Chapitre VI. Deux exemples caractéristiques
p. 239-271
Texte intégral
1Nous allons revenir sur ce qui a été développé à partir de deux exemples très différents. Ces derniers peuvent paraitre légèrement décalés par rapport à nos développements centrés sur les champs scientifiques qui discutent de l’humain, cependant ils vont permettre d’illustrer notre propos. Nous commencerons par un exemple en économie puis nous reviendrons sur la fonction politique des statistiques durant la crise sanitaire liée au Covid.
Un exemple symptomatique… pas si caricatural que cela
2Issu du champ de l’économie, cet exemple est très intéressant quant à la construction d’une vérité scientifique basée sur un résultat statistique. Vérité transformée en norme et reprise par les hommes politiques. Avec son accord, l’exemple présenté est repris du travail remarquable de Louapre publié sur Science étonnante1 et sera complété par d’autres aspects permettant de mieux comprendre les mécanismes politiques et idéologiques de l’usage de la statistique.
Un article économique important
3En 2010, Reinhart et Rogoff ont publié un article dans la revue American Economic Review intitulé « Growth in a Time of Debt2 » (La croissance en période d’endettement). Pour les personnes peu au fait des publications académiques, il faut savoir que les revues sont hiérarchisées. Il y a des indicateurs statistiques (on n’y échappe pas) qui permettent d’en connaitre la qualité scientifique (impact factor…). American Economic Review est considérée comme une excellente revue, classée parmi les meilleures. Au moment de la publication de l’article, et selon les différents classements portant sur 800 journaux académiques en économie avec comités de lecture, sa place oscillait entre la 2e et la 10e. Cela signifie qu’y publier est très recherché. En 2010, elle a reçu 1 476 propositions d’articles et en a accepté seulement 106, soit 7 % des articles. Ainsi, une publication dans la revue American Economic Review doit être considérée comme un très bon travail scientifique car il a été relu et critiqué par des spécialistes avant sa parution. Néanmoins, comme Reinhart et Rogoff sont deux économistes particulièrement reconnus d’un point de vue scientifique, leur article a été accepté dans la revue American Economic Review sans passer par le processus usuel de relecture. Si cette facilité accordée à certain.es scientifiques pour publier parait surprenante, elle s’explique par le modèle économique qui régit la publication scientifique. Un journal académique est d’autant mieux classé que ses articles sont cités ensuite dans d’autres revues académiques. Accepter un article rédigé par des auteurs ou autrices aussi reconnus académiquement laisse présager de telles futures citations et la revue gagnera des places dans les prochains classements.
4L’article « Growth in a Time of Debt » discute du lien entre la dette publique d’un État et la croissance dans le pays. Il se sert de données historiques : 44 pays sur 200 ans. Ici, la dette publique est celle cumulée au cours du temps et ramenée au PIB, c’est-à-dire la dette publique cumulée calculée en pourcentage du PIB pour chaque année. Concrètement, si un pays a une dette publique cumulée de 300 milliards de dollars en 2020 et un PIB de 400 milliards de dollars cette même année, sa dette publique sera de 300/400, soit 75 % (la dette publique cumulée représenterait 75 % du PIB annuel). L’analyse sépare les pays en deux : pays développés et pays émergents. L’article montre que le lien entre la dette publique et la croissance n’est pas linéaire. Si d’une manière générale on trouve la relation « plus la dette publique augmente, plus la croissance diminue ». Cette relation entre la dette publique et la croissance a ce que l’on appelle un effet de seuil à partir d’une dette publique de 90 % : si elle dépasse 90 %, la croissance chute et devient en moyenne négative et ce résultat se retrouve autant pour les pays développés que pour les pays émergents. Une phrase de l’article initial écrit : « Notre principale conclusion est que, tant dans les pays avancés que dans les marchés émergents, les niveaux élevés d’endettement par rapport au PIB (90 % et plus) sont associés à des résultats de croissance nettement inférieurs3. »
5Depuis sa publication, cet article est l’un des plus cités en économie et ce, non seulement dans le monde académique, mais aussi dans la sphère politique internationale. La plupart des grands médias américains ont popularisé la conclusion relative à ce fameux seuil de 90 %. En 2013, la revue The Economist a considéré que l’article de Reinhart et Rogoff était devenu une arme pour les politiques d’austérité. À cet égard, nous pouvons citer différents discours politiques trouvés sur Internet et traduits par nous. Le commissaire européen aux Affaires économiques et monétaires, Rehn, écrit en 2011 « Carmen Reinhart et Kenneth Rogoff ont démontré la règle du 90 %. Une dette publique élevée pèse sur l’activité économique et sur la dynamique entrepreneuriale et, en conséquence, grève la croissance. Cette conclusion est particulièrement importante actuellement pour l’Europe, où les niveaux de dette des principaux pays sont au seuil des 90 %, seuil que les États-Unis ont déjà passé » et il ajoute dans un autre écrit « il est largement reconnu, sur la base de recherches sérieuses, que quand le niveau de dette publique atteint environ 90 %, il a tendance à avoir un effet négatif sur la dynamique de l’économie, ce qui se traduit par une faible croissance pendant des années ». De son côté, Osborne, le chancelier de l’Échiquier d’Angleterre (équivalent au ministre de l’Économie en France) a cité à plusieurs reprises dans la même période l’article de Reinhart et Rogoff pour justifier des politiques d’austérité : « Les dernières recherches suggèrent qu’une fois que la dette atteint plus de 90 % du PIB, les risques d’un impact négatif important sur la croissance à long terme deviennent très importants. » S’inscrivant dans cette lignée, Lord Lamont de Lerwick, homme politique anglais énonce : « Nous arriverions bientôt à une situation dans laquelle le ratio dette/PIB serait de 100 %. Comme l’ont fait valoir des économistes tels que Reinhart et Rogoff, c’est à ce niveau que le stock global de la dette devient dangereux pour la croissance à long terme d’une économie. » Le candidat à la vice-présidence des USA en 2011, Ryan, écrit : « Les économistes qui ont étudié la dette souveraine nous disent que laisser la dette totale dépasser 90 % du PIB crée un frein à la croissance économique et intensifie le risque d’une crise économique alimentée par la dette. » Geithner, secrétaire du Trésor aux USA (sous la présidence d’Obama) commente cet article de la sorte : « C’est une excellente étude, même si, d’une certaine manière, ce que vous avez résumé sous-estime les risques. » La commission du budget de la Chambre des représentants aux USA argumentera de la sorte contre Obama (citant l’article de Reinhart et Rogoff) : « Au lieu de prendre des mesures pour réduire le fardeau excessif de la dette, le budget du président, même s’il est pleinement mis en œuvre, ne réduit jamais la dette fédérale brute en dessous du seuil important de 90 %. » En avril 2011, 40 sénateurs américains ont auditionné les deux économistes et la discussion a porté en grande partie sur ce seuil de 90 %, leur rapport concluant : « Reinhart a fait écho à la remarque de Conrad et a expliqué que les pays passent rarement le point de basculement de 90 % de la dette par rapport au PIB précisément parce qu’il est dangereux de laisser une telle dette s’accumuler. » Holtz-Eakin, président du think tank conservateur American Action Forum : « La dette nuit déjà à l’économie. L’œuvre canonique de Carmen Reinhart et Kenneth Rogoff et de ses successeurs est porteuse d’un message clair : les pays dont la dette publique brute dépasse 90 % du PIB4 se trouvent dans la zone de danger de l’endettement. Entrer dans cette zone signifie une croissance économique plus lente. »
6Pour résumer, l’article de Reinhart et Rogoff a été utilisé pour justifier les politiques d’austérité alors qu’il est critiquable et truffé d’erreurs et de choix arbitraires. Reinhart et Rogoff se défendront en affirmant que les politiciens ont sur interprété leurs résultats mais ces économistes disaient en 2011, soit un an après la publication de leur article : « Nos recherches empiriques sur l’histoire des crises financières et la relation entre la croissance et la dette publique soutiennent l’idée que les trajectoires actuelles de la dette constituent un risque pour la croissance et la stabilité à long terme, de nombreuses économies avancées ayant déjà atteint ou dépassé le marqueur important de 90 % du PIB. »
Un article rempli d’erreurs
7L’article de Reinhart et Rogoff comporte différentes erreurs, parfois grossières, et des choix largement discutables dans leurs analyses.
