{"id":15949,"date":"2026-10-14T07:34:27","date_gmt":"2026-10-14T07:34:27","guid":{"rendered":"http:\/\/french.arabpsychology.com\/theorists\/karl-pearson-1857-1936\/"},"modified":"2026-10-14T07:34:27","modified_gmt":"2026-10-14T07:34:27","slug":"karl-pearson-1857-1936","status":"publish","type":"psych_theorist","link":"https:\/\/french.arabpsychology.com\/?psych_theorist=karl-pearson-1857-1936","title":{"rendered":"Karl Pearson &#8211; 1857 1936"},"content":{"rendered":"<p>Dans l&rsquo;histoire intellectuelle de l&rsquo;Occident moderne, peu de figures incarnent avec autant de force, d&rsquo;ambivalence et de rigueur la transition vers l&#8217;empirisme quantitatif que le math\u00e9maticien, biostatisticien et philosophe britannique <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Karl_Pearson\">Karl Pearson<\/a> (1857-1936). Consid\u00e9r\u00e9 \u00e0 juste titre comme le p\u00e8re fondateur de la statistique math\u00e9matique moderne, Pearson a profond\u00e9ment reconfigur\u00e9 l&rsquo;architecture \u00e9pist\u00e9mologique des sciences de la nature et des sciences humaines. \u00c0 une \u00e9poque o\u00f9 la biologie post-darwinienne cherchait d\u00e9sesp\u00e9r\u00e9ment \u00e0 s&rsquo;arracher aux rives de la simple description naturaliste pour s&rsquo;\u00e9riger en discipline pr\u00e9dictive, et o\u00f9 la psychologie tentait de s&rsquo;affranchir de la m\u00e9taphysique sp\u00e9culative, ses travaux ont offert un outillage formel d&rsquo;une puissance in\u00e9dite. De la formalisation du coefficient de corr\u00e9lation \u00e0 l&rsquo;invention du test d&rsquo;ad\u00e9quation du Khi-deux, son legs m\u00e9thodologique constitue aujourd&rsquo;hui encore l&rsquo;ossature invisible de toute recherche empirique.<\/p>\n<p>Pourtant, l&rsquo;\u0153uvre de Pearson ne saurait \u00eatre r\u00e9duite \u00e0 un simple catalogue d&rsquo;innovations calculatoires. Elle proc\u00e8de d&rsquo;une vision globale du monde, expos\u00e9e dans son ma\u00eetre-ouvrage philosophique de 1892, <em>The Grammar of Science<\/em>, qui entendait red\u00e9finir la notion m\u00eame de loi naturelle en substituant l&rsquo;analyse des corr\u00e9lations probabilistes aux vieux dogmes de la causalit\u00e9 m\u00e9canique d\u00e9terministe. \u00c9rudit polyvalent, form\u00e9 au droit, \u00e0 la philosophie spinoziste, \u00e0 la litt\u00e9rature m\u00e9di\u00e9vale allemande et aux math\u00e9matiques les plus pures de Cambridge, Pearson envisageait la statistique non pas comme une sous-discipline technique, mais comme la grammaire universelle de la pens\u00e9e rationnelle, seule capable de discipliner le chaos des perceptions sensibles et de guider l&rsquo;action politique et sociale.<\/p>\n<p>Cette ambition d\u00e9miurgique rec\u00e8le toutefois une part d&rsquo;ombre majeure, indissociable du contexte imp\u00e9rial et intellectuel de l&rsquo;\u00e9poque victorienne tardive et \u00e9douardienne : l&rsquo;engagement passionn\u00e9 et intransigeant de Pearson en faveur de l&rsquo;<a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Eug%C3%A9nisme\">eug\u00e9nisme<\/a> th\u00e9orique et appliqu\u00e9. Premier titulaire de la chaire Galton d&rsquo;eug\u00e9nisme national \u00e0 l&rsquo;University College de Londres, il a mis son formidable g\u00e9nie math\u00e9matique au service de la quantification de l&rsquo;h\u00e9r\u00e9dit\u00e9 des traits physiques, mentaux et moraux, d\u00e9fendant une conception strictement biologique et hautement s\u00e9lective de l&rsquo;\u00e9volution des soci\u00e9t\u00e9s humaines. L&rsquo;analyse de sa trajectoire exige ainsi un regard critique soutenu, capable d&rsquo;appr\u00e9cier la port\u00e9e r\u00e9volutionnaire de ses contributions m\u00e9thodologiques tout en d\u00e9construisant les pr\u00e9suppos\u00e9s id\u00e9ologiques qui ont guid\u00e9 ses investigations.<\/p>\n<h2>1. Introduction et contextualisation historique de Karl Pearson (1857-1936)<\/h2>\n<p>L&rsquo;\u00e9mergence de la pens\u00e9e pearsonienne s&rsquo;inscrit au carrefour de multiples bouleversements acad\u00e9miques, sociologiques et technologiques qui ont caract\u00e9ris\u00e9 la seconde moiti\u00e9 du dix-neuvi\u00e8me si\u00e8cle en Angleterre. Pour saisir la trajectoire intellectuelle de cet homme d&rsquo;exception, il convient d&rsquo;examiner ses origines culturelles et la formation pluridisciplinaire d&rsquo;une densit\u00e9 exceptionnelle qui a pr\u00e9c\u00e9d\u00e9 sa cons\u00e9cration math\u00e9matique.<\/p>\n<h3>1.1 Origines familiales, formation initiale et \u00e9clectisme intellectuel<\/h3>\n<p>N\u00e9 le 27 mars 1857 dans le quartier londonien d&rsquo;Islington, Karl Pearson &mdash; baptis\u00e9 originellement Carl &mdash; grandit au sein d&rsquo;une famille de la classe moyenne sup\u00e9rieure marqu\u00e9e par une tradition de dissidence religieuse quaker. Son p\u00e8re, William Pearson, avocat \u00e9minent et conseiller de la reine (<em>Queen&rsquo;s Counsel<\/em>), transmet \u00e0 son fils une rigueur de pens\u00e9e absolue, doubl\u00e9e d&rsquo;un sens aigu du devoir intellectuel, tandis que sa m\u00e8re, Fanny Smith, issue d&rsquo;une famille de marins, ancre chez le jeune gar\u00e7on une curiosit\u00e9 tenace pour l&rsquo;observation concr\u00e8te des ph\u00e9nom\u00e8nes naturels. Cette \u00e9ducation puritaine, bien que Pearson se soit ult\u00e9rieurement d\u00e9tach\u00e9 de toute adh\u00e9sion confessionnelle orthodoxe, fa\u00e7onne de mani\u00e8re ind\u00e9l\u00e9bile son \u00e9thique de travail spartiate, son m\u00e9pris des compromis acad\u00e9miques et sa propension \u00e0 consid\u00e9rer la recherche scientifique comme un sacerdoce moral.<\/p>\n<p>Apr\u00e8s une scolarit\u00e9 initiale \u00e0 l&rsquo;University College School de Londres, interrompue par des probl\u00e8mes de sant\u00e9 qui l&rsquo;obligent \u00e0 \u00e9tudier avec des pr\u00e9cepteurs priv\u00e9s, Pearson int\u00e8gre en 1875 le prestigieux <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/King%27s_College_(Cambridge)\">King&rsquo;s College de Cambridge<\/a> pour y suivre le redoutable cursus des <em>Mathematical Tripos<\/em>. Il y r\u00e9v\u00e8le des aptitudes analytiques hors du commun, se confrontant aux m\u00e9thodes de mod\u00e9lisation physique les plus complexes de l&rsquo;\u00e9poque victorienne. En 1879, il d\u00e9croche le rang envi\u00e9 de <em>Third Wrangler<\/em>, sanctionnant l&rsquo;excellence de son niveau math\u00e9matique. Loin de s&rsquo;enfermer dans l&rsquo;abstraction pure, le jeune bachelier fait preuve d&rsquo;une insoumission pr\u00e9coce : il conteste avec succ\u00e8s l&rsquo;obligation de fr\u00e9quenter la chapelle du coll\u00e8ge, affirmant une libert\u00e9 de conscience qui allait demeurer l&rsquo;un des fils directeurs de son existence publique.<\/p>\n<p>B\u00e9n\u00e9ficiant d&rsquo;une bourse de recherche de son coll\u00e8ge, Pearson choisit de ne pas s&rsquo;engager imm\u00e9diatement dans une carri\u00e8re acad\u00e9mique britannique conventionnelle et part pour l&rsquo;Allemagne. Ce s\u00e9jour outre-Rhin, partag\u00e9 entre l&rsquo;universit\u00e9 de Berlin et celle de Heidelberg en 1879 et 1880, marque un tournant d\u00e9cisif dans son \u00e9volution spirituelle et m\u00e9thodologique. \u00c0 Berlin, il suit les cours du physiologiste Emil du Bois-Reymond sur le mat\u00e9rialisme et les limites de la connaissance naturelle, s&rsquo;immerge dans la jurisprudence romaine aupr\u00e8s de juristes renomm\u00e9s, et \u00e9tudie la philosophie de <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Baruch_Spinoza\">Baruch Spinoza<\/a>, dont le panth\u00e9isme rationaliste et la rigueur quasi g\u00e9om\u00e9trique le marquent profond\u00e9ment. Parall\u00e8lement, il se passionne pour la litt\u00e9rature m\u00e9di\u00e9vale et la po\u00e9sie allemande, publiant plus tard des essais \u00e9rudits sur Martin Luther et le folklore rh\u00e9nan. C&rsquo;est durant cette p\u00e9riode de fermentation intellectuelle et politique qu&rsquo;il d\u00e9cide de germaniser l&rsquo;orthographe de son pr\u00e9nom de Carl en Karl, geste symbolique manifestant \u00e0 la fois son admiration pour la culture germanique et sa fascination intellectuelle pour la critique socio-\u00e9conomique formul\u00e9e par Karl Marx, dont il lit <em>Le Capital<\/em> avec une avidit\u00e9 critique.