Version classiqueVersion mobile

L’épistémologie sociale

 | 
Alban Bouvier
, 
Bernard Conein

Interactions et communautés de connaissance

Faire de la recherche en collaboration1

Paul Thagard
Traduction de Maria Teresa Pontois

Texte intégral

  • 1 Traduction de « Collaborative Knowledge », Noûs, 31 (2), 1997, p. 242-261.

1En avril 1994, un groupe de 450 physiciens rassemblés à Fermilab ont présenté les preuves de l’existence du quark top, une construction théorique importante du Modèle Standard des particules et des forces. Bien que la taille de ce groupe soit inhabituelle, le travail que ses membres ont mené en collaboration ne l’est pas. Dans les sciences de la nature et dans les sciences sociales, la production de travaux par deux chercheurs en collaboration, ou davantage, est devenue la norme plutôt que l’exception. Le présent article étudie l’élaboration de la connaissance en collaboration d’un point de vue à la fois descriptif et normatif. Jusqu’à quel point cette connaissance prévaut-elle ? Pourquoi les scientifiques collaborent-ils entre eux ? Quels sont les types de collaboration les plus productifs ? Pourquoi la collaboration dans le domaine des lettres et sciences humaines est-elle beaucoup plus rare que dans celui des sciences, et y a-t-il là une nécessité ?

  • 1 Cette recherche a été soutenue par le Social Sciences and Humanities Research Council du Canada. Je (...)

2Après avoir rapidement passé en revue l’étendue et la nature des collaborations en sciences, je traiterai de la collaboration dans la perspective des critères épistémiques qu’Alvin Goldman a proposés pour l’évaluation des pratiques sociales. Même s’il est besoin de restructurer quelque peu ces critères pour aider à la compréhension des avantages du travail scientifique effectué en collaboration, ceux-ci retiennent beaucoup d’aspects importants de l’élaboration de la connaissance en collaboration. Je proposerai cependant une extension des critères de Goldman en vue de retenir la contribution que la collaboration peut apporter aux objectifs d’explication de la science1.

La prépondérance de la collaboration

3Au cours des dernières années, les chercheurs ont porté dans bien des domaines une attention croissante aux aspects sociaux du développement de la connaissance. En philosophie, l’épistémologie sociale a entrepris de poser de nombreuses questions sur la manière dont la connaissance se développe dans des contextes sociaux (Fuller, 1988 ; Giere, 1988 ; Goldman, 1992 ; Hardwig, 1985 ; Hardwig, 1991 ; Kitcher, 1990 ; Solomon, 1994 ; Thagard, 1993, 1994). Les psychologues accordent une attention croissante à la connaissance distribuée, en examinant la connaissance non seulement comme une propriété des esprits individuels, mais aussi comme dépendant d’environnements sociaux et physiques (Galegher, Kraut & Egido, 1990 ; Resnick, Levine & Behrend, 1991 ; Salomon, 1993). En science de l’informatique, se manifeste un intérêt grandissant pour l’intelligence artificielle distribuée, qui concerne la façon dont l’expertise peut être étudiée au sein de réseaux d’ordinateurs coopérant les uns avec les autres plutôt qu’à un niveau individuel (Bond & Gasser, 1988 ; Durfee, Lesser & Corkill, 1989 ; Gasser, 1991 ; Hewitt, 1991). Pour finir, des sociologues ont vigoureusement revendiqué la production sociale de la connaissance scientifique (Barnes, 1985 ; Bloor, 1991 ; Latour, 1987 ; Latour & Woolgar, 1986). On est cependant surpris qu’il se soit ouvert si peu de discussions, dans chacun de ces domaines, sur la nature des collaborations qui sont devenues prédominantes dans la science moderne.

4Cette prédominance est facile à mettre en évidence. La figure 1 présente le pourcentage d’articles à auteurs multiples dans les sciences physiques et biologiques, ainsi que dans les humanités jusqu’aux années 1950. À cette époque, 83 % des articles publiés dans une sélection de revues de sciences physiques et biologiques étaient le résultat de collaborations. En sciences sociales, le pourcentage était de 32 %, tandis que les humanités se maintenaient à un niveau relativement constant de 1 ou 2 %. La tendance générale s’est confirmée au cours des dernières décennies : la figure 2 indique le pourcentage d’articles à auteurs multiples dans une sélection de revues appartenant à différents champs en 1992. Dans Physical Review Letters il était de 88 %, et dans Cognitive Psychology de 75 %.

Figure 1. Pourcentage d’articles à plusieurs auteurs dans les revues de sciences physiques et biologiques (ligne du haut), de sciences sociales (ligne du milieu) et de sciences humaines (ligne du bas). Extrait de Merton (1993, p. 157).

Figure 2. Pourcentage d’articles à plusieurs auteurs dans les revues retenues pour l’année 1992. PMLA = Proceedings of the Modern Language Association, dont le volume de 1992 ne comporte aucun article écrit à plusieurs.

5La recherche en sciences implique beaucoup plus un travail en collaboration que la recherche en sciences humaines. Bien que les philosophes aient beaucoup à gagner à parler entre eux, les textes de philosophes sont rarement issus d’une collaboration. Dans le Journal of Philosophy de 1992, par exemple, 3 articles seulement sur 27 ont deux auteurs, et un seul en a 3 ; tous les autres ont un auteur unique. En 1993, cette même revue ne comporte qu’un seul article écrit en collaboration. En revanche, sur les 16 articles de 1992 de Cognitive Psychology, 4 seulement ont un auteur unique, tandis que 6 en ont 2 et les autres entre 3 et 6. Pareillement, sur les 161 articles publiés dans les Actes de la conférence de 1994 de la Cognitive Science Society, 52 seulement ont un auteur unique, tandis que 71 en ont 2 et 38 entre 3 et 8. Cas encore plus extrême : dans le volume de avril-juin 1992 de Physical Review Letters, seuls 67 des 558 articles sont d’un auteur unique, soit environ 12 % ; 168 ont deux auteurs, et 254 de trois à cinq ; 6 articles ont plus de cent auteurs (le total le plus élevé étant 291). La figure 3 montre le nombre moyen de co-auteurs dans des revues appartenant à des champs différents. En examinant de plus près les différents types de collaboration, on peut commencer à expliquer pourquoi le travail en association est si commun dans les sciences mais rare dans les sciences humaines et sociales.

Figure 3. Nombre moyen de co-auteurs dans les revues retenues pour l’année 1992.

La nature de la collaboration

6Toutes les collaborations ne sont pas de nature identique. Il en existe au moins quatre types différents, selon la formation et le rôle de chacun des collaborateurs.

  1. Employeur/employé. Il s’agit là de la forme la plus faible de collaboration, dans laquelle un employeur indique simplement à un employé qu’il doit exécuter une tâche dont le premier sait parfaitement s’acquitter, mais à laquelle il n’entend pas consacrer du temps. De telles tâches incluent par exemple des expériences en cours, l’écriture de programmes informatiques, la construction d’un dispositif, etc. Techniciens et assistants de recherche n’apportent normalement pas une contribution qui suffise à les considérer comme co-auteurs, mais un assistant doué peut devenir un apprenti au sens qui est décrit dans la catégorie suivante.

  2. Professeur/apprenti. Ce type de collaboration est analogue au précédent en ce sens qu’il existe une asymétrie de connaissance et de statut ; mais son objectif est différent. Non seulement les apprentis ne se bornent pas à exécuter un travail auquel les chercheurs instructeurs n’ont pas de temps à consacrer, mais encore ils visent à acquérir les qualifications qui les rendront capables d’accomplir le travail eux-mêmes. Par exemple, les psychologues expérimentaux travaillent d’une façon caractéristique avec des étudiants avancés qui les aident à concevoir et à conduire des expériences. Construire des expériences et en interpréter statistiquement les résultats constitue des qualifications complexes qui ne s’acquièrent pas par la lecture d’ouvrages ou l’assistance à des cours, mais par le travail sur des projets en compagnie de chercheurs expérimentés.

