SCIENCE / Le problème de l'objectivité

Réfléchir aux conditions de l’objectivité en philosophie des sciences, c’est éclairer ce qui rend un énoncé, une mesure, une méthode ou une théorie digne de confiance au-delà des préférences individuelles, des biais d’un groupe ou des intérêts d’une époque. Par objectivité, on entend plus qu’une simple impartialité psychologique; on vise un ensemble de procédures, de dispositifs et de normes qui contraignent la production et l’évaluation des énoncés de manière à rendre légitimes l’accord intersubjectif, la critique et la correction. L’objectivité n’est pas un absolu métaphysique qui tomberait du ciel, mais un idéal régulateur rendu opératoire par des pratiques: formulation de prédictions risquées, usage de mesures traçables et calibrées, expériences contrôlées, transparence des données et des codes, reproductibilité des résultats, confrontation à une communauté de pairs organisée pour critiquer et corriger. L’apport central de la philosophie des sciences est d’avoir déplacé la question de « la vérité en soi » vers l’architecture concrète de l’enquête: comprendre comment des procédures épistémiques bien dessinées, des normes institutionnelles robustes et des outillages conceptuels et matériels adéquats produisent des connaissances qui ne dépendent pas idiosyncratiquement de qui parle, quand et pour qui. Dans cette perspective, l’objectivité se décline en modalités: objectivité métrique (mesurer ce que l’on croit mesurer avec une erreur maîtrisée), objectivité expérimentale (assignation aléatoire, double-aveugle, contrôle des variables parasites), objectivité statistique (tests appropriés, correction des comparaisons multiples, préenregistrement des hypothèses), objectivité théorique (criticabilité et intégration avec d’autres domaines), objectivité sociale (évaluation par les pairs, normes d’intégrité, indépendance vis-à-vis des intérêts). Chacune de ces dimensions vise à neutraliser un type de biais sans prétendre à l’infaillibilité; elles constituent un réseau de garde-fous qui permet, dans la durée, de distinguer les résultats durables des mirages.

La tradition poppérienne a cristallisé une condition cardinale: la falsifiabilité. Demander que les théories produisent des prédictions testables, risquées et potentiellement réfutables impose une contrainte logique minimale et une attitude méthodologique de mise à l’épreuve. Cet accent sur l’audace contrôlée a une vertu formatrice pour l’objectivité: il favorise la clarté des engagements empiriques, l’exposition aux contre-exemples et l’apprentissage par erreur. Mais il ne suffit pas à capturer la pratique réelle des sciences, où les théories interagissent avec des hypothèses auxiliaires, des instruments, des schémas d’idéalisation et des heuristiques. L’objectivité finit alors par se jouer dans la manière dont une communauté gère ces couches: révisions progressives de programmes de recherche, stabilité de noyaux théoriques, pouvoir de prédiction et d’unification, fécondité heuristique. À ce titre, l’image kuhnienne des paradigmes rappelle que l’objectivité n’est pas l’absence de toute « vision du monde », mais la capacité d’une matrice disciplinaire à stabiliser des problèmes, des critères et des exemples, tout en restant ouverte à la compétition de cadres alternatifs quand les anomalies se sédimentent. Lakatos, en parlant de programmes de recherche progressifs ou dégénératifs, injecte une métrique dynamique: l’objectivité n’est pas tranchée en un acte, elle se voit dans la trajectoire comparative des programmes en termes de nouveautés empiriques corroborées et d’ajustements non ad hoc. L’enjeu, pour l’objectivité, est d’éviter deux écueils symétriques: la rigidité dogmatique qui déclare d’emblée « non scientifique » tout ce qui ne cadre pas avec le paradigme en place, et le relativisme où toute matrice équivaut à n’importe quelle autre. Les apports analytiques sont ici cruciaux: préciser des indicateurs de fécondité, d’explicativité, de cohérence interthéorique et de stabilité prédictive qui ne présupposent pas la vérité mais discriminent les cadres plus objectifs.

