Dans le domaine des sciences psychologiques, de la psychom\u00e9trie et de l’analyse multivari\u00e9e, la validit\u00e9 des conclusions empiriques repose sur la capacit\u00e9 d’un mod\u00e8le statistique \u00e0 refl\u00e9ter de v\u00e9ritables r\u00e9gularit\u00e9s de la population plut\u00f4t que des art\u00e9facts d’observation. La capitalisation sur le hasard constitue l’un des \u00e9cueils m\u00e9thodologiques les plus insidieux et les plus r\u00e9pandus, responsable direct de nombreuses crises de r\u00e9plication \u00e0 travers l’histoire de la psychologie exp\u00e9rimentale et diff\u00e9rentielle. Ce ph\u00e9nom\u00e8ne survient lorsqu’une proc\u00e9dure analytique ou une s\u00e9lection de variables optimise de mani\u00e8re artificielle ses param\u00e8tres en s’ajustant aux fluctuations al\u00e9atoires et aux bruits d’\u00e9chantillonnage propres \u00e0 un jeu de donn\u00e9es sp\u00e9cifique.<\/p>\n
La capitalisation sur le hasard<\/strong> d\u00e9signe le ph\u00e9nom\u00e8ne statistique par lequel un algorithme d’optimisation, un mod\u00e8le d’estimation ou un chercheur exploite involontairement les erreurs d’\u00e9chantillonnage al\u00e9atoires propres \u00e0 un \u00e9chantillon donn\u00e9, produisant une estimation exag\u00e9r\u00e9ment optimiste de l’ajustement du mod\u00e8le, de la taille d’effet ou du pouvoir pr\u00e9dictif. Ce gain de performance artificiel s’\u00e9vanouit in\u00e9vitablement d\u00e8s lors que le mod\u00e8le est appliqu\u00e9 \u00e0 un nouvel \u00e9chantillon ind\u00e9pendant tir\u00e9 de la m\u00eame population.<\/p>\n Dans le contexte psychologique et psychom\u00e9trique, cette distorsion se manifeste fr\u00e9quemment lors de la s\u00e9lection empirique d’items dans un questionnaire, de la r\u00e9gression lin\u00e9aire pas \u00e0 pas (stepwise regression<\/em>), de l’analyse factorielle exploratoire sans validation crois\u00e9e, ou encore de la d\u00e9tection de sous-groupes cliniques post-hoc<\/em>. L’algorithme math\u00e9matique ne faisant aucune distinction entre la variance syst\u00e9matique (le v\u00e9ritable signal th\u00e9orique) et la variance r\u00e9siduelle al\u00e9atoire (le bruit stochastique), il traite les co\u00efncidences num\u00e9riques locales comme des lois psychologiques g\u00e9n\u00e9rales, conduisant \u00e0 une sur\u00e9valuation dramatique de la validit\u00e9 interne au d\u00e9triment direct de la validit\u00e9 externe.<\/p>\n L’expression fran\u00e7aise \u00ab capitalisation sur le hasard \u00bb est le calque linguistique direct de la locution anglo-saxonne capitalization on chance<\/em>, largement popularis\u00e9e dans la litt\u00e9rature psychom\u00e9trique et statistique nord-am\u00e9ricaine au cours du XXe si\u00e8cle. Le verbe \u00ab capitaliser \u00bb d\u00e9rive du bas latin capitale<\/em>, substantif neutre de l’adjectif capitalis<\/em> (\u00ab relatif \u00e0 la t\u00eate \u00bb, puis \u00ab principal \u00bb), qui a pris dans le vocabulaire financier et \u00e9conomique le sens de tirer avantage ou d’accumuler des profits \u00e0 partir d’une ressource initiale.<\/p>\n Le terme \u00ab hasard \u00bb, quant \u00e0 lui, est emprunt\u00e9 \u00e0 l’arabe classique az-zahr<\/em> (le d\u00e9 \u00e0 jouer), pass\u00e9 en fran\u00e7ais par l’interm\u00e9diaire de l’espagnol au cours des croisades et du commerce m\u00e9diterran\u00e9en, d\u00e9signant une circonstance impr\u00e9vue ou un jeu de probabilit\u00e9s. Dans la formule scientifique, le mot d\u00e9signe sp\u00e9cifiquement la variance d’\u00e9chantillonnage stochastique. L’expression traduit ainsi m\u00e9taphoriquement la mani\u00e8re dont une proc\u00e9dure math\u00e9matique \u00ab sp\u00e9cule \u00bb ind\u00fbment sur les irr\u00e9gularit\u00e9s fortuites de l’\u00e9chantillon pour afficher un rendement pr\u00e9dictif fallacieux, s’enrichissant statistiquement d’une illusion probabiliste.