mais ce qui est surprenant ce n'est pas le fait que les propensions normalises possdent ces proprits, car, ainsi qu'on l'a vu, elles ont une base objective trs intuitive, mais bien que les crateurs de la thorie classique des probabilits ainsi que les mathmaticiens qui lui ont donn une base formelle se soient appuys justement sur ces axiomes qui pour eux n'avaient pas de valeur objective gnrale. L'explication de cette concidence se trouve dans le choix de l'urne bille comme exemple de processus alatoire rgularits statistiques. Ce choix comporte des avantages importants qui ont facilit l'tude, savoir : - structure essentiellement discontinue issues mutuellement exclusives ; - causes (billes dans l'urne) et effets (billes extraites) ayant la mme nature physique, ce qui signifie que le processus n'engendre pas des transformations qualitatives et permet de mieux contrler les vnements l'entre et la sortie du processus ; - les propensions stables (nombre de billes) sont bien distinctes des propensions irrgulires (mcanisme d'extraction) ce qui fait que la rptition du processus dans les mmes conditions stables (mme nombre de billes) peut se faire aisment ; cela facilite l'valuation frquentielle de la probabilit ; - l'valuation a priori est, elle aussi, facilite : si toutes les billes sont identiques et uniformment distribues dans l'urne, toutes les causes ont le mme poids et toutes les connexions ont la mme force :
wi = w' i = w i ; sij = s i j (9)

Soit une urne avec n billes rouges qui engendrent l'effet e1 et m billes blanches qui dterminent l'effet e2. Le schma causal est reprsent sur la figure 8. Les propensions normalises des deux effets, calcules conformment la dfinition (D5) sont :
iwisi1 nws n p(e1) = ------------------------ = ----------- = --------- ; (10) iwisi1 + iw'isi2 (n+m)ws n + m m p(e2) = ------n+m

La relation [10] confirme, dans ce cas particulier, la conclusion gnrale avance plus haut, savoir que les propensions normalises reprsentent en fait des probabilits.

223

Figure 8

Les propensions normalises constantes (proportionnelles aux nombres de billes de chaque couleur), se combinent avec les propensions variables dues au mcanisme d'extraction (quel qu'il soit) et engendrent des propensions instantanes. Ces propensions sont en comptition, vu qu'une seule bille peut sortir de l'urne. La premire propension instantane qui franchit le seuil de ralisation (bille travers l'orifice), bloque la ralisation des autres. Dans chaque tirage c'est le mcanisme d'extraction qui dcide du rsultat, mais dans une longue suite, l'influence de ce mcanisme va s'annuler car il favorise galement toutes les billes (moyenne nulle des propensions variables) et c'est le nombre de billes de chaque couleur qui va prvaloir. Les particularits de l'urne billes (galit des poids et galit des forces de connexions) font que le calcul des propensions normalises (les probabilits) est trs facile : ainsi qu'il rsulte de la relation [10], il ne faut plus valuer les poids w et les forces s, car ces valeurs se simplifient et l'on arrive directement la valeur finale en comptant tout simplement les billes. C'est ce que les crateurs du calcul des probabilits ont fait, en se laissant guider par l'intuition. La confirmation de cette intuition a t faite, d'une part, par la facilit de reproduire l'exprience un grand nombre de fois exactement dans les mmes conditions et de compter les issues

