Tag Archives: Risques

Assurance et discrimination, quel rôle pour les actuaires ?

Le rôle essentiel d’un actuaire en charge de la tarification est la segmentation du portefeuille (ou « insurance classification » en anglais), correspondant à une activité de discrimination (mathématiquement parlant) au sens où l’actuaire va chercher les variables les plus « discriminantes », pour en expliquer une autre (en lien avec la sinistralité). Mais au sens juridique, discriminer, c’est interdit par la loi, ce qui place l’actuaire dans une position souvent délicate et complexe.

Continue reading Assurance et discrimination, quel rôle pour les actuaires ?

Les conséquences de la loi de Goodhart

Comme l’a énoncé Marilyn Strathern, la loi de Goodhart dit que « lorsqu’une mesure devient un objectif, elle cesse d’être une bonne mesure ». Les applications économiques sont nombreuses, mais cette loi permet aussi de comprendre les dangers des décisions algorithmiques, ou d’expliquer la difficulté à utiliser les données disponibles depuis le début de la pandémie de SARS-CoV-2 COVID-19.

La loi de Goodhart, l’évaluation des  politiques publiques et Facebook

« Lorsqu’une mesure devient un objectif, elle cesse d’être une bonne mesure » est la formulation la plus simple de la loi de Goodhart. Certains parlent aussi de loi de Campbell[i], Donald Campbell ayant affirmé « the more any quantitative social indicator is used for social decision-making, the more subject it will be to corruption pressures and the more apt it will be to distort and corrupt the social processes it is intended to monitor ». Cette corruption des métriques, ou des statistiques, a été observée dans de nombreux domaines, en particulier en santé, en matière de justice, ou en éducation.

Les budgets de certaines écoles étaient directement fonction des résultats obtenus à certains tests. On comprend que les enseignants sont fortement incités à commencer à préparer à l’examen au lieu d’enseigner de manière généraliste, voire à retirer discrètement certains enfants qui risqueraient d’échouer, comme le raconte Strauss (2015). En fixant le taux de réussite comme un objectif à maximiser, cette mesure ne signifie plus rien car elle a induit des comportements incitatifs qui ne reflètent plus la qualité de la formation. . Ce reproche peut également être fait à de nombreuses associations actuarielles à travers le monde, qui ont mis en place des ‘examens professionnels’, que peuvent passer les étudiants ayant eu une formation en actuariat. De nombreuses formations universitaires ont alors délaissé un enseignement généraliste pour offrir, à la place, des préparations à ces examens. Les examens ne sont plus une ‘mesure’ des connaissances des étudiants, ces derniers ayant de plus en plus de mal à sortir du cadre très scolaire des exercices très formatés.

Dans le domaine de la santé, aux États-Unis, Poku (2015) note qu’à partir de 2012, en vertu de la loi ‘Affordable Care Act’, Medicare a commencé à imposer des sanctions financières aux hôpitaux présentant des taux de réadmission de 30 jours « plus élevés que prévu ». Dès lors, le taux moyen de réadmission à l’hôpital dans les 30 jours pour les bénéficiaires de l’assurance fee-for-service a diminué. Est-ce dû à une amélioration des efforts de transition et de coordination des soins menées par les hôpitaux, ou bien faut-il relier cette baisse à une hausse des séjours « en observation » pendant la même période ? Car bien souvent, fixer un objectif sur la base d’une mesure précise (ici le taux de réadmission de 30 jours) rend cette grandeur totalement inutilisable pour quantifier le risque de retomber malade, mais a aussi une influence directe sur d’autres grandeurs (ici le nombre de séjours « en observation »), qu’il devient alors difficile de suivre sur la durée.

Sur internet, on demande de plus en plus à des algorithmes de trier du contenu, de juger le caractère diffamatoire ou raciste des tweets, de voir si une vidéo relève du deepfake, de mettre un score de fiabilité d’un compte Facebook, etc. Et nombreux sont ceux qui voudraient savoir comment ces scores sont créés. Malheureusement, comme le notait Dwoskin (2018) « not knowing how [Facebook is] judging us is what makes us uncomfortable. But the irony is that they can’t tell us how they are judging us — because if they do, the algorithms that they built will be gamed »[ii], exactement comme le suppose la loi de Goodhart.

La critique de Lucas et le thermostat de Friedman

Au début des années 1970, Robert Lucas expliquait que les décideurs économiques devaient éviter de se baser « naïvement » sur des statistiques passées pour prédire le comportement futur des agents, « given that the structure of an econometric model consists of optimal decision rules of economic agents, and that optimal decision rules vary systematically with changes in the structure of series relevant to the decision maker, it follows that any change in policy will systematically alter the structure of econometric models »[iii]. L’idée sous-jacente était simplement que les agents s’adaptent aux signaux qu’ils reçoivent.

Comme le dira Charles Goodhart quelques années plus tard « as the statistical relationships derived from the past depended on the particular kind of policy aim pursued by the authorities over the period considered, there would be no guarantee of their exact continuation in the future, should that policy be altered ». Ou formulé autrement, toute relation statistique observée (on pourra penser à une corrélation forte entre deux variables) aura tendance à disparaître une fois qu’une pression est exercée sur elle à des fins de contrôle. En fait, Charles Goodhart va plus loin que Robert Lucas dans Goodhart (1975), laissant entendre que dans de nombreux cas, les agents vont modifier leur comportement à leur avantage, même si cela se fait au détriment d’un éventuel bien-être collectif (on pourra repenser aux exemples de l’éducation, ou de la santé). Cette loi a été élaborée après avoir observé comment le gouvernement de Margaret Thatcher, dans les années 1980, a ciblé l’offre de monnaie pour contrôler l’inflation, mais a ensuite constaté que les agrégats monétaires avaient perdu leur relation précédemment forte avec l’inflation. L’inflation a échappé à tout contrôle, même lorsque le gouvernement exerçait une pression forte sur la masse monétaire.

Friedman (2003) avait utilisé l’analogie du thermostat pour expliquer le problème : la banque centrale est le thermostat de l’économie. Le décideur dispose d’une information ( ) lui permettant d’agir sur une variable de contrôle ( ), pour s’assurer qu’une variable ( ) soit proche de la valeur cible ( ). Et les erreurs de prévision ( ) se doivent d’être décorrélées de l’information  et du contrôle , si les anticipations sont rationnelles, ce qui peut sembler paradoxal. Pour reprendre l’image de Farrell (2012), imaginons un conducteur qui circule en voiture sur une route très vallonnée, à vitesse constante. Avec des hauts et des bas, cela signifie que le conducteur dose parfaitement ses accélérations et ses freins pour contrôler la vitesse. Pourtant, vu de loin, on serait tenté de dire que le niveau d’accélération n’a aucun impact sur la vitesse, et que si on faisait une régression de la vitesse sur l’accélération de la voiture, la corrélation entre les deux serait nulle, autrement dit, ici, accélérer et décélérer n’a aucune influence sur la vitesse…

Au-delà du contrôle

Le problème évoqué par la loi de Goodhart se retrouve aussi en modélisation statistique, et en apprentissage machine. Dans ce dernier cas, la fonction objectif que l’on optimise est en lien avec le problème que l’on cherche à résoudre : dans les algorithmes prédictifs de régression, on va comparer la prévision avec la réalisation, et pourra prendre la somme des carrés des erreurs ; pour un problème de classification ou de labellisation (fraude/pas fraude), on comptera le nombre d’erreur de classification (avec des fonctions de coût potentiellement différentes si les deux types d’erreurs ont des impacts différents). Mais bien souvent, on ne cherche pas un modèle parfait, sans erreur, on veut un modèle qui prédira bien sur des nouvelles données ! Aussi, on va éviter de juger des qualités prédictives d’un modèle sur les données qui ont été utilisées pour construire le modèle. On va alors utiliser une partie des données pour construire le modèle, et une autre pour juger de son pouvoir prédictif, et voir à partir de quel moment le modèle commence à modéliser du bruit, au lieu de chercher un lien fort entre les variables explicatives, et la variable d’intérêt. Cette approche, généralisée avec la notion de « validation croisée », permet de séparer l’objectif de la mesure.

En programmation dynamique, la loi de Goodhart est également bien connue (même si c’est parfois avec un autre nom). Dans les systèmes dynamiques, l’agent s’intéresse à une grandeur (x_t), par exemple un stock de biens qu’il vendra, et cherchera à maximiser une fonction de la forme f(x_1,x_2,\cdots,x_T), à partir d’une valeur initiale donnée, x_0, par exemple la somme (escomptée ou non) de tous les x_t, ou bien peut être uniquement la valeur terminale x_T. La dynamique de (x_t) dépend d’une variable de contrôle, (u_t), que l’agent peut choisir, en sachant que x_{t+1} dépendra directement de u_t, et éventuellement d’autres grandeurs, comme x_t. Bellman (1957) a posé les bases mathématiques de la résolution de ce genre de problème, que l’on retrouve généralisés que l’on retrouve dans l’apprentissage par renforcement[iv], où l’agent devra explorer, tenter différents contrôles, afin d’apprendre la manière dont u_t  va influencer x_{t+1}. Un exemple récent pourrait être le contrôle d’une pandémie, où x_t serait le nombre de personne infectées, ou le nombre de décès, et u_t est un levier de contrôle, comme le nombre de tests proposés, ou le nombre de personnes autorisés à aller travailler. Naturellement, si x_t mesure le nombre de personnes testées positives à la date t, une variable de contrôle permettant de faire baisser facilement x_t est le nombre de tests effectués, mais cela ne va en rien ralentir la propagation de l’épidémie (ce qui semble l’objectif naturel). En réalité, comme le notait l’immunologue Anthony Fauci, directeur depuis 1984 de l’Institut National des Allergies et Maladies Infectieuses aux États-Unis, « if it looks like you’re overreacting, your’re probably doing the right thing » (cité dans Budryk (2020)), compte tenu des effets de rétroaction.

De l’overdose de quantification et la maîtrise des métriques

Avant de revenir sur la pandémie de 2020, notons que les métriques sont souvent introduites dans un souci de transparence, de semblant d’exigence démocratique, comme la traduction ou l’expression concrète d’un objectif collectif, mais aussi souvent individuel. Mais toute métrique, toute statistique, cache souvent une réalité bien plus complexe. L’exemple des statistiques du chômage a probablement été un des plus étudiés, comme le montre Desrosières (2008). La série statistique conjoncturelle du chômage, publiée par l’INSEE, était très attendue par les responsables politiques et par la presse, au point de devenir l’objectif affiché de plusieurs gouvernements : « faire baisser les chiffres du chômage », comme le rappelle Errard (2015) par exemple. En voulant donner l’illusion de contrôler (et de faire baisser) le chômage, la pression a été mise pour que les conseillers de Pôle Emploi pour augmenter les radiations, pour proposer des formules pour les jeunes, pour encourager à prendre deux mi-temps plutôt qu’un temps plein. Une fois compris comment la métrique cible était calculée, il était alors facile de la faire baisser artificiellement. Comme l’écrivait Desrosières (2000), « les indicateurs quantitatifs rétroagissent sur les acteurs quantifiés », comme on l’évoquait dans la formalisation mathématique du contrôle optimal dynamique. Mais plus que l’économiste (ou l’économètre) Charles Goodhart, c’est surtout Donald Campbell, qui a cherché à comprendre la manière dont les métriques faussent le comportement, et amènent les participants à les exploiter. Et récemment, Bruno & Didier (2013), ou Muller (2018) montrent comment éviter que la loi de Goodhart ne s’applique.

Car comme le notait déjà Charles Goodhart, il arrive que l’optimisation explicite d’un système utilisant une métrique rende finalement la métrique inutilisable, car au final plus du tout corrélée avec l’objectif. C’est le cas de bon nombre de système de punitions et de récompenses, qui visent à créer des incitations. On peut penser à l’assiduité en classe, par exemple, ou des absences sont punies afin d’inciter les élèves à travailler. En mettant en place de telles mesures, la fréquentation en classe augmente, mais les élèves ne travaillent pas pour autant. Et ceci même si une relation causale existe, entre la mesure et l’objectif, et pas une simple corrélation. Comme dans l’exemple de Facebook, garder une métrique secrète est une solution facile, une autre étant d’utiliser plusieurs métriques.

La loi de Goodhart et la crise sanitaire actuelle

Un des objectifs, régulièrement martelé depuis mars 2020, est qu’il ne faut pas saturer les systèmes de santés, dans tous les pays, le fameux « flatten the curve », évoqué par Ferguson et al. (2020). Il semblait essentiel de garantir, à tout prix, que les hôpitaux ne soient pas débordés. Au printemps 2020, les chaînes télévisées d’information donnaient, en temps continu, le nombre de personnes en soin intensifs, et le nombre de morts dans les hôpitaux, mesures que l’on retrouvera ensuite sous forme de graphiques, mis à jour toutes les semaines, voire tous les soirs, sur des sites internet dédiés. En cette période de crise, au plus fort de la saturation des hôpitaux, le N.H.S. en Angleterre avait demandé à chaque hôpital d’estimer ses capacités de lits, afin de réallouer les ressources globalement. Annoncer que peu de lits étaient disponibles était la meilleure stratégie pour obtenir davantage de financement. On peut alors s’interroger sur le niveau de saturation réelle du système, chaque hôpital ayant compris la règle, et manipulant la mesure à sa guise. Et tout aussi préoccupant, alors que les gouvernements se concentraient sur les hôpitaux (fournissant les données officielles utilisées pour construire la plupart des indicateurs), les maisons de retraites ont connu des hécatombes désastreuses, qui ont mis beaucoup de temps à être quantifiées. Giles (2020) raconte qu’en Angleterre, certains médecins auraient demandé à leurs patients âgés de réfléchir sérieusement à la question de savoir s’ils voulaient vraiment aller à l’hôpital, et utiliser les services d’urgence, au risque de passer plusieurs semaines isolés, coupés de leur famille.