<\/p>\n<h3>1.2 Le climat intellectuel de l&rsquo;\u00e9poque victorienne tardive<\/h3>\n<p>Le retour de Pearson en Angleterre au d\u00e9but des ann\u00e9es 1880 co\u00efncide avec une p\u00e9riode de crise et de red\u00e9finition profonde des paradigmes scientifiques britanniques. Deux d\u00e9cennies apr\u00e8s la publication de <em>L&rsquo;Origine des esp\u00e8ces<\/em> par Charles Darwin en 1859, la communaut\u00e9 scientifique a largement assimil\u00e9 le principe fondamental de l&rsquo;\u00e9volution organique, mais se heurte \u00e0 une aporie majeure : l&rsquo;absence d&rsquo;une th\u00e9orie rigoureuse et v\u00e9rifiable des m\u00e9canismes de la transmission h\u00e9r\u00e9ditaire et de la s\u00e9lection naturelle. La biologie de l&rsquo;\u00e9poque demeure majoritairement descriptive, naturaliste et qualitative. Les arguments s&rsquo;appuient sur des observations anecdotiques ou des analogies anatomiques, ce qui expose la th\u00e9orie darwinienne aux attaques virulentes de ses d\u00e9tracteurs, qu&rsquo;ils soient cr\u00e9ationnistes ou partisans d&rsquo;un n\u00e9o-lamarckisme finaliste.<\/p>\n<p>Simultan\u00e9ment, les sciences sociales connaissent un essor sans pr\u00e9c\u00e9dent, port\u00e9 par les transformations industrielles massives, l&rsquo;urbanisation galopante et la paup\u00e9risation des grands centres urbains de l&rsquo;Empire britannique. Des r\u00e9formateurs sociaux et des pionniers de la sociologie empirique, \u00e0 l&rsquo;instar de Charles Booth avec ses enqu\u00eates monumentales sur la pauvret\u00e9 \u00e0 Londres, cherchent \u00e0 quantifier les maux de la soci\u00e9t\u00e9 industrielle. Dans le champ de l&rsquo;\u00e9tude de l&rsquo;esprit humain, la psychophysique allemande et les premi\u00e8res tentatives de mesure anthropom\u00e9trique men\u00e9es par Francis Galton nourrissent l&rsquo;ambition de quantifier l&rsquo;intelligence, la moralit\u00e9 et les aptitudes cognitives. Toutefois, ces d\u00e9marches empiriques souffrent d&rsquo;un d\u00e9ficit m\u00e9thodologique criant : il n&rsquo;existe pas d&rsquo;appareil math\u00e9matique unifi\u00e9 permettant de distinguer les variations purement al\u00e9atoires des tendances syst\u00e9matiques, ni de mesurer avec pr\u00e9cision l&rsquo;intensit\u00e9 des interrelations au sein de grands agr\u00e9gats d&rsquo;individus.<\/p>\n<p>Cette fin de si\u00e8cle est \u00e9galement le th\u00e9\u00e2tre d&rsquo;un affrontement \u00e9pist\u00e9mologique de premier plan entre deux visions de la nature. D&rsquo;un c\u00f4t\u00e9 tr\u00f4ne le d\u00e9terminisme m\u00e9caniste h\u00e9rit\u00e9 de Pierre-Simon de Laplace et d&rsquo;Isaac Newton, selon lequel l&rsquo;univers est une immense horloge r\u00e9gie par des cha\u00eenes causales strictes et r\u00e9versibles, o\u00f9 l&rsquo;incertitude n&rsquo;est que le reflet de l&rsquo;ignorance humaine. De l&rsquo;autre c\u00f4t\u00e9 commence \u00e0 \u00e9merger, sous l&rsquo;impulsion de la thermodynamique statistique de James Clerk Maxwell et de Ludwig Boltzmann, la reconnaissance du r\u00f4le fondamental du d\u00e9sordre, des fluctuations et du hasard au c\u0153ur de la mati\u00e8re. C&rsquo;est dans cette br\u00e8che conceptuelle que Pearson s&rsquo;engouffre : pour lui, le v\u00e9ritable d\u00e9fi des sciences modernes consiste \u00e0 d\u00e9passer le mod\u00e8le m\u00e9caniste pour \u00e9laborer une science des populations, o\u00f9 l&rsquo;agr\u00e9gation statistique permet de d\u00e9gager l&rsquo;ordre et la r\u00e9gularit\u00e9 du sein m\u00eame de la variabilit\u00e9 biologique et comportementale la plus foisonnante.<\/p>\n<h3>1.3 Transition acad\u00e9mique vers les math\u00e9matiques appliqu\u00e9es et l&rsquo;analyse empirique<\/h3>\n<p>\u00c0 son retour \u00e0 Londres, le jeune savant h\u00e9site encore sur la trajectoire \u00e0 donner \u00e0 son existence. Admis au barreau \u00e0 Inner Temple en 1881, il exerce bri\u00e8vement le droit, tout en donnant des conf\u00e9rences sur l&rsquo;histoire de l&rsquo;art, le socialisme et la condition f\u00e9minine. Toutefois, son magn\u00e9tisme intellectuel et ses comp\u00e9tences analytiques hors normes ne tardent pas \u00e0 attirer l&rsquo;attention des cercles universitaires. En 1884, \u00e0 l&rsquo;\u00e2ge de vingt-sept ans seulement, il est nomm\u00e9 \u00e0 la prestigieuse chaire de math\u00e9matiques appliqu\u00e9es et de m\u00e9canique \u00e0 l&rsquo;<a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/University_College_de_Londres\">University College de Londres (UCL)<\/a>, une institution historiquement progressiste, la\u00efque et ouverte aux courants novateurs, exempte des pesanteurs cl\u00e9ricales qui caract\u00e9risent encore Oxford et Cambridge \u00e0 cette \u00e9poque.<\/p>\n<p>Durant ses premi\u00e8res ann\u00e9es d&rsquo;enseignement \u00e0 l&rsquo;UCL, Pearson dispense des cours de m\u00e9canique rationnelle, de th\u00e9orie de l&rsquo;\u00e9lasticit\u00e9 et d&rsquo;ing\u00e9nierie math\u00e9matique, tout en publiant des trait\u00e9s de r\u00e9f\u00e9rence sur la r\u00e9sistance des mat\u00e9riaux, prolongeant l&rsquo;\u0153uvre inachev\u00e9e de William Kingdon Clifford. Cependant, sa trajectoire va bifurquer de fa\u00e7on irr\u00e9versible \u00e0 la fin des ann\u00e9es 1880 sous l&rsquo;effet d&rsquo;une double rencontre intellectuelle et humaine. D&rsquo;une part, il noue des liens d&rsquo;amiti\u00e9 profonde avec le zoologiste Walter Frank Raphael Weldon, nouvellement nomm\u00e9 professeur de zoologie \u00e0 l&rsquo;UCL en 1890. Weldon, passionn\u00e9 par la s\u00e9lection naturelle chez les crustac\u00e9s marins, apporte \u00e0 Pearson des masses imposantes de donn\u00e9es biom\u00e9triques sur les crabes et les crevettes, cherchant d\u00e9sesp\u00e9r\u00e9ment \u00e0 d\u00e9montrer par le calcul l&rsquo;action directe de la s\u00e9lection sur les populations naturelles. D&rsquo;autre part, Pearson entre en relation \u00e9troite avec <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Francis_Galton\">Francis Galton<\/a>, cousin de Darwin et explorateur passionn\u00e9 des lois de l&rsquo;h\u00e9r\u00e9dit\u00e9 humaine, dont l&rsquo;ouvrage <em>Natural Inheritance<\/em> (1889) fait l&rsquo;effet d&rsquo;un coup de foudre intellectuel sur le math\u00e9maticien.<\/p>\n<p>Cette convergence donne naissance \u00e0 une discipline enti\u00e8rement nouvelle : la biom\u00e9trie. Pearson prend conscience que les math\u00e9matiques appliqu\u00e9es ne doivent plus se cantonner \u00e0 la physique m\u00e9canique ou \u00e0 l&rsquo;art de l&rsquo;ing\u00e9nieur, mais qu&rsquo;elles ont pour mission historique de devenir le moteur analytique des sciences biologiques et comportementales. Il entreprend d\u00e8s lors de transposer la rigueur d\u00e9ductive du calcul infinit\u00e9simal et de la th\u00e9orie des probabilit\u00e9s \u00e0 l&rsquo;analyse des organismes vivants et de leurs variations, inaugurant une phase de cr\u00e9ativit\u00e9 m\u00e9thodologique dont l&rsquo;intensit\u00e9 n&rsquo;a que peu d&rsquo;\u00e9quivalents dans l&rsquo;histoire des sciences modernes.<\/p>\n<h2>2. La philosophie des sciences : &lsquo;La Grammaire de la science&rsquo; (1892)<\/h2>\n<p>Avant d&rsquo;\u00eatre le grand b\u00e2tisseur de la bo\u00eete \u00e0 outils statistique du vingti\u00e8me si\u00e8cle, Karl Pearson fut un \u00e9pist\u00e9mologue d&rsquo;une envergure exceptionnelle. La publication en 1892 de son ouvrage s\u00e9minal, <em>The Grammar of Science<\/em>, ne r\u00e9pondait pas seulement \u00e0 un souci de vulgarisation savante, mais posait les bases philosophiques d&rsquo;une refondation radicale de la m\u00e9thode d&rsquo;investigation empirique, destin\u00e9e \u00e0 lib\u00e9rer la science des r\u00e9sidus m\u00e9taphysiques h\u00e9rit\u00e9s du si\u00e8cle pr\u00e9c\u00e9dent.