224

(mthode appele plus tard frquentielle ) et, d'autre part, par la dmonstration de Bernoulli concernant la loi des grands nombres . Une autre consquence de ces particularits consiste dans le fait que les issues lmentaires ont des probabilits gales. En effet, la propension d'une bille sortir de l'urne (indpendamment de sa couleur) est 'ws'. La propension normalise (ou la probabilit) est ws/ws(m+n) = 1/(m+n). Cette valeur est la mme pour toutes les billes qui ont donc des probabilits gales. En ce qui concerne le degr de possibilit d'une issue, alors conformment la dfinition (D8) il faut valuer le nombre de connexions qui relient chaque bille extraite (effet) sa cause (mme bille dans l'urne). Cette unique connexion fait que le degr de possibilit de chaque bille individuelle est gal 1, et le degr de possibilit normalis (D9) est 1/m+n. On remarque que, dans le cas particulier de l'urne, les possibilits des vnements lmentaires sont gales et que sous la forme normalise elles sont gales aux probabilits. Cela explique que Laplace ait eu beaucoup de mal sparer ces deux concepts, donnant naissance la dfinition classique circulaire , beaucoup commente depuis. Les processus causaux du type de l'urne sont rares dans la nature, ce qui fait que cette formule a une application relativement restreinte. C'est une des insuffisances majeures de la thorie classique. Laplace a bien vu cela quand il crit dans son deuxime principe gnral du calcul des probabilits : ...mais cela suppose les diffrents cas galement possibles. S'ils ne le sont pas, on dterminera d'abord leurs possibilits respectives, dont la juste apprciation est l'un des points les plus dlicats de la thorie du hasard. Alors la probabilit sera la somme des possibilits de chaque cas favorable . Mais Laplace ne nous a pas dit comment on pourrait calculer ces possibilits ingales et la question est reste ouverte. L'analyse de la structure causale du processus, telle qu'elle a t donne plus haut, se place ds le dbut dans le cas des possibilits ingales, le cas de l'galit rsultant comme un cas particulier. On voit facilement que ce n'est que dans ce cas bien particulier que la somme des possibilits des cas favorables est gale la probabilit . Malgr ses particularits ou justement cause d'elles le paradigme de l'urne a t salutaire, en ouvrant la voie une premire valuation de la chance pouvant tre confirme exprimentalement. Mais cette confirmation, bien qu'exprimentale et donc lie au phnomne mme, apparat plutt comme miraculeuse car non justifie du point de vue phnomnologique. Quelle est la liaison profonde, ontologique, entre la dfinition classique de la probabilit et les frquences des vnements dans une longue suite ?

225

Cette liaison apparat trs naturelle et intuitive si l'on accepte l'explication propensionniste des probabilits. Elle repose sur le fait que dans une longue suite d'essais les propensions irrgulires s'annulent (ayant une moyenne nulle) et l'on retrouve la valeur moyenne de la propension instantane, ainsi qu'on l'a montr au 4. Cette valeur est gale la propension constante, dfinie partir d'vnements stables, donc la probabilit de l'vnement. Un modle tir de la thorie de la communication va claircir davantage la liaison entre les deux dfinitions mentionnes.
9. LE CANAL DE COMMUNICATION CAUSAL

9.1. Le modle Un processus causal peut tre modlis par un canal de communication (fig. 9) qui transforme les signaux d'entre (les propensions) en signaux de sortie (les effets), en prsence du bruit (Belis 1975, 1990). Cette analogie est base sur quelques proprits communes des deux processus : - du point de vue conceptuel les deux processus peuvent tre considrs comme une application d'un espace d'entre sur un espace de sortie. Dans le cas des systmes techniques de communication, ces deux espaces sont constitus par les signaux d'entre, respectivement de sortie ; dans le cas d'un processus causal, l'espace d'entre est donn par les propensions, tandis que l'espace de sortie est donn par les effets engendrs par le processus causal ; - dans les deux types de processus, la connexion entre-sortie est influence par le bruit ce qui fait que la sortie n'est pas uniquement dtermine ; par bruit on entend, dans les deux cas, la superposition sur l'entit transmettre, d'entits non corrles, ayant en gnral (mais pas ncessairement), des intensits et des dures infrieures l'entit principale ; on se place dans le cas d'un bruit de moyenne nulle ; - dans les deux cas, afin d'annuler l'influence du bruit et d'avoir en sortie une information sur le signal d'entre, on emploie la mthode de la rptition. Cette mthode, largement utilise dans les systmes de transmission pour extraire le signal du bruit, est base sur le fait que les signaux constants, prsents l'entre, vont s'ajouter et se renforcer, tandis que le bruit ayant une moyenne nulle va s'affaiblir progressivement. Dans le cas de notre modle [fig. 10], on considre l'entre du canal deux signaux d'amplitude constante, V1 et V2, reprsentant les propensions normalises constantes engendres par un processus causal deux issues incompatibles (par exemple, l'urne billes de deux couleurs). Durant la transmission par le canal, l'adjonction du bruit (vnements irrguliers),

226

transforme ces signaux constants en signaux variables (propensions instantanes). Le premier qui parvient franchir le seuil P0, fournit un signal la sortie de la porte affrente, signal qui incrmente le compteur respectif. Chaque incrmentation d'un des compteurs reprsente la ralisation de l'un des deux effets possibles. Des signaux de blocage ralisent le verrouillage de l'autre porte pendant la transmission, afin d'assurer l'incompatibilit des issues.