<\/p>\n Sur le plan phon\u00e9tique, la locution se transcrit [ka.pi.ta.li.za.sj\u0254\u0303 sy\u0281 l\u0259 a.za\u0281]. Le mot \u00ab hasard \u00bb d\u00e9butant par un \u00ab h \u00bb aspir\u00e9, il prohibe formellement la liaison avec l’article d\u00e9fini (on prononce distinctement \u00ab le hasard \u00bb sans \u00e9lision ni liaison en [z]).<\/p>\n Du point de vue grammatical, il s’agit d’un syntagme nominal f\u00e9minin invariable quant \u00e0 sa fonction conceptuelle, bien que le nom \u00ab hasard \u00bb puisse th\u00e9oriquement \u00eatre pluralis\u00e9 si l’on d\u00e9crivait de multiples processus al\u00e9atoires distincts. On l’utilise g\u00e9n\u00e9ralement en position de compl\u00e9ment d’objet direct ou de sujet circonstanciel au sein de phrases m\u00e9thodologiques, par exemple : \u00ab Les r\u00e9gressions pas \u00e0 pas favorisent la capitalisation sur le hasard \u00bb ou \u00ab Ce mod\u00e8le psychom\u00e9trique souffre d’une forte capitalisation sur le hasard \u00bb.<\/p>\n Pour appr\u00e9hender la m\u00e9canique intime de la capitalisation sur le hasard, il convient de d\u00e9composer la variance observ\u00e9e au sein de tout ensemble de donn\u00e9es psychologiques en deux composantes fondamentales : la composante d\u00e9terministe ou syst\u00e9matique (le param\u00e8tre de population que la recherche tente de quantifier) et la composante d’erreur (les fluctuations d’\u00e9chantillonnage, erreurs de mesure et art\u00e9facts contextuels). Tout \u00e9chantillon fini, par nature incomplet, pr\u00e9sente des corr\u00e9lations fortuites entre variables qui n’existent pas dans la population parente. Lorsqu’une m\u00e9thode d’estimation statistique recherche la meilleure configuration possible \u2014 qu’il s’agisse de maximiser le coefficient de d\u00e9termination multivari\u00e9 ($R^2$<\/span>), d’isoler des facteurs orthogonaux dominants ou d’extraire les items d’une \u00e9chelle ayant les plus fortes corr\u00e9lations point-bis\u00e9rial \u2014 elle examine des centaines, voire des milliers d’associations potentielles.<\/p>\n Parmi cette constellation d’associations, certaines corr\u00e9lations sont positives ou particuli\u00e8rement \u00e9lev\u00e9es uniquement sous l’effet du bruit al\u00e9atoire propre \u00e0 cet \u00e9chantillon. L’algorithme, guid\u00e9 par un crit\u00e8re purement math\u00e9matique d’optimisation sans connaissance th\u00e9orique du domaine sous-jacent, incorpore avidement ces corr\u00e9lations fortuites. Les coefficients calcul\u00e9s s’ajustent alors aux particularit\u00e9s non reproductibles des donn\u00e9es disponibles. En cons\u00e9quence, les estimations r\u00e9sultantes ne refl\u00e8tent plus seulement les dynamiques psychologiques r\u00e9elles, mais \u00e9galement le profil acoustique unique du \u00ab bruit \u00bb de l’\u00e9chantillon \u00e9tudi\u00e9.<\/p>\n La cons\u00e9quence imm\u00e9diate de cette sur-optimisation est le ph\u00e9nom\u00e8ne bien document\u00e9 de \u00ab shrinkage \u00bb ou d’attrition de la validit\u00e9 : lorsqu’on applique l’\u00e9quation ou la structure obtenue \u00e0 un nouvel \u00e9chantillon d’individus, les corr\u00e9lations al\u00e9atoires qui avaient dop\u00e9 les performances initiales disparaissent, changent de direction ou s’annulent. La pr\u00e9cision globale du mod\u00e8le s’effondre de mani\u00e8re drastique. Plus le ratio entre le nombre de variables examin\u00e9es et le nombre d’observations empiriques est \u00e9lev\u00e9, plus le risque et l’ampleur de la capitalisation sur le hasard deviennent massifs.