<\/p>\n<h3>2.1 Fondements \u00e9pist\u00e9mologiques et positivisme critique<\/h3>\n<p>L&rsquo;\u00e9difice philosophique dress\u00e9 par Pearson dans <em>The Grammar of Science<\/em> s&rsquo;enracine dans un empirisme ph\u00e9nom\u00e9niste radical, largement tributaire des th\u00e8ses du physicien et philosophe autrichien <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Ernst_Mach\">Ernst Mach<\/a>. Pour Pearson, l&rsquo;homme ne peut en aucun cas avoir un acc\u00e8s direct \u00e0 une quelconque \u00ab chose en soi \u00bb kantienne ou \u00e0 une r\u00e9alit\u00e9 mat\u00e9rielle objective sous-jacente. Tout ce dont l&rsquo;esprit humain dispose, ce sont des paquets d&rsquo;impressions sensorielles (<em>sense-impressions<\/em>), v\u00e9hicul\u00e9es par les organes perceptifs et stock\u00e9es ou agenc\u00e9es par le syst\u00e8me nerveux central. Par cons\u00e9quent, l&rsquo;univers accessible \u00e0 la connaissance humaine n&rsquo;est rien d&rsquo;autre qu&rsquo;un construct mental \u00e9labor\u00e9 \u00e0 partir de ces flux perceptifs.<\/p>\n<p>Cette position entra\u00eene un rejet absolu et intransigeant de la m\u00e9taphysique sp\u00e9culative. Pearson pourfend sans m\u00e9nagement les concepts traditionnels de mati\u00e8re, de force, d&rsquo;\u00e9ther ou de substance, qu&rsquo;il qualifie de f\u00e9tiches conceptuels invent\u00e9s par l&rsquo;esprit pour combler le vide de son ignorance. Il affirme avec force que le r\u00f4le de la science n&rsquo;est nullement d&rsquo;\u00ab expliquer \u00bb les causes profondes ou ultimes des ph\u00e9nom\u00e8nes &mdash; ambition qu&rsquo;il juge pu\u00e9rile et inaccessible &mdash;, mais exclusivement de \u00ab d\u00e9crire \u00bb de la mani\u00e8re la plus exacte, synth\u00e9tique et exhaustive possible la succession et l&rsquo;ordonnancement de nos perceptions. Le scientifique ne sonde pas l&rsquo;essence du r\u00e9el ; il cartographie et formalise les r\u00e9gularit\u00e9s du perceptible.<\/p>\n<p>Dans ce cadre ph\u00e9nom\u00e9niste, la loi scientifique subit une r\u00e9\u00e9valuation conceptuelle profonde. Loin d&rsquo;\u00eatre un d\u00e9cret immuable grav\u00e9 dans le marbre de la nature, la loi physique ou biologique est d\u00e9finie par Pearson comme un \u00ab r\u00e9sum\u00e9 \u00e9conomique \u00bb (<em>economical resume<\/em>) des s\u00e9quences d&rsquo;exp\u00e9riences sensorielles pass\u00e9es, permettant de formuler des attentes coh\u00e9rentes concernant les perceptions futures. Empruntant \u00e0 Mach son concept d&rsquo;\u00e9conomie de pens\u00e9e, Pearson soutient que le progr\u00e8s scientifique r\u00e9side dans la capacit\u00e9 humaine \u00e0 condenser d&rsquo;immenses catalogues de faits observ\u00e9s en une formule concise, telle la loi de la gravitation universelle ou les \u00e9quations de Maxwell. L&rsquo;esprit scientifique triomphe lorsqu&rsquo;il parvient \u00e0 r\u00e9duire l&rsquo;infinie vari\u00e9t\u00e9 de l&rsquo;exp\u00e9rience sensorielle \u00e0 un petit nombre de r\u00e8gles analytiques claires.<\/p>\n<h3>2.2 La red\u00e9finition conceptuelle de la causalit\u00e9<\/h3>\n<p>L&rsquo;apport le plus r\u00e9volutionnaire de <em>The Grammar of Science<\/em> r\u00e9side sans conteste dans sa d\u00e9construction en r\u00e8gle du principe de causalit\u00e9 d\u00e9terministe. Dans la droite ligne de la critique david-humienne du lien de causalit\u00e9 n\u00e9cessaire, Pearson soutient que nous n&rsquo;observons jamais une force causale \u00e0 l&rsquo;\u0153uvre ; nous constatons uniquement des corr\u00e9lations temporelles r\u00e9guli\u00e8res entre des \u00e9v\u00e9nements distincts. Dire que l&rsquo;\u00e9v\u00e9nement A \u00ab cause \u00bb l&rsquo;\u00e9v\u00e9nement B n&rsquo;est qu&rsquo;un abus de langage destin\u00e9 \u00e0 signifier que la perception de A a invariablement \u00e9t\u00e9 suivie, dans notre m\u00e9moire empirique, par la perception de B.<\/p>\n<p>Allant beaucoup plus loin que Hume, Pearson mobilise son g\u00e9nie probabiliste pour proposer un d\u00e9passement d\u00e9finitif de la causalit\u00e9 binaire. Il affirme que la causalit\u00e9 stricte, absolue et invariante n&rsquo;est qu&rsquo;un cas limite, infinit\u00e9simalement rare, d&rsquo;un concept beaucoup plus vaste et fondamental : la corr\u00e9lation statistique. Dans le monde organique et social, deux variables ne sont presque jamais li\u00e9es par une n\u00e9cessit\u00e9 aveugle de 100 % ni par une ind\u00e9pendance mutuelle totale de 0 %. Elles \u00e9voluent au sein d&rsquo;un continuum d&rsquo;associations plus ou moins intenses, gouvern\u00e9es par la contingence. L&rsquo;univers r\u00e9el n&rsquo;est point un m\u00e9canisme d&rsquo;horlogerie laplacien articul\u00e9 par des cha\u00eenes de causes et d&rsquo;effets univoques, mais un r\u00e9seau complexe de probabilit\u00e9s entrem\u00eal\u00e9es, o\u00f9 chaque ph\u00e9nom\u00e8ne fluctue en relation d&rsquo;interd\u00e9pendance avec une multitude d&rsquo;autres facteurs.<\/p>\n<p>Cette red\u00e9finition audacieuse a des implications scientifiques monumentales, particuli\u00e8rement pour les disciplines naissantes consacr\u00e9es \u00e0 l&rsquo;esprit humain et aux comportements collectifs. En montrant que la validit\u00e9 scientifique d&rsquo;une discipline ne r\u00e9side pas dans sa capacit\u00e9 \u00e0 exhiber des lois d\u00e9terministes absolues, mais dans son aptitude \u00e0 mesurer math\u00e9matiquement le degr\u00e9 de contingence et de corr\u00e9lation entre les ph\u00e9nom\u00e8nes, Pearson fournit \u00e0 la psychologie naissante et \u00e0 la sociologie son brevet de l\u00e9gitimit\u00e9 scientifique. D\u00e8s lors, \u00e9tudier les variations de la m\u00e9moire, les d\u00e9viances comportementales ou le niveau intellectuel ne n\u00e9cessite plus d&rsquo;isoler une cause m\u00e9canique unique ; il devient possible de traiter l&rsquo;esprit humain pour ce qu&rsquo;il est empiriquement : un syst\u00e8me probabiliste de tendances et de covaryations quantifiables.<\/p>\n<h3>2.3 Influence sur la m\u00e9thode scientifique moderne<\/h3>\n<p>L&rsquo;impact de la philosophie des sciences d\u00e9velopp\u00e9e par Pearson d\u00e9passe largement les fronti\u00e8res des \u00eeles britanniques. D\u00e8s sa parution, <em>The Grammar of Science<\/em> rencontre un retentissement plan\u00e9taire. En 1902, \u00e0 Berne, un jeune employ\u00e9 de l&rsquo;Office f\u00e9d\u00e9ral de la propri\u00e9t\u00e9 intellectuelle nomm\u00e9 <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Albert_Einstein\">Albert Einstein<\/a> r\u00e9unit ses amis Conrad Habicht et Maurice Solovine au sein de l&rsquo;Acad\u00e9mie Olympia ; les trois jeunes gens lisent, d\u00e9battent et assimilent avec passion l&rsquo;ouvrage de Pearson. La critique radicale men\u00e9e par ce dernier contre les concepts newtoniens d&rsquo;espace et de temps absolus, qualifi\u00e9s d&rsquo;entit\u00e9s m\u00e9taphysiques d\u00e9pourvues de r\u00e9f\u00e9rent perceptif direct, irriguera la r\u00e9flexion \u00e9pist\u00e9mologique qui permettra \u00e0 Einstein de formuler sa relativit\u00e9 restreinte quelques ann\u00e9es plus tard en 1905.<\/p>\n<p>Au-del\u00e0 de la physique relativiste, l&#8217;empirisme critique de Pearson pr\u00e9figure directement le mouvement du <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Positivisme_logique\">positivisme logique<\/a> du Cercle de Vienne dans les ann\u00e9es 1920. Des penseurs comme Moritz Schlick, Rudolf Carnap ou Otto Neurath trouveront dans les \u00e9crits de Pearson un mod\u00e8le de rigueur antim\u00e9taphysique, fond\u00e9 sur l&rsquo;analyse logique du langage scientifique et l&rsquo;ancrage exclusif dans le donn\u00e9 sensible v\u00e9rifiable. Pearson ancre d\u00e9finitivement le principe de la neutralit\u00e9 de l&rsquo;observateur, affirmant que la science ne doit jamais porter de jugements de valeur, mais se borner \u00e0 enregistrer des relations factuelles avec une impassibilit\u00e9 chirurgicale, garantie par la reproductibilit\u00e9 scrupuleuse des mesures chiffr\u00e9es.