le métier de statisticien

Tous ceux qui, comme par exemple les commerçants, remplissent dans la société une fonction intermédiaire risquent d'être accusés - parfois avec raison - de profiter de leur situation pour en tirer des bénéfices hors de proportion avec le travail qu'ils fournissent. D'une façon analogue, tous ceux dont la fonction implique des médiations institutionnelles ou idéologiques complexes s'exposent à être considérés - parfois avec raison - comme des parasites ou, pis encore, comme d'étranges personnages dont les menées recèlent un danger obscur : dans cette catégorie entrent, parmi d'autres, les philosophes, les historiens et les statisticiens.

Tous comme le philosophe et l'historien, le statisticien est en effet bien embarrassé lorsqu'on lui pose cette question si simple : " A quoi sert ce que tu fais ? " Le médecin, l'ingénieur peuvent montrer les conséquences directes de leur action ; le militaire aussi, pendant les périodes troublées. Ces actions peuvent être jugées utiles ou néfastes, selon les cas et les opinions, mais on ne peut nier que leurs résultats ne soient manifestes. Il n'en est plus de même lorsque l'activité vise à produire des informations ou des idées. Cette production est faite sans que l'on puisse avoir une claire conscience de ses conséquences, ni des voies par lesquelles ces conséquences seront provoquées. Elle met en œuvre des médiations dont le mécanisme est difficile à comprendre et même à percevoir, et dont la complication rend possibles de subtiles tromperies.

Le praticien impliqué dans une telle activité ressent parfois quelque effroi devant l'étendue de ses responsabilités et l'imprécision de leurs limites : " Diffuser des chiffres, c'est comme distribuer des lames de rasoir à des enfants ", nous a dit un statisticien éminent. Il y aurait long à dire sur cette phrase, et notamment sur l'assimilation des utilisateurs de l'information statistique à des enfants ; elle reflète cependant une inquiétude très répandue chez les praticiens. Cette inquiétude, certains cherchent à s'en débarrasser en supprimant la responsabilité ; ainsi, un autre statisticien éminent nous a dit : " Si un cordonnier vend à quelqu'un des pantoufles de feutre, puis voit ensuite son client se promener en pantoufles sous la pluie, il ne lui courra pas après pour lui dire qu'on ne doit pas utiliser ainsi des pantoufles ; il laissera le client faire à sa fantaisie. De même, nous ne sommes pas responsables de l'usage éventuellement aberrant que l'on peut faire de nos produits. "

Nous ne partageons ni l'une ni l'autre de ces conceptions. L'angoisse que suscite l'inconnu appelle à l'évidence un dépassement ; mais celui-ci ne peut être opéré en niant la responsabilité du statisticien. L'information statistique n'est pas, comme des pantoufles, un produit simple dont il suffit de disposer pour pouvoir s'en servir bien ou mal. L'utilisation de la statistique est en elle-même un art, aussi difficile que celui de sa production ; et le statisticien peut et doit s'occuper aussi de cet art-là et de ceux qui le pratiquent : c'est un des aspects de son métier.

Pour comprendre à quoi sert la statistique, il est indispensable d'éclairer les médiations par lesquelles elle agit. Toutes les affirmations trop générales, comme ces références aux " besoins d'information d'une société moderne ", ou ces considérations sur la " nécessité de connaître avant d'agir ", " d'éclairer les décisions ", etc., que le statisticien avance lorsqu'on lui demande de justifier son activité, si elles sont irréfutables certes, n'emportent pourtant pas la conviction : elles ne font pas comprendre comment cela marche ; tant que l'on n'a pas vu et touché les mécanismes, les canaux par lesquels l'information passe et agit, on ne peut pas vraiment comprendre à quoi sert la statistique ; on peut en outre toujours craindre que, malgré la pureté des intentions affichées, elle n'exerce, par quelques détours obscurs, une influence nuisible ; et, à moins d'être doté d'un de ces heureux caractères qui se contentent de peu et font volontiers confiance, on peut être conduit à ne voir dans la statistique rien d'autre qu'une agitation bureaucratique et stérile, dont le financement ne s'expliquerait que par une aberration ou par quelque complot.