Les statistiques sur le nombre de personnes (officiellement) positives n’ont cessé de dérouter les statisticiens, car aisément manipulables. On a tous en mémoire les déclarations de Donald Trump au début de l’été 2020, repris par exemple par Sheth (2020), qui affirmait que pour faire baisser le nombre de personnes ‘positives’ il suffisait de tester moins. Au début de la pandémie, un objectif clairement énoncé était de détecter les positifs asymptomatiques, et donc un ciblage des tests s’imposait. Le taux de positif était alors le signe que le ciblage des tests fonctionnait. En revanche, pour suivre l’évolution de la pandémie, il était indispensable d’effectuer les tests de manière aussi aléatoire que possible.

La crise engendrée par la pandémie SARS-CoV-2 COVID-19, avec sa quantification à outrance, avec ses statistiques mises à jour en temps réel, nous a rappelé les dangers de la loi de Goodhart. Comme le notait Laroussie (2021), le flot de statistiques a aussi permis à bon nombre d’entre nous de tenter l’exercice, d’essayer de prévoir l’évolution future des courbes, mais aussi de s’interroger sur la fiabilité des données, et de leur construction. Suivre le nombre de personnes supposées positives sans comprendre qui était testé, avec quel type de test, n’avait alors aucun sens. La dynamique des courbes était alors elle-même impactée par une boucle de rétroaction, découlant de décisions de décideurs politiques, qui avaient décidé de tester moins de personnes âgées lorsqu’il a fallu reprendre le chemin du travail, par exemple. Comment prendre des décisions avisées de matière de politique publique dans ces conditions ? C’est finalement la question profonde que pose la loi de Goodhart, nous rappelant aussi que les décideurs doivent apprendre à faire la différence entre l’esprit de la loi et la lettre de la loi – les routes de l’enfer étant pavées de bonnes intention – en gardant un esprit de mesure.

Références

Bellman, R. (1957). Dynamic Programming. Princeton University Press.

Bruno, I. & Didier, E. (2013). Benchmarking. L’État sous pression statistique. Paris, La Découverte.

Budryk, Z. (2020). ‘If it looks like you’re overreacting, you’re probably doing the right thing‘ The Hill, 15 mars 2020.

Campbell, D. T. (1975) Assessing the impact of planned social change. In G. M. Lyons

(ed.), Social Research and Public Policies: The Dartmouth/OECD Conference (pp. 3–45). Hanover, NH: Public Affairs Center

Charpentier, A., Elie, R. & Remlinger, C. (2020). Reinforcement Learning in Economics and Finance. arXiv:2003.10014

Daston, L. (2010). Why statistics tend not only to describe the world but to change it. The London Review of Books, 22:8.

Desrosières, A. (2000). La Politique des grands nombres : Histoire de la raison statistique. La Découverte.

Desrosières, A. (2008). Gouverner par les nombres. Presses de l’École des Mines.

Dwoskin, E. (2018). Facebook is rating the trustworthiness of its users on a scale from zero to one. Washington Post, 21 aout 2018,

Errard, G. (2015). Le contrôle des chômeurs peut-il faire baisser le chômage ?. Le Figaro, 26 août 2015,

Farrell, H. (2012). Milton Friedman’s Thermostat. Monkey Cage, 31 juillet 2012.

Ferguson, N. et al. (2020). Impact of non-pharmaceutical interventions to reduce covid-19 mortality and healthcare demand. Imperial College COVID-19 Response Team 9.

Friedman, M. (2003). The Fed’s Thermostat. The Wall Street Journal, 19 août 2003.

Giles, C. (2020). Goodhart’s law comes back to haunt the UK’s Covid strategy. Financial Times, 14 mai 2020,

Goodhart, C.A.E. (1975) Problems of monetary management: The UK experience. Papers in Monetary Economics, Volume I. Sydney: Reserve Bank of Australia.

Laroussie, D. (2021). Covid-19 : ces modélisateurs qui anticipent la pandémie. Le Monde, 5 janvier 2021,

Muller, J. Z. (2018). The tyranny of metrics. Princeton University Press.

Rodamar, J. (2018) There ought to be a law! Campbell versus Goodhart. Significance, 15:6.

Sheth, S. (2020). Trump says that ‘if we stop testing right now, we’d have very few cases’ of the coronavirus. Business Insider, 15 juin 2020

Strauss, V. (2015). How and why convicted Atlanta teachers cheated on standardized tests. The Washington Post, 1 avril 2015,

[i] Rodamar (2018) revient sur la comparaison entre les deux publications, Goodhart (1975) et Campbell (1975), qui énoncent le même principe, dans des contextes très différents.

[ii] « ne pas savoir comment [Facebook] nous juge, c’est ce qui nous met mal à l’aise. Mais l’ironie est qu’ils ne peuvent pas nous dire comment ils nous jugent – parce que s’ils le font, les algorithmes qu’ils ont construits seront alors manipulés » (traduction de l’auteur)

[iii] « étant donné que la structure d’un modèle économétrique consiste en des règles de décision optimales des agents économiques, et que les règles de décision optimales varient systématiquement en fonction des changements dans la structure des séries pertinentes pour le décideur, il s’ensuit que tout changement de politique modifiera systématiquement la structure des modèles économétriques » (traduction de l’auteur).

[iv] Ou reinforcement learning, comme décrit dans Charpentier et al.  (2020).

Concilier risques collectifs et décisions individuelles

cet article a été co-écrit avec Laurence Barry.

Les débuts de la pandémie de SARS-CoV-2 (ou COVID-19) ont vu se multiplier les appels à la « responsabilité individuelle », en commençant par de fortes demandes (voire une obligation dans certains pays, dont la France) à rester chez soi autant que possible, au début du printemps 2020, avant qu’il ne soit obligatoire de porter un masque dans les lieux publics (souvent fermés) au cours de l’été. En paraphrasant Coluche, « dire qu’il suffirait que les gens restent chez eux pour qu’on puisse sortir… ». Cet appel à la responsabilité de chacun est faite au nom de tous et pour le bien de tous, venant symboliser cette solidarité toute particulière que nous rappelle la pandémie : le risque que je choisis de courir ne concerne pas seulement ma personne mais constitue aussi un risque pour ceux qui m’entourent. Pour le formuler en terme probabiliste, McKendrick (1926) affirmait « la probabilité d’occurrence augmente avec le nombre de cas existants ». Assez intuitive a priori, cette conception de la responsabilité individuelle va en réalité à l’encontre de la conception classique en économie : l’individu rationnel (et responsable) fait des choix le concernant, et ne concernant que lui. Le bien collectif se déduit par sommation des utilités individuelles, indépendantes les unes des autres. Seulement voilà ; avec l’épidémie se crée une interdépendance des utilités qui fait que le bien-être d’Untel, qui choisit de ne pas porter de masque, peut nuire à la santé et donc l’utilité de beaucoup d’autres personnes. Comment penser alors en termes économiques cette « responsabilité individuelle » dans le contexte de l’épidémie ?

Des préférences individuelles au bien-être collectif

L’hypothèse centrale de la théorie économique du comportement est que chacun est capable de classer, par ordre de préférence, toutes sortes d’alternatives qui lui sont proposées. Et si je dois choisir une parmi deux, je choisirai systématiquement celle que je préfère. Comme le montre Mas-Colell et al. (1995), une simple hypothèse de continuité des préférences se traduit alors par l’existence d’une fonction d’utilité individuelles traduisant ces préférences. Cette approche pourrait suffire dans l’état de nature de Jean-Jacques Rousseau, lorsque l’homme est imaginé vivant en solitaire. Mais en société il convient d’être plus réaliste, et de tenir compte des interactions entre les individus. Organiser la vie en société, en favorisant la coopération et en cherchant à assurer un bien-être collectif, ne peut en effet se faire en se contentant de comprendre le bien-être individuel. Pour reprendre un exemple de Jean-Jacques Rousseau, plusieurs chasseurs ont intérêt à collaborer pour traquer un cerf, car aucun chasseur ne saurait y arriver seul[i] (Rousseau, 1755). La première difficulté est donc d’assurer une collaboration pour la chasse, mais aussi et surtout, si un cerf est tué, se pose le problème de la répartition de la viande.

Tout au long du XVIIIème siècle Francis Hutcheson et Adam Smith en Angleterre, Jean-Charles de Borda et Nicolas de Condorcet ont tenté de formaliser cette notion de « bien-être collectif », montrant qu’il existait malheureusement de très nombreux paradoxes, en particulier quand il s’agit du bien être d’une nation. A la même époque, Kant formalise l’impératif catégorique : « Agis uniquement d’après la maxime qui fait que tu puisses vouloir en même temps qu’elle devienne une loi universelle ». Autrement dit, avant de prendre une décision pour agir, il convient de se demander ce qui se passerait si tout le monde agissait de cette manière. La rationalité de l’individu se doit d’être collective, et de prendre en compte l’humanité dans son ensemble. Dans sa lecture de Kant, Arendt (1991) met en avant le sensus communis, ce sens commun à tous les hommes et qui rattache le jugement de chacun « à la raison humaine tout entière ». Penser par soi-même devient alors « penser en se mettant à la place de tout autre, dans ce qu’elle appelle une « mentalité élargie ».

Tocqueville quant à lui renverse les termes de l’équation. Dans les pays démocratiques selon lui, on ne peut plus mettre en avant la valeur du sacrifice de soi : il faut pouvoir démontrer que « l’homme en servant ses semblables se sert lui-même (…) Aux Etats-Unis on ne dit presque point que la vertu est belle. On dit qu’elle est utile ». Cela implique cependant de « petits sacrifices », consentis car ils se révèlent bénéfiques pour celui qui les consent. Tocqueville (1981) exhorte alors ses lecteurs à agir dans leur intérêt « bien entendu », c’est-à-dire en tenant compte de l’intérêt de tous.

Cette rationalité collective est en réalité une pratique habituelle au sein de petits groupes, comme la famille. Il n’est pas rare, en effet, de mettre de côté son intérêt personnel pour le bien de la famille. Mais elle est plus complexe à mettre en œuvre au sein d’un groupe plus important, plus hétérogène, voire plus abstrait.

Le passager clandestin contre les intérêts communs

Une vision résolument optimiste consisterait en effet à croire que si tous les membres d’un groupe ont des intérêts communs, alors chacun va agir pour les atteindre. Un exemple bien connu est celui du réchauffement climatique : collectivement, l’intérêt de tous est la réduction des gaz à effet de serre au niveau mondial ; mais individuellement, chaque pays a la tentation de retarder la mise en place de mesures qui pourraient pénaliser son économie, en espérant toutefois bénéficier d’actions précoces de pays voisins. C’est le principe du passager clandestin : il y aurait un bénéfice collectif à tirer d’une coopération, mais les individus ont davantage d’incitations à chercher à profiter de la « coopération » des autres. En termes économiques, ils cherchent à avoir une prestation sans en assumer les coûts.

Ce problème, largement étudié dans Olson (1965), est classique pour la majorité des « biens publics[ii] » qui satisfont deux caractéristiques : être non-rival et non-excluable, c’est-à-dire dont la consommation par les uns ne diminue pas la quantité disponible pour les autres et dont on ne peut par ailleurs restreindre l’accès. Axelrod & Hamilton (1981) expliquaient que la coopération nécessaire à la promotion de biens communs ne dépendait pas forcément d’une forme d’altruisme, mais plus simplement d’une réciprocité entre les agents, basée sur une coopération conditionnelle : ils coopèrent s’ils pensent que les autres vont faire de même. Plusieurs études ont montré que la majorité des gens fonctionnent de la sorte, mais leur comportement est très sensible à leurs croyances, d’où l’importance de maintenir leurs convictions en matière d’égalité (ou d’égalitarisme) : tout le monde doit coopérer, personne ne doit bénéficier d’un traitement de faveur. Fehr & Fischbacher (2004) ont ainsi montré qu’il suffit d’une petite proportion de passagers clandestins pour provoquer une rupture[iii] de la coopération. Ceci explique probablement les diverses normes injonctives autour de la « distanciation sociale », assurant qu’une personne qui resquille soit sanctionnée de manière exemplaire. En effet, comme le soulignent Brito et al. (1991) à propos des vaccins, même si l’obligation de vacciner est sous-optimale, elle peut être nécessaire si la proportion de gens prêts à se porter volontaires est en dessous du seuil nécessaire à l’immunité de la population dans son ensemble.

Le cas de la vaccination

La vaccination est en fait un exemple presque parfait de ce problème de passager clandestin, via la notion d’immunité de groupe. Plus le taux de personnes immunisées augmente, dans un groupe, plus le risque pour une personne non-immunisée de rencontrer une personne infectieuse diminue, et au-delà d’un certain seuil (de l’ordre de 80% pour la plupart des maladies, comme la coqueluche, la variole, la polio, etc), il devient impossible pour la maladie de se maintenir dans la population et elle finit par disparaître. Pour les maladies contagieuses bénéficiant d’un vaccin, au niveau collectif, il est souhaitable que 80% de la population soit vaccinée ; mais si la vaccination a des effets secondaires conséquents, il peut être rationnel au niveau individuel de ne pas souhaiter être vacciné.

Deux aspects importants entrent alors en jeu : la perception des risques, et la croyance dans le comportement des risques des autres membres de la communauté. Avoir une minorité de passagers clandestins (disons moins de 20%), parce qu’ils pensent les risques trop grands, n’est pas problématique. Mais si la perception des risques change, on peut observer la rupture de l’équilibre, et l’immunité de groupe n’existe plus. Aussi, la confiance dans l’autorité est essentielle, comme le rappelait Charpentier (2020).

