Version classiqueVersion mobile

La cumulativité du savoir en sciences sociales

 | 
Bernard Walliser

Cumulativités et dynamiques des sciences sociales

The cumulativities and dynamics of the social sciences

Pierre Livet

Résumé

Les sciences sociales ne peuvent prétendre à une cumulativité additive que marginalement. Mais elles peuvent satisfaire les conditions d’une cumulativité dynamique : les suppressions et refontes se font en assurant de proche en proche une continuité partielle, du moins si l’on utilise rétrospectivement les catégories de la théorie plus récente, en tenant la théorie plus ancienne pour un modèle incomplet. On peut ainsi transposer en sciences sociales deux des trois conditions d’une cumulativité dynamique qui ont été définies comme principes de cohérence au cours de révisions (en économie entre choix collectifs et en logique entre raisonnements dont les conclusions sont révisables). Cette perspective permet de ne pas se borner en sciences sociales à des stratégies qui justifient l’absence de cumulativité par des défauts du domaine et des objets étudiés, et de donner des versions positives de ces justifications, en les reliant à la fois à l’incomplétude des modèles des interactions sociales et à la dynamique de révision perpétuelle qui est celle des sciences sociales.

Texte intégral

I. Cumulativité additive et cumulativité dynamique

  • 1 Si le savoir présente la forme d’un arbre, toute branche conserve le tronc initial, mais chacune d’ (...)

1La notion de cumulativité n’est pas univoque, et plusieurs versions en sont possibles. La plus simple tient à ce qu’une discipline produit des résultats qui s’ajoutent les uns aux autres sans que jamais un résultat suivant n’amène à devoir retirer ou exclure un résultat précédent du champ du savoir. C’est une cumulativité additive. Il semble que les mathématiques la satisfassent : aucun théorème une fois démontré n’est ensuite invalidé. Cependant, la portée des théorèmes peut être fortement réduite. Euclide pensait ses théorèmes valides pour toute géométrie, et certains d’entre eux ne sont pas valides pour les géométries non euclidiennes. Si le résultat n’est pas mis hors course, une partie de son extension présupposée l’est bel et bien1. Il risque d’en être ainsi en économie. Quand l’économie s’intéressera principalement aux conditions proches de l’économie effective, les théorèmes sur l’équilibre général, qui supposent des conditions impossibles à satisfaire dans l’économie réelle, resteront valides dans l’abstrait, mais leur extension sera réduite à des mondes possibles à la fois très limités et tout à fait idéaux. La cumulativité additive est certes un gage de cohérence de la théorie et de stabilité de ses résultats dans un domaine dont il reste à mieux préciser les limites – l’extension des résultats par adjonction ou addition se payant ensuite par une réduction de leur domaine d’application par rapport à d’autres domaines plus étendus que l’on découvre ensuite. Mais elle ne rend pas compte de la créativité scientifique, qui explore de nouvelles pistes et forme de nouveaux concepts.

2En dehors de l’économie, les sciences sociales prétendent rarement à cette cumulativité additive. Les données sont supposées pouvoir se cumuler en histoire, mais sans que les théories qui les utilisent le puissent pour autant (cf. Jacques Revel, ici-même). En linguistique, les données s’accumulent mais les théories qui se succèdent ne sont pas toutes commensurables, du moins dans le domaine syntaxique (cf. Claire Beyssade, ici-même). En sociologie, on soupçonne les données de ne pas être vraiment cumulables dans la mesure où leur catégorisation dépend elle-même de l’évolution sociale (cf. Gérard Lenclud, ici-même).

3Il nous semble cependant que l’on peut tenter de définir les exigences d’une cumulativité que certains travaux des sciences sociales (y compris hors de l’économie) pourraient satisfaire. Il s’agirait d’une cumulativité dynamique, qui va de pair non pas avec des accumulations mais au contraire avec des révisions. Le moteur de la poursuite d’une enquête scientifique, ce n’est en effet pas l’addition de résultats, mais au contraire la mise à l’épreuve des propositions précédentes et leur reformulation de manière à tenir compte des conflits avec l’expérience. Le cœur de cette cumulativité, qui permet de continuer d’aller de l’avant, qui assure donc la continuité de la dynamique, c’est alors la conjonction d’une remise en question et d’une refonte qui permet de surmonter la remise en question. Cette refonte est liée à la créativité scientifique. Comme cette remise en question peut aller jusqu’à modifier des concepts fondamentaux, les résultats d’une telle cumulativité peuvent aller jusqu’à des changements de paradigmes.

4Nous utiliserons une interprétation des conditions formelles qui s’imposent quand on veut faire des révisions pour montrer que la cumulativité dynamique en sciences sociales peut s’entendre au sens de trois conditions, dites de Préférentialité, de Cumulativité et de Monotonie rationnelle, et plutôt au sens des deux premières qu’au sens de la troisième. Nous montrerons aussi que les difficultés des sciences sociales tiennent à ce qu’elles doivent tenir compte, dans leur explication des phénomènes sociaux, de la manière dont ces phénomènes collectifs sont influencés par les modèles que se font les acteurs sociaux de leur société, alors même que ces modèles, qui appartiennent à la catégorie dite des « modèles inverses », sont incomplets. Mais il nous faut d’abord identifier les différentes stratégies par lesquelles les sciences sociales tentent de répondre à ceux qui les accusent de ne pas être cumulatives, et montrer en quoi elles peuvent donner lieu soit à des esquives qui reviennent à éviter les révisions, soit au contraire à une dynamique de remise en question.

II. Les découplages

  • 2 Pour une falsification et pour une révision, le point de démarrage est une contradiction entre une (...)

5Toutes ces stratégies sont des variantes de ce qu’on peut appeler la stratégie du découplage. Posons le problème de la remise en question d’une manière générale. Un conflit entre les propositions inspirées d’une théorie – puis formulées dans un modèle – et les observations de l’expérience met d’abord en question le modèle, et ensuite, si les contradictions s’accumulent, la théorie. Pour restaurer la cohérence, il va nous falloir modifier certaines des propositions du modèle puis de la théorie2, mais nous ne souhaitons pas tout jeter de ces propositions. Les découplages consistent alors en différentes manières de préserver certaines propositions contre la révision.

  1. La plus radicale est de conserver toutes les propositions. Nous réglons alors le problème des incohérences en isolant des ensembles de propositions les uns des autres. Nous avions faussement supposé qu’il n’y avait qu’une seule théorie pertinente sur le domaine, nous pensons maintenant qu’il y en a plusieurs et que chaque théorie façonne en fait sur un terrain apparemment commun des domaines interprétatifs différents.

  2. Les sources de révision sont des informations que nous tenons pour données, et nous ne réviserons pas les données, puisque ce sont elles nos indicateurs de révisions, mais nous accepterons de réviser les modèles et les théories. Cela suppose que l’on puisse mettre à part les données, ce que supposent souvent implicitement les historiens (cf. J. Revel).

  3. Nous noterons que certaines des inférences de notre théorie perdent leur pertinence quand on modifie le contexte d’application. Nous allons donc tenter d’identifier ces changements de contexte, sans prétendre en tirer autre chose qu’une liste de précautions à prendre quand on change de contexte.

  4. Inversement, il est certains ensembles de contextes dans lesquels nous semblons pouvoir accumuler des informations sans qu’elles donnent lieu aux révisions de nos inférences. Elles ajoutent simplement la possibilité de nouvelles inférences. Un tel ensemble constitue un territoire de recherche, parfois dénommé « aire culturelle » (cf. G. Lenclud).

  5. Nous pouvons repérer des inférences qui peuvent se transférer d’un contexte à l’autre, mais de manière indépendante du système d’inférence dans lequel nous les rencontrions initialement. Nous conservons ainsi ces inférences en passant d’un contexte à un autre (c’est le rôle des « mécanismes » psychosociaux qu’étudie Jon Elster), à la condition de laisser de côté d’autres inférences qui, elles, ne se transfèrent pas.

  6. Nous distinguons non plus des « aires », des territoires ou des groupes d’inférence, mais des niveaux d’explication. Chaque niveau peut avoir ses régularités propres, qui ne sont pas déductibles des autres niveaux, et cependant nous disposons de modes d’inférences qui nous permettent de passer d’un niveau à un autre, bien que ces transitions ne soient pas complètes – sinon, les niveaux se réduiraient les uns aux autres. On combine ici des possibilités offertes par (4) et (5) (cf. Alban Bouvier, ici-même).

  7. Les simulations en économie, voire en sociologie, nous offrent de nouvelles possibilités. Notre révision, quand les résultats des simulations sont trop en désaccord avec les données, consistera à réviser les paramètres de la simulation avant de réviser ses fondements théoriques. C’est là profiter des facilités que nous offrent les complexités de simulations, complexités qui nous dotent d’un potentiel de variations tel que les données dont la simulation initiale ne rendait pas compte peuvent être récupérées par ces variations. Le problème est alors que nous risquons de ne plus savoir quand réviser notre théorie. Mais on voit que c’est un problème qui se pose pour toutes ces stratégies de découplages, de mise à l’abri de la révision de certains pans de nos connaissances.

6Revenons brièvement sur ces différents découplages.

7La première forme de découplage consiste à opposer divers paradigmes concurrents tout en admettant leur coexistence. Puisqu’ils utilisent des catégorisations incomparables entre elles, ils ne peuvent pas entrer réellement en conflit, si bien qu’entre eux ils ne donnent pas prise à révision.

8La deuxième forme de découplage consiste à séparer les données d’une part et les explications, théories et interprétations de l’autre. Les premières sont accumulées, les secondes donnent lieu à révision. C’est ce qui se passe en histoire et en linguistique – à première vue du moins.

9La troisième forme consiste à découper et à distinguer différents contextes de validité d’une proposition, qui n’est pas à strictement parler invalidée en dehors de ces contextes parce qu’elle y devient simplement non pertinente. La différence entre contextes et territoire est que l’on peut découvrir une différence entre contexte simplement parce qu’une conclusion valide dans un contexte perd de sa pertinence dans un autre, sans qu’on ait encore une idée précise des contours et des limites du contexte en question. Au contraire le domaine ou le territoire de recherche sont d’avance assez bien définis. C’est une méthode fort utilisée en sociologie, mais aussi en histoire.

10La quatrième forme consiste à cumuler les données et les explications mais en les cantonnant à l’intérieur d’un domaine, voire d’un territoire spatial donné – c’est ce qui se passe en histoire et en anthropologie. La théorie générale peut changer, on conservera trace de ses explications à l’intérieur d’un domaine (histoire économique) ou d’un territoire donné (Afrique de l’Ouest), mais peut-être pas dans un autre.

  • 3 A-t-on affaire à une cumulativité « arborescente » ? Il faudrait définir le tronc commun.

11L’idée qui vient à l’esprit, une fois admise la contextualité des sciences sociales, est qu’une discipline pourrait y consister d’une part en une collection de territoires, et pour le reste en une sorte de pavage de contextes complémentaires les uns des autres. L’unité de la discipline tiendrait alors non pas à une homogénéité ou à une cohérence, mais au contraire à des développements incohérents entre eux parce que les uns sont les compléments des autres. La priorité épistémique des propositions change quand on change de contexte. Une telle configuration pourrait s’être dessinée par exemple entre l’histoire économique et l’histoire des mentalités3.

12Le cinquième mode de découplage est plus sophistiqué. Il consiste à distinguer des échelles d’objets, des granularités des explications et à faire des différences entre les capacités de transfert d’une explication d’un domaine à un autre. Supposons par exemple que nous ayons identifié ce qu’Elster appelle des petits mécanismes (des mécanismes psychologiques individuels ou collectifs locaux facilement reconnaissables, parfois exprimés sous forme de proverbes). Nous travaillons alors à une échelle réduite, mais avec un grain grossier, puisque ces explications n’identifient que très sommairement les processus psychologiques effectifs. De tels mécanismes sont aisément transférables d’un domaine à un autre, précisément parce qu’ils fonctionnent localement – ils n’exigent pas de transformation globale de la théorie du domaine de transfert – et de manière grossière – ils sont peu sensibles à des différences pourtant repérables. Nous n’avons pas alors besoin de réviser souvent ces mécanismes. Cela nous permet d’échapper aux révisions importantes que nous devrions par exemple engager si nous avions construit de grands mécanismes qui prétendent fonctionner à différentes échelles (par exemple en macro-économie un modèle du Plan) mais qui ne permettraient plus de rendre compte des évolutions économiques récentes.

13Un sixième mode de découplage consiste à travailler à différents niveaux (par exemple en économie : micro-, méso-, et macro-économique, ou en sociologie : les individus, leurs interactions, les structures sociales ; A. Bouvier réunit les deux structures dans son article). On peut ainsi éviter d’avoir à réellement réduire le niveau macro au niveau micro. Mais dans bien des cas cette relative étanchéité n’est pas possible : l’agrégation des interactions micro-économiques fait basculer les effets macro-économiques de manière chaotique, si bien que les stabilités structurelles macro-économiques (ou sociologiques) sont à remettre en question. Les distinctions entre les niveaux peuvent aussi permettre une cumulativité simplement partielle, si les conditions d’interaction au niveau micro peuvent se retrouver dans certains domaines au niveau méso, mais pas au niveau macro, et si dans d’autres domaines ce sont d’autres conditions méso qui se retrouvent au niveau macro.