8La première erreur concerne les calculs réalisés à partir d’une formule Excel mal définie. En effet, la formule saisie sous Excel oublie certaines données telles que les cinq premiers pays par ordre alphabétique sur les 20 pays dits développés. Même s’il est incroyable de constater que d’éminents et éminentes économistes utilisent Excel alors que d’autres logiciels statistiques bien plus robustes sont disponibles, cette erreur grossière n’est sûrement pas volontaire. De plus, ce qui est surprenant, c’est que les résultats n’aient pas été consolidés avant d’être publiés dans l’une des meilleures revues d’économie. Comment cette erreur a-t-elle été découverte ? Par hasard ! Herndon, un étudiant en économie, devait répliquer le travail de Reinhart et Rogoff et il ne parvenait pas aux mêmes résultats. Il les a donc contactés et les deux économistes lui ont envoyé leur fichier. C’est ainsi que l’étudiant a découvert l’erreur, ce qui tend à confirmer qu’elle n’était pas volontaire. L’oubli malencontreux de ces 5 pays impacte les résultats. Par exemple l’un des pays oubliés, la Belgique, compte vint-six années durant lesquelles la dette publique était supérieure à 90 % et une croissance moyenne sur ces années de + 2,6 %. Ainsi, ce pays contredit la règle générale posée par l’article initial.
9De plus, d’autres données disponibles n’ont pas été utilisées, alors qu’elles modifieraient les résultats. Parmi les données omises, il y a celles relatives à l’Australie (1946-1950), à la Nouvelle-Zélande (1946-1949) et au Canada (1946-1950). Tous ces pays ont, sur ces années, une dette élevée et une croissance positive. Par exemple, le Canada avait un ratio dette/PIB supérieur à 90 % pendant cette période et une croissance de 3 %, la Nouvelle-Zélande une dette/PIB supérieure à 90 % de 1946 à 1950 et le taux de croissance moyen sur toutes ces années était de 2,58 %. Reinhart et Rogoff bizarrement ne retiennent que la dernière année (1950) pour ce pays où le taux de croissance est de -7,6 %. On ne peut pas les accuser sans preuve de faute scientifique consciente… mais il est au minimum surprenant que de telles données, qui contredisent le fameux seuil du ratio dette/PIB à 90 %, aient été « oubliées » sans le justifier.
10Par ailleurs, leur article se base uniquement sur des moyennes qui sont calculées à partir de choix très surprenants. Les données dont divisées en quatre groupes selon le taux de dette publique (< 30 %, entre 30 % et 60 %, entre 60 % et 90 %, > 90 %). Sur ces quatre groupes, on calcule la croissance moyenne. Ainsi, le taux de croissance des dix-neuf années où le Royaume-Uni a dépassé les 90 % de dette par rapport au PIB est ramené à un chiffre unique moyen. Puis une moyenne des moyennes par groupe est calculée, pour obtenir la croissance moyenne sur les quatre groupes. Faire une moyenne de moyennes est toujours problématique car on agrège des moyennes qui n’ont pas des poids identiques. Par exemple, comme les données entre 1946-1949 ont été éliminées pour la Nouvelle-Zélande, il ne reste que l’année 1950 où la Nouvelle-Zélande a une dette publique supérieure à 90 % avec un taux de croissance de -7,6 %. Le Royaume-Uni a connu dix-neuf années (1946-1964) où la dette publique était supérieure à 90 %, avec un taux de croissance moyen de 2,4 %. Ces deux chiffres, 2,4 % et -7,6 %, ont un poids égal dans le calcul final car Reinhart et Rogoff font la simple moyenne des deux pays. Autrement dit, une moyenne calculée sur dix-neuf années (Royaume-Uni) pèse autant qu’une valeur sur une seule année (Nouvelle-Zélande) puisque les données antérieures de ce pays ont été « oubliées ». Une méthode simple (et elle aussi discutable, mais peu importe) aurait pu être de pondérer les moyennes par le nombre d’années. Par exemple dans le cas du le Royaume-Uni et de la Nouvelle-Zélande, le taux moyen de croissance passe de -2,6 % (méthode de Reinhart et Rogoff) à + 1,9 % (moyenne pondérée par le nombre d’années, dix-neuf pour le Royaume-Uni une pour la Nouvelle-Zélande). Quoi qu’il en soit, Reinhart et Rogoff ne justifient pas ce choix dans leur article.
11Si l’erreur sous Excel est certainement involontaire, les deux autres problèmes, l’élimination de données et le calcul des moyennes, posent question. Il aurait été nécessaire d’informer dans l’article des raisons de ces choix or Reinhart et Rogoff ne l’ont pas fait, se justifiant a posteriori par l’argument que ces erreurs ne modifiaient pas fondamentalement leurs résultats. L’article critique rédigé par Herndon, Ash et Pollin5 montre que si l’on corrige ces trois erreurs : 1/ corriger l’erreur sous Excel ; 2/ pondérer les moyennes par le nombre d’années ; 3/ ne pas évacuer certaines données de l’analyse, les résultats obtenus sont complètement différents. Le seuil de 90 % n’apparait plus comme un seuil de rupture ! Concrètement, avec une dette publique supérieure à 90 %, Reinhart et Rogoff obtiennent une croissance médiane de -0,1 % alors que Herndon, Ash et Pollin obtiennent une croissance médiane de + 2,2 %. Sur la base de cet article critique, il apparait que toutes les discussions sur ce seuil de 90 % sont erronées.
D’autres erreurs fondamentales
12Reinhart et Rogoff ont rédigé des réponses à toutes les critiques publiées dans la presse américaine. Leurs réponses justifient leur conclusion car à leurs yeux, même en corrigeant leurs calculs, une hausse de la dette publique entraine une baisse de la croissance : « Il est inquiétant qu’une telle erreur se soit glissée dans l’un de nos documents malgré nos efforts pour être toujours prudents. Nous redoublerons d’efforts pour éviter de telles erreurs à l’avenir. Nous ne pensons cependant pas que ce regrettable oubli affecte de manière significative le message central du document ou celui de nos travaux ultérieurs. » En effet, même avec les données corrigées on obtient une corrélation négative entre le taux de dette publique et la croissance : plus la dette publique augmente, plus la croissance diminue. Si le fameux seuil de 90 % disparait, leur argument est qu’il y a un lien mécanique entre la dette publique et la croissance Pourtant ceci est statistiquement erroné ! Depuis, différents articles (publiés essentiellement sur des sites Internet) se sont penchés sur le modèle posé par Reinhart et Rogoff pour en critiquer d’autres aspects. Ces problèmes du travail initial méritent aussi d’être discutés.
13Le premier problème est la relation de cause à effet posée par Reinhart et Rogoff : la dette publique serait à l’origine de la baisse de la croissance. Comme expliqué précédemment, rien ne permet d’affirmer une relation de cause à effet par un outil statistique. Différents articles ont soulevé que vraisemblablement la relation causale serait inverse : une faible croissance entraine une augmentation de la dette publique. C’est par choix idéologique que Reinhart et Rogoff ont posé la relation causale qui les intéressait : la dette publique impacte la croissance. Rien sur le terrain statistique ne leur permettait de le dire et encore moins de l’affirmer. Depuis, bien des articles posent des arguments théoriques pour inverser la relation causale. Certains développent des analyses statistiques le montrant (dans la mesure où l’on a des données dans le temps, on peut voir si la dette publique impacte la croissance future ou l’inverse6).
