Hypothèses préenregistrées vs hypothèses post-hoc (HARKing)

L’édifice des sciences empiriques repose sur une promesse fondamentale : celle de soumettre des propositions théoriques relatives au fonctionnement du monde naturel et social au tribunal inflexible des faits observables. Pourtant, la validité de cette démarche probatoire dépend d’une condition méthodologique souvent invisible dans le produit textuel final : l’indépendance stricte entre le processus d’élaboration des hypothèses et l’observation des données mobilisées pour les tester. Lorsqu’un chercheur observe un motif inattendu dans un jeu de données et présente rétrospectivement ce motif comme la prédiction déductive initiale ayant motivé son étude, les fondements logiques de l’inférence statistique s’effondrent. Cette pratique, baptisée HARKing (Hypothesizing After the Results are Known), a longtemps prospéré dans l’ombre des laboratoires avant d’être identifiée comme l’un des moteurs principaux de la crise contemporaine de la reproductibilité.

Face à cette distorsion systématique de la démarche scientifique, le mouvement pour la science ouverte a proposé une refonte radicale des protocoles d’investigation : le préenregistrement (preregistration). En scellant temporellement les hypothèses, les plans d’échantillonnage et les pipelines analytiques dans des registres publics indépendants avant tout accès aux données, le préenregistrement vise à restaurer la frontière épistémologique étanche séparant la découverte inductive de la vérification déductive. Cette confrontation entre hypothèses préenregistrées et hypothèses formulées post-hoc ne constitue pas une simple querelle technique relative à la gestion des manuscrits académiques ; elle touche au cœur même de ce qui confère à une observation empirique sa force probante.

Le présent article propose une analyse comparative, épistémologique et méthodologique exhaustive de ces deux approches. En examinant les bases mathématiques de l’invalidation des tests d’hypothèse nulle par le HARKing, les architectures techniques du préenregistrement, ainsi que les tensions structurelles du milieu académique qui encouragent la dissimulation méthodologique, nous mettrons en lumière les conditions indispensables à une science empirique rigoureuse, transparente et pérenne.

1. Introduction : Fondements épistémologiques et crise de la reproductibilité

1.1 Contexte historique : la crise de la réplication et l’essor de la science ouverte

L’avènement de ce qu’il est désormais convenu d’appeler la « crise de la réplication » au début des années 2010 a constitué un choc sismique pour les sciences comportementales, biomédicales et sociales. Si des alertes épistémologiques avaient été lancées de longue date — notamment par le statisticien et épidémiologiste John Ioannidis dans son article séminal de 2005 démontrant mathématiquement pourquoi la majorité des conclusions de recherche publiées étaient probablement fausses —, le point de bascule s’est matérialisé autour de plusieurs événements fondateurs survenus en 2011 et 2012.

Parmi ces détonateurs figure la publication par Daryl Bem d’une série d’expériences dans le prestigieux Journal of Personality and Social Psychology prétendant apporter des preuves empiriques rigoureuses de l’existence de phénomènes précognitifs (la capacité de percevoir des événements futurs avant qu’ils ne se produisent). L’application scrupuleuse des normes statistiques conventionnelles à des phénomènes défiant les lois de la physique a forcé la communauté scientifique à admettre une réalité dérangeante : les standards méthodologiques alors en vigueur permettaient d’apporter un soutien statistique nominalement valide à des hypothèses intrinsèquement absurdes. Au même moment, l’affaire de fraude massive de Diederik Stapel révélait la vulnérabilité des processus d’évaluation par les pairs face aux données forgées ou manipulées.

Dans la foulée, des initiatives collaboratives à grande échelle ont entrepris d’évaluer empiriquement la robustesse de la littérature scientifique. L’initiative menée par l’Open Science Collaboration, dont les conclusions ont été publiées en 2015 sous la direction de Brian Nosek, a tenté de répliquer 100 études de psychologie expérimentale publiées dans trois revues de premier rang. Le verdict fut sans appel : alors que 97 % des études originales rapportaient des résultats statistiquement significatifs ($p < .05$), seules 36 % des réplications ont obtenu un effet significatif, et l'amplitude des effets mesurés a été en moyenne réduite de moitié par rapport aux estimations initiales. Ce constat a mis en lumière l'existence de pratiques de recherche douteuses (Questionable Research Practices, ou QRP), un ensemble de comportements méthodologiques situés dans une zone grise entre l’erreur honnête et la fraude pure, incluant l’arrêt prématuré de la collecte de données dès l’obtention d’un seuil de significativité, le tri sélectif des variables dépendantes, et la formulation d’hypothèses après la prise de connaissance des résultats.

1.2 La dichotomie fondamentale : démarche confirmatoire versus démarche exploratoire

Pour comprendre les origines profondes de cette instabilité empirique, il convient de remonter aux fondements philosophiques de la méthode scientifique théorisés au XXe siècle. Le psychologue et méthodologiste néerlandais Adriaan de Groot, dans ses travaux pionniers sur le cycle empirique publiés en 1956 (puis traduits en anglais en 1969), avait déjà posé un diagnostic prophétique : un chercheur ne peut pas légitimement utiliser le même jeu de données pour générer une hypothèse et pour la tester. De Groot insistait sur le fait que le cycle de la recherche scientifique progresse de l’observation vers l’induction, puis de la déduction vers la mise à l’épreuve expérimentale et l’évaluation. Lorsque la phase d’induction (la découverte d’une régularité dans les données) est confondue avec la phase de test déductif, la valeur probante du test d’hypothèse s’annule complètement.

Cette distinction a été formalisée plus avant par le statisticien John Tukey dans sa séparation entre l’analyse exploratoire des données (Exploratory Data Analysis, EDA) et l’analyse confirmatoire des données (Confirmatory Data Analysis, CDA). L’exploration est un art inductif indispensable : elle consiste à interroger la matière empirique sans préconception rigide, à observer des anomalies, à détecter des structures émergentes et à générer de nouvelles intuitions théoriques. En revanche, la confirmation est une démarche déductive stricte : elle part d’une prédiction théorique formulée ex ante, indépendamment des données particulières qui serviront à son évaluation, et confronte cette prédiction à un échantillon nouveau afin de tenter de la réfuter, conformément aux exigences poppériennes de falsifiabilité.

Le drame méthodologique survient lorsque ces deux démarches épistémologiques, pourtant complémentaires et d’égale dignité intellectuelle, sont mélangées de manière opaque. Les tests de signification statistique de l’hypothèse nulle (Null Hypothesis Significance Testing, NHST), issus des traditions de Ronald Fisher, Jerzy Neyman et Egon Pearson, reposent tous sur une prémisse mathématique non négociable : l’espace d’échantillonnage et les tests statistiques doivent être fixés préalablement à l’observation des données. Si un test statistique est appliqué à un motif découvert au sein même de l’échantillon analysé, le seuil nominal d’erreur de première espèce ($\alpha = .05$) perd son sens, transformant une fluctuation aléatoire d’échantillonnage en une découverte faussement universelle.