Figure 9

Conformment l'analyse faite au 4 (fig. 7), plus grands sont les signaux d'entre, plus frquemment ils vont dpasser le seuil, suite l'adjonction du bruit, et plus grand sera le nombre enregistr par le compteur affrent. Soient N1 et N2 les indications des deux compteurs aprs un grand nombre de transmissions. Si V1 + V2 = 1, on a
N1 V1 = --------- ; N1+N2 N2 V2 = ---------- ; N1+N2

227

Figure 10

Le schma de la figure 10 reprsente un modle technique de la mthode frquentielle. Les propensions prsentes l'entre du canal sont des probabilits a priori et elles se retrouvent la sortie du canal, (aprs un grand nombre de transmissions), sous la forme de frquences relatives. 9.2. valuation des probabilits l'entre et la sortie du canal L'extraction du signal du bruit, par rptition, voir corrlation, est une mthode qui connat des dveloppements thoriques et pratiques importants dans la transmission des signaux. La mthode frquentielle n'est que l'illustration de cette mthode d'extraction du signal du bruit, dans le cas des processus alatoires. Selon que l'on se place l'entre ou la sortie du canal causal, l'valuation des chances se fait de faon diffrente. Si l'on se place l'entre du canal et que l'on veut apprcier les chances a priori des vnements (avant le droulement du processus), il faut pouvoir valuer les propensions de chaque issue. Cela suppose une trs bonne connaissance de la structure causale du processus, (c'est--dire des poids des diffrentes causes et conditions ainsi que des forces des connexions qui les relient l'issue envisage), ce qui est rarement le cas. Laplace s'est plac l'entre du canal, mais dans un cas simplifi. Dans le cas gnral, la structure causale est bien plus complexe et il est difficile dans ces conditions d'valuer les probabilits a priori , donc les propensions l'entre du canal. Par contre, von Mises s'est plac la sortie du canal afin d'extraire le signal du bruit en rptant la transmission et en comptant les issues. L'un des avantage de cette mthode est sa simplicit : on peut tout ignorer de la structure causale du phnomne, le signal sort du bruit dans sa globalit,

228

point n'est ncessaire de le construire partir de ses composantes comme dans le cas des propensions d'entre. En plus et surtout cette mthode a le mrite d'tre objective, car les chiffres sont l, l'interprtation humaine n'y est pour rien. C'est d'ailleurs ce qui a t avanc comme preuve de l'existence relle des probabilits comme entits objectives, indpendantes de tout observateur humain. Mais l'erreur a t de prendre cette preuve de l'existence objective des probabilits pour la dfinition mme du phnomne probabiliste. L'essentiel du phnomne alatoire rside dans une structure causale spcifique et non pas dans le caractre rptitif du processus. La rptition permet de mesurer les probabilits et non pas de les dfinir. Les adeptes de la thorie frquentielle confondent le concept avec l'un de ses tests, une erreur que les humiens commettent vis--vis de la causalit. En effet, la conjonction constante des humiens et la frquence limite des probabilistes ont la mme racine pistmique propre aux empiristes : prendre l'observable pour l'essence des choses. Cela a abouti des impasses dans les deux cas, savoir la difficult de sparer la causalit de la corrlation, ainsi que l'impossibilit d'expliquer le processus alatoire singulier. En effet, tous les processus alatoires ne sont pas forcment rptitifs. Un match, une course hippique, l'lection d'un prsident, le lancement d'une fuse, le dclenchement d'une avalanche, sont des processus indtermins, issue incertaine et qui ont en commun le fait qu'ils ne se produisent qu'une seule fois dans le contexte donn. Ce sont des vnements singuliers ; ils n'entrent pas dans le cadre formel de la statistique et pourtant la pratique montre que les humains sont capables d'valuer les chances de ralisation des vnements uniques du type mentionn plus haut. Quel est donc l'algorithme utilis et quel est sa base objective ?
10. LA PROBABILITE DE L'EVENEMENT ISOLE