Eclairer les médiations que la statistique met en œuvre : tel est donc le procédé par lequel nous essaierons de la comprendre dans son utilisation, après l'avoir examinée dans sa production et dans son histoire. Programme exigeant que toute tendance à l'érudition et à l'exhaustivité conduirait immanquablement à l'échec. Nous conserverons la même démarche que dans les parties précédentes, procédant plutôt par exemples et coups de sonde que par un examen complet qui épuiserait à la fois le sujet et le lecteur (1).

Nous serons placé sur la voie en cherchant la réponse à la question suivante : qu'est-ce qui fait qu'une statistique est considérée comme " bonne " ou " mauvaise " ? Qu'est-ce qu'une statistique " de bonne qualité " ? Ici se tranche en effet une question essentielle qui, à travers toutes les médiations, relie la statistique à son but. En approfondissant cette question, nous serons conduits à préciser ce que nous avons entendu par " pertinence " dans la première partie.

Qu'est-ce que la " qualité " d'une statistique ? A cette question, le statisticien répondra souvent d'une façon passablement naïve : il se référera à une conception de la qualité que nous nommerons " asymptotique ". La réalité est considérée comme une asymptote que les mesures doivent approcher au mieux. Plus la mesure est proche de la réalité, plus la qualité de la mesure est élevée. Mais la pratique professionnelle du statisticien est, comme il arrive souvent, plus subtile que son propos ne le laisserait penser. En effet, poussée à l'extrême, la recherche d'une mesure qui corresponde exactement à la réalité tombe tout simplement dans le ridicule, car elle sort des limites du raisonnable : mesurer le P.I.B. à un centime près, la population française à un individu près, de telles exigences feraient hausser les épaules à n'importe quel statisticien. A partir d'un certain seuil, la baisse de l'écart entre la réalité et la mesure lui paraît non seulement inutile - car elle exigerait de gros efforts pour un gain éventuel très faible en signification - mais même nuisible lorsque la précision de la mesure peut provoquer des illusions sur la nature et la stabilité de l'objet étudié.

Le seuil au-delà duquel il devient inutile ou nuisible d'essayer d'approcher davantage l'asymptote est apprécié en pratique par le statisticien de façon intuitive. Le métier, l'expérience jouent ici un rôle important, car ce seuil ne peut guère être situé selon des critères logiques formalisés. C'est cette intuition qui permet, par exemple, d'estimer le temps de travail raisonnablement nécessaire pour traiter une enquête, et donc d'apprécier les moyens nécessaires pour une opération donnée (ou les opérations possibles pour des moyens donnés). Si l'on poursuivait l'idéal de " qualité " asymptotique, on ne trouverait jamais de borne raisonnable à l'intensité du travail ; toute la population (et plus encore) pourrait être occupée à une seule enquête sans que le maniaque de la " qualité " puisse être satisfait ; et s'il travaille dans une enveloppe donnée de moyens, le statisticien ne pourrait être qu'un homme frustré poursuivant sans fin un idéal de perfection, dépourvu de tout critère lui permettant de répartir ses efforts à l'intérieur de ses propres travaux.

Loin d'être guidé dans ses travaux simplement par la conception asymptotique - qui le mènerait dans une impasse -, le statisticien opère en fait des choix. et règle son effort en fonction de l'idée qu'il se fait de l'utilité relative de ses travaux, de leurs conséquences pratiques. Mais ici se présente une difficulté. L'usage qui est fait des résultats statistiques est très rarement un usage directement pratique, immédiatement relié à une action (2). Le plus souvent, on attend d'abord de la statistique qu'elle procure une connaissance des choses (le mot de connaissance étant pris ici dans son sens le plus élémentaire, celui de perception brute). Cette perception demande, comme toute perception d'ailleurs, à être d'abord critiquée, car elle est produite à l'aide d'instruments complexes dont la définition requiert un grand nombre de conventions qui ont des conséquences sur la perception elle-même ; et elle doit aussi être dépassée : en elle-même la perception n'explique rien, elle ne fait que désigner des objets à l'esprit, que l'inciter à s'interroger ; elle demande à être insérée dans des schémas explicatifs qu'elle nourrit, mais qui réclament aussi une réflexion proprement théorique. La statistique n'a d'influence possible sur l'action, sur la pratique, qu'après avoir transité par une médiation théorique, qui peut être parfois implicite mais est toujours présente.