14Une grosse carence du travail de Reinhart et Rogoff réside aussi dans l’extrême pauvreté de leurs analyses statistiques. Seules des moyennes sont utilisées. Celles-ci peuvent résumer des données si ces dernières sont toutes proches de la moyenne. Si au contraire, les données sont très éloignées de la moyenne, cette dernière n’a que peu de sens pour les résumer. Il existe des outils statistiques élémentaires pour vérifier cela (écart-types, intervalles de confiance…). Or, les données utilisées sont d’une grande hétérogénéité : le graphique entre la dette publique et la croissance ressemble à une forme patatoïde7 à l’instar de l’exemple du lien entre le digit ratio et la taille du pénis8. Sur la base des données non découpées en quatre groupes, Louapre trouve que la dette « explique » 4 % des variations de la croissance, c’est-à-dire que le lien entre la dette publique et la croissance est très faible et l’on ne peut absolument pas parler d’un lien mécanique contrairement à ce qu’ont fait Reinhart et Rogoff. Concrètement, nous avons ici exactement le même pouvoir explicatif que sur l’exemple entre le digit ratio et la taille du pénis. Sur la base d’une analyse plus rigoureuse (basée sur des tests statistiques basiques), la conclusion est toute autre comme le montre l’article critique de Herndon, Ash, et Pollin : « les différences de croissance moyenne du PIB dans les catégories [de dette publique] 30-60 %, 60-90 % et 90-120 % ne peuvent être statistiquement distinguées9 ».
15Un autre problème est le découpage arbitraire en groupes de pays selon la dette publique. En effet, les groupes établis sont : a/dette publique inférieure à 30 %, b/dette publique entre 30 % et 60 %, c/dette publique entre 60 % et 90 % et d/dette publique supérieure à 90 %. On est en droit de questionner ce découpage car il n’y a aucune justification dans l’article initial. On peut bien évidemment découper des données en groupes car cela simplifie les analyses mais avec une perte d’information puisque chaque donnée est assimilée à la moyenne de son groupe. En général, on essaye de ne pas le faire, d’où l’analyse de Louapre sur les données non regroupées en quatre groupes et dont les résultats contredisent complètement le discours de Reinhart et Rogoff. Si l’on veut découper des données en groupes, on se doit de justifier ses choix. Aujourd’hui, en statistique, il est recommandé de découper des données par des processus qui les analysent en amont pour trouver le découpage optimal afin de conserver le maximum d’information. Par ailleurs, les données montrent ce que l’on appelle des outliers, c’est-à-dire des données ayant des valeurs très différentes des autres et donc polluant les analyses. Ce sont ces données atypiques qui pèseront sur les résultats. La pratique voudrait que l’on retire de telles données tout en cherchant à comprendre ces atypismes afin de modérer la conclusion. Enfin, on analyse la dette publique cumulée dans le temps. Il y a donc un lien très important entre la dette publique cumulée pour un pays à une année (t) et à l’année suivante (t + 1). Il faudrait utiliser un modèle qui intégrerait cette information et ne pas faire comme si, pour un pays, la dette publique cumulée pour une année était indépendante de la dette publique cumulée des années antérieures (le modèle initial le suppose). Enfin, Reinhart et Rogoff considèrent implicitement que le modèle est homogène pour tous les pays, ce qui est largement discutable et mériterait d’être analysé en détail.
16Comme nous l’avons expliqué, au-delà des erreurs et des choix de Reinhart et Rogoff, leur modèle est fondamentalement très simpliste et impose mathématiquement des impératifs non crédibles. Egert, économiste, a repris l’ensemble des données en faisant tout ce que nous venons de dire10. Le travail de Egert est très intéressant puisqu’en reprenant le modèle initial de Reinhart et Rogoff, il montre que les résultats sont bien moins spectaculaires que ceux exhibés dans l’article initial car quelques données très atypiques déformaient l’analyse. À partir d’une dette publique de 30 %, l’augmentation de celle-ci n’a pas de tendance significative sur la croissance. Mais surtout, en effectuant une analyse nettement plus sérieuse sur la base de modèles en cohérences avec les données, sa conclusion est la suivante : s’il y a un seuil entre dette publique et croissance, ce seuil se situe autour de 20 %, c’est-à-dire qu’une dette publique inférieure à 20 % semble liée à une croissance plus importante, et qu’au-delà de 20 % la croissance semble diminuer. Il n’y a absolument pas de seuil à 90 % (ni 30 %, ni 60 %). Sachant que le lien causal, s’il y en a un, est certainement l’inverse de celui posé par Reinhart et Rogoff, Egert conclut son travail ainsi : « Nos résultats peuvent être considérés comme une confirmation économétrique formelle que le résultat selon lequel une dette publique supérieure à 90 % de la dette publique est associée à une croissance économique nettement plus faible ne figure pas dans les données : le fait stylisé précédent est en effet une erreur statistique11. »
Bilan sur cet exemple
17Si nous avons développé longuement cet exemple, c’est qu’il cristallise tous les aspects de la critique envers l’usage des statistiques. Deux économistes néolibéraux de renommée internationale prétendent démontrer statistiquement qu’il existe un modèle mécanique entre la dette publique et la croissance avec un seuil fatidique de 90 % de dette publique. Comme on l’a vu, ce modèle intègre une grossière erreur de calcul (sous Excel) ainsi que des choix non justifiés et très critiquables : le choix de données éliminées et le choix des calculs de moyennes. Au-delà, le modèle utilisé est simplissime, avec des seuils posés a priori sans justification, sans vérifications élémentaires de l’efficience du modèle et en considérant de façon erronée que les données sont indépendantes dans le temps. Des analyses critiques montrent : 1/ que le seuil de 90 % n’existe pas ; 2/ que le lien entre la dette publique et la croissance, s’il existe, est très faible ; 3/ que la relation causale est vraisemblablement inverse. De plus, se pose le problème de la mesure de la dette publique et de la croissance car comme toutes mesures, celles-ci renvoient à des choix. Pour exemple, il y a quelques années des politiciens voulaient intégrer la drogue et la prostitution dans le PIB de la France car cela ferait mécaniquement augmenter le PIB et donc diminuer la dette publique rapportée au PIB. De plus, mais c’est un autre débat, ces indicateurs sont eux-mêmes des agrégats et souffrent de problèmes mathématiques12.
18L’article de Reinhart et Rogoff a eu une fonction politique et idéologique claire. Paru dans une revue académique très réputée, il pourrait laisser croire que c’est la renommée de la revue qui explique son impact sur le monde politique. En réalité, c’est par ce qu’il donnait des arguments favorables aux politiques d’austérité qu’il a été autant utilisé. Les dirigeants et dirigeantes politiques pouvaient justifier leurs politiques d’austérité sur la base d’un soi-disant travail scientifique où était démontré statistiquement un effet de seuil : si la dette dépasse 90 %, c’est la catastrophe. Or, ce seuil de 90 % était politiquement intéressant car en 2010, la plupart des pays avaient des dettes publiques entre 60 % et 80 % et qui augmentaient chaque année.
19Cet exemple parait caricatural, mais il ne l’est pas car en dehors de l’erreur sous Excel, tout le reste de l’analyse de Reinhart et Rogoff est usuel dans les analyses statistiques en sciences humaines : choix arbitraires, erreurs d’analyse statistique… Cependant, pour l’article de Reinhart et Rogoff, tous ces choix et erreurs sont clairement pilotés par des raisons idéologiques et politiques. Bien évidemment, la fonction politique d’un article en économie est plus saillante que dans d’autres domaines des sciences humaines. Cependant, à des degrés moindres, on retrouve très souvent la même structuration de l’argument statistique qui nourrit des visions normatives et des choix politiques.
L’exemple du Covid
20Nous allons revenir sur la fonction politique des statistiques durant la période de la crise sanitaire liée au Covid pour la connecter aux développements effectués dans notre livre. Poser une critique exhaustive demanderait de revenir sur toutes les données statistiques produites, leurs constructions et leurs utilisations politiques au gré des mesures imposées aux populations. Cela obligerait à développer les modèles épidémiologiques en détail de façon critique et à revenir sur un grand nombre d’articles académiques. Nous n’avons pas la prétention d’un tel travail. Sur le plan de l’usage politique des statistiques durant la crise sanitaire, deux articles peuvent éclairer : « L’épidémie de COVID-19 en France : la prudence s’impose face aux chiffres13 » et « Traitement médiatique des morts de la Covid-19 : entre avalanche de chiffres et récits de vie14 ». D’une façon plus globale sur la validité des indicateurs statistiques utilisés et sur la fonction politique de la science durant cette période, nous renvoyons entre autres aux deux textes publiés par Stiegler15 et aux conférences de l’épidémiologiste Desbiolles (lors de la Commission d’enquête du Sénat sur la crise sanitaire16 et lors d’une conférence avec Stiegler17). Notre propos n’a ici pour seule fonction que de caractériser l’usage politique de données statistiques et leur intrication avec une politique imposée au nom de La Science.