  3. Pair/semblable. Il arrive que des chercheurs se ressemblant par leurs connaissances, leurs intérêts et leur statut trouvent avantage à travailler ensemble. La collaboration la plus célèbre de ce siècle a sans doute été celle de Francis Crick et James Watson sur la structure de l’ADN. En psychologie, il a existé des duos productifs du même genre, tels ceux d’Allan Newell/Herbert Simon et de Daniel Kahnemann/Amos Tversky. Naturellement, « ressemblant » ne signifie pas « identique » : tout duo de chercheurs, même si ceux-ci appartiennent au même champ, possédera un savoir et des talents différents qu’ils apportent à leur collaboration. Cependant nous pouvons placer dans cette catégorie des collaborations impliquant des personnes dont la formation a été substantiellement analogue.

  4. Pair/différent. La recherche interdisciplinaire a plus de chances de réunir des chercheurs aux objectifs analogues mais différents par leur savoir et leurs talents. Dans les sciences cognitives, une collaboration typique est celle qui implique un psychologue et un spécialiste de l’informatique (pour d’autres exemples, cf. infra p. 178). Le premier possède une expertise en psychologie théorique et expérimentale, incluant un savoir-faire en matière de réalisation d’expériences, tandis que le second possède une expertise informatique comportant un savoir-faire en matière de construction de programmes de simulation des aspects de la pensée. Les collaborations dans le domaine de la physique peuvent comporter des combinaisons de physiciens théoriciens et de physiciens expérimentaux aux qualifications de type très différents.

7Naturellement, les frontières entre ces quatre types de collaboration peuvent se brouiller. Un employé intelligent peut se transformer en apprenti, et une relation professeur/apprenti couronnée de succès peut se rapprocher peu à peu d’une collaboration pair/semblable. Des chercheurs venus de domaines disparates peuvent démarrer comme des pairs/différents, mais se rapprocher à mesure que chacun en apprend davantage sur le domaine de son voisin. Mais ces quatre types différents de collaboration fournissent un point de départ dans l’examen de la question de savoir ce qui rend la collaboration précieuse.

Les critères de Goldman pour l’évaluation épistémique

8La prédominance de la collaboration suggère fortement que les scientifiques doivent avoir de bonnes raisons épistémiques de travailler ensemble, mais quelles sont ces raisons ? Dans le roman Cantor’s Dilemma (Djerassi, 1989), écrit par un chimiste de l’université de Stanford, un chercheur commence par soupçonner son collègue post-doctorant, une star, d’avoir fabriqué des données dans une expérimentation très importante. Cette histoire illustre l’un des dangers de la collaboration, qui peut accroître l’erreur aussi bien que la productivité. En prenant en compte les mérites de différents types de collaboration, il est nécessaire d’évaluer la fréquence des pertes aussi bien que des gains.

9Alvin Goldman a mis au point un ensemble de critères pour l’évaluation des pratiques épistémiques. Il recommande le véritisme comme la principale approche de l’épistémologie sociale, considérant que toutes les recherches intellectuelles ont la vérité pour objectif. Tous ses critères d’appréciation pour l’évaluation d’une pratique sociale sont en relation avec la vérité (Goldman, 1992, p. 195) :

  1. La fiabilité d’une pratique se mesure au rapport entre vérités et nombre total des convictions suscitées par la pratique.

  2. La force d’une pratique se mesure à sa capacité d’aider ceux qui s’engagent dans la connaissance à trouver les vraies réponses aux questions qui les intéressent.

  3. La fécondité d’une pratique réside dans sa capacité à conduire à un grand nombre de vérités pour de nombreux praticiens.

  4. La rapidité d’une pratique consiste en la vitesse à laquelle elle conduit à des réponses vraies.

  5. L’efficacité d’une pratique tient à son aptitude à limiter le coût de l’obtention de réponses vraies.

10Avant de procéder à l’application de ces cinq critères aux quatre types de collaboration dont la liste a été donnée précédemment, il est utile de les reformuler en des termes moins « véritistes ». Beaucoup de scientifiques blêmiraient à l’idée de présenter leurs découvertes comme des « vérités », alors que la vérité des affirmations de la science ne peut être décidée que dans le long terme, avec l’accumulation des expériences et des théories. Si donc notre but est de comprendre pourquoi les scientifiques collaborent entre eux, il nous faut décrire ce qu’ils font par rapport à des objectifs à plus court terme que celui de la vérité. En usant d’un vocabulaire alternatif, qu’il nous soit permis de décrire les scientifiques comme étant à la recherche de résultats, qui peuvent comprendre aussi bien des résultats empiriques, consistant en découvertes dues à l’expérience ou à l’observation, que des résultats théoriques, consistant dans la construction de théories explicatives des résultats empiriques. Les critères qui permettent de considérer quelque chose comme un résultat sont moins contraignants et métaphysiques que ceux qui permettent de classer quelque chose au nombre des vérités ; en première approximation, nous pouvons considérer une découverte empirique ou théorique comme un résultat si elle est acceptable par les pairs d’un scientifique. Une acceptation unanime par les pairs n’est pas requise ; peut-être une exigence minimale pour un résultat est d’être publié dans une bonne revue, contrôlée par les pairs. En dernière analyse, nous désirons que les résultats soient vrais, mais pour la compréhension de la pratique scientifique quotidienne nous ne souhaitons pas devoir attendre toutes les années ou les décennies que nécessiterait une pleine validation.

11Le contraire d’un résultat est une erreur, une revendication expérimentale ou théorique qui tendrait à être rejetée par des pairs bien informés. Nous pouvons désormais reformuler les critères de Goldman comme suit :

  1. La fiabilité d’une pratique se mesure au rapport entre résultats et nombre total de résultats et d’erreurs suscités par la pratique.

  2. La force d’une pratique se mesure à sa capacité d’aider ceux qui s’engagent dans la connaissance à trouver des résultats répondant aux questions qui les intéressent.

  3. La fécondité d’une pratique réside dans sa capacité à conduire à un grand nombre de résultats pour de nombreux praticiens.

  4. La rapidité d’une pratique consiste en la vitesse à laquelle elle conduit à des résultats.

  5. L’efficacité d’une pratique tient à son aptitude à limiter le coût de l’obtention de résultats.

12Le lien entre ces critères et les critères « véritistes » originaux de Goldman est le suivant : ce que j’appelle résultats est ce que les scientifiques considèrent généralement comme la vérité, et ce que j’appelle erreurs est ce que les scientifiques tiennent généralement pour faux. Dans la perspective du réalisme scientifique (par exemple, Thagard, 1988, chap. 8), les résultats sont souvent vrais, et les erreurs sont souvent fausses. Je suis de l’avis de Goldman sur le fait que la science recherche, et souvent atteint, la vérité, aussi cet article s’intitule-t-il légitimement Collaborative Knowledge plutôt que simplement Collaborative Belief. Mais pour comprendre la valeur épistémique de la collaboration, nous avons besoin de critères à plus court terme, se prêtant plus aisément à l’évaluation que les critères « véritistes ».

13La question devient alors : comment différents types de collaboration affectent-ils la fiabilité, la force, la fécondité, la rapidité et l’efficacité de la recherche scientifique ?

Pourquoi collaborer ? Profits et (à l’occasion) pertes

Employeur/employé

14Quand un chercheur a recours aux services d’un employé tel qu’un technicien de laboratoire, un assistant de recherche, ou un programmateur informatique, il n’est probablement pas raisonnable d’en attendre une fiabilité accrue. À moins que l’employé n’ait des tâches et des talents secrets, la plupart des choses qu’il ou elle fait pourrait probablement être fait, au moins aussi bien, par le chercheur lui-même. Ainsi la fiabilité n’est-elle pas le critère le plus important pour l’évaluation de ce type de collaboration. On peut présumer que le chercheur se préoccupe suffisamment de la fiabilité pour ne pas s’adjoindre un employé dont le travail accroîtrait significativement le taux d’erreur, mais accepter un taux un peu plus élevé peut normalement constituer un échange acceptable pour ne pas avoir à faire tout par soi-même. Certaines tâches peuvent effectivement être accomplies d’une façon plus fiable par un employé que par le chercheur, qui peut très bien, par exemple, ne pas être un aussi bon programmeur informatique qu’un jeune assistant.

