Version classiqueVersion mobile

Deux siècles d’histoire de l’armement en France

 | 
Dominique Pestre

Science, technique et armement dans l’histoire

Le contrôle de qualité dans l’armement au début du XXe siècle : comment passer de la théorie des probabilités à la pratique industrielle ?

Denis Bayart

Texte intégral

À la mémoire de Maurice Dumas (1898-1993)

  • 1 Lorenz Krüger et al. (eds.), The Probabilistic Revolution, Cambridge (Mass.), MIT Press, 1987.
  • 2 Mes remerciements vont à Pierre Crépel, Bernard Bru, Alain Desrosières et à tous ceux qui m’ont enc (...)

1De nombreux travaux ont été consacrés à la « révolution probabiliste » dans les sciences, exactes ou humaines1, mais très peu se sont intéressés à la mise en œuvre de ces nouveaux modes de pensée dans l’organisation industrielle et dans la gestion des entreprises2. Les possibilités d’application y sont pourtant nombreuses, depuis les études de marché et la prévision des ventes jusqu’à la planification des opérations et de ce qu’on a appelé la « recherche opérationnelle « . Le domaine de l’organisation militaire et des industries d’armement a souvent été un terrain d’expérimentation de ces méthodes. C’est particulièrement le cas en France pour ce qui concerne le contrôle statistique de la qualité, domaine que deux « artilleurs », un officier et un ingénieur, ont défriché, parmi les tout premiers, en mobilisant les outils et les modes de pensée du raisonnement probabiliste. Ce domaine recouvre un ensemble de méthodes qui sont apparues simultanément, surtout dans les années 1920-1930, dans plusieurs pays industrialisés (France, Allemagne, États-Unis, Grande-Bretagne...), et sont liées à la généralisation de la fabrication industrielle en grandes séries ainsi qu’à des évolutions dans les conventions commerciales (comme l’apparition de l’assurance qualité aux États-Unis au début du siècle).

  • 3 Jean Eugène Estienne, « Essai sur l’art de conjecturer », Revue d’artillerie, t. 61, mars 1903, p.  (...)

2 Le plus ancien de ces travaux probabilistes, publié en 1903, est nettement antérieur à la vague d’intérêt industriel pour le contrôle statistique. Il est dû au chef d’escadron d’artillerie J.-E. Estienne, plus connu comme promoteur des chars d’assaut français pendant la Première Guerre mondiale. Il s’agit en fait d’un exemple par lequel l’auteur illustre sa propre théorie probabiliste d’inspiration bayesienne, le « calcul des cotes », mais cet exemple, « application à l’analyse des conditions de réception de lots d’objets fabriqués », est développé sur plusieurs pages et témoigne d’une réelle pénétration du sujet3.

  • 4 Maurice Dumas, « Sur une interprétation des conditions de recette », Mémorial de l’artillerie franç (...)
  • 5 Lucien Vallery, « Le calcul des probabilités appliqué au prélèvement des échantillons en matière d’ (...)

3Le second auteur est Maurice Dumas, jeune ingénieur de l’artillerie navale qui, en 1925, reprend le problème et le traite de façon approfondie dans le Mémorial de l’artillerie française4. La même année, un pharmacien militaire, Lucien Vallery, fait également paraître un article plus court sur l’utilisation du calcul des probabilités pour le contrôle5. Les entreprises civiles ne semblent pas, en revanche, s’intéresser à la question. Le domaine de l’armement et notamment de l’artillerie, par suite de la formation que recevaient les officiers et ingénieurs, apparaît comme un champ propice au développement de la pensée probabiliste.

  • 6 Les plus notoires sont : Walter A. Shewhart, Economic Control of Quality of Manufactured Products, (...)

4Au-delà du désir de faire reconnaître les mérites de ces pionniers qui ont accompli, il faut le souligner, un travail remarquable sur la question, et cela avec des moyens théoriques relativement limités, je souhaite explorer quelques pistes pour expliquer que, en définitive, leurs réflexions soient restées à peu près sans conséquences pratiques jusqu’à la veille de la Deuxième Guerre mondiale. C’est seulement en 1936-1937, en effet, que l’administration militaire commence à expérimenter réellement ces méthodes ; cet intérêt est principalement déclenché, semble-t-il, par l’action militante du physicien et statisticien Georges Darmois, s’appuyant sur les travaux américains et britanniques6 publiés entre 1930 et 1935.

5La problématique que j’adopte résulte d’un croisement entre la recherche en gestion, qui est mon activité principale de chercheur, et l’histoire des techniques de production et d’organisation. Le contrôle statistique de qualité est un ensemble de techniques de gestion de la production qui aident à prendre des décisions face à la variabilité des produits fabriqués et des conditions de fabrication. Elles interviennent aussi dans la régulation des rapports client-fournisseur, comme nous le verrons plus loin, en explicitant des règles d’acceptation ou de rejet des lots de produits fabriqués lorsqu’on en examine des échantillons. Ce sont donc des méthodes qui permettent de porter des jugements dans certaines situations récurrentes dans l’activité industrielle ou commerciale, au nom de certains critères d’efficacité ou de pertinence. Faire l’histoire de ces méthodes, c’est contribuer à l’histoire des critères d’efficacité en vigueur dans les organisations industrielles. En étudiant leur genèse, on voit les acteurs de l’organisation mettre en forme de nouveaux critères d’efficacité ou faire évoluer les anciens. Les critères d’efficacité étant un objet d’étude spécifique de la recherche en gestion, il est logique de trouver là un point de croisement avec l’approche historienne. Le point de vue de la recherche en gestion peut « ouvrir de nouvelles boîtes noires », selon l’expression devenue classique en sociologie des sciences et des techniques, en interrogeant des objets historiques dans une perspective différente.

  • 7 Certains textes programmatiques de recherche en gestion définissent en effet un objet de recherche (...)

6Les recherches menées sur des organisations contemporaines montrent qu’il existe une grande diversité de ces critères d’efficacité selon les organisations, selon les types de production et selon les situations7. Elles montrent aussi le rôle crucial que joue la traduction opérationnelle des critères sous forme de règles et dispositifs concrets pour les collectifs de travail.

  • 8 On trouvera une analyse très détaillée des outils cognitifs et de l’usage qu’en fait l’équipage d’u (...)

7Les techniques du contrôle statistique de qualité constituent un bon objet pour étudier ces dispositifs concrets. Elles reposent en effet sur des raisonnements et concepts de statistique mathématique qui seraient inutilisables par la main-d’œuvre des usines s’ils n’étaient pas traduits en moyens opérationnels tels que procédures, graphiques, feuilles de calcul, etc., qui ramènent les processus mathématiques à des opérations arithmétiques et graphiques élémentaires, selon le principe de la division du travail intellectuel qui avait tant séduit Babbage. Nous appelons « outils cognitifs » ces moyens opérationnels qui donnent un corps aux idées abstraites et permettent de les intégrer dans un collectif de travail. Il est possible de les étudier sous les mêmes angles que des outils ou des machines au sens habituel, en s’interrogeant par exemple sur leur ergonomie, sur les possibilités de coordination qu’ils offrent aux agents du collectif ou sur leur compatibilité avec l’organisation sociale du travail dans l’entreprise8.

8Des outils cognitifs performants constituent une première gamme d’exigences pour qu’une méthode de gestion puisse être mise en œuvre. Or Maurice Dumas, en 1925, a conçu des outils cognitifs très proches de ceux qui, par la suite, ont été un facteur de succès de ces méthodes ; nous les examinerons de plus près. Si nous voulons expliquer l’absence d’applications, nous sommes incités à chercher une autre raison.

  • 9 Christian Licoppe, La Formation de la pratique scientifique : le discours de l’expérience en France (...)

9 Il existe une deuxième gamme d’exigences tenant au fait qu’une opération de contrôle (le contrôle de qualité en est une) n’a pas de sens si elle n’est pas intégrée dans un système plus large. Nous verrons Estienne invoquer explicitement cette raison. L’expérience de AT & T aux États-Unis montre aussi que la vision « à l’échelle de l’entreprise tout entière » est un facteur de succès important. L’insuccès des propositions de Dumas est lié, nous le verrons, à l’absence d’une vision plus large de l’interaction client-fournisseur et des processus industriels qui l’encadrent. Il est intéressant de renvoyer à ce propos au concept de « réseaux de métrologie » employé par Christian Licoppe9 : dans le réseau des processus industriels et des procédés métrologiques qui établissent la qualité des biens (et même plus largement leur identité, ce qui les définit en termes scientifiques), la pensée probabiliste apporte de nouvelles possibilités de mesure là où l’on ne voyait auparavant que du hasard. Des notions intuitives telles que le « risque du client » se voient dotées d’une signification précise et opérationnelle. Une nouvelle ère du contrôle s’ouvre, qui entraîne de nouveaux modes d’action, notamment la mise sous contrôle statistique des systèmes de production, technique cruciale à l’heure actuelle en microélectronique.