1.3 Objectifs de la comparaison et enjeux pour l’intégrité scientifique

L’objectif de cette étude comparative est de tracer une frontière conceptuelle et méthodologique rigoureuse entre la vérification d’hypothèses préenregistrées et la rationalisation post-hoc inhérente au HARKing. Il ne s’agit aucunement de stigmatiser l’intuition scientifique ou de condamner la découverte fortuite d’effets inattendus — la sérendipité constituant l’un des moteurs historiques majeurs du progrès des connaissances —, mais de restituer à chaque affirmation scientifique son statut inférentiel authentique.

Un enjeu central réside dans la démystification des résistances entourant le préenregistrement. Trop souvent, cette pratique est perçue à tort comme une entrave bureaucratique, une camisole de force méthodologique bridant la créativité du chercheur ou interdisant l’exploration des données. Nous démontrerons que le préenregistrement n’interdit nullement l’exploration, mais impose simplement que celle-ci soit étiquetée avec une honnêteté intellectuelle sans faille. À l’inverse, nous analyserons pourquoi le HARKing, loin d’être une simple commodité rhétorique destinée à rendre les articles plus élégants ou plus fluides, constitue une distorsion grave de l’inférence causale qui pollue la littérature scientifique de faux positifs théoriquement rationalisés.

En clarifiant ces mécanismes, cet article vise à fournir aux chercheurs, aux évaluateurs et aux lecteurs de la littérature scientifique les outils conceptuels et pratiques nécessaires pour naviguer dans l’écosystème de la recherche contemporaine, promouvoir des standards de publication transparents et restaurer la confiance sociétale et institutionnelle dans la production empirique.

2. Comprendre les hypothèses préenregistrées (Preregistration)

2.1 Définition formelle, historique et protocole opératoire

Le préenregistrement se définit formellement comme la consignation, dans un registre public ou indépendant, d’un plan d’étude détaillé, de ses hypothèses opérationnelles, de ses variables cibles et de son pipeline d’analyses statistiques complet, horodaté et gelé avant que les chercheurs n’aient accès aux données destinées à tester ces hypothèses. Sur le plan logique, cette démarche matérialise une rupture temporelle irréversible : elle atteste qu’au moment précis où les propositions théoriques ont été formulées, le bruit stochastique propre à l’échantillon d’analyse n’avait pas encore pu contaminer le raisonnement déductif du scientifique.

Cette approche trouve ses racines modernes dans le domaine des essais cliniques biomédicaux. Durant les années 1980 et 1990, la dissimulation systématique des essais thérapeutiques non concluants ou délétères financés par l’industrie pharmaceutique a conduit à des drames sanitaires majeurs et à une distorsion profonde de la pharmacopée mondiale. En réponse, le Congrès des États-Unis a voté la loi de modernisation de la FDA (FDAMA) en 1997, conduisant à la création du registre ClinicalTrials.gov en 2000. Le tournant décisif a eu lieu en 2004, lorsque le Comité international des éditeurs de revues médicales (ICMJE) a décrété qu’aucun essai clinique ne serait publié dans les revues participantes sans un enregistrement prospectif préalable dans un registre public avant le recrutement du premier patient.

À partir de 2012, sous l’impulsion de méthodologistes tels qu’Eric-Jan Wagenmakers et Brian Nosek, cette exigence a été importée dans les sciences sociales, cognitives et économiques. Il convient toutefois de distinguer deux modalités fondamentales de préenregistrement :

• Le préenregistrement standard non évalué : Le chercheur dépose son protocole horodaté sur une plateforme publique (telle que le registre de l’Open Science Framework). Le dépôt est rendu public immédiatement ou après un embargo, et la conformité de l’article final avec ce plan initial est évaluée a posteriori par les pairs lors de la soumission classique du manuscrit.
• Les rapports enregistrés (Registered Reports) : Conçu initialement par le neuroscientifique Christopher Chambers pour la revue Cortex en 2013, ce format institutionnalise un modèle de publication en deux étapes. Le protocole complet (contexte théorique, hypothèses, méthode, plan d’analyse statistique et études pilotes éventuelles) est soumis à l’évaluation par les pairs avant la collecte des données (Étape 1). Si le projet est jugé scientifiquement rigoureux et informatif quelle que soit l’issue des tests, la revue accorde une acceptation de principe (In-Principle Acceptance, IPA). L’article est garanti d’être publié après l’Étape 2, sous réserve exclusive que le protocole approuvé ait été scrupuleusement respecté et que les contrôles de qualité des données soient validés, que les résultats soient statistiquement significatifs ou strictement nuls.

2.2 Mécanismes opérationnels et plateformes de mise en œuvre

Sur le plan pratique, l’opérationnalisation d’un préenregistrement exige une granularité méthodologique bien supérieure aux descriptions laconiques traditionnellement acceptées dans les sections méthodologiques des revues savantes. Plusieurs infrastructures technologiques ont été développées pour soutenir cette transition, au premier rang desquelles figurent le Center for Open Science avec l’Open Science Framework (OSF) et la plateforme AsPredicted, développée par Uri Simonsohn, Leif Nelson et Joseph Simmons.

Un protocole de préenregistrement complet doit impérativement spécifier les éléments suivants avant toute inspection des données :

• L’énoncé directionnel précis des hypothèses : Formulation explicite du sens attendu de la relation entre les variables (par exemple, une hypothèse unilatérale précisant que le groupe expérimental présentera un score supérieur au groupe témoin, plutôt qu’une vague prédiction d’hétérogénéité).
• Le plan d’échantillonnage et la règle d’arrêt : Justification a priori de la taille de l’échantillon par une analyse de puissance statistique formelle (définissant la taille d’effet minimale d’intérêt, le niveau $\alpha$ et la puissance $1-\beta$), accompagnée d’une règle d’arrêt de la collecte absolue interdisant toute interruption opportuniste (peeking).
• Les critères d’inclusion, d’exclusion et de nettoyage : Définition sans ambiguïté des règles de rejet des participants ou des observations aberrantes (valeurs seuils de déviation standard, échec aux questions d’attention, temps de réponse minimaux ou maximaux).
• La construction et transformation des variables : Procédures exactes d’agrégation des échelles psychométriques, d’imputation des données manquantes, de normalisation ou de discrétisation des prédicteurs.
• Le modèle statistique inférentiel exact : Spécification du modèle mathématique complet (par exemple, régression linéaire multiple ou modèle mixte à effets aléatoires), incluant la liste exhaustive des covariables retenues, la gestion des interactions et les corrections appliquées pour remédier au problème des comparaisons multiples.

L’un des défis majeurs réside dans la gestion des aléas inhérents à l’expérimentation réelle. Les données empiriques peuvent révéler des distributions imprévues, des violations graves de la normalité ou des défaillances techniques imprévisibles. Le préenregistrement moderne intègre parfaitement cette contingence par le biais de la gestion transparente des amendements : toute déviation par rapport au protocole initial doit être consignée dans le registre avec son horodatage et justifiée de manière explicite dans le corps du texte final, permettant aux évaluateurs de vérifier que ces ajustements n’ont pas été guidés par la quête opportuniste de la significativité statistique.

