Version classiqueVersion mobile
OpenEdition Books

Stratégies de la comparaison internationale

 | 
Michel Lallement
, 
Jan Spurk

Deuxième partie. La comparaison internationale aux prismes disciplinaires

Comment fabriquer un espace de commune mesure ? Harmonisation des statistiques et réalisme de leurs usages

Alain Desrosières

Texte intégral

1Le recours à des données statistiques dans les comparaisons internationales implique, comme une évidence, que celles-ci doivent être « harmonisées ». Mais le contenu précis de cette harmonisation est rarement explicité. Les tableaux comparatifs mentionnent souvent, comme « sources » et cautions de légitimité, des institutions internationales : Eurostat, OCDE, BIT, ONU. Pourtant ces organismes ne sont presque jamais producteurs directs de statistiques. Ils utilisent en général, en deuxième ou troisième main, des données construites par des organismes nationaux. Ces tableaux fonctionnent comme des boîtes noires, dont les sorties sont garanties par ces prestigieuses institutions, et dont les entrées, supposées « harmonisées », ne sont plus interrogées. Ainsi les « taux de chômage » nationaux sont comparés sans que soit signalé qu’existent, dans certains pays (Pays-Bas, Grande-Bretagne), des systèmes de protection sociale fournissant des allocations à des individus considérés comme « handicapés » (donc « inactifs » et non pas « chômeurs », dans le langage du BIT), qui, dans d’autres pays, seraient, le plus souvent, traités socialement et comptés comme des chômeurs. Les tableaux comparatifs sur le chômage, appliquant à la lettre les « normes du BIT », ne mentionnent pas cette différence institutionnelle. Or, aux Pays-Bas, les personnes bénéficiant de ce système sont à peu près aussi nombreuses que les « chômeurs ».

2Cet exemple ne vise pas à invalider a priori les comparaisons, mais à orienter la réflexion vers un examen des présupposés implicites qui guident les procédures dites d’« harmonisation ». En effet, derrière ces opérations techniques peu visibles, deux philosophies différentes du travail statistique peuvent être à l’œuvre. L’une, plutôt réaliste, suppose que l’objet et sa statistique « vraie » (mais « inconnue ») existent antérieurement aux procédures de mesure : dans ce cas, on peut parler éventuellement de « biais » ou d’« erreur », comme le font communément les statisticiens méthodologues de culture mathématique et spécialistes des enquêtes par sondage. En revanche, une autre façon de voir, plus « constructiviste », ne perd pas de vue que le résultat d’une opération de mesure dépend fortement de cette procédure elle-même. Cela, les méthodologues proches du terrain le savent bien, eux aussi, quand ils insistent sur la grande importance de la formulation (wording) ou même de l’ordre des questions figurant dans un questionnaire. La méthodologie statistique est continuellement tendue entre ces deux présupposés, réaliste ou constructiviste.

Harmonisation des produits ou harmonisation des méthodes

3Or cette dualité correspond bien aux deux grandes orientations des méthodes d’harmonisation statistique préconisées par les organismes internationaux. La première est l’harmonisation dite « des produits » (ou « des outputs »). Elle est « réaliste », en ce qu’elle suppose que l’on peut définir avec précision des « concepts » statistiques, de façon en principe « théorique », en laissant ensuite à chaque pays le soin de mettre en œuvre ces définitions au mieux, en fonction des spécificités administratives ou culturelles locales. Dans ce cas, le moment de la mesure, du « terrain », est vu comme relativement subalterne par rapport à celui dit de la « théorie », ou du « concept ». C’est typiquement le cas avec les trois « critères » de définition du chômage (être sans emploi, faire des démarches pour en trouver un, être immédiatement disponible) formulés par le BIT, ou encore avec les « concepts » de la comptabilité nationale, définis dans les successifs « systèmes de comptabilité nationale » de l’ONU. Cette conception de l’harmonisation a longtemps été vue comme la seule possible.

4Mais, peu à peu, la grande sensibilité des résultats des mesures à tous les détails des procédures a été perçue de mieux en mieux. Ainsi, dans le cas du chômage, la mise en œuvre concrète, sur le terrain, des trois critères « théoriques » du BIT se révèle problématique, et, surtout, pose des problèmes différents selon les pays, compte tenu des systèmes institutionnels de gestion du marché du travail et d’assistance aux chômeurs. Des expérimentations sont parfois organisées pour tester les effets de modifications apparemment légères des procédures d’enquêtes. Une métrologie statistique purement réaliste, plus ou moins inspirée des sciences de la nature, est dès lors plus difficile à soutenir, même si le vocabulaire des « biais » et des « erreurs » continue à être utilisé, tant la demande sociale d’un tel réalisme est forte. Du coup, le comparatisme (qu’il soit historique avec les séries temporelles, ou spatial avec les comparaisons internationales) semble impliquer de plus en plus d’être sous-tendu par des procédures constantes, d’observations d’enregistrement et de codage : vaste programme ! Ainsi est apparue une autre conception de l’harmonisation statistique, dite « des méthodes » (ou « des inputs »), où toute la chaîne du processus de production est supposée « harmonisée ». Ce faisant, on s’éloigne, sur la pointe des pieds, d’une épistémologie réaliste, où l’objet et sa statistique préexisteraient aux opérations de mesure. Les deux procédures d’harmonisation ont le même but, fabriquer un espace de commune mesure, mais leurs justifications théoriques et leurs démarches sont très différentes.

5Disant cela, on ne succombe pas pour autant à une vision « relativiste », épouvantail des scientistes sokaliens. En effet, rien n’empêche de concevoir le résultat d’une procédure statistique comme le produit d’une interaction complexe entre, d’une part, le « monde réel » et, d’autre part, des expériences faites sur ce monde. Ce résultat dépend bien sûr à la fois du monde réel et des expériences. Ainsi, on est conduit à étudier les conditions sociales et techniques de reproductibilité des expériences, un thème déjà exploré par la sociologie moderne des sciences (Collins, 1985 ; Pestre, 1995). Le point crucial est celui de la légitimité et de l’acceptation sociale de cette « reproduction », qui n’est évidemment jamais parfaite. Jusqu’à maintenant, la sociologie de la statistique économique et sociale a été peu étudiée dans cette perspective, ouverte à propos de l’expérimentation dans les sciences de la nature, sauf dans des cas de contestation des résultats.