10L’ordre de présentation sera thématique plutôt que chronologique. D’abord, nous verrons comment, avec ces nouvelles méthodes, on définit la qualité des fabrications, selon quels critères. Le recours aux méthodes statistiques quantitatives a pour effet de forcer à définir la qualité de façon précise et tranchée, pas forcément pertinente pour l’activité de différents acteurs ; autre nouveauté, il s’agit de la qualité d’un ensemble de produits, ce que nos auteurs appellent un « lot de fabrication ». Ces redéfinitions sont indissociables des épreuves qui établissent la bonne ou mauvaise qualité, autrement dit de ce qui fait preuve dans les modes de raisonnement et de pensée statistiques. Dans un deuxième point, nous verrons comment émergent différents critères permettant de trier, comparer, ordonner les méthodes possibles selon leurs performances, et comment on apprécie ces dernières. Enfin, nous étudierons les questions soulevées par l’insuccès de ces nouvelles méthodes du point de vue de la pratique, et cela sous trois angles : les outils cognitifs permettant de les rendre concrètes, la mise en scène des démonstrations de validité de ces nouvelles théories, et enfin l’insertion dans les réseaux de métrologie existants. Nous nous appuierons pour cela sur des comparaisons avec les méthodes développées aux Laboratoires Bell à la demande de la direction de AT & T, la grande entreprise américaine de téléphone, méthodes qui furent conçues en étroite relation avec les pratiques.

Définir la qualité d’un lot de fournitures et juger sur échantillon

11Le contexte des opérations envisagées par Estienne et Dumas est assez particulier et bien défini : il s’agit de la « prise en recette » de fabrications effectuées par un fournisseur de l’administration militaire, qu’il s’agisse d’une entreprise privée ou d’un arsenal. C’est une opération possédant un fort caractère administratif, une routine à laquelle il est bien possible que les acteurs ne prêtent pas grande signification. Estienne et Dumas travaillent à élaborer un sens nouveau, plus riche, plus précis.

  • 10 Les illustrations et certaines informations proviennent du site de David Dhoury, http://canonde75.f (...)

12En premier lieu, le contrôle statistique nécessite une définition de la qualité qui conduise à des grandeurs mesurables. Estienne choisit un cas apparemment simple : les fusées d’obus, dispositifs destinés à faire exploser la charge de l’obus lorsqu’il arrive sur l’objectif et dont le bon fonctionnement se mesure par une variable « oui/non ». Dumas reprend le même exemple. Cependant, il s’agit là d’une simplification qui fait peut-être perdre du réalisme au modèle. En effet, les fusées d’obus peuvent être de différents types et leurs performances ne sont généralement pas aussi simples à définir. Le principe d’action d’une fusée est la détonation soit à la percussion, soit au bout d’un certain temps déterminé par la combustion d’une mèche (souvent réglable avant lancement). Les fusées étaient couramment à double effet. Or si l’effet par percussion relève bien d’une variable binaire, l’effet de temporisation est mesuré par une durée, variable continue. La fusée était un élément évidemment crucial de l’obus, car celui-ci n’explosait pas tout seul. Pendant la guerre de 1914-1918, la mauvaise qualité des fusées (notamment pour les obus de 75) était un problème sérieux10.

Figure 1 Fusées pour obus de 75

Figure 1 Fusées pour obus de 75
  • 11 Voir par exemple : David A. Garvin, Managing Quality : The Strategie and Compétitive Edge, New York (...)

13Estienne et Dumas esquivent ainsi un point fort difficile, celui de la mesure de ce qui fait réellement la qualité d’un produit pour les clients ou les utilisateurs. Ce thème parcourt toute l’histoire des politiques de qualité, générant périodiquement des controverses et des renouvellements importants de la pensée et des pratiques. Des travaux modernes de recherche en management11 établissent clairement qu’il existe des conceptions très différentes de la qualité selon les services ou fonctions de l’entreprise, entre le marketing, le bureau d’études, la fabrication, le service après-vente, etc. Dans les articles de statistique sur le contrôle de qualité, cependant, par une sorte de convention académique, la question de la mesure de la qualité est généralement évacuée comme hors sujet.

  • 12 Voir Denis Bayart, « Savoir organisationnel, savoir théorique et situation : le contrôle statistiqu (...)

14L’entreprise américaine de téléphone AT & T a développé des méthodes de contrôle statistique de qualité en adoptant une démarche d’investigation12 qui couvrait l’ensemble de l’activité de l’entreprise, depuis la conception jusqu’à l’installation des centraux téléphoniques chez les clients (qui étaient des compagnies locales de téléphone). Cette démarche a permis de prendre en compte dans leur diversité les conceptions de la qualité qui étaient pertinentes pour le but recherché et d’arriver à des compromis se traduisant dans la méthode proposée. Estienne et Dumas adoptent au contraire un point de vue unilatéral, celui de l’administration militaire. Dumas se trouve amené, nous le verrons, à considérer un critère qui intéresse directement le fabricant (critère du risque de rejet d’un lot de bonne qualité), mais il ne l’explicite pas comme tel ; son point de vue reste celui du client. Dumas comme Estienne considèrent en fait une situation abstraite, un type pur.

15Un travail d’explicitation important est en revanche fait par nos deux auteurs sur ce qui constitue la qualité d’un lot. Ils font certes l’impasse sur les problèmes que soulève la mesure de la qualité d’un élément individuel, mais ils réfléchissent longuement sur ce qu’est un lot, sur ce qu’est un échantillon pris dans le lot et sur ce que peut signifier une mesure du taux d’éléments défectueux dans l’échantillon et dans le lot.

16Dumas définit un lot de mauvaise qualité comme un lot où la proportion d’éléments défectueux est supérieure à un nombre b (« supposé non nul », ajoute-t-il en puriste !). C’est clair et net. Mais Estienne prend le soin d’articuler un long raisonnement, dont le caractère laborieux reflète sans doute la difficulté du sujet :

Considérons donc un lot de 20 000 fusées, présenté en recette par un fabricant, et supposons que la conjecture porte sur le nombre de ratés que pourront donner ces 20 000 fusées, une fois en service. Concevons qu’un procédé ignoré ou quelque être infiniment perspicace ait fait connaître que sur les 20 000 fusées, il y en a 100 qui rateront, mais sans indiquer lesquelles ; prononcera-t-on la recette ? On peut dire oui, on peut dire non. C’est une question technique préalable à trancher ; le calcul des cotes n’y peut rien, pas plus que l’arithmétique ne peut dire combien de francs vaut 1 mètre de drap d’Elbeuf. Il faut donc convenir d’un certain nombre p que nous laisserons sous sa forme littérale pour n’être engagés à rien, indiquant le pour-cent d’objets mauvais qui, si on le savait certainement dépassé, entraînerait le rebut du lot. [p. 440.]

17Estienne souligne ainsi que nous n’avons aucun moyen de connaître exactement le taux de défectueux dans le lot. C’est une idée tout à fait centrale dans sa théorie, au point que ce n’est pas cette variable qu’il pose comme objet direct de la conjecture, mais l’idée qu’on s’en fait. Estienne est un partisan convaincu d’une approche bayesienne du problème qu’il résume ainsi dans une lettre à Maurice Dumas du 8 avril 1925 : « Puisque vous avez bien voulu me lire, vous savez que mon idée dominante est que l’épreuve expérimentale ne fait que modifier une conviction a priori. » Cette façon de poser le problème du contrôle de qualité est totalement originale par rapport aux problématiques qui se développèrent ultérieurement, qui relèvent toutes des probabilités dites « directes », dont Dumas va nous fournir un exemple.

  • 13 Ernest Lhoste, « Le calcul des probabilités appliqué à l’artillerie », Revue d’artillerie, t. 91. m (...)

18Maurice Dumas, quant à lui, tente de suivre chacune des deux approches, la bayesienne et la directe, mais c’est seulement la seconde qui l’amène à des conclusions utilisables en pratique. L’approche bayesienne suppose de choisir, comme l’indique Estienne, une distribution de probabilités a priori qui reflète l’idée qu’on se fait de la qualité du lot, distribution de probabilités qui va être modifiée selon les résultats de l’examen de l’échantillon. Or Dumas recule devant la difficulté de choisir une distribution a priori. C’est pourtant cette approche qu’il poursuivit ensuite, tout au long de sa vie, écrivant de nombreux articles sur les lois de probabilité a priori et les thèmes apparentés, notamment les lois « impropres » telles que celles proposées par Ernest Lhoste, un autre artilleur probabiliste13.

19Voyons maintenant comment nos auteurs proposent de « se faire une idée » de la qualité du lot à partir d’un échantillon, selon l’expression de Dumas. Il existe une différence importante entre les deux, concernant ce que représente le taux de défectueux par rapport à la composition du lot.

20Estienne considère que le taux de défectueux est une caractéristique du procédé de fabrication du fournisseur au moment de la fabrication. Si le lot présente ce taux de défectueux, c’est parce qu’il est pris au hasard dans le flot des pièces fabriquées :

On assimile plus ou moins consciemment la production des fusées sortant de l’usine, bonnes ou mauvaises, suivant un degré à peu près constant de perfection de la fabrication pendant la courte durée considérée, à l’écoulement d’un fleuve qui roulerait des fusées bonnes et mauvaises dans une proportion à peu près constante pendant un court espace de temps, et on puise au hasard dans ce fleuve 20 000 fusées pour former un lot. [...] Voilà les raisons qui justifient la conviction qu’ il y a une fréquence a priori de bonnes fusées et tout raisonnement a sa base dans cette conviction. [p. 441.]

