L’estimation quantitative rigoureuse des populations insaisissables, marginalisées ou dissimulées constitue l’un des défis méthodologiques les plus ardus des sciences comportementales, de la psychologie communautaire et de l’épidémiologie psychiatrique. La méthode d’échantillonnage par capture-marquage-recapture offre un cadre inférentiel sophistiqué permettant de contourner les biais inhérents aux recensements traditionnels en exploitant le chevauchement probabiliste entre plusieurs sessions d’observation indépendante. Cet outil biostatistique et psychométrique transforme notre capacité à quantifier des phénomènes psychologiques et sociaux autrement relégués à la clandestinité statistique.
Échantillonnage par Capture-Marquage-Recapture
1. Définition concise
L’échantillonnage par capture-marquage-recapture (CMR) est une méthode statistique d’estimation de la taille totale d’une population fermée ou ouverte, fondée sur la capture initiale d’un sous-ensemble d’individus, leur marquage ou identification univoque, leur réintroduction dans la population source, puis le calcul de la proportion d’individus marqués observés lors d’une ou plusieurs sessions de recapture ultérieures.
Dans le domaine de la psychologie clinique, de la psychométrie et des neurosciences comportementales, cette approche permet de modéliser mathématiquement des cohortes dites « cachées » ou difficiles d’accès (personnes souffrant de troubles psychiatriques sévères non diagnostiqués, usagers de substances psychoactives, victimes de violences domestiques ou d’exploitation sexuelle). Elle sert également de paradigme expérimental pour étudier la cinétique des mémoires de rappel, la vigilance attentionnelle et l’extinction comportementale dans des contextes expérimentaux contrôlés.
En formalisant la probabilité conjointe d’apparition et de réapparition dans différents registres ou phases expérimentales, la méthode compense l’incomplétude systématique des données observationnelles, permettant une inférence populationnelle robuste sans exiger l’exhaustivité matérielle du comptage.
2. Étymologie et origines linguistiques
L’expression est un calque direct de la terminologie anglo-saxonne capture-tag-recapture (parfois capture-mark-recapture ou mark-release-recapture). Sur le plan morphologique français, le terme repose sur trois racines latines distinctes : captura (action de prendre, de saisir), marcare (apposer un signe distinctif, une empreinte) et le préfixe itératif re- combiné à la racine de prise, désignant l’action de réappréhender un élément antérieurement répertorié.
Historiquement, le vocabulaire dérive de la zoologie, de l’ichtyologie et de la biométrie du début du XXe siècle, avant d’être transposé dans la littérature épidémiologique et psychiatrique sous le terme générique d’« estimations par recoupement de sources » (multiple-record systems ou capture-marquage-recapture). Dans la littérature psychologique contemporaine, le terme a perdu sa connotation physique de rétention matérielle pour désigner un repérage nominatif anonymisé ou l’apparition d’un comportement spécifique dans des bases de données disparates.
3. Prononciation et forme grammaticale
Sur le plan phonétique, la locution se transcrit [kap.tyʁ maʁ.kaʒ ʁə.kap.tyʁ] en français standard. Il s’agit d’un syntagme nominal masculin composé invariable, employé le plus couramment sous la forme abrégée « méthode de capture-recapture » ou sous l’acronyme « CMR ».
Dans l’usage académique, il s’emploie généralement au singulier comme complément du nom (« méthode de capture-recapture », « protocole de capture-marquage-recapture ») ou comme substantif autonome désignant l’ensemble du paradigme mathématique (« la capture-recapture démontre ici une sous-estimation du trouble »). Lorsqu’il réfère aux opérations de terrain en psychologie, le verbe composé « recapturer » s’emploie au sens figuré d’« identifier à nouveau dans une source indépendante ».
4. Explication conceptuelle détaillée
Le principe fondamental de la capture-marquage-recapture repose sur l’équivalence des proportions. Si une fraction connue d’une population est marquée et que cette fraction se mélange de manière parfaitement homogène au sein de la population générale, la proportion d’individus marqués retrouvés dans un second échantillon aléatoire reflétera directement la proportion de la population totale qui avait été initialement capturée.