6La difficulté d’un tel examen vient en effet de ce que, le plus souvent, ces statistiques, et notamment leurs comparaisons internationales, servent à étayer des arguments, à produire des jugements. Elles constituent des points d’appui dans des chaînes argumentatives. La réouverture éventuelle de la boîte noire que constitue une comparaison statistique ne peut donc pas être complètement isolée de cette chaîne, qu’il faudrait pouvoir expliciter le plus complètement possible. Mais le paradoxe est que l’argument statistique est d’autant plus fort et convaincant qu’il peut précisément exhiber une indépendance totale entre la production des données et leurs usages comme argument, dans le cadre de controverses. Du coup, la tentation est grande de séparer, d’une part, la démarche du « méthodologue », internaliste et nécessairement « réaliste », comme l’exigent les contraintes de l’argumentation, et, d’autre part, celle du sociologue des sciences qui est conduit par son objet à « rouvrir les boîtes noires », et donc à adopter une position en apparence antiréaliste.

  • 1 Pour la présentation de cette enquête, voir OCDE et Statistique Canada (2000) ainsi que la contribu (...)
  • 2 Les interprétations en termes d’aptitudes génétiques, très en vogue au début du xxe siècle, ne sont (...)

7Un exemple d’un tel cas de figure est fourni par l’étude menée à propos d’une enquête internationale sur l’illettrisme (IALS), organisée par l’Office statistique canadien et l’OCDE1. Les résultats de cette enquête font apparaître une mauvaise position des enquêtés français dans cette sorte de « palmarès », qui peut être interprété comme un jugement porté sur les performances des systèmes éducatifs nationaux2. Deux chercheurs de l’INED ont, en conséquence, été chargés d’étudier en détail les procédures de cette enquête, et notamment les questions de langues, puisque les épreuves proposées aux enquêtés avaient été conçues par des anglophones. On a là un bel exemple d’interaction entre des « mondes réels » et des « expériences », dont les résultats dépendent à la fois des uns et des autres. Cette histoire fournit un cas d’école pour une étude sociologique des usages des comparaisons. Le développement récent, en France notamment, des « palmarès » d’établissements publics (lycées, hôpitaux), plus ou moins inspirés des « bancs d’essai » consuméristes, suscite des controverses sur la « pertinence des indicateurs » et sur les « méthodes de mesure », analogues à celles soulevées dans les comparaisons internationales. De même, ont été diffusés récemment les résultats d’une « enquête » (en fait une compilation combinant des statistiques d’origines variées) comparant l’« état sanitaire » de divers pays. La France était, cette fois, classée première.

Le réalisme des statistiques : quatre attitudes possibles

  • 3 Les développements qui suivent sont inspirés d’un article publié dans un bulletin interne à l’INSEE (...)

8L’analyse des méthodologies mises en œuvre par les comparaisons statistiques internationales, et des controverses que celles-ci suscitent fréquemment, montre que, implicitement ou explicitement, le « statut de réalité » des objets statistiques présentés est un enjeu crucial. Ainsi, la référence à « la réalité » est courante, tant chez les producteurs de statistiques que chez les utilisateurs de celles-ci. Cette notion de « réalité » se présente comme une évidence : la statistique doit « refléter la réalité », ou « se rapprocher le plus possible de la réalité ». Ces deux expressions ne sont d’ailleurs pas synonymes. L’idée de « reflet » suggère une différence de nature entre un objet et sa « statistique ». En revanche la notion d’« approximation » réduit la question au problème du « biais », ou de l’« erreur de mesure ». L’exemple de ces deux expressions banales, employées le plus souvent sans réfléchir, montre que la remise en question de cette idée de « réalité » est, pour le statisticien, une façon efficace de réinterroger les aspects les plus profonds, mais aussi les plus implicites, de son activité professionnelle quotidienne : préceptes, trucs de métiers, justifications fournies aux utilisateurs. La façon dont les producteurs et les utilisateurs de statistiques font référence à la « réalité » résulte de l’enchevêtrement peu conscient de plusieurs attitudes par rapport à celle-ci, mobilisées dans des proportions et avec des formes d’articulations variées selon les circonstances, ou plutôt selon les contraintes spécifiques à des situations différentes. Il se trouve que le cas de la statistique d’entreprise offre un bon éventail de ces différentes attitudes possibles par rapport à la réalité, sans que l’on puisse dire que certaines sont meilleures que d’autres, malgré leurs différences, tant chacune est associée à des contraintes de situation spécifiques à des moments de l’activité professionnelle, scientifique, administrative ou managériale3.

9Quatre façons (parmi d’autres) de se situer par rapport à la réalité seront présentées ici. Tout d’abord, on cherchera à les formuler « à l’état pur » (et donc de façon sans doute caricaturale), puis on verra comment elles sont mobilisées dans des situations concrètes. À chacune correspond un langage, c’est-à-dire un répertoire de mots, d’exigences et d’arguments, cohérents, mais difficiles à relier si on passe d’une attitude à l’autre. On énumérera ces postures dans leur ordre d’« évidence » (au moins pour des statisticiens ; pour d’autres publics, cet ordre serait sans doute différent) :

  • le réalisme métrologique ;
  • le pragmatisme de la comptabilité (éventuellement « nationale ») ;
  • l’usage à des fins d’argumentation, dans la vie sociale, ou dans les sciences économiques et sociales quantitatives, à partir de « banques de données » ;
  • l’explicitation du caractère construit, conventionnel et négocié de la définition et du codage des variables mesurées.
  • 4 La question du réalisme des productions statistiques est abordée plus en détail dans A. Desrosières(...)

10Parmi ces quatre modalités, les trois premières peuvent être dites « réalistes », mais à chacune correspondent des épreuves de réalité différentes, c’est-à-dire des façons de vérifier et d’argumenter la consistance de cette réalité, et son indépendance par rapport à l’observation. La quatrième, en revanche, attirant l’attention sur le caractère conventionnel et social des variables statistiques, peut être dite « constructiviste ». Elle intervient essentiellement dans des situations de discontinuités, de débats et d’innovations. Reprenons ces modalités une par une, en explicitant leurs langages, leurs genèses et leurs usages4.