15Avec de bons employés, les pertes potentielles en fiabilité sont plus que compensées par les gains en force, rapidité et efficacité. Une division du travail dans laquelle des employés tels que des techniciens exécutent des tâches plus simples ou très consommatrices de temps permet aux chercheurs de disposer de davantage de temps pour travailler sur des projets expérimentaux ou théoriques. L’effet peut alors être que le chercheur obtienne des résultats correspondant mieux à ses vœux (force), et les obtienne plus vite (rapidité). Salarier un employé augmente certes le coût de la recherche, en réduisant ainsi potentiellement son efficacité, mais pas autant que le recrutement d’un chercheur supplémentaire. Le recrutement d’un employé ne garantit pas des améliorations en force et rapidité, du fait que le chercheur doit passer du temps à le former et à le surveiller. Initialement, le temps ainsi passé peut dépasser celui qu’un chercheur aurait pu exiger pour effectuer seul un travail, mais à long terme le temps et l’effort requis pour contrôler l’employé devraient être bien inférieurs à la quantité de temps et d’effort d’un chercheur. La fécondité, la question de produire un grand nombre de résultats pour beaucoup de personnes ne semblent pas pertinentes pour l’évaluation des collaborations entre employeur et employé.

Professeur/apprenti

16Dans de nombreux domaines en sciences de la nature et en sciences sociales, les graduate students réalisent une part essentielle de la recherche. Dans les sciences humaines, ces mêmes étudiants poursuivent des projets sans rapport avec la recherche de leur directeur qui, par la suite, les traite, au mieux, avec une négligence bienveillante. À l’opposé, dans des domaines tels que la physique expérimentale et la psychologie, les graduate students occupent souvent une position cruciale dans l’équipe de recherche parce qu’ils sont les principaux responsables du recueil des résultats empiriques. Les étudiants peuvent travailler avec des conseillers en projet expérimental et investir de longues heures dans la collecte des données. Comme avec les employés, les chercheurs trouvent profitable de collaborer avec des graduate students en raison des gains en force et en rapidité qui permettent de compenser potentiellement d’éventuelles pertes en fiabilité et en efficacité. La fiabilité peut souffrir du fait que des étudiants nouvellement formés ne sauraient aussi bien que des chercheurs confirmés comment éviter les erreurs, et le coût de la recherche est augmenté par la nécessité de payer les étudiants. Mais des graduate students efficaces, assumant des tâches consommatrices de temps qui devraient être, autrement, exécutées par des chercheurs, peuvent grandement contribuer à des résultats plus nombreux et plus rapides. Cette contribution inclut la force (quelle quantité de travail est faite) aussi bien que la rapidité (avec quelle vitesse le travail est-il fait). Avoir un apprenti à sa disposition pour exécuter des tâches qui demandent autant de travail que la conduite d’expérimentations et l’écriture de programmes informatiques peut permettre aux chercheurs d’accomplir des travaux dans lesquels ils n’auraient jamais voulu se lancer autrement.

17Les collaborations professeur/apprenti diffèrent de celles employeur/employé sous un aspect essentiel. Les chercheurs travaillent avec des graduate students non seulement en vue d’accroître leur propre productivité, mais aussi de former les étudiants. La formation à un travail expérimental est beaucoup plus compliquée que l’acquisition d’une connaissance du même ordre disponible sous une forme imprimée. Des expérimentations effectives et leur analyse statistique impliquent habituellement de recourir à tout un arsenal de techniques qui ne peuvent s’acquérir qu’en travaillant avec quelqu’un qui en a déjà l’expérience. Faire du travail scientifique exige beaucoup plus qu’un savoir propositionnel (knowledge that) ; il requiert un savoir-faire (knowledge how) : comment concevoir des expérimentations, construire un appareil, et interpréter statistiquement des données complexes. Le but de l’apprentissage n’est pas simplement de favoriser la carrière d’un tuteur, mais d’amener les étudiants au point où ils seront capables de faire une recherche effective pour leur propre compte. Dans le vocabulaire de Goldman, les collaborations professeur/apprenti ont un potentiel qui permet d’accroître la fécondité, puisqu’elles produisent de nouveaux chercheurs qui peuvent continuer seuls, et obtenir leurs propres résultats.

18Les collaborations professeur/apprenti constituent le type de collaboration le plus commun dans les sciences, mais elles sont rares dans les lettres et sciences humaines. L’une des raisons de cette discordance est que les chercheurs en sciences disposent souvent de financements qu’ils peuvent utiliser pour salarier des graduate students comme assistants de recherche. En revanche, les étudiants diplômés dans les sciences humaines disposent d’un financement typique (si ce n’est exclusif) sous la forme de postes d’enseignants-assistants qui n’incluent pas de collaboration étroite avec un directeur de recherche. Une deuxième raison est que les sciences humaines ne se prêtent pas de toute évidence au genre de division du travail qui semble aller de soi dans les sciences, où les étudiants peuvent se voir assigner des tâches dévoreuses de temps dans le domaine de la collecte des données. De nombreux projets, dans les sciences naturelles et les sciences sociales, peuvent se décomposer selon des modalités qui rendent possible leur fractionnement en différents morceaux attribuables à des personnes différentes. Certaines étapes du travail, telles que la conduite d’expérimentations ou l’écriture de programmes informatiques, peuvent être traitées par des étudiants. Une troisième raison à la rareté du travail en collaboration dans les sciences humaines est simplement la tradition : de jeunes professeurs assistants ne travaillent jamais en collaboration avec leurs directeurs de recherche, de sorte qu’ils ne sont pas préparés à pratiquer ce mode de travail avec leurs étudiants. Une collaboration efficace requiert une communication et des talents d’organisation, nécessaires à l’établissement d’une division du travail utile et à l’entretien d’une progression. Dans les sciences où la collaboration est bien implantée, ces talents peuvent s’acquérir implicitement comme faisant partie d’une formation avancée, quand un conseiller efficace procure un modèle de rôle concernant la façon dont les étudiants pourront conduire une recherche en collaboration quand ils auront leurs propres étudiants.

19Les meilleurs apprentissages évoluent en collaborations à part entière, à mesure que les étudiants deviennent des égaux. En physique, il n’est pas inhabituel que les étudiants continuent à travailler avec leurs directeurs de recherche après avoir obtenu leur diplôme, au sein de grosses équipes de recherche qui sont de plus en plus fréquentes dans ce domaine. En revanche, les psychologues ont besoin de couper les attaches avec leurs étudiants, car autrement ces derniers ne pourraient pas affirmer assez clairement l’autonomie de leur propre dossier de recherche pour obtenir des postes ou des bourses. On attend des jeunes psychologues, à la différence des jeunes physiciens, qu’ils fassent valoir le dossier de leur propre parcours, alors qu’en physique les coûts de la recherche sont souvent si élevés que ce serait trop demander à un récent titulaire de Ph. D. de se présenter de façon indépendante.

20La question de savoir à quel point les étudiants ont besoin en fin de compte d’être indépendants de leur directeur de recherche fournit un exemple d’un problème éthique difficile qui se pose dans le cas des collaborations : la répartition des louanges et des reproches. À l’évidence, parmi les 450 noms d’auteurs d’un article de physique, tous les chercheurs n’ont pas apporté une égale contribution au travail dont l’article rend compte. Il se peut que certains n’aient apporté aucune contribution intellectuelle, mais soient cités simplement parce qu’ils font partie de l’équipe ou ont géré l’entreprise. Il devient difficile de savoir qui il faut récompenser pour les résultats, ou qui il faut blâmer d’avoir produit des erreurs. Il est notoire que le travail accompli conjointement par des étudiants et des directeurs de recherche est indûment porté au crédit des chercheurs confirmés. Merton (1973, p. 445) appelle cela « l’effet Matthew », d’après l’Évangile selon saint Mathieu (25, 29) : « Car à tout homme qui a, l’on donnera et il aura du surplus ; mais à celui qui n’a pas, on enlèvera même ce qu’il a. » Beaucoup de départements de psychologie exigent que les candidats à un poste aient développé un programme de recherche indépendant de celui de leur directeur de thèse. Même si cette exigence permet une évaluation des capacités d’autonomie d’un chercheur, elle conduit parfois à la rupture prématurée de collaborations fructueuses. La présupposition est que les jeunes chercheurs ne peuvent pas gagner le crédit dont ils ont besoin pour être promus s’ils travaillent avec les directeurs qui les suivent depuis leurs débuts. Cette présupposition est de toute évidence trop rigide, puisqu’il existe des collaborations entre étudiants et directeurs de recherche dans lesquelles il est évident que c’est l’étudiant qui a apporté une contribution majeure. Des problèmes de répartition des mérites peuvent également surgir au sein de collaborations entre partenaires égaux.