14La dernière forme de découplage est un peu paradoxale. On la rencontre, on l’a dit, dans des approches scientifiques récentes, qui consistent à produire des simulations informatisées de l’évolution d’entités collectives en sciences sociales – des villes, des réseaux sociaux, etc. (cf. Denise Pumain, ici-même). Si une simulation qui obéit à des relations simples ne correspond pas aux données observées, on pourra compliquer le modèle de manière à retrouver une similarité entre les données et les formes d’évolution simulées. On ne soustrait pas des éléments à la révision comme dans les découplages les plus simples. On peut simplement mimer à l’intérieur du modèle les relations de révision qui, en principe, articulent le modèle et la réalité via les données. Ce qui rend cela possible, c’est que la complexité de la simulation est d’un ordre qui n’est pas tellement inférieur à celui de la réalité visée, ou du moins des données sélectionnées sur cette réalité. Cette complexité dispose d’un potentiel de variation qui peut absorber toute révision. On risque d’en venir en fait à découpler le modèle de la réalité, en instaurant une forme de révision interne au modèle, dont rien ne nous assure qu’elle permette de rapprocher le modèle de la réalité. Les producteurs de simulations nous diront au contraire que la simulation permet d’envisager des situations qui contredisent la théorie alors même qu’on serait incapable de rencontrer ces situations dans le monde actuel. Cette proposition est vraie, mais sa vérité reste compatible avec la validité de la précédente.

III. Modèles et expériences

  • 4 Si tout découplage pouvait être interprété comme mise à l’épreuve, la différence entre ces concepts (...)
  • 5 F. Suppe, The semantic conception of theories and scientific realism, Champaign, University of Illi (...)

15Ces découplages, si on les considère en ayant à l’esprit que l’essentiel pour une science est de pouvoir construire des hypothèses et les soumettre à des tests, peuvent donc apparaître comme autant de stratégies d’immunisation contre toute mise à l’épreuve par constatation de conflits avec le réel. En fait, s’il est toujours possible de les comprendre comme autant d’immunisations, il est aussi souvent possible de les interpréter comme autant de modalités différentes de ce rapport de mise à l’épreuve4. Il est alors intéressant de voir à quelles conditions ce qui apparaît d’abord comme découplage peut être justifié comme mode de mise à l’épreuve. Pour le comprendre, il faut d’abord nous interroger sur ce qu’est ce rapport, et ce qui lui est essentiel. Situons-nous, en suivant Frederick Suppe et Bas Van Fraassen5, non pas dans le schéma de confrontation directe d’une théorie à la réalité, mais dans un schéma à quatre termes : théorie-modèle-processus expérimentaux-réalité. Il a plusieurs avantages. Dans le premier schéma direct, la correspondance entre théorie et réalité ne peut pas être partielle, parce que pour estimer en quoi elle serait partielle, il nous faudrait disposer d’un cadre qui englobe toute la réalité, de manière à pouvoir situer les lacunes (comme les « terra incognita » sur les vieilles cartes). Au niveau de ce cadre, la correspondance doit être totale. Or si notre théorie est partielle, elle ne nous donne justement pas ce cadre. Dans le second schéma, nous n’avons besoin que de relations partielles : les processus expérimentaux ne donnent accès qu’à des aspects saillants de la réalité, ils sélectionnent des singularités qui nous servent de repères. La théorie est incomplète, elle ne précise pas tous les paramètres des différents modèles, qui doivent simplement assurer une cohérence logique avec ses règles et principes. Les modèles ne spécifient pas tous les aspects des processus expérimentaux. Nous pouvons donc remplacer une exigence de correspondance complète par une succession d’articulations partielles.

16Il reste cependant absolument nécessaire que nous puissions établir en quoi une donnée d’expérience contredit notre modèle ou est en fort conflit avec lui. Nous construisons en principe le protocole expérimental de manière à nous placer dans la situation la plus favorable pour un conflit avec le modèle – d’après les attentes non complètement modélisées que nous avons sur ce qui est plausible, étant donnée la théorie d’arrière-plan admise et nos expériences précédentes. Quand ce conflit supposé normal ne se produit pas, nous en concluons que le modèle a résisté à l’épreuve, et nous lui octroyons une certaine confiance. Quand il se produit, nous tentons des révisions. Nous pouvons d’abord suspecter des imperfections dans la réalisation du protocole expérimental, puis nous mettons en question des paramètres du modèle, puis ses fonctions spécifiques. Ces révisions doivent satisfaire deux exigences : elles doivent restaurer la cohérence entre le modèle modifié et les données d’expérience. Elles doivent toujours assurer la possibilité de mise à l’épreuve du modèle par le montage d’expériences.

17Nous ne remettons jamais directement en cause la théorie, parce que dans ce cas la révision exigerait une refonte des catégories, processus pour lequel aucune méthode formalisable n’est disponible. Mais cette refonte reste l’horizon ultime de toute révision. En simplifiant, deux processus opposés peuvent assurer cette refonte. Le premier consiste à constater l’accumulation des révisions de modèles telle que la cohérence de ces révisions entre elles devient de plus en plus compliquée à assurer, voire devient impossible à concilier avec l’exigence de mise à l’épreuve (nous accumulons des modèles ad hoc). Accumuler les exceptions revient en fait à progressivement changer les rapports entre ce qui était considéré comme une attente normale et ce qui ne l’était pas, si bien qu’un jour, nos attentes changent, et avec elles la configuration des concepts théoriques, qui sont recomposés. Le second consiste à proposer directement une restructuration des relations entre les concepts théoriques, qui prend prétexte d’un conflit expérimental, mais dont l’intérêt principal est, en remodelant les attentes normales, d’attirer notre attention cognitive en faisant d’exceptions des régularités et de régularités des cas particuliers, de telle manière que la nouvelle structure catégorielle soit plus englobante que la précédente. Quel que soit le processus, cette refonte aussi doit satisfaire nos deux exigences : les nouvelles catégories doivent restaurer la cohérence à l’intérieur de la nouvelle théorie et entre les différents modèles et la nouvelle théorie, et la mise à l’épreuve doit toujours rester possible. En résumé une science doit répondre aux deux exigences de mise à l’épreuve par un test le plus exigeant possible et de remise en cohérence, et elle doit pouvoir le faire au double niveau de la remise en cohérence des modèles avec l’expérience et de la refonte des catégories.

18La cumulativité qui est ici assurée n’est pas celle d’une accumulation de résultats, ou d’une perpétuelle extension à partir des mêmes bases théoriques vers de nouveaux domaines, bref d’une cumulativité additive. Elle est au contraire celle que nous appelons cumulativité dynamique. La refonte n’est évidemment pas cumulative au sens usuel. Ce qui est cumulatif, c’est d’une part la remise en cohérence, et c’est surtout le maintien à travers les refontes des principes mêmes qui assurent la scientificité, à savoir la satisfaction de ces exigences de remise en cohérence et de mise à l’épreuve, tout en produisant de nouveaux résultats au lieu de simplement ressasser les précédents – mais cela se fait au prix d’une relativisation ou même d’une élimination de résultats précédents. Si l’état ultérieur d’une science est le produit d’une révision de son état antérieur guidée par les exigences de mise à l’épreuve et de remise en cohérence, alors les éliminations de résultats antérieurs participent tout autant à cette cumulativité dynamique que la production de résultats nouveaux.

IV. Ramener les découplages à des mises à l’épreuve

19Est-il possible de réinterpréter les différents découplages pour y voir d’autres manières de respecter ces exigences centrales pour toute science, et à quelles conditions peut-on le faire ? On dira qu’il n’existe pas de protocole expérimental dans la plupart des sciences humaines, parce qu’il n’existe pas d’expérience répétable. Mais il n’existe à proprement parler d’expérience répétable dans aucune science – sinon en négligeant les différences de temps, de lieu, de composition exacte des matériaux, etc. L’important est que, quelles que soient les conditions d’expérience, elles soient favorables à une mise à l’épreuve.

  • 6 À cet égard, une lecture un peu différente de celle de Lenclud est possible : l’imprégnation des do (...)

20De même, noter que les données expérimentales restent toujours imprégnées de théorie comme le fait G. Lenclud n’est nullement noter un manquement à nos exigences. Au contraire, pour qu’une expérience soit une mise à l’épreuve, il faut qu’elle soit imprégnée et par la théorie admise, et par les fonctions cohérentes avec la théorie mais propres au modèle, et par les attentes que le scientifique entretient sans totalement les formaliser, comme nous venons de le voir. C’est l’agencement de ces diverses imprégnations et surtout la possibilité qu’elles soient en conflit, qui permet la mise à l’épreuve6.

21À première vue, la première forme de découplage (admettre la coexistence de paradigmes concurrents, position que l’on pouvait attribuer à Jean-Michel Berthelot) semble ne pas permettre de mise à l’épreuve. Pour lui donner ce statut plus scientifique, il faut pouvoir analyser ces coexistences de manière à désigner ce que seraient les lieux d’expérience qui présentent des défis majeurs pour chaque paradigme. Ainsi un défi pour l’individualisme méthodologique, c’est de rendre compte de l’émergence de normes collectives de coopération, dans des situations où la coopération donne lieu à des défections et où punir ceux qui font défection est très coûteux. Un défi pour une sociologie holiste, c’est de rendre compte de manière opératoire (et qui puisse être mise à l’épreuve des données observables) de l’évolution des normes dans leur mise en pratique par des individus dans différents groupes et différentes situations. Une issue possible de ces défis est une refonte des catégories, qui montrerait que dans la formulation envisagée certains défis ne sont pas pertinents, parce qu’ils mènent à des impasses quand on tente de passer à la mise à l’épreuve.

22La séparation entre données et travail explicatif et d’interprétation peut aussi être reprise dans cette perspective. Plus les données restent réutilisables pour des refontes théoriques successives, mieux elles jouent leur rôle dans la mise à l’épreuve, puisque les théories suivantes devront se confronter aux données dont rendaient compte les théories précédentes. Cependant, on ne peut prétendre qu’on pourrait accumuler les données et les réutiliser sans avoir à réétudier la pertinence de leur formatage pour une mise à l’épreuve différente. Mais si ce nécessaire reformatage est possible sans détruire la majeure partie des caractéristiques de la donnée (par exemple un reclassement des formes de poteries en archéologie – cf., ici-même, Alain Gallay et Jean-Claude Gardin) et qu’elle puisse toujours jouer son rôle dans ces nouvelles mises à l’épreuve, alors le découplage des données par rapport aux interprétations aura en fait consisté à maintenir la fonction de la donnée dans une mise à l’épreuve, tout en autorisant la refonte des concepts théoriques, et nos deux exigences seront pleinement satisfaites. Le formatage informatique des données devrait donc être orienté vers la facilitation de cette reprise des données par des refontes catégorielles. La solution de ce problème difficile exigerait de construire un système qui repère non pas des données absolues, mais les différences des données entre elles (relativement les unes aux autres) et qui soit capable d’ajouter des différences (en reprenant les mêmes objets ou documents) chaque fois qu’une nouvelle donnée est introduite.

  • 7 La cumulativité dynamique est donc ici plus exigeante que la cumulativité additive « arborescente » (...)

23Venons-en à l’idée de la complémentarité entre contextes. Le repérage du passage d’un contexte à un autre est une étape de la dynamique de révision, qui permet de constater qu’un modèle est défaillant quand on change son extension. Il reste alors soit à tenter une refonte pour trouver une théorie plus générale, soit, plus modestement, à définir ce qu’il faut changer comme régime d’inférences – et donc comme modèles – quand on change de contexte. La théorie deviendra alors une théorie des transitions entre contextes7.

24La restriction du cumul des données et des explications à un territoire ou à un domaine (l’art de la côte Nord-Ouest, les royautés africaines, le sacrifice en Inde, selon Lenclud), quand elle n’est pas le moyen de mettre à l’épreuve sur des objets communs des interprétations théoriques divergentes, peut simplement être le résultat d’une telle mise à l’épreuve. Les théories plus ambitieuses (à la Lévi-Strauss) tentent au contraire de chercher des objets extra-territoriaux comme autant de défis à relever. Le repli sur des théories localisées résulte d’une démarche utile dans une révision : montrer les lacunes conceptuelles qui se révèlent quand on passe d’un contexte à un autre. Pour montrer ces lacunes, il est utile de disposer d’autres théories qui prennent le même objet ou du moins qui l’intègrent dans d’autres perspectives. Cependant, quand il faut passer à l’étape de la refonte des concepts, une refonte théorique qui consisterait seulement à réduire la portée de ces concepts à un territoire donné irait dans un sens contraire à l’exigence de liaison entre refonte (remise en cohérence) et remise à l’épreuve.

  • 8 Comme le suggère en passant Lenclud, la notion de récit pourrait se concevoir comme la combinaison (...)