La critique de la « charge théorique des observations » (le fait que voir est informé par ce que l’on sait et attend) a nourri une inquiétude: si toutes les données sont interprétées à la lumière d’une théorie, l’objectivité est-elle illusoire? La réponse contemporaine ne consiste ni à nier la charge théorique ni à se résigner: elle montre comment des techniques de neutralisation partielle permettent d’arracher aux contextes des « points d’accroche » robustes. L’instrumentation standardisée, les étalons, les calibrations croisées, les protocoles aveugles, les méthodes d’identification causal-statistique (randomisation, variables instrumentales, discontinuités, différences-en-différences), la triangulation par des approches indépendantes, la convergence de preuves hétérogènes jouent le rôle de contrepoids. Le concept de robustesse est ici central: un résultat gagne en objectivité lorsqu’il est invariant à une diversité de modèles raisonnables, de mesures, de laboratoires, de populations. Cette invariance sous variations contrôlées incarne l’idée que l’objectivité n’est pas la naïveté du fait brut, mais l’émergence de régularités qui résistent aux tentatives de les faire disparaître. Elle se combine à une théorie explicite de la mesure et de la validité: établir que l’indicateur capte bien le construit visé (validité de construit), qu’il le fait de manière stable (fiabilité), qu’il permet des comparaisons pertinentes (invariance de mesure), et qu’il soutient les inférences recherchées (validité interne et externe). L’objectivité est alors la victoire patiente d’un collectif sur ses propres angles morts.

La dimension sociale de l’objectivité, longtemps sous-estimée, est devenue frontale. Les normes de la communauté scientifique — publicité des méthodes et des données, critique organisée, reproduction indépendante, reconnaissance des conflits d’intérêts, intégrité et correction des erreurs — ne sont pas de simples éthiques de métier; elles sont constitutives de l’objectivité. La crise de la réplication a fait comprendre que des procédures statistiques correctes mais flexibles, combinées à des incitations institutionnelles perverses (publier vite, publier positif, cajoler les p-values) peuvent produire un bruit régulier d’« effets » qui ne se répliquent pas. Les remèdes — préenregistrement des protocoles, partage ouvert des matériaux, revues valorisant la qualité de la question et du plan avant les résultats, réanalyses indépendantes, audits de code — sont des dispositifs d’objectivation: ils réduisent la latitude de piocher dans le hasard, d’invoquer des hypothèses ex post et de confondre exploration et confirmation. Le rôle de l’évaluation par les pairs se redessine aussi: au-delà du filtre, c’est une écologie de vérification distribuée qui fait œuvre d’objectivité. Dans le même mouvement, la philosophie des sciences a pris au sérieux l’« imprégnation de valeurs »: des choix méthodologiques (seuils de signification, coûts d’erreurs de type I/II, priorités de recherche, définitions opérationnelles) incorporent des valeurs non épistémiques. Reconnaître cette dimension ne condamne pas l’objectivité; cela impose de la gouverner: expliciter les valeurs, évaluer leur pertinence, garantir des contre-pouvoirs (pluralisme des approches, délibération ouverte, transparence des financements), et tester empiriquement la sensibilité des conclusions à ces choix.

Les conditions de l’objectivité diffèrent selon les régimes de preuve. En expérimental, elles résident dans le contrôle et le masquage: assignation aléatoire, randomisation, aveuglement, dispositifs contre les effets d’attente, standardisation des procédures, plans factoriels. En observationnel, elles résident dans l’identification: modèle causal explicite, hypothèses d’ignorabilité discutées, instruments plausibles, exogénéités défendables, stratégies de falsification locales, analyses de sensibilité et de borne. En modélisation, elles résident dans l’adéquation et l’idéalisaton responsable: modèle adapté à la question, justifications des simplifications, validation externe, analyse de résidus, stress tests, multiplicité de modèles. En simulation et apprentissage statistique, elles résident dans la séparation nette entre entraînement, validation, test; dans la lutte contre l’overfitting; dans la documentation complète; dans l’aptitude à l’ablation et à l’explicabilité selon l’usage. À chaque fois, l’objectivité est un art de réduire la dépendance à des choix contingents et de rendre ces choix visibles et révisables. C’est pourquoi l’« objectivité mécanique » au sens de confier le verdict à des machines passives a cédé la place à une objectivité par « jugement formé »: une communauté équipée, consciente de ses biais, combinant discipline procédurale et expertise critique.

