{"id":25844,"date":"2026-11-08T17:16:53","date_gmt":"2026-11-08T17:16:53","guid":{"rendered":"https:\/\/french.arabpsychology.com\/?psych_comparison=hypotheses-preenregistrees-vs-hypotheses-post-hoc-harking"},"modified":"2026-11-08T17:16:53","modified_gmt":"2026-11-08T17:16:53","slug":"hypotheses-preenregistrees-vs-hypotheses-post-hoc-harking","status":"publish","type":"psych_comparison","link":"https:\/\/french.arabpsychology.com\/?psych_comparison=hypotheses-preenregistrees-vs-hypotheses-post-hoc-harking","title":{"rendered":"Hypoth\u00e8ses pr\u00e9enregistr\u00e9es vs hypoth\u00e8ses post-hoc (HARKing)"},"content":{"rendered":"

L\u2019\u00e9difice des sciences empiriques repose sur une promesse fondamentale : celle de soumettre des propositions th\u00e9oriques relatives au fonctionnement du monde naturel et social au tribunal inflexible des faits observables. Pourtant, la validit\u00e9 de cette d\u00e9marche probatoire d\u00e9pend d’une condition m\u00e9thodologique souvent invisible dans le produit textuel final : l’ind\u00e9pendance stricte entre le processus d’\u00e9laboration des hypoth\u00e8ses et l’observation des donn\u00e9es mobilis\u00e9es pour les tester. Lorsqu’un chercheur observe un motif inattendu dans un jeu de donn\u00e9es et pr\u00e9sente r\u00e9trospectivement ce motif comme la pr\u00e9diction d\u00e9ductive initiale ayant motiv\u00e9 son \u00e9tude, les fondements logiques de l’inf\u00e9rence statistique s’effondrent. Cette pratique, baptis\u00e9e HARKing (Hypothesizing After the Results are Known<\/em>), a longtemps prosp\u00e9r\u00e9 dans l’ombre des laboratoires avant d’\u00eatre identifi\u00e9e comme l’un des moteurs principaux de la crise contemporaine de la reproductibilit\u00e9.<\/p>\n

Face \u00e0 cette distorsion syst\u00e9matique de la d\u00e9marche scientifique, le mouvement pour la science ouverte a propos\u00e9 une refonte radicale des protocoles d’investigation : le pr\u00e9enregistrement (preregistration<\/em>). En scellant temporellement les hypoth\u00e8ses, les plans d’\u00e9chantillonnage et les pipelines analytiques dans des registres publics ind\u00e9pendants avant tout acc\u00e8s aux donn\u00e9es, le pr\u00e9enregistrement vise \u00e0 restaurer la fronti\u00e8re \u00e9pist\u00e9mologique \u00e9tanche s\u00e9parant la d\u00e9couverte inductive de la v\u00e9rification d\u00e9ductive. Cette confrontation entre hypoth\u00e8ses pr\u00e9enregistr\u00e9es et hypoth\u00e8ses formul\u00e9es post-hoc<\/em> ne constitue pas une simple querelle technique relative \u00e0 la gestion des manuscrits acad\u00e9miques ; elle touche au c\u0153ur m\u00eame de ce qui conf\u00e8re \u00e0 une observation empirique sa force probante.<\/p>\n

Le pr\u00e9sent article propose une analyse comparative, \u00e9pist\u00e9mologique et m\u00e9thodologique exhaustive de ces deux approches. En examinant les bases math\u00e9matiques de l’invalidation des tests d’hypoth\u00e8se nulle par le HARKing, les architectures techniques du pr\u00e9enregistrement, ainsi que les tensions structurelles du milieu acad\u00e9mique qui encouragent la dissimulation m\u00e9thodologique, nous mettrons en lumi\u00e8re les conditions indispensables \u00e0 une science empirique rigoureuse, transparente et p\u00e9renne.<\/p>\n