Formellement, si $M$ représente le nombre d’individus capturés et marqués lors de la première occasion, $n$ le nombre total d’individus prélevés lors de la seconde occasion, et $m$ le nombre d’individus marqués découverts dans ce second échantillon (les « recapturés »), la population totale inconnue $N$ peut être approchée par l’estimateur classique de Lincoln-Petersen :
$$\hat{N} = \frac{M \times n}{m}$$
Cette élégance mathématique masque cependant un ensemble d’hypothèses critiques dont la violation fausse dramatiquement les conclusions psychologiques. La première hypothèse postule la fermeture démographique et géographique de la population : aucun individu ne doit naître, mourir, entrer ou sortir du système entre les sessions d’échantillonnage. En psychologie humaine, cette condition implique que la période temporelle couverte par l’analyse soit suffisamment brève pour empêcher l’évolution spontanée du statut clinique ou la migration résidentielle.
La deuxième condition stipule que le marquage ne modifie en rien la probabilité ultérieure de capture. En écologie comportementale ou en psychologie sociale, un individu préalablement interrogé ou dépisté peut développer une méfiance accrue (effet d’évitement ou « phobie du piège ») ou, au contraire, une familiarité facilitatrice (effet d’attraction ou « appétence pour le piège »). Dans les deux cas, l’hypothèse d’équiprobabilité d’interception est invalidée, induisant respectivement une surestimation ou une sous-estimation systématique de la prévalence globale.
Enfin, la troisième exigence concerne l’indépendance statistique absolue des sessions de capture. Dans les études de santé mentale évaluant la fréquence de troubles psychiatriques graves, cela requiert que le fait d’être admis dans un centre d’urgence psychiatrique n’augmente ni ne diminue la probabilité d’être simultanément fiché auprès des services sociaux ou d’une association caritative. Face à ces dépendances contextuelles inévitables, les méthodologistes recourent à des extensions multivariées fondées sur des modèles log-linéaires.
5. Évolution historique
Les prémices de la logique de capture-recapture remontent aux travaux démographiques de Pierre-Simon de Laplace en 1786. Cherchant à estimer la population de la France sans entreprendre un recensement exhaustif irréalisable, Laplace utilisa le registre des naissances comme un échantillon continu recoupé avec les dénombrements effectués dans un ensemble circonscrit de communes réparties sur le territoire national.
Au début du XXe siècle, l’ichtyologue danois Carl Georg Johannes Petersen (1896) formalisa le concept pour quantifier les stocks de poissons marins, tandis que le naturaliste américain Frederick Charles Lincoln (1930) l’appliqua à la gestion des populations d’oiseaux migrateurs, donnant naissance à l’estimateur de Lincoln-Petersen. Le champ s’est ensuite complexifié grâce aux contributions fondamentales de George Jolly (1965) et George Seber (1965), qui conçurent indépendamment un modèle stochastique ouvert autorisant les flux d’entrées et de sorties au cours d’expériences longitudinales répétées.
L’introduction du paradigme dans les sciences humaines et la psychiatrie s’est opérée au cours des années 1970 et 1980, sous l’impulsion de biostatisticiens comme Stephen Fienberg et Yvonne Bishop, qui démontrèrent que les tables de contingence multidimensionnelles et les modèles log-linéaires permettaient de traiter l’interdépendance des sources institutionnelles. Depuis les années 1990, des organismes internationaux tels que l’Organisation mondiale de la Santé et l’ONUSIDA emploient systématiquement la capture-recapture pour cartographier les populations invisibles exposées aux psychopathologies addictives, à l’exclusion sociale et aux infections chroniques.
6. Fondements théoriques et mathématiques
D’un point de vue probabiliste, le protocole classique de Lincoln-Petersen repose sur une loi hypergéométrique conditionnelle. Si l’on dispose d’une population de taille $N$, contenant un nombre fixe $M$ d’éléments porteurs d’un attribut (marqués), et que l’on extrait sans remise un échantillon de taille $n$, la probabilité d’observer exactement $m$ éléments marqués est régie par la distribution :
$$P(m mid N, M, n) = \frac{\binom{M}{m} \binom{N – M}{n – m}}{\binom{N}{n}}$$
Lorsque la taille d’échantillon $m$ est susceptible d’être faible, l’estimateur simple de Lincoln-Petersen présente un biais positif systématique. Pour corriger cette distorsion, George Chapman (1951) a proposé une variante non biaisée quasi-exacte, devenue la référence méthodologique en psychométrie observationnelle :
$$\hat{N}_{Chapman} = \frac{(M + 1)(n + 1)}{m + 1} – 1$$
La variance associée à cet estimateur se calcule par l’équation :
$$\text{Var}(\hat{N}) = \frac{(M + 1)(n + 1)(M – m)(n – m)}{(m + 1)^2 (m + 2)}$$
Dans les configurations psychosociales complexes impliquant $K$ sources de données ($K ge 3$), l’analyse s’affranchit des formulations binomiales directes pour embrasser les modèles log-linéaires généralisés. Chaque source représente une dimension dans un tableau de contingence où la cellule correspondant à l’absence de capture dans l’ensemble des sources ($x_{000…}$) est structurellement inobservable. La modélisation consiste à estimer les interactions factorielles entre les sources observables afin de prédire, par extrapolation maximale de vraisemblance, la valeur de cette case vide.