La gestion institutionnelle de la crise sanitaire
21Le gouvernement français a mis en place une politique sanitaire en dehors de toutes les institutions de santé publique. Il existe en France des agences indépendantes dont les cadres sont définis par le Code de la santé publique (Santé publique France, HAS, Haut Conseil de santé publique) et dont les missions renvoient entre autres à la gestion des crises sanitaires. Au lieu de s’appuyer sur ce réseau robuste, un Conseil scientifique ad hoc a été constitué par le Gouvernement dont le choix des membres s’est fait par cooptation avec un risque de collusion entre les experts, entrainant l’émergence d’une seule tendance et dont les avis n’ont pas fait l’objet de validations dans le monde académique18. Cette commission scientifique, dont les travaux ne sont pas publics, a justifié les mesures politiques subies. Nous renvoyons au texte de Stiegler et Alla19 Santé publique année zéro pour obtenir l’analyse exhaustive de ce fait.
22L’imposition par exemple du pass sanitaire, pour obliger les individus à se vacciner, décidée le 12 juillet 2021 par le président de la République l’a été sur la base d’un avis de ce Conseil scientifique20. Cet avis se basait sur un article qui n’était pas paru dans une revue académique et dont 25 % des auteurs étaient membres du Conseil scientifique21. L’article en question s’appuyait sur un modèle prévisionnel intégrant des paramètres choisis arbitrairement, comme les hypothèses que les vaccins réduisent le risque d’hospitalisation de 95 %, d’infection de 80 % et le risque de transmission en cas d’infection de 50 %. Or, les essais randomisés ayant justifié l’usage des vaccins ne discutaient pas de ces critères mais se centraient uniquement sur le taux d’infections symptomatiques. De plus, des études américaines sorties juste avant l’article en question contredisaient ces hypothèses22. Ces dernières étaient donc arbitraires et favorisaient largement l’imposition du vaccin de façon généralisée. Bref, la validité scientifique de ce travail méritait un regard critique et ne pouvait absolument pas être considérée comme une preuve justifiant une mesure autoritaire imposée à toute la population : le pass sanitaire.
23D’une façon plus générale, ce Conseil scientifique n’a eu essentiellement pour rôle que d’entériner les décisions prises par le Gouvernement c’est-à-dire d’apporter une pseudo-justification scientifique aux mesures décidées indépendamment de lui. Le pass sanitaire par exemple a été justifié par l’article que nous venons de critiquer mais ce dernier soutenait en fait une proposition de McKinsey23. Les décisions imposées par le Gouvernement s’appuyaient sur le concept de nudge (coup de pouce) déjà discuté au chapitre iii. Ces nudges, c’est-à-dire les mesures imposées à la population, furent proposés par des entreprises de marketing (BVA Nudge Unit ou McKinsey essentiellement), absolument incompétentes en santé publique et reprises ensuite par le Conseil de défense sanitaire dirigé par le président de la République et n’intégrant que quelques ministres… puis validés a posteriori par les scientifiques membres du Conseil scientifique24. L’objectif était de nous obliger à faire les « bons choix » par des contraintes (auto attestation de sortie lors du confinement, pass sanitaire, pass vaccinal…) alors qu’aucune étude scientifique ne permettait de considérer ces mesures comme efficientes par rapport à d’autres approches moins contraignantes et moins uniformes… en dehors de simulations dont nous évoquerons plus bas toutes les fragilités.
Des indicateurs statistiques liés au Covid discutables
24Pour justifier sa politique, la propagande gouvernementale reprenait une phrase choc : « On peut débattre de tout sauf des chiffres ! » Pourtant, les données statistiques utilisées par le Gouvernement sont largement discutables. Nous renvoyons à l’article « Traitement médiatique des morts de la Covid-19 : entre avalanche de chiffres et récits de vie25 » pour un regard critique de la médiatisation des chiffres durant la pandémie. Une donnée statistique, comme le nombre de morts par exemple, demande deux choses : 1/un critère de catégorisation : comment caractérise-t-on qu’une personne est morte du Covid ? ; 2/un appareil administratif à même de compiler ces données de façon fiable. C’est l’INSERM26 qui est en charge du suivi des statistiques de décès en France, et la consolidation de ces données est longue. En 2022, la dernière année disponible pour de telles données est 201727.
25Si nous reprenons le nombre de morts du Covid, le critère de catégorisation a évolué au cours des huit premiers mois de la crise sanitaire. Dans un premier temps, les statistiques officielles n’ont été issues que des hôpitaux. Les EPHAD28 intégreront ces statistiques officielles à partir d’avril 2020. Les décès à domicile le seront à partir de fin août 2020. Durant les premiers mois, toutes les personnes décédées porteuses du virus ont été considérées comme mortes du Covid. Ce n’est qu’à partir de novembre 2020 que la catégorisation de l’OMS29 a été appliquée en France pour les décès associés au Covid. Il y a en moyenne pour chaque décès, d’après l’INSERM, plus de trois causes possibles associées. Le protocole de l’OMS demande de déterminer quelle en est la cause essentielle30. Ceci prend en général un an car 70 % des certificats de décès sont manuscrits en France et la consolidation demandera trois à quatre ans pour avoir les statistiques définitives. De plus, la détermination du nombre de décès du Covid a essentiellement été faite dans les hôpitaux dont les services administratifs étaient déjà exsangues. Il y a donc eu un certain nombre d’erreurs de remontées de données (parfois surestimant, parfois sous-estimant les décès liés au Covid). Concrètement, le nombre de décès associés au Covid demandait un temps de consolidation des données. Or, nous avions chaque jour de telles données officielles alors que leur robustesse était fragile31.
26L’usage quotidien de telles données n’avait pour fonction que de justifier la politique imposée32. Cette fonction politique se caractérise clairement lorsque l’on analyse le statut vaccinal : n’étaient considérées comme vaccinées que les personnes ayant reçu les deux doses au moins quinze jours avant leur décès, si bien qu’une personne les ayant reçues et décédée dans la semaine suivant sa deuxième dose était considérée comme « non vaccinée ». Par ailleurs, dans les hôpitaux, le décès d’une personne vaccinée pour cause de Covid était confirmé 95 fois sur 100 par un test alors que pour les non vaccinées le test n’était effectué en général qu’une fois sur deux33. Ainsi, nous avions des comparaisons de données selon le statut vaccinal basées sur des protocoles différents. De plus, et ceci est caractéristique du détournement de catégories statistiques, le nombre de morts associé aux vaccins contre le Covid reposait sur un critère différent de celui des décès liés au Covid : ne sont comptabilisés comme décès associés aux vaccins que ceux dont il n’y a aucune autre cause connue que le vaccin pour l’expliquer. Ceci n’est pas en soi un problème car chaque statistique a besoin d’un critère clair. Si le critère caractérisant le nombre de décès associés aux vaccins est celui-là, il faut user du même critère pour ceux associés au Covid afin de pouvoir comparer ces statistiques : ne devraient être comptabilisés comme décès liés au Covid que ceux dont il n’y a aucune autre cause connue que le Covid. Or, 80 % des décès associés au Covid sont liés à des comorbidités34 et le chiffre officiel chute si on ne retient comme décédées du Covid que les personnes dont la mort n’a aucune autre cause connue que ce dernier. Nous ne disons pas que ce dernier critère est le plus opérant. Nous cherchons juste à pointer que la catégorisation statistique est toujours arbitraire et donc politique. Ceci renvoie à toute notre critique sur les catégories statistiques et leurs usages.