21Cette idée de constance des conditions de fabrication, clairement exposée par Estienne, se révéla ensuite d’une très grande importance pour la théorie du contrôle de qualité. On la retrouve en effet au fondement de toute la théorie américaine du contrôle statistique de processus, développée par W.A. Shewhart pour AT & T aux Laboratoires Bell. Les techniques statistiques, telles que les cartes de contrôle de Shewhart, servent essentiellement à amener le processus de production dans un état de stationnante où les caractéristiques des produits suivent des distributions statistiques stables. Estienne a une vision très claire de cette propriété de stationnante :

Le problème se pose ainsi : Un établissement a fabriqué, en série, avec des procédés identiques, avec des matières premières de même provenance, avec un personnel permanent, ou à peu près, etc., un nombre plus ou moins considérable d’objets ; ces objets ont été réunis en lots, c’est-à-dire qu’on a groupé un nombre déterminé d’objets fabriqués dans un espace de temps aussi court que possible, [p. 439|.

22Les termes qu’il emploie ressemblent beaucoup à ceux qu’emploie Shewhart vingt-cinq ans plus tard en théorisant les « constant Systems of chance causes ».

  • 14 Dodge et Romig ont introduit ultérieurement la classification des plans en « type A » et « type B » (...)

23Dumas ne reprend aucunement ce raisonnement et limite ses conjectures à la qualité du lot présenté en recette14. A vrai dire, rien dans son raisonnement ne nécessite le recours à l’hypothèse de constance du taux de défectueux dans la fabrication, mais nous verrons que cela présente des inconvénients pour insérer sa méthode dans un réseau métrologique plus large.

24La démarche de Dumas est d’une rigueur logique sans faille. Elle relève de ce qu’on appelle maintenant l’approche par les probabilités « directes » (alors que lui-même la qualifie du terme « a posteriori » afin de l’opposer aux démarches « a priori » ou bayesiennes). Soit a la proportion inconnue de fusées mauvaises dans le lot ; soit N la taille du lot et n la taille de l’échantillon. On sait calculer, par des méthodes de dénombrement, la probabilité d’observer dans l’échantillon 0, 7, 2,..., c éléments défectueux. Par exemple, pour un lot de 1 000 pièces et un échantillon de 20 pièces, la probabilité de n’observer aucun défaut dans l’échantillon varie selon le pourcentage de défectueux dans le lot :

Proportion de défauts dans le lot 2 % 4 % 6 % 8 %
Probabilité de 0 défaut 0,68 0,50 0.29 0.19

25L’observation « 0 défectueux » est peu probable dans le cas d’un lot à 8 % de défectueux ; dans le cas d’un lot à 2 %, elle se produit environ deux fois sur trois en moyenne. Cette démarche de calcul toute simple permet à Dumas d’établir précisément les propriétés des « conditions de recette », c’est-à-dire des règles de jugement sur échantillon en vigueur dans l’administration.

26Soit par exemple la règle prescrivant de tirer un échantillon de p et de rebuter le lot si on observe au moins un mauvais fonctionnement. Moyennant une approximation algébrique légitime, Dumas exprime très simplement par un polynôme la probabilité de rebuter le lot en fonction de a. On peut ainsi mesurer, en probabilité, le pouvoir qu’a la condition de recette en question de rebuter un lot de qualité insuffisante, défini comme un lot qui comporte plus de b % de défectueux.

27A cette occasion, Dumas formule deux observations qui, vues de notre époque, paraissent évidentes mais qui étaient certainement des propositions très peu intuitives en 1925.

28La première est que les conditions de recette conduisent à éliminer des lots mauvais, et non à accepter des lots bons. Elles ont « le pouvoir de faire rebuter une certaine proportion minimum de lots mauvais », et non « le pouvoir de nous indiquer le nombre de chances sur cent minimum que nous avons d’avoir affaire à un lot bon, du moment qu’il a subi avec succès ces épreuves » (p. 399). Il le démontre avec un raisonnement simple : si tous les lots présentés sont mauvais, un certain nombre d’entre eux seront néanmoins admis car l’échantillon n’aura pas fait apparaître de défectueux, mais ils seront mauvais. Un tel résultat, aussi clairement explicité, n’était sans doute pas de nature à réjouir les opérationnels.

  • 15 À vrai dire, cette proposition n’est pas rigoureusement exacte et résulte de l’approximation de la (...)
  • 16 A certains moments de la guerre de 1914-1918, la consommation d’obus de 75 était supérieure à 100 0 (...)

29La deuxième est que le pouvoir d’une condition de recette d’éliminer des lots mauvais ne dépend pas de la taille du lot, et en particulier que l’usage consistant à définir la taille de l’échantillon en pourcentage de la taille du lot n’a pas de fondement théorique acceptable. C’est là une découverte sur laquelle Dumas insiste longuement15. Il en conclut notamment qu’il est beaucoup plus intéressant, lorsque le contrôle détruit les pièces comme c’est le cas ici, de présenter des lots de très grande taille. Le prélèvement lui paraît d’ailleurs tellement énorme qu’il estime la méthode impraticable dans le cas où l’essai détruit l’élément, à moins que les lots ne soient eux-mêmes très grands. Il calcule par exemple que si l’on souhaite une probabilité 0,95 de rebuter les lots contenant plus de 1 % de défectueux, une solution consiste à essayer 237 fusées en n’acceptant aucun échec. A titre de comparaison, Estienne, en 1903, indique que les essais courants portent sur 30 fusées pour un lot de 20 00016.

  • 17 Voir Stephen M. Stigler, « Eight Centuries of Sampling Inspection : the Trial of the Pyx », Journal (...)

30Ces indications de volume des prélèvements nous font mesurer le coût important des méthodes de contrôle statistique, relativement aux pratiques en cours, et donc l’obstacle que cela pouvait représenter pour leur adoption. Tout au long des siècles, on a pris des échantillons pour juger de la qualité des produits fabriqués17, et voilà que ces pratiques traditionnelles sont mises en cause au nom de raisonnements abstraits. Les méthodes statistiques conduisent à expliciter des notions telles que le risque, proposant même de le mesurer. Que des réactions incrédules se soient produites, nous pouvons le comprendre. Néanmoins, le mouvement était lancé : l’étude comparative des conditions de recette allait conduire à encore plus d’explicitation et de formalisation.

En comparant les conditions de recette...

  • 18 Egon S. Pearson, « The Neyman-Pearson Story 1926-34 », in Maurice Kendall, Egon S. Pearson (eds.), (...)
  • 19 Jerzy eyman, Egon S. Pearson, « On the Use and Interprétation of Certain Test Criteria for Purposes (...)

31Egon S. Pearson, co-auteur avec Jerzy Neyman d’une théorie des tests d’hypothèse devenue classique, note dans ses souvenirs18 que c’est surtout à partir de 1924 que les statisticiens britanniques commencèrent à s’interroger sur la comparaison des méthodes de tests d’hypothèses. Lui-même a commencé à y travailler en 1926, à la recherche de « principes généraux, parlant à l’intuition, qui pourraient fournir un guide pour choisir parmi les tests ». En collaboration avec Neyman, il publia en 1928 le premier article19 d’une longue série, qui définissait notamment les concepts d’erreurs de première et de deuxième espèce (qu’on retrouve en contrôle statistique de qualité sous les appellations de « risque du fournisseur » et de « risque du client » : rejeter à tort un lot bon, accepter à tort un lot mauvais). Les artilleurs français rencontrent ce problème de classement et de comparaison des conditions de recette. La coïncidence de dates entre l’article de Dumas et les travaux anglais est d’autant plus frappante que Dumas était isolé du milieu des statisticiens.

32Estienne, en 1903, se rend bien compte que le principe de l’échantillonnage permet d’expérimenter de différentes manières en variant la taille de l’échantillon et le nombre d’erreurs tolérées. Il ne cherche pas systématiquement à comparer les méthodes pour « conjecturer » : il présente la sienne. Mais celle-ci se prête à des variations importantes, sur le nombre d’essais comme sur le nombre d’échecs tolérés. Différents calculs le conduisent aux résultats de la figure 2.

Figure 2 Gamme de résultats proposés par Estienne (1903)

Figure 2 Gamme de résultats proposés par Estienne (1903)

33Maurice Dumas va nettement plus loin en explicitant plusieurs critères de comparaison et en menant la démarche de mathématisation sur des pratiques existantes. Il introduit ainsi des concepts nouveaux. En particulier, il est certainement l’un des premiers au monde à établir et publier ce qu’on a appelé ultérieurement la « courbe d’efficacité » (efficiency curve en anglais), un outil de comparaison des tests qui se révéla d’une grande utilité pour les statisticiens. Il perçoit bien l’usage que l’on peut faire de ces courbes, même s’il n’en mesure pas toute l’importance.

34Dumas met en place, comme nous l’avons vu plus haut, un mode de calcul qui permet de déterminer, pour une condition de recette donnée, la probabilité de refuser un lot en fonction de son taux de défectueux. Ce mode de calcul reste applicable lorsque l’on fait varier la taille de l’échantillon et le nombre d’échecs tolérés à l’essai. Cela permet d’établir les courbes qui correspondent à trois « genres » de conditions de recette, que Dumas appelle A, B et C :

  • genre A : échantillon de taille p, rebut si un seul échec
  • genre B : échantillon de taille p, rebut si plus de n échecs.
  • genre C : échantillon de taille p, rebut si plus d’un échec ; acceptation si aucun échec ; si un seul échec, on tire un nouvel échantillon de taille q ; si cet échantillon contient un échec ou plus, le lot est rebuté ; sinon, il est accepté.