25Travailler sur des petits mécanismes plus aisés à transférer d’un domaine à l’autre c’est s’immuniser contre les mises à l’épreuve, mais devoir dans chaque nouveau domaine de transfert reconstruire la cohérence de ces petits mécanismes avec les opérations plus générales de la théorie du nouveau domaine – par exemple quand on tente d’intégrer la prise en compte des émotions dans l’analyse des prises de décision en économie – c’est, au contraire, faire de ces transferts des mises à l’épreuve8.

  • 9 J. S. Coleman, Foundations of social theory, Cambridge (MA), Harvard University Press, 1990.
  • 10 Pour éviter l’immunisation, il faudrait savoir mettre à l’épreuve la validité de chacune des articu (...)
  • 11 Les agents individuels doivent par exemple renoncer à certaines entreprises si l’état virtuel n’est (...)

26La distinction des niveaux est une tentative d’immunisation quand on prétend que les modèles de chaque niveau peuvent être indépendants, et qu’ils n’ont à converger que sur les inputs et les outputs observés – c’est la seule contrainte que satisfait le célèbre « bateau » de James Coleman9 ; on y part de données macroéconomiques, on redescend de ces données macro-économiques aux individus qui les font émerger, on étudie les interactions entre les individus, on agrège leurs résultats au niveau collectif, et on relie les entrées et sorties au niveau macro par des régularités qui se trouvent assurer des résultats similaires à ceux des interactions interindividuelles. Dans ce cas les régularités macro seraient des explications surnuméraires10. Pour que la différenciation des niveaux ne soit pas une immunisation ou la construction d’une superstructure inutile, il faut disposer d’un test d’autonomie relative du niveau supérieur. On peut proposer le test suivant, qui revient à montrer quel effet « descendant » a le niveau collectif sur les individus. Il exige de repérer deux états collectifs, dont l’un est actuel et l’autre virtuel (passé, voire futur). Si le comportement des agents individuels exige pour être expliqué qu’ils tiennent compte non seulement de l’état actuel du collectif, mais de son état virtuel11 – par exemple d’une capacité à réactiver dans le futur un état similaire à l’état passé –, alors l’ensemble collectif qui comprend dans une cohérence l’état passé et l’état actuel a bien une incidence sur le niveau micro.

27Cette analyse s’applique d’ailleurs réflexivement au projet même de ce livre. La division de l’analyse de la cumulativité en plusieurs niveaux (proposée par Jean-Michel Berthelot et Bernard Walliser) : cumulativité des données, cumulativité des modèles, cumulativité des théories et des programmes, est commode pour diviser les domaines d’analyse, mais elle présente aussi le danger d’immunisation propre à tout découpage en niveaux. À la prendre à la lettre, il deviendrait impossible de donner un sens à la cumulativité qui soit autre que celui d’une accumulation limitée à chaque niveau. Mais alors la dynamique scientifique disparaîtrait. C’est en effet au nom du conflit des données expérimentales, non pas avec les données précédentes mais avec les prédictions des modèles précédents, issues de la théorie passée, que la construction des modèles actuels amène à réviser la théorie actuelle. La cumulativité dynamique exige par exemple de changer de comportement au niveau des modèles, quand on constate une discordance entre la théorie en vigueur et une théorie en train de se construire et qui restaurerait la cohérence. Elle exige la circulation d’influences descendantes et d’influences ascendantes, ce que Berthelot et Walliser ont formulé comme l’exigence de combiner cumulativité horizontale (entre objets de même niveau) et cumulativité verticale (entre objets de différents niveaux).

28Le dernier type de découplage est celui qui consiste à développer des modèles (des simulations) d’une complexité suffisante pour qu’on puisse y développer des dynamiques de révision interne, sans sortir de la théorie qui les englobe, si bien que tout conflit avec les données d’expérience peut se trouver repris par une variante des simulations. La réponse à ce danger est que ce ne sont plus les données qui deviendront alors sources de révisions, c’est l’inventivité théorique qui amènera à produire de nouveaux modèles, dont l’intérêt sera de réduire le degré de complexité de certaines simulations et, donc, de diminuer leur capacité à simuler par des complications la dynamique de révision. Cela nous montre bien que la cumulativité dynamique ne peut pas reposer seulement sur la mise à l’épreuve par l’expérience, et qu’elle exige des capacités de refonte des concepts, qui nous apparaissent aussi maintenant comme producteurs de nouvelles mises à l’épreuve.

  • 12 Pour estimer ce potentiel, nous devons considérer les phénomènes expliqués par la théorie précédent (...)

29Nous pouvons à présent rassembler les critères qui nous permettent de revenir des tentatives de découplages à la cumulativité dynamique, et qui permettent de mieux la cerner. Elle exige d’éviter les immunisations contre des mises à l’épreuve, de rechercher à retrouver une cohérence des modèles et données, des modèles entre eux, et avec la théorie, cela si nécessaire par une refonte des concepts. Enfin cette refonte ne doit pas appauvrir le potentiel d’explication de la théorie et de ses modèles12. Il n’est donc pas nécessaire de disposer d’une théorie formalisée et qui conserve un cœur de concepts stables à travers toutes les périodes de l’enquête scientifique pour que la cumulativité dynamique persiste. Il suffit qu’à chaque refonte conceptuelle on conserve une sensibilité à la révision – une possibilité de mise à l’épreuve et de remise en cohérence – et que l’extension des faits expliqués, tels que le nouveau découpage conceptuel les catégorise, soit plus riche.

V. Modèles inverses incomplets

30Admettons que la plupart des sciences humaines et sociales utilisent les procédés de découplages que nous avons recensés, et qu’ils sont nécessaires à leurs méthodologies. Nous venons de voir que cela ne priverait pas forcément ces disciplines d’une cumulativité dynamique, mais quelle justification pourrions-nous trouver d’une telle nécessité ?

31Notre hypothèse est que cela tient aux objets des sciences sociales. Ils ne consistent pas seulement dans des faits indépendants des acteurs, mais ils intègrent les manières dont ces acteurs se rapportent à ces faits. Or aucun acteur ne dispose d’une théorie complète des faits en question. D’une part, l’objet de sa théorie « naïve », à savoir sa société, ne peut pas être atteint directement. Il est un peu dans la situation de celui qui, tentant de reconstruire à partir de sa vision un monde qu’il suppose à trois dimensions, ne dispose en fait que d’informations qui sont essentiellement en deux dimensions (ainsi sur la surface de notre rétine).

  • 13 On pourrait penser que, puisque l’on construit un modèle en remontant des observations, un modèle e (...)

32Un problème de ce type est souvent désigné sous le nom de « modèle inverse ». Pour prendre un autre exemple, un modèle direct de la trajectoire d’une masse en mouvement nous permet de déterminer quelle est la trajectoire optimale en fonction des contraintes d’inertie, etc. de cette masse. Déterminer le modèle inverse consiste, une fois donnée cette trajectoire optimale, à définir des forces appliquées à une masse, qui puissent lui faire décrire cette trajectoire, par exemple pour concevoir un robot qui se déplace. Dans le cas de la vision, nous partons d’un modèle des objets dans l’environnement, objets qui satisfont certaines contraintes (connexité, rigidité, masquage partiel d’un objet placé derrière par un objet placé devant, etc.) et nous tentons de définir le modèle inverse de processus de traitement des signaux lumineux qui permettent de satisfaire ces contraintes pour arriver à une vision des objets. Mais alors que nous pourrions espérer n’avoir qu’à inverser le modèle direct de la trajectoire pour calculer la vitesse du robot, ce n’est plus possible pour la vision parce que les données rétiniennes sont sous-déterminées par rapport aux objets à reconstruire. Plus généralement, on parle de « méthodes inverses » pour désigner par exemple le calcul d’une droite de régression – qui, par la méthode des moindres carrés, nous permet de calculer la droite dont les distances aux points d’un nuage de données sont les plus faibles – et en général la remontée des observations vers des modèles13. L’acteur social doit opérer par méthode inverse, mais il ne dispose pas du modèle direct de la société, et il n’a que des données sous-déterminées : non seulement son modèle inverse ne peut être obtenu par inversion d’un modèle direct, mais il est de plus incomplet.

  • 14 Le monde environnant dépend aussi de nos capacités visuelles, entre autres parce que nous avons ten (...)

33En effet, il ne peut prétendre que la société est un objet déjà bien déterminé et auquel il puisse confronter aisément ses reconstructions – puisqu’en fait, la société dépend au moins partiellement des reconstructions des acteurs14. L’acteur social doit donc résoudre un problème « inverse incomplet » (reconstruire ce sur quoi il lui manque des données) mais sans avoir les certitudes d’un modèle direct concernant la stabilité, l’homogénéité et la structure de son objet. D’autre part, l’acteur social n’utilise pas qu’un seul modèle pour traiter ce problème inverse. Il en utilise plusieurs, chacun lié à différentes interactions avec d’autres acteurs – ou avec différentes institutions. C’est ce que des sociologues ont repéré sous différents termes (stratégies des acteurs, homme pluriel, etc.). Se pose alors le problème des interfaces et articulations entre ces différents modèles, stratégies ou cités. Une grande partie du travail des sociologues consiste d’ailleurs à trouver des critères pour différencier ces modèles. Or rien ne garantit que tous ces modèles inverses vont satisfaire les mêmes contraintes, et donc converger vers un unique modèle direct de la société de ces acteurs. La pluralité des modèles inverses et leur incomplétude vont donc jusqu’à mettre en question l’existence d’un modèle direct de la société.

34Les physiciens ont aussi ce problème quand ils tentent de comprendre le comportement d’un artefact qui présente un assemblage de plusieurs composants (métalliques et autres) quand il est soumis à des pressions et de la chaleur. Les modèles théoriques qui permettent de calculer les effets sur chaque matériau doivent être composés entre eux. Le calcul des intrications entre tous ces modèles devient peu traitable. On peut cependant avoir une compréhension suffisante de ces phénomènes si l’on renonce à préciser dans tous leurs détails les paramètres et qu’on se borne à une approche plus grossière, en tenant pour négligeables les variations qui restent dans des fourchettes, et en se concentrant sur les zones de transitions critiques. Si l’on tentait des précisions supplémentaires, on risquerait en les combinant de faire des prédictions assez éloignées des phénomènes, parce que les interactions entre les variables augmenteraient les effets des petites erreurs de ces pseudo-précisions.

  • 15 Notre vision commune de la science newtonienne ou laplacienne est bien celle de ce modèle direct, d (...)

35Les représentations du social, si elles sont des modèles inverses au premier sens – reconstruction d’un objet plus complexe mais mal connu à partir de données sous-déterminées – vont aussi utiliser la tactique des méthodes d’interfaces, et doivent donc se limiter à un grain de représentation des données relativement grossier, en ne visant pas une détermination complète de leur objet. Nous parlerons donc pour les désigner de modèles inverses incomplets. On peut leur opposer, à titre de caricature, l’idée d’une science de la société pour qui la société serait, comme le monde extérieur selon notre perception naïve, un être complètement déterminé. Ce projet consisterait à tenter de construire ce qu’on pourrait appeler un modèle direct de la société, un modèle qui exprimerait ses principales lois et dont il suffirait de préciser de mieux en mieux les conditions initiales et les paramètres pour pouvoir calculer son évolution15. Mais nous venons de voir qu’une telle perspective ne correspond pas à l’objet des sciences sociales, et que cette méthode doit donc cesser d’inspirer nos programmes de recherche.

  • 16 On n’évite donc pas le problème en admettant que tout modèle est obtenu de manière inverse par remo (...)
  • 17 C’est pourtant des sciences physiques que nous vient la notion de « méthodes inverses ».

36Il n’existe donc pas de société comme objet complet que des sciences humaines puissent espérer représenter par un modèle direct puisque la société est faite, pour sa partie non strictement réductible aux faits physiques, des effets collectifs des usages de ces modèles incomplets entretenus par les acteurs16. Or notre modèle de cumulativité scientifique est celui des sciences physiques, qui ont dans le passé obéi au principe du modèle direct très précis, et dont, par conséquent, les révisions sont lourdes à effectuer17. Les modèles inverses à ajuster en cours de route nous semblaient réservés à la vie courante, hors de l’enquête scientifique. Mais l’ensemble de ces « vies courantes » fait la société. La difficulté est alors de conserver une notion de cumulativité alors même qu’on étudie les effets de modèles incomplets ajustables au jour le jour et qui ne se soucient pas de cumulativité.