27D’autres indicateurs que celui de la mortalité ont été utilisés et moins sujets à caution a priori : le nombre de personnes en service de réanimation, intubées… Mais ces données nécessitaient d’être ventilées selon les catégories de risque (par âge et par comorbidité) pour pouvoir obtenir une véritable photographie de l’épidémie et de ses conséquences. Or, le niveau de transparence des données est à pointer car les statistiques accessibles par le commun des mortels ne ventilaient pas ces indicateurs. Elles n’étaient fournies qu’aux professionnels de santé publique. Par ailleurs, des indicateurs étaient erronés. Santé publique France donnait le nombre d’hospitalisations Covid qui intégrait en réalité toutes les personnes hospitalisées porteuses du Covid… même si ce dernier n’était pas à l’origine de l’hospitalisation, ce qui concernait 30 % de ces hospitalisations et 50 % pour la tranche d’âge 20-39 ans35. Ces indicateurs apportaient donc une vision déformée de la réalité. L’application Tous anti-Covid utilisait le nombre de personnes hospitalisées en réanimation, en soins critiques et en soins continus rapporté au nombre de lits de réanimation, c’est-à-dire comparait trois catégories différentes (trois services) au seul et même nombre de lits de réanimation (donc d’un seul service). Ces indicateurs ne veulent rien dire. De plus, le nombre de lits disponibles en réanimation pose question car il dépend d’une part de la politique sanitaire globale (la France a continué à fermer des lits dans les hôpitaux durant la crise sanitaire) et d’autre part du taux de personnels présents (on ferme des lits faute de personnel dans certains services). De plus, Santé publique France a, au cours de la crise sanitaire, regroupé les catégories d’âge de 15 ans à 64 ans pour ce qui est des réanimations brouillant ainsi le suivi différencié des populations plus ou moins jeunes. Identiquement, la catégorie surpoids a disparu alors que c’est la fraction la plus à risque, caractéristique explicative de 15 % de la mortalité d’après Santé publique France, et ces personnes à risque ont été intégrées a priori avec les individus sans comorbidité, augmentant artificiellement le risque du Covid pour cette dernière catégorie, soit la grande majorité des individus36. Cela a créé un biais majeur. Par ailleurs, Santé publique France ne donnait aucune donnée sur la mortalité des enfants ni sur leur nombre en réanimation, statistique pourtant très importante pour décider de la pertinence de les vacciner. D’après les données disponibles, il semble que seuls les enfants ayant des comorbidités graves soient décédés du Covid.
28Bref, tous ces indicateurs officiels ne respectaient pas la transparence, la neutralité et l’objectivité nécessaire37.
Des mesures sanitaires basées sur des modélisations très fragiles
29Par ailleurs, la plupart des décisions politiques se sont basées sur des simulations. Le confinement et le pass sanitaire ont été imposés non sur la base de résultats scientifiques montrant un potentiel effet positif mais sur la base de spéculations basées sur des modèles prévisionnels peu fiables. En effet, en épidémiologie, les modèles prévisionnels sont très fragiles et n’arrivent que rarement à prédire correctement l’avenir. Ainsi, dès juin 2020 un collectif de modélisateurs scientifiques a alerté dans la revue Nature sur les faiblesses des modèles et du risque de leurs usages à des fins politiques : « Les modèles mathématiques produisent des chiffres très incertains qui prédisent les infections, les hospitalisations et les décès futurs selon divers scénarios. Plutôt que d’utiliser les modèles pour éclairer leur compréhension, les politiques les brandissent souvent pour soutenir des agendas prédéterminés. […] Les hypothèses et les limites des modèles doivent être évaluées ouvertement et honnêtement. Le processus et l’éthique comptent autant que les prouesses intellectuelles. Il s’ensuit, selon nous, qu’une bonne modélisation ne peut être réalisée par des modélisateurs seuls. Il s’agit d’une activité sociale38. »
30Il y a différentes raisons à l’approximation de ces modèles. La première provient des biais des données utilisées. Le nombre de décès, de personnes infectées… découlent de recueils et critères peu consolidés au moment de la prévision et entrainent donc des erreurs importantes dans les modèles. Même avec des données correctes, les modèles sont fragiles car ils reposent, comme toujours, sur l’hypothèse d’une homogénéité de l’humain. L’épidémiologie raisonne comme en sciences humaines, sous hypothèse que les individus sont semblables. Bien sûr des clusters, c’est-à-dire des sous-groupes, sont constitués, mais ils n’ont pas la finesse du réel. Pour intégrer le réel dans toutes ses dimensions, il faudrait des modèles beaucoup trop complexes et les analyses des modèles prévisionnels en épidémiologie montrent que les plus simples sont parfois plus opérants : « La complexité peut être l’ennemi de la pertinence. La plupart des modélisateurs sont conscients qu’il existe un compromis entre l’utilité d’un modèle et l’ampleur qu’il tente de capturer. Mais beaucoup sont séduits par l’idée d’ajouter de la complexité pour tenter de saisir la réalité avec plus de précision. À mesure que les modélisateurs intègrent davantage de phénomènes, un modèle peut mieux s’adapter aux données d’apprentissage, mais cela a un coût. Ses prédictions deviennent généralement moins précises. Au fur et à mesure que l’on ajoute des paramètres, l’incertitude s’accumule (effet de cascade de l’incertitude), et l’erreur peut augmenter jusqu’au point où les prédictions deviennent inutiles39. » Comme le résume Ioannidis, « les prévisions épidémiques ont un bilan douteux, et ses échecs sont devenus plus importants avec la Covid-1940 ». Deux chercheurs ont créé un site41 où ils évaluent les modèles utilisés pour le Covid en confrontant les différentes hypothèses avec la réalité. Ces modèles ont servi aux décisions politiques dans différents pays, notamment les prévisions de l’Imperial College qui justifièrent le confinement en France. Cette évaluation rétrospective des simulations de l’institut Pasteur, de l’INSERM et de l’Imperial College montre des résultats réels en général très éloignés des prévisions. Ces résultats semblent montrer un biais quasiment généralisé dans les estimations surévaluant la dangerosité du Covid.
31En conclusion, les politiques sanitaires imposées l’ont été sur la base de preuves statistiques affirmées non contestables alors que le débat scientifique révélait en réalité des connaissances fragiles et des modèles prévisionnels contradictoires qui ne permettaient pas de considérer l’avis des scientifiques et les données exhibées comme consensuelles ou fiables.
Bilan critique de la politique sanitaire
32La crise sanitaire liée au Covid et le terme pandémie associé, ont généré l’idée que nous pourrions tous et toutes être soumis à un danger de mort imminent de façon identique. « Les chiffres ont été mobilisés pour décrire une épidémie massive, mortelle, dont personne n’est à l’abri, jeunes compris, pour promouvoir et justifier l’action des autorités, et enrôler le public dans la guerre contre le virus42. » Les points presses quotidiens de la Direction générale de la Santé comprenaient en moyenne 54 chiffres. Les rapports hebdomadaires de Santé publique France étaient « truffés de chiffres, de graphiques, de cartes et de tableaux43 ». Ces statistiques abordaient peu les comorbidités44. Cette médiatisation statistique des personnes décédées et infectées a réduit la santé de l’humain à sa dimension biologique (l’infection par un virus) ce qui a généré l’illusion qu’une telle infection avait intrinsèquement les mêmes probabilités de se réaliser quelles que soient les personnes indépendamment d’autres facteurs de commodités entre autres et avec potentiellement les mêmes conséquences. Si l’on reprend la définition de l’OMS, « la santé est un état de complet bien-être physique, mental et social et ne consiste pas seulement en une absence de maladie ou d’infirmité », on se rend compte que toute la politique sanitaire imposée n’a pas tenu compte des dimensions psychologique et sociale de la santé. Seul l’aspect biologique, être ou pas porteur du virus, a compté : « Nous avons considéré que la cause de cette crise était une maladie infectieuse. Toutes nos interventions se sont focalisées sur la réduction des lignes de transmission virale, en vue de contrôler la propagation de l’agent pathogène. La ‘‘science” qui a guidé les gouvernements a été principalement conduite par des modélisateurs en épidémiologie et des spécialistes de maladies infectieuses qui, de manière tout à fait compréhensible, ont envisagé l’urgence sanitaire actuelle dans les termes séculaires de la peste45. » Ce regard biologisant de la politique sanitaire, que Horton rédacteur en chef de la revue Lancet critique dans son article, renvoie à notre critique posée sur les attributs psychologiques qui eux aussi sont le plus souvent biologisés. L’humain est un être social et toute approche scientifique devrait en tenir compte notamment pour ce qui est de la santé. Or, intégrer toutes ces dimensions obligeait à proportionner la politique sanitaire en fonction des personnes et situations et s’interdire de considérer chaque personne comme identique aux autres. En imposant les mêmes restrictions (confinement, masque…) et les mêmes obligations (vaccins) à toute la population, au nom de La Science, la politique sanitaire a été en contradiction complète avec une telle perspective.