1. Introduction : Fondements \u00e9pist\u00e9mologiques et crise de la reproductibilit\u00e9<\/h2>\n

1.1 Contexte historique : la crise de la r\u00e9plication et l’essor de la science ouverte<\/h3>\n

L\u2019av\u00e8nement de ce qu’il est d\u00e9sormais convenu d’appeler la \u00ab crise de la r\u00e9plication \u00bb au d\u00e9but des ann\u00e9es 2010 a constitu\u00e9 un choc sismique pour les sciences comportementales, biom\u00e9dicales et sociales. Si des alertes \u00e9pist\u00e9mologiques avaient \u00e9t\u00e9 lanc\u00e9es de longue date \u2014 notamment par le statisticien et \u00e9pid\u00e9miologiste John Ioannidis dans son article s\u00e9minal de 2005 d\u00e9montrant math\u00e9matiquement pourquoi la majorit\u00e9 des conclusions de recherche publi\u00e9es \u00e9taient probablement fausses \u2014, le point de bascule s’est mat\u00e9rialis\u00e9 autour de plusieurs \u00e9v\u00e9nements fondateurs survenus en 2011 et 2012.<\/p>\n

Parmi ces d\u00e9tonateurs figure la publication par Daryl Bem d’une s\u00e9rie d’exp\u00e9riences dans le prestigieux Journal of Personality and Social Psychology<\/em> pr\u00e9tendant apporter des preuves empiriques rigoureuses de l’existence de ph\u00e9nom\u00e8nes pr\u00e9cognitifs (la capacit\u00e9 de percevoir des \u00e9v\u00e9nements futurs avant qu’ils ne se produisent). L’application scrupuleuse des normes statistiques conventionnelles \u00e0 des ph\u00e9nom\u00e8nes d\u00e9fiant les lois de la physique a forc\u00e9 la communaut\u00e9 scientifique \u00e0 admettre une r\u00e9alit\u00e9 d\u00e9rangeante : les standards m\u00e9thodologiques alors en vigueur permettaient d’apporter un soutien statistique nominalement valide \u00e0 des hypoth\u00e8ses intrins\u00e8quement absurdes. Au m\u00eame moment, l’affaire de fraude massive de Diederik Stapel r\u00e9v\u00e9lait la vuln\u00e9rabilit\u00e9 des processus d’\u00e9valuation par les pairs face aux donn\u00e9es forg\u00e9es ou manipul\u00e9es.<\/p>\n

Dans la foul\u00e9e, des initiatives collaboratives \u00e0 grande \u00e9chelle ont entrepris d’\u00e9valuer empiriquement la robustesse de la litt\u00e9rature scientifique. L’initiative men\u00e9e par l’Open Science Collaboration<\/a>, dont les conclusions ont \u00e9t\u00e9 publi\u00e9es en 2015 sous la direction de Brian Nosek, a tent\u00e9 de r\u00e9pliquer 100 \u00e9tudes de psychologie exp\u00e9rimentale publi\u00e9es dans trois revues de premier rang. Le verdict fut sans appel : alors que 97 % des \u00e9tudes originales rapportaient des r\u00e9sultats statistiquement significatifs ($p < .05$), seules 36 % des r\u00e9plications ont obtenu un effet significatif, et l'amplitude des effets mesur\u00e9s a \u00e9t\u00e9 en moyenne r\u00e9duite de moiti\u00e9 par rapport aux estimations initiales. Ce constat a mis en lumi\u00e8re l'existence de pratiques de recherche douteuses (Questionable Research Practices<\/em>, ou QRP), un ensemble de comportements m\u00e9thodologiques situ\u00e9s dans une zone grise entre l’erreur honn\u00eate et la fraude pure, incluant l’arr\u00eat pr\u00e9matur\u00e9 de la collecte de donn\u00e9es d\u00e8s l’obtention d’un seuil de significativit\u00e9, le tri s\u00e9lectif des variables d\u00e9pendantes, et la formulation d’hypoth\u00e8ses apr\u00e8s la prise de connaissance des r\u00e9sultats.<\/p>\n