2.3 Avantages épistémiques et statistiques du préenregistrement

L’avantage épistémique primordial du préenregistrement réside dans la préservation de la validité mathématique du test d’hypothèse nulle. Dans le cadre théorique de l’inférence fréquentiste posé par Jerzy Neyman et Egon Pearson, le taux d’erreur de première espèce ($\alpha$) représente la probabilité préfixée à long terme de rejeter l’hypothèse nulle ($H_0$) alors que celle-ci est en réalité vraie dans la population cible. Ce mécanisme de régulation statistique ne fonctionne que si le test effectué correspond exactement à celui pour lequel l’échantillonnage a été conçu.

Dans un article retentissant paru en 2011, Joseph Simmons, Leif Nelson et Uri Simonsohn ont introduit le concept de « degrés de liberté du chercheur » (researcher degrees of freedom). Ils ont démontré par des simulations de Monte Carlo que la combinaison de flexibilités analytiques non déclarées — telles que choisir d’analyser deux variables dépendantes corrélées, ajouter subrepticièrement dix participants supplémentaires si le test frôle la significativité, contrôler ou non une variable démographique, et fusionner ou exclure des conditions expérimentales — élève le taux réel de faux positifs d’un niveau nominal de $\alpha = .05$ à un niveau vertigineux de 60,7 %. Le préenregistrement neutralise l’immense majorité de ces degrés de liberté en figeant le chemin analytique avant la collecte, réduisant à néant la possibilité de bifurquer au sein du « jardin aux sentiers qui bifurquent » (garden of forking paths) conceptualisé par Andrew Gelman et Eric Loken.

Au-delà de la maîtrise des erreurs de type I, le préenregistrement, singulièrement sous sa forme de Registered Report, constitue l’antidote structurel le plus efficace contre le biais de publication et le phénomène du « tiroir de bureau » (file-drawer problem) identifié par Robert Rosenthal. Lorsque l’évaluation porte sur la pertinence théorique de la question posée et la rigueur de la méthode plutôt que sur la nature des résultats obtenus, les études rapportant des résultats nuls ou non significatifs sont publiées avec la même probabilité que celles découvrant des effets statistiquement spectaculaires. Cette neutralisation éditoriale permet d’assainir la littérature scientifique en empêchant la surreprésentation artificielle d’effets gonflés ou illusoires.

2.4 Limites inhérentes et obstacles pratiques

Malgré sa supériorité épistémique pour les démarches confirmatoires, le préenregistrement n’est pas exempt de contraintes logistiques et de vulnérabilités opérationnelles. La première limitation concerne son application aux données préexistantes, observationnelles ou longitudinales (telles que les bases de données économiques nationales, les cohortes épidémiologiques ou les enquêtes sociologiques à passages répétés). Dans ces configurations, il est difficile, voire impossible, de garantir de manière indiscutable que le chercheur n’a pas eu un accès préalable direct ou indirect aux données avant de déposer son plan d’analyse, ce qui complique l’attestation de son aveuglement épistémique.

Une seconde dérive documentée dans la littérature méthodologique contemporaine est celle du préenregistrement superficiel ou vague (underspecified preregistration). Un protocole qui se contenterait d’affirmer : « nous étudierons l’impact du traitement A sur la variable B par une analyse de variance ou de régression » n’élimine aucun degré de liberté analytique réel. Plusieurs études d’évaluation méta-scientifique ont révélé qu’une proportion substantielle de préenregistrements déposés sur l’OSF laissait subsister suffisamment de flou pour permettre aux auteurs de sélectionner discrètement leurs modèles statistiques préférés lors de la rédaction finale, tout en se prévalant de manière indue du label vertueux de la recherche préenregistrée.

Enfin, le préenregistrement impose un alourdissement considérable de la charge de travail intellectuelle et administrative en amont du projet. Concevoir un protocole complet, coder les scripts d’analyse sur des données simulées (mock data) et anticiper l’ensemble des scénarios de déviation empirique exige un investissement temporel massif avant même de savoir si le dispositif d’échantillonnage produira des données exploitables. Dans un écosystème académique récompensant la rapidité de production, cette exigence de décélération méthodologique peut constituer un frein pour les chercheurs en début de carrière soumis à des évaluations quantitatives de leur productivité.

3. Comprendre le HARKing (Hypothesizing After the Results are Known)

3.1 Définition conceptuelle et taxonomie selon Norbert Kerr

Le concept de HARKing a été formellement introduit et analysé en 1998 par le psychologue social américain Norbert L. Kerr dans son article de référence : HARKing: Hypothesizing after the results are known. Kerr a défini cette pratique comme la démarche consistant à présenter une hypothèse formulée post-hoc (c’est-à-dire directement inspirée ou modifiée par les données observées) dans un rapport de recherche empirique comme s’il s’agissait en réalité d’une hypothèse déduite a priori d’un modèle théorique préalable.

Afin de déconstruire cette pathologie méthodologique, Kerr a établi une taxonomie fine des comportements de rationalisation rétrospective :

• Le HARKing pur (Pure HARKing) : Le chercheur découvre une corrélation fortuite ou une différence de moyennes inattendue mais statistiquement significative ($p < .05$) au cours d'analyses exploratoires non planifiées. Il conçoit alors de toutes pièces une justification théorique plausible pour expliquer précisément cet effet, et rédige l'introduction de son article de manière à donner l'illusion parfaite que l'étude a été initialement conçue pour tester cette hypothèse spécifique.
• La suppression d’hypothèses infirmées (Suppress-HARKing ou SHARKing) : Le chercheur avait formulé des hypothèses déductives sincères avant son expérience, mais les données collectées ont échoué à atteindre le seuil de significativité statistique ($p > .05$). Il décide d’effacer silencieusement ces hypothèses du manuscrit final, éliminant toute trace de ses prédictions initiales réfutées pour ne conserver que les tests ayant fonctionné.
• La modification rétroactive d’hypothèses : Le chercheur adapte après coup les paramètres d’une hypothèse initiale pour coller aux résultats. Si une relation linéaire avait été postulée mais qu’une courbe quadratique apparaît dans les données, l’introduction sera réécrite pour affirmer qu’une relation curvilinéaire était attendue dès le départ. Si l’effet n’apparaît que chez les femmes et non chez les hommes, l’introduction postulera une interaction avec le genre biologique.
• Le HARKing par exhumation bibliographique (Retrieve-HARKing) : Après avoir observé un résultat imprévu, le chercheur fouille la vaste littérature scientifique existante pour dénicher un article obscur ou un modèle marginal ayant déjà décrit un effet analogue. Il érige ensuite ce modèle en cadre conceptuel fondateur de son étude, occultant totalement le fait que cette théorie n’a joué aucun rôle dans la genèse de l’expérience.

3.2 Mécanismes cognitifs et pressions structurelles incitatives

Le HARKing ne procède pas toujours d’une malhonnêteté cynique ou d’une volonté délibérée de fraude ; il s’enracine profondément dans des biais cognitifs universels auxquels les scientifiques sont particulièrement vulnérables. Le principal levier psychologique du HARKing est le biais rétrospectif (hindsight bias), théorisé par Baruch Fischhoff dès 1975. Une fois qu’un individu a pris connaissance de l’issue d’un événement ou d’un résultat expérimental, son cerveau réorganise automatiquement ses connaissances pour intégrer ce fait comme logique, cohérent et prévisible. Confronté à un résultat inattendu dans un tableau de corrélations, le chercheur éprouve l’illusion cognitive saisissante que « cela faisait sens depuis le début » et qu’il aurait dû le prédire. La reconstruction post-hoc d’une hypothèse devient dès lors une rationalisation sincère plutôt qu’un mensonge perçu.