21La discussion qui précède se situe du point de vue de chercheurs établis. Des graduate students et de jeunes chercheurs peuvent avoir des raisons différentes et moins réjouissantes de s’engager dans des collaborations, par exemple pour s’assurer un financement et des ressources pour leur recherche. Les collaborations employeur/employé et professeur/apprenti impliquent parfois des enjeux de pouvoir qui diffèrent des problèmes de nature épistémique qui font l’objet du présent article.

Pair/semblable

22Tandis que les collaborations employeur/employé et professeur/apprenti impliquent des personnes présentant des différences substantielles de savoir et de statut, une catégorie de collaboration moins commune réunit des chercheurs ayant des connaissances et des intérêts semblables. Que peuvent gagner deux chercheurs à travailler ensemble plutôt que de manière indépendante ? On pourrait s’attendre à ce que le temps passé en coordination et en communication soit simplement soustrait du temps qui pourrait être passé sur les projets individuels. Dans la branche de l’informatique qui s’occupe de traitement parallèle distribué, n processeurs travaillant ensemble dans un réseau sont censés produire un accroissement d’efficacité inférieur à n. On s’attend à ce que l’amélioration soit sublinéaire, en raison des efforts nécessités par la communication et la coordination. Si les chercheurs ont reçu des formations semblables, que peuvent-ils bien gagner à travailler ensemble ?

23De façon surprenante, les simulations informatiques ont montré que l’hypothèse sublinéaire ne tenait pas pour les groupes d’agents complexes travaillant sur des tâches qui exigent un certain niveau d’intelligence (Clearwater, Huberman & Hogg, 1991). La tâche prise en compte dans les simulations relevait de la cryptarithmétique, ce qui exige de décoder des lettres pour les transformer en nombres de manière à rendre vraies des équations mathématiques telles que WOW + HOT = TEA. Clearwater, Huberman et Hogg ont construit un système informatique impliquant cent agents travaillant en coopération sur ce type de tâches. La coopération s’organise de la façon suivante : chaque agent qui élabore et teste au hasard des solutions fait part de chacun des progrès qu’il a faits aux autres agents en leur communiquant un « indice ». Résultat intéressant : n agents communiquant entre eux de cette façon ont pu résoudre ensemble des problèmes de cryptarithmétique plus de n fois plus vite que l’ensemble des agents travaillant chacun pour son compte. La raison de cette amélioration supralinéaire semble être que les indices réduisent effectivement la taille de l’espace de la recherche : le fait de disposer d’agents qui démarrent depuis des emplacements différents augmente la probabilité que certains d’entre eux puissent découvrir des indices valant la peine d’être communiqués aux autres agents afin de réduire la suite de leur recherche. Deux têtes travaillant ainsi ensemble peuvent être plus de deux fois meilleures que deux têtes travaillant séparément. Les critères de Goldman permettent d’examiner si quelque chose de semblable peut se révéler valable dans la recherche scientifique.

24Considérons d’abord la fiabilité. Du fait qu’il est plus facile d’identifier les erreurs commises par d’autres plutôt que les siennes propres, les collaborations pair/semblable peuvent améliorer la fiabilité grâce au signalement par les membres d’une équipe d’erreurs qui échapperaient à l’attention de chercheurs travaillant seuls. Cependant la fiabilité peut avoir à souffrir, à l’occasion, si elle conduit à une réaction affective plus forte, fondée sur une confiance excessive dans la fiabilité d’un collaborateur. La recherche sur la prise de décision a permis d’identifier le phénomène de group think, à savoir que les membres d’un groupe peuvent en venir à faire davantage confiance à une décision que ne l’aurait fait chacun de ses membres en particulier (Janis, 1982). Semblablement, la confiance d’un chercheur dans un résultat peut être confortée par la confiance d’un collaborateur, elle-même fondée à son tour sur la confiance du premier chercheur, de sorte que la confiance est alors fonction d’une hystérie de groupe plutôt que de la validité du résultat. La fiabilité peut encore souffrir de la faiblesse d’un membre de l’équipe que personne n’aurait remarquée. On a pu voir des cas de fraude scientifique dans lesquelles un chercheur avait fabriqué des données, mais que les collaborateurs ont été fortement motivés à rejeter (La Follette, 1992). Ainsi que Hardwig (1985, 1991) l’a montré, nous sommes très dépendants les uns des autres sur le plan épistémique : beaucoup de ce que chacun d’entre nous professe dépend de l’information que nous avons empruntée à d’autres à qui nous faisons confiance. Le coût d’une dépendance épistémique de ce genre, particulièrement notable entre collaborateurs, est que des erreurs peuvent entrer dans le système et s’y propager par la faute de collaborateurs ineptes ou corrompus. Il s’ensuit que la collaboration entre égaux peut aussi bien réduire la fiabilité que l’accroître.

25Dans l’expérimentation de Clearwater, Huberman et Hoggles différents processeurs étaient virtuellement identiques, mais ils mettaient en œuvre des approches différentes d’un problème donné de cryptarithmétique, en raison d’une production d’hypothèses due au hasard. De la même façon, même si deux chercheurs se ressemblent beaucoup, ils ne rechercheront pas exactement la même solution à un problème en raison de différences subtiles entre ce qu’ils savent, ou dans ce à quoi ils sont exposés. La collaboration peut ainsi conduire à un accroissement de force et de rapidité, les chercheurs qui travaillent ensemble produisant davantage de résultats en un temps plus court. Il n’en existe aucune garantie, naturellement. La perte d’une certaine force et rapidité dans les collaborations professeur/apprenti peut se justifier en raison du gain de fécondité à long terme lié à la formation d’un nouveau chercheur. Dans le cas d’une collaboration pair/semblable, la question reste ouverte de savoir si le progrès justifie le temps passé à travailler ensemble, mais les exemples cités précédemment (Crick et Watson, Newell et Simon, Kahneman et Tversky) suggèrent qu’un grand progrès peut être fait. Fécondité et efficacité (coût) ne semblent pas poser de problèmes pour les collaborations pair/semblable.

26Il est important de reconnaître qu’il existe une différence relative entre les types de résultats qui peuvent provenir de collaborations pair/semblable et les deux premiers types que j’ai exposés. Comme les employés et les graduate students sont, selon toute vraisemblance, plus aptes à exécuter le travail de routine, consommateur de temps, qu’exigent les expérimentations qu’à produire des contributions théoriques, les gains associés aux deux premiers types de collaboration concernent très vraisemblablement les résultats empiriques. En revanche, des collaborateurs comparables ont plus à gagner l’un de l’autre sur le plan conceptuel, en progressant vers des résultats théoriques, encore qu’ils puissent aussi gagner à travailler ensemble à la production de nouveaux schémas expérimentaux. Les biologistes moléculaires s’entraident fréquemment en usant d’analogies entre leurs expérimentations : lorsque celle d’un chercheur rencontre des difficultés, un autre chercheur peut décrire une expérimentation analogue qui suggère un moyen de surmonter les problèmes (Dunbar, 1995). Les collaborations pair/différent sont encore plus fortement orientées vers des résultats théoriques plutôt qu’empiriques.

27S’ajoutant à celles que suggèrent les critères épistémiques de Goldman, il peut y avoir d’autres raisons de collaborer. En premier lieu, cela peut être agréable, pour des raisons indépendantes de la force et de la rapidité. Avoir un collaborateur signifie : avoir quelqu’un dont vous savez qu’il est intéressé à discuter votre recherche, soulageant ainsi le sentiment de solitude du savant qui travaille au loin. Certains chercheurs trouvent plus facile de développer de nouvelles idées au cours d’une conversation plutôt qu’à travers la réflexion ou l’écriture individuelles. De surcroît, des sociologues, tels que Latour (1987), qui voient dans la science un processus agressif de construction d’alliances, peuvent considérer les collaborations comme des instruments d’accumulation de pouvoir politique en vue d’arriver à faire prédominer leurs propres idées. Réunir des collaborateurs sur une liste est un moyen d’accroître la compétitivité de son propre programme de recherche (Durfee, 1992). Il est peu vraisemblable, toutefois, que le seul fait d’entretenir une collaboration, par opposition à celui d’entretenir une collaboration qui produit de bons résultats, puisse augmenter les chances de succès scientifique de quelqu’un.