L’immunité collective fonctionne grâce à un contrat social implicite : ceux qui sont médicalement capables de se faire vacciner doivent se faire vacciner. La contrepartie est que les personnes que ne souhaitent pas respecter ce contrat devraient s’engager à ce que leurs actions n’entraînent pas de coût supplémentaire pour ceux qui le respectent, en particulier en s’imposant une forte distanciation sociale, en évitant les lieux publics, de manière à ne pas contaminer des personnes ayant de faibles défenses immunitaires, et qui sont, elles, dans l’obligation de compter sur l’immunité collective.

Les pandémies et leurs réponses individuelles

Comme le disait Daniel Kahneman dans Konnikova (2020), « people, certainly including myself, don’t seem to be able to think straight about exponential growth. What we see today are infections that occurred 2 or 3 weeks ago and the deaths today are people who got infected 4 or 5 weeks ago. All of this is I think beyond intuitive human comprehension ». Le fait d’adopter une attitude de passager clandestin et de ne pas respecter les contraintes de distanciation sociale tient peut-être simplement du fait qu’on ne comprend simplement pas ce qu’est une croissance exponentielle : on ne mesure pas vraiment l’impact de sa propre contagion sur le groupe dans son ensemble.

Ce point a été montré dans Lammers et al. (2020) à partir de l’interprétation du nombre de reproduction de base R0 des modèles épidémiologiques. Le  Rcorrespond au nombre moyen de personnes qu’une personne contagieuse peut infecter : il constitue ainsi une visualisation de la contagiosité d’un individu sur son entourage. Avec un R0 de 1, la pandémie est contrôlée, et la croissance est linéaire. Mais s’il excède 1, la croissance est exponentielle. Avec un R0 de 1.5, 4 personnes vont en contaminer 6 autres, qui à leur tour vont en contaminer 9 autres, etc. En une quinzaine d’itérations, 1 750 personnes seront contaminées. Avec un R0 de 2, ces 4 individus auront contaminé plus de 130 000 personnes (soit 75 fois plus), en une quinzaine d’itération ! Autrement dit, alors qu’au niveau de l’individu spécifique l’augmentation est à peine perceptible (il contamine 2 personnes au lieu de 1.5 en moyenne), l’effet collectif est, lui, extrêmement important et difficilement concevable.

Figure 1 : nombre de personnes contaminées après 1, 3, 5, 7, 9 itérations, pour différentes valeurs de R0 (entre 1.8 en haut à gauche et 2.4 en bas à droite).

De nombreuses études en science du comportement ont montré que nous sommes davantage sensibilisés face à une seule personne identifiable qu’en étant noyé sur une avalanche de chiffres. Ce serait alors par l’exemple que l’on pourrait se convaincre mutuellement de coopérer pour le bien commun. Le port du masque facial est intéressant, car si des sondages ont montré qu’une majorité des gens portaient un masque pour se protéger, les masques ont surtout pour effet de protéger les autres personnes d’une transmission asymptomatique du SARS-CoV-2. Il présente aussi l’avantage de rendre visible la nouvelle norme sociale et d’impliquer activement tous les membres de la communauté. En devenant un symbole de la solidarité, le port du masque engage ainsi la coopération de chacun. A l’inverse, les photos de personnes à la plage ou dans les parcs publics qui ne respectent pas la distanciation sociale ont probablement eu un impact préjudiciable en termes de changement de comportement.

Les débats autour des applications de traçage sont un autre exemple frappant de la difficulté de faire accepter la coopération. Comme pour le masque, elles sont présentées le plus souvent comme permettant d’être alerté si l’on a été en contact avec une personne contaminée, donc comme un moyen de se protéger soi-même ; beaucoup plus rarement est mise avant la possibilité de prévenir autrui de sa propre contamination, parfois un inconnu qu’on ne pourra jamais alerter sans l’application. De plus, alors qu’elles étaient recommandées par de nombreux épidémiologistes (di Domenico et al. 2020; Ferguson et al. 2020; Ferretti et al. 2020), elles ont été dénoncées soit parce qu’elles porteraient atteinte à la liberté individuelle, soit parce qu’elles présenteraient des dangers de détournement. Dans une importante contribution, des experts en cryptographie ont ainsi tenté d’alerter l’opinion publique sur les possibles usages malveillants de ces applications ; au travers d’une quinzaine d’exemples qui cherchent à marquer l’imagination, ce n’est plus le passager clandestin qui est mis en avant pour saper la coopération mais l’individu franchement malveillant qui chercherait à nuire à ses voisins (Vuillot et al. 2020).

De la place de la liberté individuelle

Dans le contexte de la vaccination, et plus récemment sur le port du masque, l’argument de la liberté de choix est souvent avancé par les opposants, laissant croire que l’exercice de la liberté se faisait sans contraintes. Comme le note Frankfurt (2003), la plupart des religions limite le comportement d’une personne dans la mesure où elle agit en accord avec les préceptes de son Dieu ou de son église. Dans un contexte plus laïque, Jean-Jacques Rousseau affirmait que « l’obéissance à la loi qu’on s’est prescrite est liberté ». Car le concept de liberté s’accompagne toujours de la notion de responsabilité : je suis libre lorsque deux conditions sont réunies. Premièrement, j’ai la capacité d’agir (ou de ne pas agir) d’une manière particulière, et deuxièmement, j’accepte la responsabilité de mes actes. Quand je refuse de porter un masque en période de pandémie, j’accepte la première condition mais rejette la seconde. Autrement dit, j’affirme mon droit d’agir, ou de ne pas agir, mais je le fais de manière à refuser d’accepter toute responsabilité pour les conséquences que mes actions (ou inactions) peuvent entraîner. Comme l’affirmait Friedrich Hayek, « la liberté ne signifie pas seulement qu’une personne a le droit de choisir et qu’elle porte le fardeau de ses choix, mais aussi qu’elle doit assumer les conséquences de ses actes, pour lesquels elle sera félicitée ou blâmée. Liberté et responsabilité sont indissociables ».

L’assurance comme réponse collective ?

Dans le contexte de la santé, Wikler (2002) affirmait « if people know they are taking risks but accept them as the price of pursuing goals to which they assign higher priority, then it is not the business of public health to insist that health be valued above all ». Si ce précepte peut valoir pour l’assurance santé classique, il est plus difficile à appliquer à l’épidémie ; comme expliqué plus haut, dans les maladies contagieuses le choix individuel de prendre un risque se répercute sur le reste de la collectivité. De plus, la logique assurantielle de couverture de l’aléa grâce à la mutualisation fonctionne mal dans le cadre de l’épidémie ; on est dans le cas classique d’un risque systémique où les individus et leurs risques ne sont pas indépendants. En réalité, la contagion met en avant une solidarité d’un autre ordre que celle promue par l’assurance, comme le note Barry (2020). Il s’agit d’une interdépendance où le comportement de l’un impacte le risque de l’autre et qui exige, pour être contrôlé, la coopération de tous. Penser collectivement, c’est donc finalement adopter des valeurs de solidarité et de coopération.

Références

Arendt, Hannah (1991). Juger – La Philosophie Politique de Kant. Points. Paris: Seuil.

Axelrod, Robert & Hamilton, William (1981). The Evolution of Cooperation. Science, 211 (4489): 1390–96.

Barry, Laurence (2020). Individu/Collectif : L’épidémiologie à l’épreuve Du Big Data (Ou l’inverse) ? Working Paper # 20. Paris: Chaire PARI.

Brito, Dagobert, Sheshinski Eytan & Intriligator Michael (1991). Externalities and Compulsory Vaccinations. Journal of Public Economics 45, 69–90.

Charpentier, Arthur (2020). De la démarche scientifique en période de crise. Risques, 121.

Costa, Dora et Kahn, Matthew (2003). Civic Engagement and Community Heterogeneity: An Economists Perspective. Perspectives on Politics, 1(1): 103-112.

di Domenico, Laura, Giulia Pullano, Chiara Sabbatini, Pierre-Yves Boelle, and Vittoria Colizza. (2020). Expected Impact of Lockdown in Île-de-France and Possible Exit Strategies. 9. Paris: INSERM.

Fehr, Ernst & Fischbacher, Urs (2004). Social norms and human cooperation. Trends in Cognitive Sciences, 8(4), 185-190.

Ferguson, Neil, D. Laydon, G. Nedjati Gilani, N. Imai, K. Ainslie, M. Baguelin, S. Bhatia, A. Boonyasiri, Z. Cucunuba Perez, G. Cuomo-Dannenburg, A. Dighe, I. Dorigatti, H. Fu, K. Gaythorpe, W. Green, A. Hamlet, W. Hinsley, L. Okell, S. Van Elsland, H. Thompson, R. Verity, E. Volz, H. Wang, Y. Wang, P. Walker, C. Walters, P. Winskill, C. Whittaker, C. Donnelly, S. Riley, & A. Ghani. 2020. Report 9: Impact of Non-Pharmaceutical Interventions (NPIs) to Reduce COVID19 Mortality and Healthcare Demand. Imperial College Report.

Ferretti, Luca, Chris Wymant, Michelle Kendall, Lele Zhao, Anel Nurtay, Lucie Abeler-Dörner, Michael Parker, David Bonsall, & Christophe Fraser. (2020). Quantifying SARS-CoV-2 Transmission Suggests Epidemic Control with Digital Contact Tracing. Science, Vol. 68 #619, 1-8.

Frankfurt, Harry, (2003) Freedom of the Will and a Concept of a Person, in Gary Watson (ed), Free Will, 2nd edition, Oxford University Press,  322-336.

Konnikova, Maria (2020). Why We Underestimated COVID-19. New Yorker, 3 avril 2020,

Lammers, Joris, Crusius, Jan et Gast, Anne (2020). Correcting misperceptions of exponential coronavirus growth increases support for social distancing. PNAS, 117 (28).

Lim, Wooyoung & Zhang, Pengfei (2020). Herd immunity and a vaccination game: An experimental study. PLoS One. 5(5), e0232652.

McKendrick, A. G. (1926). Applications of Mathematics to Medical Problems. Proceedings of the Edinburgh Mathematical Society 44, 98–130.

Mas-Colell, Andreu, Whinston, Michael et Green, Jerry (1995). Microeconomic Theory. Oxford University Press.

Olson, Mancur (1965). The Logic of Collective Action: Public Goods and the Theory of Groups. Harvard University Press.

Rousseau, Jean-Jacques (1755). Discours sur l’origine et les fondements de l’inégalité parmi les hommes. Garnier Flammarion.

Skyrms, Brian (2004) The Stag Hunt and the Evolution of Social Structure. Cambridge: Cambridge University Press.

Tocqueville, Alexis. (1981). De La Démocratie En Amérique – 2. Flammarion.

Vuillot, Xavier, Anne Bonnetain, Veronique Canteaut, Pierrick Cortier, Lucca Gaudry, Steve Hirschi, Stéphanie Kremer, Gaëtan Lacour, Matthieu Leurent, Léo Lequesne, André Perrin, Emmanuel Schrottenloher, Serge Thomé, and Christophe Vaudenay. (2020). Le Traçage Anonyme, Dangereux Oxymore Analyse de Risques à Destination Des Non-Spécialistes. Https://Risques-Tracage.Fr. Retrieved April 25, 2020 (https://risques-tracage.fr/).

Wikler, Daniel (2002) Personal and social responsibility for health. Ethics & International Affairs, 16, 47-55.

Wolman, Davis (2020). Yes, the Public Can Be Trusted in a Pandemic. Wired, 27 mars 2020,

[i] Comme le rappelle Skyrms (2004), ce dilemme de chasse au cerf est aussi appelé jeu de l’assurance, en théorie des jeux et de choix sociaux.

[ii] On pourrait aussi penser aux « biens communs », qui sont des biens en capacité limité. Le SARS-CoV-2 a montré que le système de santé pouvait être saturé, ce qui en fait dès lors un bien rival.

[iii] Mathématiquement, cette rupture est intéressante car on peut alors voir la vaccination comme un jeu non-linéaire de bien public, comme le fait Lim & Zhang (2020).

De la démarche scientifique en période de crise

Dans une conférence donnée le 13 février 2020[i], intitulée contre la méthode, Didier Raoult affirmait « moi je n’ai jamais fait d’essais randomisés […] faire ça sur des maladies infectieuses, ça n’a pas de sens ». Cette vision était reprise dans une tribune plus détaillée, où face à « la méthode » (et « aux mathématiques »), Didier Raoult défendait (ce qu’il appelait) « la morale [et] l’humanisme » du serment d’Hippocrate. Comme il le rappelle, faire des groupes de contrôle, c’est « dire au malade qu’on va lui donner au hasard soit le médicament dont on sait qu’il marche, soit le médicament dont on ne sait pas s’il marche » (Raoult (2020a, 2020b)). Alors que cette méthode d’expériences randomisées est aujourd’hui saluée dans toutes les disciplines – comme le rappelle le prix Nobel d’économie attribué en 2019 à Esther Duflo, Michael Kremer et Abhijit Banerjee – comment un chercheur peut-il prendre une telle position, aujourd’hui ? Continue reading De la démarche scientifique en période de crise

Quelle responsabilité pour les algorithmes ?

Il y a quelques semaines, avec Rodolphe Bigot, maître de conférences à l’Université de Picardie Jules Verne, on avait commencé une réflexion sur le thème “Repenser la responsabilité, et la causalité“, et voici la suite…

Historiquement, les algorithmes se contentaient de fournir une aide à la décision, laissant à un être humain le rôle de prendre la décision, mais des expériences sont en cours, avec des systèmes autonomes, prenant des décisions, que ce soit les systèmes de conduite de voiture, ou les algorithmes de justice prédictive, comme le montre Huss et al. (2018). Cette autonomie, qui signifie fondamentalement la « faculté d’agir librement » désigne aussi l’idée « de se gouverner par ses propres lois ». Mais quelle est la responsabilité du décisionnaire dans le cas d’une prédiction qui entrainerait un préjudice ?

Continue reading Quelle responsabilité pour les algorithmes ?

Repenser la responsabilité, et la causalité

Ce billet a été écrit avec Rodolphe Bigot, maître de conférences à l’Université de Picardie Jules Verne.