<\/p>\n En outre, ce pi\u00e8ge m\u00e9thodologique brouille les fronti\u00e8res entre statistiques inductives et statistiques d\u00e9ductives. Lorsqu’un chercheur utilise les m\u00eames donn\u00e9es pour formuler une hypoth\u00e8se statistique (par exemple en inspectant une matrice de corr\u00e9lation exploratoire) et pour tester cette m\u00eame hypoth\u00e8se \u00e0 l’aide de tests d’inf\u00e9rence classiques, les postulats probabilistes fondamentaux (comme la distribution sous l’hypoth\u00e8se nulle $H_0$<\/span>) sont irr\u00e9m\u00e9diablement fauss\u00e9s. Le seuil conventionnel de significativit\u00e9 $\u0007lpha = 0{,}05$<\/span> devient une chim\u00e8re, car le taux d’erreur de premi\u00e8re esp\u00e8ce effectif s’envole souvent vers des valeurs d\u00e9passant $0{,}50$<\/span> ou $0{,}80$<\/span>, g\u00e9n\u00e9rant ainsi une prolif\u00e9ration de faux positifs dans la litt\u00e9rature scientifique.<\/p>\n La prise de conscience du probl\u00e8me de la capitalisation sur le hasard remonte aux premi\u00e8res d\u00e9cennies du d\u00e9veloppement de la statistique appliqu\u00e9e et de la psychom\u00e9trie au XXe si\u00e8cle. D\u00e8s les ann\u00e9es 1920 et 1930, avec les travaux pionniers de pionniers de la r\u00e9gression comme Karl Pearson et Charles Spearman, les m\u00e9thodologistes ont constat\u00e9 que les r\u00e9gressions multiples donnaient presque syst\u00e9matiquement des corr\u00e9lations plus \u00e9lev\u00e9es sur l’\u00e9chantillon de d\u00e9rivation que lors des essais ult\u00e9rieurs.<\/p>\n En 1931, le statisticien Robert J. Wherry propose l’une des premi\u00e8res formules math\u00e9matiques de correction du coefficient de corr\u00e9lation multiple afin de compenser le biais optimiste induit par le nombre de r\u00e9gresseurs rapport\u00e9 au nombre de sujets. Cette avanc\u00e9e posait les bases du concept moderne de coefficient de d\u00e9termination ajust\u00e9<\/a> ($R^2$<\/span> ajust\u00e9), destin\u00e9 \u00e0 p\u00e9naliser l’introduction aveugle de pr\u00e9dicteurs additionnels. Parall\u00e8lement, Harold Hotelling soulignait les dangers inh\u00e9rents aux s\u00e9lections empiriques de covariables dans les mod\u00e8les multivari\u00e9s.<\/p>\n Durant l’apr\u00e8s-Seconde Guerre mondiale, l’av\u00e8nement des premiers ordinateurs dans les laboratoires de psychom\u00e9trie universitaire a paradoxalement exacerb\u00e9 le danger. La possibilit\u00e9 nouvelle d’ex\u00e9cuter des milliers de calculs matriciels en quelques secondes a men\u00e9 \u00e0 l’explosion des proc\u00e9dures automatis\u00e9es, en particulier les m\u00e9thodes de r\u00e9gression pas \u00e0 pas (stepwise<\/em>, forward<\/em>, backward<\/em>). En 1978, une publication de John Larson a rigoureusement d\u00e9montr\u00e9 comment ces m\u00e9thodes automatis\u00e9es \u00ab capitalisaient \u00bb de fa\u00e7on spectaculaire sur les caprices des \u00e9chantillons de petite taille, conduisant \u00e0 des \u00e9quations incapables de reproduire leurs pr\u00e9dictions.<\/p>\n \u00c0 partir des ann\u00e9es 1980 et 1990, des psychologues m\u00e9thodologistes \u00e9minents tels que Jacob Cohen ont alert\u00e9 l’ensemble de la communaut\u00e9 sur le manque de puissance statistique coupl\u00e9 \u00e0 la surinterpr\u00e9tation d’analyses post-hoc non contr\u00f4l\u00e9es. Le terme s’est progressivement install\u00e9 au centre du d\u00e9bat m\u00e9thodologique contemporain, notamment avec l’\u00e9mergence de la science ouverte (Open Science<\/em>), la crise de la r\u00e9plicabilit\u00e9 des ann\u00e9es 2010 et les travaux critiques de Brian Nosek et de John Ioannidis, d\u00e9montrant que la capitalisation sur le hasard constitue l’un des m\u00e9canismes majeurs sous-tendant le biais de confirmation et le p-hacking<\/em>.