Alors que toutes les politiques contre le coronavirus reposent sur des données, on ne peut qu’être frappés par la mauvaise qualité des données à partir desquelles sont prises les décisions. Prenons d’abord les données chinoises. On sait que la volonté de disqualifier les lanceurs d’alerte du début a coûté la vie à l’un d’eux mais aussi un retard de près d’un mois dans l’enregistrement du signalement et le déclenchement de l’alerte. On peut l’attribuer au régime politique dictatorial. Mais désormais, les épidémiologistes du monde entier sont condamnés à s’appuyer sur les données du régime chinois pour projeter les courbes de contamination, les durées de contagiosité, la létalité, etc. Tout en sachant que tout cela n’est pas très fiable. On peut penser que les articles scientifiques sur des cohortes plus contrôlées sont plus fiables car ce sont les critères habituels de validation des publications scientifiques mais ce n’est même plus très sûr puisque les essais sur la chloroquine in vitro réalisés par les chinois se trouvent aussi contestés.
On se dit cependant qu’un régime démocratique, qui n’a rien à cacher ( !!), qui a une tradition administrative solide, et qui collecte toute l’année des données intéressant l’épidémiologie, doit se trouver mieux équipé pour exploiter des sources plus fiables. Or, aucune des procédures ne résiste à l’examen.
Passons sur le fait qu’on ne peut guère comparer des taux d’infection entre pays dès lors que les tests sont réalisés selon des critères totalement différents, ce qui rend tous les tableaux comparatifs à peu près inexploitables (mais cela n’empêche pas de les diffuser en toute innocence !). En France plus précisément, les mesures des personnes infectées ne veulent à peu près rien dire puisque ce sont seulement à partir de celles que l’on teste qu’on peut obtenir cette donnée et que les enregistrements sont différents selon les canaux de tests et les protocoles. On ne teste par n’importe qui (ce qui se fait quasiment en Allemagne pourtant) mais seulement les symptomatiques qui sont eux-mêmes sélectionnés selon des critères de gravité car nous ne disposons pas d’un nombre suffisant de tests. Un problème industriel et d’anticipation insuffisante finit par affecter totalement la mesure elle-même, à partir de laquelle, pourtant, les décisions seront prises. Bien sûr il est possible de réaliser des approximations en redressant les données en fonction de la connaissance de ces biais. Mais rappelons que ce virus est nouveau et qu’il n’existe donc pas de références pour effectuer des redressements corrects. Le réseau Sentinelles est supposé collecter toutes les consultations chez les médecins de ville qui auraient un rapport avec le Covid-19 mais cela ne dit rien sur leur état réel. [ L’INED vient de publier , le 5 Avril, un site dédié pour le calcul de la mortalité par Covid-19 et a publié un article qui revient en détail sur tous les types de calculs actuels] Ensuite, on peut quantifier le nombre de malades accueillis en hôpital et ceux pris en charge en réanimation. Mais on l’a suffisamment répété, tout cela dépend des capacités d’accueil, et la sélection s’opère en amont selon des règles variables. Il s’agit donc d’un indicateur d’activité des services et non d’état pathologique. De la même façon que les mains courantes de la police enregistrent les activités de la police plus qu’un état supposé intrinsèque de la délinquance ou des faits délictueux, sauf à supposer que l’on observerait un taux uniforme de filtrage partout sur le territoire.
On se dit alors qu’il ne reste que les décès qui sont quand même une mesure fiable. Or, ce n’est même pas le cas, car les décès sur lesquels se basent les discussions des experts sont uniquement ceux enregistrés en hôpital (et donc identifiables comme provoqués effectivement par le Covid-19). Les décès des EPAHD ne sont même pas comptabilisés car il faudrait procéder à un test (anticorps, plus simples) pour vérifier si les personnes décédées étaient bien contaminées. C’est la même chose pour les personnes qui décèdent à domicile. L’évaluation de la situation repose donc véritablement sur du sable. Ce qui fait dire aux épidémiologistes et aux démographes que la seule mesure fiable sera, mais dans quelques mois seulement, la mesure de la surmortalité par rapport aux années précédentes. Ce qui, sans recours à des tests ou à des déclarations, permettra d’établir la réalité statistique du phénomène provoqué par le Covid-19. C’est évidemment un peu tard pour le pilotage de la crise.