1.2 La dichotomie fondamentale : d\u00e9marche confirmatoire versus d\u00e9marche exploratoire<\/h3>\n

Pour comprendre les origines profondes de cette instabilit\u00e9 empirique, il convient de remonter aux fondements philosophiques de la m\u00e9thode scientifique th\u00e9oris\u00e9s au XXe si\u00e8cle. Le psychologue et m\u00e9thodologiste n\u00e9erlandais Adriaan de Groot, dans ses travaux pionniers sur le cycle empirique publi\u00e9s en 1956 (puis traduits en anglais en 1969), avait d\u00e9j\u00e0 pos\u00e9 un diagnostic proph\u00e9tique : un chercheur ne peut pas l\u00e9gitimement utiliser le m\u00eame jeu de donn\u00e9es pour g\u00e9n\u00e9rer une hypoth\u00e8se 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 d\u00e9duction vers la mise \u00e0 l’\u00e9preuve exp\u00e9rimentale et l’\u00e9valuation. Lorsque la phase d’induction (la d\u00e9couverte d’une r\u00e9gularit\u00e9 dans les donn\u00e9es) est confondue avec la phase de test d\u00e9ductif, la valeur probante du test d’hypoth\u00e8se s’annule compl\u00e8tement.<\/p>\n

Cette distinction a \u00e9t\u00e9 formalis\u00e9e plus avant par le statisticien John Tukey dans sa s\u00e9paration entre l’analyse exploratoire des donn\u00e9es (Exploratory Data Analysis<\/em>, EDA) et l’analyse confirmatoire des donn\u00e9es (Confirmatory Data Analysis<\/em>, CDA). L’exploration est un art inductif indispensable : elle consiste \u00e0 interroger la mati\u00e8re empirique sans pr\u00e9conception rigide, \u00e0 observer des anomalies, \u00e0 d\u00e9tecter des structures \u00e9mergentes et \u00e0 g\u00e9n\u00e9rer de nouvelles intuitions th\u00e9oriques. En revanche, la confirmation est une d\u00e9marche d\u00e9ductive stricte : elle part d’une pr\u00e9diction th\u00e9orique formul\u00e9e ex ante<\/em>, ind\u00e9pendamment des donn\u00e9es particuli\u00e8res qui serviront \u00e0 son \u00e9valuation, et confronte cette pr\u00e9diction \u00e0 un \u00e9chantillon nouveau afin de tenter de la r\u00e9futer, conform\u00e9ment aux exigences popp\u00e9riennes de falsifiabilit\u00e9.<\/p>\n

Le drame m\u00e9thodologique survient lorsque ces deux d\u00e9marches \u00e9pist\u00e9mologiques, pourtant compl\u00e9mentaires et d’\u00e9gale dignit\u00e9 intellectuelle, sont m\u00e9lang\u00e9es de mani\u00e8re opaque. Les tests de signification statistique de l’hypoth\u00e8se nulle (Null Hypothesis Significance Testing<\/em>, NHST), issus des traditions de Ronald Fisher, Jerzy Neyman et Egon Pearson, reposent tous sur une pr\u00e9misse math\u00e9matique non n\u00e9gociable : l’espace d’\u00e9chantillonnage et les tests statistiques doivent \u00eatre fix\u00e9s pr\u00e9alablement \u00e0 l’observation des donn\u00e9es. Si un test statistique est appliqu\u00e9 \u00e0 un motif d\u00e9couvert au sein m\u00eame de l’\u00e9chantillon analys\u00e9, le seuil nominal d’erreur de premi\u00e8re esp\u00e8ce ($\\alpha = .05$<\/span>) perd son sens, transformant une fluctuation al\u00e9atoire d’\u00e9chantillonnage en une d\u00e9couverte faussement universelle.<\/p>\n

1.3 Objectifs de la comparaison et enjeux pour l’int\u00e9grit\u00e9 scientifique<\/h3>\n

L’objectif de cette \u00e9tude comparative est de tracer une fronti\u00e8re conceptuelle et m\u00e9thodologique rigoureuse entre la v\u00e9rification d’hypoth\u00e8ses pr\u00e9enregistr\u00e9es et la rationalisation post-hoc<\/em> inh\u00e9rente au HARKing. Il ne s’agit aucunement de stigmatiser l’intuition scientifique ou de condamner la d\u00e9couverte fortuite d’effets inattendus \u2014 la s\u00e9rendipit\u00e9 constituant l’un des moteurs historiques majeurs du progr\u00e8s des connaissances \u2014, mais de restituer \u00e0 chaque affirmation scientifique son statut inf\u00e9rentiel authentique.<\/p>\n