<\/p>\n<p>Enfin, Pearson accomplit l&rsquo;exploit d&rsquo;\u00e9lever la statistique au statut de prop\u00e9deutique indispensable \u00e0 toute d\u00e9marche empirique digne de ce nom. Dans les conclusions magistrales de sa <em>Grammaire<\/em>, il proclame que la m\u00e9thode scientifique est une et indivisible, quel que soit l&rsquo;objet auquel elle s&rsquo;applique, et que son c\u0153ur battant r\u00e9side dans l&rsquo;art de classifier les faits, d&rsquo;en extraire les s\u00e9quences r\u00e9guli\u00e8res et d&rsquo;\u00e9valuer statistiquement leur degr\u00e9 de certitude. La statistique cesse d&rsquo;\u00eatre une simple technique auxiliaire de recensement administratif pour s&rsquo;instituer en v\u00e9ritable grammaire universelle de la pens\u00e9e rationnelle, seul tribunal capable de s\u00e9parer le grain des faits \u00e9tablis de l&rsquo;ivraie des sp\u00e9culations illusoires.<\/p>\n<h2>3. La formalisation du coefficient de corr\u00e9lation lin\u00e9aire<\/h2>\n<p>Si la statistique moderne dispose aujourd&rsquo;hui d&rsquo;un langage standardis\u00e9 pour mesurer l&rsquo;interd\u00e9pendance des grandeurs num\u00e9riques, elle le doit \u00e0 la formalisation math\u00e9matique rigoureuse op\u00e9r\u00e9e par Karl Pearson entre 1892 et 1896. En s&#8217;emparant d&rsquo;une intuition g\u00e9om\u00e9trique fertile mais impr\u00e9cise formul\u00e9e par Francis Galton, Pearson a forg\u00e9 le concept de coefficient de corr\u00e9lation produit-moment, un outil qui allait bouleverser l&rsquo;analyse quantitative de la psychologie et des sciences humaines.<\/p>\n<h3>3.1 L&rsquo;h\u00e9ritage conceptuel de Francis Galton<\/h3>\n<p>Pour appr\u00e9hender la gen\u00e8se du coefficient de Pearson, il est indispensable de revenir aux travaux pionniers de son mentor intellectuel, sir Francis Galton. Dans le cadre de ses investigations passionn\u00e9es sur la transmission h\u00e9r\u00e9ditaire des traits humains &mdash; au premier rang desquels figurait la stature corporelle &mdash;, Galton s&rsquo;\u00e9tait heurt\u00e9 \u00e0 un ph\u00e9nom\u00e8ne fascinant qu&rsquo;il d\u00e9crivit initialement en 1877 sous le nom de \u00ab r\u00e9gression vers la m\u00e9diocrit\u00e9 \u00bb, rebaptis\u00e9 plus tard de fa\u00e7on plus neutre \u00ab r\u00e9gression vers la moyenne \u00bb. En mesurant la taille de centaines de parents et de leurs enfants adultes parvenus \u00e0 maturit\u00e9, Galton avait constat\u00e9 que si les parents de tr\u00e8s grande taille avaient g\u00e9n\u00e9ralement des enfants plus grands que la moyenne g\u00e9n\u00e9rale, la stature de ces derniers \u00e9tait en moyenne plus proche de la moyenne de la population que celle de leurs g\u00e9niteurs. Inversement, les parents de tr\u00e8s petite taille engendraient des enfants qui, tout en \u00e9tant petits, tendaient \u00e0 \u00eatre moins extr\u00eames que leurs p\u00e8res.<\/p>\n<p>Galton avait alors formalis\u00e9 ce comportement \u00e0 l&rsquo;aide d&rsquo;un dispositif graphique ing\u00e9nieux : en tra\u00e7ant sur un plan cart\u00e9sien la taille des enfants en fonction de la taille moyenne de leurs parents (apr\u00e8s avoir standardis\u00e9 les \u00e9chelles en divisant par une mesure de dispersion empirique, l&rsquo;\u00e9cart probable), il avait remarqu\u00e9 que les points moyens s&rsquo;alignaient le long d&rsquo;une droite dont la pente \u00e9tait syst\u00e9matiquement inf\u00e9rieure \u00e0 1. Galton nomma cette pente le coefficient de r\u00e9gression et l&rsquo;assimila \u00e0 une mesure directe de l&rsquo;intensit\u00e9 de l&rsquo;h\u00e9r\u00e9dit\u00e9, d\u00e9signant ce param\u00e8tre par la lettre <span class=\"arabpsy-math-inline\" data-latex=\"r\">$r$<\/span> (pour \u00ab r\u00e9gression \u00bb ou \u00ab r\u00e9version \u00bb). Galton r\u00e9alisa rapidement que cette technique pouvait s&rsquo;appliquer \u00e0 des caract\u00e8res qui n&rsquo;entretenaient aucun rapport de filiation directe, comme la relation entre la longueur du bras et la longueur de la cuisse chez un m\u00eame individu.<\/p>\n<p>Cependant, les intuitions de Galton, bien que brillantes, demeuraient entach\u00e9es d&rsquo;approximations g\u00e9om\u00e9triques et manquaient d&rsquo;une assise math\u00e9matique robuste. Galton n&rsquo;\u00e9tait pas un math\u00e9maticien professionnel ; ses ajustements de droites se faisaient largement au jug\u00e9 visuel, ses indices d\u00e9pendaient \u00e9troitement du caract\u00e8re sym\u00e9trique et gaussien suppos\u00e9 des donn\u00e9es, et il ne poss\u00e9dait pas la th\u00e9orie analytique permettant d&rsquo;\u00e9tendre la d\u00e9marche \u00e0 des situations complexes ou de quantifier l&rsquo;erreur d&rsquo;\u00e9chantillonnage. C&rsquo;est ici que l&rsquo;intervention de Pearson se r\u00e9v\u00e9la fondatrice : fascin\u00e9 par les donn\u00e9es de Galton, il d\u00e9cida de refondre enti\u00e8rement le probl\u00e8me au sein d&rsquo;une th\u00e9orie math\u00e9matique rigoureuse de la corr\u00e9lation multivari\u00e9e.<\/p>\n<h3>3.2 D\u00e9rivation du coefficient de corr\u00e9lation produit-moment<\/h3>\n<p>Entre 1893 et 1896, dans une s\u00e9rie de m\u00e9moires magistraux pr\u00e9sent\u00e9s devant la Royal Society de Londres &mdash; inaugurant sa c\u00e9l\u00e8bre suite d&rsquo;articles intitul\u00e9e <em>Mathematical Contributions to the Theory of Evolution<\/em> &mdash;, Pearson s&rsquo;attelle \u00e0 la d\u00e9rivation analytique de ce qui deviendra universellement connu sous le nom de <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Corr%C3%A9lation_(statistiques)\">coefficient de corr\u00e9lation produit-moment<\/a> de Bravais-Pearson. Pearson rend hommage aux travaux g\u00e9om\u00e9triques ant\u00e9rieurs du physicien fran\u00e7ais Auguste Bravais (qui avait \u00e9tudi\u00e9 en 1846 les surfaces d&rsquo;erreur pour des tirs d&rsquo;artillerie sans jamais concevoir la corr\u00e9lation entre variables biologiques), mais c&rsquo;est bien Pearson qui formule l&rsquo;expression statistique op\u00e9rationnelle moderne.<\/p>\n<p>Pearson d\u00e9finit la corr\u00e9lation <span class=\"arabpsy-math-inline\" data-latex=\"r\">$r$<\/span> entre deux variables continues <span class=\"arabpsy-math-inline\" data-latex=\"X\">$X$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"Y\">$Y$<\/span> comme le rapport de leur covariance empirique au produit de leurs \u00e9carts-types respectifs. Si l&rsquo;on consid\u00e8re un \u00e9chantillon de taille <span class=\"arabpsy-math-inline\" data-latex=\"N\">$N$<\/span>, l&rsquo;expression formelle s&rsquo;\u00e9crit :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"r = \\frac{\\sum (X_i - \\bar{X})(Y_i - \\bar{Y})}{N \\cdot \\sigma_X \\cdot \\sigma_Y} = \\frac{\\sum (X_i - \\bar{X})(Y_i - \\bar{Y})}{\\sqrt{\\sum (X_i - \\bar{X})^2 \\sum (Y_i - \\bar{Y})^2}}\">$$r = \\frac{\\sum (X_i &#8211; \\bar{X})(Y_i &#8211; \\bar{Y})}{N \\cdot \\sigma_X \\cdot \\sigma_Y} = \\frac{\\sum (X_i &#8211; \\bar{X})(Y_i &#8211; \\bar{Y})}{\\sqrt{\\sum (X_i &#8211; \\bar{X})^2 \\sum (Y_i &#8211; \\bar{Y})^2}}$$<\/span><\/p>\n<p>Cette formulation \u00e9l\u00e9gante conf\u00e8re au param\u00e8tre <span class=\"arabpsy-math-inline\" data-latex=\"r\">$r$<\/span> des propri\u00e9t\u00e9s math\u00e9matiques et statistiques exceptionnelles :<\/p>\n<ul>\n<li><strong>Invariance d&rsquo;\u00e9chelle et d&rsquo;origine :<\/strong> Le coefficient demeure rigoureusement inchang\u00e9 sous toute transformation affine positive des variables (<span class=\"arabpsy-math-inline\" data-latex=\"X&#039; = aX + b\">$X&rsquo; = aX + b$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"Y&#039; = cY + d\">$Y&rsquo; = cY + d$<\/span> avec <span class=\"arabpsy-math-inline\" data-latex=\"a, c &gt; 0\">$a, c > 0$<\/span>), ce qui \u00e9limine toute d\u00e9pendance vis-\u00e0-vis des unit\u00e9s de mesure utilis\u00e9es (pouces, centim\u00e8tres, grammes ou scores de tests).