37Nous devons aussi tenir compte dans l’enquête scientifique du rôle de ses instruments d’observation. Dans les sciences physiques, nous pouvons espérer que l’instrument est lui aussi décrit par les modèles de la théorie physique. Dans les sciences humaines, les instruments de l’enquête économétrique, sociologique, anthropologique, historique sont des activités humaines qui impliquent des conversations, des enquêtes administratives, des définitions de prix, des classements d’objets culturels, des descriptions de rites, qui eux-mêmes utilisent des modèles incomplets réajustés en cours de route : les prix résultent d’ajustements en cours d’échanges, les descriptions de rites recourent aux aides des autochtones pour les comprendre, les catégorisations administratives dépendent de décisions locales des fonctionnaires (par exemple ceux qui décident de classer ou non une mort comme suicide, et qui peuvent être catholiques ou athées), etc. De plus, l’effet de l’observation sur l’observé est un problème récurrent. Les théories sociologiques sur l’école ont eu un effet sur la définition des motivations des enseignants ; donner aux agents le modèle de la théorie économique adoptée par le modélisateur peut soulever des problèmes en économie et, mutatis mutandis, en géographie. Certes l’historien ne peut plus agir sur les événements passés, mais son approche n’est pas exempte de ce genre de difficultés. D’une part les documents dont il dispose ont été produits en fonction de certaines intentions : les acteurs historiques avaient une sorte de modèle inverse de leur histoire (au sens où ils tentaient de s’en reconstruire une représentation à partir de données insuffisantes) ; d’autre part la société à laquelle l’historien appartient lui suggère certaines interprétations qui tiennent aux modèles incomplets dont dispose cette société (modèles incomplets parce que proposant des versions simplifiées d’aspects partiels de la société passée et de la société actuelle).

38Les sciences humaines sont-elles alors condamnées soit à devoir abdiquer toute exigence en matière de cumulativité, et reconnaître qu’elles resteront toujours au niveau d’un pullulement de modèles incomplets qui s’ajustent perpétuellement sans souci de cumulativité à plus long terme, soit à prétendre utiliser dans leurs descriptions et théorisations les exigences d’une cumulativité scientifique aux révisions lourdes alors que leur matériel d’observation est recueilli selon une dynamique complètement différente ?

39Une autre voie reste cependant ouverte aux sciences humaines et sociales. Cela exige de comprendre que les objets des sciences humaines ne sont pas des données seulement factuelles. Leurs véritables objets d’étude sont précisément les différences de fonctionnement mais aussi des articulations entre les multiples modèles inverses incomplets par lesquels les acteurs humains tentent de saisir leur société et par là même lui donnent son mode d’existence. En forçant un peu le trait, les objets des sciences sociales sont les procédés d’ajustement entre les modèles incomplets et leurs problèmes de révision. Et le moyen de mettre en évidence ces ajustements et ces problèmes d’articulation difficile, donc d’incomplétude, propres à des sociétés, c’est précisément de relever les conflits qui se créent entre une modélisation du type des sciences physiques à la Laplace et ses modes de révision lourde, d’une part, et les modes de coordination et d’ajustement des usages sociaux, d’autre part. Les sciences humaines sont des sciences au second degré, des sciences qui utilisent la discordance entre des modèles scientifiques et des descriptions d’usages et d’ajustements ordinaires comme révélateurs des incomplétudes spécifiques d’un fonctionnement social. Pour prendre un exemple limite facile à résumer, l’économie du marché boursier a comme objet la discordance entre un marché qui, sur les produits purement financiers, devrait théoriquement être l’équilibre d’un jeu à somme nulle et ce fait que la combinaison des modèles incomplets utilisés par les acteurs de ce marché le transforme en ajustements perpétuels qui lui donnent sa structure chaotique.

40On comprend mieux alors le rôle de ces sortes d’arrêts entre deux étapes de révision que nous avons observés quand les historiens et les anthropologues distinguent des territoires et des contextes au-delà desquels des modèles efficaces à l’intérieur de ces domaines perdent leur pertinence. Ils ne font là que noter les limites au-delà desquelles des modèles sociaux incomplets ne peuvent plus se réajuster entre eux, et cela même est un résultat essentiel des sciences humaines. Tenter d’éliminer cette incomplétude serait une régression scientifique et non pas une progression.

41Avant de revenir au problème de la cumulativité, notons qu’un certain nombre de difficultés peuvent se dissiper si nous cessons de raisonner en ayant un idéal en sciences humaines qui correspondrait au modèle direct. L’économiste n’est plus tenu de construire un système complexe d’équations avec de multiples paramètres comme on en a construit du temps du commissariat au Plan, avec l’inévitable problème du petit changement de paramètres qui va bouleverser les prévisions. L’historien n’est plus tenu « d’allonger indéfiniment le questionnaire » (selon l’expression citée par Revel, ici-même) pour tenter de rendre compte de tous les éléments d’une situation historique.

42Bien entendu, il n’est pas non plus question qu’une discipline se réduise à l’application de quelques modèles inverses et incomplets caricaturaux. La situation de l’historien nous fournit à cet égard la marche à suivre. Il est forcément amené à tenter de reconstituer le modèle inverse que les acteurs passés avaient de leur société, les modèles incomplets qu’ils avaient de leurs différentes interactions, et à les confronter à ceux que sa société véhicule. La reconstitution en question est elle-même évidemment un modèle inverse, puisqu’il n’est pas question de produire un modèle direct du passé, les données étant forcément incomplètes. Une discipline en sciences humaines se développe donc en réfléchissant sur les possibilités de conflit, de compatibilité ou d’intégration partielle entre différents modèles inverses et incomplets.

  • 18 Voir p. 35. Une droite de régression est aussi un modèle incomplet, puisqu’il se pourrait que la fo (...)

43L’exemple donné par Daniel Courgeau (ici-même, p. 263 sq) concernant la probabilité de migration des agriculteurs peut s’interpréter dans cette perspective. On commence par calculer une régression linéaire qui permet d’exprimer le taux de migration dans différentes régions en corrélation avec leur proportion d’agriculteurs. Calculer une régression, c’est une opération de modèle inverse, comme on l’a vu18. Interpréter aussitôt cette corrélation comme nous donnant le taux de migration des agriculteurs, c’est vouloir en faire une disposition à migrer qui figurerait dans un modèle direct. Dans cette interprétation, les données laissent à penser que les habitants des régions agricoles ont une probabilité de migrer six fois supérieure à celle des habitants des régions non agricoles. Mais en fait on n’a pas encore appliqué le principe de la sous-détermination des modèles inverses : cette corrélation ne fait pas la différence entre la probabilité des agriculteurs de ces régions de migrer et la probabilité des non-agriculteurs de ces régions de migrer. Une fois prise en compte cette sous-détermination et donc cette incomplétude du modèle, on doit donc tenter de croiser ses données avec celles d’autres enquêtes (celles portant sur les professions individuelles des habitants d’une région). Si on différencie alors les devenirs (dans ces mêmes régions) des agriculteurs et des non-agriculteurs, on s’aperçoit que la probabilité des non-agriculteurs de migrer est presque deux fois supérieure à celle des agriculteurs. Là encore, nous n’avons qu’un modèle inverse et incomplet : nous ne savons pas pour quelles raisons chaque individu a pu décider de migrer. Enfin l’on croise les deux modèles incomplets, dans le modèle multi-niveau, et l’on peut montrer que plus les régions comportent d’agriculteurs, plus les non-agriculteurs ont tendance à migrer. Cependant il ne s’agit toujours que d’un modèle incomplet. La raison de cette différence est-elle que les régions où il y a plus d’agriculteurs offrent moins d’emplois non agricoles ? Il faudrait par exemple faire la différence entre les régions où l’agriculture est dominante en revenus, mais avec peu d’agriculteurs, et celles où il y a un plus grand nombre d’agriculteurs – dans ce dernier cas, les emplois de services pourraient demeurer. Il se peut aussi que l’agriculture occupe des individus qui migrent peu et que le tourisme maintienne les non-agriculteurs dans une région qui, sans entretien des surfaces agricoles, serait moins prisée des touristes, etc.

VI. Le test des trois conditions de cumulativité

44Soutenir que les sciences humaines ont pour objets privilégiés les modes même d’articulation et d’ajustement – mais aussi les pannes d’ajustement – entre les modèles incomplets par lesquels les acteurs sociaux se coordonnent et font exister leur société, c’est peut-être une avancée, mais ne risque-t-elle pas de rendre définitivement inapplicable aux sciences humaines tout diagnostic sur leur cumulativité ? Si les sciences humaines ont pour résultat des descriptions des ajustements qui permettent d’éviter de procéder à des révisions – parce que les articulations entre modèles incomplets peuvent continuer à fonctionner en partie grâce à leur imprécision – ou encore des pannes d’ajustements ainsi que des refontes et révisions qui permettent de les surmonter ou de constituer d’autres modes de coordination, alors comment ces résultats pourraient-ils eux-mêmes présenter quelque cumulativité ? Ne courrons-nous pas alors un double risque ? Selon les exigences de cumulativité que l’on aura, soit ces résultats devront toujours être supposés cumulatifs, et au sens d’une cumulativité additive – puisqu’un mode d’ajustement ou de révision succède à un autre, et que la remise en cause qui a lieu lors de cette succession ne peut pas porter sur la description des ajustements précédents : ils sont justement l’objet de la révision, et leurs description et définition vont demeurer comme repère du réajustement actuel, sans correction possible ; soit ils ne pourront jamais être cumulatifs, au sens de la cumulativité dynamique, qui exige d’avoir la possibilité de décider quels résultats précédents abandonner et lesquels conserver.

45Il nous faut donc montrer que des sciences humaines qui ont pour objet les modèles incomplets et leurs articulations ne satisfont pas forcément toutes les conditions de Cumulativité, sans oublier aussi de montrer qu’elles en satisfont quelques-unes, pour sortir de l’impasse où aurait pu nous bloquer une relation trop étroite entre sciences humaines et processus d’ajustement et de révision.

46Nous utiliserons comme tests trois conditions formelles qui ont des liens avec la cumulativité. On les rencontre sous différents noms à la fois en économie, dans la théorie du choix social, et dans les logiques dites non monotones, celles qui traitent justement des problèmes de révision. Il va nous falloir retraduire ces conditions en langage ordinaire, tout en conservant au moins une partie de leur capacité de discrimination, et il nous faudra aussi redéfinir sur quels éléments elles peuvent porter, puisque initialement il s’agit de conditions qui portent sur les éléments de différents ensembles et sur les fonctions de sélection qui retiennent certains éléments de ces ensembles.

La condition de Préférentialité

  • 19 Comme la notion de fonction de sélection est ici définie de manière ensembliste et extensionnelle, (...)

47Les trois conditions partent d’une conception des théories et modèles scientifiques qui peut sembler aller contre l’idée ordinaire que nous en avons. Nous tendons à penser qu’une théorie rend compte de tout ce qui se passe dans son domaine. En fait, les théories physiques rendent compte de régularités et de lois entre des phénomènes, qui ne sont supposées valides que ceteris paribus. Pour relier théorie, modèle et expérimentation, il faut donc d’abord sélectionner les circonstances en éliminant les ceteris non paribus. D’où l’idée qu’une théorie peut être assimilée à une fonction qui, partant de toutes les données que nous pouvons distinguer, sélectionne seulement certaines d’entre elles pour les expliquer. Ces fonctions prennent comme entrées les données recueillies, et elles les envoient sur certaines données qui sont leurs valeurs de sortie, comme données en tant qu’expliquées. Elles sélectionnent ainsi parmi toutes les données des données expliquées19. On parle parfois de « modèles préférés » pour désigner le résultat d’une fonction de sélection. Ces modèles préférés ne valent que dans des conditions « normales », hors de ces circonstances fâcheuses qui seraient des ceteris non paribus. Cette notion de « normalité » peut s’appliquer aussi bien aux lois qu’à de simples régularités. On n’explique donc pas toutes les informations qu’on pourrait recueillir, mais seulement un sous-ensemble qui est plus normal ou plus fondamental que le reste. Ainsi la théorie de la gravitation dispose bien de données sur la couleur des planètes, mais elle ne retient que leur masse et leur distance pour expliquer leurs trajectoires. Nos trois conditions sont définies sur des ensembles de données et sur leurs fonctions de sélection, que nous pourrions aussi nommer des fonctions d’explication ou de normalités.

  • 20 On trouvera la présentation formelle de ces trois conditions, par exemple, dans A. K. Sen, Collecti (...)

48Partons de la condition qui peut sembler la plus faible, que l’on nomme parfois condition de Préférentialité20. Considérons alors deux ensembles de données D et D’, dont le second inclut le premier, et deux fonctions de sélection l’une f(D) construite sur les données D et l’autre f(D’) construite sur les données D’. Notre condition de Préférentialité se formule alors :

49si D ⊆ D’, alors f(D’) ∩ D ⊆ f(D).

50La formule f(D’) ∩ D (l’intersection de f’(D’) avec D) désigne les données qu’explique la fonction d’explication construite sur D’ quand on l’applique aux seules données D.

  • 21 Nous parlons de « modèles explicatifs », mais ici ils se réduisent aux sous-ensembles des données « (...)

51Autrement dit, si l’enquête passe à un ensemble de données D’ plus riche qui inclut l’ensemble précédent D, alors les données que la fonction de sélection f(D’) utilisée sur ce nouvel ensemble va expliquer et qui appartiennent déjà aux données précédentes ne peuvent jamais être plus étendues que les données déjà expliquées par la fonction de sélection utilisée sur les données précédentes. C’est lié à l’idée que lorsqu’on a davantage de données, leurs contraintes croisées en général réduisent et en tout cas n’augmentent pas le nombre de modèles capables d’expliquer ces données. En clair, la condition de Préférentialité nous dit que si nous élargissons l’ensemble de nos données, les modèles explicatifs inspirés par cet enrichissement, quand on fait comme si on revenait en arrière pour ce qui est des données, et qu’on leur fournit seulement les données de première période, expliquent bien les mêmes phénomènes de première période qu’avant21.