Échantillonnage et intervalle de confiance

11Le réalisme métrologique est issu de la théorie de la mesure des sciences de la nature, complétée, dans le cas des sciences sociales, par la méthode des sondages. L’objet à mesurer existe aussi réellement qu’un objet physique, tel que la hauteur d’une montagne. Le vocabulaire utilisé est celui de la fiabilité  : exactitude, précision, biais, erreur de mesure (décomposée éventuellement en erreur d’échantillonnage et erreur d’observation), loi des grands nombres, intervalle de confiance, moyenne, écart-type, estimation par la méthode des moindres carrés (Stigler, 1986 ; Hacking, 1990). Ce vocabulaire et cette méthodologie proviennent des travaux des astronomes et mathématiciens du xviiie siècle : Gauss, Laplace, Legendre. Le cœur de cette attitude est l’hypothèse d’existence d’une réalité, éventuellement invisible, mais permanente (même si sa mesure varie dans le temps), et surtout indépendante de l’appareil d’observation. C’est, d’une certaine façon, le rêve du statisticien et du spécialiste des sciences sociales quantitatives : pouvoir ramener la métrologie de ces sciences aux méthodologies éprouvées des sciences de la nature. C’est une sorte de référence limite, idéal vers lequel le statisticien cherche à tendre, tout en sachant que ses objets n’ont pas toutes les propriétés supposées par cette méthodologie, sorte de paradis perdu des sciences sociales, qui aimeraient être créditées de la même force de conviction que les sciences de la nature du xixe siècle.

12La loi des grands nombres, fondement des formulations probabilistes et des théorèmes de convergence qui en résultent, joue un rôle essentiel dans cette entreprise de raccordement des méthodologies de ces deux types de sciences. Cette « loi » est une sorte d’opérateur de transformation et de passage entre le monde des observations et celui de la généralisation, de l’extrapolation et de la prévision. Son caractère hybride est rappelé par une boutade formulée dès le xixe siècle : les astronomes et les physiciens pensent que c’est un théorème démontré par les mathématiciens, alors que ces derniers croient que cette « loi » a été prouvée par l’expérience d’essais répétés. De fait, la possibilité d’observations répétées, indépendantes les unes des autres, sur des objets comparables entre eux, est au cœur d’une méthodologie statistique construite initialement pour étudier les populations d’individus ou de ménages (Desrosières, 2000).

13Le thème de la « comparaison » de variables statistiques mesurées ou estimées dans ce contexte de la statistique mathématique probabiliste fait l’objet de la théorie des tests : « Ces deux estimations sont-elles significativement différentes ? » Les comparaisons internationales ont souvent à traiter ce genre de question. Il est remarquable que la théorie statistique offre non une solution à cette question, mais deux, proposées l’une par R. Fisher, l’autre par J. Neyman et E. Pearson (Gigerenzer, Murray, 1987). La première (ou « test de l’hypothèse nulle » : la différence entre les deux valeurs est-elle significativement différente de zéro ?) se situe dans le contexte réaliste de la métrologie des sciences de la nature. La seconde, en revanche, est associée à une perspective d’action et de décision (et non de vérité scientifique) : elle compare les coûts résultant respectivement des risques dits de première espèce (hypothèse exacte rejetée à tort) et des risques dits de deuxième espèce (hypothèse inexacte acceptée à tort). La différence entre les philosophies irréconciables de ces deux présentations de « la » théorie des tests, finement analysée par G. Gigerenzer, est intéressante dans la perspective proposée ici, qui est de déplacer la question de la comparaison internationale, depuis la formulation méthodologique rituelle (est-elle valide ?) vers celle, sociologique, de son usage argumentatif (à quoi sert-elle ?).

14Les réflexions des statisticiens officiels responsables de la statistique d’entreprise portent sur les écarts entre la méthodologie spécifique à celle-ci, et l’idéal de la métrologie classique. Parmi ces écarts, l’hétérogénéité de la population est telle que les plus grandes entreprises doivent être « profilées » une par une, par des méthodes monographiques différentes de la méthode statistique. Par ailleurs, il est difficile de définir et de classer les « unités statistiques » : établissements, entreprises, groupes…, c’est-à-dire ce que, précisément, il faut « compter » et « mesurer ». Enfin (et surtout, pour notre propos), il existe déjà un appareil de mise en chiffres interne au monde des entreprises, antérieur à l’observation du statisticien, et même antérieur à la métrologie des astronomes du xviiie siècle : les grands livres de l’enregistrement comptable en partie double, des recettes et des dépenses, des créances et des dettes, existent depuis le xvie siècle (Hopwood, Miller, 1994).

Partie double et bilan équilibré

  • 5 Sur les origines et les significations de la distinction entre probabilités « objectives » et « sub (...)

15La comptabilité d’entreprise est sous-tendue par une idée de la réalité et des épreuves qui l’attestent différente de celle de la métrologie des sciences de la nature. L’espace d’équivalence n’y est pas constitué par des grandeurs physiques (espace et temps), mais par la monnaie, équivalent général permettant de faire circuler des créances et des dettes (les lettres de change), puis de calculer des profits, en évaluant les recettes et les dépenses, et en attribuant une valeur « probable » aux créances et aux dettes. Cette probabilité « subjective », qui permet par exemple de valoriser une créance douteuse, est de nature différente de la probabilité « fréquentiste », dite aussi « objective », qui sous-tend les calculs de la métrologie classique5. Cet exemple central de l’évaluation des créances douteuses montre que la comptabilité d’entreprise est une pratique sociale riche et dense, qui vise à mettre en cohérence et à coordonner des jugements, des actions, des décisions, soit pour un acteur unique à travers le temps, soit pour plusieurs acteurs dont les relations doivent pouvoir être jugées justes, et donc reproductibles. La méthode de l’enregistrement en partie double joue, dans cette mise à l’épreuve d’une réalité « comptable », un rôle analogue à celui de la répétition des observations dans la métrologie classique. Les contraintes et les vérifications d’équilibres des comptes sont homologues à celles des régularités et des distributions d’« allure normale » des observations répétées d’un même objet.