<\/li>\n<li><strong>Bornes universelles normalis\u00e9es :<\/strong> Gr\u00e2ce \u00e0 l&rsquo;application de l&rsquo;in\u00e9galit\u00e9 de Cauchy-Schwarz, la valeur de <span class=\"arabpsy-math-inline\" data-latex=\"r\">$r$<\/span> est math\u00e9matiquement confin\u00e9e dans l&rsquo;intervalle strict <span class=\"arabpsy-math-inline\" data-latex=\"[-1, +1]\">$[-1, +1]$<\/span>. La valeur <span class=\"arabpsy-math-inline\" data-latex=\"+1\">$+1$<\/span> signale une relation lin\u00e9aire positive parfaite, <span class=\"arabpsy-math-inline\" data-latex=\"-1\">$-1$<\/span> une relation lin\u00e9aire n\u00e9gative parfaite, et $0$ une absence absolue d&rsquo;association lin\u00e9aire.<\/li>\n<li><strong>Lien direct avec la distribution bivari\u00e9e normale :<\/strong> Pearson d\u00e9montre que sous l&rsquo;hypoth\u00e8se d&rsquo;une surface de fr\u00e9quence bivari\u00e9e gaussienne, le param\u00e8tre <span class=\"arabpsy-math-inline\" data-latex=\"r\">$r$<\/span> est le coefficient unique qui gouverne l&rsquo;\u00e9tirement et l&rsquo;orientation des ellipses d&rsquo;\u00e9gale densit\u00e9 de probabilit\u00e9, et qu&rsquo;il conditionne l&rsquo;exacte dispersion des r\u00e9sidus autour de la droite de r\u00e9gression des moindres carr\u00e9s.<\/li>\n<\/ul>\n<h3>3.3 Cons\u00e9quences pour la psychom\u00e9trie naissante<\/h3>\n<p>L&rsquo;introduction du coefficient <span class=\"arabpsy-math-inline\" data-latex=\"r\">$r$<\/span> de Pearson a provoqu\u00e9 une v\u00e9ritable d\u00e9flagration dans les sciences de l&rsquo;esprit naissantes. Jusqu&rsquo;alors, la psychologie scientifique, balbutiante, peinait \u00e0 formaliser ses protocoles de recherche. Les pionniers de la psychologie des diff\u00e9rences individuelles disposaient enfin d&rsquo;un instrument universel permettant d&rsquo;\u00e9valuer de mani\u00e8re rigoureuse le degr\u00e9 d&rsquo;association entre des performances cognitives a priori disparates, comme le temps de r\u00e9action sensorielle, la vitesse de discrimination perceptive, l&rsquo;acuit\u00e9 visuelle et la r\u00e9ussite \u00e0 des \u00e9preuves scolaires complexes.<\/p>\n<p>Le coefficient de corr\u00e9lation produit-moment a constitu\u00e9 le terreau fertile sur lequel la <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Psychom%C3%A9trie\">psychom\u00e9trie<\/a> a b\u00e2ti ses deux piliers fondamentaux : la fid\u00e9lit\u00e9 et la validit\u00e9 des instruments de mesure. Gr\u00e2ce au calcul du <span class=\"arabpsy-math-inline\" data-latex=\"r\">$r$<\/span> de Pearson, il devint pour la premi\u00e8re fois techniquement possible de quantifier la <em>consistance interne<\/em> d&rsquo;une \u00e9preuve psychologique, en examinant la corr\u00e9lation mutuelle entre ses diff\u00e9rents items constitutifs. De m\u00eame, la fid\u00e9lit\u00e9 temporelle &mdash; connue sous le nom de fid\u00e9lit\u00e9 <em>test-retest<\/em> &mdash; a pu \u00eatre formellement d\u00e9finie comme le coefficient de corr\u00e9lation entre les scores obtenus par les m\u00eames sujets soumis \u00e0 deux passations successives d&rsquo;une m\u00eame \u00e9preuve dans des conditions standardis\u00e9es.<\/p>\n<p>De plus, l&rsquo;outil pearsonien a ouvert la voie \u00e0 la validation empirique des crit\u00e8res psychologiques : pour savoir si un test d&rsquo;aptitude mentale nouvellement con\u00e7u mesurait effectivement ce qu&rsquo;il pr\u00e9tendait mesurer, il suffisait d\u00e9sormais d&rsquo;\u00e9tablir la corr\u00e9lation statistique entre les r\u00e9sultats du test et un crit\u00e8re comportemental externe ind\u00e9pendant, comme le jugement des enseignants ou les succ\u00e8s professionnels ult\u00e9rieurs. Sans l&rsquo;invention du coefficient de corr\u00e9lation, la psychom\u00e9trie se serait enlis\u00e9e dans des d\u00e9bats doctrinaux interminables sur la nature abstraite de l&rsquo;intelligence ; avec Pearson, elle s&rsquo;est mu\u00e9e en une discipline de laboratoire capable de traiter math\u00e9matiquement des matrices complexes de covariations humaines.<\/p>\n<h2>4. L&rsquo;invention du test d&rsquo;ad\u00e9quation du Khi-deux (1900)<\/h2>\n<p>\u00c0 l&rsquo;or\u00e9e du vingti\u00e8me si\u00e8cle, Karl Pearson va signer une autre contribution monumentale qui allait fonder la th\u00e9orie moderne de l&rsquo;inf\u00e9rence statistique et transformer pour toujours la recherche empirique dans les sciences du comportement. En juillet 1900, il publie dans le <em>Philosophical Magazine<\/em> un article d&rsquo;une audace m\u00e9thodologique absolue, introduisant ce qui reste aujourd&rsquo;hui le test statistique le plus utilis\u00e9 au monde : le crit\u00e8re d&rsquo;ad\u00e9quation du Khi-deux (<span class=\"arabpsy-math-inline\" data-latex=\"\\chi^2\">$\\chi^2$<\/span>).<\/p>\n<h3>4.1 Gen\u00e8se et formulation th\u00e9orique du test<\/h3>\n<p>La question qui hantait Pearson \u00e0 la fin des ann\u00e9es 1890 \u00e9tait d&rsquo;une clart\u00e9 trompeuse : face \u00e0 un ensemble de donn\u00e9es observationnelles r\u00e9parties dans diff\u00e9rentes classes d&rsquo;intervalles, comment savoir de mani\u00e8re objective si les \u00e9carts constat\u00e9s entre la distribution empirique et une distribution th\u00e9orique postul\u00e9e (telle que la loi normale) r\u00e9sultent de simples fluctuations al\u00e9atoires dues \u00e0 l&rsquo;\u00e9chantillonnage, ou s&rsquo;ils traduisent une inad\u00e9quation fondamentale du mod\u00e8le th\u00e9orique sous-jacent ? Jusqu&rsquo;alors, les chercheurs en \u00e9taient r\u00e9duits \u00e0 un jugement purement subjectif et visuel, superposant une courbe th\u00e9orique sur un histogramme d&rsquo;observations empiriques et d\u00e9cr\u00e9tant, au vu de la proximit\u00e9 apparente, si l&rsquo;ajustement \u00e9tait \u00ab satisfaisant \u00bb.<\/p>\n<p>Pearson balaie cette d\u00e9marche artisanale et con\u00e7oit un crit\u00e8re math\u00e9matique rigoureux. Soit une population partitionn\u00e9e en <span class=\"arabpsy-math-inline\" data-latex=\"k\">$k$<\/span> classes mutuellement exclusives, o\u00f9 <span class=\"arabpsy-math-inline\" data-latex=\"O_i\">$O_i$<\/span> repr\u00e9sente la fr\u00e9quence empiriquement observ\u00e9e dans la classe <span class=\"arabpsy-math-inline\" data-latex=\"i\">$i$<\/span>, et <span class=\"arabpsy-math-inline\" data-latex=\"E_i\">$E_i$<\/span> la fr\u00e9quence th\u00e9orique attendue (<em>expected<\/em>) selon l&rsquo;hypoth\u00e8se nulle sous-jacente. Pearson formalise la distance entre la r\u00e9alit\u00e9 et la th\u00e9orie \u00e0 travers la statistique suivante :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\chi^2 = \\sum_{i=1}^{k} \\frac{(O_i - E_i)^2}{E_i}\">$$\\chi^2 = \\sum_{i=1}^{k} \\frac{(O_i &#8211; E_i)^2}{E_i}$$<\/span><\/p>\n<p>Le tour de force th\u00e9orique de Pearson dans son article de 1900 r\u00e9side dans la d\u00e9rivation analytique de la loi de probabilit\u00e9 continue suivie par cette statistique. D\u00e9montrant que sous des conditions d&rsquo;\u00e9chantillonnage poissonnien ou multinomial, la somme de ces \u00e9carts quadratiques pond\u00e9r\u00e9s tend asymptotiquement vers une loi de distribution sp\u00e9cifique &mdash; la <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Loi_du_%CF%87%C2%B2\">loi du Khi-deux<\/a> &mdash;, Pearson parvient \u00e0 tabuler avec une pr\u00e9cision math\u00e9matique la probabilit\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"P\">$P$<\/span> qu&rsquo;une valeur de <span class=\"arabpsy-math-inline\" data-latex=\"\\chi^2\">$\\chi^2$<\/span> sup\u00e9rieure ou \u00e9gale \u00e0 celle observ\u00e9e puisse se produire par le seul fait du hasard. Si cette probabilit\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"P\">$P$<\/span> s&rsquo;av\u00e8re excessivement faible (par exemple inf\u00e9rieure \u00e0 0,05 ou 0,01), le chercheur se trouve contraint de rejeter l&rsquo;hypoth\u00e8se que la distribution th\u00e9orique choisie est conforme aux donn\u00e9es r\u00e9elles.