35Le genre C, dénommé par Dumas « épreuve et contre-épreuve », est déjà évoqué par Estienne. Dans les termes de la théorie moderne, on l’appellerait « échantillonnage double », les genres A et B relevant de l’échantillonnage simple.

36Dumas remarque que, si l’on impose la probabilité α d’éliminer un lot mauvais, il existe un grand nombre de solutions pouvant appartenir à tous les genres. Il a l’idée de rechercher quelles conditions de recette seraient « les plus avantageuses » et essaie d’abord de préciser ce que l’on peut entendre par là.

37Il propose la définition suivante : est plus avantageuse une condition de recette qui donne une plus grande probabilité d’accepter un lot bon, tout en donnant la même probabilité de refuser un lot mauvais. Il exprime ainsi une propriété des plans d’échantillonnage qui fut reconnue plus tard comme tout à fait importante : un plan est défini par la fixation d’un « risque du client » et d’un « risque du fournisseur », ce qui revient à imposer à la courbe d’efficacité de passer par deux points déterminés.

38Pour bien saisir le problème, il faut se référer à la théorie moderne. Le client veut être protégé contre l’acceptation de lots mauvais mais le fournisseur veut aussi, de son côté, être protégé contre le rejet de lots qui sont bons. Le test idéal devrait ainsi rejeter avec certitude les lots contenant plus de b % de défectueux et accepter avec certitude ceux qui en contiennent moins de b %. Ce test idéal n’existe pas, ou alors c’est l’inspection du lot en totalité. Pour se rapprocher de cet idéal, le calcul montre qu’il faut augmenter la taille de l’échantillon ainsi que le nombre de défauts tolérés.

39Pour Dumas, les courbes constituent le moyen le plus rapide et le plus parlant de comparer les conditions de recette. Il suffit de superposer les graphiques A et B pour constater que le fait d’accepter un nombre de défauts non nul dans l’échantillon permet d’obtenir des courbes en « S », correspondant à des conditions de recette qui discriminent mieux entre les lots bons et mauvais. Si aucun défaut n’est accepté, les courbes sont toutes des exponentielles dont la concavité est tournée vers le bas (graphique A) et qui, si elles correspondent à un faible risque du client, entraînent un fort risque du fournisseur.

  • 20 Harold F. Dodge, Harry G. Romig, « A Method of Sampling Inspection », Bell System Technical Journal(...)

40Le deuxième sens de « solution avantageuse » qu’évoque Dumas est la minimisation du nombre d’éléments examinés, tout en conservant la protection (α, b), mais il ne développe pas cette voie. Soulignons que c’est elle qu’ont choisie les ingénieurs américains des Laboratoires Bell, Dodge et Romig20. Ce critère de minimisation du nombre de pièces examinées (et donc du coût de l’inspection) a compté pour beaucoup dans le succès qu’a connu leur méthode dans les milieux industriels. Le contexte industriel fait ainsi émerger, dans le cas américain, un critère de comparaison des tests d’une nature différente de ceux qu’envisagent les statisticiens travaillant en milieu à dominante scientifique (tel Pearson) : plutôt que la minimisation d’un risque d’erreur, c’est la minimisation d’une quantité économique qui est formalisée. Dumas envisage les deux possibilités mais, n’ayant pas affaire à une demande effective qui pourrait l’orienter vers le critère le plus intéressant pour les milieux industriels, il reste au plus près du critère administratif traditionnel.

L’insertion du contrôle statistique dans les pratiques

41Les apports théoriques et conceptuels d’Estienne et Dumas, que nous avons étudiés jusqu’à présent, sont d’un niveau comparable à ceux des ingénieurs américains des Laboratoires Bell. Il semble ne leur avoir manqué qu’un passage à la pratique, qui aurait conduit à sélectionner et à développer les éléments les plus pertinents pour les acteurs du monde industriel. Cependant, les liens entre théories et applications restent généralement énigmatiques : telle condition qui semble un facteur de succès ici se révèle souvent sans effet ailleurs... Il est donc toujours intéressant de saisir les occasions d’étudier en détail les liens qui peuvent être créés entre les théories et le monde pratique. Dans l’introduction, nous avons fait référence à deux types d’insertion : la facilité d’usage des méthodes en milieu industriel, dans des conditions d’exploitation courante ; la connexion avec d’autres réseaux de métrologie de façon à créer une valeur pour le mode de mesure nouvellement proposé. Nous ajouterons un troisième point : la démonstration pédagogique, ou mise en scène de la validation des raisonnements théoriques.

  • 21 Selon le témoignage de M. Dumas dans un entretien en 1990.
  • 22 Voici ce qu’écrit H.G. Romig à Dumas, suite à une lettre de ce dernier s’enquérant de sa priorité : (...)

42Le premier point peut être traité rapidement : aucune mise en pratique réelle n’a en effet été envisagée21, du moins avant 1936. Les courbes de Dumas, notamment, sont restées dans les cartons de l’auteur et les pages du Mémorial. Il est intéressant de comparer avec ce qui s’est passé aux États-Unis à propos de telles courbes : les ingénieurs américains de AT & T affirment les avoir utilisées dans le fonctionnement interne des équipes de contrôle22, à défaut de les avoir publiées. Ils n’en avaient donc pas non plus saisi toute la portée théorique, qui n’est apparue que bien ultérieurement.

  • 23 Stephen M. Stigler, The History of Statistics, Cambridge (Mass.), Harvard University Press, 1986, p (...)
  • 24 Communication de Bernard Bru.
  • 25 Par exemple au Ceresta, organisme de formation continue fondé par Georges Darmois, qui était parall (...)

43Examinons ensuite le troisième point, qui est souvent d’une grande importance lorsque le promoteur d’une nouvelle théorie souhaite convaincre de sa validité. Je ne m’attacherai pas aux thèmes classiques de l’épistémologie scientifique, mais plutôt aux dispositifs qui permettent aux acteurs de mettre à l’épreuve la nouvelle théorie, de la faire cadrer avec leur intuition, de se confronter sensoriellement avec elle. C’est particulièrement important dans le champ du calcul des probabilités, où les conclusions théoriques sont souvent très différentes de l’intuition spontanée. Ainsi, on a souvent jugé, intuitivement, qu’un échantillon devait être de taille proportionnelle à celle du lot, conclusion que dément la théorie (lorsque la probabilité de l’événement considéré est faible). Rappelons aussi le rôle important des « quinconces » – ces planches portant des clous plantés en quinconce entre lesquels on laissait tomber des billes de métal, ce qui produisait des effets aléatoires – pour montrer la loi des grands nombres en action23. L’artillerie possède d’ailleurs une certaine pratique des simulations, notamment celle appelée « tir simulé » : pour entraîner les artilleurs au réglage du tir, on tirait dans une urne des boules réparties suivant la loi de Gauss, qui donnaient les positions des obus tirés, et le candidat artilleur devait allonger ou diminuer la hausse pour tenter d’atteindre (toujours avec les boules tirées de l’urne) l’objectif en question, qui était la moyenne de la loi de Gauss24. Dans les années 1950, lorsque les statistiques furent enseignées aux cadres de l’industrie25, les dispositifs expérimentaux revêtirent une importance considérable dans la pédagogie.

44Or Dumas ne s’est pas contenté, dans son article, de donner des résultats théoriques : il a cherché à valider ses raisonnements par ce que nous appellerions actuellement une simulation (lui-même parle de « vérification expérimentale », terme impropre qui lui valut d’ailleurs les remontrances d’un lecteur). Le travail qu’il a effectué est impressionnant. Il construit une sorte d’urne mécanisée avec laquelle il effectue 6 000 tirages dont la liste figure à la fin de l’article. Les jetons de l’urne sont au nombre de 500. marqués chacun d’une lettre entre A et E et d’un chiffre de 1 à 100. Il se sert ensuite de ces tirages pour établir des statistiques sur les résultats de différentes conditions de recette et vérifier qu’ils sont raisonnablement en accord avec ses calculs. Il conclut par l’affirmative.

45Le dispositif mécanique par lui-même mérite une description : une caisse contenant des jetons tourne en permanence autour d’un axe horizontal, réalisant un brassage constant ; l’axe est creux et permet d’extraire des jetons un par un. Le numéro du jeton prélevé est noté, il est remis dans l’urne. L’expérience est répétée 6 000 fois. Pour ce qui concerne la réalisation matérielle, il est probable que Maurice Dumas, qui était alors en poste à l’arsenal de Toulon, a recouru aux services d’ouvriers de l’établissement.

46En publiant ces séries de tirages, Dumas estime fournir un moyen qui servirait « à tous ceux qui chercheraient à vérifier expérimentalement des lois de probabilité ». Il rappelle en effet que, si le calcul des probabilités « est exposé constamment avec l’aide d’urnes et de boules de différentes couleurs, on ne cite guère comme “expérience” faite que les pièces de monnaie lancées en l’air par Descartes et par Buffon ». Les « séries de Dumas » semblent toutefois être restées ignorées (alors que bien d’autres séries expérimentales, telles que les dés de Weldon, ont marqué l’histoire des probabilités).

