La fin d’un système de pensée unique

Durant plusieurs millénaires, l’induction était le raisonnement de tout un chacun. Les raisonnements hypothético-déductifs n’étaient accessibles qu’à quelques érudits. Pour l’homme de la rue, constater qu’une situation se répétait sur quelques exemples était suffisant pour qu’il généralise la chose.

L’acquisition et l’exploitation par le cerveau humain de principes observés non démontrés scientifiquement est chose banale. Jusqu’à la l’âge de sept ans, l’enfant raisonne essentiellement de façon inductive, ne maitrisant pas la complexité du raisonnement déductif.

Les siècles depuis le 16eme ont vu se développer de façon importante le raisonnement déductif par un accès universalisé à la connaissance. Corrélativement, le raisonnement inductif s’est trouvé banni des enseignements, parfois même diabolisé.

Jugé plus propre, plus pur, scientifiquement correct, le raisonnement déductif a cannibalisé la terminologie inductive. Excellent pour analyser des situations hors contexte dans un cadre de découverte, le raisonnement déductif se prête bien à l’enseignement. Immergé durant 20 ans d’études l’informaticien frais émoulu ne reconnait plus que la déduction.

L’homme et l’induction

Si l’homme qui analyse une situation « hors situation » fait appel à la déduction afin d’asseoir son raisonnement dans un espace de certitudes, il n’en est pas de même lorsqu’il analyse une situation « en situation ».

La déduction a permis de réaliser les plus grands progrès scientifiques et technologiques de ces derniers siècles (Poincaré, 2009), mais l’induction reste encore le principal moteur de raisonnement de l’homme en termes de temps passé.

En pleine action, l’homme vit une succession effrénée de situations qu’il ne pourrait traiter par un raisonnement déductif. Il doit agir avec célérité, se concentrer sur l’essentiel, raisonner de façon holiste sur l’ensemble de la scène situationnelle, il interagit avec elle de façon systémique (Durand, 2011). Ce sont autant de domaines qui échappent au raisonnement déductif.

La généralisation d’un exemple au rang de principe répétable via un raisonnement inductif, appliqué tant que le contraire n’est pas rencontré, peut produire des erreurs et des confusions. Alors pourquoi chercher à en faire des algorithmes ?

En intelligence artificielle, on cherche à réaliser des raisonnements complexes de façon massive et rapide en vue de résoudre des problèmes avec fiabilité. En revanche en psychologie cognitive on cherche à reproduire le raisonnement de l’homme avec ses contraintes et ses imperfections afin d’anticiper son comportement. Si l’homme induit, l’algorithme doit induire. Par exemple, le web est une plateforme ou cohabitent une multitude d’acteurs simultanément qui interagissent sur une scène situationnelle démesurée. Les grandes entreprises cherchant à gérer les flux de connaissance ont dû prendre en compte très tôt les dimensions culturelles, territoriales, céléristes, holistes et systémiques du web. On comprend pourquoi Google est un des premiers à avoir industrialisé des algorithmes inductifs.

Les big data et l’induction

Chris Anderson, ex-rédacteur en chef de la revue américaine Wired, est un des premiers à avoir écrit : « Nous voici entrés dans l’ère des Big Data. C’est un déluge de données qui pose des questions profondes sur leur collecte, leur interprétation, leur analyse… ou la connaissance sera produite d’une façon inductive, à partir des corrélations extraites de grandes masses de données », ce que rappelle Henri Verdier (ParisTech Review, 2012).

Aujourd’hui, peu de personnes connaissent réellement les principes d’induction ou d’abduction. L’éducation s’est polarisée autour des principes hypothético-déductifs érigés en « pensée unique ».

L’induction nous permet de généraliser un phénomène observé, même s’il ne l’est qu’une seule fois. Cette logique échappe à l’entendement de nombre de scientifiques adeptes de l’épistémologie institutionnelle positiviste.

Fréquemment, lorsque l’on ne connait pas bien un domaine, de nombreuses confusions peuvent apparaître. Certains verront dans l’induction une forme de statistique et confondront la recherche de singularité avec une segmentation plus fine d’éléments moyens obtenus statistiquement. D’autres parleront même d’intuition pour désigner l’induction.

Dans tous ces cas, la confusion est issue d’une volonté de comparer les différents principes sur des domaines identiques. En fait il y a un domaine où la déduction excelle (Poincaré, 2009) et un domaine où l’induction est de mise. Ces deux approches sont duales l’une de l’autre au sens mathématique du terme. Chercher à faire de l’induction là où la déduction est efficace serait voué à un échec certain. Par exemple, l’induction est une technique continue qui nécessite du temps. Contrairement à la déduction, la statistique ou la probabilité qui peuvent se nourrir en une fois de plusieurs années de données pour en établir un résultat répétable, l’induction va dégager au fil de l’eau des singularités, en élargir leur assiette et mesurer l’efficacité de leur application. A ce titre cela relève de l’épistémologie constructiviste. Il n’y a pas d’unicité du raisonnement inductif. Le raisonnement dépend des inductions précédentes, des singularités détectées, il n’est pas répétable. Ceci est également contraire aux principes cartésiens.

Durand, Daniel. 2011. La systémique. s.l. : puf, 2011.

Poincaré, Henri. 2009. La science et l’hypothèse. s.l. : Flammarion, 2009.

Verdier, Henri. 2012. 2012, ParisTech Review, Vol. http://www.paristechreview.com/2012/11/16/big-data-etats/.