Une telle probabilit sort du domaine de la statistique et par consquent elle a t bannie du domaine du calcul des probabilits objectives. Elle a form, par contre, le cheval de bataille des subjectivistes qui ont trouv avec cela la justification d'une thorie personnaliste de la probabilit. On se serait attendu ce que les promoteurs de cette thorie (de Finetti 1931, Savage 1954) indiquent le mcanisme qui permet de transformer l'information acquise sur l'vnement en une mesure de probabilit. Mais tout ce que l'on propose c'est d'effectuer un pari dont le montant sera proportionnel la valeur de la probabilit. D'ailleurs, selon cette thorie, la probabilit est une entit subjective qui n'a pas d'existence en dehors du

229

sujet. Or c'est justement cette liaison entre probabilit objective et subjective qu'il importe de dcouvrir. Car si l'on est capable de faire un pari, c'est qu'on a pu valuer les chances d'un vnement partir des informations (incompltes) dont on dispose et qui proviennent du monde rel. Mais peut-on se demander avec raison, comment faisons-nous cette valuation ? Quel est le traitement que nous appliquons aux donnes dont nous disposons ? Et une fois trouv, quel est le critre de validation dans le cas de l'vnement unique, puisque une confirmation frquentielle est exclue ? Une analyse des sources de l'incertitude pistmique montre que celleci a une double origine. D'une part elle reflte l'indtermination qui existe objectivement dans le cas des processus alatoires (processus discontinu issues incompatibles) et d'autre part, elle est due au manque de connaissances sur les propensions stables qui sont en comptition (connaissance incomplte des causes et des conditions, des poids ou/et des forces des connexions). Devant un phnomne alatoire issue(s) incertaine(s), l'observateur cherche acqurir de l'information sur toute ces entits. Il tient compte de l'importance relative de chaque lment actif dans le contexte du processus, en valuant l'intensit du support qu'il procure chaque issue. Pour ce faire, il doit valuer numriquement les paramtres du tableau suivant (les poids w des causes et les forces s des connexions) :
_______________________________________________________________ lments actifs effets : e1 e2 ..............em (causes et conditions) _______________________________________________________________ c1(w1) c2(w1)

s11 s21

s12 s22

..............s1m ..............s2m

cn (wn ) sn1 sn2 ............. snm _______________________________________________________________

Exemple : soient les deux issues possibles d'un match de tennis : e1 (le joueur A gagne) et e 2 (le joueur B gagne). Notre opinion concernant l'issue du match rsulte de l'analyse des lments actifs stables qui dterminent le succs, soit : c1 = le niveau technique, c2 = l'ge, c3 = l'tat de sant, c 4 = le type de terrain, c5 = le pays ou se tient le match. Il faut valuer

230

numriquement les poids w de ces entits (valeurs gnriques lies l'tat de nos connaissances sur l'importance de ces entits dans les jeux de tennis en gnral) ainsi que les forces s des connexions qui les relient chaque joueur (valeurs spcifiques lies l'tat de nos connaissances sur les deux joueurs en prsence). Cela nous permet de calculer la propension subjective de chaque issue avec la mme relation que dans le cas des propensions objectives (2). Si l'information sur la structure causale stable du processus est complte, et si l'observateur est en mesure de transformer correctement cette information en une valuation numrique, les propensions subjectives devraient tre gales aux propensions objectives dfinies au 2 et donc aux probabilits objectives qui drivent de ces propensions. Une telle situation est rarement ralise en pratique dans le cas gnral des vnements possibilits ingales faute d'information suffisante et d'un algorithme de codage numrique ce qui fait que les probabilits subjectives diffrent des probabilits objectives. Si l'vnement est rptitif, elles ne seront donc pas forcment vrifies par la mthode frquentielle. Cette absence de concordance, due au manque d'information et aux difficults d'valuer sous forme numrique les propensions, ne doit pas masquer la source objective de la probabilit subjective. C'est toujours dans la ralit environnante que nous puisons les informations pertinentes pour nous forger une opinion ou faire un pari, et si celui-ci a t choisi comme critre de cohrence par les subjectivistes c'est parce qu'il nous oblige organiser les donnes dont nous disposons afin que l'axiome d'additivit soit respect. Ds que le pari ne s'impose plus, l'axiome d'additivit ne trouve plus sa justification et l'on se trouve dans le cas gnral des croyances trait dans la thorie de l'vidence [Shafer 1976, Smets 1994]. Le cas de l'ignorance trait dans la thorie de l'vidence se traduit par l'apparition d'un nouveau noeud dans le graphe causal, en supplment des noeuds reprsentatifs des issues possibles (fig.11). Vers ce noeud convergent toutes les connexions qui ne peuvent tre attribues aucune des issues relles du processus, faute d'information. Ceci explique d'une faon moins formelle mais plus intuitive que les croyances concernant les issues possibles ne sont plus additives [Belis 1994].