  • 22 Dans ce cas, la fonction de sélection du modèle multi-niveau sélectionne les mêmes valeurs expliqué (...)

52Cette condition faible, il semble que la démographie la satisfait, même en la tenant pour une science à modèles directs. En interprétant de cette manière classique l’exemple de Courgeau, on voit que le modèle agrégé de première période (portant sur les données agrégées, sur les populations sans distinction entre agriculteurs et non-agriculteurs) n’est pas incompatible avec le modèle individualisé qui distingue les destins des agriculteurs et ceux des non-agriculteurs, ni évidemment avec le modèle multi-niveau qui intègre les deux types de données. Le modèle multi-niveau comprend plus de données, et inclut celles du modèle agrégé, si bien que l’antécédent de notre condition est satisfait. Or, si l’on applique le mode d’explication du modèle multi-niveau mais en lui fournissant pour seules données celles du modèle agrégé (donc sans tenir compte des professions individuelles), on retrouve bien les données expliquées par le modèle agrégé22.

  • 23 Cf. L. Samuelson, « Does evolution eliminate dominated strategies ? », in K. Binmore, A. Kirman & P (...)

53Cependant on pourrait prétendre que la condition de Préférentialité n’est pas toujours satisfaite. Par exemple, en économie, certains modèles qu’il est possible de construire dans la théorie des jeux évolutionnaires, et dont la dynamique inclut un processus de « main tremblante » suffisamment important23, ne conduisent pas forcément à l’élimination des stratégies dominées, ce qui est exclu par la théorie des jeux classiques. Si l’on prend pour données les matrices de jeux classiques, puis les matrices de jeux évolutionnaires, et pour résultats des fonctions de sélection les solutions (les équilibres, qui sont des sous-ensembles des coups possibles dans les matrices), il se peut que les définitions des équilibres évolutionnaires avec main fortement tremblante sélectionnent sur les matrices de jeux classiques des solutions qui ne soient pas celles des jeux classiques.

54Pourtant il est possible de satisfaire la condition de Préférentialité si l’on passe de cette interprétation des fonctions de sélection comme retenant les données expliquées d’un modèle direct, à une interprétation plus sophistiquée. On l’aura deviné, nous voulons raisonner au niveau des relations entre modèles incomplets. Comment formuler cela dans les termes de nos fonctions de sélection ? Nous allons utiliser un dispositif qui banalise quelque peu la situation mais qui permet des comparaisons claires. Nous allons tout simplement considérer des couples voire des n-uplets de données expliquées. Ces couples ou ces n-uplets comprennent les différentes catégories de données qui chacune correspondent à un des types d’explications figurant dans la gamme des explications différentes dont dispose la théorie. Dans la théorie la plus sophistiquée f(D’) (les jeux évolutionnaires à main fortement tremblante), sont possibles comme solutions d’une part des stratégies dominantes, comme dans la théorie des jeux classique, d’autre part certaines stratégies non dominantes (snd) dans le cadre d’une main fortement tremblante (mft). Ainsi f(D’) arrive sur le couple {sd ; snd mft}. Rétrospectivement, nous pouvons alors dire que dans la théorie des jeux classique f(D), le couple des données expliquées comprend d’une part des stratégies dominantes, d’autre part une place vide pour d’autres données pour l’instant non expliquées : {sd ; .} – où le {.} désigne une place vide, mais qui ne peut pas pour l’instant comporter de processus explicatif du type main fortement tremblante. Par cette place vide, nous ne faisons que rendre patente l’incomplétude. Cette incomplétude, nous l’avons en fait découverte en retour des modèles de main fortement tremblante, et nous sommes évidemment incapables de lui donner un sens autrement que rétrospectivement. Quand nous appliquons f(D’) ainsi définie aux données de la théorie des jeux classiques, qui ne font pas intervenir de main tremblante, nous n’allons pas trouver de stratégies dominées dans les données expliquées, qui sont les solutions choisies, et notre condition de Préférentialité sera donc satisfaite.

  • 24 É. Durkheim, Le suicide, Paris, F. Alcan, 1897 ; J. Douglas, The social meanings of suicide, Prince (...)
  • 25 Cela donne par croisements : le suicide égoïste, quand l’individu est plutôt centré sur lui-même et (...)
  • 26 J. Baechler, Les suicides, Paris, Calmann-Lévy, 1975.
  • 27 M. Halbwachs, Les causes du suicide, Paris, F. Alcan, 1930.
  • 28 Dans la mesure où nous pouvons penser que Durkheim avait en vue une représentation et une explicati (...)

55En sociologie, on peut ainsi réconcilier Émile Durkheim et son critique Jack Douglas concernant l’utilisation des statistiques des suicides24. Durkheim tirait des statistiques de suicides déclarés l’idée que les catholiques se suicidaient moins que les protestants, ce qu’il attribuait à une intégration sociale de l’individu moins forte chez les protestants. Son étude mettait en évidence deux facteurs (intégration de l’individu à la société, pression de la société sur l’individu) et deux modes de prééminence (prééminence du point de vue de l’individu sur celui de la société, prééminence de la société sur l’individu)25. Douglas rappelle que ces statistiques sont biaisées parce que les officiels chargés de recenser les suicides sont moins enclins à classer des morts dans la catégorie du suicide s’ils sont eux-mêmes catholiques. Il tient donc compte d’une forme de modification des réactions d’un observateur intermédiaire (l’officiel) en face du phénomène. Il met par ailleurs en évidence l’intérêt des journaux intimes, des justifications des suicides, pour mieux en comprendre les raisons. Ce sont des variétés des réactions des acteurs par rapport au modèle de vie que prétend leur imposer leur groupe. Nous avons là des esquisses des modèles incomplets des acteurs. On peut alors tenter d’identifier des classes cohérentes de tels modèles incomplets, qu’on puisse articuler entre eux (ce qu’a tenté Jean Baechler26). D’étape en étape (il en est d’autres, pour ne citer que Maurice Halbwachs27), on passe d’une sociologie du modèle direct (Durkheim28) à une sociologie des modèles incomplets (Douglas), puis à une sociologie des articulations entre modèles incomplets (Baechler).

56Or si la sociologie de Durkheim est récusée comme modèle direct par l’argumentation de Douglas, elle ne l’est plus si on la prend comme modèle inverse et incomplet de la société. On ne voit plus alors dans les facteurs signalés par Durkheim des forces qui structurent la société, mais des articulations possibles entre différents modèles incomplets. Les phénomènes d’intégration ne sont plus supposés être des forces d’intégration propres à la globalité de la société prise comme un tout bien identifié, ce sont des propositions d’intégration propres chacune à un des modèles inverses et incomplets que les acteurs sociaux se donnent d’une société qui reste toujours à définir.

57Une première manière de revenir à la condition de Préférentialité serait la suivante. Les catholiques tendent à marginaliser les suicides dans leur modèle incomplet de groupe social, sans doute parce qu’ils les tiennent pour des manifestations de faible intégration, ce que montre bien le comportement des officiels. Cette tendance à majorer l’intégration revient à choisir un mode d’articulation entre modèles incomplets, qui privilégie l’intégration par attirance de l’individu vers le groupe sur la seule pression du groupe sur l’individu. Reconsidérons alors les données retenues par Durkheim (chez les catholiques) comme des données formatées par ce mode de catégorisation différentielle. Les données D’ de Douglas incluent les données D de Durkheim. Sur ces données D ainsi catégorisées par les officiels catholiques (selon une sélection f(D)), Douglas va aussi noter cette tendance à majorer l’intégration (selon la fonction f(D’) qui tient compte des biais des officiels), si bien que la condition de Préférentialité sera satisfaite (la transition de Douglas à Baechler est moins problématique encore).

58Dans une autre interprétation, ce serait la pression du groupe qui guide l’officiel catholique dans ses procès-verbaux – l’attirance intégrative de l’officiel comme individu le portant seulement éventuellement à moins se suicider. Mais comme le couple « intégration ; pression » existe déjà chez Durkheim, la condition est encore satisfaite. Le triplet « intégration ; pression ; raisons biographiques » de Douglas est rétrospectivement réduit chez Durkheim au triplet « intégration ; pression ; . ». Mais dans la mesure où les données D de Durkheim se bornent aux statistiques, Douglas, s’il se réduit à ces données, ne peut y trouver des raisons biographiques, et nous retrouvons encore notre condition de Préférentialité.

59Le travail de l’ethnométhodologie dans l’analyse des interactions participatives est aussi une tentative pour tenir compte des conjugaisons entre le modèle inverse et incomplet de l’acteur interrogé (qui a aussi un modèle inverse des intentions de communication de l’enquêteur), et le modèle inverse de l’enquêteur, qui a des idées sur les intentions de l’acteur. Dire que l’acteur a une activité de compte rendu de l’interaction tout autant que l’observateur, c’est dire qu’il intègre dans son modèle de la conversation un modèle inverse, celui par lequel il reconstruit les intentions qu’a son observateur. Le travail de l’ethnométhodologue est un effort pour ne conserver que les modèles qui résistent aux modifications qui ont été produites par l’interaction sur chacun de ces modèles inverses. Et l’ethnométhodologie consiste à tenir compte non seulement de ce modèle inverse qu’a l’acteur de l’observateur, mais aussi, en retour, de la modification qu’implique cette situation sur le modèle inverse de l’observateur, qui se trouve pris dans l’interaction et voit ses représentations modifiées. Rendre compte de ces modifications d’interaction par des règles de conversation ou par l’identification de présupposés implicites de la communication admis socialement, comme le font les ethnométhodologues, cela revient à rechercher les conjugaisons de modèles inverses – mais incomplets – qui vont satisfaire l’exigence de notre condition de Préférentialité. En effet, il faut que ces règles de conversation définies après réflexion par l’éthnométhodologue – notre f(D’) – s’appliquent aux données (D) formatées par les présupposés conversationnels incomplets d’un acteur ordinaire de la conversation. Ce formatage par l’acteur est notre f(D), et l’intersection f(D’) ∩ D se définit quand on fait abstraction du formatage particulier ajouté par l’ethnométhodologue et qui fournit des données D’ supplémentaires, pour nous en tenir à ce qui de ce formatage reste compatible avec les données de l’acteur. L’ethnométhodologie exige alors que l’on retrouve un compte rendu de la conversation qui soit compatible avec celui de l’acteur social, ce qui revient à demander que la condition de Préférentialité soit satisfaite. Dans ces conjugaisons de conversations, les modifications des intentions et représentations des deux participants vont ajouter des données, mais pour pouvoir considérer que la conversation continue à porter sur le même sujet il faut que les interprétations finales, si on imagine qu’elles reviennent sur les données catégorisées par les premiers tours de parole en laissant de côté les catégorisations ultérieures, puissent retrouver un éventail de catégorisations et de suites possibles de la conversation, donc une catégorisation différentielle, une articulation entre modèles incomplets, qui étaient bien présents au départ. Il est dommage que l’ethnométhodologie ne tente cette analyse que sur des interactions limitées, et souvent en se refusant à présenter comme théorie l’ensemble de modèles inverses et incomplets ainsi identifiés, avec les problèmes que posent leurs articulations entre eux.

  • 29 Cf. P. Bourdieu & J-C. Passeron, La reproduction. Éléments pour une théorie du système d’enseigneme (...)

60Si l’on prend comme derniers exemples différentes théories de la reproduction des inégalités sociales par l’école (en nous bornant à Pierre Bourdieu et Raymond Boudon), on se souvient que Bourdieu avait admis avant Boudon la possibilité de stratégies sociales qui tenaient compte de la probabilité pour une famille d’une classe sociale défavorisée de voir un de ses enfants grimper dans la hiérarchie sociale, espérance à comparer avec le coût important de ses études, ce qu’a repris évidemment Boudon. La différence tenait à ce que Pierre Bourdieu et Jean-Claude Passeron intégraient en plus une variable qui était le capital culturel propre à un groupe social, alors que Boudon montrait, en construisant un modèle, qu’en se passant de cette variable on pouvait expliquer les mêmes phénomènes29. Les deux théories sont incompatibles si on les prend pour des modèles directs. Mais si la théorie de Bourdieu et Passeron vise sous le nom de capital culturel un ensemble de modèles incomplets par lesquels les agents imaginent leur place dans la société et la spécificité de leur bagage culturel, alors on reconnaîtra que ces modèles incomplets convergent avec les modèles incomplets purement stratégiques de Boudon. S’il en est ainsi, il ne suffit pas, pour réfuter la théorie du capital culturel, de montrer qu’un ensemble plus réduit de modèles incomplets rend compte des mêmes phénomènes, puisque des phénomènes similaires peuvent résulter de plusieurs modèles incomplets différents, et qu’il reste alors encore à choisir le bon modèle. Il faut pouvoir exclure les observations qui confèrent de la plausibilité aux modèles incomplets « culturels » de Bourdieu et Passeron. Inversement, pour pouvoir dire que la théorie de Bourdieu et Passeron est préférable, il faudrait que d’autres phénomènes que la reproduction des inégalités sociales par l’école exigent ces modèles incomplets supplémentaires. Si c’était le cas, la condition de Préférentialité resterait satisfaite entre Bourdieu et Boudon, mais c’est la théorie de Boudon qui serait notre f(D) initiale et la théorie de Bourdieu et Passeron qui serait notre f(D’) développée. Ce seraient les phénomènes expliqués par Bourdieu qui seraient plus nombreux, plus étendus, et la fonction de sélection propre à l’ensemble des modèles incomplets de Bourdieu qui conserverait sur les données réduites à celles de Boudon l’explication par les stratégies rationalisables exposée par Boudon.