16La tension entre ces deux formes de quantification, l’une issue de la métrologie scientifique, et l’autre de la pratique des comptables d’entreprise, a été finement analysée par O. Morgenstern dans son célèbre ouvrage sur la mesure en économie : On the Accuracy of Economic Observations (traduit en français sous un titre malencontreux : L’Illusion statistique. Précision et incertitude des données économiques, 1972). Tout entier tendu vers le souci d’asseoir la science économique sur un système de mesures aussi rigoureux que celui des autres sciences, il se tourne vers les informations fournies par les comptabilités d’entreprise. Il étudie le statut des « erreurs », souvent considérées comme des « falsifications » ou des « mensonges », que ces états comptables risquent de comporter. Son raisonnement est de distinguer, par exemple dans les postes du bilan, ceux qui sont assurés et connus sans ambiguïté (l’encaisse monétaire) et ceux qui sont évalués, et entourés d’un halo d’incertitude, lui-même justifié par des considérations de prudence : « Il faut cependant noter que, dans ce contexte, un “mensonge” n’est pas un concept simple et évident. Il est facilement reconnaissable lorsqu’on donne une fausse position des liquidités, ou lorsqu’on note des stocks physiques qui n’existent pas. Mais lorsqu’on prend délibérément une attitude plus optimiste pour interpréter le succès d’un exercice annuel – en faisant, par exemple, peu d’amortissements, ou en utilisant le prix d’achat lorsque les prix montent – il est difficile de classer ces déclarations comme “mensonge”. Elles peuvent être plutôt considérées comme une erreur de jugement, que les événements ultérieurs doivent confirmer ou infirmer » (Morgenstern, 1972).

17Cette analyse fait bien apparaître les contraintes qui pèsent sur l’établissement d’une comptabilité « sincère et fidèle », selon l’expression consacrée. La « réalité » ainsi décrite est liée à un ensemble de « paris sur l’avenir », sans que l’on puisse parler de « mensonge », ni même de « biais » au sens de la statistique inférentielle classique. Dans ce cas de la comptabilité, outil quantitatif garantissant des liens sociaux, la « réalité » est inséparable de la confiance que suscitent les nombres qu’elle rassemble, selon l’expression « trust in numbers » utilisée par T.M. Porter (1995). Un autre aspect de ce réalisme « comptable » est surprenant dans une perspective de métrologie scientifique : il n’y a pas, dans ces documents, de discontinuité radicale entre le passé, le présent et l’avenir, entre les comptes constatés ou en cours et le budget prévisionnel, mais plutôt glissement progressif de l’un à l’autre, puisque les uns et les autres sont informés par les mêmes schémas conceptuels, et orientés vers le jugement, l’action et la décision. Une forme de continuité analogue est observée dans le travail des comptables nationaux, qui, eux aussi, gèrent en même temps des budgets économiques prévisionnels, puis des comptes provisoires, semi-définitifs, définitifs.

18L’épaisseur propre et la spécificité de la pratique comptable sont à la fois bien connues et pourtant parfois oubliées du statisticien d’entreprise pétri de culture métrologique. Depuis les années 1970, la statistique d’entreprise a progressivement importé la méthode des sondages, auparavant expérimentée en statistique sociale. Ceci a conduit à juxtaposer, puis à entremêler étroitement ces deux formes de quantification d’origines et de principes différents. Un des problèmes d’un usage statistique des comptabilités est l’impossibilité de contrôler l’homogénéité des procédures comptables. En effet, les nombres présentés dans ces documents sont déjà le résultat d’une première agrégation d’un grand nombre d’actes élémentaires, qui échappent totalement aux statisticiens. Or la vérification de cette activité comptable de premier degré relève de professions comme les experts-comptables, ou « auditeurs », qui, eux aussi mais d’une autre façon, ont introduit la méthode probabiliste des vérifications opérées sur des échantillons de pièces comptables (Power, 1992). Mais, dans ce cas, l’unité échantillonnée est une pièce comptable parmi celles d’une entreprise, et non plus une entreprise entière parmi toutes celles d’un secteur.

  • 6 La 4e directive (1978) portait sur les comptes annuels et la 7e directive (1983) sur les comptes co (...)

19La question des comparaisons internationales des performances des entreprises pose celle de la standardisation des normes comptables, c’est à dire une opération proche, en théorie, de l’« harmonisation des inputs » évoquée ci-dessus. Les statisticiens qui ont souhaité agréger, pour un pays, les données comptables issues des entreprises avaient déjà rencontré ce problème. Il se trouve qu’en France, les besoins d’un État relativement centralisé et planificateur avaient induit, dès 1947, la mise en place d’un Plan comptable général (PCG), qui offrait déjà une forme de standardisation inconnue dans le monde anglo-saxon. Celle-ci a été très utile pour la construction de la comptabilité nationale française (Vanoli, 2001). Au niveau européen, les Français ont encouragé, dans les années 1970 et 1980, l’adoption de directives6 pour organiser des formes de standardisation inspirées du système français. Mais ces tentatives ont fait long feu, au profit des pratiques comptables imposées de fait par les grands cabinets d’audits anglo-saxons (Milot, 1998).

20Par ailleurs, la question, déjà ancienne, des comparaisons des comptes nationaux, au niveau des pays européens, a changé de nature depuis que l’usage de ces comparaisons n’est plus seulement académique ou journalistique, mais est devenu directement opératoire, de nombreuses décisions et mesures (de la Commission européenne, ou de la Banque centrale européenne) étant directement indexées sur des mesures comme celles du PNB : versement des États membres au budget de l’Union, subventions aux régions, etc. Du coup, la réouverture des boîtes noires de la mesure des PNB a connu une nouvelle jeunesse dans les années 1990, dès lors que les enjeux de ces comparaisons avaient changé. Là encore, la question de l’usage des comparaisons est antérieure à celle de leur bonne méthodologie.