Pair/différent

  • 2 Pour une vue d’ensemble des sciences cognitives, cf. Thagard (1996).

28Les domaines interdisciplinaires tels que les sciences cognitives sont à l’évidence les lieux où l’on peut observer des collaborations entre chercheurs ayant des antécédents différents. Voici une brève sélection de collaborations interdisciplinaires dans les sciences cognitives, par ordre alphabétique2 :

  • Robert Abelson (psychologie) et Roger Schank (intelligence artificielle).

  • Patricia Churchland (philosophie) et Terry Sejnowski (neurosciences informatisées).

  • Allan Collins (psychologie) et M. R. Quinlan (intelligence artificielle).

  • Jerry Fodor (philosophie) et Zenon Pylyshyn (psychologie).

  • Kris Hammond (intelligence artificielle) et Dedre Gentner (psychologie).

  • Geoffrey Hinton (intelligence artificielle), Jay McClelland (psychologie), David Rumelhart (psychologie), et Paul Smolensky (physique, intelligence artificielle).

  • John Holland (intelligence artificielle), Keith Holyoak (psychologie cognitive), Richard Nisbett (psychologie sociale) et Paul Thagard (philosophie, intelligence artificielle).

  • Mark Johnson (philosophie) et George Lakoff (linguistique).

  • Daniel Osherson (psychologie) et Scott Weinstein (philosophie).

  • Michael Posner (psychologie) et Marcus Raichle (neurosciences).

29Shunn, Okada et Crowley (1995) ont inventorié les communications présentées aux conférences annuelles de la Cognitive Science Society et ont trouvé une haute fréquence de collaborations interdisciplinaires.

  • 3 Par exemple, John Holland, Keith Holyoak, Richard Nisbett et moi-même avons passé plus d’un an en r (...)

30Du fait que les chercheurs interdisciplinaires utilisent des méthodologies différentes (les expérimentations des psychologues avec des sujets humains contrastent avec les simulations informatiques des chercheurs en intelligence artificielle), il ne faut pas s’attendre à ce que les résultats empiriques soient le bénéfice premier à recueillir des collaborations pair/différent. Mais il y a des gains énormes à réaliser dans le nombre et le niveau des résultats théoriques. Ces gains en force et en vitesse peuvent provenir du fait que la collaboration interdisciplinaire réunit des concepts théoriques antérieurement isolés capables de produire des combinaisons fructueuses. Typiquement, toutefois, les gains ne constituent pas le résultat immédiat du travail interdisciplinaire, car il faut habituellement beaucoup de temps et d’efforts pour que des personnes issues de domaines différents commencent à se comprendre. Des collaborateurs pair/semblable possédant le même type de formation intellectuelle peuvent espérer atteindre rapidement une compréhension réciproque de leur travail, mais une éducation interdisciplinaire approfondie sera nécessaire pour des personnes provenant de domaines différents avant qu’elles ne puissent travailler ensemble d’une façon productive3. Une fois ces barrières franchies, il existe cependant un gain potentiel de fécondité considérable, car les résultats produits en collaboration peuvent être approfondis et utilisés par un grand nombre de personnes dans un grand nombre de domaines différents.

31La collaboration interdisciplinaire pourrait contribuer à la fiabilité, au moyen de la triangulation des méthodes qui conduit à des résultats plus solides. Une collaboration idéale dans le domaine des sciences cognitives serait celle qui combinerait des expérimentations sur le comportement humain et des simulations informatiques de ce comportement, au moyen de scans du cerveau montrant comment ce comportement est mis en œuvre dans le cerveau humain. Idéalement, les expérimentations comportementales, informatisées et neurologiques, pourraient ouvrir la voie à une convergence de résultats empiriques et théoriques. D’un autre côté, la fiabilité peut avoir à souffrir d’une collaboration interdisciplinaire si les personnes provenant de domaines différents n’ont aucun moyen de procéder à une évaluation critique des résultats de méthodologies qui ne leur sont pas familières. Les collaborateurs pair/différent se trouvent dans une dépendance épistémique exceptionnelle à l’égard de leurs compagnons de travail, du fait qu’ils manquent généralement de la qualification qui leur permettrait de valider le travail fait dans un domaine différent. Par exemple, la plupart des psychologues ne savent pas grand-chose des pièges de l’élaboration de modèles informatiques, tout comme la plupart des chercheurs en intelligence artificielle savent peu de choses de la configuration d’expérimentations impliquant des sujets humains.

L’efficacité explicative

32Bien que les critères de Goldman – fiabilité, force, vitesse, efficacité et fécondité – permettent de comprendre pourquoi la collaboration interdisciplinaire peut constituer une stratégie épistémique précieuse, ils négligent un aspect important de la pensée scientifique. La croissance du savoir scientifique n’est pas une simple question de quantité et de fiabilité des résultats : certains résultats théoriques et empiriques sont beaucoup plus importants que d’autres d’un point de vue qualitatif. Leur importance dépend des objectifs de la recherche. Les scientifiques et les gens ordinaires ne s’efforcent pas simplement d’accumuler des certitudes. Dans la vie quotidienne, nous cherchons à acquérir des certitudes pertinentes par rapport à nos objectifs. Dans le domaine de la science, nous souhaitons acquérir des certitudes pertinentes par rapport aux objectifs de la science, qui comportent l’explication et l’application technique aussi bien que la vérité. Les plus grandes réussites de la science dans le domaine de l’explication sont des théories unificatrices telles que la théorie des quanta et la théorie de la relativité en physique, la théorie de l’évolution et la génétique en biologie. Les sciences cognitives n’ont pas encore eu leur Newton, leur Darwin ou leur Einstein, capables d’offrir une théorie unifiée s’appliquant à toutes les catégories de la pensée, mais beaucoup des collaborations qui se sont manifestées dans les sciences cognitives ont été importantes en raison des étapes qu’elles ont permis de franchir en direction d’une unification théorique.

33Un champ scientifique arrivé à maturité ne devrait pas être seulement constitué d’une liste de résultats non reliés entre eux, mais plutôt être unifié par un cadre explicatif commun. La cohérence atteinte est la plus grande lorsqu’un petit nombre de principes théoriques peut servir à expliquer un grand nombre d’observations empiriques. Ces principes, tels que l’affirmation centrale de Darwin selon laquelle l’évolution des espèces est le résultat de la sélection naturelle, revêtent une grande importance en raison de leur capacité à expliquer des observations diverses, et les observations gagnent en importance lorsqu’elles peuvent être unies à d’autres au moyen de la théorie. Les révolutions scientifiques se produisent lorsqu’une ancienne théorie est remplacée par une nouvelle dotée d’une plus grande cohérence explicative (Thagard, 1992).

34Beaucoup de collaborations dans les sciences cognitives, y compris à la fois celles du type pair/semblable et du type pair/différent, tirent leur importance de la poussée qui s’exerce en direction des théories unifiées. Aucune théorie dominante n’a émergé, mais les collaborateurs ont développé une compétition entre des vues de l’esprit qui ont relié entre eux divers phénomènes. Ainsi, John Anderson (1983, 1993) et Allan Newell (1990) ont-ils chacun travaillé avec beaucoup de collaborateurs afin de montrer comment différents aspects de la pensée peuvent être considérés dans la perspective de systèmes obéissant à des règles. De même, David Rumelhart et James McClelland (1986) ont travaillé avec une armée de collaborateurs à démontrer l’applicabilité d’un cadre explicatif différent, le traitement parallèle distribué (parallel distributed processing-PDP).