<\/p>\n Le socle th\u00e9orique de la capitalisation sur le hasard repose sur la th\u00e9orie de l’\u00e9chantillonnage probabiliste<\/strong> et la th\u00e9orie classique des tests<\/a>. Selon cette derni\u00e8re, tout score observ\u00e9 $X$<\/span> est la r\u00e9sultante d’un score vrai $T$<\/span> et d’une composante d’erreur non corr\u00e9l\u00e9e $E$<\/span> :<\/p>\n $$X = T + E$$<\/span><\/p>\n Lorsque deux variables $X$<\/span> et $Y$<\/span> sont mesur\u00e9es au sein d’un \u00e9chantillon fini de taille $N$<\/span>, la covariance observ\u00e9e refl\u00e8te \u00e0 la fois la covariance r\u00e9elle entre les attributs latents et le produit fortuit des termes d’erreur. Si la population g\u00e9n\u00e9rale pr\u00e9sente une ind\u00e9pendance stricte entre deux traits psychologiques (covariance nulle), la distribution de l’\u00e9chantillonnage garantit n\u00e9anmoins que la corr\u00e9lation empirique dans un sous-groupe fluctuera autour de z\u00e9ro selon une loi normale standardis\u00e9e par l’erreur type $1 \/ \\sqrt{N – 1}$<\/span>.<\/p>\n D\u00e8s lors qu’une r\u00e8gle de d\u00e9cision examine une pluralit\u00e9 de variables candidates pour ne retenir que celles affichant une liaison maximale avec un crit\u00e8re, elle viole les postulats de la th\u00e9orie probabiliste classique en proc\u00e9dant \u00e0 un \u00e9chantillonnage fond\u00e9 sur les extr\u00eames de la distribution d’\u00e9chantillonnage. En termes statistiques rigoureux, la distribution du maximum d’un ensemble de variables al\u00e9atoires ne suit plus une loi normale ou une loi de Student, mais une loi de valeurs extr\u00eames. Les tests statistiques usuels, ignorant ce conditionnement pr\u00e9alable, continuent d’utiliser des lois de r\u00e9f\u00e9rence inad\u00e9quates, provoquant une distorsion th\u00e9orique s\u00e9v\u00e8re.<\/p>\n Par ailleurs, la th\u00e9orie moderne de l’apprentissage statistique formalise ce ph\u00e9nom\u00e8ne \u00e0 travers le dilemme du compromis biais-variance<\/strong> (bias-variance tradeoff<\/em>) et le concept de surapprentissage<\/strong> (overfitting<\/em>). Un mod\u00e8le hautement flexible dot\u00e9 de nombreux degr\u00e9s de libert\u00e9 s’adapte parfaitement \u00e0 l’\u00e9chantillon d’apprentissage (minimisant le biais au sein de cet \u00e9chantillon), mais acquiert une variance d’estimation colossale, rendant son erreur de g\u00e9n\u00e9ralisation catastrophique lorsqu’il est confront\u00e9 \u00e0 une nouvelle distribution de donn\u00e9es tir\u00e9e de la m\u00eame population cible.<\/p>\n La capitalisation sur le hasard s’infiltre dans divers segments de la d\u00e9marche quantitative \u00e0 travers des dynamiques structurelles distinctes. On distingue couramment plusieurs dimensions et typologies :<\/p>\n Pour illustrer concr\u00e8tement les ravages de la capitalisation sur le hasard, consid\u00e9rons le d\u00e9veloppement d’un test psychom\u00e9trique destin\u00e9 \u00e0 pr\u00e9dire la r\u00e9ussite acad\u00e9mique \u00e0 l’universit\u00e9. Une \u00e9quipe de chercheurs \u00e9labore 100 items exp\u00e9rimentaux mesurant divers aspects des habitudes d’\u00e9tude, de la personnalit\u00e9 et de la motivation. Ils administrent ce protocole \u00e0 un \u00e9chantillon de convenance de 80 \u00e9tudiants de premi\u00e8re ann\u00e9e. En calculant les corr\u00e9lations bivari\u00e9es entre chaque item et la moyenne semestrielle des notes, les chercheurs identifient 10 items pr\u00e9sentant une valeur $p < 0{,}05$<\/span>.