À ce biais s’ajoute l’injonction omniprésente du récit linéaire imposée par la culture académique contemporaine. La structure canonique des articles scientifiques (Introduction, Méthode, Résultats, Discussion), souvent désignée sous l’acronyme IMRaD, favorise une narration téléologique. Les manuels de rédaction scientifique et les comités éditoriaux encouragent traditionnellement les chercheurs à « raconter une histoire claire et cohérente » (storytelling). Un manuscrit relatant honnêtement qu’une hypothèse a échoué, qu’une analyse imprévue a révélé un résultat curieux et que trois autres mesures n’ont abouti à rien d’exploitable est perçu comme brouillon, indécis et peu attractif, alors qu’un article réécrit selon les canons du HARKing offre l’apparence séduisante de la maîtrise intellectuelle totale.

Enfin, la pression institutionnelle du Publish or Perish joue un rôle déterminant. Les carrières universitaires, l’obtention de financements compétitifs et l’accès à la titularisation dépendent quasi exclusivement de la publication d’articles dans des revues à fort facteur d’impact. Or, ces revues ont historiquement manifesté une préférence écrasante pour les résultats spectaculaires, originaux et parfaits, dans lesquels chaque test statistique confirme une théorie novatrice. Dans l’enquête quantitative de Leslie John, George Loewenstein et Drazen Prelec parue en 2012, portant sur plus de 2 000 psychologues académiques américains, plus de 27 % des personnes interrogées ont admis avoir déjà présenté une découverte inattendue comme s’il s’agissait d’une hypothèse préalable, et les modèles d’estimation de prévalence réelle situaient ce chiffre au-delà de 35 %.

3.3 Conséquences délétères sur le corpus scientifique

Les répercussions du HARKing sur la solidité du savoir scientifique accumulé sont catastrophiques, précisément parce que ses effets destructeurs sont invisibles à la simple lecture du texte publié. En premier lieu, le HARKing accomplit une transmutation fallacieuse : il transforme une découverte exploratoire fragile en une validation confirmatoire fictive. L’exploration de données est par nature sujette au phénomène de surapprentissage statistique (overfitting). Dans tout échantillon, il existe des corrélations accidentelles dues aux singularités du bruit de mesure. Lorsqu’un chercheur érige ces régularités idiosyncrasiques au statut de lois vérifiées par une hypothèse dédiée, il garantit quasiment que les tentatives ultérieures de réplication sur de nouveaux échantillons échoueront.

En deuxième lieu, le HARKing altère gravement l’évaluation de la plausibilité préalable des théories. En philosophie bayésienne des sciences, la probabilité a posteriori d’une théorie $P(T|D)$ dépend de sa probabilité a priori $P(T)$ et de la vraisemblance des données observées. Si une hypothèse a priori hautement improbable reçoit un appui empirique fortuit et que son statut d’improbabilité initiale est masqué par une réécriture rétrospective érudite, la communauté scientifique surestime de manière disproportionnée la véracité de théories stériles ou erronées.

Enfin, le HARKing compromet la nature cumulative de la science. En dissimulant systématiquement les hypothèses initiales qui ont été infirmées par l’expérience (SHARKing), les chercheurs privent leurs pairs d’informations fondamentales : ils empêchent la communauté de savoir que telle piste théorique séduisante a en réalité échoué face aux données. Des cohortes entières de jeunes chercheurs sont ainsi condamnées à répéter les mêmes impasses expérimentales, gaspillant des ressources humaines et financières précieuses dans des voies sans issue dont l’échec n’a jamais été documenté dans la littérature ouverte.

3.4 Formes subtiles et ambiguïtés terminologiques

L’une des difficultés majeures de l’éradication du HARKing réside dans l’existence d’une zone grise continue séparant la malhonnêteté manifeste de la mise au point légitime d’une pensée théorique. Lorsqu’un chercheur analyse des données et se rend compte qu’une variable modératrice n’avait pas été prise en compte dans son schéma d’analyse initial, il accomplit un travail intellectuel authentique en révisant sa conceptualisation à la lumière de cette information. Le péché méthodologique ne réside pas dans l’acte d’apprendre des données, mais dans l’occultation délibérée de la chronologie réelle de cette découverte.

Il arrive fréquemment que le HARKing soit encouragé, voire formellement exigé, par les pairs évaluateurs et les éditeurs scientifiques eux-mêmes. Dans le schéma d’évaluation par les pairs traditionnel, un réviseur critique face à un manuscrit peut écrire : « L’hypothèse H1 de l’auteur n’est pas soutenue, mais l’interaction rapportée dans la table 3 entre l’âge et la condition est fascinante. L’auteur devrait restructurer son introduction autour de cette interaction et abandonner H1 afin de rendre l’article plus percutant. » Face à une telle injonction conditionnant l’acceptation de son travail, le chercheur se trouve contraint de pratiquer le HARKing pour des raisons de survie professionnelle.

Cette porosité terminologique s’observe également dans le vocabulaire utilisé dans les sections de discussion. Les frontières s’estompent facilement entre « formuler une conjecture explicative à la lumière des faits observés » et « faire rétroagir cette conjecture dans le corps théorique liminaire ». Tant que les revues n’exigent pas une traçabilité documentaire attestant de la temporalité des hypothèses, l’incitation à masquer la genèse inductive des idées demeure structurellement dominante.

4. Différences clés entre hypothèses préenregistrées et HARKing

Pour clarifier sans ambiguïté les divergences qui séparent ces deux démarches épistémologiques, il est nécessaire de confronter leurs mécanismes sur les plans temporel, statistique, communicationnel et fonctionnel. Le tableau ci-dessous synthétise ce face-à-face systématique :

Dimension d’analyse	Hypothèses préenregistrées (Preregistration)	Hypothèses formulées post-hoc (HARKing)
Chronologie épistémique	Formulation rigoureusement antérieure à la collecte, au traitement ou à l’inspection des données.	Formulation postérieure à l’observation des données, rétroactivement réinjectée en amont.
Traçabilité documentaire	Enregistrement immuable, horodaté et public sur un tiers indépendant (OSF, AsPredicted).	Opacité complète ; absence de registre public traçant les versions successives des hypothèses.
Validité de la valeur p ($p$-value)	Préservation intégrale du sens mathématique fréquentiste du taux nominal d’erreur $\alpha = .05$.	Perte de sens statistique ; la valeur $p$ rapportée est invalide et le taux réel de faux positifs est gonflé.
Degrés de liberté du chercheur	Verrouillés par la spécification préalable des critères d’exclusion, de transformation et de test.	Maximaux et occultés ; navigation non documentée dans le jardin aux sentiers qui bifurquent.
Traitement des hypothèses réfutées	Rapportées obligatoirement avec transparence, documentant les échecs prédictifs du modèle.	Supprimées silencieusement (SHARKing) pour ne conserver que les réussites apparentes.
Statut de la découverte	Validation confirmatoire formelle (contexte de justification déductif).	Exploration inductive déguisée en déduction (mascarade méthodologique).
Sensibilité au surapprentissage	Très faible ; les données servent uniquement à tester un modèle fixé, sans ajustement opportuniste.	Maximale ; le modèle théorique est artificiellement calqué sur les singularités de l’échantillon.
Taux de réplicabilité ultérieure	Élevé ; les effets confirmés résistent significativement mieux aux protocoles de réplication.	Médiocre ; l’effet observé étant souvent un artefact stochastique, la réplication échoue massivement.
Posture face aux résultats inattendus	Valorisation honnête en tant que découvertes exploratoires nécessitant un test futur indépendant.	Appropriation rétroactive comme si la trouvaille était une conséquence logique de la théorie.