47Concernant la « vérification expérimentale », il considère que les jetons portant la lettre C représentent les défectueux, qui sont donc en proportion de 20 %. Il compte ensuite, sur les séries de nombres obtenues expérimentalement, le nombre de séries qui auraient entraîné l’acceptation du lot si cette série représentait les résultats d’un échantillon. Par exemple, une suite de 4 tirages ne comportant pas la lettre C est considérée comme l’essai d’un échantillon de 4 fusées sans échec (condition du genre A : lot accepté s’il ne se produit aucun échec). Le nombre de telles séries est comparé au nombre théorique, et cela pour chaque genre de condition de recette. Dumas ne peut guère aller plus loin, ne maîtrisant pas les outils statistiques qui lui auraient permis de déterminer si les écarts sont significatifs ou non. Il se borne donc à constater un accord apparent de la théorie et de l’expérience.

  • 26 Walter A. Shewhart, op. cit., Annexe II, Table A, B, C, p. 442-471
  • 27 Egon S. Pearson, op. cit.

48Dumas n’est pas le seul à expérimenter avec les urnes. W.A. Shewhart, le physicien américain qui a développé la théorie du contrôle de processus, a lui aussi beaucoup pratiqué ce moyen de simulation et l’a même utilisé pour la validation. C’est essentiellement par ce moyen qu’il a éprouvé la robustesse de la méthode des cartes de contrôle dans les cas où les distributions statistiques ne sont pas gaussiennes (distributions rectangulaire et triangulaire). Lui aussi a publié, dans son manuel classique26, les résultats de 4 000 tirages expérimentaux. Cette convergence des pratiques expérimentales est un phénomène de même nature que les doublons en histoire des sciences, mais le fait qu’elle se produise au même moment est particulièrement intriguant. En outre, Dumas et Shewhart ne sont pas les seuls : en Angleterre, L.H.C. Tippett publie une longue série de tirages aléatoires qui, selon E.S. Pearson27, ouvre un nouveau champ d’investigation : l’étude empirique des distributions d’échantillonnage. Dumas, même isolé des milieux savants de la statistique mathématique, participe sans le savoir à ce renouveau ; c’est ainsi que l’on peut interpréter sa naïve prise de conscience du fait qu’aucune expérimentation réellement nouvelle depuis Descartes et Buffon n’aurait marqué le calcul des probabilités.

  • 28 Préface à Walter A. Shewhart, Statistical Method from the Viewpoint of Quality Control, The Graduat (...)

49L’expérimentation a cependant un coût. En milieu industriel, l’expérimentation en « vraie grandeur », sur les équipements de production eux-mêmes, comporte des coûts indirects liés aux perturbations qu’elle introduit dans les programmes de production. C’est d’ailleurs pour des raisons de ce type que Gosset-Student développa la théorie des petits échantillons, afin d’exploiter des données obtenues en un temps limité sur des cuves de brassage (il travaillait comme ingénieur aux brasseries Guinness). Le contrôle statistique apporte avec lui une sensibilité au coût de l’information, au coût de son acquisition. Les urnes de Shewhart et Dumas ont l’avantage de permettre une simulation à peu de frais de dispositifs industriels dont la mobilisation est très coûteuse et difficilement justifiable pour des fins de recherche. La rapidité des manipulations expérimentales est aussi un élément important. W.E. Deming notait à cet égard en 1939 que les applications industrielles des statistiques pouvaient être validées bien plus rapidement que les applications agronomiques, ces dernières étant conditionnées par des rythmes saisonniers28.

50Voyons maintenant la question de l’insertion dans les réseaux métrologiques existants : comment l’information acquise lors de la prise en recette prend de la valeur en pratique, par raccordement à d’autres évaluations ou mesures.

51Estienne écrit sans détour que sa méthode du « calcul des cotes » est inapplicable dans le cas des marchés d’armement. En effet, elle conduit à des conditions de recette différentes selon les fournisseurs, en fonction de la confiance qu’a l’acheteur dans la qualité de leurs fabrications respectives : « Il est impossible de songer à imposer par un cahier des charges général des conditions différentes aux concurrents ; on peut le regretter mais il faut s’y résigner. » La métrologie des performances des fabricants que propose Estienne est donc en complète contradiction avec le principe d’égalité qui prévaut dans les marchés publics. Il propose également de faire évoluer la « marque de fabrique » d’un fabricant (son indice de qualité) en fonction des résultats observés, donc d’en garder une mémoire, ce qui est tout aussi contraire aux principes des marchés publics. Remarquons que de tels systèmes sont maintenant devenus courants dans l’industrie privée dans le cadre de l’assurance qualité (« démérites »).

52Mais Estienne est un homme d’action. Concédant que sa théorie est inapplicable dans sa pureté originelle, il propose une troisième solution : « l’appel à la concurrence réduite dont l’effet est précisément de permettre de prime abord, sans discussion, l’élimination des fabricants auxquels on attribuait a priori une cote par trop faible » (p. 447).

53À l’appui de cette troisième voie qui va dans le même sens que ses calculs, il invoque également le bon sens fondé sur l’expérience :

Nous avons été chargé pendant plusieurs années de la réception des tubes de canon de provenances diverses, suivant les chances d’ adjudications où la concurrence au rabais [en termes modernes : au moins-disant] avait introduit des fournisseurs de marques notablement différentes ; nous n’étions pas en possession, à cette époque, des résultats numériques précis que nous publions aujourd’hui, mais parfois le bon sens nous a donné la conviction absolue qu’il eût été préférable de recevoir, sans épreuve, un tube sorti d’une bonne usine, plutôt que de recevoir, comme nous y obligeait le cahier des charges, un tube ayant strictement satisfait aux épreuves réglementaires, mais venu d’une usine médiocre (bon et médiocre étant définis par rapport à ce que l’on sait des fournitures précédentes), [p. 448.]

54Dans ces conditions, l’essai sur échantillon devient surtout un moyen de « vérifier si la bonne opinion qu’on avait a priori sur une fabrication n’est pas accidentellement injustifiée pour le lot considéré ».

  • 29 Des chercheurs en gestion (Mathieu Detchessahar, Yannick Lemarchand, « Des hommes et des projets da (...)

55Estienne établit ainsi un compromis remarquable d’habileté entre l’exigence du calcul, indiscutable, et celle des pratiques métrologiques instituées. S’il démystifie l’idée que la prise en recette garantit la bonne qualité, c’est pour se rabattre sur un autre critère de qualité, présupposant des relations à long terme avec les fournisseurs et une capitalisation de l’expérience acquise. D’autres recherches seraient nécessaires pour savoir s’il y a eu mise en œuvre ou expérimentation29.

56Dumas, quant à lui, se range totalement du côté du calcul. Il établit la vérité toute nue en montrant que les conditions de recette en vigueur n’offrent qu’une faible garantie contre les lots de qualité insuffisante (selon sa définition, qui peut être contestée). Il ne donne guère d’indication sur la manière d’insérer la méthode d’échantillonnage dans les pratiques. En fait, nous l’avons vu, la taille des échantillons à essayer (et à détruire) le rend très sceptique. Cela l’amène à prendre en considération la méthode d’Estienne, qui conduit en effet à des échantillons de taille plus réduite, mais qu’il rejette en définitive comme impossible pour les raisons déjà évoquées d’inégalité de traitement des fournisseurs. Il conclut que, si l’on ne veut pas sacrifier le nombre de pièces nécessaires pour obtenir une « certitude morale », on aura au moins l’explication du fait que les lots reçus seront mauvais.

57Décevante conclusion. Son article lui vaut quelques éloges et témoignages de sympathie, mais il ne lui est pas proposé de passer à la mise en œuvre. Sa critique des conditions de recette est-elle trop radicale pour être prise en compte sérieusement ? Une autre hypothèse est le caractère abstrait de la représentation de la situation, présentée comme une unité en soi et coupée du reste du monde. La situation est définie localement, étroitement circonscrite à la remise d’une livraison par un fabricant à un client, sans tenir compte de la durée de la relation ou de ses à-côtés, tels que les connaissances sur les besoins réciproques. Cette coupure est probablement une condition nécessaire à la mise en forme probabiliste de la situation, à sa modélisation (pour employer un terme moderne), à sa représentation abstraite et au déroulement du raisonnement mathématique. Le travail de Dumas est d’ailleurs réduit au statut d’exercice intellectuel par un correspondant à qui il a adressé son article, professeur à l’École des ponts et chaussées qui « remercie son jeune camarade [...] de son très intéressant et très utile article du Mémorial et le félicite d’avoir traité avec succès un sujet très difficile ». Il aurait donc manqué un travail inverse de l’abstraction, que l’on pourrait appeler de mise en situation (plutôt que d’« application », terme qui passe sous silence toutes ces difficultés), consistant à « convoquer » des acteurs et actants réels qui se saisiraient de la représentation proposée et l’inséreraient dans leurs pratiques.

  • 30 Denis Bayart, « Savoir organisationnel... », article cité. Voir aussi le chapitre 9, « Quality Assu (...)