21Les problèmes soulevés par l’articulation des deux techniques de quantification, l’une statistique et l’autre comptable, avaient déjà été visibles lors de la mise en place des comptabilités nationales, par exemple, en France, dans les années 1950 et 1960. En effet, la comptabilité nationale a hérité en partie des formes d’épreuves de réalité issues de la comptabilité d’entreprise : variables définies (et surtout entredéfinies) a priori, inscrites dans des tableaux cohérents et exhaustifs, théoriquement en équilibre, en lignes (opérations) et en colonnes (agents), sources hétérogènes et rapprochées (souvent pour la première fois) à l’occasion de l’établissement de ces tableaux. Enfin, dernière caractéristique mais non la moindre, qui rapproche la comptabilité nationale des comptabilités d’entreprise, cet outil était orienté vers l’action et la décision, comme « tableau de bord » des politiques macroéconomiques, de même que le bilan et le compte d’exploitation jouent ce rôle pour le chef d’entreprise. Cet ensemble forme un tout, et explique que les contraintes dites « de fiabilité » ne soient pas les mêmes que pour une opération de pure mesure « métrologique » d’une variable isolée, quelle qu’elle soit.

22Ces particularités liées des formes de réalités, des logiques de leurs quantifications, et de leurs usages, expliquent les débats rituels qui, dans les offices statistiques, dans les années 1950 et 1960, opposaient les « statisticiens » et les « comptables nationaux ». Les premiers, formés à la méthodologie des sondages bien réglés, voyaient avec méfiance les pratiques parfois sommaires (à leurs yeux), mises en œuvre par les seconds pour évaluer certaines variables des comptes (les variations de stocks ou les marges commerciales). La seule justification fournie par les seconds était d’ordre pragmatique, en termes d’usage : cela est nécessaire pour orienter une politique. Il vaut donc mieux des évaluations même médiocres (mais inscrites dans le système d’ensemble des contraintes des équilibres comptables) que pas d’évaluation du tout. Cette forme de justification était inaudible pour le statisticien méthodologue. Les différences entre ces deux groupes peuvent sembler purement sociologiques, en termes d’inscription dans des réseaux socio-administratifs distincts, les seconds étant plus proches que les premiers de l’action et des décisions de politique économique. Mais il leur correspondait deux formes différentes de mise en scène de la réalité. Au réel du savant qui, de façon parfois ascétique, se contraint à n’être rien d’autre que méthodologue spécialiste de la bonne métrologie, s’oppose le réel systémique de la comptabilité, dont la logique ne prend sens que dans le cadre du pilotage et du contrôle d’une action.

La preuve par l’usage

23On peut distinguer ces deux premières formes de réalisme d’une troisième, implicite ou explicite chez l’utilisateur extérieur aux deux univers où règnent ces deux idées de la réalité (d’une part les services statistiques publics, d’autre part les entreprises produisant en continu leurs comptabilités). Typiquement cet utilisateur est un chercheur, un acteur social administratif, politique ou économique. Pour lui, la « réalité » se confond, en pratique, avec la banque de données auxquelles il a accès. En temps normal, il ne veut pas (ou ne peut pas) savoir ce qui s’est passé en amont de celle-ci. Il veut pouvoir faire confiance le plus aveuglément possible à la « source » (ici la banque de données) afin de rendre son argumentation, étayée par cette source, la plus convaincante possible.

  • 7 Les « métadonnées » sont, dans le langage des statisticiens, les informations portant sur les défin (...)

24Il y a, de ce point de vue, un « paradoxe des métadonnées7 ». D’un point de vue normatif, il semble indispensable de communiquer aux utilisateurs le maximum d’informations détaillées sur les processus de production des données. Mais il est vrai aussi que, d’un point de vue descriptif (sans porter de jugement), nombre d’utilisateurs n’ont pas trop envie de trop de métadonnées : l’information « idéale » est celle qui semble se suffire à elle-même, sans notes en bas de page parasitant le message. Il y a là un domaine mal connu, et en général évoqué (au mieux) de façon ironique, qui mériterait d’être étudié en termes d’économie cognitive, c’est-à-dire de rendement (rapport coût-efficacité) d’un argument statistique. La lecture et l’interprétation de tableaux de comparaison statistique internationale, juxtaposant plusieurs pays, posent typiquement de telles questions. Celles-ci ne peuvent être traitées seulement en termes normatifs du type : il faut fournir des métadonnées (ce qui est bien sûr vrai). Une sociologie des usages sociaux de l’argument statistique reste à construire. Elle rendrait notamment de grands services pour explorer les problèmes de « qualité », souvent évoqués de façon purement normative.

  • 8 C’est, au xixe siècle, pour la fabrication des fusils, que cette idée centrale est apparue.

25L’examen des usages, c’est-à-dire des contextes argumentatifs dans lesquels sont insérées les données statistiques, fait apparaître un réalisme de troisième type, fondé sur la cohérence et la plausibilité des résultats obtenus. Ceci est particulièrement visible avec les développements des méthodes économétriques. Celles-ci fournissent de nombreux outils ou arguments pour une validation interne d’un fichier de données, sans recours (au moins en situation « normale ») à un amont, celui de l’enregistrement et du codage de ces « données ». Or celles-ci le sont en fait bien peu (données), et sont fort coûteuses, tant financièrement que cognitivement. Un codage est toujours un sacrifice de quelque chose, en vue d’un usage ultérieur d’une variable standardisée, c’est-à-dire un investissement de forme (Thévenot, 1986), comparable à l’investissement industriel nécessaire pour produire les pièces détachées standardisées d’une machine, qui se valident mutuellement8.

26Le mot « réalisme » est, dans ce texte, utilisé pour caractériser l’hypothèse implicite, retenue en général dans les sciences de la nature, d’une existence « réelle » d’objets, indépendamment de leur observation. Mais, dans le langage courant, ce mot a aussi le sens de « raisonnable », conforme à une intuition externe et globale de la « nature des choses », et garantissant des chances sérieuses à une action prenant appui sur une telle vision du monde. Cette conception du « réalisme » n’est pas sans rapport avec la « preuve par l’usage » ici évoquée. Or les comparaisons internationales sont souvent l’occasion de telles validations réciproques, résultant de la confrontation. Ces comparaisons attestent (ou au moins suggèrent) la plausibilité de tel ou tel résultat, tout en fournissant des éléments pour le jugement et pour la décision, par exemple dans une logique de « palmarès », en créant un espace de commune mesure et le langage qui lui correspond.