La condition de Cumulativité

61Venons-en à une condition intermédiaire entre la condition faible de Préférentialité et la condition plus forte de Monotonie rationnelle (par laquelle nous terminerons). Il s’agit de la condition dite de Cumulativité.

62Si f(D’) ⊆ D ⊆ D’, alors f(D) ⊆ f(D’) (condition d’Aizerman)

63ou f(D) = f(D’) (condition de Cumulativité ou encore Outcast).

64Comme toujours, le point de départ, l’antécédent de la condition, est d’abord que les données initiales sont supposées conservées et incluses dans les données étendues. Mais dans cet antécédent on exige plus : les modèles préférés finaux doivent sélectionner comme cible de leur explication un sous-ensemble des données initiales, si bien qu’une extension des données n’ajoute aucune donnée nouvelle expliquée : ajouter des cas plus étranges ne va pas changer les normalités expliquées. Dans la condition de Cumulativité, les données pertinentes en termes d’explication restent les mêmes. Dans la condition d’Aizerman, plus faible, il est possible cependant que la seconde approche sélectionne plus de données pertinentes pour l’explication que la première, mais elle les prend toujours parmi les données rassemblées par la première.

65Autrement dit, selon notre première traduction, pour qu’il y ait cumulativité, la théorie initiale ne doit surtout pas sélectionner plus de données qu’elle dit expliquer que la seconde et elle va plutôt sélectionner moins de données expliquées, et au mieux les mêmes.

66Comme me l’a fait remarquer Daniel Courgeau, en démographie l’évolution qui va du modèle agrégé au modèle individuel puis au modèle multi-niveau, lequel tient compte des deux précédents, pourrait ne pas sembler satisfaire directement cette condition de Cumulativité. Cela tient à ce que l’antécédent de la condition n’est pas satisfait par notre première traduction : certes, les données D des deux premiers modèles (agrégé et individualisé) sont bien incluses dans les données D’ du troisième (multi-niveau), mais ce que le modèle multi-niveau f(D’) semble retenir comme pertinent pour l’explication, ce n’est pas un sous-ensemble des données initiales D, (qui ne comprennent que les proportions de migrants sur les habitants) mais bien des données supplémentaires contenues seulement dans D’, qui distingue les proportions de migrants non-agriculteurs et agriculteurs.

67Cependant la condition de Cumulativité peut être satisfaite si on éclaire cette première évaluation par l’interprétation en termes de relations entre modèles incomplets. Le modèle qui s’attache aux habitants des régions agricoles – pris en général – laisse indéterminée la proportion des agriculteurs qui migrent. Le modèle multi-niveau la détermine – en laissant forcément d’autres données dans l’incomplétude. Les couples de données expliquées par le second se représentent par le couple {migrants agriculteurs ; migrants non-agriculteurs}. Or les données expliquées du premier, les migrants des régions agricoles, englobent les deux, ce qu’on pourrait traduire par un couple dénommé comme couple « migrants des régions agricoles » et qui comprenne deux places vides {. ; .}. En ce sens, les données expliquées du second modèle restent dans l’ensemble des données du premier : on pouvait déjà distinguer les non-agriculteurs des agriculteurs, mais on ne se servait pas de cette distinction pour les explications. L’antécédent de la condition est donc satisfait. La conclusion de la condition d’Aizerman est aussi satisfaite : les données expliquées par le premier modèle sont incluses dans celles expliquées par le second, qui explique en plus la différence de migration entre agriculteurs et non-agriculteurs, mais explique bien sûr aussi la migration des habitants des régions agricoles. La condition de Cumulativité est satisfaite extensionnellement, puisque les non-agriculteurs n’ajoutent pas d’autres habitants à ceux des régions agricoles. En passant au second modèle, on se borne à remplir les places vides du premier modèle. Mais elle n’est pas satisfaite si on raisonne sur les classes de données expliquées, puisque le premier modèle prend la classe des habitants et que le second la subdivise en classe des agriculteurs et des non-agriculteurs. Tenir compte de cette différence nous conduit à devoir nous satisfaire de la version d’Aizerman.

68La condition de Cumulativité requiert la plupart du temps que l’on se livre à un travail de reconstruction des résultats des travaux en sciences sociales pour se ramener aux conditions particulières exigées par son antécédent. Ces conditions reviennent à dire qu’on ne fait pas des extensions des données en deuxième période des sources de modification des modèles ou de la théorie : la seconde théorie, pour expliquer les données étendues, se satisfait déjà du type d’explications qu’elle peut produire sur les données de la première. Tout dépend alors, pour savoir si la conclusion de la condition est satisfaite, de la manière dont on définit les données retenues comme à expliquer.

69Avec l’exemple des modèles de migration, nous avons un cas où l’interprétation rétroactive des données expliquées du premier modèle à partir des données expliquées du second ne pose guère de problèmes, puisque le premier fait ses analyses à un niveau générique et que le second découpe ce genre en espèces. Cette interprétation rétrospective est plus délicate quand le second modèle ajoute au premier modèle des catégories qui débordent les frontières des catégories du premier.

  • 30 Jacques Revel nous a fourni un autre exemple encore, dans l’histoire des marchés des terrains. Une (...)

70En considérant le passage de Durkheim à Douglas, il est possible de soutenir, de même, que l’antécédent de la condition de Cumulativité est satisfait dans les théories sur le suicide. Les données de Durkheim sont un sous-ensemble de celles de Douglas, qui tient compte de plus d’éléments. Pour supposer l’antécédent satisfait, il nous faut de plus admettre que les comportements expliqués par Douglas traitent seulement un sous-ensemble des données recueillies par Durkheim, puisque certains suicides retenus par Durkheim (les suicides sacrificiels fatalistes, par exemple) ne sont pas retenus par Douglas. Mais alors, comme dans l’exemple précédent, à nous en tenir aux données, si l’antécédent est valide, la validité du conséquent se discute : les modèles préférés de Durkheim (intégration ou pression sociale) ne restent pas clairement inclus dans les modèles préférés finaux de Douglas (qu’il est parfois difficile de définir)30. Revenons donc à une interprétation non plus en termes de données, mais en termes de catégorisations différentielles et d’articulations entre modèles incomplets, pour assurer la validité des conditions de l’antécédent de la Cumulativité. Les catégorisations différentielles de Douglas incluent celles de Durkheim, mais ses articulations entre modèles incomplets ne prétendent pas expliquer plus de comportements que celles de Durkheim. L’antécédent est donc satisfait. Or les articulations entre modèles incomplets de Durkheim, les rapports entre intégration et pression, etc., sont bien incluses dans celles de Douglas, puisqu’il les reprend – ce qu’il discute, c’est qu’on puisse y voir des explications du type d’un modèle direct. La version de Aizerman de notre condition est donc satisfaite. En revanche, pour soutenir que la Cumulativité est satisfaite, il faudrait tenir les autres « explications » de Douglas, qui renvoient entre autres aux raisons biographiques des acteurs, pour de simples descriptions, qui cataloguent les données mais ne prétendent pas les expliquer. C’est seulement une des lectures de Douglas possibles, et pas la plus charitable.

71Une autre utilisation de notre condition est possible, pour comprendre cette fois comment les théories des sociologues s’articulent sur celles des acteurs sociaux. Que fait Durkheim ? Il traite les suicides recensés par les catholiques et par les protestants comme des données, mais aussi comme des catégorisations différentielles, quand il imagine les motivations des acteurs et les rattache aux différences entre intégration et pression sociale. Les données des suicides catégorisées par le sociologue Durkheim (D’) incluent celles catégorisées par les acteurs sociaux catholiques (D), puisqu’elles tiennent compte aussi des données protestantes. Il s’agit alors de situer la propre modélisation de Durkheim (f(D’)) par rapport aux modèles inverses des acteurs catholiques. Il semble bien qu’elle doive obéir à un principe du plus petit commun dénominateur : on doit pouvoir, dès l’analyse des suicides catholiques, avoir à sa disposition les articulations entre modèles incomplets fournies par Durkheim. On ne doit pas avoir à ajouter des articulations chaque fois qu’on observe un phénomène supplémentaire (des données plus nombreuses pour les suicides protestants). Et ce que reconstruit Durkheim de l’articulation des modèles des catholiques (f(D)) doit alors être égal à ou plutôt rester un sous-ensemble des articulations dont il dispose en général pour comprendre tous les suicides (la condition d’Aizerman est alors satisfaite). C’est là simplement dire que les catégories du sociologue doivent être plus économes que celles des acteurs, mais qu’inversement on ne doit pas avoir à ajouter des modèles surnuméraires chaque fois qu’on étend le champ des données. Le lecteur peut vérifier que nous pouvons tenir le même raisonnement à propos de Douglas ou de Baechler et de leurs rapports aux acteurs sociaux.

  • 31 Dans les cas favorables, puisque bien souvent les gammes de modèles ne sont pas superposables.

72Nous ne pouvons cependant pas conclure de cette analyse qu’il y a, et encore moins qu’il doit y avoir, Cumulativité entre les acteurs sociaux et les sociologues, mais seulement, de manière bien moins alléchante, qu’il y a Cumulativité entre les acteurs sociaux reconstruits par le sociologue et les modèles qu’il en donne ! Nous ne le pouvons pas, parce que le sociologue n’a pas à retenir toutes les explications données par les acteurs sociaux – par exemple les « déprimes », rejetées par Durkheim – du moins s’il veut faire quelque économie théorique. Il n’y a pas non plus forcément Cumulativité entre les sociologues ; mais il doit y avoir (et il y a souvent) Cumulativité quand un sociologue passe de données restreintes à des données plus étendues, entre le modèle qu’il prête aux acteurs des données plus restreintes et celui qu’il prête aux acteurs des données plus étendues. Sinon cela laisserait soupçonner que ses explications sont à chaque fois ad hoc. On peut vérifier cela chez Durkheim, quand, inspiré par des données issues d’autres sociétés que la sienne, il est amené dans la note de la p. 311 à dire quelques mots du suicide par fatalisme. Il faut qu’il le rattache aux articulations entre modèles incomplets qu’il a déjà proposées (intégration/pression, prééminence du point de vue de l’individu/prééminence du collectif). Et, de manière générale, même quand il disqualifie des explications ordinaires (la déprime, un caractère mal trempé, l’attrait d’une vie future extra-sociale), il doit s’arranger pour que son explication en donne une version réduite (la déprime peut venir du manque d’intégration, de l’anomie ou d’une pression trop forte, l’attrait de la vie future est en fait une intégration à une communauté sociale plus soudée), qui permette de ramener la prolifération des explications ordinaires à un minimum de facteurs. Ce faisant, il maintient non pas le contenu des représentations sociales qui lui sont présentées, mais seulement les articulations différentielles entre les modèles sociaux ordinaires. Et c’est uniquement à ce niveau des articulations différentielles entre modèles incomplets qu’il peut y avoir soit inclusion soit égalité entre les modèles des acteurs sociaux et ceux du sociologue31.

  • 32 Non pas forcément de celles affichées par les acteurs (ce serait trop restreint), mais de celles do (...)
  • 33 Il faudrait montrer que les différentes motivations qu’il invoque peuvent se comprendre comme des c (...)

73Cela vaut bien entendu aussi pour d’autres sociologues, et entre sociologues. Baechler ne peut se contenter d’énumérer les raisons que donnent les acteurs des suicides. Il doit les rassembler dans une typologie, et cette typologie doit à la fois être plus économe que celle des acteurs – ce qui implique qu’elle soit au moins aussi économe que les catégorisations différentielles les moins complexes recensées sur tous les acteurs32 –, et permettre de repérer toutes les articulations différentielles qui peuvent ensuite donner lieu à des bifurcations d’un modèle incomplet sur un autre. Ces deux conditions, Baechler devrait aussi les satisfaire vis-à-vis des articulations entre modèles incomplets proposées par Durkheim. Il est certain qu’il reprend ces articulations, mais il est plus discutable que sa typologie ait été aussi économe33.

  • 34 Ou entre les représentations des acteurs sociaux et celles du sociologue, quand les premières sont (...)