35La collaboration peut accroître la cohérence explicative de deux manières. Premièrement, la collaboration, particulièrement interdisciplinaire, peut produire des combinaisons conceptuelles qui créent de nouveaux cadres théoriques. Les idées concernant les systèmes obéissant à des règles et les systèmes PDP ont reposé sur l’intégration d’une inspiration venue de la psychologie et de l’informatique, comme l’ont été les idées concernant le raisonnement analogique (Holyoak & Thagard, 1995). Deuxièmement, l’assemblage d’une vaste série de résultats expérimentaux en vue de leur unification dans un cadre théorique requiert la participation de groupes d’expérimentateurs nombreux. C’est pourquoi la collaboration fait progresser la production de théories unificatrices dont le large champ d’application peut être démontré. Les relations explicatives unissant les principes théoriques aux résultats expérimentaux transforment un ensemble de résultats indépendants en un tout cohérent (Thagard, 1992). En conséquence, je souhaite ajouter ce qui suit à ma version des cinq critères de Goldman.

36L’efficacité explicative d’une pratique consiste en sa capacité à contribuer au développement de résultats théoriques et expérimentaux qui augmentent la cohérence de l’explication. L’appréciation de la pratique de collaboration entre chercheurs de stature équivalente dépend de l’observation des visées que se donne la collaboration et de la façon dont elle peut contribuer à l’efficacité explicative des résultats obtenus. Au prix de cet ajout, les critères de Goldman pour une appréciation sociale de l’épistémologie permettent d’éclairer fortement les avantages et les désavantages de la collaboration dans le domaine scientifique, comme je vais le montrer maintenant en examinant leur application à plusieurs études de cas.

Applications

37La discussion est restée jusqu’ici programmatique et abstraite, mais on peut aisément lui donner un caractère plus concret en montrant comment les six critères pour l’évaluation des bénéfices à attendre de la collaboration s’appliquent à des cas spécifiques. Les deux premiers sont empruntés à une activité scientifique très récente, relative à l’élaboration en collaboration de : 1) la théorie bactérienne des ulcères ; 2) la théorie à contraintes multiples de l’analogie. Je défendrai ensuite l’idée que la philosophie naturaliste pourrait tirer profit d’une collaboration accrue.

Marshall et Warren : les ulcères

38Deux physiciens australiens, Barry Marshall et J. Robin Warren, ont été les initiateurs d’une récente évolution spectaculaire des convictions médicales concernant l’étiologie des ulcères peptiques. En 1981, lorsqu’a commencé leur collaboration à l’Hôpital Royal de Perth, l’opinion médicale dominante était que les ulcères étaient provoqués par un excès d’acidité. En 1995, il était désormais largement admis que la cause première de la plupart des ulcères de l’estomac et du duodénum était l’infection par une bactérie, Helicobacter pylori. J’ai décrit ailleurs les processus psychologiques, physique et social sous-jacents à l’élaboration et à la réception de la théorie bactérienne des ulcères (Thagard, à paraître). Mon souci, ici, est beaucoup plus limité : il est d’évaluer la collaboration entre Marshall, Warren et de nombreux collègues, en suivant les critères épistémiques de fiabilité, force, fécondité, rapidité, efficacité et efficacité explicative.

39La collaboration a été essentielle pour l’élaboration de la théorie bactérienne des ulcères en raison de l’implication de plusieurs spécialités médicales différentes. Warren, un pathologiste, avait remarqué une bactérie en forme de spirale inhabituelle dans des biopsies gastriques qu’il avait examinées en 1979, mais il n’était pas certain que la bactérie ait une signification médicale. En 1981, il commença à travailler avec Barry Marshall, alors stagiaire en gastroentérologie. Ensemble ils imaginèrent une expérimentation qui décela une association entre la bactérie et les ulcères peptiques (Marshall & Warren, 1984). Par la suite, ils furent en mesure de démontrer que les ulcères peuvent souvent être soignés à l’aide d’antibiotiques (Marshall et al., 1988), résultat confirmé depuis par toutes sortes d’autres études. Outre l’expertise de Warren et de Marshall dans le domaine de la pathologie et de la gastro-entérologie, les expérimentations requéraient le savoir-faire de spécialistes en microbiologie, microscopie électronique et pharmacie. L’article de Marshall et al. est signé par neuf coauteurs provenant de quatre spécialités médicales.

40Barry Marshall a gagné en 1995 le prestigieux prix Lasker pour la découverte du lien de causalité entre Helicobacter pylori et l’ulcère peptique, mais il est évident qu’il n’aurait pu à lui seul produire cet important résultat. En tant que gastro-entérologue, il lui manquait l’expertise nécessaire pour effectuer le travail de pathologie et de microscopie indispensable à l’identification de la présence de la bactérie. Pareillement, Warren manquait de l’expertise en endoscopie nécessaire à la réalisation des biopsies de l’estomac. L’utilisation d’instruments par des personnes non expertes aurait pu réduire d’une façon radicale la fiabilité des résultats expérimentaux. La force et la fécondité de la collaboration sont également évidentes dans ce cas, puisque Marshall et Warren agissant l’un sans l’autre et sans les microbiologistes et autres assistants n’auraient jamais pu répondre à la question de savoir si Helicobacter pylori est un facteur de causalité dans la maladie de l’ulcère. La rapidité et l’efficacité constituent des bénéfices mineurs de cette collaboration, bien qu’il soit évident que sans une équipe de personnes chargées d’exécuter des tâches telles que les biopsies, les cultures bactériennes et les analyses statistiques, la recherche aurait exigé beaucoup plus de temps.

41La collaboration peut rehausser l’efficacité de l’explication de deux façons, en contribuant à l’acquisition de résultats théoriques et expérimentaux. On a déjà vu que les résultats expérimentaux qui s’expliquaient par l’hypothèse d’ulcères causés par la bactérie dépendaient de la collaboration. Bien que Marshall ait été le principal responsable de la conception et de la diffusion de cette hypothèse, Warren a contribué à établir des liaisons cruciales à l’intérieur de sa chaîne de raisonnement en informant Marshall que la bactérie se trouve associée à la gastrite. Quand ce dernier a appris que la gastrite était associée aux ulcères, il a fait l’hypothèse que la bactérie pouvait bien l’être aussi (Marshall, 1989). La collaboration a donc bien contribué, sur le plan de la théorie comme sur celui de l’expérimentation, à établir une cohérence dans l’explication. Au total, la collaboration entre Marshall, Warren et leurs collègues se situe à un niveau très élevé sur l’échelle des critères de fiabilité, force et efficacité explicative.

Holyoak et Thagard : analogie

42Dans notre livre de 1995, intitulé Mental Leaps, Keith Holyoak et moi-même avons défendu une théorie de la pensée analogique issue de plus d’une décennie de travail mené en collaboration, qui a combiné l’expertise de Holyoak en tant que psychologue expérimental et ma formation en philosophie et en construction de modèles informatiques. La préface de ce livre adresse des remerciements à plus de trente autres collaborateurs, incluant, par exemple, les étudiants en psychologie qui travaillaient avec Holyoak à l’université de Michigan et à UCLA, et des programmeurs qui travaillaient avec moi à Princeton et à Waterloo. La figure 4 résume quelques-unes des collaborations qui ont rendu possible le travail théorique, expérimental et informatique dont notre livre rend compte.

Figure 4. La nature de la collaboration entre Holyoak et Thagard (1995). Les noms au-dessus de Holyoak sont ceux de ses collaborateurs à l’université du Michigan ; au-dessous figurent ceux qui ont travaillé avec lui à UCLA. Les noms au-dessus de Thagard sont ceux de ses collaborateurs à l’université de Princeton ; au-dessous figurent ceux qui ont travaillé avec lui à l’université de Waterloo. Tous les collaborateurs nommés ont été co-auteurs des articles publiés.