En définitive, la qualité d'une statistique peut être appréciée par la pertinence, l'exactitude et la clarté du raisonnement qu'elle permet. L'exigence pratique d'adéquation à l'action (la pertinence) porte en fait directement sur le raisonnement et indirectement sur la statistique qui n'a de relation avec l'action que par la médiation du raisonnement.

Le point sur lequel le statisticien doit concentrer son attention, parce que finalement c'est là que son travail est jugé, c'est l'articulation entre son instrument et les raisonnements qu'il alimente, la relation entre l'observation et la théorie. C'est, à travers cette relation, dans ses utilisations finales (études, gestion, décisions) que la statistique trouve sa fin et sa sanction. Cette relation nous permet de donner un contenu scientifique à la démarche du statisticien comme à celle de l'économiste (ou du sociologue, etc.) ; l'histoire nous montre en effet, pour tous les domaines de la connaissance, que c'est seulement lorsque la relation entre l'instrument d'observation et la construction théorique a été placée au centre des préoccupations que l'on a pu dépasser ces deux écueils : l'observation maniaque et stérile, l'abstraction (3) évoluant dans le vide sous la seule influence (cachée) des idéologies et des préjugés ; et que l'on a pu engager une démarche proprement scientifique.

Nous nous guiderons sur le fil ainsi tiré. D'abord, nous suivrons la statistique dans les étapes de son utilisation théorique - de la description à l'explication ; des enquêtes aux comptes nationaux et aux modèles. Puis nous reviendrons sur le rôle qu'elle joue dans la société, rôle parfois paradoxal et ambigu. Bien sûr les deux aspects ne se séparent pas concrètement : mais il est commode et, pensons-nous, plus clair de procéder ainsi.

1. Que l'on se rappelle l'image employée par Nietzsche - " On croit voir deux voyageurs au bord d'un torrent sauvage qui roule des pierres avec lui : le premier saute d'un pied léger, utilisant les pierres en progressant de l'une à l'autre, bien qu'elles s'effondrent brusquement derrière lui ; l'autre reste sur la rive, cherchant en vain une aide ; il lui faut d'abord construire les fondations qui supporteront son pas lourd et prudent. Parfois cela n'est pas possible ; aucun dieu ne l'aidera alors à franchir le torrent. " (" La philosophie à l'époque tragique des Grecs ").

2. Le cas le plus clair d'un tel usage est celui des indices de prix utilisés à des fins d'indexation.

3. Il semble que ceux qui avaient été séduits par les beautés et la rigueur au moins apparente de l'économie purement mathématique aient éprouvé des déceptions, et qu'ils accordent depuis quelques années plus d'attention à la statistique obstacle certes, mais aussi support pour le raisonnement. Que l'on se rappelle la belle image de Kant : " La colombe légère qui, dans son libre vol, fend l'air dont elle sent la résistance, pourrait s'imaginer qu'elle volerait bien mieux encore dans le vide " (" Critique de la raison pure ", introduction).


Bonne lecture à tous

jte cache pas que j'ai la fléme de lire...

ancien tu devrai resumé un peu quoi c bq,ca donne pas envie de lire malgré que le sujet a l'air interessant.

je sais que ça parrait long, mais comme c'est interéssant ça va allez trés vite, essayez au moins de commencer par le premier

ok et merci.

Voila une réflexion d'un statisticien sur son métier.

A propos du métier de statisticien appliqué

Texte de Pascal Schilch, extrait de sa thèse de Docteur en Sciences de l'Université Paris XI Orsay intitulée" Contributions à la Sensométrie " ; 12 Juillet 1993.

Effectuer des applications statistiques est un métier à part entière. Après avoir exercé ce métier quelques années et parce que sa passion pour lui ne cesse de croître, l'auteur souhaite terminer son texte par quelques réflexions métastatistiques qui pourraient intéresser ceux qui entrent dans la profession. "The Statistical Consultant in Action" (Hand & Everitt, 1987)permettra au lecteur d'approfondir ses réflexions et d'accéder à une bibliographie surla question.