33En termes de santé, au sens de la définition de l’OMS, il est complexe de tirer un bilan des mesures mises en place sur la base de modélisations fragiles et d’indicateurs statistiques discutables. Il faudra du temps pour faire un bilan des dégâts collatéraux des mesures imposées à la population. Une seule étude scientifique isolée ne peut confirmer une hypothèse, c’est la convergence de résultats qui seule permet de consolider une hypothèse. Comme l’a dit Stiegler à France Culture : « Les premiers retours des grands articles internationaux dans des revues du type Lancet ou autres sur ce panorama des résultats sanitaires des mesures sont plus qu’inquiétants46. » Il faut analyser les effets des mesures imposées à l’aulne de toutes les dimensions de la santé. Notre objectif n’est pas de reproduire ce que nous critiquons : se servir de statistiques pour prouver. Nous citons quelques résultats sans prétendre que ces études valident statistiquement de façon certaine l’hypothèse d’une aggravation de la santé, mais il semble exister une convergence d’un certain nombre de travaux académiques révélant des résultats inquiétants à ce sujet.
34La politique de confinement a entrainé une réduction de 13 % des séjours hospitaliers hors Covid, y compris pour les maladies les plus graves. L’INSERM considère que : « La pandémie de Covid-19 a très fortement fragilisé la lutte globale contre le cancer. Les confinements successifs ont limité l’accès au soin et ont conduit à une réduction significative du dépistage, du diagnostic et de l’orientation vers les hôpitaux des patients atteints de cancer47. » Une étude du British Medical Journal48 conclut à une augmentation entre 6 % et 8 % des cancers consécutifs au retard de diagnostic. Soit en France une surmortalité prévisionnelle de 11 000 personnes car il y a 160 000 décès annuels liés au cancer chaque année. Une étude sur 204 pays parue dans The Lancet49 alerte sur les indicateurs de dégradation de la santé mentale. Santé publique France confirme cette forte dégradation depuis le premier confinement : problèmes de sommeil, état dépressif ou anxieux, pensées suicidaires50. Ceci semble notamment exister pour les plus jeunes avec entre 2020 et 2021, une augmentation de 30 % des tentatives de suicide et le doublement des passages aux urgences pour idées suicidaires chez les 11-17 ans51. Les taux de suicide et troubles psychiques ont augmenté chez les personnes les plus jeunes mais aussi chez les plus âgées, notamment en EPHAD à cause de l’isolement absolu subi52. Les maltraitances familiales auraient également énormément cru. Une étude fait état d’une augmentation de 50 % des hospitalisations pour violences physiques sur les enfants de moins de 5 ans, notamment du syndrome du bébé secoué, pendant le premier confinement53. Aussi sommes-nous en droit de considérer que le confinement a été plus dangereux pour les enfants que le Covid. Une étude épidémiologique54 semble indiquer une prise de poids moyen, une réduction importante des activités physiques, une augmentation du tabagisme, une augmentation des traitements médicamenteux, c’est-à-dire de facteurs pronostiques de troubles cardio vasculaires. De même, cet impact du confinement sur la prise de poids des enfants semble important suite à la réduction d’activités physiques55. Par ailleurs en France, un million de personnes supplémentaires ont été condamnées à la pauvreté suite aux mesures sanitaires56.
35En outre, la politique vaccinale mise en place via le pass sanitaire puis le pass vaccinal a entrainé deux effets contraires à ses objectifs. Le premier consiste en l’augmentation de la méfiance envers les vaccins. Le second renvoie au taux de vaccination chez les personnes à risque. Pour l’OMS, l’hésitation vaccinale constitue l’une des principales menaces en termes de santé. Cette institution a alerté très rapidement sur la perte de confiance envers les scientifiques et les politiques menées issue d’une vaccination obligatoire57. Par ailleurs, la France a montré l’un des taux de vaccination les plus importants d’Europe (84 % de la population). En revanche, pour les plus de 80 ans, elle a montré l’un des taux de vaccination les pires de l’Europe de l’Ouest, inférieur à ceux des pays n’ayant pas mis en place de mesures coercitives pour obliger à se vacciner. Certains pays ont obtenu 100 % de personnes âgées vaccinées sans mesures coercitives58. Ceci provient entre autres de la méthode de vaccination. En France, il fallait passer par un site Internet, Doctolib, et les personnes non vaccinées se voyaient empêchées d’accéder à certains lieux ou de se déplacer en utilisant certains transports en commun sans pass sanitaire puis pass vaccinal. Une telle mesure favorisait la vaccination massive des personnes de moins de 60 ans, les moins à risques, afin de pouvoir conserver leur vie sociale importante. À l’inverse, ces contraintes arbitraires ne poussaient pas à la vaccination les fractions de la population déjà exclues de ces espaces de vie sociale comme les cinémas ou les restaurants. La fracture numérique et la centralisation des pôles de vaccination ont accentué cette barrière à l’accès aux vaccins pour toute une partie de la population. Des responsables de santé publique préconisaient de ne pas obliger les personnes à devoir se rendre aux pôles de vaccination mais de décentraliser ces derniers en mettant en place des moyens pratiques pour apporter les vaccins dans les zones délaissées, notamment les zones rurales et les quartiers populaires, à partir du réseau de santé publique existant en France59. Comme l’explique Alla, professeur de santé publique et démissionnaire du Haut Conseil de la santé publique : « on sait que la moitié des non vaccinés ne sont pas des antivax, mais des personnes âgées isolées qui vivent loin des centres de vaccination, des SDF, des migrants qui parlent mal le français, des personnes qui n’ont pas accès à internet60 ». Ceci d’autant plus que les populations à risque (obésité, diabète de type 2 entre autres) avaient un fort gradient social, c’est-à-dire concernaient essentiellement des personnes qui vivent dans des déserts médicaux et qui de par la politique de vaccination mise en place, n’avaient pas un accès aisé aux vaccins61.
36Comme le montre une étude de l’INSERM publiée dans Nature Medecine62, la politique de vaccination en France, critiquable du point de vue de la méthodologie statistique l’ayant justifiée, a fait augmenter la méfiance envers les vaccins par l’imposition du pass sanitaire y compris chez les personnes vaccinées contre le Covid. La France a de plus échoué à vacciner autant qu’il aurait fallu le faire les populations les plus vulnérables au Covid63.