4.1 Temporalité et antériorité épistémique

Le critère premier de démarcation réside dans l’axe chronologique irréversible de la démarche scientifique. Dans une procédure préenregistrée, l’esprit du chercheur est hermétiquement séparé de l’échantillon de test au moment où les hypothèses sont gravées dans le marbre numérique. L’antériorité temporelle garantit l’indépendance causale : l’état des données futures ne peut pas avoir influencé la conceptualisation passée du chercheur. Cette traçabilité horodatée crée un contrat de transparence vérifiable par n’importe quel lecteur ou évaluateur externe.

À l’opposé, le HARKing opère une falsification temporelle narrative. Le chercheur conçoit son hypothèse au temps $t_2$ (après observation des matrices de corrélation ou des régressions) mais rédige son texte comme si cette idée avait émergé au temps $t_0$. En occultant ce décalage, le chercheur fait disparaître la composante essentielle du risque prédictif : une hypothèse énoncée après la découverte d’un fait ne prend plus aucun risque épistémique face aux données qui l’ont fait naître. Elle s’apparente au geste d’un tireur à l’arc qui décocherait sa flèche sur une palissade vierge avant de peindre la cible exactement autour du point d’impact, tout en prétendant avoir visé le centre parfait dès le départ.

4.2 Validité de l’inférence statistique et valeur de la p-valeur

Le gouffre séparant ces deux pratiques se traduit par une divergence mathématique profonde quant à la signification de la valeur $p$. Dans le cadre de l’inférence fréquentiste conventionnelle, la valeur $p$ représente la probabilité d’obtenir une statistique de test au moins aussi extrême que celle observée, sous l’hypothèse formelle que l’hypothèse nulle ($H_0$) soit vraie dans la population :

$$p = P(T(D) ge t_{obs} mid H_0)$$

Ce calcul n’est mathématiquement valide que si la fonction de test $T$ et l’espace d’échantillonnage ont été définis indépendamment du jeu de données $D$.

Lorsqu’un chercheur pratique le HARKing, la statistique de test $t_{obs}$ est sélectionnée parce qu’elle a produit un résultat remarquable dans les données $D$. L’hypothèse testée devient une fonction des données : $H(D)$. Par conséquent, le test statistique ne calcule plus la probabilité des données sachant l’hypothèse, mais évalue de manière circulaire des données sachant une hypothèse forgée par ces mêmes données :

$$P(T(D) ge t_{obs} mid H_0(D)) \neq P(T(D) ge t_{obs} mid H_0)$$

Le contrôle de l’erreur de première espèce s’effondre. Alors que le texte affiche avec fierté un seuil nominal de $p < .05$, la probabilité réelle de fausse découverte peut atteindre 30 %, 50 % ou davantage, en fonction du nombre implicite de comparaisons effectuées par le chercheur au cours de son inspection exploratoire préalable. La valeur$p$ devient un pur artifice cosmétique, dénué de toute signification fréquentiste rigoureuse.

4.3 Transparence méthodologique et éthique de communication

Le contraste entre préenregistrement et HARKing renvoie également à deux éthiques radicalement opposées de la communication savante. Le préenregistrement repose sur l’humilité méthodologique et le principe de vérité intégrale (full disclosure). Il reconnaît que la science avance par essais et erreurs, que de nombreuses hypothèses séduisantes sont fausses et que l’infirmation empirique constitue une brique indispensable de l’édification du savoir. En documentant les prédictions ratées, le chercheur préenregistré fournit à la communauté une estimation non biaisée de la validité de son modèle conceptuel, conformément aux principes de transparence FAIR (Facile à trouver, Accessible, Interopérable, Réutilisable).

Le HARKing, au contraire, cultive une illusion d’omniscience théorique. En occultant systématiquement les hypothèses initiales démenties par l’épreuve des faits, il fabrique une littérature fictionnelle où les chercheurs semblent systématiquement doués d’une intuition prémonitoire infaillible. Cette manipulation narrative ne trompe pas seulement les pairs ; elle entretient chez les jeunes chercheurs un sentiment d’illégitimité ou d’incompétence face à des modèles publiés qui semblent avoir toujours fonctionné du premier coup avec une pureté absolue. Sur le plan déontologique, le HARKing s’apparente à une omission d’information substantielle dégradant la valeur fiduciaire de la publication scientifique.

4.4 Nature de la découverte : validation confirmatoire versus exploration sérendipiteuse

Une confusion fréquente consiste à croire que le préenregistrement valorise la découverte alors que le HARKing la condamnerait, ou inversement. La réalité épistémologique est diamétralement inverse : c’est le HARKing qui insulte la découverte en refusant de l’assumer comme telle. Lorsqu’une donnée inattendue se présente à l’observateur attentif, il y a là l’étincelle potentielle d’une révolution conceptuelle, d’un changement de paradigme ou de la révélation d’une faille dans les modèles existants. C’est l’essence même de la sérendipité, qui a jalonné les grandes heures de la recherche, de la découverte de la pénicilline par Alexander Fleming à l’observation du rayonnement thermique cosmologique par Penzias et Wilson.

Le préenregistrement honore cette étincelle exploratoire en exigeant qu’elle soit déclarée ouvertement : « Nous n’avions pas prévu cet effet ; il est apparu dans l’analyse de nos données non planifiées. » Dès lors, cette observation prend son statut authentique d’hypothèse nouvelle, générée de façon inductive, qui demande à être mise à l’épreuve lors d’un protocole confirmatoire futur. Le HARKing, lui, étouffe la découverte sous un déguisement déductif conventionnel. En prétendant qu’il s’agissait d’une déduction logique issue de la théorie établie, il neutralise la charge subversive de l’anomalie empirique et force une observation novatrice à rentrer au chausse-pied dans un cadre théorique préexistant, transformant une rupture empirique en une fausse confirmation du statu quo académique.