231

Figure 11

Il faut remarquer aussi que dans l'incapacit d'attribuer des valeurs numriques aux poids et aux connexions, un observateur humain est toutefois capable de faire une valuation qualitative des chances, c'est-dire un ordonnancement des issues. Des valuations qualitatives du type A a plus de chances que B , rsultent d'un ordonnancement des poids et des forces de connexion, c'est--dire de l'valuation qualitative des propensions. Il faut remarquer encore que dans l'valuation qualitative ou quantitative des chances, l'observateur humain nglige dlibrment l'influence des vnements qu'on a qualifi de bruits dans la transmission causale (une crampe dans la jambe d'un des joueurs, le mcanisme d'extraction dans le cas de l'urne etc.), et ne prend en compte que les vnements dterminants stables. Cette ngligence est justifie, d'une part, par la difficult de connatre les vnements du type bruit (faible intensit, courte dure etc.) et d'autre part et surtout par le fait que leur influence s'annule long terme si le processus est rptitif. Mais mme s'il ne l'est pas, la probabilit subjective, l'instar de la probabilit objective, est construite partir des lments stables qui reprsentent les chances objectives de ralisation de l'vnement. Les difficults de percevoir (et de mesurer) les vnements du type bruit et donc d'valuer les propensions instantanes, ne doivent pas masquer le caractre objectif du phnomne alatoire, fut-il singulier ou rptitif. L'indtermination des issues n'est pas due uniquement l'observateur, son ignorance ; elle rside aussi et en premier lieu dans le caractre discontinu de la connexion causale, dans la comptition des propensions qui engendrent des issues mutuellement exclusives et

232

dans le rle important que jouent, dans cette comptition, les vnements irrguliers.
11. CONCLUSION

Le modle causal que nous avons construit dans la premire partie de cette tude a permis de dfinir la propension, entit conceptuelle qui synthtise l'action gradue et conjointe des forces actives. La propension, sous sa forme normalise, satisfait les axiomes de base de la thorie des probabilits. Cela a permis de donner une explication objective au concept de probabilit en le reliant la structure causale du processus indtermin. Cela a permis aussi de dceler la liaison qui existe entre les deux dfinitions donnes ce concept : la dfinition classique qui value les probabilits a priori l'entre du canal et la dfinition frquentielle qui value les probabilits la sortie du canal de transmission causal. L'approche causale des probabilits a permis d'tendre ce concept l'vnement singulier indtermin, en lui fournissant une explication objective en mme temps qu'une mthode d'valuation subjective issue du bon sens . Enfin, l'analyse de la structure causale du processus indtermin a men une dfinition objective du concept de possibilit et la mise en relief de sa parent avec celui de probabilit. La liaison entre propension et probabilit propose par Popper sous forme intuitive et laquelle on a cherch donner une justification causale dans cette tude, concerne uniquement le cas des vnements incertains venir. Nous l'avons analyse dans un univers macroscopique, form d'vnements stables et d'vnements irrguliers. Le concept de propension a t analys aussi d'autres niveaux systmiques (Suppes [1974], Mugur-Schchter [1991]). Depuis sa cration, le concept de probabilit s'est considrablement dvelopp comme outil formel, en dpit de la mconnaissance de ses racines ontologiques. Ainsi les baysiens l'ont appliqu aux vnements passs (probabilit des causes) et les statisticiens l'emploient, sous diverses formes drives, dans l'valuation des phnomnes de masse. Ces applications sont valables dans des processus trs loigns du paradigme initial qui concernait le devenir incertain d'une nouvelle entit. Il serait vain de chercher dans les diffrentes extensions formelles de la probabilit, la trace des propensions. La liaison entre probabilit et propension n'existe que dans les processus gnrateurs d'entits nouvelles, les seuls o se manifestent les forces actives mises en vidence par notre modle. Mais cette liaison permet de rattacher la

233

probabilit aux phnomnes du monde rel et confre aux axiomes fondamentaux une justification ontologique qui explique le succs de cet outil formel dans tous les cas d'incertitude qui respectent ces axiomes.
Marianne BELIS cole Centrale d'lectronique Paris