Ces cadres épistémiques ont des retombées métaphysiques et s’articulent aux débats réalisme/antiréalisme. Si l’objectivité semble possible, est-ce parce que les théories capturent des structures réellement là (réalisme scientifique), ou parce qu’elles décrivent des structures d’objets-usage qui « marchent » sans s’engager ontologiquement (instrumentalisme, empirisme constructif)? Les positions intermédiaires — réalisme structurel, réalisme sélectif — lisent l’objectivité comme la convergence sur des structures invariantes ou des parties « porteuses de succès » des théories à travers les changements de cadres. Le pessimisme métinductif (tant de grandes théories passées se sont révélées fausses) est retourné par une observation: ce qui a été conservé et stabilisé, ce sont des structures et des procédures — invariants de symétrie, principes de conservation, dispositifs expérimentaux, schèmes d’inférence — qui rendent compte de la « tenue » objective des sciences. Ici encore, l’objectivité est dédramatisée: elle est l’aptitude à faire tenir ensemble des perspectives, des mesures et des modèles sous des contraintes partagées, plus que l’accès transparent à la réalité ultime.

Soulever les problèmes est indispensable pour ne pas idéaliser. Premier problème: l’objectivité ne peut être la simple intersubjectivité. Un consensus peut se former par conformisme, par effets d’autorité, par dépendance aux financements; l’histoire des sciences et la sociologie de la connaissance l’ont montré. Il faut donc des procédures qui brisent les boucles de renforcement: incitations à la dissidence méthodique, réanalyzes adversariales, comités d’éthique réellement indépendants, politique des conflits d’intérêts, réplications rétribuées. Deuxième problème: la charge de valeurs non épistémiques n’est pas résiduelle; elle imprègne des seuils et des définitions. Le remède n’est pas l’illusion de neutralité, mais l’accountability: expliciter, justifier, soumettre au débat, et mesurer la sensibilité des verdicts à ces paramètres. Troisième problème: l’ère des données massives et des algorithmes opacifiés déplace les conditions de l’objectivité. Des modèles prédictifs hautement performants mais opaques peuvent être objectivement utiles pour certains buts, tout en sapant l’explicabilité et la contestabilité, deux composantes sociales de l’objectivité. Il faut alors articuler des exigences d’auditabilité, de traçabilité et d’explicabilité proportionnées aux usages et aux risques. Quatrième problème: l’objectivité internationale doit composer avec la diversité des contextes. L’harmonisation excessive peut écraser des savoirs locaux pertinents; l’absence d’harmonisation peut rendre les résultats incomparables. L’objectivité est ici une diplomatie des standards: trouver des noyaux communs (métadonnées, formats, critères), laisser des périphéries adaptatives, et documenter les écarts. Cinquième problème: la politisation de la science impose de dissocier deux plans sans les séparer: la science doit être gouvernée démocratiquement, mais ses verdicts épistémiques ne sont pas des votes; les procédures d’objectivité doivent être protégées des cycles politiques sans se constituer en technocratie irresponsable.

Au final, la réflexion sur les conditions de l’objectivité a apporté à la philosophie des sciences une manière mature de parler de fiabilité sans mythologie: l’objectivité n’est ni une pure « vue de nulle part » ni un simple « accord des esprits », mais la résultante d’architectures méthodologiques, d’institutions, d’instruments et de normes qui rendent les résultats résistants à nos biais et disponibles à la critique. Elle a fourni un vocabulaire opératoire (robustesse, identification, validité, reproductibilité, transparence, triangulation) qui oriente concrètement les réformes des pratiques. Elle a permis de comprendre pourquoi la lutte contre les pseudo-sciences et les dérives de « junk science » passe moins par l’anathème que par l’édification et la maintenance de ces conditions. Elle a, enfin, rappelé que l’objectivité est un bien commun fragile: elle demande des investissements continus dans les procédures, l’éducation aux méthodes, la culture de la critique et des institutions qui récompensent la qualité plutôt que la nouveauté clinquante. L’ambition n’est pas de purifier le savoir de toute humanité, mais de lui donner, contre nous-mêmes, les moyens d’être fiable.