74L’étude de la condition de Cumulativité nous a donc montré que, en fonction de la manière dont nous reconstruisons les relations entre les résultats de travaux de différentes strates théoriques, la sociologie peut ou non satisfaire cette condition. Nous avons aussi montré qu’en général, pour pouvoir la satisfaire, il fallait passer d’une épistémologie des modèles directs à une épistémologie des modèles inverses et incomplets. Nous avons donc montré que la cumulativité dynamique peut être satisfaite en sciences humaines, et que la condition pour la satisfaire, c’est de penser les objets des sciences humaines comme les articulations entre modèles incomplets du social. Mais tous nos efforts seraient vains si nous ne pouvions lever le soupçon que ce changement d’épistémologie permet, à lui seul, de découvrir de la cumulativité dans les rapports entre n’importe quels ensembles de résultats d’une même discipline34, puisqu’alors une telle cumulativité deviendrait tautologique, et n’aurait plus aucun intérêt. Pour échapper à ce soupçon il nous faut donc trouver une condition de Cumulativité qui n’est pas satisfaite même par cette reconstruction des objets des sciences humaines en termes d’articulations entre modèles incomplets.

La condition de Monotonie rationnelle

  • 35 Cf. K. Schlechta, Coherent systems, Amsterdam, Elsevier (Studies in Logic and practical reasoning, (...)

Une condition plus forte est la condition dite de Monotonie rationnelle35.

75Si D ⊆ D’, et si f(D’) ∩ D est différent de ∅, alors f(D) ⊆ f(D’) ∩ D. La Monotonie rationnelle et l’axiome de choix d’Arrow exigent que f(D) = f(D’) ∩ D.

76Exprimons la d’abord en termes de données et de comportements expliqués par les modèles. On suppose toujours que les données initiales sont incluses dans les données étendues. On exige alors que, dès l’instant où la nouvelle théorie explique ne serait-ce qu’une petite partie des comportements caractérisés par les données initiales, alors les comportements que la théorie initiale est capable d’expliquer seront une partie de ces comportements tirés des données initiales et expliqués par la nouvelle théorie. Ainsi la nouvelle théorie peut bien n’expliquer qu’une toute petite partie des données initiales, (ce « f(D’) ∩ D différent de ∅ » est aisé à satisfaire), malgré cela l’ancienne théorie f(D) n’expliquera qu’une partie de cette partie. Le plus plausible est que finalement la théorie initiale aura sur les données initiales exactement la même capacité d’explication que la théorie finale sur ces mêmes données.

77En partant de conditions moins fortes, puisqu’on n’exigeait pas que f(D’) ∩ D soit différent de ∅ – mais cette exigence est tellement aisée à satisfaire que nous pouvons la considérer comme pratiquement toujours satisfaite – la conclusion de la condition de Préférentialité était que f(D’) ∩ D était inclus ou égal à f(D). Or ici nous avons l’inverse, c’est f(D) qui est inclus ou égal à f(D’) ∩ D. Tout marche bien si l’inclusion se réduit à une égalité. En revanche si nous partons dans chaque cas d’inclusions strictes, rien ne va plus.

  • 36 Dans nos précédents exemples, sur les relations entre jeux avec main tremblante et jeux classiques, (...)

78Il est difficile, si l’on se situe dans le cadre des modèles incomplets, et pour arriver à cette égalité, de faire converger les deux démarches suivantes : la première part d’une situation (la Monotonie rationnelle) où la première théorie pourrait expliquer moins que la seconde sur son propre domaine ; la seconde part d’une situation où elle pourrait proposer des données expliquées qui sont en trop par rapport à la seconde sur ce même domaine (Préférentialité), ce qui rend alors la Monotonie rationnelle difficile à satisfaire. En effet, dans ce cadre des modèles incomplets, si nous partons de la condition de Préférentialité, la première théorie f(D) va nous proposer des couples de données expliquées et d’incomplétudes du genre {x ; .} et la seconde théorie f(D’) pourrait nous proposer des n-uplets du genre {., x1 ; y}, si elle récuse que l’on doive tenir compte de tous les x, en soutenant que cette catégorie est mal déterminée et doit être réduite aux x1. Si la seconde théorie satisfait la Préférentialité, elle explique, quand on l’applique au domaine D, seulement les x1, et pas le x en général, elle explique donc moins. Cela rend impossible de satisfaire la Monotonie rationnelle et sa conclusion f(D) ⊆ f(D’) ∩ D, où la seconde théorie explique éventuellement plus. Inversement, si nous partons de la condition de Monotonie, et que nous ne nous donnons pas d’emblée l’égalité entre les deux termes, nous devons supposer que la seconde propose des couples {x ; y} là où la première théorie propose seulement des {x}, si bien qu’en s’appliquant au domaine D, la seconde théorie n’explique que les x. Mais alors nous avons dû renoncer à notre lecture rétrospective de la première théorie. En effet si nous revenions à la présentation rétrospective, elle nous donnerait des couples {x ; .} et il se pourrait qu’en s’appliquant à D, f(D’) nous donne plus d’explications que f(D), parce qu’elle remplirait avec des y la place vide. Cela, qui est en accord avec la Monotonie rationnelle, ne l’est plus avec la Préférentialité36. La condition de Monotonie rationnelle ne pourra donc converger avec les conclusions de la Préférentialité que si nos deux théories sélectionnent exactement les mêmes données expliquées, et c’est là une condition très forte.

  • 37 Mais on peut aussi considérer les limitations dégagées par l’économie expérimentale, ou par des sim (...)

79On voit alors que cette condition de Monotonie rationnelle n’est pas en général vérifiée en sciences sociales. Prenons l’exemple de l’économie, la science sociale qui prétend au maximum de cumulativité. Les modifications induites par la prise en compte de la perspective de la rationalité limitée, par exemple37, modifications qui ont peut-être pour sources une réflexion du théoricien sur les réactions effectives des sujets humains, ne vont pas, sur les données travaillées par les théories classiques, retenir les mêmes résultats, les mêmes comportements expliqués ou prédits que ceux des théories classiques, alors même que ces nouvelles théories expliquent bien une partie des données expliquées par des théories plus classiques. Ce ne sera que sur des données idéales – qui excluent justement des limitations de la rationalité – que les décisions expliquées seront les mêmes. Mais, sans parler du fait que la notion de donnée idéale laisse rêveur, c’est précisément là renoncer à l’idée de rationalité limitée, ce qui revient à se donner par stipulation l’égalité souhaitée, puisqu’on aura fait l’hypothèse que sur les données D, f(D) et f(D’) sont tout simplement les mêmes.

80Pour reprendre un de nos exemples en sociologie, les comportements expliqués par Douglas, qui tiennent compte des activités sociales de catégorisation d’une mort comme suicide, expliquent dans les données de Durkheim le plus faible nombre de suicides chez les catholiques, donc une partie des données expliquées par Durkheim. Ils l’expliquent par le souci des officiels catholiques de réduire l’extension de la classe des suicides. On ne peut pas en conclure pour autant que les capacités de la théorie de Durkheim à expliquer les données concernant les différences entre le taux de suicides catholiques et le taux de suicides protestants soient les mêmes que celles de l’approche de Douglas, puisque la notion durkheimienne d’intégration sociale ne tient pas compte des activités de catégorisation des officiels qui permettent d’accepter la reconnaissance d’une mort comme suicide ou qui amènent à la rejeter. On ne peut pas non plus s’en tirer en prétendant que les capacités explicatives de la théorie de Durkheim sont, sur ces données, plus réduites que celles de Douglas. Car les ambitions explicatives de Durkheim sont en fait plus élevées, Douglas étant plus modeste dans ses ambitions.

81Passer de la version données-explications des comportements à la version des différences entre couples de catégories explicatives ou des articulations entre modèles incomplets nous permet-il alors de satisfaire la condition de Monotonie rationnelle ? L’antécédent de la condition est aisément satisfait, comme précédemment. L’articulation des modèles incomplets de Durkheim est-elle, sur les données de Durkheim, égale en portée explicative à l’articulation des modèles incomplets de Douglas ? Nous avons précédemment répondu positivement, p. 49, à la question inverse : l’articulation des modèles de Douglas est, sur les données de Durkheim, de même portée explicative que celle de Durkheim. Et cela parce que sur les données de Durkheim, l’explication de Douglas ne retrouve pas tous les éléments, en particulier biographiques, qui lui permettent de fonctionner. Mais pour cette nouvelle question, notre réponse doit être négative. En effet Durkheim ne tient pas compte de l’activité de catégorisation propre aux officiels catholiques. Il se borne à prendre en compte ce qui dans cette activité tient au souci général d’intégration des catholiques – c’est ce qui nous a permis de dire que la condition de Cumulativité (et seulement sous sa version faible d’Aizerman, qui n’implique pas une égalité) pouvait être satisfaite, dans la mesure où les officiels faisaient partie des catholiques. Pour pouvoir satisfaire cette condition, nous avons dû trouver une motivation qui soit durkheimienne et qui soit la même pour les catholiques qui se suicident de Durkheim et pour les officiels catholiques de Douglas. Mais ici répondre oui à la question de l’égalité c’est effacer une différence de motivation entre ceux qui se suicident et les officiels. Dès lors nous ne pourrions plus prétendre que Douglas ajoute à la motivation des acteurs durkheimiens une motivation spécifique des officiels, possibilité que pourrait accepter la conclusion faible de la condition de Monotonie rationnelle (f (S) ⊆ f (S’) ∩ S), qui ne considère l’égalité que comme un cas limite, se satisfaisant de l’inclusion, mais que ne peut accepter la conclusion de la Préférentialité. On pourrait même imaginer un Durkheim pas si contrefactuel que cela, qui, ayant pris conscience du problème soulevé par Douglas, n’aurait eu qu’à utiliser pour expliquer le comportement des officiels une des autres motivations dont il disposait, celle de la pression sociale. Mais alors, ce serait l’explication durkheimienne qui serait plus riche que celle de Douglas et non l’inverse. La capacité explicative de Durkheim, même quand on l’exprime dans les termes des modèles incomplets, prétend dépasser celle de Douglas, au lieu de l’égaler ou d’être plus limitée.

82Ainsi en passant d’une épistémologie des modèles directs à une épistémologie des articulations entre modèles incomplets, nous n’avons pas pour autant rendu toute cumulativité automatiquement satisfaite, parce que les facilités que nous a données le procédé des couples ou des n-uplets de modèles incomplets, quand il nous permet bien de satisfaire la Préférentialité et la Cumulativité (sous sa version faible d’Aizerman), ne nous permettent plus de satisfaire l’égalité visée par la Monotonie rationnelle, si on la joint aux deux autres conditions.

En conclusion

83Le lecteur peut penser que si nous avons échappé à la tautologie ou à la circularité, nous avons fortement affaibli les exigences de cumulativité en sciences sociales. En effet, nous nous sommes permis, en particulier pour satisfaire la condition de Cumulativité, de procéder à des réécritures des résultats des travaux antérieurs en sociologie ou en économie. Notons à notre décharge qu’il en va bien ainsi en sciences physiques et même en mathématiques. Cependant il faut noter qu’une telle réécriture, qui reste soumise à des contraintes, permet aux sciences sociales de disposer d’une source importante de données supplémentaires, qui sont des données secondaires. Une fois de nouveaux modèles incomplets pris en compte, nous pouvons revisiter les données initiales pour rendre plus saillantes certaines caractéristiques qui n’avaient pas été mises en valeur dans un premier temps. Et nous pouvons nous livrer à ce travail rétrospectif dès lors que nous avons reconnu que les modèles ou les théories d’un sociologue ou d’une école nous apparaissaient biaisés, leur ensemble de modèles incomplets étant trop réduit. Sachant que de tels biais existent, nous pouvons revenir sur les données accumulées par ces sociologues – en particulier les données quantitatives – pour les retravailler. Les sociologues se livrent assez peu à ce genre de tâche (aux exceptions notables du thème du suicide et de celui de la mobilité sociale) alors qu’ils y trouveraient la source de révisions qui puissent les assurer de satisfaire après coup la condition de Cumulativité.

84Un tel travail de réélaboration semble plus facile en économie : une fois que les modèles de la théorie standard apparaissent comme biaisés par leurs conditions idéalisées, les modèles avec limitations, ou les modèles évolutionnistes avec différentes populations stylisées présentent autant d’autres biais. Il est alors possible soit de dé-biaiser les derniers en revenant aux modèles standards, soit, et c’est plus plausible, de dé-biaiser les premiers en procédant à des transformations réglées de leurs idéalisations. Une fois ces transformations prises en compte, on devrait pouvoir retrouver la cumulativité.

85Il semble que les historiens se livrent plus fréquemment que les sociologues à ce genre de travail – qui ne consiste pas à remettre en cause la factualité immédiate des données quantitatives ou qualitatives accumulées, mais à redistribuer les catégorisations de ces données pour retrouver rétrospectivement des illustrations de nouveaux modèles.