En 150 ans, le concept de responsabilité a beaucoup évolué, sans jamais disparaître. Et aujourd’hui, on le retrouve dans des contextes variés, allant des catastrophes écologiques ou industrielles – on évoquera un « principe de précaution » qui a rendu floue la notion même de causalité – aux « machines intelligentes » – qui quittent le rôle d’aide pour finalement prendre des décisions à notre place.

De la responsabilité pour faute …

Bien que gravée dans le marbre plus que bicentenaire du Code civil, la responsabilité civile est manifestement une institution juridique régulièrement repensée. La doctrine a mis en lumière le renouveau de son droit. L’image qui nous vient à l’esprit est celle d’un arbre à idées, soumis aux variations des saisons, avec ses heures de floraison, d’incandescence, des feuilles mortes et de dormance. Depuis quelques années, les projets de réforme se suivent et sortent la responsabilité civile d’une période d’hibernation. Incessamment, elle s’apprête à muer, encore et encore. Mais de longue date, elle est généralement définie, pour reprendre Tunc (2019) comme « l’institution par laquelle une personne est tenue de réparer un dommage causé par autrui ». Elle se trouve depuis plusieurs décennies dans une situation paradoxale. Comme le rappelle Ewald (1986), l’assurance s’est développée alors que l’on cherchait à socialiser (dans le sens transférer de l’individuel au collectif) le risque de responsabilité. Il a été remarqué par Viney (1965) que « sécurité sociale et responsabilité produisaient un déclin de la responsabilité individuelle et une socialisation des risques, la charge de ceux-ci étant répartie sur une collectivité : la communauté nationale ou une mutualité d’assurés gérée par un assureur ».

Avec la révolution industrielle, et en particulier l’explosion de machines à vapeur, on voit apparaître la notion de « cause inconnue ». Depuis 1804, où seule la responsabilité pour faute existait, le droit de la responsabilité a beaucoup évolué, institutionnalisant un système d’indemnisation qui n’est plus centré sur la sanction de l’auteur d’un dommage, mais la réparation, individuelle ou sociale. Les victimes et leur entourage, face aux coups du sort, n’ont plus la même résignation. La psychologie de la réclamation a aussi évolué. On peut remonter, comme le fait Ewald (1986), à la loi du 9 avril 1898 sur les accidents du travail, qui inspirera la législation des assurances sociales à venir. Cette loi force à repenser la notion de responsabilité individuelle, et le contrat social qui unit les membres d’une collectivité. À l’époque, d’un point de vue juridique, le juge partait d’un accident, d’un dommage, pour inférer l’existence de cause, et d’une faute : sans faute, il n’y aurait pas d’accident. Plus précisément sans faute, il n’y avait pas de responsabilité civile, ni de compensation donc, ce qui peut conduire à penser qu’en définitive, on niait l’accident : aujourd’hui il existe des régimes de responsabilité pour faute (c’est à la victime de la prouver), de responsabilité pour faute présumée (c’est à l’auteur de prouver qu’il n’a pas commis de faute), ou de responsabilité sans faute ou de plein droit (qui repose sur d’autres fondements : l’autorité ou la cohabitation de l’enfant avec ses parents ; la responsabilité du fait des choses que l’on a sous sa garde).

Les jugements de responsabilité sont alors des jugements portés sur la causalité d’un évènement. On retrouve l’idée que quiconque cause un dommage à autrui ait à le réparer. Cette vision est très éloignée de celle de l’actuaire qui calcule les probabilités de survenance d’un accident indépendamment de toute volonté. Mais un rapprochement est parfois opéré, et la volonté n’a plus d’influence. A ce titre, pendant longtemps, il était requis que l’auteur de la faute ait eu conscience de son acte. Le responsable devait pour cela avoir la « capacité de discernement », en quelque sorte (dans une tradition judéo-chrétienne) la capacité de distinguer le bien du mal. Cette condition était nommée l’imputabilité de la faute à son auteur. Deux types de personnes n’avaient pas cette faculté de discernement : les enfants en bas âge et les personnes mentalement déficientes (que cela soit durable ou que la personne ait été prise d’une crise passagère de folie au moment de l’acte). Progressivement, la loi et la jurisprudence ont supprimé cette exigence. L’article 489-2 du Code civil (issu d’une loi du 30 janvier 1968) dispose désormais que « celui qui a causé un dommage à autrui alors qu’il était sous l’empire d’un trouble mental, n’en est pas moins obligé à réparation ». La jurisprudence a ensuite posé le même principe concernant les enfants privés de discernement en 1984. La faute est donc désormais une faute objective, privée de son élément moral et volontaire, avec quelques nuances ou résistances de la jurisprudence. La doctrine a initié cette solution. Un certain nombre d’auteurs, dont Paul Esmein, les frères Mazeaud (Henri, Léon, Jean) et ensuite François Chabas[i], ont plaidé en faveur de l’élargissement de la notion de faute, qui n’implique aucun élément subjectif et qui, en quelque sorte, se réduit à une erreur de conduite que n’aurait pas commise un bon père de famille, une personne raisonnable, placée dans les mêmes circonstances que le défendeur. La faute perd son contenu psychologique. A ainsi pu être admise, à partir de cette conception objective de la faute qui n’implique pas de jugement moral sur le comportement, la responsabilité civile des incapables majeurs et des enfants en bas âge qui ont en commun de ne pas être doués de discernement.

En définitive, la responsabilité civile – du fait des choses, puis du fait d’autrui – et la faute ont subi une objectivation donnant naissance, selon Ewald (1998), à un droit de la responsabilité qui « n’est plus qu’un droit de l’indemnisation où la notion de faute (et de culpabilité) à travers laquelle on se reconnaît traditionnellement responsable a de moins en moins cours ». Pour le juge, si une personne n’avait pas commis telle ou telle faute, ou n’avait pas été à l’origine de tel fait générateur (de responsabilité), « le monde serait harmonieux » alors que pour l’assureur, quel que soit la volonté de chacun, les accidents se produisent avec une forte régularité statistique. On retrouve ici les réflexions de Durkheim (1897), lorsqu’il voit le suicide comme un phénomène social normal. Mais cette vision ne s’est pas imposée en un jour.

… à la gestion des risques

Si on évoque souvent les freins à la naissance de l’assurance-vie, avec en France l’ordonnance de Colbert de 1681 qui considère que les assurances sur la vie en cas de décès sont « réprouvées et contre les bonnes mœurs » car elles font souhaiter la mort de celui sur la tête duquel le souscripteur la prend, en d’autres termes le risque de votum mortis. Comme le rappelle Zelizer (1979), la naissance de l’« assurance pour faute » a aussi été difficile, plus tardive encore. Alors qu’en 1840 les assurances de responsabilité civile dans le cadre des accidents de la circulation (à cheval) sont toujours perçues comme une « incitation à l’incurie et à la négligence », dix ans plus tard l’assurance de responsabilité est enfin admise (« le fait de circuler à notre époque et en plein Paris [sans assurance] constitue indiscutablement une faute lourde »). Il faudra attendre 1876 pour que la Cour de cassation se prononce à son sujet et reconnaisse sa licéité, comme le rappelle Profit (2020). Plusieurs questionnements persistaient. Est-il moral et juste de déplacer le poids des conséquences des actes d’un individu sur l’ensemble de la mutualité, le dédouanant ainsi de sa responsabilité ? Comment légitimer de faire payer les négligences par la collectivité ? N’est-ce pas en contradiction avec l’idée d’inciter à la prévention (formalisée par les économistes – en commençant par Adam Smith – par la notion d’aléa moral) ? Cette assurance de responsabilité semble contredire la vision juridique, à tout le moins certaines fonctions qui lui sont assignées, comme la fonction normative et sanctionnatrice.

L’assurance a toutefois pu se développer car la réalisation d’un dommage ne profite en théorie (presque) jamais à l’assuré, et elle garantit surtout le tiers, victime du dommage. Conçue comme un mécanisme de protection d’une dette de réparation de l’assuré responsable, l’évolution a assigné à la responsabilité civile un second rôle, sans doute prédominant aujourd’hui, de protection de la créance d’indemnisation de la victime. Ce n’est donc plus tant la faute de l’assuré qui importe mais ses conséquences sur la victime, « l’assurance acquiert ici, outre la fonction économique, une fonction sociale, elle pallie l’insolvabilité du responsable pour garantir la réparation du dommage », comme le souligne Profit (2020). C’est dans cet esprit que sera pensée la loi du 5 juillet 1985 (loi dite Badinter) relative à l’indemnisation des accidents de la circulation. Pour éviter qu’une victime ne puisse pas être indemnisée, faute pour elle de démontrer l’existence d’une faute, la doctrine avait élaboré la théorie du risque. Celle-ci admettait l’idée d’une responsabilité sans faute, dite objective. Cette théorie est apparue dès la fin du 19ème siècle avec Raymond Saleilles et Louis Josserand à propos surtout des dommages causés par des choses (machines, locomotives, voitures…). Elle a eu aussi des influences considérables en jurisprudence et en législation, avec la loi du 9 avril 1898 sur les accidents du travail. Ce texte a attribué de plein droit la responsabilité à l’employeur, par la mise en place de leur indemnisation automatique sans avoir à démontrer une faute de l’employeur.

Dans le contexte des accidents du travail, si le patron a tout fait pour prévenir les accidents, il ne peut être tenu pour responsable, mais, malgré tout, des accidents surviennent. Des mutuelles professionnelles vont alors naître, garantissant (et limitant) la responsabilité civile des patrons. Cette couverture du risque professionnel introduit une mutualisation. Elle se transformera en solidarité avec la loi du 30 octobre 1946 qui abroge celle du 9 avril 1898 et rattache la réparation des accidents du travail à la sécurité sociale, laquelle se substitue aux assurances privées[ii]. On assiste ainsi au déplacement de la charge de ces accidents sur la société, quittant la vision juridique de la responsabilité fondée sur l’idée de recherche de cause – la faute conservant un rôle secondaire dès lors qu’elle est intentionnelle ou inexcusable –, puis de distribution des charges. Cette solidarité donnera naissance à une notion de responsabilité vue comme une répartition des risques, éloignée de l’idée de faute. Il ne s’agit plus de déterminer qui a commis une faute, mais qui devra supporter la perte causée par un dommage. On quitte l’éthique et la morale pour définir une équité économique. Si les accidents touchent des individus, c’est la société qui doit répartir convenablement leur charge. En allant un peu plus loin, comme l’ont montré plusieurs procès en responsabilité médicale[iii], on peut commettre une faute et être déchargé de sa responsabilité. Comme le relève Ewald (1986), l’assurance force à quitter la notion juridique de responsabilité pour « un projet de régulation sociale », en gérant une responsabilité collective. Du risque industriel au risque technologique, la responsabilité collective s’élargit, passant de l’entreprise à l’État, voire à plusieurs États.

Responsabilité et principe de précaution

Les risques écologiques ont mis en défaut la notion juridique classique de responsabilité, avec une causalité parfois floue, et une dimension temporelle inédite. Un dommage écologique s’étend sur plusieurs générations, et la perte ou le dommage n’est pas toujours perceptible immédiatement. Les causes multiples, croisées, imbriquées, rendent l’idée de responsabilité individuelle bien souvent caduque, du moins inadaptée.

 

Habituellement, pour que la responsabilité civile soit engagée, trois conditions cumulatives sont exigées : un préjudice, un fait générateur, et un lien de causalité entre celui-ci et celui-là. La mise en œuvre de la responsabilité suppose tout d’abord d’imputer matériellement le dommage à un fait générateur de la responsabilité. En conséquence, il faut démontrer un rapport de causalité entre la survenance du dommage et le fait générateur. Vient ensuite le moment de désigner un responsable qui varie selon le régime et le fondement de la responsabilité. Le responsable est compris comme celui qui répond du dommage. Il n’est pas nécessairement son auteur. Qu’il doive être prouvé ou qu’il soit présumé, le lien de causalité reste intangible en tant que condition de la responsabilité. A contrario, le fait générateur de responsabilité peut, selon les circonstances, consister tantôt en une faute, parfois prouvée, parfois présumée, tantôt en un simple fait, autrement dit un fait générateur non fautif, mais dommageable.

De plus, il convient qu’une personne soit affectée, ce qui pose soucis dans de nombreux dommages environnementaux, touchant des écosystèmes, des animaux ou des plantes. La loi du 8 août 2016 pour la reconquête de la biodiversité, de la nature et des paysages a permis d’élargir la responsabilité. L’article 1247 du Code civil dispose qu’« est réparable le préjudice écologique consistant en une atteinte non négligeable aux éléments ou aux fonctions des écosystèmes ou aux bénéfices collectifs tirés par l’homme de l’environnement ». Une conception repensée de la responsabilité a donc permis de prendre en compte ce préjudice écologique pur. Dans certains pays, la solution a été de reconnaître la personnalité juridique à la nature, ou l’un de ses éléments, tel qu’un fleuve (comme le Gange, en Inde) par exemple. Mais il convient de repenser la notion de « réparation », invoquant l’idée que la responsabilité a vocation non seulement à réparer les dommages mais aussi à prévenir leur survenance. En particulier, la responsabilité civile peut avoir une dimension prophylactique à partir du moment où on met en place un certain nombre de mesures pour éviter qu’un dommage survienne ou qu’il produise des conséquences trop importantes.