Un enjeu central r\u00e9side dans la d\u00e9mystification des r\u00e9sistances entourant le pr\u00e9enregistrement. Trop souvent, cette pratique est per\u00e7ue \u00e0 tort comme une entrave bureaucratique, une camisole de force m\u00e9thodologique bridant la cr\u00e9ativit\u00e9 du chercheur ou interdisant l’exploration des donn\u00e9es. Nous d\u00e9montrerons que le pr\u00e9enregistrement n’interdit nullement l’exploration, mais impose simplement que celle-ci soit \u00e9tiquet\u00e9e avec une honn\u00eatet\u00e9 intellectuelle sans faille. \u00c0 l’inverse, nous analyserons pourquoi le HARKing, loin d’\u00eatre une simple commodit\u00e9 rh\u00e9torique destin\u00e9e \u00e0 rendre les articles plus \u00e9l\u00e9gants ou plus fluides, constitue une distorsion grave de l’inf\u00e9rence causale qui pollue la litt\u00e9rature scientifique de faux positifs th\u00e9oriquement rationalis\u00e9s.<\/p>\n

En clarifiant ces m\u00e9canismes, cet article vise \u00e0 fournir aux chercheurs, aux \u00e9valuateurs et aux lecteurs de la litt\u00e9rature scientifique les outils conceptuels et pratiques n\u00e9cessaires pour naviguer dans l’\u00e9cosyst\u00e8me de la recherche contemporaine, promouvoir des standards de publication transparents et restaurer la confiance soci\u00e9tale et institutionnelle dans la production empirique.<\/p>\n

2. Comprendre les hypoth\u00e8ses pr\u00e9enregistr\u00e9es (Preregistration)<\/h2>\n

2.1 D\u00e9finition formelle, historique et protocole op\u00e9ratoire<\/h3>\n

Le pr\u00e9enregistrement se d\u00e9finit formellement comme la consignation, dans un registre public ou ind\u00e9pendant, d’un plan d’\u00e9tude d\u00e9taill\u00e9, de ses hypoth\u00e8ses op\u00e9rationnelles, de ses variables cibles et de son pipeline d’analyses statistiques complet, horodat\u00e9 et gel\u00e9 avant que les chercheurs n’aient acc\u00e8s aux donn\u00e9es destin\u00e9es \u00e0 tester ces hypoth\u00e8ses. Sur le plan logique, cette d\u00e9marche mat\u00e9rialise une rupture temporelle irr\u00e9versible : elle atteste qu’au moment pr\u00e9cis o\u00f9 les propositions th\u00e9oriques ont \u00e9t\u00e9 formul\u00e9es, le bruit stochastique propre \u00e0 l’\u00e9chantillon d’analyse n’avait pas encore pu contaminer le raisonnement d\u00e9ductif du scientifique.<\/p>\n

Cette approche trouve ses racines modernes dans le domaine des essais cliniques biom\u00e9dicaux. Durant les ann\u00e9es 1980 et 1990, la dissimulation syst\u00e9matique des essais th\u00e9rapeutiques non concluants ou d\u00e9l\u00e9t\u00e8res financ\u00e9s par l’industrie pharmaceutique a conduit \u00e0 des drames sanitaires majeurs et \u00e0 une distorsion profonde de la pharmacop\u00e9e mondiale. En r\u00e9ponse, le Congr\u00e8s des \u00c9tats-Unis a vot\u00e9 la loi de modernisation de la FDA (FDAMA) en 1997, conduisant \u00e0 la cr\u00e9ation du registre ClinicalTrials.gov<\/a> en 2000. Le tournant d\u00e9cisif a eu lieu en 2004, lorsque le Comit\u00e9 international des \u00e9diteurs de revues m\u00e9dicales (ICMJE) a d\u00e9cr\u00e9t\u00e9 qu’aucun essai clinique ne serait publi\u00e9 dans les revues participantes sans un enregistrement prospectif pr\u00e9alable dans un registre public avant le recrutement du premier patient.<\/p>\n

\u00c0 partir de 2012, sous l’impulsion de m\u00e9thodologistes tels qu’Eric-Jan Wagenmakers et Brian Nosek, cette exigence a \u00e9t\u00e9 import\u00e9e dans les sciences sociales, cognitives et \u00e9conomiques. Il convient toutefois de distinguer deux modalit\u00e9s fondamentales de pr\u00e9enregistrement :<\/p>\n