27Certains statisticiens (par exemple les Néerlandais) insistent beaucoup sur l’idée d’intégration : c’est-à-dire de mise en cohérence de l’ensemble des données produites par les divers services d’un office statistique, au prix éventuellement de corrections et d’ajustements par rapport aux « données brutes », c’est-à-dire par rapport à ce qui peut sembler une « réalité de terrain ». Cette substitution d’une validation interne au système statistique, à une validation plus externe, par rapport à un éventuel « terrain », est intéressante dans la perspective de notre exploration des diverses formes de réalisme. Elle se rapproche du réalisme souhaité par l’utilisateur, celui de la cohérence interne de son fichier. C’est bien d’ailleurs dans ces termes que les statisticiens les plus farouchement « intégrationnistes » justifient leurs importants efforts pour raboter les anomalies éventuelles : « Nos utilisateurs ne supporteraient pas que nous leur fournissions des données incohérentes. » Ce point de vue est proche de celui des comptables nationaux, qui, au moins pour les variables macroéconomiques, procèdent de la même façon, avec une visée d’usage, dans des modèles macroéconométriques, dont les relations d’équilibre comptable constituent une contrainte essentielle.

Les trois réalismes : résumé et comparaison

28Au terme de ce parcours de trois façons d’être « réaliste », on peut comparer les formes d’épreuve de réalité qui les caractérisent. La première, celle du statisticien pur, de culture probabiliste, est une descendante de la théorie des erreurs de mesure de l’astronomie du xviiie siècle. Pour celle-ci, les observations, nombreuses, sont indépendantes les unes des autres. La réalité et la consistance de l’objet sont avérées par la distribution normale des observations entachées d’erreurs. Un intervalle de confiance peut être présenté, en termes probabilistes. Cette métrologie a été transférée aux sciences sociales à travers la méthode des sondages. Les hypothèses essentielles sont retraduites dans ce nouvel univers : les unités statistiques sont « homogènes » (mais la définition de ce terme est ambiguë, notamment dans le cas des entreprises), les distributions des variables étudiées ne sont pas trop éloignées de la normalité, la loi des grands nombres peut s’appliquer. L’idée centrale de ce transfert est que, de même que pour les distributions d’observations astronomiques, les moments calculés (moyennes, variances, corrélations) ont une consistance qui reflète une réalité macrosociale sous-jacente, révélée par ces calculs : c’est là le cœur du réalisme métrologique.

29Le réalisme comptable est tout autre. Il est interne à l’entreprise. La comptabilité est déjà une agrégation, en termes monétaires, d’éléments hétérogènes, dont certains sont mesurés avec certitude (l’encaisse, du moins dans le cas où la monnaie est fiable et stable), et d’autres évalués de façon incertaine, et associés à un degré de probabilité subjective. Les choix de ces valeurs sont guidés par des considérations (éventuellement contradictoires) de prudence et de communication avec d’autres acteurs. Le réalisme de l’ensemble, étayé par l’entre-définition des variables et par leur inscription dans des tableaux équilibrés, est plus d’ordre pragmatique (au sens, déjà mentionné, où on dit qu’une personne est « réaliste ») que d’ordre métrologique. En tous cas, ces deux ordres de réalisme sont combinés, et cette combinaison constitue le cœur d’une pratique de construction et d’usage de données chiffrées différente de celle du statisticien.

30Enfin les jugements de réalité de l’utilisateur sont encore d’un autre type. Dans ce cas, les divisions technique et sociale du travail, entre la production et l’usage des statistiques, ont produit leurs effets sociaux et techniques. La banque de données est une boîte noire dont l’amont et l’aval peuvent être clairement distingués, dès lors que l’amont est perçu comme satisfaisant à des « normes de qualité », aujourd’hui de plus en plus explicitées et garanties, alors qu’elles étaient naguère plus implicites. Le crédit accordé par l’utilisateur à la phase de production des données est une condition de l’efficacité sociale de l’argument statistique. Dès lors, l’épreuve de réalité est fournie par la cohérence des résultats et des constructions issus de la banque de données. Les comparaisons internationales sont souvent l’occasion de telles validations.

  • 9 I. Hacking (1999), dans The Social Construction of What ?, analyse de façon fine les usages sociaux (...)

31Mais, en prenant du recul par rapport à ces trois formes de réalisme, ici distinguées à des fins analytiques, on peut observer que, si la « réalité ultime » n’est jamais directement accessible, mais ne l’est qu’à travers des appareils de perception variés, alors ces trois réalismes se rejoignent dans une épreuve unique, celle de la cohérence entre les diverses perceptions. En revanche, ces trois postures s’opposent à une quatrième qui, s’attachant à reconstituer la chaîne des conventions de codage et de mesure, remet de fait en question la « réalité » des objets. Cette attitude, que l’on peut qualifier de nominaliste, ou de constructiviste, ne résulte pas, en général, d’un choix philosophique théorique9, mais surgit dans des situations de controverses, de crises, d’innovations, de changement des contextes économiques, sociaux et administratifs, ce qui correspond bien à la situation des années 1990 et 2000.

Des conventions de mesures aux langages de réalité

  • 10 Ces cinq journées ont chacune fait l’objet d’une publication, dans la série Insee-Méthodes : n° 54 (...)

32La statistique d’entreprise est un domaine où la plupart des objets étudiés font continuellement l’objet de débats et d’interrogations sur les conventions de mesures. Cette tendance est à la fois accélérée et rendue plus visible par les besoins de l’harmonisation européenne et des comparaisons internationales. Ainsi, la liste des thèmes auxquels ont été consacrées, entre 1995 et 1999 à l’INSEE, cinq journées d’études de la statistique d’entreprises (groupes, normes comptables, réseaux, frontières entre biens et services, restructurations) fournit à elle seule une série de terrains où la « réalité » des objets traités par la statistique ne cesse de se dérober et de changer de visage10. Sur chacun de ces thèmes, l’activité statistique est déterminée et contrainte, en amont, par une multitude de négociations, micro ou macro, entre une multitude d’acteurs, macro ou micro : l’État, les organisations professionnelles, la Commission européenne, les instances de protection de la concurrence, les syndicats de salariés, les entreprises, des plus grandes aux plus petites… Les thèmes de ces journées semblent avoir été choisis pour dérouler, les uns après les autres, des domaines où tous ces acteurs déploient leurs talents de négociateurs.