<\/p>\n En combinant ces 10 items dans un score composite, ils obtiennent une corr\u00e9lation globale spectaculaire de $r = 0{,}68$<\/span> avec la r\u00e9ussite universitaire. Forts de ce succ\u00e8s apparent, ils affirment avoir con\u00e7u un outil d’\u00e9valuation hautement pr\u00e9dictif. Cependant, si les 100 items originaux avaient \u00e9t\u00e9 constitu\u00e9s de s\u00e9quences de nombres al\u00e9atoires sans aucun lien avec la psychologie, les lois fondamentales des probabilit\u00e9s indiquent qu’environ 5 de ces variables auraient math\u00e9matiquement d\u00e9pass\u00e9 le seuil de $p < 0{,}05$<\/span> par simple hasard d’\u00e9chantillonnage. En s\u00e9lectionnant r\u00e9trospectivement les 10 meilleures liaisons parmi 100 sur un \u00e9chantillon aussi restreint ($N = 80$<\/span>), l’\u00e9quipe n’a mesur\u00e9 que du vent stochastique. Lors de l’administration du test \u00e0 une nouvelle cohorte d’\u00e9tudiants l’ann\u00e9e suivante, la corr\u00e9lation s’effondre \u00e0 $r = 0{,}04$<\/span>, rendant l’instrument totalement inop\u00e9rant en milieu r\u00e9el.<\/p>\n Un autre cas paradigmatique concerne l’\u00e9valuation neuropsychologique et l’imagerie fonctionnelle c\u00e9r\u00e9brale (IRMf). Dans une \u00e9tude rest\u00e9e c\u00e9l\u00e8bre dans les annales de la m\u00e9thode exp\u00e9rimentale, Craig Bennett et ses collaborateurs (2009) ont plac\u00e9 un saumon atlantique mort dans un scanner IRMf et lui ont pr\u00e9sent\u00e9 une t\u00e2che de perspective sociale. En analysant les donn\u00e9es voxel par voxel sans corriger pour la multiplicit\u00e9 des comparaisons statistiques, les algorithmes ont mis en \u00e9vidence plusieurs \u00ab grappes d’activation c\u00e9r\u00e9brale active \u00bb dans le cr\u00e2ne du poisson d\u00e9c\u00e9d\u00e9. Ce r\u00e9sultat spectaculaire et absurde illustre \u00e0 l’extr\u00eame comment le traitement de dizaines de milliers de variables simultan\u00e9es, sans pr\u00e9caution m\u00e9thodologique, capitalise obligatoirement sur les variations al\u00e9atoires de fond du signal thermique et \u00e9lectronique.<\/p>\n La mise en \u00e9vidence de la capitalisation sur le hasard ne peut s’effectuer par la simple inspection des indicateurs d’ajustement traditionnels sur l’\u00e9chantillon de d\u00e9part, car ces derniers sont pr\u00e9cis\u00e9ment ceux qui sont artificiellement gonfl\u00e9s. Les m\u00e9thodologistes ont d\u00e9velopp\u00e9 un arsenal de techniques quantitatives pour \u00e9valuer son ampleur et la neutraliser :<\/p>\n La compr\u00e9hension de la capitalisation sur le hasard est critique dans tous les secteurs d’application de la psychologie, o\u00f9 des d\u00e9cisions concr\u00e8tes touchant des vies humaines d\u00e9pendent des m\u00e9triques d’\u00e9valuation.<\/p>\n En psychologie du travail et des organisations<\/strong>, les cabinets de recrutement et services de ressources humaines utilisent des algorithmes pr\u00e9dictifs pour filtrer les candidats \u00e0 partir de batteries de tests de comp\u00e9tences, de motivation et de profils de personnalit\u00e9. Si un mod\u00e8le de s\u00e9lection pr\u00e9dictif a \u00e9t\u00e9 ajust\u00e9 sur un \u00e9chantillon d’employ\u00e9s restreint en capitalisant sur le hasard, l’entreprise s\u00e9lectionnera des profils sur des crit\u00e8res chim\u00e9riques, \u00e9cartant injustement des candidats comp\u00e9tents tout en engageant des investissements st\u00e9riles dans des batteries d’\u00e9valuation non reproductibles.