La recherche est un processus lent et long. Elle est loin de ce qui est imaginé, avec une nouvelle découverte devenant instantanément la nouvelle réalité scientifique. Quand une nouvelle découverte est effectuée, cela prend du temps avant qu’elle soit acceptée comme un consensus scientifique. La raison tient dans le fonctionnement de la recherche.
Science fondamentale
La recherche est différente selon le domaine. Dans le premier cas, nous allons explorer la science fondamentale. Ici, c’est assez simple à appréhender. On peut distinguer deux cas :
Vous prenez une conjecture de la littérature, une déclaration acceptée pour être vraie, et vous construisez une preuve de l’hypothèse jusqu’à la conclusion. C’est le cas dans certains domaines mathématiques, par exemple.
Vous créez une théorie à partir d’une hypothèse et vous en construisez la preuve. C’est le cas en physique théorique, par exemple. Cependant, s’il ne s’agit pas d’un nouveau domaine et que cela recoupe des théories existantes, les résultats doivent répondre aux même problèmes que la théorie précédente et faire mieux sur d’autres.
Un exemple connu du cas précédent est la théorie de la relativité générale d’Einstein qui a surpassé la théorie de la gravitation de Newton qui avait déjà surpassé la théorie de l’accélération gravitationnelle de Galilée.
Ici, la preuve a juste besoin d’être validée par d’autres scientifiques, appelés pairs, et si elle ne présente pas de défauts, un nouveau théorème ou une nouvelle formule est né.
Science expérimentale et sociale
En science expérimentale, les choses sont assez différentes. Comme le nom l’indique, vous devez expérimenter. [1]
Pour tester votre théorie, vous devez établir un protocole. Puis, vous conduisez votre expérience à partir du protocole pour récolter des données. Vous conduisez souvent l’expérience plusieurs fois pour confirmer les résultats. Plus vous avez de données, plus vos résultats sont pertinents.
Les sciences sociales sont très similaires aux sciences expérimentales dans leur méthodologie. Vous construisez un modèle ou un protocole pour votre expérience et vous récoltez vos données pour les analyser. [2]
Dans les deux, vous devez placez votre étude dans le contexte de la littérature et regarder si elle performe mieux. Ensuite, elle peut être acceptée par la communauté scientifique, grace à la relecture par les pairs.
L’importance de la mesure de la valeur p
Pour interpréter les données, les scientifiques utilisent des modèles statistiques, en fonction du type de données qu’ils ont. Certains sont adaptés pour des données spécifiques mais pas pour d’autres.
Le dernier outil statistique généralement utilisé, appelé valeur p (ou p-value en anglais), évalue la viabilité des résultats, leur vraisemblance, à quel point elles sont fiables.
La valeur p est souvent mal comprise [3] donc nous allons prendre un peu de temps pour l’expliquer.
La valeur p signifie valeur de probabilité. Elle définit la probabilité que l’hypothèse nulle (l’hypothèse que les résultats obtenus par un modèle statistique sont obtenus uniquement par chance) est correct. Plus petit est la valeur p, plus improbable est l’hypothèse nulle et peut être rejeté.
Vous vous demandez sûrement pourquoi nous avons besoin de cela ? Pourquoi la chance est impliqué en science ?
En fait, dans n’importe quel collection de données, il y a du bruit, de l’aléatoire qui perturbe les données. Cela peut être du aux instruments de mesure, à l’expérimentateur, au sujet de l’étude, aux conditions dans lesquelles l’expérience a eu lieu et une myriade d’autres éléments incontrollable. Ils peuvent être limités, mais ne peuvent pas être empêchés. C’est pourquoi la valeur p est là : pour estimer cet aléatoire.
Cependant, soyez prudents. Une expérience avec un valeur p de 0,05 ne veut pas dire que vous avez 5% de chance que les résultats sont dus uniquement à la chance (ce qui serait considéré comme un faux positif). Cela signifie que vous avez 5% d’obtenir ces résultats (ou des résultats plus extrêmes) alors que l’hypothèse nulle peut être vraie. Donc, le taux de faux positif sera plus élevé que 5%.
La valeur p que les chercheurs attendent dépend de leur domaine et d’à quel point leurs résultats ont besoin d’être significatif statistiquement. Par exemple, en biologie, médecine ou psychologie, les papiers cherchent un valeur de 0,05, 0,01 ou 0,005. En physique des particules, la valeur p doit être plus petit que 0,003 (pour rapporter la preuve d’une particule) ou 0,0000003 (pour rapporter la découverte d’une particule).
Le protocole fait la force d’une étude
De plus, pour répondre à une problématique en science, vous avez plus d’une façon de le faire, plus d’un protocole ou d’une expérience possible.
Certains sont plus rapides, plus facile à mettre en place. Elles dépendent des techniques et de la technologie utilisé. Mais elles viennent avec une contrepartie, elles sont en général moins robuste.
Par exemple, en recherche médicale, les études aléatoires en double aveugle sont considérés comme une des études les plus robustes qui soient.
Également, un protocole avec plus de participants ou plus d’expériences seront plus robustes, réduisant l’importance du bruit, comme expliqué précédemment. D’un autre côté, une étude avec peu de participants ne sera pas capable de distinguer le bruit d’un véritable résultat, même avec une valeur p très basse.
Comment avons-nous un consensus scientifique ?
Pour résumer, les papiers scientifiques ont différentes robustesses, et même parmi les plus robustes, nous pouvons avoir des faux positifs. Alors, comment savons-nous ce que nous devons prendre en compte dans la connaissance scientifique actuelle ?
Et bien, un papier seul n’est presque jamais significatif par lui-même. Il prend son sens combiné avec l’ensemble de la littérature sur le sujet.
Certains papiers vont dans la même direction dans leur conclusion, d’autres dans une autres direction. C’est lorsqu’un nombre suffisant d’études robustes vont dans la même direction que nous avons finalement un consensus scientifique. C’est pourquoi parfois, sur un nouveau sujet, une théorie ou un résultat est d’abord accepté mais à mesure que la recherche évolue sur le sujet, elle peut être réfutée par d’autres résultats.
Donc souvenez-vous en la prochaine fois que vous tombez sur un papier mettant en lumière une découverte révolutionnaire. D’autres projets de recherches devront sûrement le soutenir en corroborant ses résultats.
Après tout, la science est un effort collaboratif et un seul scientifique ou une seule équipe de scientifique ne détient pas toute la vérité.
Références
[1] Çaparlar CÖ, Dönmez A; « What is Scientific Research and How Can it be Done? »; Turk J Anaesthesiol Reanim. 2016;44(4):212-218; doi:10.5152/TJAR.2016.34711
[2] Researching in the Social Sciences – Conducting Research – Research Guides at Washington University in St. Louis, https://libguides.wustl.edu/c.php?g=47166&p=2848790
[3] Ronald L. Wasserstein & Nicole A. Lazar (2016); « The ASA Statement on p-Values: Context, Process, and Purpose »; The American Statistician, 70:2, 129-133; DOI: 10.1080/00031305.2016.1154108