Le principe de précaution a été consacré dans l’ordre juridique par étapes. Il s’agit de l’un des fondements de la politique de l’Union européenne dans le domaine de l’environnement. Il est rappelé par la Charte française de l’environnement de 2004, mentionnée dans le préambule de la Constitution Française – « lorsque la réalisation d’un dommage, bien qu’incertaine en l’état des connaissances scientifiques, pourrait affecter de manière grave et irréversible l’environnement, les autorités publiques veillent, par application du principe de précaution et dans leurs domaines d’attributions, à la mise en œuvre de procédures d’évaluation des risques et à l’adoption de mesures provisoires et proportionnées afin de parer à la réalisation du dommage ». Ce principe de droit trouve sa source dans les adages selon lesquels « mieux vaut prévenir que guérir », et « dans le doute, abstiens-toi ». Les philosophes s’étaient penchés sur ce principe avant les juristes, à commencer par Nietzche (1887) : afin que l’homme puisse « répondre de lui-même en tant qu’avenir […] ne doit-il pas avoir appris à séparer le nécessaire de l’accidentel, à penser le rapport causal, à voir le lointain comme s’il était présent et à l’anticiper, à établir avec certitude quel est le but et le moyen convenable ».

Puisque la responsabilité de précaution serait fondée sur la causalité potentielle, elle imposerait un examen anticipatif de la causalité. Bien qu’il ait été suggéré d’ajuster à son égard la théorie la causalité adéquate, applicable en présence de connaissances scientifiques suffisantes pour prévoir le lendemain, le principe de précaution s’applique au contraire lorsque ces connaissances sont incertaines, comme le rappelle Boutonnet (2005). Cela conduit la doctrine à distinguer la « responsabilité-réparation » d’une « responsabilité-caution ».

En définitive, le fondement de la faute, dans la sphère individuelle, pérennise une logique ancienne de culpabilité et porte l’impératif sous-jacent de ne pas nuire à autrui. Puis le fondement du risque, soumis à une logique d’indemnisation, a ouvert la responsabilité sur la sphère sociale. Le nouveau fondement de la précaution, ayant le mérite d’être déjà un principe international, européen et interne, dans des champs variés mais reliés, s’étend à la sphère planétaire. On ne sait plus vraiment ce qu’est la responsabilité civile, ni la solidarité d’ailleurs, avec le foisonnement des fonds de garantie et d’indemnisation qui viennent en relais de la responsabilité, et s’entremêlent avec elle. Au terme de cette hybridation de la responsabilité et de la solidarité, ces centaures pourraient être renommés « responlidarité » ou « solidabilité ». Dans ses fonctions repensées, le projet de réforme de la responsabilité civile est susceptible de procéder à un nouveau métissage, voire confusion, avec celles de la responsabilité pénale.

Des écosystèmes victimes aux machines responsables

Les nouvelles technologies, avec des machines enrichies d’une intelligence dite artificielle, en premier lieu pour les véhicules autonomes, suscitent de nombreux inquiétudes et interrogations ces derniers temps. Noguéro & Vingiano-Viricel (2019) ont dernièrement recommandé qu’« il faut patiemment recueillir les enseignements de l’expérience et éviter la précipitation pour, si nécessaire, bâtir un droit qui serait spécifique pour appréhender la responsabilité du (ou du fait du) « véhicule autonome ». Dans l’intervalle, le principe de précaution devrait s’imposer : ne pas mettre la charrue avant les bœufs ».  À suivre donc…

Boutonnet, Mathilde (2005) Le principe de précaution en droit de la responsabilité civile. LGDJ.

Ewald, François (1986) L’Etat Providence. Grasset.

Ewald, François (1998) L’expérience de la responsabilité. in De quoi sommes-nous responsables ?, 8e Forum, Le Monde, Le Monde éditions

Mill, John Stuart (1843) A System of Logic. Harper & Brothers Publishers.

Nietzsche, Frederich (1887) Généalogie de la morale. Mercure de France.

Noguéro, David & Vingiano-Viricel , Iolande (2019) Intelligence artificielle et véhicules autonomes, in Droit de l’intelligence artificielle, Loiseau & Bensemoun Eds, LGDJ.

Profit, Alix (2020) Droit des assurances, Bigot & Cayol Eds, Ellipses.

Quézel-Ambrunaz, Christophe (2010) Essai sur la causalité en droit de la responsabilité civile, Dalloz, Nouvelle Bibliothèque de Thèses.

Thibierge, Catherine, Libres propos sur l’évolution du droit de la responsabilité (vers un élargissement de la fonction de la responsabilité civile ?), RTD Civ. 1999, p. 561 et s.

Tunc, André (2019) Responsabilité Civile in Encyclopædia Universalis. https://bit.ly/36tf0xL ; La responsabilité civile, Economica, 2e éd., 1989.

Viney, Geneviève (1965) Le déclin de la responsabilité individuelle. LGDJ

Zelizer, Viviana (1979). Morals and Markets: The Development of Life Insurance in the United States, Columbia University Press

[i] En lien avec leurs travaux sur la notion d’obligation en droit.

[ii] Avec la loi de 1898, la faute ne conditionne plus la réparation d’un accident du travail. Le risque professionnel la remplace. Mais la notion de faute n’y est pas complètement abandonnée. Elle joue désormais un rôle accessoire. Elle permet ainsi de sanctionner les comportements les plus graves, en particulier en cas de faute intentionnelle du salarié où aucune indemnité ne lui est attribuée.

[iii] Depuis l’arrêt Mercier du 20 mai 1936, les médecins doivent soigner « conformément aux données acquises de la science », et non pas en considération de mises en garde de collègues si elles n’ont pas été scientifiquement corroborées. Le cœur du contrat médical réside dans l’obligation de soins qui pèse sur le médecin.

“Tout est poison, rien n’est poison : c’est la dose qui fait le poison”

disait Philippus Aureolus Theophrastus Bombastus von Hohenheim – ou Paracelse pour faire plus simple – ce fameux médecin et alchimiste suisse, mort en 1541. Cette citation pose la question du choix du seuil qui fait qu’un élément est dangereux dès qu’un seuil est franchi. Un peu comme en statistique, quand on dit (dans une régression) que si la p-value (associée à un test de Student) est inférieure à 5%, une variable est effectivement “explicative”, mais pas au delà de 5%. Le message est, bien entendu beaucoup plus subtil, en général. Mais le besoin d’avoir des seuils semble inscrit dans la nature humaine…

Cet été, je publiais mon billet Les autorités publiques face aux risques, de la confiance au doute écrit pour être publié dans la revue Risques, avec les contraintes usuelles de taille. Mais comme bien souvent, le brouillon initial faisait plusieurs pages, et j’ai mis de côté quelques éléments de réflexion, en particulier un long paragraphe sur la difficulté pour les scientifiques de diffuser un message (forcément) trop complexe pour être diffusé en une phrase choc.

Un soucis est qu’une vision utopique laissait penser qu’internet permettrait un accès à tous l’information. Malheureusement, la pluralité des sources permet surtout à tout un chacun de composer son propre menu, de se faire sa propre opinion, sur-mesure, parmi l’offre quasi-infinie qui lui est alors accessible. Mais comme le notait le précédant billet, le biais de confirmation va entrer en jeu. Pour reprendre l’exemple de Simon (1959), lorsque que l’on cherche à comprendre la prise de décision d’un agent (le fameux agent rationnel en théorie économique), si le problème est complexe, il ne va pas chercher la solution optimale, mais il se contentera d’une version qui le satisfait, tenant compte seulement de quelques informations jugées pertinente. On retrouve cette idée dans l’opposition entre le système 1 et le système 2, de Kahneman (2011), ou la notion d’avarice cognitive de Fiske & Taylor (1984). Ce dernier concept explique que nous sommes souvent enclin à adhérer à des énoncés convaincants, même douteux, faute de temps ou de motivations. Comme le dit la formule, on se contente de croire, faut de temps pour savoir.

Car le savoir est rarement vendeur ! La recherche scientifique est rarement spectaculaire. Testart (2000) disait ainsi que « l’acte d’expertise n’est plus seulement fondé sur la validité de la connaissance, la caution scientifique qu’il confère à la décision, mais sur sa capacité à intégrer les incertitudes et à scénariser un avenir incertain ». On retrouve cette importance de la narration, que j’évoquais dans un précédant article (sur les “fake news” et la recherche de la vérité, justement). Si j’osais faire une parenthèse, c’est la grande difficulté de l’apprentissage de la recherche : on apprend à raisonner, à avoir une démarche scientifique, mais on apprend rarement à raconter une histoire, à écrire un papier qui sera lu.

De manière étonnante, le consensus scientifique crée souvent du doute, de la suspicion, comme je le notais dans mon précédant billet, dans le contexte du changement climatique. Dans une conférence au début du mois, une des chercheuses qui présentait des travaux sur l’analyse textuelle des “fake news” expliquait (je me permets de traduire en français ce que j’en ai retenu, la chercheuse parlant de la presse américaine) que les journalistes sont dans un moule “science-po” : tout sujet présenté doit avoir une thèse, suivi d’une anti-thèse, si possible présentées de manière égale, pour respecter une forme de neutralité. Si on parle d’un sujet qui fait consensus dans la communauté scientifique (on pourra parler de vérité “officielle”), on ira chercher une parole alternative, parfois présenté comme “indépendante”. Cette “indépendance” est alors présenté comme un gage de valeur, une garantie de vérité, les organismes devant prendre des décisions publiques (dont je parlais dans mon précédant billet) étant souvent présentés comme les garants de cette “vérité officielle” (alors que c’est souvent simplement que ces instances se sont tournés vers la littérature scientifique). Cette création artificielle de controverses a malheureusement des effets dramatiques, car on a finit par s’y habituer, le consensus devenant alors constamment suspect.

Fisker, S.T. & Taylor, S.E. (1984). Social cognition. Addison-Wesley.

Kahneman, D. (2011). Système 1 et système 2: Les deux vitesses de la pensée.

Simon, H.A. (1959) Theories of Decision-Making in Economics and Behavioral Science. American Economic Review, 49:3, 253-283.

Testart, J. (2000). Les experts, la science et la loi. Le Monde Diplomatique.

Les autorités publiques face aux risques, de la confiance au doute

Il y a deux ans, au travers une superbe exposition, la France célébrait Louis Pasteur, un des grands précurseurs de la vaccination, dont on fêtera le 200ème anniversaire dans quelques mois.

En même temps, la France est devenue le pays ou le scepticisme face à l’efficacité de la vaccination est la plus grande. Et ce manque de confiance à l’égard des vaccins semble être beaucoup plus profond, correspondant à un doute face à la science, et aux autorités publiques.

Continue reading Les autorités publiques face aux risques, de la confiance au doute

La valeur de la vie humaine

L’article La Valeur de la Vie Humaine, co-écrit avec Béatrice Cherrier est paru dans le dernier numéro de la revue Risque.

En 1928, revenant sur la révolution chinoise de 1925, André Malraux publie son roman Les conquérants, et glisse « j’ai appris qu’une vie ne vaut rien, mais que rien ne vaut une vie ». Si la formule peut plaire, on imagine qu’elle n’aidera pas trop un décideur public. En 2013, le Commissariat général à la stratégie et à la prospective, en France, évaluait la valeur d’une vie à trois millions d’euros. Mais d’où sort ce chiffre ? Et que signifie-t-il vraiment ?

La valeur de la vie

Un court article, écrit conjointement avec Béatrice Cherrier… Tous les commentaires sont les bienvenus !

En 1928, revenant sur la révolution chinoise de 1925, André Malraux publie son roman Les Conquérants, et glisse « j’ai appris qu’une vie ne vaut rien, mais que rien ne vaut une vie ». Si la formule peut plaire, on imagine qu’elle n’aidera pas trop un décideur public. En 2013, le Commissariat Général à la stratégie et à la prospective, en France, évaluait la valeur d’une vie à 3 millions d’euros. Mais d’où sort ce chiffre ? Et que signifie-t-il vraiment ?

Sauver une vie vaut-il le coup?

Chiffrer une vie est en effet un problème auxquels les assureurs, mais aussi les décideurs publics sont confrontés bien plus souvent qu’il n’y paraît. Après l’effondrement du World Trade Center en 2011, le Congrès américain adopta la Loi sur la sécurité du transport aérien et la stabilisation des systèmes. Cette nouvelle loi prévoyait la création d’un fonds spécial pour indemniser les victimes des attentats du 11 septembre 2001. Le montant de l’indemnité, et les personnes qui y auraient droit, seraient décidées par un fonctionnaire tout-puissant. Ce « special master,» Kenneth Feinberg, explique dans un ouvrage qui revient sur son expérience (Feinberg 2006) que le gouvernement souhaitait éviter une avalanche de poursuites pour préjudices corporels. Cela aurait pu plonger l’industrie du transport aérien dans la tourmente.

Un cadre très strict fut donc instauré : seules les victimes « ayant recu un traitement à l’hopital dans les 72 heures qui suivirent les attaques », blessées aux abords du World Trade Center et du Pengatone, ainsi que leurs conjoints et enfants – mais pas leurs parents – furent déclarés admissibles à une indemnisation. Le fond accorda plus de 7 milliards de dollars à 5 560 victimes et membres de leur famille. Feinberg se devait, légalement, d’étalonner les dommages et intérêts en fonction de la « valeur financière » de la victime décédée. Il dû ainsi expliquer à la femme d’un pompier, par exemple, que son mari valait moins qu’un courtier d’assurance.

En France, le récent passage aux 80km/h sur les routes à deux voies fut aussi partiellement justifié par les vies sauvées. Alors que le premier ministre se réjouissait, en janvier, d’un bilan de 116 vies épargnées, la journaliste Alba Ventura (2019) s’interroge sur RTL : « s’il s’agit de ne sauver qu’une vie, est-ce que ça ne vaut pas le coup ? » Le support radiophonique ajoute à l’ambigüité. Demande-t-elle en fait si « cela ne vaut pas le coût? »  Car le problème est bien celui des méthodes employées par la puissance publique pour chiffrer le prix d’une vie, sauvée ou perdue.