Le rôle politique de la Science en temps de crise sanitaire
37Un aspect crucial durant cette crise sanitaire a été la teneur des débats scientifiques. Nous avons critiqué dans le chapitre précédent le fait que La Science s’imposait dans l’espace public. Durant cette période, toute critique de la doxa dominante a été qualifiée de complotisme, interdisant tout débat serein et contradictoire. Non seulement le commun des mortels n’avait pas le droit de porter de critique au discours dominant sous peine de se voir catégorisé « complotiste », mais même des scientifiques se sont retrouvés violemment attaqué.es voire ostracisé.es pour en avoir développé64. La crise sanitaire fut une démonstration permanente de la fonction politique de la science sous couvert de soi-disant preuves statistiques : « Dans cette atmosphère de propagande et de fabrication médiatique du consentement, on allait quitter le domaine de la rationalité scientifique et du raisonnement médical, pour basculer dans un raisonnement moral de type manichéen, propre à la communication de guerre […] Présenter “le vaccin” comme une valeur absolue et l’élire comme “l’unique moyen de sortir de la crise” était une erreur massive d’appréciation, substituant au raisonnement scientifique et médical une approche morale et militante, aussi peu rigoureuse que celle qui présentait le vaccin comme le mal absolu65. »
38Les experts et expertes en santé publique ont accompagné cette politique. Ainsi, Alla, dans sa justification de sa démission du Haut Conseil de la santé publique explique : « les experts du HCSP et les agences (HAS, Santé publique France, etc.) n’ont pas joué leur rôle durant la crise sanitaire. Celui-ci consiste à élaborer de l’aide à la décision, y compris quand elle ne va pas dans le sens du décideur ! Or, cette aide à la décision s’est transformée en service après-vente de décisions qui étaient déjà prises en amont […] On assiste aujourd’hui à un processus de décrédibilisation de toute voix discordante. C’est devenu très dur pour un expert de dire : “Je ne suis pas tout à fait d’accord avec les politiques”. Car on risque de nous faire entrer dans le camp des complotistes. Il est par exemple devenu difficile d’émettre le moindre doute sur la politique de vaccination. Les gens sont tétanisés, ils ont peur de passer pour des antivax ou des complotistes66 ». Par exemple, en ce qui concerne les vaccins contre le Covid, ce que les études randomisées les ayant testés et ce que les données observationnelles rapportaient suite à la vaccination massive de populations était que les vaccins avaient une protection individuelle pour éviter les formes graves des personnes à risque. Par contre les vaccins n’empêchaient pas la transmission et la contamination. En conséquence, le bénéfice/risque pour les mineurs était largement discuté dans la littérature académique au point où l’Angleterre a refusé de les vacciner. La base élémentaire en santé publique est de prendre des précautions, notamment envers des enfants qui n’ont pas la possibilité d’avoir ce que l’on considère être un consentement éclairé. Les fondements de la santé publique imposaient donc la prudence et certainement la non vaccination massive des enfants en dehors des enfants porteurs de comorbidités. De ce fait, Delfraissy, en tant que président du Comité consultatif national d’éthique, a cosigné le 9 juin 2021 un avis déconseillant la vaccination massive des mineurs. Mais quelques jours plus tard, en tant que président du Conseil scientifique Covid-19, ce même Delfraissy a validé la vaccination massive des mineurs afin d’adhérer aux décisions politiques prises par le Conseil de défense et ce indépendamment des recommandations du texte du Comité consultatif national d’éthique.
39Abbasi, scientifique reconnu et respecté, a affirmé dans The British Medical Journal : « La science est étouffée par une volonté de gain politique et financier. Le Covid-19 a déchaîné une corruption étatique à grande échelle, néfaste pour la santé publique67. » Langevin rapporte des exemples de pressions, conflits d’intérêts et ostracisassions de certains travaux académiques lors de la crise sanitaire68. Si nous n’adhérons pas à tout ce qui est écrit dans l’ouvrage d’où est tiré cet article, nous reprenons à notre compte la conclusion de Langevin qui considère que : « la formation d’un consensus scientifique fiable est un phénomène à long terme, pas nécessairement compatible avec le besoin d’action à court terme de la politique, rendant risqué l’utilisation de travaux de recherche très récents pour guider ses prises de décisions […] nous ne suivons pas “la science”, mais plutôt une communauté d’experts, qui, comme tout être humain, sont faillibles, influencés par leurs propres conflits d’intérêts et leurs propres biais […] Enfin, la science n’est pas propre à guider une société. En effet, la science n’est en soi qu’une manière de produire des connaissances. Les prises de décisions publiques peuvent (et doivent) s’appuyer sur ces connaissances, mais restent fondamentalement des questions politiques, notamment dans leurs prises en compte des arbitrages entre libertés, sécurité, santé et économie. Prétendre que des décisions sont prises en “suivant la science” alors qu’elles ne relèvent pas du champ scientifique mais du champ politique revient malheureusement à justifier des décisions politiques par un argument d’autorité qui ne tolère pas de débat. Il est urgent que le respect de nos valeurs fondamentales et de notre humanité revienne au premier plan de nos décisions, et que les résultats scientifiques qui les appuient ne soient pas traités comme les écritures d’une nouvelle religion, mais repris dans leur contexte, débattus et critiqués69 ». Stiegler pose la question cruciale : « Ce monde de Pandémie, où le pouvoir élimine la démocratie en soumettant la science à son propre agenda, est-ce là “le monde d’après”70 ? »
Conclusion sur la politique en temps de Covid
40Personne n’a les moyens d’aller lire les centaines de milliers d’articles académiques parus et associés au Covid : depuis février 2020, plus de 300 articles relatifs au Covid sont publiés en moyenne par jour. La validité scientifique de bien des articles questionne car la durée médiane d’acceptation était de 8 jours, c’est-à-dire avec un protocole de relecture souvent bâclée ; à titre de comparaison, la durée médiane pour accepter un article sur la grippe est de 92 jours71. Durant la crise sanitaire, nous avons essayé de suivre les publications scientifiques les plus marquantes dans le débat contradictoire qui existait au sein du microcosme scientifique. À nos yeux, il n’y avait pas consensus sur : 1/ la dangerosité réelle du virus et de ses variants ; 2/ l’efficacité des différentes mesures politiques prises par les États ; 3/ le rapport bénéfice/risque des vaccins pour les moins de 60 ans ; 4/ Le risque de favoriser des variants résistants aux vaccins suite à la vaccination massive non ciblée. Les deux seuls consensus qui nous semblent avoir émergé au cours de la crise sanitaire étaient : 1/ Les vaccins tendent à protéger des formes graves les personnes à risques (âgée ou ayant des comorbidités) ; 2/ La chloroquine n’a pas d’effets positifs. Depuis, un consensus semble émerger sur les dégâts collatéraux importants conséquents des politiques de confinement imposés.
41Au bilan, toutes les données avancées pour justifier des politiques sanitaires étaient contestables. Non qu’elles étaient toutes fausses ou trafiquées mais elles ne faisaient pas consensus au sein de la communauté scientifique. Ceci ne veut pas dire que nous nous associons à toutes les critiques envers les mesures prises mais le débat aurait dû être posé de façon sereine et en ne le restreignant pas aux seules personnes socialement acceptées comme pouvant émettre un avis. À partir du moment où la politique sanitaire impactait toutes les personnes, il fallait favoriser les débats contradictoires dans l’espace public. Le rôle des scientifiques aurait dû être de pouvoir apporter, de façon contradictoire mais sans crispation, les connaissances plus ou moins fragiles ou plus ou moins consolidées issues des recherches scientifiques. Sur la base de tels débats ouverts et démocratiques, tout le monde aurait pu saisir les enjeux associés à cette crise sanitaire. Une politique proportionnée et acceptée par la majorité, car issue d’une connaissance commune, aurait pu se mettre en place. À l’inverse de cela, nous avons subi une imposition autoritaire par l’État de mesures générales et justifiées par le savoir scientifique pourtant très fragile et absolument pas consensuel. La crise sanitaire a été une démonstration permanente de la fonction politique de la science sous couvert de soi-disant preuves statistiques.
42L’imposition du confinement strict généralisé, du pass sanitaire puis du pass vaccinal, caractérisent l’usage politique de données scientifiques sur la base de modèles statistiques largement critiquables. In fine, toute la politique subie durant la crise sanitaire doit se comprendre non pas comme une politique n’ayant que des objectifs sanitaires mais comme une politique ayant avant tout des visées biopolitiques (Foucault72) via la soumission des êtres et des corps à une politique coercitive (les fameux nudges : confinement, masques, vaccins)… tout ceci argumenté par des données et des modèles statistiques car « On peut débattre de tout sauf des chiffres ! »
Notes de bas de page
2Reinhart Carmen et Rogoff Kenneth, « Growth in a Time of Debt », American Economic Review, vol. 100, no 2, 2010, p. 573‑578.
3Ibid.
4Produit intérieur brut.
5Herndon Thomas, Ash Michael et Pollin Robert, « Does high public debt consistently stifle economic growth ? A critique of Reinhart and Rogoff », Cambridge Journal of Economics, vol. 38, no 2, 1er mars 2014, p. 257‑279.
7La vidéo de D. Louapre montre cette hétérogénéité (10 min. 43 sec., [https://www.youtube.com/watch?v=yeX_Zs7zztY]).
8Voir la partie « La taille des doigts prédit-elle la taille du pénis ? » du chapitre ii.
9Herndon Thomas, Ash Michael et Pollin Robert, « Does high public debt consistently stifle economic growth ?… », art. cité.
10Égert Balázs, « The 90 % public debt threshold : the rise and fall of a stylized fact », Applied Economics, vol. 47, no 34‑35, 27 juillet 2015, p. 3756‑3770.