<\/p>\n En psychologie clinique et en psychiatrie<\/strong>, la d\u00e9couverte de marqueurs pr\u00e9dictifs de la r\u00e9ponse th\u00e9rapeutique (par exemple, d\u00e9terminer quel profil psychopathologique r\u00e9pondra favorablement \u00e0 une th\u00e9rapie cognitivo-comportementale plut\u00f4t qu’\u00e0 une intervention pharmacologique) est hautement vuln\u00e9rable \u00e0 ce biais. Des centaines d’indicateurs biologiques, comportementaux et anamnestiques sont r\u00e9guli\u00e8rement crois\u00e9s avec les taux de r\u00e9mission. La capitalisation sur le hasard a men\u00e9 \u00e0 la publication d’une quantit\u00e9 impressionnante de pr\u00e9tendus biomarqueurs ou profils psychom\u00e9triques diff\u00e9rentiels qui ont totalement \u00e9chou\u00e9 \u00e0 apporter un quelconque b\u00e9n\u00e9fice lors des essais cliniques randomis\u00e9s confirmatoires ult\u00e9rieurs.<\/p>\n En \u00e9valuation \u00e9ducative<\/strong>, la s\u00e9lection d’items pour des examens nationaux ou des tests d’admission standardis\u00e9s doit garantir une invariance stricte de mesure d’une ann\u00e9e sur l’autre. Une \u00e9chelle dont les propri\u00e9t\u00e9s psychom\u00e9triques reposent sur une capitalisation fortuite subira une perte de fid\u00e9lit\u00e9 d\u00e8s son d\u00e9ploiement \u00e0 large \u00e9chelle, compromettant l’\u00e9quit\u00e9 diagnostique des \u00e9l\u00e8ves \u00e9valu\u00e9s.<\/p>\n De nombreux travaux empiriques de premier plan ont syst\u00e9matiquement quantifi\u00e9 la pr\u00e9valence et la s\u00e9v\u00e9rit\u00e9 de ce ph\u00e9nom\u00e8ne au sein des publications acad\u00e9miques. L’une des d\u00e9monstrations les plus influentes de la litt\u00e9rature psychologique a \u00e9t\u00e9 conduite par Tal Yarkoni et Jacob Westfall (2017) dans leur article programmatique sur le probl\u00e8me de l’ajustement excessif dans la recherche psychologique. Les auteurs ont examin\u00e9 des centaines d’\u00e9tudes quantitatives et ont d\u00e9montr\u00e9 que la quasi-totalit\u00e9 des mod\u00e8les statistiques publi\u00e9s pr\u00e9sentaient un pouvoir explicatif in-sample<\/em> (au sein de l’\u00e9chantillon) tr\u00e8s sup\u00e9rieur \u00e0 leur performance out-of-sample<\/em> (hors \u00e9chantillon), pr\u00e9cis\u00e9ment en raison d’une capitalisation non ma\u00eetris\u00e9e sur les bruits stochastiques.<\/p>\n Dans le domaine de la psychom\u00e9trie appliqu\u00e9e, Thompson (1995) a r\u00e9alis\u00e9 des simulations exhaustives d\u00e9montrant que les structures issues d’analyses factorielles exploratoires conduites avec des \u00e9chantillons de petite taille ($N < 150$<\/span>) et un grand nombre d’items ne parviennent pas \u00e0 \u00eatre r\u00e9pliqu\u00e9es dans plus de 70 % des cas. Ces r\u00e9sultats soulignent que ce qui \u00e9tait interpr\u00e9t\u00e9 par les chercheurs comme de nouveaux traits de personnalit\u00e9 ou de nouvelles composantes affectives n’\u00e9tait que l’empreinte math\u00e9matique d’un artefact d’\u00e9chantillonnage.<\/p>\n Plus r\u00e9cemment, les projets de r\u00e9plication collaborative \u00e0 grande \u00e9chelle, tels que le projet Reproducibility Project: Psychology<\/em> orchestr\u00e9 par le Center for Open Science<\/a> en 2015, ont document\u00e9 une chute moyenne de la taille de l’effet d’environ 50 % entre les r\u00e9sultats des publications princeps et ceux des r\u00e9plications ind\u00e9pendantes rigoureusement calibr\u00e9es. Cette d\u00e9flation syst\u00e9matique de la puissance d’effet constitue la preuve grandeur nature de l’omnipr\u00e9sence historique de la capitalisation sur le hasard au sein des revues scientifiques index\u00e9es \u00e0 comit\u00e9 de lecture.