58Mais pourquoi les acteurs se tourneraient-ils vers de nouvelles représentations ? Pourquoi se produirait-il un changement dans des conventions de mesure qui, en usage depuis longtemps, ne semblent pas soulever de problème bien sérieux ? L’exemple américain de AT & T est instructif de ce point de vue30. En résumé, la mauvaise qualité des fabrications soulevait depuis longtemps des problèmes entre clients et fournisseurs, notamment pour l’imputation des frais d’inspection (qui étaient considérables). AT & T a mis en place dès 1906 une politique de contrôle de qualité, sans cependant recourir aux concepts probabilistes. Les problèmes ont persisté et, en 1923, le département d’ingénierie est chargé de redéfinir les méthodes de travail en couvrant l’ensemble des activités de l’entreprise, depuis les bureaux d’études de conception jusqu’aux chantiers d’installation chez les clients. Du personnel de haut niveau est recruté et mis à plein temps sur le sujet (Shewhart, PhD de physique, et Dodge, ingénieur MIT). Il y a donc une volonté politique des instances dirigeantes de l’entreprise, ce qui conduit à l’implication de nombreux acteurs occupant des positions très différentes dans l’organisation. Le rôle de la direction, ici, est de désigner le problème comme important (parmi l’infinité de problèmes que rencontre une entreprise), d’affecter des moyens, de soutenir le projet en le légitimant.

  • 31 Harold F. Dodge, Harry G. Romig, 1929, op. cit., fig. 2.

59Un deuxième type de connexion est d’ordre technique ou scientifique. Chez AT & T, aux Laboratoires Bell, c’est un ensemble cohérent de méthodes qui a été construit. Le contrôle de réception de Dodge et Romig était complété par le contrôle de processus de Shewhart, s’appuyant sur des résultats obtenus à partir de ce dernier. C’est un point extrêmement important qui passe souvent inaperçu : Dodge et Romig font l’hypothèse que l’on connaît le taux moyen de défectueux dans les fournitures soumises au contrôle et imposent ce taux au client, dans le sens où celui-ci n’est pas supposé exiger un taux de défectueux inférieur à 1,67 fois le taux moyen du process31. Les moyens de calcul publiés à l’époque sont construits ainsi : on ne pouvait y échapper (à moins de refaire tous les calculs, ce qui demandait un investissement considérable). Le contrôle de processus de Shewhart conduit en effet à une stabilisation du processus de fabrication ; on peut alors considérer le taux de défectueux comme une grandeur physique significative et le mesurer (Estienne employait la métaphore du fleuve, qui est une représentation similaire, mais sans l’idée d’agir sur le processus pour amener le taux de défectueux à être constant). La mise en pratique de méthodes prototypes, en situation de chantier réel, et la comparaison avec les méthodes anciennes ont conduit à définir des grandeurs acceptables pour les differentes caractéristiques des plans d’échantillonnage : risque du client fixé à 10 % (c’est la « certitude morale » d’éliminer un lot mauvais que Dumas fixait arbitrairement à 5 %, valeur qui augmente beaucoup la taille de l’échantillon), taux de défectueux tolérés nettement supérieur au taux moyen de défectueux du process.

60Mais le facteur probablement le plus lourd de conséquences dissuasives pour Dumas est le choix malheureux du contrôle destructif comme support du raisonnement : c’est un problème trop difficile, qui n’admet pas de solution miraculeuse. Dodge et Romig, au contraire, se placent dans une configuration où l’on peut pratiquer l’ inspection en totalité des lots rejetés en remplaçant les éléments défectueux par des bons. Il s’agit de composants pour centraux téléphoniques ; le contrôle de qualité contribue à la constitution d’un équipement durable et n’est pas le seul mode de contrôle mis en œuvre. Le contrôle sur échantillon aléatoire se présente alors, par rapport à l’inspection en totalité, comme un substitut plus économique et plus rapide. Le fait qu’il soit toujours possible de revenir à l’inspection à 100 % a contribué à faire accepter la méthode par les acteurs méfiants. En outre, on a pu comparer les performances de ces deux méthodes, et le contrôle sur échantillon a été jugé satisfaisant compte tenu de la situation.

  • 32 Voir par exemple : Lucien March, Les Principes de la méthode statistique, avec quelques application (...)

61La comparaison France-États-Unis nous permet de conclure au caractère crucial des situations où les méthodes sont conçues : alors que les méthodes de Dumas et de Dodge-Romig semblent presque identiques au plan formel, elles ont pris des significations radicalement différentes en fonction de l’objet auquel elles étaient appliquées et du cadrage qui leur était assigné. En France, la signification est restée comme bloquée sur l’exemple des munitions et l’idée de l’essai destructif. Comme si l’induction statistique était réservée à des grandeurs que l’on ne saurait pas mesurer directement. On peut voir une confirmation de cette orientation dans l’autre exemple favori des théoriciens français du calcul des probabilités32, celui de l’estimation de la durée de vie des ampoules : là aussi, le contrôle est destructif et on estime une variable qui n’est pas mesurable autrement que par la destruction des objets.

  • 33 Walter A. Shewhart, 1939, op. cit.
  • 34 Eugene L. Grant. Richard S. Leavenworth. Statistical Quality Control, International Student Edition (...)

62Les ingénieurs des Laboratoires Bell adoptent une approche qui n’est pas centrée d’emblée sur l’estimation de grandeurs telles que le taux de défectueux dans le lot. Shewhart la présente plutôt comme un dispositif organisationnel qui converge, par itérations successives, vers une production conforme à des spécifications33. Le but visé par le contrôle n’est pas en premier lieu de produire une mesure de grandeur, mais d’agir sur un système en le régulant à travers son organisation. Cette approche pragmatique est bien caractérisée par la remarque d’un expert du domaine : « Dans le contrôle de réception lot par lot, la question pratique immédiate est ce qu’on fait avec chacun des lots. On doit prendre une décision, soit l’accepter, soit le rejeter, peut-être l’inspecter en totalité. Des critères précis sont établis pour régler ces questions. Habituellement, l’estimation de la qualité du lot à partir de la composition de l’échantillon est vue comme une question académique34. »

63La régulation d’un système suppose l’établissement d’un réseau de métrologie dont le périmètre couvre au moins ce système. Au contraire, l’estimation d’une grandeur est une opération qui, en apparence du moins, a un caractère local : le résultat est une mesure avec une indication de l’approximation, c’est un nombre qui est généralement vu comme auto-suffisant. Le complexe métrologique qui rend en réalité possible l’établissement de cette mesure est relégué au second plan, ou même complètement occulté au profit de la seule opération statistique d’estimation. Plus on essaie d’éléments, plus l’estimation de la variable inconnue est précise : voilà ce qui obnubile le regard, tout au moins dans ces premiers travaux. Or une mesure isolée n’intéresse personne, dans le monde industriel : une mesure ne prend de signification que mise en rapport avec d’autres grandeurs, en particulier économiques. Les pionniers français du contrôle statistique, tout en ayant tenté de suivre cette piste, ne pouvaient à eux seuls effectuer un travail qui, dans les pays voisins, a mobilisé des équipes entières placées en situation dans des contextes industriels authentiques, en vraie grandeur, plutôt que simulés.

*
* *

  • 35 Miriam R. Levin (ed.), Cultures of Control, Amsterdam, Harwood Academic Publishers, 2000.

64Même si Estienne et Dumas n’ont pas rencontré un grand succès à leur époque, les méthodes de contrôle statistique ont pris une importance considérable par la suite : elles se sont largement répandues dans l’industrie européenne après la Deuxième Guerre mondiale, sous le couvert du plan Marshall, des missions de productivité, de la modernité industrielle. Il en alla de même au Japon, bien que sous des modalités différentes. Le contrôle statistique est un élément fondateur de la « culture du contrôle »35 dont le développement s’est poursuivi ensuite avec la cybernétique, la recherche opérationnelle, la gestion des systèmes. En ce sens, son apparition serait un phénomène inéluctable, point de passage obligé pour la manipulation, la connaissance, la gestion des longues séries d’objets manufacturés que la société industrielle produisait de plus en plus. Mais on s’attendrait à ce que les innovateurs, Estienne et Dumas, soient « connectés » aux milieux industriels, à ce qu’ils répondent à une demande au moins tacite, reflétant un besoin encore mal cerné mais présent. Or tel n’est pas le cas, et il faut bien constater que les aptitudes de nos artilleurs au raisonnement probabiliste ne se sont pas « transférées » à l’industrie, malgré les bénéfices qui auraient certainement pu en être tirés.

  • 36 Voir Pierre Crépel, « Calcul des probabilités : de l’arithmétique sociale à l’art militaire », in B (...)