5. Similitudes, convergences et zones de chevauchement

5.1 Structure rhétorique et langage théorique commun

Malgré l’abîme épistémique qui les sépare sur le plan de la validité interne, les articles issus d’une démarche préenregistrée et ceux forgés par le HARKing partagent une ressemblance textuelle presque parfaite au sein des revues traditionnelles. Cette gémellité formelle explique pourquoi la communauté scientifique a mis plusieurs décennies à identifier l’ampleur du problème : à la simple lecture d’un article finalisé, il est rigoureusement impossible de distinguer une hypothèse déductive authentique d’une hypothèse conçue post-hoc par un auteur talentueux.

Dans les deux cas, le texte mobilise le même appareillage rhétorique :

• Une revue minutieuse de la littérature académique posant les fondations conceptuelles de l’étude.
• La formalisation d’hypothèses étiquetées « H1 », « H2 », accompagnées d’une dérivation causale apparemment rigoureuse.
• L’énoncé de prédictions directionnelles justifiées par des mécanismes psychologiques, sociologiques ou biologiques.
• L’application des mêmes tests d’inférence statistique (tests de Student, analyses de variance factorielles, modèles de régression multiple, régressions logistiques).
• La confrontation des valeurs $p$ obtenues aux seuils conventionnels ($\alpha = .05, .01, .001$).

Cette symétrie rhétorique prouve que la rigueur de l’écriture n’est en rien une garantie de la rigueur de la méthode. Tant que le lien avec un enregistrement indépendant n’est pas établi, l’apparence de la déduction logique peut n’être qu’un habillage discursif d’une démarche d’induction opportuniste.

5.2 L’inévitabilité de l’exploration dans la démarche scientifique

Une autre convergence fondamentale réside dans le fait que tout programme de recherche empirique fécond intègre inévitablement des phases d’exploration intense. Il serait absurde d’opposer des chercheurs préenregistrés qui seraient de froids automates déductifs à des chercheurs pratiquant le HARKing qui auraient le monopole de l’intuition et de la créativité empirique. Tous les scientifiques s’assoient devant leurs écrans pour regarder leurs distributions, tracer des nuages de points, vérifier les résidus et déceler des configurations inattendues.

Les deux démarches reconnaissent la valeur inestimable de l’inspection approfondie des jeux de données. La différence ne porte pas sur la légitimité de l’exploration, mais sur son traitement épistémique. Le partisan du préenregistrement scrupuleux utilise l’exploration pour alimenter son imagination théorique et préparer ses études suivantes, tandis que le praticien du HARKing utilise cette même exploration pour réécrire son passé méthodologique immédiat. Mais dans les deux visions du travail scientifique, la curiosité face aux anomalies de l’échantillon demeure le carburant vital de la formulation de nouvelles conjectures.

5.3 Les zones grises : préenregistrements partiels et « HARKing préenregistré »

L’essor récent du préenregistrement a engendré ses propres dérives et hybridations complexes, créant des zones grises où les deux démarches s’entrecroisent de façon perverse. La communauté méthodologique a notamment documenté l’émergence d’une pratique particulièrement insidieuse qualifiée de « HARKing préenregistré » (preregistered HARKing) ou préenregistrement opportuniste (pre-registration after results are known, parfois ironiquement nommé PARKing).

Ce phénomène se produit lorsqu’un chercheur collecte ses données, réalise ses analyses exploratoires de manière informelle, détecte un motif statistiquement significatif remarquable, puis se connecte sur une plateforme de dépôt pour y soumettre un préenregistrement antidaté ou faussement vierge de tout contact avec les données, en prétendant que la collecte n’a pas encore eu lieu ou que les fichiers sont demeurés scellés. Dans les cas où les données sont d’accès libre (bases de données ouvertes, archives gouvernementales), le chercheur peut explorer la base, découvrir des corrélations prometteuses, et rédiger un protocole de préenregistrement ciblant chirurgicalement ces variables précises en jurant n’avoir jamais analysé les fichiers auparavant.

Une forme plus diffuse réside dans les préenregistrements volontairement lacunaires. En omettant de spécifier le traitement exact des valeurs aberrantes ou le choix précis des covariables de contrôle, le chercheur s’aménage une marge de manœuvre analytique suffisante pour maximiser ses chances d’obtenir une valeur $p < .05$, tout en bénéficiant du certificat de vertu scientifique conféré par le badge de préenregistrement de la revue. Ces pratiques hybrides démontrent que le préenregistrement n'est pas une formule magique infaillible : sans un audit minutieux de la cohérence entre le protocole déposé et l'article soumis, il peut être détourné pour donner une respectabilité institutionnelle accrue à des formes sophistiquées de HARKing.

6. Recommandations méthodologiques : quand employer chaque démarche

6.1 Indications et critères d’application du préenregistrement strict

Le préenregistrement rigide, idéalement sous le format des Registered Reports, s’impose comme la norme méthodologique d’excellence dans plusieurs situations scientifiques critiques :

• Les tests de théories rivales mutuellement exclusives : Lorsque deux paradigmes théoriques concurrents formulent des prédictions directionnelles opposées sur un même phénomène, seule une étude confirmatoire préenregistrée garantit que les conditions de test n’ont pas été calibrées pour favoriser un modèle au détriment de l’autre.
• Les réplications directes d’effets controversés : Pour évaluer la solidité d’une découverte contestée, l’équipe de réplication doit préenregistrer son protocole à l’identique afin d’éviter tout soupçon de manipulation méthodologique visant à faire échouer ou réussir artificiellement l’effet.
• La recherche translationnelle et les essais d’intervention sociétale : Dès lors qu’une étude empirique est destinée à guider des politiques publiques, des décisions judiciaires, des programmes pédagogiques ou des traitements médicaux impliquant des investissements financiers massifs ou la santé des populations, le risque de faux positifs induit par le HARKing est éthiquement inacceptable.
• Les études financées à forte visibilité : Pour conjurer le spectre du biais de confirmation institutionnel ou industriel, le scellement préalable des plans d’analyse constitue un gage d’indépendance scientifique irremplaçable.

6.2 Comment rapporter rigoureusement les découvertes post-hoc sans faire de HARKing

L’abandon définitif du HARKing ne signifie en aucune manière que les chercheurs doivent taire les découvertes fortuites qu’ils réalisent en travaillant sur leurs données. Il requiert simplement l’adoption de standards de rédaction transparents distinguant nettement les différents statuts inférentiels au sein du même manuscrit :

• Le partitionnement strict des sections de résultats : Les revues savantes devraient exiger que la section des résultats soit subdivisée de façon standardisée en deux sous-sections explicites :
  • 1. Analyses confirmatoires préenregistrées : Présentation intégrale et exclusive des tests stipulés dans le protocole initial, avec mention des hypothèses vérifiées et de celles formellement infirmées.
  • 2. Analyses exploratoires non planifiées : Présentation des motifs inattendus observés, des analyses de sous-groupes supplémentaires, ou des modélisations alternatives testées après l’inspection des données.
• Le recadrage rhétorique dans la section Discussion : Tout résultat issu des analyses non planifiées doit être discuté en employant un langage hypothétique et probabiliste. Au lieu d’affirmer « Ces données prouvent que le facteur X modère le processus Y », le chercheur honnête écrira : « L’émergence inattendue d’une modération par le facteur X ($p = .03$) suggère une nouvelle piste théorique féconde. Néanmoins, s’agissant d’une analyse exploratoire post-hoc soumise à l’inflation des erreurs de type I, cette relation doit être considérée comme une conjecture préliminaire nécessitant une confirmation déductive dans une étude indépendante. »
• La déclaration transparente des divergences : L’article doit inclure un paragraphe dédié récapitulant avec franchise l’ensemble des écarts par rapport au protocole préenregistré, en explicitant les justifications techniques de ces modifications (par exemple, impossibilité d’atteindre l’effectif prévu en raison de contraintes logistiques imprévues, ou recours à un test non paramétrique rendu indispensable par une violation flagrante de l’homoscédasticité).