7. Composantes clés, typologies et dimensions
La mise en œuvre pratique de l’échantillonnage par capture-recapture en psychologie et en épidémiologie comportementale s’articule autour de distinctions théoriques majeures :
- Modèles pour populations fermées : Protocoles appliqués sur un intervalle temporel restreint durant lequel la cohorte étudiée est supposée constante. Les estimateurs de Lincoln-Petersen, de Chapman et de Chao relèvent de cette catégorie.
- Modèles pour populations ouvertes : Cadres analytiques (comme le modèle de Jolly-Seber) intégrant explicitement les probabilités de survie, d’émigration, d’immigration et d’entrée clinique entre chaque occasion de mesure.
- Hétérogénéité de capturabilité : Situation où chaque sous-groupe d’individus présente une propension intrinsèque différente à être capté (en raison de traits de personnalité, du niveau de gravité psychopathologique ou du degré de méfiance envers les institutions). L’approche non paramétrique d’Anne Chao permet de modéliser cette variabilité sous-jacente.
- Dépendance de réponse comportementale : Modification des conduites individuelles induite par le premier contact expérimental ou institutionnel (réactivité à la mesure, anxiété d’évaluation ou évitement actif).
- Dépendance temporelle : Fluctuations saisonnières ou contextuelles de l’intensité de capture (variations des rondes d’éducateurs de rue, campagnes médiatiques incitant au dépistage).
8. Exemples empiriques et cas illustratifs
Un cas d’application canonique concerne l’estimation de la prévalence des troubles liés à l’usage d’opiacés dans une grande métropole européenne. Les chercheurs disposent de trois bases de données distinctes et indépendantes recueillies sur une année : les admissions aux urgences pour surdose non mortelle, les interpellations policières pour détention de stupéfiants, et les admissions dans les centres spécialisés de soins et d’accompagnement en addictologie. Grâce à un code d’anonymisation irréversible mais reproductible, les recoupements entre ces trois listes révèlent le nombre de sujets présents dans une, deux ou les trois sources. La modélisation log-linéaire permet d’inférer la cohorte d’usagers n’ayant croisé aucune de ces institutions, révélant que la prévalence réelle est trois fois supérieure aux seuls chiffres hospitaliers.
Dans le domaine de la psychologie cognitive et expérimentale, la capture-recapture est employée sous la forme du paradigme de recherche d’erreurs logiques ou de détection d’items. Deux évaluateurs indépendants corrigent une série d’épreuves de raisonnement complexe ou d’enregistrements comportementaux vidéo. Le nombre d’erreurs cognitives identifiées conjointement par les deux juges permet de calculer le nombre théorique d’erreurs subtiles ayant échappé aux deux observateurs, fournissant un indice de fidélité inter-juges plus raffiné que le simple coefficient de concordance.
En psychopathologie de l’enfance, cette méthodologie a permis d’estimer avec précision le taux de maltraitance infantile sévère dans des districts scolaires défavorisés. En recoupant les signalements des services de protection de l’enfance, les signalements de la médecine scolaire et les dossiers hospitaliers pédiatriques, les chercheurs ont pu mathématiquement quantifier le « chiffre noir » des violences subies, ajustant ainsi l’allocation des psychologues scolaires et des travailleurs sociaux.
9. Mesure, modélisation et protocoles d’évaluation
L’implémentation rigoureuse d’une démarche de capture-recapture exige une séquence protocolaire standardisée afin de préserver la validité interne des estimations :
La phase initiale requiert la standardisation rigoureuse de la définition de cas. Un individu doit satisfaire à des critères diagnostiques ou sociodémographiques parfaitement univoques dans chaque source considérée (par exemple, répondre aux critères diagnostiques du DSM-5 pour un épisode dépressif caractérisé, documenté au cours des six derniers mois).