<\/p>\n<p>Toutefois, la formulation initiale de Pearson contenait une faille subtile qui allait donner lieu \u00e0 l&rsquo;une des controverses les plus c\u00e9l\u00e8bres de l&rsquo;histoire des statistiques. Pearson consid\u00e9rait initialement que le param\u00e8tre gouvernant la distribution &mdash; le nombre de degr\u00e9s de libert\u00e9 &mdash; \u00e9tait simplement \u00e9gal au nombre de classes moins une (<span class=\"arabpsy-math-inline\" data-latex=\"k - 1\">$k &#8211; 1$<\/span>), sans prendre en compte le fait que les param\u00e8tres th\u00e9oriques servant \u00e0 calculer les <span class=\"arabpsy-math-inline\" data-latex=\"E_i\">$E_i$<\/span> (comme la moyenne ou la variance) \u00e9taient souvent eux-m\u00eames estim\u00e9s \u00e0 partir des donn\u00e9es de l&rsquo;\u00e9chantillon. C&rsquo;est Ronald Aylmer Fisher qui corrigera cette erreur dans les ann\u00e9es 1920 en d\u00e9montrant la n\u00e9cessit\u00e9 de soustraire un degr\u00e9 de libert\u00e9 suppl\u00e9mentaire pour chaque param\u00e8tre estim\u00e9, provoquant la col\u00e8re intransigeante du vieux ma\u00eetre.<\/p>\n<h3>4.2 Extension aux tables de contingence<\/h3>\n<p>Pearson ne s&rsquo;arr\u00eate pas au simple test d&rsquo;ad\u00e9quation d&rsquo;une distribution univari\u00e9e \u00e0 une courbe th\u00e9orique. Il r\u00e9alise rapidement que la structure math\u00e9matique du <span class=\"arabpsy-math-inline\" data-latex=\"\\chi^2\">$\\chi^2$<\/span> offre une solution \u00e9l\u00e9gante au probl\u00e8me lancinant de l&rsquo;association entre variables nominales ou qualitatives polygonales. D\u00e8s 1904, dans une publication acad\u00e9mique majeure de la s\u00e9rie des <em>Drapers&rsquo; Company Research Memoirs<\/em>, il \u00e9tend son formalisme aux <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Table_de_contingence\">tables de contingence<\/a> \u00e0 double entr\u00e9e comportant <span class=\"arabpsy-math-inline\" data-latex=\"r\">$r$<\/span> lignes et <span class=\"arabpsy-math-inline\" data-latex=\"c\">$c$<\/span> colonnes.<\/p>\n<p>Dans ce contexte, Pearson montre que l&rsquo;hypoth\u00e8se d&rsquo;ind\u00e9pendance statistique entre deux crit\u00e8res de classification qualitatifs peut \u00eatre test\u00e9e de fa\u00e7on exacte en comparant les effectifs observ\u00e9s dans chaque cellule de la table aux effectifs th\u00e9oriques attendus sous l&rsquo;hypoth\u00e8se que les probabilit\u00e9s marginales se multiplient (<span class=\"arabpsy-math-inline\" data-latex=\"E_{ij} = \\frac{R_i \\cdot C_j}{N}\">$E_{ij} = \\frac{R_i \\cdot C_j}{N}$<\/span>, o\u00f9 <span class=\"arabpsy-math-inline\" data-latex=\"R_i\">$R_i$<\/span> est le total de la ligne et <span class=\"arabpsy-math-inline\" data-latex=\"C_j\">$C_j$<\/span> le total de la colonne). La statistique <span class=\"arabpsy-math-inline\" data-latex=\"\\chi^2\">$\\chi^2$<\/span> somme alors les \u00e9carts normalis\u00e9s sur l&rsquo;ensemble des cellules du tableau.<\/p>\n<p>Pour mesurer la force intrins\u00e8que de l&rsquo;association &mdash; ind\u00e9pendamment de la taille globale de l&rsquo;\u00e9chantillon <span class=\"arabpsy-math-inline\" data-latex=\"N\">$N$<\/span> qui gonfle artificiellement le <span class=\"arabpsy-math-inline\" data-latex=\"\\chi^2\">$\\chi^2$<\/span> brut &mdash;, Pearson \u00e9labore le <em>coefficient de contingence moyenne<\/em> (g\u00e9n\u00e9ralement not\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"C\">$C$<\/span>) :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"C = \\sqrt{\\frac{\\chi^2}{N + \\chi^2}}\">$$C = \\sqrt{\\frac{\\chi^2}{N + \\chi^2}}$$<\/span><\/p>\n<p>Cette extension constitue une avanc\u00e9e ph\u00e9nom\u00e9nale pour la nosographie m\u00e9dicale, la sociologie et la psychopathologie naissante. Pour la premi\u00e8re fois, les ali\u00e9nistes et les pionniers de la psychiatrie d&rsquo;observation peuvent v\u00e9rifier si certains sympt\u00f4mes cliniques sp\u00e9cifiques sont significativement associ\u00e9s \u00e0 des cat\u00e9gories diagnostiques particuli\u00e8res, sans d\u00e9pendre de corr\u00e9lations num\u00e9riques d&rsquo;intervalles impossibles \u00e0 \u00e9tablir pour des \u00e9tats mentaux qualitatifs. La classification des troubles mentaux pouvait enfin s&rsquo;ancrer dans l&rsquo;analyse de tableaux crois\u00e9s m\u00e9thodologiquement rigoureux.<\/p>\n<h3>4.3 R\u00e9volution m\u00e9thodologique dans les sciences du comportement<\/h3>\n<p>L&rsquo;introduction du test du Khi-deux repr\u00e9sente un point de rupture \u00e9pist\u00e9mologique absolu. Avant 1900, la science exp\u00e9rimentale et observationnelle vivait sous le r\u00e9gime de l&rsquo;affirmation d&rsquo;hypoth\u00e8ses inv\u00e9rifiables : lorsqu&rsquo;un \u00e9cart apparaissait entre une th\u00e9orie et des donn\u00e9es, aucun protocole norm\u00e9 ne permettait de trancher rationnellement entre le r\u00f4le du bruit stochastique et la fausset\u00e9 de l&rsquo;hypoth\u00e8se. Pearson dote la communaut\u00e9 savante du tout premier v\u00e9ritable protocole universel de test de rejet d&rsquo;hypoth\u00e8se statistique, anticipant de plusieurs d\u00e9cennies les travaux formels de Jerzy Neyman et de son propre fils, Egon Sharpe Pearson.<\/p>\n<p>Dans les sciences du comportement, le premier impact direct de ce test fut de pulv\u00e9riser ce que l&rsquo;on pourrait nommer le \u00ab dogme de la normalit\u00e9 universelle \u00bb. \u00c0 la suite de l&rsquo;astronome belge Adolphe Quetelet, il \u00e9tait alors universellement admis que toute caract\u00e9ristique humaine &mdash; qu&rsquo;elle soit d&rsquo;ordre physique, comme le tour de poitrine, ou d&rsquo;ordre psychologique, comme le courage ou la m\u00e9moire &mdash; se devait de suivre rigoureusement la courbe en cloche de Gauss. Pearson utilise son test du <span class=\"arabpsy-math-inline\" data-latex=\"\\chi^2\">$\\chi^2$<\/span> pour soumettre cette croyance \u00e0 la torture des donn\u00e9es empiriques r\u00e9elles. Il prouve de mani\u00e8re \u00e9clatante qu&rsquo;une multitude de distributions de traits de personnalit\u00e9, d&rsquo;aptitudes cognitives et d&rsquo;attitudes psychosociales s&rsquo;\u00e9cartent tr\u00e8s lourdement et significativement de la loi normale, r\u00e9v\u00e9lant des asym\u00e9tries et des aplatissements structurels.<\/p>\n<p>En lib\u00e9rant les chercheurs de l&rsquo;obligation de pr\u00e9sumer la normalit\u00e9 de leurs distributions, le test du Khi-deux a conf\u00e9r\u00e9 une autonomie m\u00e9thodologique in\u00e9dite \u00e0 l&rsquo;analyse des donn\u00e9es d&rsquo;enqu\u00eates psychosociales \u00e0 grande \u00e9chelle. Les sociologues et les psychologues pouvaient d\u00e9sormais collecter des opinions dichotomiques, des classifications d&rsquo;aptitudes discr\u00e8tes, des typologies de conduites individuelles et tester de mani\u00e8re inf\u00e9rentielle et objective des hypoth\u00e8ses sociologiques complexes, posant ainsi les jalons des protocoles d&rsquo;\u00e9chantillonnage de masse qui fleuriront tout au long du vingti\u00e8me si\u00e8cle.<\/p>\n<h2>5. La mod\u00e9lisation de la r\u00e9gression et les pr\u00e9mices de l&rsquo;analyse multivari\u00e9e<\/h2>\n<p>L&rsquo;inventivit\u00e9 de Karl Pearson ne s&rsquo;est pas arr\u00eat\u00e9e \u00e0 la formalisation bivari\u00e9e. Tr\u00e8s t\u00f4t conscient que la complexit\u00e9 des organismes vivants et des conduites humaines d\u00e9coule de l&rsquo;action simultan\u00e9e d&rsquo;une pluralit\u00e9 de causes en interaction, Pearson a d\u00e9velopp\u00e9 les fondements math\u00e9matiques de l&rsquo;analyse statistique multivari\u00e9e, cr\u00e9ant des outils qui sont aujourd&rsquo;hui au c\u0153ur de la mod\u00e9lisation statistique avanc\u00e9e et de l&rsquo;apprentissage automatique.