Par Kathleen Couillard
Les actualités scientifiques et médicales regorgent de données statistiques. Cependant, ces chiffres souvent cités pour nous convaincre peuvent être trompeurs.
Mon premier contact avec les statistiques s’est fait lors de mes études collégiales. Mon professeur de l’époque se plaisait alors à nous rappeler qu’on pouvait faire dire ce qu’on voulait à des chiffres.
J’ai toujours gardé en tête cette mise en garde et lorsque je suis confrontée à une nouvelle étude, je me pose plusieurs questions sur la façon dont les données statistiques ont été obtenues. En voici quelques-unes.
Quelle est la taille de l’échantillon?
Lorsqu’on nous annonce une découverte scientifique importante basée sur une nouvelle étude, l’une des premières choses à vérifier est la taille de l’échantillon. Pourquoi? Parce que le nombre de participants dans une étude influence sa puissance statistique.
La puissance statistique d’une étude est sa capacité à détecter l’effet qui nous intéresse, en supposant qu’il existe réellement, expliquaient en 2024 des épidémiologistes de l’Iowa. Plus l’effet est rare, plus on aura besoin de beaucoup de participants pour l’observer. Par conséquent, lorsque l’échantillon est trop petit, les chercheurs risquent de passer à côté d’éléments importants. Et même lorsque les scientifiques réussissent à obtenir un résultat significatif, la petite taille de l’échantillon augmente les chances que ce résultat soit simplement dû au hasard.
En résumé, les études avec peu de participants sont considérées comme moins rigoureuses. C’est d’ailleurs le cas des études sur l’utilisation du cannabis à des fins médicales qui parviennent rarement à démontrer des bénéfices clairs puisque le nombre de participants n’est généralement pas suffisant.
L’échantillon est-il représentatif?
Dans un monde idéal, lorsqu’ils étudient un phénomène, les chercheurs étudieraient l’entièreté de la population touchée. Ainsi, pour étudier l’effet du tabagisme sur la santé, on pourrait comparer un groupe qui contient tous les fumeurs de la province avec un autre qui comprend tous les non-fumeurs.
Dans la réalité, c’est impossible, bien évidemment. C’est pourquoi les scientifiques utilisent plutôt un échantillon de la population à l’étude. Cependant, pour avoir des résultats fiables, il faut que celui-ci représente bien les gens qui composent cette population. Par exemple, une étude qui s’intéressait à l’attirance sexuelle entre femmes a été beaucoup critiquée, parce que l’échantillon analysé était constitué exclusivement de femmes hétérosexuelles.
S’assurer qu’un échantillon est représentatif est toutefois plus complexe qu’on le pense, soulignaient des épidémiologistes de l’Université Johns Hopkins en 2023. Selon certains, le simple fait de choisir les participants au hasard permet de garantir la représentativité de l’échantillon. Selon d’autres, il faut vérifier si l’échantillon ressemble à la population à l’étude selon différents critères : sexe, âge, orientation sexuelle, indice de masse corporelle, statut socio-économique, etc. Alors que la première définition est plus précise, la deuxième ouvre la porte à plus d’interprétation.
A-t-on contrôlé les facteurs confondants?
On l’a dit souvent, ce n’est pas parce qu’une étude détecte une association entre deux éléments qu’il y a nécessairement un lien de cause à effet. Cependant, il peut même arriver de détecter un effet inverse parce qu’on n’a pas tenu compte des autres facteurs qui peuvent influencer le sujet à l’étude.
C’est ce qu’on peut constater dans le paradoxe de Simpson. En terme statistique, ce phénomène survient lorsque l’effet démontré dans la population totale est l’inverse de celui observé dans les sous-groupes qui la compose, expliquait un scientifique suédois en 2025 dans une recension de cas.
Par exemple, supposons une étude qui cherche à savoir quel mode de transport donne la meilleure chance de survie : l’ambulance ou l’hélicoptère? Lorsqu’on compare les deux groupes, on constate que la mortalité est beaucoup plus élevée pour les patients transportés en hélicoptère. Cependant, si on répartit les participants en sous-groupe selon la sévérité de leurs blessures, on remarque alors que pour chacun des sous-groupes, la mortalité est moins élevée pour les patients transportés en hélicoptère.
Alors d’où vient cette apparente contradiction? C’est parce que les patients qui sont transportés en hélicoptère sont en général ceux qui ont les blessures les plus graves et qui ont donc le moins de chance de survie. Par conséquent, si on ne tient pas compte de la sévérité des blessures, ce qu’on appelle un facteur confondant, on risque d’arriver à la mauvaise conclusion.
***
On vous parle plus en détails de chiffres, de statistiques et de sondages dans le module 4 de notre cours en ligne gratuit « Décoder l'info scientifique ».
Inscrivez-vous dès maintenant pour en savoir plus et suivez les ateliers à votre rythme!
Vous voulez identifier les sources fiables, évaluer la crédibilité d’un expert ou repérer les limites d’une étude scientifique, et ce même si vous n’avez pas étudié en science? Notre nouvelle formation gratuite en ligne vous permettra de mieux comprendre les particularités de l’information scientifique, repérer les pièges de la pseudoscience et maîtriser les étapes de vérification d’une information qui traite, par exemple, de santé, d’alimentation ou encore des changements climatiques.