Bibliographie
Barreau, H. [1989] Popper et les probabilits, dans R. Bouveresse (d.), K. Popper et la science d'aujourd'hui ( Actes du colloque de Cerisy, 1981). Paris, Aubier. Belis, M. [1973] On the Causal Structure of Random Processes, dans R. Bogdan and I. Niiniluoto (ds), Logic, Language and Probability. Dordrecht: Reidel. Belis, M. [1990] Causal Reasoning in Predictive Systems, Analyse de Systmes, XVI, pp. 13-22. Belis, M. [1994] The Structure of Uncertain Knowledge in the Theory of Evidence, cinquime confrence internationale, IPMU, Paris. Bunge, M. [1963] Causality. The Place of the Causal Principle in Modern Science. Cleveland: Meridian Books. Cartwright, N. [1989] Nature's Capacities and their Measurement. Oxford: Clarendon Press. Dubois, D. et Prade, H. [1985] Thorie des possibilits, Paris, Masson. Finetti, B. de [1931] La prvision : ses lois logiques, ses sources subjectives, Annales de l'Institut Henri Poincar, vol 7. Hacking, I. [1967] Possibility, The Philosophical Review, p. 162. Hacking, I. [1975] The Emergence of Probability, Cambridge University Press, London. Hume, D. [1739] A Treatise of Human Nature, reprinted in Penguin Classics, 1984, London. Khintchine, A.I. [1952] La mthode des fonctions arbitraires et la lutte contre l'idalisme dans la thorie des probabilits : article traduit dans le tome V des Questions Scientifiques, pp. 9-24, ditions de la Nouvelle Critique. Kyburg, H. [1974] Propensities and Probabilities, British Journal for the Philosophy of Science, 25, pp. 358-375. Laplace, P.S. [1820] Essai philosophique sur les probabilits. Paris, GauthierVillars, 1921. Mugur-Schchter, M. [1991] La mcanique quantique et les propensions poppriennes, dans K. Popper, Science et philosophie, Paris, Vrin.

234 Papineau, D.[1991] Correlations and Causes. British Journal for the Philosophy of Science, 42, pp. 397-412. Pearl, J. [1988] Probabilistic Reasoning in Intelligent Systems, San Mateo, California, Morgan Kaufmann. Peirce, C. S. [1934-58] Collected Papers, 8 Vols, Cambridge, Harvard University Press, Massachusetts. Peng, Y. and J. A. Reggia [1987] A Probabilistic Causal Model for Diagnostic Problem Solving, IEEE Transactions on Systems, Man and Cybernetics, vol. SMC-17 Popper, K. R. [1959] The Propensity Interpretation of Probability, British Journal for the Philosophy of Science, 10, pp. 25- 42. Popper, K. R. [1992] Un univers de propensions, Paris, l'clat. Rieger, C. and Grinberg, N. [1977] The Declarative Representation and Procedural Simulation of Causality in Physical Mechanisms, 5-IJCAI, pp. 250-255. Savage, L.J. [1954] The Foundations of Statistics. New York: Dover. Settle, T. [1974] Induction and Probability Unfused, dans P.A.Schilpp (d.), La philosophie de Karl Popper, pp. 697-749. La Salle, Illinois: Open Court Publishing. Shafer, G. [1976] A Mathematical Theory of Evidence. Princeton, N.J.: Princeton University Press. Shafer, G. [1978] Non additive Probabilities in the Work of Bernoulli and Lambert, Archive for History of the Exact Sciences, 19, pp. 309-370. Smets, P. and Kennes, R.[1994] The Transferable Belief Model, Artificial Intelligence, 66, pp. 191-234. Sosa, E. and Tooley, M. (ds), [1993] Causation. Oxford: Oxford University Press. Suppes, P. [1970] A Probabilistic Theory of Causality. Amsterdam:NorthHolland. Suppes, P. [1974] Popper's Analysis of Probability in Quantum Mechanics, dans P.A. Schilpp (d.), La philosophie de Karl Popper, pp. 760-775. La Salle Illinois: Open Court Publishing. Weatherford, R. [1982] Philosophical Foundations of Probability. London: Routledge and Kegan Paul. Zadeh, L.A. [1978] Fuzzy Sets as a Basis for a Theory of Possibility, Fuzzy Sets and Systems, 1, pp. 3-28.