<\/p>\n<h3>5.1 La r\u00e9gression lin\u00e9aire et non lin\u00e9aire<\/h3>\n<p>Si Francis Galton avait intuit\u00e9 le ph\u00e9nom\u00e8ne de r\u00e9gression, Pearson l&rsquo;int\u00e8gre au formalisme analytique du calcul diff\u00e9rentiel et de la m\u00e9thode des moindres carr\u00e9s d\u00e9velopp\u00e9e \u00e0 l&rsquo;origine par Carl Friedrich Gauss et Adrien-Marie Legendre pour les erreurs astronomiques. Pearson d\u00e9montre que la meilleure droite de pr\u00e9diction de la variable <span class=\"arabpsy-math-inline\" data-latex=\"Y\">$Y$<\/span> \u00e0 partir de la variable <span class=\"arabpsy-math-inline\" data-latex=\"X\">$X$<\/span> &mdash; celle qui minimise la somme des carr\u00e9s des \u00e9carts verticaux entre les valeurs observ\u00e9es et les valeurs pr\u00e9dites &mdash; poss\u00e8de une \u00e9quation analytique directe :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\hat{Y} - \\bar{Y} = b_{yx} (X - \\bar{X}) \\quad \\text{a\\vec} \\quad b_{yx} = r \\frac{\\sigma_Y}{\\sigma_X}\">$$\\hat{Y} &#8211; \\bar{Y} = b_{yx} (X &#8211; \\bar{X}) \\quad \\text{a\\vec} \\quad b_{yx} = r \\frac{\\sigma_Y}{\\sigma_X}$$<\/span><\/p>\n<p>Dans ce mod\u00e8le, le coefficient de r\u00e9gression empirique <span class=\"arabpsy-math-inline\" data-latex=\"b_{yx}\">$b_{yx}$<\/span> exprime pr\u00e9cis\u00e9ment de combien d&rsquo;unit\u00e9s d&rsquo;\u00e9cart-type la variable d\u00e9pendante varie lorsque la variable ind\u00e9pendante progresse d&rsquo;une unit\u00e9. Pearson d\u00e9rive rigoureusement la variance r\u00e9siduelle de pr\u00e9diction, formalisant l&rsquo;<a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Erreur_type\">erreur standard<\/a> d&rsquo;estimation :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"s_{e}^2 = \\sigma_Y^2 (1 - r^2)\">$$s_{e}^2 = \\sigma_Y^2 (1 &#8211; r^2)$$<\/span><\/p>\n<p>Cette \u00e9quation illustre de fa\u00e7on limpide le fait fondamental que la dispersion des observations autour de la droite de r\u00e9gression d\u00e9cro\u00eet \u00e0 mesure que le coefficient de corr\u00e9lation <span class=\"arabpsy-math-inline\" data-latex=\"r\">$r$<\/span> s&rsquo;approche de <span class=\"arabpsy-math-inline\" data-latex=\"+1\">$+1$<\/span> ou <span class=\"arabpsy-math-inline\" data-latex=\"-1\">$-1$<\/span>, d\u00e9montrant la compl\u00e9mentarit\u00e9 analytique parfaite entre les concepts de r\u00e9gression et de corr\u00e9lation.<\/p>\n<p>Reconnaissant que la nature n&rsquo;est pas toujours complaisamment lin\u00e9aire, Pearson va plus loin en d\u00e9frichant le champ des r\u00e9gressions non lin\u00e9aires ou curvilignes. Dans un m\u00e9moire magistral de 1905 intitul\u00e9 <em>On the General Theory of Skew Correlation and Non-linear Regression<\/em>, il invente le rapport de corr\u00e9lation, universellement d\u00e9sign\u00e9 par la lettre grecque <span class=\"arabpsy-math-inline\" data-latex=\"eta\">$eta$<\/span> (\u00eata). Le rapport de corr\u00e9lation <span class=\"arabpsy-math-inline\" data-latex=\"eta\">$eta$<\/span> permet de quantifier l&rsquo;intensit\u00e9 de l&rsquo;association fonctionnelle entre deux variables, que cette association prenne une forme parabolique, logarithmique ou oscillatoire. Ce ratio pr\u00e9figure ce que l&rsquo;on appellera plus tard dans le cadre de l&rsquo;analyse de la variance la d\u00e9composition de la variance totale en variance inter-classes et variance intra-classes, conf\u00e9rant aux psychologues un outil pr\u00e9cieux pour mod\u00e9liser des lois comportementales complexes telles que la loi de Yerkes-Dodson, reliant la performance \u00e0 l&rsquo;\u00e9tat de vigilance selon une courbe en cloche invers\u00e9e.<\/p>\n<h3>5.2 La corr\u00e9lation partielle et multiple<\/h3>\n<p>Dans les sciences humaines et biologiques, un observateur se heurte continuellement au probl\u00e8me des corr\u00e9lations illusoires (ou fallacieuses) : deux variables peuvent sembler hautement corr\u00e9l\u00e9es uniquement parce qu&rsquo;elles subissent toutes deux l&rsquo;influence conjointe d&rsquo;une troisi\u00e8me variable non contr\u00f4l\u00e9e. Pearson s&rsquo;attaque \u00e0 ce probl\u00e8me th\u00e9orique et d\u00e9rive math\u00e9matiquement les \u00e9quations exactes de la <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Corr%C3%A9lation_partielle\">corr\u00e9lation partielle<\/a>.<\/p>\n<p>Pour trois variables <span class=\"arabpsy-math-inline\" data-latex=\"X\">$X$<\/span>, <span class=\"arabpsy-math-inline\" data-latex=\"Y\">$Y$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"Z\">$Z$<\/span>, le coefficient de corr\u00e9lation partielle de premier ordre de <span class=\"arabpsy-math-inline\" data-latex=\"X\">$X$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"Y\">$Y$<\/span>, sous contr\u00f4le de la variable <span class=\"arabpsy-math-inline\" data-latex=\"Z\">$Z$<\/span>, s&rsquo;\u00e9crit selon la c\u00e9l\u00e8bre formule pearsonienne :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"r_{xy.z} = \\frac{r_{xy} - r_{xz}r_{yz}}{\\sqrt{(1 - r_{xz}^2)(1 - r_{yz}^2)}}\">$$r_{xy.z} = \\frac{r_{xy} &#8211; r_{xz}r_{yz}}{\\sqrt{(1 &#8211; r_{xz}^2)(1 &#8211; r_{yz}^2)}}$$<\/span><\/p>\n<p>Cette \u00e9quation analytique permet de purger math\u00e9matiquement la covariance brute entre deux traits de l&rsquo;influence perturbatrice ou m\u00e9diatrice exerc\u00e9e par un troisi\u00e8me facteur. Pearson l&rsquo;\u00e9tend imm\u00e9diatement aux corr\u00e9lations multiples de dimensions sup\u00e9rieures, permettant de mesurer le degr\u00e9 d&rsquo;association globale d&rsquo;une variable crit\u00e8re avec un ensemble conjoint de pr\u00e9dicteurs distincts (<span class=\"arabpsy-math-inline\" data-latex=\"R_{y.x_1 x_2 dots x_p}\">$R_{y.x_1 x_2 dots x_p}$<\/span>).<\/p>\n<p>Cette avanc\u00e9e a des cons\u00e9quences conceptuelles colossales pour les sciences comportementales et sociales. En effet, elle offre la possibilit\u00e9 technique de conduire des exp\u00e9rimentations statistiques l\u00e0 o\u00f9 l&rsquo;exp\u00e9rimentation en laboratoire est \u00e9thiquement ou mat\u00e9riellement impossible. Les sociologues et les psychologues diff\u00e9rentiels peuvent d\u00e9sormais \u00ab neutraliser statistiquement \u00bb des variables de confusion majeures telles que l&rsquo;\u00e2ge, l&rsquo;origine sociale ou le niveau d&rsquo;\u00e9ducation, afin d&rsquo;observer si une relation r\u00e9siduelle persiste r\u00e9ellement entre des facteurs psychologiques postul\u00e9s et des comportements cibles. Par cette contribution, Pearson jette les bases logiques et math\u00e9matiques de ce qui deviendra la mod\u00e9lisation par \u00e9quations structurelles et la r\u00e9gression multivari\u00e9e contemporaine.<\/p>\n<h3>5.3 L&rsquo;analyse des composantes principales (1901)<\/h3>\n<p>Parmi les tr\u00e9sors th\u00e9oriques l\u00e9gu\u00e9s par Karl Pearson, l&rsquo;un des plus visionnaires figure dans un article publi\u00e9 en novembre 1901 dans le <em>Philosophical Magazine<\/em> sous le titre aust\u00e8re : <em>On Lines and Planes of Closest Fit to Systems of Points in Space<\/em>. Dans ce travail, Pearson pose sans le savoir le premier jalon de l&rsquo;apprentissage statistique non supervis\u00e9 et de la r\u00e9duction dimensionnelle en formulant la m\u00e9thode de l&rsquo;<a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Analyse_en_composantes_principales\">analyse en composantes principales (ACP)<\/a>, red\u00e9couverte ind\u00e9pendamment des d\u00e9cennies plus tard par Harold Hotelling en 1933.<\/p>\n<p>Pearson se pose un probl\u00e8me purement g\u00e9om\u00e9trique : si l&rsquo;on dispose d&rsquo;un nuage de <span class=\"arabpsy-math-inline\" data-latex=\"N\">$N$<\/span> points distribu\u00e9s dans un espace euclidien multidimensionnel \u00e0 <span class=\"arabpsy-math-inline\" data-latex=\"p\">$p$<\/span> coordonn\u00e9es corr\u00e9l\u00e9es (repr\u00e9sentant par exemple <span class=\"arabpsy-math-inline\" data-latex=\"p\">$p$<\/span> mesures morphologiques ou cognitives effectu\u00e9es sur un groupe d&rsquo;individus), comment trouver la droite, le plan ou l&rsquo;hyperplan de dimension $k < p$ qui s'ajuste au plus pr\u00e8s de ce nuage, en minimisant la somme des carr\u00e9s des distances perpendiculaires orthogonales (et non pas verticales comme dans la r\u00e9gression standard) entre les points et la sous-vari\u00e9t\u00e9 g\u00e9om\u00e9trique ?