6.3 Le cycle de recherche idéal en deux étapes (Génération puis Confirmation)

Pour réconcilier de manière harmonieuse et féconde la puissance créative de l’exploration et la robustesse probatoire de la confirmation, la communauté scientifique gagne à institutionnaliser un cycle de recherche itératif en deux étapes bien distinctes, à l’échelle d’un projet individuel ou d’un laboratoire :

Étape 1 : Phase de génération d’hypothèses (Exploration libre).
Le chercheur dispose d’un premier jeu de données (ou d’une étude pilote). Il conduit toutes les analyses possibles sans aucune contrainte formelle : il croise les variables, inspecte les sous-populations, applique des algorithmes d’apprentissage automatique non supervisé, visualise ses distributions et teste des dizaines d’interactions potentielles. Aucune valeur $p$ n’est considérée ici comme une preuve de confirmation définitive ; ces calculs servent d’indicateurs heuristiques pour identifier des motifs intéressants. À l’issue de cette phase, le chercheur formule une série d’hypothèses novatrices précises et affine son protocole d’observation.

Étape 2 : Phase de validation déductive (Confirmation préenregistrée).
Fort des enseignements de l’étape exploratoire, le chercheur rédige un plan de préenregistrement exhaustif intégrant les nouvelles hypothèses, le dimensionnement statistique calculé à partir des tailles d’effet minimales pertinentes observées en étape 1, et l’arbre de décision analytique verrouillé. Il collecte ensuite un second échantillon totalement indépendant (ou applique son protocole à une nouvelle cohorte). L’analyse de ce second jeu de données fournit le véritable test confirmatoire. Si l’effet découvert en étape 1 réapparaît de manière significative au cours de l’étape 2, la relation empirique est validée avec un haut niveau de certitude épistémique.

Dans les sciences des données, cette logique est opérationnalisée de manière courante et automatisée par le truchement du fractionnement des données (data-splitting ou cross-validation). Le jeu de données global est scindé aléatoirement en un ensemble d’apprentissage (training set, typiquement 70 % de l’échantillon) sur lequel le modèle est exploré, paramétré et ajusté, et un ensemble de test inviolé (holdout test set, 30 % de l’échantillon) sur lequel les hypothèses induites lors de la première phase sont rigoureusement évaluées sans aucun ajustement ultérieur possible des hyperparamètres.

7. Foire aux questions (FAQ)

7.1 Le préenregistrement empêche-t-il toute recherche exploratoire ou sérendipité ?

Non, il s’agit de l’un des malentendus les plus tenaces concernant le mouvement de la science ouverte. Le préenregistrement n’interdit en aucune façon l’analyse exploratoire des données, pas plus qu’il n’empêche un chercheur de remarquer un phénomène surprenant qu’il n’avait pas anticipé. Il impose une seule contrainte, d’ordre épistémologique et éthique : l’étiquetage honnête de chaque démarche.

Dans un manuscrit fondé sur une étude préenregistrée, les auteurs demeurent pleinement libres de conduire autant de tests statistiques non planifiés qu’ils le souhaitent après avoir exécuté les analyses prévues au protocole. La seule exigence déontologique consiste à rapporter ces explorations dans une section explicitement identifiée comme « exploratoire », et à s’abstenir de présenter les $p$-valeurs associées à ces découvertes fortuites comme des preuves confirmatoires irréfutables. Loin d’étouffer la sérendipité, le préenregistrement protège les découvertes inattendues en leur conférant leur véritable statut d’hypothèses pionnières destinées à ouvrir de nouveaux chantiers de recherche.

7.2 Tout résultat inattendu formulé a posteriori relève-t-il nécessairement du HARKing ?

Non. La qualification de HARKing ne s’applique pas au fait d’observer un résultat inattendu ou de formuler une hypothèse pour tenter de l’expliquer après coup dans la section Discussion d’un article. Discuter un résultat surprenant à la lumière de cadres théoriques existants découverts au cours de la phase de rédaction est une démarche intellectuelle saine, normale et hautement constructive pour l’avancement de la réflexion théorique.

Le HARKing se définit de manière restrictive et spécifique par une tromperie méthodologique relative à la temporalité : il y a HARKing dès lors que l’hypothèse conçue après coup est présentée dans le texte comme ayant été formulée avant l’accès aux données, c’est-à-dire lorsqu’elle est rétroactivement déplacée dans l’Introduction sous l’apparence d’une déduction a priori. Dès l’instant où l’auteur écrit en toute transparence : « Ce résultat n’était pas anticipé par notre modèle initial ; nous conjecturons rétrospectivement que le mécanisme Z pourrait en être la cause », il ne pratique aucunement le HARKing, mais accomplit un acte d’induction scientifique transparent et irréprochable.

7.3 En quoi les Registered Reports diffèrent-ils d’un simple préenregistrement sur un dépôt public ?

La distinction est capitale et touche à la sociologie de l’évaluation académique. Un préenregistrement standard consiste simplement pour une équipe de recherche à déposer un protocole horodaté sur une plateforme tierce (comme l’OSF) sans que ce texte ne soit évalué par des pairs au moment de son dépôt. Le chercheur réalise son étude, analyse ses données et soumet son article à une revue traditionnelle selon le modèle classique. Les réviseurs doivent alors vérifier a posteriori si les auteurs ont bien respecté leur engagement initial, ce qui n’élimine pas le risque de biais de publication si la revue refuse l’article en raison de résultats nuls.

Les rapports enregistrés (Registered Reports), en revanche, transforment en profondeur l’ensemble du processus éditorial en articulant la revue par les pairs en deux étapes distinctes :

• Étape 1 (Avant la collecte des données) : Le protocole complet, les fondements théoriques, les justifications de puissance statistique et les scripts de traitement sont évalués par les pairs. Les réviseurs peuvent suggérer des améliorations méthodologiques cruciales avant le lancement de l’étude. Si le protocole est validé, la revue attribue une acceptation de principe (In-Principle Acceptance, IPA).
• Étape 2 (Après la collecte des données) : Le manuscrit complet intégrant les résultats est évalué uniquement pour vérifier la conformité stricte avec le protocole accepté en Étape 1 et la solidité des contrôles de qualité des données. La revue a l’obligation contractuelle de publier l’article, que les résultats soient statistiquement significatifs, ambigus ou totalement nuls.

Les Registered Reports éliminent ainsi de manière radicale à la fois le HARKing, le $p$-hacking et le biais de publication des revues.