43Comme beaucoup de projets dans les sciences cognitives, ce travail a combiné plusieurs méthodologies différentes qui dépassent l’expertise de tout individu en particulier. Quand Holyoak et moi-même avons travaillé conjointement sur des problèmes théoriques, lui seul disposait de l’expertise nécessaire à la conduite rigoureuse d’expérimentations psychologiques, mais sa formation en informatique était insuffisante pour écrire les programmes d’ordinateur essentiels à la vérification de nos affirmations théoriques face aux données de la psychologie. S’il avait essayé de faire les simulations informatiques, ou si j’avais essayé de conduire les expérimentations psychologiques, on aurait abouti à une spectaculaire perte de fiabilité. Au lieu de cela, en combinant les qualifications dans le domaine de l’expérimentation et dans celui de l’informatique, nous avons été en mesure de donner des réponses à beaucoup de questions intéressantes sur la manière dont les gens pensent de façon analogique. Il serait présomptueux de parler de la vérité de nos découvertes, mais la publication dans des périodiques respectés tels que Cognitive Science et Artificial Intelligence permet de parler légitimement de résultats ; donc, selon ma version affaiblie des critères de Goldman, on peut dire que notre collaboration a contribué à la force et à la fécondité. Le foisonnement d’autres collaborateurs a aussi grandement rehaussé la force de notre projet, ainsi que sa rapidité et son efficacité. En principe, Holyoak aurait pu faire toutes les expérimentations et j’aurais pu faire toutes les simulations, mais l’une et l’autre de ces entreprises auraient pris un temps considérable et aucun de nous deux n’aurait été capable de faire plus qu’une fraction de ce qui a été finalement produit. Ainsi les résultats expérimentaux et les simulations sur ordinateur qui les reliaient avec la théorie ont-ils été amplement stimulés par la collaboration.

44Les développements de caractère théorique ont fait l’objet d’une collaboration plus étroite, impliquant essentiellement Holyoak et moi-même. Holyoak eut en 1987 l’inspiration initiale à l’origine de notre théorie selon laquelle la pensée analogique implique fondamentalement trois sortes de contraintes (structure, ressemblance, intention), mais les contributions théoriques ultérieures qui ont émergé au cours de l’écriture conjointe de nombreux articles et du livre sont si étroitement mêlées qu’il serait virtuellement impossible de les dissocier. Donc, en présumant qu’il est légitime de parler dans ce cas de résultats théoriques et expérimentaux, il est clair que l’efficacité explicative a reçu un grand secours des collaborations multiples. Comme dans le cas des ulcères, la collaboration a contribué au développement de la théorie à contraintes multiples de l’analogie en conformité avec l’ensemble des six critères épistémiques, mais plus particulièrement avec ceux de la force et de l’efficacité explicative.

Pourquoi les philosophes devraient travailler davantage en collaboration

45J’ai esquissé plus haut quelques-unes des raisons pour lesquelles les collaborations professeur/apprenti sont si rares dans les lettres et sciences humaines : absence d’argent pour des bourses, manque de division naturelle du travail et tradition culturelle du travail solitaire. Malgré ces écueils, je suis convaincu que, en philosophie du moins, il y a beaucoup à gagner d’une collaboration accrue impliquant à la fois des combinaisons pair/semblable et professeur/étudiant. Je veux défendre l’opinion que l’influence croissante des approches naturalistes de la philosophie souligne le besoin d’un développement de la collaboration, et que la formation des graduate students en philosophie serait elle aussi améliorée grâce à une collaboration accrue.

46Beaucoup de domaines de la philosophie sont aujourd’hui imprégnés d’un naturalisme qui considère les problèmes philosophiques comme se situant en continuité des recherches scientifiques. L’épistémologie est de plus en plus naturaliste et lie les préoccupations traditionnelles de justification et de vérité aux problèmes empiriques de la psychologie humaine et de la sociologie. La métaphysique peut être considérée comme une extension de la science, par exemple lorsque des problèmes de la philosophie de l’esprit sont intégrés aux progrès de la psychologie et des neurosciences. Les résultats d’ordre psychologique et informatique exercent même une influence sur les recherches récentes dans les secteurs de l’éthique et de la logique.

47Du fait qu’une philosophie naturaliste sérieuse nécessite une connaissance du travail qui se fait dans des domaines proches, et puisque l’acquisition d’une connaissance approfondie de domaines tels que celui de la psychologie constitue une tâche difficile et demandant beaucoup de temps, les philosophes peuvent tirer grand profit d’une collaboration avec des experts dans ces domaines. Les bénéfices épistémiques potentiels de telles collaborations pair/différent incluent la fiabilité, car travailler en relation étroite avec un expert dans un autre domaine accroît la vraisemblance selon laquelle le philosophe naturaliste apportera des résultats appropriés concernant les problèmes philosophiques. Potentiellement, il s’agit aussi d’un accroissement en force, si l’expertise empirique peut aider à donner une réponse aux questions de la philosophie. (Je laisse de côté la question de savoir si la philosophie conduit à des « résultats » ou à des « vérités ».) L’efficacité explicative peut, elle aussi, potentiellement constituer un bénéfice tiré d’une collaboration accrue entre les philosophes et les autres chercheurs, si le progrès théorique est obtenu par une combinaison des préoccupations philosophiques avec les problèmes théoriques propres à la psychologie, à la linguistique, à la physique, ou à d’autres domaines scientifiques.

48Les philosophes naturalistes peuvent également tirer profit d’une collaboration entre eux. Il est devenu de plus en plus courant pour des philosophes travaillant individuellement de savoir beaucoup de choses dans un domaine particulier, tel que la psychologie ou la linguistique, ou l’intelligence artificielle, ou les neurosciences, ou la physique. Cependant il est rare que cette expertise extra-philosophique s’étende au-delà d’un seul domaine, de sorte qu’il devrait être naturel pour deux philosophes, dont chacun posséderait une connaissance détaillée de deux domaines voisins tels que la linguistique et la psychologie, de collaborer l’un avec l’autre, tout comme des linguistes et des psychologues collaborent parfois entre eux.

49Les collaborations étudiant/apprenti peuvent aussi trouver un avantage dans le fait que les graduate students en philosophie ont souvent des formations qui complètent le savoir de leurs professeurs. Quand j’ai travaillé avec des étudiants à l’université de Waterloo, j’ai bénéficié des connaissances qu’ils avaient sur des sujets qui m’étaient en comparaison peu familiers, tels que l’histoire des mathématiques, la mythologie, la théorie des systèmes dynamiques, et l’empathie. Une collaboration étudiant/apprenti peut donc prendre le caractère d’une collaboration pair/différent.

50Une collaboration accrue entre des professeurs de philosophie et leurs étudiants avancés peut également améliorer la formation à la recherche philosophique. Outre le profit intellectuel recueilli dans le travail avec des chercheurs confirmés, les étudiants diplômés peuvent acquérir des savoirs pratiques en matière de rédaction, de révision et de présentation d’articles et de procédures d’édition. Comme dans les sciences, l’un des bénéfices retirés d’une collaboration instituée au début d’une carrière de graduate student consiste dans les publications précoces, ce qui n’est pas de moindre importance sur un marché de l’emploi de plus en plus compétitif.

51Mais mon argumentation actuelle est principalement d’ordre épistémique : dans le contexte du naturalisme, la collaboration entre professeurs de philosophie et graduate students a pour potentialité l’accroissement de la fiabilité, de la force et de l’efficacité explicative de la recherche philosophique. Pour déterminer dans quelle mesure ce potentiel peut être activé, il sera nécessaire de conduire une expérimentation sociale dans laquelle les professeurs engageront leurs étudiants beaucoup plus directement dans leurs projets de recherche.

52La contribution épistémique de la collaboration à la philosophie est encore largement à l’état de potentialité, mais la théorie bactérienne des ulcères, la théorie de l’analogie à contraintes multiples, et d’innombrables résultats théoriques et expérimentaux de la science actuelle montrent que la collaboration scientifique est une pratique épistémique précieuse. J’ai ici distingué quatre types différents de collaboration et montré comment ils affectent six critères différents d’évaluation épistémique. Peut-être de futurs travaux sur l’épistémologie de la collaboration seront-ils d’une nature plus « collaborative ».

Bibliographie

Anderson John R. (1983), The Architecture of Cognition, Cambridge, Harvard University Press.

Anderson John R. (1993), Rules of the Mind, Hillsdale (NJ), Erlbaum.

Barnes Barry (1985), About Science, Oxford, Blackwell.

Bloor David (1991), Knowledge and Social Imagery, Chicago, University of Chicago Press.

Bond Alan H. & Les Gasser (eds) (1988), Readings in Distributed Artificial Intelligence, San Mateo, Morgan Kaufmann.

Clearwater Scott H., Huberman Bernardo A. & Tad Hogg (1991), « Cooperative Solution of Constraint Satisfaction Problems », Science, 254, p. 1181-1183.

Djerassi Carl (1989), Cantor’s Dilemma, New York, Doubleday.