33L’existence des groupes d’entreprises, aux frontières souvent problématiques, soulève la question de l’unité statistique pertinente pour la statistique d’entreprise, inépuisable sujet de débats entre les statisticiens européens, notamment entre Néerlandais et Français. Comment mieux illustrer l’idée que la « réalité » visée par la statistique d’entreprise est problématique que par la récurrence des controverses sur l’unité statistique, c’est-à-dire le maillon le plus élémentaire et central de celle-ci ? Ensuite, d’autres questions s’emboîtent : qu’est-ce qu’une activité ? un produit ? un « marché pertinent » ? une « position dominante » ? les réponses à ces questions se tiennent mutuellement, selon le « principe de la poule et de l’œuf ». Elles entremêlent des considérations « scientifiques » et « juridiques » aux conséquences parfois importantes, notamment pour l’application des règlements européens sur la concurrence. Face à ces questions, les statisticiens d’entreprises sont confrontés à un dilemme qui met en jeu leur identité professionnelle. D’une part, ils doivent affirmer une visée d’intérêt général guidée par la seule science, au-dessus des intérêts particuliers et de leurs controverses contingentes. Mais, d’autre part, ils ne peuvent méconnaitre que leurs productions serviront d’arguments dans de telles controverses : la « réalité » sera alors réduite à une ressource rhétorique brandie par des avocats d’affaires.

34Certains statisticiens poussent très loin l’idée qu’ils peuvent définir de façon théorique, puis observer, conformément à cette « théorie », une « réalité économique » ainsi mise en forme par eux seuls. C’est le cas notamment des Néerlandais, dont les « unités statistiques », en principe complètement distinctes des « unités légales », font l’objet de minutieuses définitions et observations de type quasi monographique. Les Français, en revanche, cherchent à ne pas trop s’éloigner des enregistrements et des pratiques des entreprises, même s’il leur est plus difficile d’en déduire une synthèse cohérente, exhaustive et théoriquement élégante.

35Le thème des normes comptables et de leur harmonisation, européenne et mondiale, est au cœur des interrogations sur le caractère social, négocié et conventionnel de la statistique d’entreprise. Lui-même porteur d’un langage de réalité défiant celui du statisticien, le travail du comptable construit, par le bas, un univers de référence pour l’action. Il est plus ou moins enserré par des règles et des normes variables selon les pays, ou plutôt selon quelques grandes zones géographiques, puisque, désormais, les grandes firmes anglo-saxonnes et leurs cabinets d’audits et de consultants imposent de fait des normes mondiales, que les 4e et 7e directives de la Commission européenne avaient un temps essayé de précéder.

36Les réseaux d’entreprises sont de nouvelles formes de structures de production et de distribution qui, elles aussi, défient la statistique d’entreprise, et rendent difficile l’usage d’un langage réaliste assuré. Plus encore que pour les groupes, qui ont en général un centre de décision dont on peut chercher à délimiter la zone d’influence, il est difficile de définir les limites des réseaux, souvent dépourvus de centres, et très mouvants. Les frontières entre les grands secteurs de l’économie, produisant des biens et des services, sont, elles aussi, brouillées par les pratiques de sous-traitance et d’externalisation de pans entiers des activités de production. Enfin les restructurations permanentes des grandes (et même des petites et moyennes) entreprises rendent très difficile le suivi dans le temps du monde productif, et donc la construction de séries temporelles, pain quotidien de la recherche économétrique.

37Ces quelques grands problèmes de la statistique d’entreprise sont bien connus et largement étudiés. En quoi affectent-ils le « langage de réalité » attendu des statisticiens et des économistes ? Cette question peut être abordée de deux façons. Dans une perspective réaliste défensive, on essaie de colmater les brèches, de recoller les morceaux. Des solutions ingénieuses sont par exemple proposées pour reconstituer des évolutions sur deux ans des structures industrielles. Mais on peut aussi, dans une perspective plus constructiviste, être attentif à la façon dont le langage de réalité lui-même évolue, dans les périodes de crises et de changements rapides. À ce point de vue, non seulement le travail des statisticiens reflète la réalité, mais, d’une certaine façon, il l’institue, en fournissant aux acteurs un langage pour mettre en scène celle-ci et agir sur elle. C’est pourquoi, au-delà des questions de pure mesure statistique qu’ils soulèvent, les thèmes de ces journées d’études sont riches, pour observer in vivo les évolutions actuelles.

38Un exemple significatif de l’évolution des langages, bien sûr liée à celle des rapports sociaux, est la rapide émergence de l’expression « création de valeur » (en anglais, economic value added) utilisée dans le monde financier pour désigner l’évolution du cours des actions et les gains que les actionnaires attendent des restructurations. Ceci reflète l’importance nouvelle des fonds d’épargne et du recours à la Bourse pour financer les investissements. Mais, ce faisant, le langage classique de la « valeur ajoutée », utilisé tant en comptabilité nationale qu’en matière de fiscalité, paraît oublié, notamment dans la presse économique qui utilise ce nouveau vocabulaire. Ainsi semblent entrer en concurrence plusieurs langages de réalité, eux-mêmes utilisés par des acteurs sociaux différents, et selon des modalités différentes d’un pays à l’autre.