Loin de moi l’idée de prétendre qu’on ne peut travailler qu’avec des données parfaites, absolument contrôlables de bout en bout car on connait bien, en sociologie des sciences, toutes les médiations qui sont nécessaires pour valider un argument au bout du compte (sans parler des populations de contrôle et de la réplication notamment). Encore plus dans des situations d’urgence, car ce sont des outils d’aide à la décision que l’on peut prétendre mettre en œuvre en tenant compte de la fiabilité toute relative des données. Mais cela impose dès lors une très grande modestie quant à la connaissance dont on dispose et surtout une réduction massive de l’invocation de la science comme argument d’autorité. On fait par exemple le choix du confinement non pas par raisonnement statistiquement fondé mais par imitation des chinois qui eux-mêmes ont imité les vietnamiens qui avaient mis en place cette méthode lors d’une autre épidémie en 2015 (ce que raconte Frédéric Keck). Les délais de confinement, la rigueur de la distance d’un mètre, le déclenchement de phases successives s’appuient prétendument sur des données, alors que l’on sait leur fiabilité très limitée ( et que la contagiosité du virus s’est avérée plus élevée que prévue par comparaison à ce que l’on connait). Les projections des épidémiologistes ont eu raison par exemple de la doctrine de l’immunité collective que Boris Johnson voulait mettre en œuvre, mais c’est avant tout une forme de real politik qui l’a emporté par rapport à une idéologie du laisser-faire bien intégrée au corpus du libéralisme. Les pays sans confinement comme les Pays-Bas ou la Suède ne sont pas plus antiscientifiques que les autres mais leurs décisions sont avant tout des paris et des projets politiques, qui dépendent aussi parfois des ressources disponibles (par exemple en capacités de tests en Allemagne).
Pour ajouter à la confusion, voilà que tous les technosolutionnistes nous proposent avec insistance la solution qui va tout emporter : le traçage de tous avec les téléphones portables ou d’autres applications plus sophistiquées déjà présentes dans leur catalogue. Mais on ne dit pas s’il s’agit de suivre ceux que l’on a détecté positif, s’il s’agit de retrouver dans le passé tous leurs parcours pour identifier de potentiels contacts contaminés, de vérifier si chacun (tous) respecte le confinement, etc. Toutes visées totalement différentes, qui peuvent entrainer des conséquences en matière de libertés totalement différences et qui doivent alors justifier de consentements totalement différents. Tout se passe comme si on avait un marteau et que tous les problèmes sont réduits à des clous, alors que les questions de quantification de ces processus de contagion doivent être très précisément étalonnées comme on le voit avec les insuffisances déjà notées ci-dessus et doivent être aussi proportionnées selon les risques de privacy qu’ils posent.
Pour les propagations en général, il est impératif que la qualité des données soit contrôlée. Or, quand on travaille sur les données des réseaux sociaux par exemple, on ne doit jamais oublier les leçons des « digital methods » (Richard Rogers). Les plates-formes qui produisent les traces que l’on calcule les formatent selon leurs propres objectifs. De ce fait, il est quasiment certain qu’elles ne sont guère adaptées à nos objectifs de chercheurs et qu’il sera nécessaire de les nettoyer, ce que tout data scientist fait et parfois longuement. Mais il est encore plus important d’énoncer explicitement quelles sont les limites de validité de ces données, les réductions de dimensions que l’on a effectuées, les types de nettoyage de données nécessaires, etc. Toutes choses qui rendent de fait l’utilisation de ces résultats (s’il y a résultat !) quasiment impossible pour la décision, pour l’action immédiate. Car les problèmes de qualité des données à des fins de recherche peuvent être souvent récupérés par des méthodes correctives parfois standards parfois ad hoc, mais qui demandent du temps. Alors que les données utilisées dans des fonctions de suivi, de gestion, et encore plus de gestion de crise ne peuvent faire l’objet de ces révisions dans le temps court de l’urgence. Cet impératif de stabilisation des méthodes doit être d’ailleurs un des objectifs de tout appareil statistique à des fins scientifiques et à des fins opérationnelles en même temps ( Prouver et gouverner, comme le disait Desrosières) et on ne peut que déplorer la faiblesse actuelle du montage des statistiques épidémiologiques en général et en particulier en temps de crise. Le même objectif doit être inscrit au programme des sciences sociales de troisième génération si l’on veut prétendre comparer et calculer des séries de données de propagation qui doivent avoir un fondement empirique correct.
OpenEdition vous propose de citer ce billet de la manière suivante :
Dominique Boullier (27 mars 2020). De la qualité des données en régime d’urgence. SHS 3G. Consulté le 7 février 2025 à l’adresse https://doi.org/10.58079/u5j1
Ping : Réflexions sur le débat autour de l’hydroxychloroquine (1) | Idées en vrac, produits/services innovants et gestion des connaissances