Existe-t-il en France de véritables formations dédiées à l'exercice du métier de statisticien appliqué ?

Nous ne pouvons répondre à cette question avec certitude, mais nous suspectons que la plupart d'entre nous ont eu à apprendre... sur le tas. L'itinéraire classique est une formation en mathématiques complétée d'une ou deux années d'apprentissage de quelques théories statistiques, trop souvent présentées comme des satellites du calcul des probabilités. Puis survient le plongeon dans l'application, il faut rompre le cordon qui nous relie aux mathématiques sécurisantes.La recherche n'est plus celle de l'élégance mais celle de l'efficacité. Si l'élégance d'un résultat mathématique peut être définie comme le rapport de la difficulté intrinsèque de l'énoncé à la simplicité de sa démonstration, la définition del'efficacité d'une application statistique se mesure, en dehors du champ statistique, parl'ampleur et l'importance des résultats qu'elle a contribués à faire obtenir. Un problème est posé, des hypothèses sont émises, un plan d'expérience est établi, des méthodes statistiques sont choisies, des données sont collectées, des calculs sont menés et leurs résultats permettent de confirmer ou d'infirmer les hypothèses émises. Tel est le schéma idyllique d'une application statistique réussie. Bien entendu, le statisticien est responsable du plan d'expérience et du choix des méthodes statistiques, mais on ne dira jamais assez qu'il doit participer à la définition du problème, aider à formuler les hypothèses, savoir comment les données sont collectées, contrôler les procédures de calcul et participer à l'interprétation des résultats. Dans un projet scientifique, le statisticien n'est pas un technicien, ou un super-technicien, mais un scientifique à part entière, il doit être reconnu comme tel et associé au projet dès sa conception. Son interlocuteur privilégié est le responsable scientifique du projet et lui seul.

Mais la réalité est souvent toute autre. Les trois situations suivantes, quoique caricaturales, menacent quotidiennement le statisticien appliqué:

L'embuscade: A la cafétéria, ou sur un parking,un collègue vous aborde: "J'ai une question de statistique à te soumettre à laquelle tu devrais pouvoir me répondre sur le champ...". Il n'existe pas de question statistique qui puisse être résolue et expliquée en 5 minutes sur le coin d'un comptoir ou le capot d'une voiture. S'il s'agissait simplement de rappeler une formule, ce collègue n'avait qu'à ouvrir lui-même un livre de statistique. En général, ce collègue est un fier doublé d'un égoïste. Il recherche une seule chose: votre bénédiction pour ce qu'il a déjà décidé de faire. En cas de désaccord, il ne retiendra pas vos conseils et en fin de compte, il ne reconnaîtra jamais votrecontribution. Face a l'embuscade, la bonne attitude est soit de détourner la conversation, soit de lui conseiller de vous téléphoner pour prendre rendez-vous.

Le courant d'air: Un collègue fait irruption à l'improviste dans votre bureau avec la traditionnelle formule: "Juste cinq minutes devraient te suffire pour résoudre mon petit problème statistique...". Le courant d'air est une variante de l'embuscade où la fierté est remplacée par la naïveté ou la filouterie. En général, il faudra une ou plusieurs heures pour arriver à quelque chose et votre propre travail de la journée en pâtira. De plus, si vous répondez au courant d'air, il reviendra le lendemain avec un autre problème de 5 minutes. Comme l'embuscade,le courant d'air oubliera très rapidement votre contribution parce que celle-ci n'était pas contractuelle. Il faut fermer la porte au courant d'air avant même qu'il ait eu le temps de déballer ses listings ou autres documents envahissants.

L'ambulance: Avec ou sans rendez-vous, un collègue arrive la mine grave et vous annonce sur un ton tragique: "11 faut absolument que tu m'aides à débrouiller mon problème statistique. C'est extrêmement important et urgent!".