Dunbar Kevin (1995), « How Scientists Really Reason. Scientific Reasoning in Real-World Laboratories », in R. J. Sternberg & J. Davidson (eds), Mechanisms of Insight, Cambridge, MIT Press, p. 365-395.

Durfee Edmund H. (1992), « What your Computer Really Needs to Know, you Learned in Kindergarten », in Proceedings of the Tenth International Conference on Artificial Intelligence, Menlo Park, AAAI Press/MIT Press, p. 858-864.

Durfee Edmund H., Lesser Victor & Daniel D. Corkhill (1989), « Cooperative Distributed Problem Solving », in A. Barr, P. Cohen & E. Feigenbaum (eds), The Handbook of Artificial Intelligence – vol. IV, Reading, Addison-Wesley, p. 83-147.

Galegher Jolene, Kraut Robert E. & Carmen Egido (eds) (1990), Intellectual Teamwork : Social and Technological Foundations of Cooperative Work, Hillsdale (NJ), Erlbaum.

Gasser Les (1991), « Social Conceptions of Knowledge and Action : DAI and Open Systems Semantics », Artificial Intelligence, 47, p. 107-138.

Giere Ronald N. (ed.) (1992), Cognitive Models of Science, Minneapolis, University of Minnesota Press.

Goldman Alvin I. (1992), Liaisons : Philosophy Meets the Cognitive and Social Sciences, Cambridge, MIT Press.

Hardwig John (1985), « Epistemic Dependence », Journal of Philosophy, 82, p. 335-349.

Hardwig John (1991), « The Role of Trust in Knowledge », Journal of Philosophy, 88, p. 693-708.

Hewitt Carl (1991), « Open Information Systems Semantics for Distributed Artificial Intelligence », Artificial Intelligence, 47, p. 79-106.

Holyoak Keith J. & Paul Thagard (1995), Mental Leaps : Analogy in Creative Thought, Cambridge, MIT Press/Bradford Books.

Janis Irving Lester (1982), Groupthink : Psychological Studies of Policy Decisions and Fiascoes, Boston, Houghton Mifflin.

Kitcher Philip (1990), « The Division of Cognitive Labor », Journal of Philosophy, 87, p. 5-22.

La Follette Marcel C. (1992), Stealing into Print : Fraud, Plagiarism, and Misconduct in Scientific Publishing, Berkeley, University of California Press.

Latour Bruno (1987), Science in Action : How to Follow Scientists and Engineers Through Society, Cambridge, Harvard University Press.

Latour Bruno & Steve Woolgar (1986), Laboratory Life : The Construction of Scientific Facts, Princeton, Princeton University Press.

Marshall Barry J. (1989), « History of the Discovery of C. Pylori », in M. J. Blaser (ed.), Campylobacter Pylori in Gastritis and Peptic Ulcer Disease, New York, Igaku/Shoin, p. 7-22.

Marshall Barry J., Goodwin C. Stewart, Warren J. Robin, Murray Raymond, Blincow Elizabeth D., Blackbourn Stephen J., Phillips Michael, Waters Thomas E. & Christopher R. Sanderson (1988), « A Prospective Double-Blind Trial of Duodenal Ulcer Relapse after Eradication of Campylobacter Pylori », Lancet, 2, p. 1437-1442.

Marshall Barry J. & J. Robin Warren (1984), « Unidentified Curved Bacilli in the Stomach of Patients with Gastritis and Peptic Ulceration », Lancet, 1, p. 1311-1315.

Merton Robert K. (1973), The Sociology of Science : Theoretical and Empirical Investigations, Chicago, University of Chicago Press.

Newell Allan (1990), Unified Theories of Cognition, Cambridge, Harvard University Press.

Oison Judith S., Card Stuart K., Landauer Thomas K., Oison Gary M., Malone Thomas & John Legett (1993), « Computer Supported Cooperative Work : Research Issues for the 90s », Behavior and Information Technology, 12, p. 115-129.

Resnick Lauren B., Levine John M. & Stephanie D. Behrend (eds) (1991), Perspectives on Socially Shared Cognitions, Hillsdale (NJ), Erlbaum.

Salomon Gavriel (ed.) (1993), Distributed Cognitions, Cambridge, Cambridge University Press.

Schunn Christian D., Okada Takeshi & Kevin Crowley (1995), « Is Cognitive Science Truly Interdisciplinary ? The Case of Interdisciplinary Collaborations », in J. D. Moore & J. F. Lehman (eds), Proceedings of the Seventeenth Animal Conference of the Cognitive Science Society, Mahwah (NJ), Erlbaum, p. 100-105.

Solomon Miriam (1994), « Social Empiricism », Noûs, 28, p. 325-343.

Thagard Paul (1988), Computational Philosophy of Science, Cambridge, MIT Press/Bradford Books.

Thagard Paul (1992), Conceptual Revolutions, Princeton, Princeton University Press.

Thagard Paul (1993), « Societies of Minds : Science as Distributed Computing », Studies in History and Philosophy of Science, 24, p. 49-67.

Thagard Paul (1994), « Mind, Society, and the Growth of Knowledge », Philosophy of Science, 61, p. 629-645.

Thagard Paul (1996), Mind : Introduction to Cognitive Science, Cambridge, MIT Press.

Thagard Paul (à par.), « Ulcers and Bacteria. 1. Discovery and Acceptance. 2. Physical and Social Interactions », Studies in History and Philosophy of Science [NdlR : articles parus en 1998].

Notes

1 Cette recherche a été soutenue par le Social Sciences and Humanities Research Council du Canada. Je remercie Kathleen Gorman pour l’assistance apportée à ma recherche. J’ai bénéficié de conversations avec Dedre Gentner et Ziva Kunda, et d’une suggestion faite par Sharon Derry. Gary Oison et Ed. Hutchins ainsi que deux référents anonymes ont apporté de précieux commentaires sur une rédaction précédente. La correspondance et les demandes de tirés à part doivent être adressées à l’auteur au département de philosophie, université de Waterloo, Waterloo, Ontario, Canada, N2L 3G1. E-mail : pthagard@watarts.uwaterloo.ca.

2 Pour une vue d’ensemble des sciences cognitives, cf. Thagard (1996).

3 Par exemple, John Holland, Keith Holyoak, Richard Nisbett et moi-même avons passé plus d’un an en rencontres et conversations régulières avant d’envisager d’écrire un livre ensemble.

Notes de fin

1 Traduction de « Collaborative Knowledge », Noûs, 31 (2), 1997, p. 242-261.

Table des illustrations

Légende Figure 1. Pourcentage d’articles à plusieurs auteurs dans les revues de sciences physiques et biologiques (ligne du haut), de sciences sociales (ligne du milieu) et de sciences humaines (ligne du bas). Extrait de Merton (1993, p. 157).
URL http://books.openedition.org/editionsehess/docannexe/image/11329/img-1.jpg
Fichier image/jpeg, 64k
Légende Figure 2. Pourcentage d’articles à plusieurs auteurs dans les revues retenues pour l’année 1992. PMLA = Proceedings of the Modern Language Association, dont le volume de 1992 ne comporte aucun article écrit à plusieurs.
URL http://books.openedition.org/editionsehess/docannexe/image/11329/img-2.jpg
Fichier image/jpeg, 84k
Légende Figure 3. Nombre moyen de co-auteurs dans les revues retenues pour l’année 1992.
URL http://books.openedition.org/editionsehess/docannexe/image/11329/img-3.jpg
Fichier image/jpeg, 64k
Légende Figure 4. La nature de la collaboration entre Holyoak et Thagard (1995). Les noms au-dessus de Holyoak sont ceux de ses collaborateurs à l’université du Michigan ; au-dessous figurent ceux qui ont travaillé avec lui à UCLA. Les noms au-dessus de Thagard sont ceux de ses collaborateurs à l’université de Princeton ; au-dessous figurent ceux qui ont travaillé avec lui à l’université de Waterloo. Tous les collaborateurs nommés ont été co-auteurs des articles publiés.
URL http://books.openedition.org/editionsehess/docannexe/image/11329/img-4.jpg
Fichier image/jpeg, 79k

Auteur

Philosophe, University of Waterloo.

Maria Teresa Pontois (Traducteur)

© Éditions de l’École des hautes études en sciences sociales, 2007

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