La valeur d’une vie humaine comme taux marginal de substitution

A la fin des années 1940, l’US Air Force cherchait à maximiser les dommages infligés par ses raids aériens contre l’Union Soviétique. Quand un groupe de chercheurs de la RAND Corporation proposa de faire voler un grand nombre d’avions peu coûteux pour leurrer les défenses aériennes soviétiques, les généraux de l’Air Force refusèrent l’idée, arguant que le coût de la vie des pilotes sacrifiés ne figurait pas dans les calculs. Comme le rappelle Spencer Banzhaf (2014),  l’économiste de la défense Jack Hirshleifer choisit alors de calculer valeur de la vie d’un pilote en intégrant le coût de sa formation et de son remplacement. Cette réponse avait l’avantage d’utiliser des grandeurs directement monétaires, et facilement quantifiables. Dans les années 1960, sur l’influence des réflexions autour du capital humain, il fut suggéré d’utiliser une estimation des salaires nets actualisés perçus au cours d’une vie de pilote, supposés refléter l’utilité matérielle du métier. Ces méthodes restaient dans la lignée de celles définies par Louis Dublin et Alfred Lotka pour les compagnies d’assurance dans l’entre-deux-guerres (Cavalin 2016).

S’il reprend comme titre le slogan publicitaire d’une compagnie d’assurance, popularisé par des organismes de sécurité routière ( « The Life You Save May Be Your Own »),Thomas Schelling, prix Nobel d’économie en 2005, publie en 1968 un article qui rompt largement avec cette tradition.  Il utilise en fait le travail de l’un de ses étudiants (et ancien pilote militaire) Jack Carlson, qui cherchait à évaluer si lcertains investissements en matière de sécurité (pour les pilotes) « valaient le coût ». Le coût d’un système d’éjection des avions B-58 était par exemple de l’ordre de 80 000 dollars, pour un gain substantiel sur la probabilité de survie. C’est cette idée de lier la valeur de la vie avec la notion de risque qui permis à Schelling de développer le concept de « valeur statistique » de la vie.

L’innovation majeur de Schelling consistait à impliquer les citoyen.ne.s dans l’évaluation de la valeur de leur propre vie. Puisqu’il était stérile de leur demander de chiffrer leur propre vie de but en blanc, on pouvait en révanche adapter la méthode de Carlson en leur  demandant, par exemple, combien ils et elles seraient prêtes à dépenser pour un airbag, ou un traitement médical, qui diminuerait leur taux de mortalité de 1%. Ainsi, en se plaçant dans un diagramme représentant en abscisse la probabilité de survie où l’espérance de vie résiduelle et en ordonnée la richesse, comme sur la Figure 1, pouvait-on construire des courbes d’indifférence liant richesse et survie : quelle somme accepte-t-on (marginalement) de dépenser pour gagner statistiquement un peu de vie, soit en diminuant sa probabilité de décès, soit en allongeant son espérance de vie ? Dans l’exemple ci-dessous, la valeur de la vie est simplement la dérivée de la courbe d’indifférence.

Figure 1 : Arbitrage entre espérance de vie et richesse.

La valeur de la vie n’est alors pas une grandeur constante, mais dépend de la situation dans laquelle on se trouve. Aussi,SVL=\frac{d\omega}{d\text{E}}=\frac{d\omega}{d\text{p}}suivant qu’on la calcule par rapport à une variation de l’espérance de vie, ou de la probabilité de décès. Si on a une espérance de vie résiduelle plus ou moins grande (à gauche ou à droite), ou si on est plus ou moins riche (en haut ou en bas), la pente ne sera pas la même. Un exemple classique est celui d’une roulette russe, avec un pistolet a douze chambres. Supposons qu’il y a 3 balles, quel serait le montant que l’on serait prêt à payer pour enlever une balle ? Que deviendrait ce montant s’il y avait 9 balles et qu’on souhaite en enlever plusieurs ? Supposons que la valeur statistique de la vie soit de 3 millions d’euros. Dans le premier cas, la probabilité passe de 3/12 à 2/12, soit dp_1=1/12 (soit une baisse de 1/3). Dans le second cas, pour avoir aussi une baisse de 1/3, il faudrait passer de 9/12 a 6/12, soit dp_2=3/12. Si on suppose que la valeur statistique de la vie est constante, alors d\omega_2/d\omega_1=d\text{p}_2/d\text{p}_1=3, et on devrait être prêt à dépenser 3 fois plus pour une même baisse relative de probabilité de décès.

D’un point de vue heuristique, dans le second cas, on est dans une situation un peu désespérée (on a 3 chances sur 4 de mourir) et donc toute solution est bonne à prendre, quelle que soit son prix ! C’est ce que l’on retrouve au travers de la convexité de la courbe de droite sur la Figure 1 : si ma probabilité de décès est élevée (à droite sur l’axe des abscisses), je suis prêt à dépenser beaucoup, pour un faible gain. Cette manière d’évaluer sa propre vie, proposée par Schelling, est souvent, appelée « gunpoint value.»

Sauver ma vie, ou celle d’autrui ?

Mais cette approche répond-elle vraiment à la question de départ ? La vie sauvée par une mesure de sécurité contraignante et couteuse est rarement celle de la personne qui prend une décision. Cette tension est particulièrement visible au sein des débats français sur la mesure de la valeur d’une vie, puisqu’à la différence des Etats-Unis celle-ci est largement le fait d’ingénieurs-économistes recrutés par l’Etat afin de mettre en place des politiques publiques visant a augmenter le bien-être des populations. La question de la sécurité routière est à l’origine d’un article fondateur sur le sujet, présenté par deux ingénieurs des ponts et chaussées, Claude Abraham et Jacques Thedie, au colloque annuel de recherche opérationnelle d’Aix-en-Provence en 1960.

Répondant à la question « combien une collectivité doit dépenser pour sauver une vie humaine », ils pointent deux types d’éléments à quantifier. Les éléments « objectifs » de nature « économique, » quantifiable en actualisant les pertes de salaires directes et les pertes de production et de consommation, grâce un raisonnement pragmatique qui mélange capital humain et analyse macroéonomique. Par exemple, un homme de 41-45 ans a une valeur de production deux fois supérieure à un homme de 56-60 ans, et sa valeur de consommation est 50% plus élevée. Mais la perte d’un homme de plus de 65 ans est en réalité un gain, ce qui montre l’importance d’intégrer les éléments « affectifs.» Puisque leur évaluation est autrement plus difficile, ceux-ci s’en remettent à l’estimation faite par les tribunaux en matière d’indemnisation des dommages personnels, en particulier l’attribution d’un praetium doloris.

Comme le relate Daniel Benamouzig (2005), les aspects théoriques, techniques, éthiques et métaphysiques du principe et de la méthode de la quantification d’une valeur de vie présentés par Abraham et Thédié, et en particulier de l’application de telles méthodes dans le champ de la santé, firent l’objet de débats houleux. Ceux-ci n’ont d’ailleurs toujours pas fait l’objet de résolution consensuelle. Françoise Favre (1970) note par exemple que l’utilisation du calcul économique de la valeur d’une année-vie pour décider si un dépistage systématique du cancer du col de l’utérus doit être mis en place peut conduire par construction une réponse négative. En effet, la valeur marchande du travail féminin qui sert de base au calcul est largement inférieur à celle du travail masculin, ce qui crée des inégalités de traitement hommes-femmes.

Adoptant un cadre éthique et théorique empruntant au choix social, Jacques Drèze (1962) propose une méthode de calcul alternative plus proche de celle développée par Schelling. Une décision publique doivent se fonder sur les préférences de la collectivité issues de l’agregation des utilités individuelles pour la décision en question. Une solution aux problèmes de mesure et d’incommensurabilités soulevé par Abraham et Thédié consiste a poser la question aux citoyens « combien la collectivité doit-elle dépenser, selon vous, pour sauver une vie? » L’utilité de la vie peut-être calculée en identifiant la disposition individuelle subjective à payer pour prolonger sa vie en écartant un risque déterminé, ajoute Drèze. Celui-ci conclue que sa méthode conduit à une estimation de la valeur de vie nettement supérieure à celle à laquelle aboutissent ces collègues. La sensibilité des évaluations aux méthodes de calcul, est, aujourd’hui encore, un problème majeur.

Plusieurs méthodes, plusieurs valeurs ?

Biausque (2011) reprend plusieurs études, afin d’estimer la valeur (statistique) de la vie, face à des risques environnementaux, de sante ou routier que l’on peut résumer dans le Tableau 1.

Environnement Santé Trafic routier
Nb d’études 51 250 65
Moyenne (€) 2 455 982 2 574 149 4 884 853
Minimum (€) 24 427 4 450 267 615
Maximum (€) 7 641 706 22 100 000 17 500 000

Tableau 1 : source Biausque (2011).

On voit que ces calculs sont complexes, et donnent lieu à des ordres de grandeurs très différents les uns des autres. La variabilité entre individus était évoquée dans Feinberg (2006) qui expliquait qu’il pouvait être économiquement juste à dire que la vie d’un trader de 25 ans “valait plus” qu’un pompier de 45 ans. Mais c’est surtout la variabilité entre les méthodes, que l’on retrouve également dans Hugonnier et al. (2018) qui surprend, et dérange, avec un facteur allant de 1 à 20 suivant la méthode utilisée.

état de santé Quintile

0%-20%

Quintile

40%-60%

Quintile

80%-100%

Statistique ‘fair’ 4 380 000 4 400 000 7 890 000
‘very good’ 8 800 000 8 830 000 12 135 000
Gunpoint ‘fair’ 235 000 235 000 422 000
‘very good’ 590 000 590 000 650 000
Capital humain 250 000 390 000 525 000

Tableau 2 : source Hugonnier et al. (2018)

Le Tableau 2 reprend la valeur statistique (inspirée de Drèze 1962), celle basée sur des calculs de capital humain, ainsi qu’une « gunpoint value », en fonction du niveau de richesse de la personne qui décède (niveaux de quantiles) et de l’état de santé de la personne (avant son décès).

Ces tableaux montrent à quel point il est difficile d’évaluer la vie de personnes impliquées dans un accident mortel. On essaye d’imaginer la valeur de la vie d’un « individu représentatif » (peut être en fonction de son état de santé, de son âge, de son revenu). Mais comment faire pour attribuer une valeur à une vie qui n’existe pas encore ? Car nombre de décisions prises aujourd’hui impactant aussi les « générations futures », c’est-à-dire des personnes qui aujourd’hui n’existent pas… Est-il possible de donner une valeur à la vie de ces personnes ? Car c’est normalement ce qu’il convient de faire si on veut mettre en place une politique visant à limiter le réchauffement climatique.

References

Abraham, С. & Thedié, J. 1960 Le prix d’une vie humaine dans les décisions économiques. Revue française de Recherche opérationnelle. 16 : 157-168

Banzhaf, Spenser H. 2014. Retrospectives: The Cold-War Origins of the Value of Statistical Life. Journal of Economic Perspective, 28 :4, 213-226.

Benamouzig, Daniel. 2005. La Santé au miroir de l’Economie. Paris : PUF

Biausque V. 2011, Valeur statistique de la vie humaine : une méta-analyse. OCDE

Cavalin, C. 2016. « La valeur d’une vie statistique : histoire américaine, histoire de la pensée économique. » Incidence 12.

Commissariat général à la stratégie et à la prospective 2013. Éléments pour une révision de la valeur de la vie humaine. http://www.strategie.gouv.fr/

Costa, Dora L. & Kahn Matthew E. 2004. Changes in the value of life, 1940-1980. Journal of Risk and Uncertainty, 29 :2, 159-180

Drèze, Jacques 1962. L’utilité sociale d’une vie humaine. Revue française de recherche opérationnelle 23 : 3 -28

Fabre, Françoise. 1970. « Une étude économique de la prévention et du dépistage précoce du cancer du col de l’utérus » Cahiers du Séminaire d’Econometrie 12, 121-143

Feinberg, Kenneth R. 2006. What Is Life Worth?: The Inside Story of the 9/11 Fund and Its Effort to Compensate the Victims of September 11th. Public Affairs.

Johansson, Per-Olov, 2000. Is there a meaningful definition of the value of statistical life? Journal of Health Economics, 20, 131-139

Hugonnier, J., Pelgrin, F. & St-Amour, P. 2018. Valuing Life as an Asset, as a Statistic and at Gunpoint. Swiss Finance Institute Research Paper 18-27

Lery, Simon 2004. Arbitrages : le prix de la vie. Alternatives Economiques, 223.

Mrozek, Janusz R. & Taylor, Laura O. 2002. What determines the value of life : a meta analysis. Journal of Policy Analysis and Management, 21 :2, 253–270

Schelling, T.C. 1968. ‘The life you save may be your own.’ In Problems in PublicExpenditure Analysis ed. Samuel B. Chase (Washington DC: Brookings Institution) 127–162

Ventura, Alba. 2019. 80km/h : « S’il s’agit de ne sauver qu’une vie, est-ce que ça ne vaut pas le coup ? », RTL, 29 janvier 2019.

Les réseaux pour réinventer l’assurance ?

La théorie des réseaux, ou des graphs, est née en 1735, suite aux travaux de Léonard Euler, qui essayait de trouver une promenade – à partir d’un point donné – qui fasse revenir à ce point en passant une fois et une seule par chacun des sept ponts de la ville de Königsberg. On peut rapprocher ces réseaux des réseaux de métro, constitués de stations (les nœuds), liés entre deux par des rails, ou pas, ou plus généralement un réseau routier, pouvant donner lieu à des études de congestion, par exemple. Mais les réseaux sont aujourd’hui surtout sociaux, reliant les personnes, par des liens d’amitiés, professionnels, familiaux, ou monétaires. L’analyse des réseaux permet de créer des communautés relativement homogène, acceptant de partager un risque, recréant une mutualisation.

Réseau et crédit

En généalogie, on aura des réseaux hiérarchiques, un enfant étant lié à ses parents, eux-mêmes reliés à leurs parents. En sociologie, les réseaux sociaux permettent d’analyser les liens entre des individus (ou des organisations) au sein d’un ensemble. On pourra étudier les amitiés dans une cour d’école (un lien pouvant être une invitation à un anniversaire) ou des échanges de messages électroniques dans une entreprise (la base des courriels d’Enron a ainsi été abondamment utilisée, avec plus de 180 000 messages échangés entre 36 000 employés[i]). La Figure 1 montre ainsi deux réseaux de 20 individus (A, B, …, T).