En général, ce collègue est à bout de souffle sur le plan scientifique. Il arrive avec une publication sévèrement critiquée par les lecteurs pour la faiblesse de l'interprétation statistique, ou avec des données à analyser avant la fin de la semaine afin qu'il puisse préparer ce week-end la communication scientifique qu'il doit présenter le lundi suivant. La solidarité nous pousse parfois à effectuer le sauvetage dans les délais imposés, mais la qualité du travail fourni s'en ressent invariablement. Il est impératif de refuser de répondre aux récidivistes de l'ambulance et de leur expliquer que les statistiques commencent lors de la définition du projet.

Il relève de la responsabilité du statisticien appliqué de refuser poliment mais fermement ces trois situations, il oeuvre ce faisant pour la qualité des travaux du groupe auquel il appartient.

De plus, il gagnera ainsi un temps précieux qu'il pourra consacrer à de vraies collaborations.

Ces dernières nécessitent de la part du statisticien un effort d'apprentissage du langage et des notions de base de la discipline où il intervient. Réciproquement, le chercheur de cette discipline doit faire l'effort de comprendre les statistiques mises en oeuvre. De cette situation d'apprentissage réciproque doit naître un sentiment d'estime et de confiance. Bien entendu, le statisticien doit être associé à la valorisation des résultats. Tantôt, l'originalité des résultats primera sur celle de la méthodologie statistique, et tantôt ce sera l'inverse. Dans les deux cas, il doit y avoir accord entre le chercheur et le statisticien sur l'origine de l'idée essentielle. S'il a la chance de pouvoir intervenir dans un même domaine durant quelques années, le statisticien finira par en comprendre les enjeux et les méthodes. Réciproquement, ses collègues augmenteront leur culture et leur autonomie statistique. Cette osmose permettra à chacun de faire évoluer ses fonctions. Le statisticien pourra par exemple définir et organiser des programmes de recherches dont le but sera de faire progresser les méthodes d'investigation scientifique de la discipline d'application. En ce sens, il sera devenu un Xmétricien. Pour l'auteur, X est l'évaluation sensorielle, mais il est clair que toute discipline scientifique ou toute technologie incluant de l'expérimentation peut conduire à la même osmose.

Après avoir évoqué le rôle du statisticien appliqué et le contexte dans lequel il évolue, nous proposons sept conditions qui nous semblent toutes nécessaires au bon exercice du métier de statisticien appliqué:

1. Connaître le domaine d'application, comprendre sa problématique, suivre sa bibliographie et surtout connaître en détails ses expérimentations et leurs contraintes.

2. Etre capable de lire les mathématiques, au minimum l'algèbre linéaire et les probabilités afin de se tenir au courant des développements théoriques récents.

3. Lire des articles d'application des statistiques dans, mais aussi hors, de son propre domaine.

4. Maîtriser l'utilisation d'un logiciel statistique reconnu internationalement incluant un macro langage, un langage de programmation matricielle et les fonctions mathématiques, algébriques et statistiques évoluées. Ce logiciel devra de plus inclure des outils permettant la gestion des données et leur analyse exploratoire par des méthodes graphiques. Se souvenir malgré tout que la production de logiciels peaufinés n'est pas du ressort du statisticien.

5. Ne pas effectuer le maximum de calculs en pensant trier ensuite. Justifier a priori tout calcul, interpréter immédiatement ses résultats et rédiger dans la foulée les conclusions.

6- Faire comprendre dans un langage non mathématique toutes les méthodes utilisées aux collègues impliqués dans le projet, quitte à limiter le nombre et la variété des méthodes employées. Se rappeler qu'il n'existe aucune corrélation entre la qualité d'une application statistique et le degré de complexité des méthodes mises en oeuvre.

7. Confronter à partir d'un même problème et des mêmes données son approche avec celle d'autres statisticiens.

Avec la progression de la connaissance, le champ de l'investigation scientifique s'élargit et les problèmes abordés se complexifient rendant de plus en plus attractive l'application des mathématiques. Or dans le système éducatif français, surtout en mathématiques, l'application est souvent inféodée à la théorie. Il faut évacuer cet état d'esprit et conter aux étudiants comment l'application des mathématiques entretient le plaisir d'apprendre et procure la satisfaction d'apporter sa contribution à la société.