11Ibid.
12Il y a toute une littérature sur les indices synthétiques en économie et leurs problèmes.
13Gastineau Bénédicte et al., « L’épidémie de COVID-19 en France : la prudence s’impose face aux chiffres », Statistique et Société, vol. 10, no 1, 2022, p. 9‑18.
14Peretti-Watel Patrick, Alleaume Caroline et Constance Jean, « Traitement médiatique des morts de la Covid-19 : entre avalanche de chiffres et récits de vie », Statistique et Société, vol. 10, no 1, 2022, p. 37‑51.
15Stiegler Barbara, De la démocratie en pandémie. Santé, recherche, éducation, Paris, Gallimard, 2021 ; Stiegler Barbara et Alla François, Santé publique année zéro, Paris, Gallimard, 2022.
16Alice Desbiolles à la commission des Affaires sociales du Sénat, 08/002/2022.
17Stiegler Barbara et Desbiolles Alice « Santé & Démocratie. Quels sont les vrais risques du COVID », Kaizen Magazine, 23 janvier 2022.
18Zeina Mansour, Chauvin Franck et Faliu Bernard, « L’expertise sanitaire en temps de crise », La Santé en action, vol. 456, 2021, p. 15‑19.
19Stiegler Barbara et Alla François, Santé publique année zéro, op. cit.
20Avis du Conseil scientifique du 8 juillet 2021 : [https://solidarites-sante.gouv.fr/IMG/pdf/avis_conseil_scientifique_6_juillet_2021_actualise_8_juillet_2021.pdf].
22Alice Desbiolles à la commission des Affaires sociales du Sénat, 08/02/2022.
23Cabinet international de conseil en stratégie.
24Stiegler Barbara et Alla François, Santé publique année zéro, op. cit.
25Peretti-Watel Patrick, Alleaume Caroline et Constance Jean, « Traitement médiatique des morts de la Covid-19… », art. cité.
26Institut national de la santé et de la recherche médicale.
27Gastineau Bénédicte et al., « L’épidémie de COVID-19 en France : la prudence s’impose face aux chiffres », art. cité.
28Établissement d’hébergement pour personnes âgées dépendantes.
29Organisation mondiale de la santé.
30Ibid.
31Ibid.
32Peretti-Watel Patrick, Alleaume Caroline et Constance Jean, « Traitement médiatique des morts de la Covid-19… », art. cité.
33Nous renvoyons aux données publiques publiées hebdomadairement.
34[https://www.epi-phare.fr/rapports-detudes-et-publications/impact-vaccinationcovid-octobre-2021/].
35Alice Desbiolles à la commission des Affaires sociales du Sénat, 08/02/2022.
36Ibid.
37Ibid.
38Saltelli Andrea et al., « Five ways to ensure that models serve society : a manifesto », art. cité.
39Ibid.
40Ioannidis John, « How the Pandemic is Changing the Norms of Science », Tablet Magazine, 9 septembre 2021.
42Peretti-Watel Patrick, Alleaume Caroline et Constance Jean, « Traitement médiatique des morts de la Covid-19… », art. cité.
43Ibid.
44Ibid.
45Horton Richard, « Offline : COVID-19 is not a pandemic », The Lancet, vol. 396, no 10255, 26 septembre 2020, p. 874.
46Barbara Stiegler à France Culture, La grande table des idées, « Barbara Stiegler : quel bilan politique de la pandémie ? », 30 mars 2022.
47Thierry Alain et al., « Association of COVID-19 Lockdown With the Tumor Burden in Patients With Newly Diagnosed Metastatic Colorectal Cancer », JAMA Network Open, vol. 4, no 9, 8 septembre 2021, e2124483.
48Hanna Timothy et al., « Mortality due to cancer treatment delay : systematic review and meta-analysis », BMJ, vol. 371, 4 novembre 2020, m4087.
49Santomauro Damian et al., « Global prevalence and burden of depressive and anxiety disorders in 204 countries and territories in 2020 due to the COVID-19 pandemic », The Lancet, vol. 398, no 10312, 6 novembre 2021, p. 1700‑1712.
50[https://www.santepubliquefrance.fr/etudes-et-enquetes/coviprev-une-enquetepour-suivre-l-evolution-des-comportements-et-de-la-sante-mentale-pendant-l].
51Ibid.
52Messy Jack, « La Covid : le double enfermement », NPG Neurologie – Psychiatrie – Gériatrie, vol. 21, no 126, 1er décembre 2021, p. 391‑394.
53Étude du CHU de Dijon qui semble être un préprint pas encore publié : [https://www.chu-dijon.fr/actualites/2021/02/10/violences-confinement].
54Bérard Émilie et al., « One-Year Impact of COVID-19 Lockdown-Related Factors on Cardiovascular Risk and Mental Health : A Population-Based Cohort Study », International Journal of Environmental Research and Public Health, vol. 19, no 3, janvier 2022, p. 1684.
55Baranne Marie-Laure et al., « Impact de la crise sanitaire due au sars-cov-2 sur le statut staturo-pondéral des enfants de quatre ans : comparaison des données des bilans de santé en école maternelle du Val-de-Marne, de 2018 à 2021 », Bulletin épidémiologique hebdomdaire, no 8, 26 avril 2022.
56Stiegler Barbara et Alla François, Santé publique année zéro, op. cit.
57Bulletin épidémiologique de l’OMS d’avril 2021.
58Données de European Centre for Disease Prevention and Control.
59Stiegler Barbara et Alla François, Santé publique année zéro, op. cit.
60Le Quotidien du médecin, 24 janvier 2022.
61Vandentorren Stéphanie et al., « The effect of social deprivation on the dynamic of SARS-CoV-2 infection in France : a population-based analysis », The Lancet Public Health, vol. 7, no 3, 1er mars 2022, e240‑e249.
62Ward Jeremy K. et al., « The French health pass holds lessons for mandatory COVID-19 vaccination », Nature Medicine, vol. 28, no 2, février 2022, p. 232‑235.
63Herzberg Nathaniel, « Covid-19 : les points de fragilité de la couverture vaccinale en France », Le Monde, 24 avril 2022.
64Langevin Maxime, « Au nom de la science. La science peut-elle servir de guide à notre société ? », La Doxa du Covid. t. II. Enquête sur la gestion politico-sanitaire de la crise du Covid, Bastia, Éoliennes, 2022 ; Alla François, « J’ai démissionné du Haut conseil de la santé publique car les experts n’ont pas joué leur rôle durant la crise sanitaire », Le Quotidien du médecin, 24 janvier 2022.
65Stiegler Barbara et Alla François, Santé publique année zéro, op. cit.
66« J’ai démissionné du Haut conseil de la santé publique car les experts n’ont pas joué leur rôle durant la crise sanitaire », art. cité.
67Abbasi Kamran, « Covid-19 : politicisation, “corruption”, and suppression of science », BMJ, vol. 371, 13 novembre 2020, m4425.
68Langevin Maxime, « Au nom de la science. La science peut-elle servir de guide à notre société ? », op. cit.
69Ibid.
70Stiegler Barbara, De la démocratie en pandémie…, op. cit.
71Chevassus-au-Louis Nicolas, « Cinq leçons à tirer de la pandémie (2/5) Comment repenser la publication scientifique ? », Mediapart, 3 août 2022.
72Foucault Michel, Surveiller et punir. Naissance de la prison, op. cit.
Le texte seul est utilisable sous licence Creative Commons - Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International - CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.
Devenir sujet de recherche
L’expérience des malades du cancer en essai clinique
Benjamin Derbez
2021
Comment rester soi-même dans les affres et délices du vivre-ensemble ?
Manuel psychosocial d’autodéfense intellectuelle
François Le Poultier
2023
Comment voguer avec discernement sur des mers encombrées d’imposteurs ?
Manuel psychosocial d’autodéfense intellectuelle - Tome 2
François Le Poultier
2022
Nuit Debout
Des citoyens en quête de réinvention démocratique
Christine Guionnet et Michel Wieviorka (dir.)
2021
L’attention médicamentée
La Ritaline à l’école
Luciana Vieira Caliman, Yves Citton et Maria Renata Prado Martin (dir.)
2023