Figure 1 : réseaux aléatoires, 20 nœuds (Watts-Strogatz et Barbasi),

Dans une vision de type Facebook ou Linkedin, on dira que E et F sont liés, au sens « amis », s’il existe un segment reliant les points E et F. Un réseau peut être dirigé, par exemple si on étudie les échanges de messages (E a écrit à F), ou des prêts d’argent (E a prêté de l’argent à F). Si historiquement seule l’adjacence était étudiée (existence ou non de liens), on peut aujourd’hui rajouter des poids, par exemple le montant d’un prêt financier. Babutsidze (2012) étudie ainsi les positions de banques françaises et allemandes dans les prêts interbancaires au sein de la zone Europe (les nœuds sont alors les banques). L’étude des réseaux au sein de communautés de villages dans les pays en développement a permis de mieux comprendre les mécanismes de finance informelle. Banerjee et al. (2013) étudient ainsi la diffusion de l’information dans un réseau, et plus particulièrement les prêts de microfinance.

Si les réseaux sont utiles pour mieux organiser le microcrédit, CNN notait en 2015 que Facebook permettait à des organismes de crédit d’utiliser le réseau social d’un emprunteur pour déterminer s’il représente un bon risque de crédit, ou pas. En particulier, si le score de crédit des amis était trop faible, une personne pouvait se voir refuser un crédit. Cette situation est dangereuse à cause de propriétés particulières des réseaux, et plus particulièrement le paradoxe des amis.

Du tout petit monde au paradoxe des amis

En 1929, Frigyes Karinthy a émis l’hypothèse que toute personne sur terre pouvait être relliée à n’importe quelle autre par une succession de relations individuelles comprenant au plus 6 maillons. « Nous devrions sélectionner n’importe quelle personne du 1,5 milliard d’habitants de la planète, n’importe qui, n’importe où. Il paraît que, n’utilisant pas plus de cinq individus, l’un d’entre eux étant une connaissance personnelle, il pourrait contacter les individus choisis en n’utilisant rien d’autre que le réseau des connaissances personnelles ». Cette théorie des six poignées de main a vu son origine  dans une nouvelle littéraire. Il faudra attendre les travaux de

Michael Gurevich dans les années 60, puis Stanley Milgram dix ans après, pour voir apparaître les premières tentatives de quantification de ces relations, sous le nom de « Small World Problem ». Si Leskovec & Horvitz (2008) ont confirmé cet ordre de grandeur, via l’analyse de plusieurs milliards de messages échangés à l’aide de la plateforme Windows Live Messenger, plus récemment, Baghat et al. (2016) ont estimé que deux personnes quelconques sur Facebook étaient connectées par une moyenne de trois personnes et demi. Sur le réseau aléatoire de gauche, une personne a, en moyenne, 2 amis, alors qu’un ami pris au hasard a en moyenne 2.25 amis. Sur le réseau de droite, l’écart est encore plus important, car si là aussi une personne a, en moyenne, 2 amis, un ami pris au hasard aura en moyenne plus de 4 amis.

Figure 2 : réseaux aléatoires, 500 nœuds (Watts-Strogatz et Barbasi)

Ce paradoxe, observé en 1991 par le sociologue Scott Feld se démontre très facilement. Heuristiquement, on peut voir un lien avec la propriété probabiliste\frac{\mathbb{E}[X^2]}{\mathbb{E}[X]}=\mathbb{E}[X]+\frac{\text{Var}[X]}{\mathbb{E}[X]}>\mathbb{E}[X]où le terme de gauche est le nombre d’amis de mes amis, divisé par mon nombre d’amis. La différence est d’autant plus grande que la dispersion du nombre d’amis est importante. Si le réseau de gauche est très dense, celui de droite en revanche possède une propriété de loi puissance : la distribution du nombre d’amis suit une loi en fonction puissance (ou loi de Zipf, ou de Pareto). La Figure 3 montre la distribution du nombre d’amis sur un réseau, dans double échelle logarithmique : la linéarité indique une distribution en fonction puissance. On retrouve ce genre de distribution dans un très grand nombre de réseaux, en particulier Facebook, comme l’a montré Wohlgemuth & Matache (2014).

Figure 3 : distribution du nombre d’amis sur des réseaux aléatoires simulés (Watts-Strogatz et Barbasi en rouge)

L’interprétation classique est que certaines personnes sont centrales dans le réseau, avec un très grand nombre de connexions. Cette propriété est très connue en marketing (on parlera alors d’effet de pair, « peer effect ») mais elle a des impacts aussi en gestion des risques, ou en santé publique. Chrisakis & Fowler (2010) ont ainsi montré que les épidémies de grippe peuvent être détectées près de deux semaines en avance, en surveillant l’infection dans un réseau social. En particulier, l’analyse de la santé des personnes centrales dans un réseau est « an ideal way to predict outbreaks, but detailed information doesn’t exist for most groups, and to produce it would be time-consuming and costly ». Pour revenir à l’exemple du score de crédit, si ce dernier se trouve être corrélé aux nombres d’amis, le paradoxe des amis rend dangereuse l’utilisation du score des amis comme indicateur du risque d’un individu !

L’importance de l’homophilie

Un autre trait important des réseaux est la notion d’homophilie, introduite en 2001 en sociologie par deux articles importants, correspondant à la tendance à être connecté à ses semblables. McPherson et al (2001) partait du principe que la similitude engendre la connexion, et par conséquent, les réseaux personnels des gens sont homogènes sur de nombreuses caractéristiques sociodémographiques, comportementales et intrapersonnelles. Moody (2001) étudiait ainsi les amitiés dans les cours de récréations à l’école primaire, aux États-Unis, et plus particulièrement les amitiés interraciales. Easley & Kleinberg (2010) présente ainsi de nombres conséquences de l’homophilie, allant de la constitution des tables lors de repas d’affaire, à l’attribution de crédit aux États-Unis. La mesure de l’homophilie revient à se demander, compte tenu de groupes préexistants (en fonction du genre, de l’âge, de la catégorie socioprofessionnelle, etc) comment se répartissent les liaisons, entre les groupes, ou à intérieur des groupes.

Figure 4 : faible homophilie (en haut) et forte homophilie (en bas).

Dans un contexte d’assurance, un actuaire cherche à créer des classes tarifaires, des groupes homogènes en termes de risques, suivant des variables explicatives (les variables dites tarifaires). Les personnes qui habitent au même endroit, qui conduisent les mêmes types de véhicules, et qui ont les mêmes caractéristiques, auront de fortes chances d’être dans la même classe. Mais si l’homophilie existe dans une population, un groupe tarifaire pourrait peut-être s’observer sur réseau d’amis. Pourquoi ne pas alors envisager de créer des groupes au sein d’un réseau ?

Utiliser les réseaux en assurance

Dans cet esprit, en 2010, Friendsurance a été lancé en Allemagne et compte en 2018 plus de 100000 assurés[i]. En France, une courte expérience d’assurance collaborative avait été lancée en 2015, avec Inspeer, proposant de mutualiser avec ses proches les franchises d’assurance dommage (en assurance auto ou habitation) entre amis. Ces types d’assurances collaboratives, parfois appelés assurance pair à pair – ou « peer-to-peer insurance » –  reposent sur la constitution de petits groupes par un courtier. Une partie des primes d’assurance versées est versée à un fonds collectif, l’autre partie à une compagnie d’assurance tierce. Les dommages mineurs subis par le preneur d’assurance sont d’abord pris en charge par ce fonds de groupe. Pour les sinistres dépassant la franchise, il est fait appel à l’assureur habituel. Un groupe peut être constitué par les assurés, formant un réseau social un peu comme Facebook. Dans ce modèle, la seule exigence est que tous les membres du groupe doivent avoir le même type d’assurance (par exemple une assurance responsabilité civile avec une assurance des frais juridiques).

Comme le notait Schiller (2013), ce type de mécanisme a beaucoup de vertus, la première étant de diminuer les coûts, et le risque de fraude. On n’a en effet pas tendance à tricher sur le coût d’un sinistre lorsque le risque est porté par des membres de la famille, ou des amis. L’anonymat de la mutualité qui existe dans la loi des grands nombres disparait. Mais n’est-on pas en train de réinventer la version 2.0. des associations tontinières, avec le retour en force de la mutualisation des risques au sein de communautés soudées ?

Références

Joshua Angrist. The perils of peer effects. Labor Economics, 30, 98-108, 2014

Zakaria Babutsidze. Positions of French and German Banks in European interbank lending network. OFCE, Mars 2012.

Abhijit Banerjee, Arun Chandrasekhar, Esther Duflo & Matthew Jackson. Diffusion of Microfinance. Science, 341,

Smriti Bhagat, Moira Burke, Carlos Diuk, Ismail Onur Filiz & Sergey Edunov. Three and a half degrees of separation. Facebook Research, 2016.

Ananya Bhattacharya. Facebook patent: Your friends could help you get a loan – or not. 4 août 2015, CNN,

Nicholas Christakis & James Fowler Social Network Sensors for Early Detection of Contagious Outbreaks. PLoS ONE. 5 (9): e12948. arXiv:1004.4792 2015

David Easley & Jon Kleinberg. Networks, Crowds, and Markets. Cambridge University Press. 2010.

Scott Feld. Why your friends have more friends than you do, American Journal of Sociology, 96 (6): 1464–1477, 1991.

Matthew Jackson. Social and Economic Networks. Princeton University Press, 2010.

Jure Leskovec & Eric Horvitz. Planetary-Scale Views on a Large Instant-Messaging Network. Microsoft Research, 2008.

Miller McPherson, Lynn Smith-Lovin & James Cook. Birds of a Feather: Homophily in Social Networks. Annual Review of Sociology. 27: 415–444, 2001.

James Moody. Race, School Integration, and Friendship Segregation in America. American Journal of Sociology, 107 (3): 679-716, 2001.

Wesley Perkins, Michael Haines & Richard Rice. Misperceiving the college drinking norm and related problems: a nationwide study of exposure to prevention information, perceived norms and student alcohol misuse. Journal of Studies on Alcohol 66 (4) : 470-478, 2005.

Ben Schiller. A Social Network For Insurance That Cuts Costs And Reduces Fraud. Fast Company, October 2013,

Brad Walker. How Peer-to-Peer Companies Are Transforming the Insurance Sector. The Street, Avril 2016,

Jason Wohlgemuth & Mihaela Matache. Small-World Properties of Facebook Group

Networks. Complex Systems, 23 (2014).

[i] Les données complètes sont en ligne sur https://snap.stanford.edu/data/email-Enron.html

[ii] https://www.friendsurance.com/ et https://www.inspeer.me/ respectivement

(Petite) histoire du hasard et de la simulation

Entendre « il y a 10% de chances de pluie aujourd’hui » ou « le test médical a une valeur prédictive positive de 75% » montre que les probabilités sont aujourd’hui partout[i]. Une probabilité est une grandeur difficile à appréhender, mais incontournable quand on cherche à théoriser et mesurer le hasard. Et si la théorie mathématique est finalement arrivée très tard, comme le rappelle Hacking (2006), cela n’a pas empêché l’assurance de se développer assez tôt, et d’avoir les premières tables (actuarielles) de mortalité avant même que la « probabilité de décès » ou « l’espérance de vie » n’ait de fondement mathématique. Et de la même manière, de nombreuses techniques ont été inventées pour « générer du hasard », avant l’explosion des méthodes dites de Monte Carlo, en parallèle avec le développement de l’informatique (et du fait qu’une machine pouvait générer du hasard). Continue reading (Petite) histoire du hasard et de la simulation

Fake News, Wikipedia and Blockchain (Truth and Consensus)

(this article was intially writen in French)

We must not lie, we are taught at a very young age, and yet we all do it all the time. Provocatively, Meyer (2011) says that you will lie to your wife in one in ten conversations. And if you’re not married, the risk would be even higher. Yet we seem to live with these little lies (to the point of being destabilized when we find ourselves in front of an overly honest person). But the debates on the “Fake News” reminded us that some lies have a price, to the point of creating doubt and permanent distrust. This plurality of words, and the absence of a reference word, is not unlike the philosophy conveyed by crypto-currencies: instead of a centralised mode of governance (validation, certification), it is a global validation by a network, a consensus, which will prevail. Have we changed our definition of what truth is?

The story of “the truth”

In Athens, during the pompous period of Athenian democracy (around the middle of the fifth century BC), every citizen (ὁ βουλεύμενος, “whoever wants it”) has the right to speak, to formulate a speech. We will talk about iségorie (ἰσηγορία) equality of speech. As is so often the case, this equality is in fact very unequal, since not everyone is equal in eloquence. In Gorgias, Plato opposes the latter to Socrates, questioning the basis and purpose of this discourse, which can be put at the service of the common good, of truth, but also be used for purposes of persuasion. Socrates seeks the truth, and the moral value of the stated opinions, fundamentally opposing philosophy and rhetoric. But for Plato, truth is not everything: the notion of the common good seems to prevail over truth, a lie can be lawful if it is just (in the service of this common good). Greek myths are built on this idea, as Veyne (1983) develops, wondering whether the Greeks believed in their myths. This is not a lie, but fiction, allegory. The word μῦθος certainly gave the word “mythomaniac” (by adding μανια, madness), but this word initially meant the speech, the word, the story. We could almost find the concept of “lying true” proposed by poet Louis Aragon.

By radically opposing Good and Evil, Christianity has changed our conception of truth. It is appropriate to confess, to confess, if one aspires to salvation. Truth becomes sacred (and those who do not live with it will pay with their lives). Ecclesiastical authorities then define what is true, Foucault (1994b) spoke of “pastoral” power. “This form of power is oriented towards salvation (…) it is linked to a production of truth“. The opinion of the people is then guided and controlled by official representatives of the truth (ecclesiastical then state).