La deuxième étape repose sur l’établissement d’identifiants uniques anonymisés. En sciences humaines, pour des impératifs éthiques et légaux relatifs à la protection de la vie privée, les chercheurs génèrent des hachages cryptographiques irréversibles combinant par exemple les consonnes du nom, du prénom, l’année de naissance et le sexe biologique. Ce procédé garantit un appariement exact sans violer le secret médical ou déontologique.
La phase analytique s’effectue au moyen de progiciels spécialisés (tels que les bibliothèques R Rcapture, secr ou les modules de régression log-linéaire). Le choix du modèle optimal parmi les configurations d’indépendance conditionnelle s’appuie sur le critère d’information d’Akaike (AIC) et le critère bayésien (BIC), visant le compromis idéal entre parcimonie et ajustement empirique.
10. Applications pratiques et portée interdisciplinaire
La puissance du paradigme de capture-recapture transcende largement son champ d’origine. En psychologie de la santé et épidémiologie psychiatrique, il constitue l’étalon-or pour quantifier les populations non demandeuses de soins, permettant de mesurer l’écart thérapeutique (treatment gap) qui sépare le fardeau psychopathologique réel d’une collectivité des ressources allouées dans les structures hospitalières.
Dans le secteur de la victimologie et de la psychologie légale, cette approche a été saluée pour son aptitude à estimer l’ampleur du trafic d’êtres humains, des agressions sexuelles non dénoncées et des violences psychologiques intrafamiliales. En documentant l’invisibilité des victimes, elle fournit des arguments empiriques décisifs pour infléchir les politiques de protection judiciaire et de santé publique.
Enfin, en ergonomie cognitive et psychologie ergonomique, la méthode sert à fiabiliser les audits d’interfaces homme-machine et les diagnostics de risques industriels. L’analyse des anomalies détectées par plusieurs inspecteurs indépendants utilisant des grilles de surveillance cognitive permet d’extrapoler le volume d’erreurs ergonomiques résiduelles susceptibles d’engendrer une surcharge cognitive ou des accidents opérationnels.
11. Recherche contemporaine et preuves empiriques
Les recherches méthodologiques récentes menées par des biostatisticiens et psychomètres tels qu’Anne Chao, Dankmar Böhning et Bernard Silverman ont révolutionné l’application de la méthode aux populations humaines à travers les modèles de capture-recapture spatialement explicites (Spatially Explicit Capture-Recapture, SECR) et les approches par régression de Poisson tronquée à zéro.
Ces travaux ont démontré que l’hétérogénéité individuelle non observée constitue le facteur de distorsion le plus déstabilisant dans les recherches sur les populations marginalisées. Lorsqu’un sous-groupe d’individus présente un repli social extrême (anxiété sociale majeure, marginalité aiguë), sa capturabilité tend vers zéro. Des estimateurs robustes semi-paramétriques, basés sur les singletons (individus observés une seule fois) et les doubletons (individus observés deux fois), permettent aujourd’hui de borner mathématiquement l’estimation sans exiger d’hypothèses distributionnelles irréalistes sur les traits psychologiques de la population cachée.
En outre, l’intégration des algorithmes bayésiens par chaînes de Markov Monte Carlo (MCMC) a permis d’intégrer des informations a priori issues d’études qualitatives et de données ethnographiques, renforçant la convergence des modèles lorsque les tailles d’échantillons recapturés sont faibles.
12. Considérations socioculturelles et contextuelles
La transposition de la capture-recapture dans des contextes socioculturels variés soulève d’importants enjeux d’équité et de validité écologique. L’accès aux institutions de soins, d’hébergement ou de justice est profondément médié par des facteurs de discrimination structurelle, d’appartenance ethnique, de statut migratoire et de stigmatisation sociale liée à la santé mentale.
Dans les contextes où les troubles psychiatriques font l’objet d’un fort opprobre culturel, les individus développent des stratégies d’invisibilisation active auprès des institutions formelles, faussant radicalement l’hypothèse de capture aléatoire. De surcroît, les fluctuations linguistiques dans l’enregistrement de l’identité ou l’absence d’état civil fiable dans les pays du Sud global créent des erreurs d’appariement (faux positifs ou faux négatifs de recapture), susceptibles de dénaturer les conclusions.