86Or ce travail rétrospectif est une conséquence directe du fait que les sciences sociales doivent travailler sur des modèles incomplets, sur les modèles inverses par lesquels tous les acteurs, y compris les chercheurs, tentent de construire leur société. Ce sort, elles le partagent avec les humains qui sont leur objet de recherche, si bien que finalement leurs objets de recherche, tout autant que leurs outils conceptuels et leurs méthodes, sont des modèles inverses et incomplets. La condition de Cumulativité (sous sa version faible), qui n’est pas aisément applicable sans procéder à ce genre de réécriture des données, semble donc centrale pour les sciences sociales. Loin de les exclure de toute scientificité parce qu’elles ne parviendraient pas à la satisfaire, elle leur trace un programme qui tient en trois propositions : enrichissement et révision des ensembles de modèles inverses et incomplets de la société utilisés par les acteurs, reformatage des données précédentes en fonction de ces révisions, prise en compte de la chronique de ces révisions pour révéler les modèles inverses implicites des chercheurs dans les disciplines des sciences sociales. Pour corriger les biais de ces modèles, on rapplique le même programme. La cumulativité devient alors la dynamique même des sciences sociales.

Notes

1 Si le savoir présente la forme d’un arbre, toute branche conserve le tronc initial, mais chacune d’elles présente une extension différente des autres branches. La cumulativité n’est alors additive que branche par branche.

2 Pour une falsification et pour une révision, le point de démarrage est une contradiction entre une hypothèse ou une attente et une donnée observée ; pour une mise à l’épreuve, le déclenchement peut tenir à un simple conflit, une tension, une perte de pertinence. Il y a ainsi des degrés dans la mise à l’épreuve alors que la falsification est censée se faire sur le mode du tout ou rien.

3 A-t-on affaire à une cumulativité « arborescente » ? Il faudrait définir le tronc commun.

4 Si tout découplage pouvait être interprété comme mise à l’épreuve, la différence entre ces concepts n’aurait plus d’intérêt.

5 F. Suppe, The semantic conception of theories and scientific realism, Champaign, University of Illinois Press, 1989 ; B. Van Fraassen, The scientific image, Oxford, Clarendon Press, 1980.

6 À cet égard, une lecture un peu différente de celle de Lenclud est possible : l’imprégnation des données par les théories, à condition que ces imprégnations se traduisent pas des conflits, n’est pas forcément opposée à la cumulativité dynamique et, inversement, le flou des théories anthropologiques, s’il sert d’immunisation contre les révisions, n’est pas un facteur de cumulativité. C’est seulement dans la mesure où ce flou permet des adaptations quand on change de contexte – mais à condition que l’on remarque ce changement de contexte, et ceci parce que certaines conclusions ne sont plus valides d’un contexte à l’autre – qu’il devient facteur de cumulativité. Ceci renforce la thèse de Lenclud, qui est que la cumulativité se joue au sein de territoires de recherche plus restreints, et nous avons vu que les territoires impliquent qu’on ait pu procéder à des différenciations de contextes.

7 La cumulativité dynamique est donc ici plus exigeante que la cumulativité additive « arborescente ». Pour que la cumulativité soit dynamique, il faut que l’on puisse donner des justifications des révisions qui se produisent quand on passe d’un contexte à l’autre. La cumulativité additive est sédimentaire (d’une branche à son tronc), la cumulativité dynamique est aussi transversale (de branche en branche).

8 Comme le suggère en passant Lenclud, la notion de récit pourrait se concevoir comme la combinaison de « mécanismes » qui sont en fait inférentiels et de contextes qui nous font bifurquer d’inférences normales dans un contexte vers des inférences normales dans un autre. Plus précisément, un récit propose un chemin dans un arbre de telles bifurcations – que d’ailleurs il construit en l’explorant. Si on la conçoit ainsi, la forme du récit reste ouverte à une cumulativité dynamique (on peut choisir d’autres bifurcations, contester le choix des contextes), alors qu’usuellement, on lui réserve plutôt le seul destin d’une banale cumulativité additive, chaque récit s’ajoutant aux autres sans autre mise à l’épreuve. Sur un territoire donné, la multiplication des récits peut donc permettre un affinement du maillage créé par le réseau des inférences et de leurs bifurcations. Les conflits entre interprétations peuvent alors se manifester par le refus de certaines bifurcations – on barre comme non pertinent un chemin d’inférence – ce qui peut se représenter dans ce qu’on appelle un réseau d’héritage de propriétés. Le réseau ainsi construit comprend finalement tous les chemins d’inférence et leurs bifurcations, mais aussi les blocages d’inférences proposés – en surimpression, en quelque sorte.

9 J. S. Coleman, Foundations of social theory, Cambridge (MA), Harvard University Press, 1990.

10 Pour éviter l’immunisation, il faudrait savoir mettre à l’épreuve la validité de chacune des articulations entre les étapes. Or Coleman nous propose seulement de mettre à l’épreuve les interactions, et le processus d’agrégation, mais il ne nous dit pas grand-chose de la mise à l’épreuve de la descente du macro au micro (vers quels individus faut-il descendre, quelles propriétés de ces individus doit-on sélectionner), ni de la validation de la convergence entre les régularités macro et les agrégations micro, qui exige de faire des régularités de véritables fonctions.

11 Les agents individuels doivent par exemple renoncer à certaines entreprises si l’état virtuel n’est plus réactualisable.

12 Pour estimer ce potentiel, nous devons considérer les phénomènes expliqués par la théorie précédente et ses modèles, et comparer cet ensemble à celui des phénomènes expliqués par la théorie actuelle et ses modèles – ensemble qui peut inclure les phénomènes précédents, mais reformatés.

13 On pourrait penser que, puisque l’on construit un modèle en remontant des observations, un modèle est toujours inverse. Mais quand nous avons une théorie de la gravitation, elle nous permet de proposer d’emblée un modèle direct des mouvements des planètes, et c’est seulement si nous voulons lancer des satellites que nous devons résoudre un problème inverse. Notons aussi que nous n’avons besoin que d’un seul modèle direct, alors qu’il est toujours intéressant de disposer de plusieurs modèles inverses (il y a plusieurs manières souvent de lancer des opérations qui satisfont les contraintes), du moins quand le modèle direct qui définit ces contraintes reste unique et bien identifié.

14 Le monde environnant dépend aussi de nos capacités visuelles, entre autres parce que nous avons tendance à privilégier dans nos constructions des lignes qui assurent des formes facilement repérables, mais cette co-évolution se fait sur un temps plus lent que celui de la perception immédiate.

15 Notre vision commune de la science newtonienne ou laplacienne est bien celle de ce modèle direct, dont il suffit de mieux préciser les conditions initiales pour pouvoir rapprocher autant que l’on veut notre prévision de l’exactitude.

16 On n’évite donc pas le problème en admettant que tout modèle est obtenu de manière inverse par remontée à partir des observations et que les modèles ne sont que des reformulations incomplètes de la réalité. La difficulté tient à ce que la société est la résultante de comportements guidés par des modèles incomplets dont rien n’assure qu’ils convergent.

17 C’est pourtant des sciences physiques que nous vient la notion de « méthodes inverses ».

18 Voir p. 35. Une droite de régression est aussi un modèle incomplet, puisqu’il se pourrait que la fonction qui rend compte des phénomènes soit bien plus complexe, et qu’en fait la droite de régression satisfasse seulement un des aspects de notre cognition, l’attrait des formes simples.

19 Comme la notion de fonction de sélection est ici définie de manière ensembliste et extensionnelle, elle est très sommaire : il s’agit simplement de partir des données recueillies quelles qu’elles soient – éventuellement sans méthode – et de sélectionner les données que le modèle ou la théorie vont faire intervenir dans leurs explications. Ce peu de raffinement conceptuel est en fait utile pour pouvoir ensuite faire des comparaisons entre des théories de statut épistémologique très différent.

20 On trouvera la présentation formelle de ces trois conditions, par exemple, dans A. K. Sen, Collective choice and social welfare, Amsterdam, North-Holland/Elsevier, 1984, p. 16-20 (1re éd. Amsterdam, 1970) ; et K. J. Arrow, A. K. Sen, K. Suzumura, eds, Handbook of social choice and welfare, Amsterdam, North-Holland/Elsevier, 2002, p. 100-102. Les trois conditions que nous étudierons présupposent que les données de la deuxième théorie incluent celles de la première. On peut trouver des cas où des données initiales ont été ensuite récusées comme des faux (en paléontologie, par exemple). Nous devrons alors passer des données aux articulations entre catégorisations des données, pour nous demander si les mailles de catégorisation de la deuxième théorie comprennent les mailles de la première, par exemple comme des mailles plus grossières. Nos conditions ne sont donc plus applicables quand les mailles de la première théorie sont plus fines.

21 Nous parlons de « modèles explicatifs », mais ici ils se réduisent aux sous-ensembles des données « préférées » parce qu’elles sont retenues pour être explicatives, et le formalisme ensembliste utilisé doit présupposer que nous savons par ailleurs ce que veut dire explicatif et quelles données le sont ou sont non pertinentes.

22 Dans ce cas, la fonction de sélection du modèle multi-niveau sélectionne les mêmes valeurs expliquées que la fonction de sélection du modèle agrégé ; f (S’) ∩ S = f (S).

23 Cf. L. Samuelson, « Does evolution eliminate dominated strategies ? », in K. Binmore, A. Kirman & P. Tani, eds, Frontiers of game theory, Cambridge (MA), MIT Press, 1993, p. 213-235. L’argument est qu’on ne peut pas exclure que dans l’évolution se produisent des aléas plus importants que ceux usuellement introduits dans les raisonnements de théorie des jeux.

24 É. Durkheim, Le suicide, Paris, F. Alcan, 1897 ; J. Douglas, The social meanings of suicide, Princeton, Princeton University Press, 1967.

25 Cela donne par croisements : le suicide égoïste, quand l’individu est plutôt centré sur lui-même et mal intégré, le suicide altruiste, quand il est centré sur la société mais que son intégration devient impossible dans le monde actuel, le suicide anomique, quand la pression de règlementation sociale est trop faible et laisse l’individu à lui-même, et le suicide fataliste, signalé seulement en note (p. 311, Presses universitaires de France [ « Quadrige »], 2004), quand la pression est trop forte.

26 J. Baechler, Les suicides, Paris, Calmann-Lévy, 1975.

27 M. Halbwachs, Les causes du suicide, Paris, F. Alcan, 1930.

28 Dans la mesure où nous pouvons penser que Durkheim avait en vue une représentation et une explication du fonctionnement collectif global de la société. Mais peut-être concevait-il déjà sa position comme liée au problème du modèle inverse, sans en avoir le concept.

29 Cf. P. Bourdieu & J-C. Passeron, La reproduction. Éléments pour une théorie du système d’enseignement, Paris, Minuit, 1970 ; R. Boudon, L’inégalité des chances. La mobilité sociale dans les sociétés industrielles, Paris, Armand Colin, 1973.

30 Jacques Revel nous a fourni un autre exemple encore, dans l’histoire des marchés des terrains. Une fois établies des statistiques des prix des terres, un premier historien peut s’en tenir aux valeurs modales de ces statistiques, et proposer quelque explication. Un second va croiser ces données sur les prix en corrélant la distribution des valeurs avec les statuts sociaux des échangistes, et il donnera d’autres explications. Les premières données sont un sous-ensemble des secondes. Il reste à savoir quels échanges correspondent aux données expliquées (f(D’)) pour pouvoir vérifier l’antécédent de la condition de Cumulativité. On voit déjà que la condition de préférentialité peut l’être : à s’en tenir aux seules valeurs modales, le second historien n’a pas d’autre explication que le premier. Il faudrait pour aller plus loin voir si le second historien est bien amené à ne retenir comme faits saillants que ceux qui sont à l’articulation du modèle incomplet du premier et du sien propre pour pouvoir relancer l’enquête sur la Cumulativité. Cf. G. Levi, Le pouvoir au village. Histoire d’un exorciste dans le Piémont du xviie siècle, Paris, Gallimard, 1989, chap. iii, « Réciprocité et marché de la terre », p. 97-138.

31 Dans les cas favorables, puisque bien souvent les gammes de modèles ne sont pas superposables.

32 Non pas forcément de celles affichées par les acteurs (ce serait trop restreint), mais de celles dont ils se révèlent capables d’un contexte culturel à l’autre.

33 Il faudrait montrer que les différentes motivations qu’il invoque peuvent se comprendre comme des combinaisons des motivations sociales précédemment avancées par Durkheim et ses successeurs.

34 Ou entre les représentations des acteurs sociaux et celles du sociologue, quand les premières sont reconstruites par le sociologue !

35 Cf. K. Schlechta, Coherent systems, Amsterdam, Elsevier (Studies in Logic and practical reasoning, 2), 2004, p. 32.

36 Dans nos précédents exemples, sur les relations entre jeux avec main tremblante et jeux classiques, et sur le modèle multi-niveau, nous étions dans des situations plus contraignantes : les jeux classiques n’incluent pas de main tremblante forte, et la catégorie des habitants propre au modèle agrégé incluait les catégories des agriculteurs et non-agriculteurs.

37 Mais on peut aussi considérer les limitations dégagées par l’économie expérimentale, ou par des simulations sur les jeux évolutionnaires.

© Éditions de l’École des hautes études en sciences sociales, 2009

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

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search