39Face aux incertitudes sur le statut des mesures proposées par la production statistique, diverses expressions sont souvent utilisées, qui, chacune à leur façon, montrent que la métrologie des sciences sociales n’est pas de même nature que celle des sciences de la nature. Les mots « indices » ou « indicateurs » suggèrent que les mesures présentées sont comme des symptômes visibles d’une réalité cachée et impossible à atteindre directement. Parfois aussi, le statisticien ou le chercheur se rabattent prudemment sur l’idée que leurs données quantitatives visent à « cerner la réalité ». Ainsi cernée, comme au jeu de go, celle-ci n’aura plus qu’à rendre les armes. Plus sérieusement, cette métaphore en apparence militaire renvoie à l’idée qu’une réalité n’est connue qu’à travers des points de vue, extérieurs, socialement construits et historiques. En multipliant les points de vue de divers côtés, on peut toujours rêver de « cerner la réalité ». Mais celle-ci s’enfuit, car des dispositifs nouveaux, et des langages pour les rendre réels, naissent tous les jours. Or, parmi les langages statistiques qui se sont développés au cours des deux dernières décennies, l’un d’entre eux a pris une grande importance, celui de la comparaison, du « palmarès », du benchmarking (étalonnage), aussi bien entre les individus, les institutions, les entreprises et leurs marchandises, qu’entre les nations elles-mêmes. Ceci est bien sûr lié à la montée des argumentations en termes de concurrence et de comparaison des performances, soit dans le temps, soit entre acteurs différents.

40Parmi les schèmes de description de la réalité et d’action sur elle que la statistique contribue à instituer et à faire tenir, l’un des plus importants est celui d’espace d’équivalence, qui rend possibles comparaisons, calculs et négociations. Un tel espace est inséparablement politique et cognitif. L’histoire de l’unification de la France autour d’un État centralisé, avec sa langue, ses départements, son système métrique, ses conventions collectives et ses diplômes nationaux, peut être retracée comme celle d’un espace culturel, administratif et statistique. A contrario, les difficultés soulevées par la construction d’un « espace statistique » européen, et notamment les hésitations entre harmonisations « des produits » et « des méthodes », résultent de ce que l’Europe ne constitue pas un tel espace politique et administratif unifié.

41Un exemple de cela est fourni par les débats entre statisticiens à propos des comparaisons des niveaux de pauvreté des pays européens. Faut-il utiliser un critère de pauvreté « absolue » (part des personnes dont le revenu est inférieur à un niveau donné, défini en euros, le même pour tous les pays) ou, au contraire, de pauvreté « relative » (part des personnes dont le revenu est inférieur à la demi-médiane des revenus de leur pays) ? L’enjeu de ce choix est bien sûr politique : le premier critère (pauvreté absolue) suppose de décrire et donc éventuellement de combattre les inégalités entre les pays, alors que le second (pauvreté relative) repère implicitement le sentiment de pauvreté par rapport au seul environnement national. Pour le moment, Eurostat utilise ce second critère : ceci peut être vu comme un indicateur du degré de l’unification politique européenne.

42Notre texte peut donner l’impression d’avoir zigzagué entre deux questions différentes : celle de la comparaison internationale des statistiques, et celle des rhétoriques de réalité mobilisées dans l’argumentation statistique, au risque, dans ce cas, de sembler adopter une attitude relativiste. Mais, en observant que les statistiques économiques et sociales résultent d’interactions entre le « monde réel » et des « expériences » menées dans celui-ci, non seulement on pare à cette accusation, mais aussi on oriente l’attention vers l’étude des conditions de production, de circulation et d’usage de ces informations. Ainsi, une sociologie des statistiques, encore largement à construire, donnerait une grande place à l’étude des styles d’argumentation mis en œuvre lors de leurs usages, notamment dans des comparaisons internationales, et, plus généralement, toutes les fois que sont déployés des espaces de commune mesure balisés par des nombres.

Notes

1 Pour la présentation de cette enquête, voir OCDE et Statistique Canada (2000) ainsi que la contribution, dans ce volume, d’A. Bevort et D. Trancart. Pour l’étude a posteriori et la réouverture de la boîte noire, voir A. Blum et F. Guérin-Pace (2000).

2 Les interprétations en termes d’aptitudes génétiques, très en vogue au début du xxe siècle, ne sont plus reprises aujourd’hui que par quelques « sociobiologistes » nord-américains, auteurs d’ouvrages populaires à fort tirage aux États-Unis. Les eugénistes du xixe siècle (et leurs successeurs) utilisaient des « indicateurs » de « quelque chose », qu’ils nommaient « intelligence générale », puis « quotient intellectuel ». S.J. Gould a décrit en détail, dans La Mal-mesure de l’homme (1983), les effets de « réification » de ces procédures statistiques, qui créent du réel sur lequel peut ensuite prendre appui une argumentation politique aux couleurs scientifiques.

3 Les développements qui suivent sont inspirés d’un article publié dans un bulletin interne à l’INSEE : la Lettre du système statistique d’entreprise (n° 38, janvier 2000). La « statistique d’entreprise » évoquée est celle qui est fournie par les instituts nationaux de statistique pour décrire l’activité des entreprises. Les données comptables et statistiques produites et utilisées dans les entreprises ne sont envisagées ici que du point de vue de leur réutilisation par les statisticiens, puis, ultérieurement, par les économistes.

4 La question du réalisme des productions statistiques est abordée plus en détail dans A. Desrosières (2001).

5 Sur les origines et les significations de la distinction entre probabilités « objectives » et « subjectives », voir L. Daston (1994).

6 La 4e directive (1978) portait sur les comptes annuels et la 7e directive (1983) sur les comptes consolidés des groupes (Poli, 1998).

7 Les « métadonnées » sont, dans le langage des statisticiens, les informations portant sur les définitions, les modes de construction, les nomenclatures, les conditions d’enregistrement et de traitement des données diffusées.

8 C’est, au xixe siècle, pour la fabrication des fusils, que cette idée centrale est apparue.

9 I. Hacking (1999), dans The Social Construction of What ?, analyse de façon fine les usages sociaux des argumentations constructiviste et réaliste, sans se laisser enfermer dans le choix entre l’une ou l’autre de ces positions.

10 Ces cinq journées ont chacune fait l’objet d’une publication, dans la série Insee-Méthodes : n° 54 (juin 1996), n° 67-68 (avril 1997), n° 74-75 (janvier 1998), n° 87-88 (avril 1999), n° 95-96 (2000).

© CNRS Éditions, 2003

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

Lire

Freemium

open access

Offert par L’éditeur de ce site