65Cet insuccès des méthodes probabilistes dans le domaine des pratiques industrielles tient à un ensemble de facteurs trop complexe pour que nous puissions en proposer ici une analyse. L’histoire de la réception scientifique et sociale de ces méthodes est elle-même passablement tourmentée. Nous soulignerons seulement les éléments qui ont trait à la formation des ingénieurs français de l’époque. Bien peu d’entre eux avaient une connaissance, même élémentaire, du calcul des probabilités. Pour ce qui concerne les polytechniciens (ce que sont Estienne, Dumas, Lhoste), le calcul des probabilités est enseigné à Polytechnique de façon très irrégulière, et pratiquement pas entre 1894 et 191936. Et en fait, il s’agit le plus souvent de la théorie des erreurs et de la méthode des moindres carrés (enseignées en astronomie), non de la « doctrine des chances ». Estienne et Dumas font exception. Estienne, pour sa part, a certainement bénéficié de l’excellent cours de probabilités dispensé par le colonel Henry à l’École d’artillerie de Fontainebleau. Et la promotion 1919 S (celle de Dumas) est la première à recevoir un enseignement de probabilités plus moderne, par le grand mathématicien Paul Lévy. Cela n’expliquerait-il pas un peu la hardiesse que montre Dumas, « inventant » le problème qu’il traite et l’abordant selon plusieurs voies théoriques différentes ? Dumas ne semble pas se confronter à un problème proposé par d’autres, pour lequel il manquerait une solution satisfaisante, mais plutôt prendre prétexte d’une question assez abstraite (le titre de son article, « Sur une interprétation des conditions de recette », ne semble pas destiné aux praticiens) pour développer des raisonnements et calculs probabilistes.

  • 37 Jean Eugène Estienne, Loisirs d’artilleur, Paris, Berger-Levrault. 1906.
  • 38 Bernard Bru, « Les problèmes de l’efficacité du tir à l’École de Metz. : aspects théoriques et expé (...)

66Estienne et Dumas nous apparaissent au fond comme des amateurs – au sens noble du terme – de formalisation, qui se livrent par plaisir au calcul des probabilités : Estienne intitule Loisirs d’ artilleur un livre37 rassemblant plusieurs essais (dont l’ « Essai sur l’art de conjecturer ») relevant de ce qu’on appellerait actuellement « modélisation ». Dumas a également consacré aux probabilités et statistiques beaucoup de ses loisirs tout au long de sa vie. Ces artilleurs paraissent tout autant sensibles à l’esthétique des raisonnements qu’à leurs applications pratiques. Les revues professionnelles (Revue d’ artillerie, Mémorial de l’artillerie française) ont publié depuis le début du xixe siècle bon nombre d’articles sur les probabilités, non seulement dans leurs applications au tir mais aussi sous des angles plus théoriques, reflétant les débats intenses entre les « artilleurs-savants »38, théoriciens ou expérimentalistes, dans le domaine de la balistique.

67Le sujet s’y prête, il faut le reconnaître : par des spéculations sur les paramètres de l’échantillonnage, il offre matière à jongler avec les limites du connaissable, d’où la fascination qu’il exerce souvent. L’innovation industrielle n’est pas, dans ce domaine de l’induction statistique, indifférente aux aspects esthétiques, voire métaphysiques, des problèmes scientifiques ; Shewhart, en particulier, s’est rangé explicitement sous la bannière de la philosophie pragmatiste de Charles S. Peirce et William James, produisant certains travaux extrêmement abstraits sur des questions d’interprétation des données et les relations qui en découlent entre la connaissance et l’action.

68En dépit de ces difficultés à s’insérer dans les pratiques industrielles, l’approche statistique développe les possibilités de contrôle, et surtout elle en change les modalités. Ainsi, il est difficile de dire en général qu’elle permet « plus » de contrôle. Certes, elle permet de contrôler des objets nouveaux, telles les fabrications en grande série, mais c’est surtout le « grain » du tamis qui change : pour contrôler une série prise comme un tout, il n’est plus nécessaire de contrôler chacun des éléments (contrôle exhaustif), car on sait calculer une taille d’échantillon de façon à obtenir une protection aussi bonne que l’on veut. On sait donc ajuster le grain du contrôle à la protection que l’on veut obtenir-dans la limite, bien sûr, où le comportement de l’objet contrôlé reste compatible avec les hypothèses du modèle. Le contrôle au niveau du collectif pris comme tel représente un saut conceptuel majeur par rapport au contrôle exhaustif des éléments, car on admet la possibilité de « laisser passer des erreurs », sous condition que le phénomène soit calculable.

  • 39 Wald est l’auteur de la théorie du « contrôle séquentiel », qui est la modalité la moins coûteuse e (...)
  • 40 Son ouvrage princeps s’intitule d’ailleurs Economic Control of Quality of Manufactured Products.

69Un autre aspect important et complémentaire du précédent est la prise en compte de la dimension économique du contrôle. L’acquisition d’information a un coût, à mettre en balance avec les avantages que l’on retire de l’information. Cette « théorie statistique de la décision » fut formalisée entre 1940 et 1950 par le mathématicien et économiste Abraham Wald, après qu’il eut lui aussi théorisé le contrôle statistique39. Shewhart a constamment insisté sur la dimension économique du contrôle statistique40, mais sans arriver à l’articuler très clairement sur le raisonnement statistique. Estienne et Dumas, chacun à leur façon, perçoivent cette dimension économique et tentent de la traduire dans leurs conceptualisations respectives, avec un succès mitigé.

70Enfin, le « regard » de la recherche en gestion nous montre que les phénomènes d’ordres technique, scientifique et administratif demandent à être traités conjointement si l’on veut comprendre la genèse de telles techniques d’organisation. Le travail d’Estienne en témoigne tout particulièrement : ses propositions concernant la concurrence restreinte relèvent d’une théorie de l’action administrative qui conditionne le statut de la connaissance qu’apporte l’échantillonnage. La connaissance tirée de l’induction statistique ne possède pas une signification en soi, mais l’acquiert de sa mise en relation avec des actions ou avec d’autres connaissances (ou mesures) qui médiatisent l’action.

Notes

1 Lorenz Krüger et al. (eds.), The Probabilistic Revolution, Cambridge (Mass.), MIT Press, 1987.

2 Mes remerciements vont à Pierre Crépel, Bernard Bru, Alain Desrosières et à tous ceux qui m’ont encouragé. Cet article est dédié à Maurice Dumas qui m’a également beaucoup aidé. Je conserve un souvenir émerveillé de ce batailleur qui, à 90 ans passés, luttait encore pour faire reconnaître la pertinence de certaines distributions de probabilité a priori auxquelles il s’était attaché, les « lois de Lhoste ». Merci à sa famille pour m’avoir permis d’utiliser ses archives.

3 Jean Eugène Estienne, « Essai sur l’art de conjecturer », Revue d’artillerie, t. 61, mars 1903, p. 405-449, mai 1903, p. 73-117, t. 62, avril 1904, p. 5-39, mai 1904, p. 65-97. L’analyse des conditions de réception occupe les pages 439-449 (mars 1903).

4 Maurice Dumas, « Sur une interprétation des conditions de recette », Mémorial de l’artillerie française, t. 4, 1925, fasc. 2, p. 395-438. Maurice Dumas (1898-1993) était polytechnicien de la promotion 1919 S.

5 Lucien Vallery, « Le calcul des probabilités appliqué au prélèvement des échantillons en matière d’expertise », Annales des falsifications et des fraudes, décembre 1925, p. 597-605. L’article traite du contrôle de la qualité des vins par des dosages ; bien qu’intéressant, il est beaucoup moins approfondi que les deux autres et nous le laisserons de côté.

6 Les plus notoires sont : Walter A. Shewhart, Economic Control of Quality of Manufactured Products, New York, Van Nostrand, 1931 ; Egon S. Pearson, The Application of Statistical Methods to Industrial Standardization and Quality Control, London, British Standards Institution, 1935.

7 Certains textes programmatiques de recherche en gestion définissent en effet un objet de recherche possible comme « l’analyse des conditions de la performance des agents producteurs de biens et de services ». Voir par exemple les études réunies dans : Florence Charue-Duboc (éd.), Des savoirs en action. Contributions de la recherche en gestion, Paris, L’Harmattan, 1995.

8 On trouvera une analyse très détaillée des outils cognitifs et de l’usage qu’en fait l’équipage d’un navire militaire pour faire le point dans : Edwin Hutchins, Cognition in the Wild, Cambridge (Mass.), MIT Press, 1995.

9 Christian Licoppe, La Formation de la pratique scientifique : le discours de l’expérience en France et en Angleterre (1630-1820), Paris, La Découverte, 1996.

10 Les illustrations et certaines informations proviennent du site de David Dhoury, http://canonde75.free.fr/, consacré au canon de 75.

11 Voir par exemple : David A. Garvin, Managing Quality : The Strategie and Compétitive Edge, New York, The Free Press, 1988.

12 Voir Denis Bayart, « Savoir organisationnel, savoir théorique et situation : le contrôle statistique sur échantillons », Entreprises et Histoire, 1996, n° 13, p. 67-81.

13 Ernest Lhoste, « Le calcul des probabilités appliqué à l’artillerie », Revue d’artillerie, t. 91. mai-août 1923. Lhoste (1880-1948) fut directeur de l’AFNOR à partir de 1938 ; il y créa en 1939 une commission pour l’étude des essais par prélèvement.

14 Dodge et Romig ont introduit ultérieurement la classification des plans en « type A » et « type B » selon qu’ils se réfèrent à un lot isolé (cas Dumas) ou à un lot issu d’une production régulière poursuivie sur la longue durée (hypothèse d’Estienne). Voir Harold F. DODGE, Harry G. ROMIG, Sampling Inspection Tables, New York, Wiley & Sons, 1944.

15 À vrai dire, cette proposition n’est pas rigoureusement exacte et résulte de l’approximation de la loi hypergéométrique par la loi binomiale ; sa valeur pratique est néanmoins certaine.