However, this power will crumble over time. The multiple words will reappear, and with them, the “Fake News”. Just after the First World War, Marc Bloch noted that “false news is always born of collective representations that pre-date its birth; it is fortuitous only in appearance, or, more precisely, all that is fortuitous in it is the initial incident, absolutely unspecified, that triggers the work of imaginations but this setting in motion takes place only because the imaginations are already prepared and ferment deafly. An event, a bad perception for example that would not go in the direction that the minds of all already lean, could at most form the origin of an individual error, but not of a popular and widespread false news“. We find here an idea translated today under the name of “Fake News”. Recently, some have felt compelled to consider legislation, raising the question of freedom of speech, but also probably a form of mistrust by a certain elite towards a people they think incapable of judgment and discernment. But who can afford to decree what is true and what is not?

Science and Truth

There is a form of truth through authority. Following a (painful) fall while skiing, even if I have vague knowledge of anatomy, I did better to consult a doctor, who has expertise from his studies and practice. If he tells me that I have a fracture, it is not the fact that he claims (with authority) that he is telling the truth, but because it is the conclusion he reaches on the basis of solid reasoning, which other doctors might contest. Not having any skills, I rely on his authority. Just as I trust my lawyer if I need legal advice (but perhaps not my doctor). Faced with an expert, the difficulty is to find what weight, what credit, to give him.

Science, as it is taught, seems to state irrefutable truths. If my pen falls off the table, its speed will increase linearly, until it touches the ground. I would be foolish to refute this reality, which stems from the theory of universal gravitation enunciated by Issac Newton in 1687 (in a much more general form than the fall of a pen, or an apple). But this vision is quite dated: “absolute truth” no longer exists, only agreement within the scientific community prevails. As van de Kerchove (2013) notes, mentioning the work of Karl Popper, facts in science are finally established in the same way as “jury proof” in English law. The main difference is the temporal aspect (a judge may set aside elements considered prescribed by law, even if they are scientifically enlightening) and the fact that justice judges a particular case, whereas science seeks general truths. It is the convergence of beliefs, based on collective discussions bringing a consensus which makes it possible to establish scientific truths.
And scientific knowledge evolves over time, even allowing itself to become blurred! Instead of having a “true” or “false” result, we now have true results with a certain probability. In the 2001 IPCC report, it is described as “likely”, with 2 out of 3 chances, that “human activity has been the main cause of observed warming” since the middle of the 20th century. In 2007, the probability exceeded 90%, reaching 95% (then becoming “extremely probable”) in 2014. We will also remember this episode in July 2012, when CERN announced the discovery of an elementary particle (postulated by Higgs in the 1960s, the famous “Higgs boson”) “with a confidence level of 99.99997%”. Science allows itself doubt, and even better, manages to quantify it with amazing precision.

Because doubt still exists in science. This doubt, sometimes called “Cartesian“, allows science to advance, but also, on occasion, to retreat. This is what Oreskes & Conway (2014) points out, highlighting the strategy of certain industries that have funded research projects denying scientific evidence of the dangerousness of tobacco, DDT (insecticide), the reality of the ozone hole, environmental damage from acid rain… etc.. By confusing, discrediting studies – and the scientists who conducted them – doubt has turned against science, while further strengthening the evidence. By questioning the dangers of smoking, numerous studies have established that on the contrary, no doubt was permitted. But the strategy was to buy time (and in that sense the strategy worked).

Justice and truth

But scientists are not the only ones trying to establish the truth. To resume the debate launched by Dagorn (2018), is the tomato a fruit or a vegetable? The fruit is defined in botany as the result of fertilization of the plant: it is derived from the transformation of the pistil once it is fertilized, and will then carry seeds allowing the plant to reproduce. So the tomato is a fruit. But vegetables have no scientific definition, even if they seem to designate the edible parts of plants. That said, chemists who are interested in cooking seem to have decided, using the flavor of the food. The fruit is a sweet food, while the vegetable would be dirty, bitter, or neutral. But if science does not seem to want to impose truth on the subject, justice has examined the question several times. In the United States, at the end of the 19th century, a tax existed on vegetables, but not on fruits. In 1887, John Nix sued New York Harbour treasurer Edward Hedden for taxing his tomato imports (recounted in Sterbenz (2013)). The United States Supreme Court ruled against him in 1893 (unanimously) explaining that the Customs Act referred to the common meaning of the terms “fruit” and “vegetable”, and not to the technical jargon of botanists. But this American vision opposes that adopted in Europe, since a 1988 directive of the Council of the European Union classified tomatoes in the category of fruits (just like carrots or rhubarb branches, moreover).

Justice feels invested with a mission to seek the truth. This is what Jean Domat said in 1745 when he stated that “the Laws want something judged to pass for truth”. The presumption of truth attached to a judgment – “res judicata pro veritate habetur” – is thus found several times in the Civil Code. It may, however, be objected that the raison d’être of this principle is essentially to avoid the repetition of trials ad infinitum (otherwise remedies would not exist: a court decision may be challenged, but according to a very specific procedure). The search for the truth then takes place during an investigation, which has become a “way of authenticating the truth, of acquiring things that will be considered true, and of transmitting them“, as Foucault (1994a) notes.

If science can’t decide, sometimes justice is still asked to make decisions. This is what the decisions say about whether the tomato is a fruit (or not) but it is also the essence of the precautionary principle, evoked in Charpentier (2016). And the situation becomes complex when laws that go against a scientific truth. Baruch (2013) thus returns in detail to the episode of the adoption of the Boyer law tending to repress the denial of genocides, at the turn of the years 2011 and 2012 (the debate on the “memorial laws”), and above all the contestation aroused by article 4 of the law of 23 February – known as the Mekachera law – with numerous positions on the “positive role” of French colonisation. MPs wanted to impose a truth (by law) that went against scientific historical knowledge. And how can we forget the condemnation (following a trial) of Galileo in 1633, following the publication of the Dialogue on the Two Great Systems of the World, by those who supported geocentrism against heliocentrism (previously established by Nicolas Copernicus, among others). In a letter written to the Grand Duchess Christine of Lorraine – mentioned by Gingras, Keating and Limoges (1999) – Galileo notes that the court ruled, “forgetting in a certain way that the multiplication of discoveries contributes to the progress of research, to the development and strengthening of sciences and not to their weakening or destruction, and at the same time showing itself more attached to their own opinions than to the truth“.

Is the majority always right?

In a sitting court, for an accused to be found guilty, the law requires that a (strong) majority of the members of the court of assizes decide it. The majority then imposes its law. But the vote is taken after discussion, after consensus has been reached. According to Wikipedia, “consensus characterizes the existence among the members of a group of a general (tacit or manifest), positive and unanimous agreement that can allow a decision or action to be taken together without a prior vote or special deliberation”. And Wikipedia is built on this idea of consensus. The first principle is openness and transparency: everything is open, everyone can contribute by submitting any content, and a record is kept of the history of interventions. It is required to provide proof of any assertion, with a clear and searchable reference (we find here a basic principle of scientific publication). Then follows a discussion phase. The importance taken today by Wikipedia shows that this principle works.

This delegation of governance is found in the majority of cryptocurrencies. To explain how Lamport works, Shostak and Pease (1982) proposed the fable of the Byzantine generals, to illustrate this concept of “gentium consensus” in computing. Several armies are ready to attack the same city, but the only way to synchronize the different armies, to determine whether to attack or retreat, is to circulate a messenger on horseback. Each general then mandates a knight, to carry the message “attack” or “retreat”, but there may be traitors among the generals who attack. The idea is to bring out a global validation, to obtain a general vote, a consensus, starting from the fact that dishonest people are less numerous than honest people. And indeed, in this case, coordination is possible. As with the blockchain (and all smart contracts), validation is by consensus.
The majority rule, the basis of many democratic systems, seems obvious to us. But the notion of “argumentum ad populum” reminds us that a proposition is not true because most believe it. If this rule seems natural to us, in a democracy, to associate the greatest number with decision-making in the city, in daily life, we quickly see that it leads to many dead ends. Imagine an airline pilot, faced with bad weather conditions, having to make the decision to land (or not) in an emergency. Should it allow passengers to vote? We imagine that it will be inappropriate, if not ineffective, because what the pilot wants is an informed majority, rather than a simple majority. In reality, as we can see in some important democratic decisions, following the choice of the majority is above all a way to avoid bearing responsibility for a choice.

The search for consensus is complicated, even impossible if we believe the literature on voting mechanisms and Arrow’s impossibility theorem. Arrow (1951) – inspired by Condorcet’s paradox – shows that there is no indisputable social choice process that allows a hierarchy of preferences for a group to be expressed from the aggregation of preferences. Also, when a consensus is reached, not everyone is satisfied with the outcome. Some even refer to a “dictatorship of the majority“. To quote Manin’s argument (1985), “the adherence of the greatest number reflects the superior strength of one argument over the others“, because argumentation and discussion are important, “this process makes the appearance of reasonable results more likely“. But this search for consensus is necessarily imperfect: “the true source of legitimacy therefore remains unanimity; the majority will is not legitimate in itself, it is legitimate because it is decided to confer on it all the attributes of the unanimous will. (…) The majority principle is a simple necessity of fact, without any intelligible link with the principle of legitimacy; it is only a convenient convention“, as Minor (2010) recalls.

A “post-truth” world?

The fact that science proposes vague truths does not facilitate understanding of the world, and the term “post-truth” has been proposed to describe this world where the borderline between lies and truth, honesty and dishonesty, fiction and “non-fiction” is no longer very clear. The open data movement also proposes to introduce a form of transparency, with raw data, so that everyone can decide on a debate. In the United States, several years ago, American citizens were shocked to discover that many politicians had received (sometimes very) large sums of money from private companies. But companies always had the desire to finance politicians in order to secure possible support, if necessary. Between these two contradictory visions, the compromise was to impose transparency: politicians had to keep track of any sum paid by a third party, and this information had to be made public. But what to do with this information? In France, this type of transparency is now mandatory for doctors. The database transparence-santé makes all the information declared by companies on the links of interest they maintain with players in the health sector (including doctors) accessible. Who took the time to go to the site to see if their doctor had a conflict of interest when he prescribed a medication? For this somewhat idyllic vision forgets that “pure” data does not exist (“row data is an oxymoron” to use the title of the book edited by Lisa Gitelman). We suspect that since the law imposes this transparency, practices have changed. Data (and facts) do not exist without narration. In 1936, a publisher asked Georges Orwell to investigate the workers’ condition in northern England, in a mining town during the Depression. In the spring of 1937, The Road to Wigan Pier appeared, often considered a report. Crick (1990) compared the notes taken in Orwell’s diary with the novel, to find out if he was giving raw sensations (facts) or if he had staged again, thus reconstructing his original vision. As he notes, “the bare style of the documentary is in reality a perfectly deliberate artistic creation“. Leys (1984) goes even further in the analysis “what Orwell’s invisible and so effective art illustrates is that’the truth of the facts’ cannot exist in a pure state. Facts by themselves never form anything but meaningless chaos: only artistic creation can invest them with meaning, giving them form and rhythm (…) Literally, truth must be invented“.

References

Arrow, K. (1951). Social Choice and Individual Values. Wiley.

Baruch, M-O. (2013). Des lois indignes ? Les historiens, la politique et le droit. Tallandier

Bloch, M. (1921) Réflexions d’un historien sur les fausses nouvelles de la guerre. Revue de synthèse historique, 33. https://bit.ly/2FC6GwZ

Charpentier, A. (2016). Les dérives du principe de précaution. Risques, 108.

Crick, B. (1990) Georges Orwell: Une Vie. Balland.

Dagorn, G. (2018). Aubergine, tomate, carotte… Savez-vous vraiment distinguer fruits et légumes ? lemonde.fr https://lemde.fr/2rkc7vt

Domat, J. (1745) Les lois civiles dans leur ordre naturel. https://bit.ly/2jrlNke

Foucault, M. (1994a) La vérité et les formes juridiques, in « Dits et écrits » tome II texte n°139, Gallimard.

Foucault, M. (1994b) Le sujet et le pouvoir, in « Dits et écrits » tome IV texte n°306, Gallimard.

Gingras, Y., Keating, P. & Limoges, C. (1999) Du scribe au savant : Les Porteurs du savoir de l’Antiquité à la révolution industrielle, Boréal.

Gitelman, L. (2013). Raw Data Is an Oxymoron. MIT Press.

Lamport, L., Shostak, R. & Pease, M. (1982) The Byzantine Generals Problem. ACM Transactions on Programming Languages and Systems, vol. 4, no 3,‎ juillet 1982.

Leys, S. (1984) Orwell, ou, L’horreur de la politique. Plon.

Manin, B. (1985). Volonté générale ou délibération. Le débat.

Meyer, P. (2011). Liespotting.  Saint Martin’s Griffin.

Mineur, D. (2010). Les justifications de la règle de majorité en démocratie moderne. Raisons Politiques, 39, 127—149.

Oreskes, N. & Conway, E.M. (2014). Les marchands de doute : Ou comment une poignée de scientifiques ont masqué la vérité sur des enjeux de société tels que le tabagisme et le réchauffement climatique. Editions le Pommier.

Popper, K. (1973). La logique de la découverte scientifique. Payot.

Sterbenz, C. (2013). The Supreme Court Says The Tomato Is A Vegetable — Not A Fruit. Business Insider,‎ 30 décembre 2013. https://read.bi/2I93gHn

van de Kerchove, M. (2013) Vérité judiciaire et para-judiciaire en matière pénale : quelle vérité ?. Droit et Societe, 84, 411-432.

Veyne, P.  (1983) Les Grecs ont-ils cru à leurs mythes ? 
Essai sur l’imagination