<\/p>\n La capitalisation sur le hasard entretient des liens profonds avec les questions de validit\u00e9 interculturelle et de g\u00e9n\u00e9ralisation internationale des outils psychologiques. Lorsqu’une \u00e9chelle de mesure (par exemple, un inventaire d’\u00e9valuation du bien-\u00eatre ou des sympt\u00f4mes d\u00e9pressifs) est \u00e9labor\u00e9e et \u00e9talonn\u00e9e exclusivement sur un \u00e9chantillon d’individus issus de populations occidentales, \u00e9duqu\u00e9es, industrialis\u00e9es, riches et d\u00e9mocratiques (dites populations WEIRD), les chercheurs effectuent souvent un \u00e9lagage d’items guid\u00e9 par la maximisation statistique de la consistance interne locale.<\/p>\n Ce processus non seulement capitalise sur le hasard propre \u00e0 l’\u00e9chantillon d’\u00e9tudiants nord-am\u00e9ricains ou europ\u00e9ens interrog\u00e9s, mais il \u00e9limine des items qui auraient pu capturer des expressions \u00e9motionnelles ou comportementales universelles au profit de nuances idiosyncrasiques purement locales. Lorsque cet instrument est ensuite traduit et adapt\u00e9 dans une culture collectiviste ou non occidentale, le mod\u00e8le s’effondre non seulement en raison des divergences culturelles r\u00e9elles, mais \u00e9galement parce que les liaisons math\u00e9matiques initialement sur-optimis\u00e9es se dissolvent dans un contexte d’\u00e9chantillonnage diff\u00e9rent.<\/p>\n Il est donc imp\u00e9ratif, dans les \u00e9tudes transculturelles, d’exiger des analyses factorielles confirmatoires multi-groupes (MGCFA) testant l’invariance m\u00e9trique et scalaire stricte, afin de garantir que les associations observ\u00e9es refl\u00e8tent des invariants psychologiques universels plut\u00f4t que des reliquats de capitalisation stochastique produits par le pays d’origine du test.<\/p>\n Si la communaut\u00e9 m\u00e9thodologique s’accorde universellement sur la nocivit\u00e9 de la capitalisation sur le hasard lorsqu’elle est dissimul\u00e9e ou ignor\u00e9e, un d\u00e9bat intellectuel vivace subsiste quant aux rem\u00e8des \u00e0 appliquer sans \u00e9touffer la d\u00e9marche exploratoire et la cr\u00e9ativit\u00e9 scientifique.<\/p>\n D’un c\u00f4t\u00e9, les partisans d’une r\u00e9gulation m\u00e9thodologique intransigeante, inspir\u00e9s par les mouvements d’acc\u00e8s libre et de transparence statistique, pr\u00f4nent l’enregistrement pr\u00e9alable obligatoire de tous les plans d’analyse (pr\u00e9enregistrement<\/a>). Selon cette perspective, d\u00e8s lors qu’un chercheur manipule un jeu de donn\u00e9es sans hypoth\u00e8se strictement pos\u00e9e en amont, toute d\u00e9couverte doit \u00eatre consid\u00e9r\u00e9e comme compromise par la capitalisation sur le hasard jusqu’\u00e0 validation sur un \u00e9chantillon neuf totalement ind\u00e9pendant. Les r\u00e9gressions exploratoires ou les ajustements post-hoc de mod\u00e8les structuraux devraient, dans cette optique, \u00eatre bannis des conclusions d\u00e9ductives.<\/p>\n D’un autre c\u00f4t\u00e9, certains statisticiens et \u00e9pist\u00e9mologues mod\u00e8rent cette vision binaire. Ils soulignent qu’une aversion absolue pour le risque de capitalisation risque de paralyser la d\u00e9couverte de patterns subtils et inattendus dans des jeux de donn\u00e9es complexes et massifs (Big Data<\/em>, neuroimagerie computationnelle, g\u00e9nomique comportementale). Selon ces auteurs, la phase exploratoire est essentielle au progr\u00e8s des sciences de l’esprit, \u00e0 condition que le chercheur qualifie honn\u00eatement sa d\u00e9marche comme g\u00e9n\u00e9ratrice d’hypoth\u00e8ses et non comme validatoire, et qu’il applique syst\u00e9matiquement des m\u00e9thodes d’apprentissage machine int\u00e9grant une p\u00e9nalisation structurelle (comme la r\u00e9gression Ridge ou le Lasso) explicitement con\u00e7ues pour neutraliser le surapprentissage sans bloquer l’exploration empirique.