16 A certains moments de la guerre de 1914-1918, la consommation d’obus de 75 était supérieure à 100 000 unités par jour.

17 Voir Stephen M. Stigler, « Eight Centuries of Sampling Inspection : the Trial of the Pyx », Journal of the American Statistical Association, 72, 1977, p. 493-500, repris dans Stephen M. Stigler, Statistics on the Table, Cambridge (Mass.), Harvard University Press, 1999.

18 Egon S. Pearson, « The Neyman-Pearson Story 1926-34 », in Maurice Kendall, Egon S. Pearson (eds.), Studies in the History of Statistics and Probability, London, Griffin, 1970.

19 Jerzy eyman, Egon S. Pearson, « On the Use and Interprétation of Certain Test Criteria for Purposes of Statistical Inference ». Biometrika, XX, 1928, parts I & II.

20 Harold F. Dodge, Harry G. Romig, « A Method of Sampling Inspection », Bell System Technical Journal, vol. 8, 1929, p. 613-631. Dodge et Romig postulent que le lot peut être inspecté en totalité si l’essai n’est pas satisfaisant, les pièces mauvaises étant remplacées par des bonnes ; leur méthode minimise le nombre total de pièces inspectées, incluant l’échantillon et le reste du lot en cas de rejet (c’est une grandeur aléatoire). Cette méthode n’est évidemment pas applicable aux essais destructifs.

21 Selon le témoignage de M. Dumas dans un entretien en 1990.

22 Voici ce qu’écrit H.G. Romig à Dumas, suite à une lettre de ce dernier s’enquérant de sa priorité : « Starting about 1914, Mr. Molina and Mr. Hazard of the Bell System were working on sampling problems. About 1918 in a company confidential memorandum Mr. Hazard had about half a Probability of Acceptance Curve for use in sampling components in Central Offices. Mr. Molina as early as 1906 published some of the mathematical relations in a paper given in Canada. Your 1925 Probability of Acceptance Curves evidently are among the earliest. Dr. Sam Wilks (deceased) at Princeton published a paper in which he stated that Messrs. Dodge & Romig were the first to present Type I and Type II errors used now so generally in tests of statistical hypotheses. I imagine that the development of Probability of Acceptance Curves occurred at about the same time in France as in the United States. » (H. G. Romig, lettre à M. Dumas, 21 octobre 1968). La priorité semble bien attribuable à Dumas.

23 Stephen M. Stigler, The History of Statistics, Cambridge (Mass.), Harvard University Press, 1986, p. 277. D’autres exemples de simulations au xixe siècle sont présentés dans : Stephen M. Stigler, Statistics on the Table, Cambridge (Mass.), Harvard University Press, 1999.

24 Communication de Bernard Bru.

25 Par exemple au Ceresta, organisme de formation continue fondé par Georges Darmois, qui était parallèlement directeur de l’Institut de statistique de l’université de Paris (ISUP).

26 Walter A. Shewhart, op. cit., Annexe II, Table A, B, C, p. 442-471

27 Egon S. Pearson, op. cit.

28 Préface à Walter A. Shewhart, Statistical Method from the Viewpoint of Quality Control, The Graduate School, US Department of Agriculture. Washington, 1939. Traduction française : Les Fondements de la maîtrise de la qualité, Paris. Economica, 1989.

29 Des chercheurs en gestion (Mathieu Detchessahar, Yannick Lemarchand, « Des hommes et des projets dans l’urgence. La naissance du char d’assaut français, 1914-1918 », Annales des Mines, série Gérer et comprendre, juin 2001, p. 43-54) montrent que, pour Estienne, la qualité d’un char d’assaut, du point de vue de sa conception, doit être jugée moins sur des critères techniques définis par l’administration et ses ingénieurs que sur des critères d’usage au combat, les juges étant alors des combattants revenant du front que l’on ferait participer aux essais. Estienne préfère donc fonder son jugement sur la confiance qui se construit dans des relations sociales plutôt que sur des épreuves statistiques objectives et s’oppose par là à la « convention de qualité » égalitariste. Il ne semble cependant pas qu’il ait pu mettre en œuvre les conditions de recette différenciées, car il en parle encore au conditionnel en 1925, dans une lettre à Dumas, qui lui a envoyé son article : « Mon exemple des épreuves de recette de fusées avait pour objet de mettre en évidence les avantages de l’appel à la concurrence réduite opposée à la concurrence au rabais pour les fabrications de guerre. Je n’ai pas mon texte sous les yeux mais j’ai dû dire cela. Je crois que les industriels qui n’ont encore fait aucune fourniture à la Guerre admettraient fort bien que leur entrée dans les appelés à une adjudication fût payée par des épreuves plus dures que celles des industriels déjà éprouvés. » (lettre à M. Dumas du 8 avril 1925).

30 Denis Bayart, « Savoir organisationnel... », article cité. Voir aussi le chapitre 9, « Quality Assurance », in Morton D. Fagen (ed.), A History of Engineering and Science in the Bell System, The Early Years (1875-1925), vol. 1, Bell Téléphoné Laboratories, 1975.

31 Harold F. Dodge, Harry G. Romig, 1929, op. cit., fig. 2.

32 Voir par exemple : Lucien March, Les Principes de la méthode statistique, avec quelques applications aux sciences naturelles et à la science des affaires, Paris, Alcan, 1930.

33 Walter A. Shewhart, 1939, op. cit.

34 Eugene L. Grant. Richard S. Leavenworth. Statistical Quality Control, International Student Edition, Tokyo, McGraw-Hill Kogakusha, 1972, p. 385.

35 Miriam R. Levin (ed.), Cultures of Control, Amsterdam, Harwood Academic Publishers, 2000.

36 Voir Pierre Crépel, « Calcul des probabilités : de l’arithmétique sociale à l’art militaire », in Bruno Belhoste, Amy Dahan-Dalmedico, Antoine Picon (dir.), La Formation polytechnicienne : 1794-1994, Paris, Dunod, 1994. p. 197-215.

37 Jean Eugène Estienne, Loisirs d’artilleur, Paris, Berger-Levrault. 1906.

38 Bernard Bru, « Les problèmes de l’efficacité du tir à l’École de Metz. : aspects théoriques et expérimentaux », in Bruno Belhoste, Antoine Picon (dir.), L’École d’application de l’artillerie et du génie de Metz (1802-1870). Enseignement et recherches. Actes de la journée d’étude du 2 novembre 1995, Paris, Musée des plans-reliefs, 1996, p. 61-69.

39 Wald est l’auteur de la théorie du « contrôle séquentiel », qui est la modalité la moins coûteuse en inspection, d’un point de vue théorique au moins (car sur le terrain industriel, elle a souvent été considérée comme trop complexe à mettre en œuvre). Abraham WALD, Sequential Analysis, New York, Wiley, 1947.

40 Son ouvrage princeps s’intitule d’ailleurs Economic Control of Quality of Manufactured Products.

Table des illustrations

Titre Figure 1 Fusées pour obus de 75
URL http://books.openedition.org/editionscnrs/docannexe/image/33582/img-1.jpg
Fichier image/jpeg, 9,4k
Titre Figure 2 Gamme de résultats proposés par Estienne (1903)
URL http://books.openedition.org/editionscnrs/docannexe/image/33582/img-2.jpg
Fichier image/jpeg, 43k
URL http://books.openedition.org/editionscnrs/docannexe/image/33582/img-3.jpg
Fichier image/jpeg, 82k

Auteur

Ancien élève de l’École polytechnique (X 67), docteur en gestion, Denis Bayart, chercheur au Centre de recherche en gestion, s’intéresse à la gestion de la technologie dans le contexte des organisations complexes, sur laquelle il intervient régulièrement dans différents séminaires, notamment à l’EHESS dans le cadre d’un groupe de travail sur l’histoire des méthodes d’organisation. Parmi ses publications récentes, on peut citer : « Le tournant gestionnaire d’un grand système technique : le contrôle de la navigation aérienne fait ses adieux à l’État », in E. Lévy (éd.), Vous avez dit « Public » ? Situations de gestion dans le secteur public, L’Harmattan, Paris, 2001, p. 131-180 ;  « How to Make Chance Manageable : Statistical Thinking and Cognitive Devices in Manufacturing Control », in Miriam R. Levin (ed.), Cultures of Control, Harwood Academic Publishers, 2000, p. 153-176 ;  « Savoir organisationnel, savoir théorique et situation : le contrôle statistique sur échantillons », Entreprises et Histoire, n° 13, 1996, p. 67-82 ; « Des objets qui solidifient une théorie : le cas du contrôle statistique de fabrication », in F. Charue-Duboc (éd.), Des savoirs en action. Contributions de la recherche en gestion, L’Harmattan, Paris, 1995 ; « La statistique au travail : contrôle statistique de fabrication, work sampling », in L’Usage des méthodes statistiques dans l’étude du travail, Cahiers travail et emploi, La Documentation française, avril 1995 ; « Statistical Control of Manufacture », in I. Grattan-Guinness (ed), Companion Encyclopedia of the History and Philosophy of the Mathematical Sciences, London, New York, Routledge, 1994 (en collaboration avec P. Crépel).

© CNRS Éditions, 2005

Conditions d’utilisation : http://www.openedition.org/6540

Cette publication numérique est issue d’un traitement automatique par reconnaissance optique de caractères.
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search