Les chercheurs doivent impérativement collaborer avec des informateurs communautaires locaux pour appréhender les dynamiques d’évitement des structures étatiques et adapter les grilles d’échantillonnage aux réalités socioculturelles de terrain.
13. Critiques, controverses et limites méthodologiques
Bien que mathématiquement sophistiquée, la capture-recapture essuie des critiques récurrentes dans le champ des sciences humaines. La controverse principale réside dans la violation chronique de l’hypothèse d’indépendance des sources. Dans la réalité clinique et sociale, un individu repéré par un service psychiatrique mobile a une probabilité beaucoup plus élevée d’être orienté vers un refuge d’urgence que le reste de la population cible, créant une dépendance positive artificielle qui conduit à une sous-estimation systématique de la taille du groupe.
Une seconde limite concerne le risque éthique lié à l’appariement des données. Même anonymisées, les matrices de croisement multicritères peuvent, par déduction contextuelle, permettre la réidentification d’individus vulnérables au sein de petites communautés, posant un défi majeur au respect de l’anonymat et de la confidentialité psychologique.
Enfin, plusieurs épistémologues contestent le réductionnisme de ces modèles lorsqu’ils sont appliqués à des trajectoires humaines complexes. Réduire des individus souffrant de détresse psychologique à des vecteurs binaires d’apparition ($1, 0, 1$) peut occulter la nature fluide, intermittente et subjective de l’entrée et de la sortie des états de vulnérabilité psychosociale.
14. Termes associés et distinctions conceptuelles
Pour clarifier l’ancrage taxonomique de l’échantillonnage par capture-recapture, il convient de le distinguer des concepts méthodologiques voisins :
- Échantillonnage guidé par les répondants (Respondent-Driven Sampling – RDS) : Protocole d’échantillonnage en réseau fondé sur le parrainage en chaîne, où les participants recrutent leurs pairs. Contrairement au CMR qui s’appuie sur le recoupement de sources distinctes, le RDS s’appuie sur la modélisation des chaînes de Markov à partir des réseaux personnels.
- Recensement exhaustif : Collecte de données visant à mesurer directement chaque unité de la population cible, sans recours à l’inférence probabiliste des fractions manquantes.
- Méthode du multiplicateur : Approche combinant une source institutionnelle comptabilisant le nombre d’usagers d’un service avec une enquête transversale distincte estimant la proportion d’individus de la population cible ayant fréquenté ce service.
- Estimateur de Chao : Algorithme non paramétrique utilisé au sein des protocoles de capture-recapture pour modéliser spécifiquement l’hétérogénéité individuelle inobservable à partir des fréquences de captures uniques.
15. Synthèse et points clés à retenir
L’échantillonnage par capture-marquage-recapture constitue une modalité d’inférence quantitative incontournable pour les disciplines confrontées à des populations insaisissables ou stigmatisées. En substituant à l’illusion du recensement exhaustif une estimation probabiliste du non-observé, cette technique permet de lever le voile sur des réalités psychopathologiques et sociales critiques.
Sa validité repose sur des hypothèses strictes d’indépendance des sources, de fermeture populationnelle et d’homogénéité de capturabilité, dont le non-respect exige des corrections via des modèles log-linéaires avancés. Utilisé avec rigueur éthique et prudence méthodologique, le protocole CMR s’impose comme un instrument d’émancipation épidémiologique, assurant que les cohortes les plus invisibles de la société ne soient plus occultées dans la planification des soins et des politiques de santé mentale.
Références
- Bishop, Y. M., Fienberg, S. E., & Holland, P. W. (1975). Discrete Multivariate Analysis: Theory and Practice. MIT Press. https://mitpress.mit.edu/9780262526166/
- Böhning, D., van der Heijden, P. G., & Bunge, J. (Eds.). (2018). Capture-Recapture Methods for the Social and Medical Sciences. CRC Press. https://doi.org/10.1201/9781315151540
- Chao, A. (1984). Nonparametric estimation of the number of classes in a population. Scandinavian Journal of Statistics, 11(4), 265–270. https://www.jstor.org/stable/4615964
- Chapman, D. G. (1951). Some properties of the hypergeometric distribution with applications to zoological sample censuses. University of California Publications in Statistics, 1(7), 131–160. https://projecteuclid.org/euclid.bsmsp/1200500130
- Seber, G. A. F. (1982). The Estimation of Animal Abundance and Related Parameters (2nd ed.). Macmillan. https://www.springer.com/gp/book/9780028522302