<\/p>\n La litt\u00e9rature scientifique utilise plusieurs concepts voisins qui, bien qu’\u00e9troitement intriqu\u00e9s avec la capitalisation sur le hasard, renvoient \u00e0 des m\u00e9canismes distincts :<\/p>\n La capitalisation sur le hasard repr\u00e9sente l’une des sources d’illusion \u00e9pist\u00e9mologique les plus puissantes au sein des sciences quantitatives et psychologiques. Elle rappelle constamment \u00e0 la communaut\u00e9 scientifique que les chiffres observ\u00e9s au sein d’une \u00e9tude particuli\u00e8re ne repr\u00e9sentent jamais une copie immacul\u00e9e de la r\u00e9alit\u00e9 psychique, mais une superposition indissociable de lois de population et d’accidents probabilistes transitoires.<\/p>\n Pour pr\u00e9munir les sciences psychologiques contre ce pi\u00e8ge, les pratiques de recherche exigent d\u00e9sormais l’adoption syst\u00e9matique de protocoles m\u00e9thodologiques rigoureux : calculs de puissance a priori pour garantir des \u00e9chantillons larges, pr\u00e9enregistrement strict des plans analytiques, interdiction des algorithmes de s\u00e9lection automatique aveugles en psychom\u00e9trie, utilisation syst\u00e9matique d’\u00e9chantillons de validation crois\u00e9e ind\u00e9pendants et application de p\u00e9nalisations statistiques r\u00e9gularisatrices. Ce n’est qu’au prix d’une vigilance m\u00e9thodologique sans faille que la psychologie quantitative peut garantir que ses mod\u00e8les d\u00e9crivent fid\u00e8lement la structure universelle de l’esprit humain plut\u00f4t que l’\u00e9cho statistique d’un hasard d’\u00e9chantillonnage.<\/p>\n La capitalisation sur le hasard est un ph\u00e9nom\u00e8ne statistique o\u00f9 un mod\u00e8le ou une s\u00e9lection de variables s’ajuste au bruit stochastique d’un \u00e9chantillon, surestimant artificiellement sa validit\u00e9 et son pouvoir pr\u00e9dictif.<\/p>\n","protected":false},"author":1,"featured_media":0,"template":"","categories":[2214,2,1838],"tags":[38353,5985,16,2875,6743,2990],"class_list":["post-22716","psych_term","type-psych_term","status-publish","hentry","category-methodologie","category-psychometrie","category-statistiques","tag-capitalisation-sur-le-hasard","tag-methodologie-de-la-recherche","tag-psychometrie","tag-statistiques-multivariees","tag-surapprentissage","tag-validation-croisee"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/22716","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_term"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/22716\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=22716"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=22716"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=22716"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}2. \u00c9tymologie et origine linguistique<\/h3>\n
3. Prononciation et forme grammaticale<\/h3>\n
4. Explication conceptuelle d\u00e9taill\u00e9e<\/h3>\n
5. D\u00e9veloppement historique<\/h3>\n
6. Fondements th\u00e9oriques<\/h3>\n
7. Composantes cl\u00e9s, typologies et dimensions<\/h3>\n
\n
8. Exemples et cas illustratifs<\/h3>\n
9. Mesure, d\u00e9tection et \u00e9valuation<\/h3>\n
\n
10. Applications et port\u00e9e pratique<\/h3>\n
11. Recherches et preuves empiriques<\/h3>\n
12. Consid\u00e9rations culturelles et transcontextuelles<\/h3>\n
13. Critiques, controverses et limites<\/h3>\n
14. Termes connexes et distinctions conceptuelles<\/h3>\n
\n
15. Synth\u00e8se et points cl\u00e9s \u00e0 retenir<\/h3>\n
R\u00e9f\u00e9rences<\/h2>\n
\n