7.4 Est-il possible de préenregistrer une recherche basée sur des données secondaires déjà existantes ?

Oui, le préenregistrement n’est nullement réservé aux protocoles expérimentaux primaires où la collecte de données commence après le scellement du registre. Il est tout à fait possible et vivement recommandé de préenregistrer des recherches portant sur des données secondaires, des registres épidémiologiques ou des enquêtes longitudinales préexistantes, sous réserve d’adopter des garanties méthodologiques appropriées.

Dans ce contexte, le protocole doit documenter de manière transparente et vérifiable le niveau d’accès préalable des chercheurs à la base de données. Plusieurs stratégies permettent de sécuriser la valeur épistémique d’un tel préenregistrement :

• Déposer le protocole avant la mise à disposition publique ou la livraison officielle de la nouvelle vague de données par l’organisme producteur (comme les vagues d’enquêtes de panels sociologiques ou économiques).
• Faire intervenir un tiers garant ou un statisticien indépendant qui séquestre les données, génère un jeu de données synthétique (ou bruité) sur lequel l’équipe conçoit et valide ses scripts d’analyse, avant d’appliquer le code final sans retouche possible sur la base de données réelle non biaisée.
• Attester formellement sur l’honneur qu’aucune exploration préalable des variables clés n’a été conduite, en explicitant les variables déjà manipulées dans des publications antérieures issues de la même cohorte pour dissiper tout soupçon de contamination analytique.

8. Conclusion : Vers un équilibre épistémique entre confirmation et découverte

8.1 Synthèse des paradigmes et restauration de la confiance empirique

La confrontation entre hypothèses préenregistrées et rationalisation rétrospective (HARKing) met en lumière deux visions divergentes de la pratique scientifique : l’une fondée sur la rigueur contractuelle et la traçabilité des inférences, l’autre sur l’adaptabilité opportuniste et la prééminence du récit textuel sur la chronologie méthodologique. L’avènement de la crise de la reproductibilité a démontré sans équivoque que la tolérance tacite envers le HARKing et les pratiques de recherche douteuses a gravement endommagé la crédibilité de pans entiers de la littérature empirique, saturant les revues de faux positifs présentés sous le vernis trompeur de la confirmation expérimentale parfaite.

Le préenregistrement ne doit pas être appréhendé comme une punition bureaucratique ou une défiance envers les chercheurs, mais comme un instrument d’émancipation épistémique. En séparant de manière transparente et vérifiable le contexte de découverte du contexte de justification, il redonne à l’inférence statistique fréquentiste son sens mathématique original et libère les chercheurs de l’injonction perverse de dissimuler leurs hypothèses infirmées. Il permet d’acter qu’un résultat nul rigoureusement établi possède une valeur scientifique infiniment supérieure à celle d’une fausse découverte opportuniste fabriquée pour satisfaire les attentes narratives d’un comité de lecture.

8.2 Évolution institutionnelle et perspectives futures de la communication scientifique

Pour que cette transformation méthodologique s’enracine durablement, l’engagement individuel des chercheurs en faveur de la transparence ne saurait suffire. Une refonte systémique des incitations académiques est indispensable. Les organismes de financement, les comités de recrutement universitaire et les instances d’évaluation des carrières doivent impérativement abandonner les métriques bibliométriques superficielles valorisant le volume de publications et le facteur d’impact des revues au profit d’évaluations qualitatives récompensant la rigueur, l’intégrité méthodologique et la reproductibilité des travaux.

La généralisation du format des Registered Reports dans l’ensemble des disciplines empiriques représente l’une des voies de progrès institutionnel les plus prometteuses du XXIe siècle. En déplaçant l’évaluation par les pairs au moment où elle est la plus constructive — avant que les données ne soient collectées —, ce format aligne enfin les intérêts des chercheurs avec ceux de la science : la qualité de la question posée et la robustesse de la méthode deviennent les seuls critères de réussite, éliminant d’un coup la tentation du HARKing et la peur paralysante des résultats statistiquement non significatifs.

En dernière analyse, l’avènement d’une science ouverte et préenregistrée invite la communauté des savants à renouer avec une vertu épistémique fondamentale : l’humilité intellectuelle. Accepter de rendre publics nos échecs prédictifs, admettre que la nature dément souvent nos conjectures les plus élégantes et célébrer les anomalies empiriques avec la franchise de l’explorateur plutôt qu’avec l’artifice du faussaire rétrospectif constituent les conditions irremplaçables pour restaurer la force probatoire du savoir scientifique et consolider le pacte de confiance qui unit la science à la société.

Références

• Bem, D. J. (2011). Feeling the future: Experimental evidence for anomalous retroactive influences on cognition and affect. Journal of Personality and Social Psychology, 100(3), 407–425. https://doi.org/10.1037/a0021524
• Chambers, C. D. (2013). Registered Reports: A new publishing initiative at Cortex. Cortex, 49(3), 609–610. https://doi.org/10.1016/j.cortex.2012.12.016
• De Groot, A. D. (1969). Methodology: Foundations of inference and research in the behavioral sciences. Mouton & Co.
• Fischhoff, B. (1975). Hindsight is not equal to foresight: The effect of outcome knowledge on judgment under uncertainty. Journal of Experimental Psychology: Human Perception and Performance, 1(3), 288–299. https://doi.org/10.1037/0096-1523.1.3.288
• Gelman, A., & Loken, E. (2014). The statistical crisis in science: How array of choices can lead to results that are statistically significant but practically meaningless. American Scientist, 102(6), 460–465. https://doi.org/10.1511/2014.111.460
• Ioannidis, J. P. A. (2005). Why most published research findings are false. PLoS Medicine, 2(8), e124. https://doi.org/10.1371/journal.pmed.0020124
• John, L. K., Loewenstein, G., & Prelec, D. (2012). Measuring the prevalence of questionable research practices with incentives for truth telling. Psychological Science, 23(5), 524–532. https://doi.org/10.1177/0956797611430953
• Kerr, N. L. (1998). HARKing: Hypothesizing after the results are known. Personality and Social Psychology Review, 2(3), 196–217. https://doi.org/10.1207/s15327957pspr0203_4
• Nosek, B. A., Ebersole, C. R., DeHaven, A. C., & Mellor, D. T. (2018). The preregistration revolution. Proceedings of the National Academy of Sciences, 115(11), 2600–2606. https://doi.org/10.1073/pnas.1708274114
• Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science, 349(6251), aac4716. https://doi.org/10.1126/science.aac4716
• Rosenthal, R. (1979). The file drawer problem and tolerance for null results. Psychological Bulletin, 86(3), 638–641. https://doi.org/10.1037/0033-2909.86.3.638
• Simmons, J. P., Nelson, L. D., & Simonsohn, U. (2011). False-positive psychology: Undisclosed flexibility in data collection and analysis allows presenting anything as significant. Psychological Science, 22(11), 1359–1366. https://doi.org/10.1177/0956797611417632
• Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley.
• Wagenmakers, E.-J., Wetzels, R., Borsboom, D., van der Maas, H. L. J., & Kievit, R. A. (2012). An agenda for purely confirmatory research. Perspectives on Psychological Science, 7(6), 632–638. https://doi.org/10.1177/1745691612463078