<\/p>\n<p>Mobilisant la th\u00e9orie spectrale des formes quadratiques et le calcul matriciel, Pearson d\u00e9montre que la direction de la droite de meilleur ajustement &mdash; la premi\u00e8re composante principale &mdash; correspond pr\u00e9cis\u00e9ment au vecteur propre associ\u00e9 \u00e0 la plus grande valeur propre de la matrice de covariance (ou de corr\u00e9lation) des donn\u00e9es. Cette droite capture la part maximale de la variance totale dispers\u00e9e par le nuage de points. Les directions suivantes, mutuellement orthogonales, capturent s\u00e9quentiellement le maximum de la variance r\u00e9siduelle restante.<\/p>\n<p>Cette d\u00e9couverte fournit la charpente g\u00e9om\u00e9trique et math\u00e9matique de toute l&rsquo;analyse multivari\u00e9e moderne. En psychom\u00e9trie, cette transformation orthogonale permet de convertir un faisceau touffu de dizaines de scores de tests corr\u00e9l\u00e9s en un petit nombre de variables latentes d\u00e9corr\u00e9l\u00e9es (les axes principaux), r\u00e9duisant la complexit\u00e9 cognitive d&rsquo;un tableau de donn\u00e9es sans perte substantielle d&rsquo;information. Cet article de 1901 est le socle sur lequel \u00e9mergeront imm\u00e9diatement apr\u00e8s les travaux de Charles Spearman sur la factorisation psychom\u00e9trique de l&rsquo;intelligence et l&rsquo;\u00e9valuation structur\u00e9e de la personnalit\u00e9.<\/p>\n<h2>6. Le laboratoire de biom\u00e9trie de l&rsquo;UCL et la revue Biometrika<\/h2>\n<p>Le g\u00e9nie de Karl Pearson ne s&rsquo;est pas d\u00e9ploy\u00e9 dans un splendide isolement sp\u00e9culatif ; il s&rsquo;est doubl\u00e9 d&rsquo;un talent exceptionnel d&rsquo;administrateur, d&rsquo;organisateur de la recherche et d&rsquo;entrepreneur acad\u00e9mique. Conscient que ses innovations calculatoires risquaient de rester lettre morte sans structures institutionnelles d\u00e9di\u00e9es, Pearson a b\u00e2ti \u00e0 l&rsquo;University College de Londres le premier p\u00f4le mondial de statistique universitaire et s&rsquo;est dot\u00e9 de ses propres canaux de diffusion savante.<\/p>\n<h3>6.1 Institutionnalisation de la statistique universitaire<\/h3>\n<p>D\u00e8s le milieu des ann\u00e9es 1890, Pearson r\u00e9alise que le traitement des immenses corpus de donn\u00e9es biologiques et anthropologiques requiert des infrastructures mat\u00e9rielles et logistiques adapt\u00e9es. En 1895, avec l&rsquo;appui financier de comit\u00e9s de la Royal Society et de m\u00e9c\u00e8nes industriels comme la Worshipful Company of Drapers, il fonde au sein de l&rsquo;UCL le <em>Biometric Laboratory<\/em>. C&rsquo;est un espace de recherche hybride, \u00e0 la fois laboratoire de m\u00e9trologie \u00e9quip\u00e9 d&rsquo;instruments anthropom\u00e9triques de pr\u00e9cision (compas de Spearman, c\u00e9phalom\u00e8tres, toises d&rsquo;\u00e9talonnage) et atelier de calcul intensif.<\/p>\n<p>Le couronnement institutionnel de cet effort survient en 1911. \u00c0 la suite du d\u00e9c\u00e8s de son mentor Francis Galton, qui l\u00e8gue sa fortune \u00e0 l&rsquo;UCL pour y cr\u00e9er une chaire consacr\u00e9e \u00e0 l&rsquo;\u00e9tude quantitative de l&rsquo;h\u00e9r\u00e9dit\u00e9, Pearson est nomm\u00e9 \u00e0 la t\u00eate de cette nouvelle chaire. Fusionnant son laboratoire de biom\u00e9trie avec le laboratoire Galton, il cr\u00e9e le tout premier <strong>d\u00e9partement de statistique universitaire au monde<\/strong>. Ce d\u00e9partement ne ressemble \u00e0 rien de ce qui existait auparavant : il rompt avec les chaires de math\u00e9matiques pures en int\u00e9grant une dimension r\u00e9solument appliqu\u00e9e, exp\u00e9rimentale et num\u00e9rique.<\/p>\n<p>Pearson y instaure des programmes de formation intensifs, accueillant des boursiers, des biologistes, des m\u00e9decins, des psychiatres et des officiers coloniaux venus des quatre coins du globe &mdash; notamment des \u00c9tats-Unis, du Japon, de l&rsquo;Inde et d&rsquo;Europe continentale. Les \u00e9tudiants y apprennent l&rsquo;art de concevoir des protocoles de recueil d&rsquo;observations, de v\u00e9rifier la coh\u00e9rence des bases de donn\u00e9es et d&rsquo;ex\u00e9cuter des calculs matriciels complexes. Ce d\u00e9partement forme la premi\u00e8re g\u00e9n\u00e9ration de statisticiens professionnels de la plan\u00e8te, essaimant les m\u00e9thodes quantitatives au sein des facult\u00e9s de m\u00e9decine, des d\u00e9partements de sociologie et des premiers laboratoires de psychologie exp\u00e9rimentale.<\/p>\n<h3>6.2 La cr\u00e9ation et la gouvernance de la revue &lsquo;Biometrika&rsquo;<\/h3>\n<p>Au tournant du si\u00e8cle, Pearson et son ami le zoologiste Walter Weldon se heurtent \u00e0 l&rsquo;incompr\u00e9hension croissante de l&rsquo;establishment scientifique victorien. La v\u00e9n\u00e9rable Royal Society, domin\u00e9e par des anatomistes et des morphologistes de formation classique, supporte de plus en plus mal l&rsquo;avalanche de formules int\u00e9grales, d&rsquo;\u00e9quations diff\u00e9rentielles et de tables de probabilit\u00e9s qui saturent les manuscrits biom\u00e9triques soumis par Pearson. En novembre 1900, \u00e0 la suite du rejet houleux d&rsquo;un article de Weldon portant sur la s\u00e9lection naturelle chez les escargots au motif que la biologie ne devait pas devenir une branche des math\u00e9matiques, la rupture est consomm\u00e9e.<\/p>\n<p>Refusant toute censure et tout compromis \u00e9ditorial, Pearson r\u00e9unit Weldon et Galton pour cr\u00e9er une publication enti\u00e8rement ind\u00e9pendante. En octobre 1901 para\u00eet le premier fascicule de <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Biometrika\">Biometrika<\/a>, sous-titr\u00e9e <em>A Journal for the Statistical Study of Biological Problems<\/em>. Financ\u00e9e en partie par Galton, la revue proclame dans son manifeste inaugural son intention d&rsquo;appliquer la m\u00e9thode statistique \u00e0 tous les aspects de la th\u00e9orie de l&rsquo;\u00e9volution, reliant intimement les sciences de la vie et le calcul des probabilit\u00e9s. Pearson prend les commandes de la r\u00e9daction en chef, fonction qu&rsquo;il exercera avec une poigne de fer et une minutie tyrannique pendant plus de trente-cinq ans, jusqu&rsquo;\u00e0 son d\u00e9c\u00e8s en 1936.<\/p>\n<p>Sous la direction dictatoriale mais \u00e9clair\u00e9e de Pearson, <em>Biometrika<\/em> devient le sanctuaire de l&rsquo;innovation statistique internationale. C&rsquo;est dans ses colonnes que sont publi\u00e9es les tables statistiques fondamentales indispensables aux calculs pr\u00e9-informatiques, que sont expos\u00e9s les d\u00e9veloppements th\u00e9oriques les plus novateurs sur les distributions d&rsquo;erreurs et que sont diss\u00e9qu\u00e9es des masses colossales de donn\u00e9es sur la stature humaine, la pigmentation des yeux, les corr\u00e9lations criminologiques ou les traits psychologiques. La revue s&rsquo;impose comme le mod\u00e8le incontournable des futures grandes revues quantitatives du vingti\u00e8me si\u00e8cle.<\/p>\n<h3>6.3 Protocoles de collecte de donn\u00e9es anthropom\u00e9triques et mentales<\/h3>\n<p>Le laboratoire de biom\u00e9trie de l&rsquo;UCL ne se contentait pas de mod\u00e9liser les donn\u00e9es des autres : il constituait lui-m\u00eame une colossale machinerie de collecte empirique. Pearson orchestre des campagnes massives de mensurations \u00e0 travers le Royaume-Uni. Il mobilise des r\u00e9seaux d&rsquo;instituteurs, de directeurs de coll\u00e8ges, de directeurs d&rsquo;asiles psychiatriques et de m\u00e9decins de prison, distribuant des milliers de formulaires d&rsquo;enqu\u00eate standardis\u00e9s. L&rsquo;une de ses entreprises les plus remarquables est sa vaste enqu\u00eate sur la fratrie men\u00e9e au tout d\u00e9but des ann\u00e9es 1900, o\u00f9 plus de 4 000 paires de fr\u00e8res et s\u0153urs sont \u00e9valu\u00e9es tant pour des traits physiques (taille, envergure des bras, couleur des cheveux, indice c\u00e9phalique) que pour des caract\u00e9ristiques psychologiques et comportementales (vivacit\u00e9 d&rsquo;esprit, assiduit\u00e9, timidit\u00e9, temp\u00e9rament col\u00e9rique, go\u00fbt du sport).<\/p>\n<p>Pour mener \u00e0 bien le d\u00e9pouillement et l&rsquo;analyse de ces montagnes de donn\u00e9es avant l&rsquo;invention des ordinateurs \u00e9lectroniques, Pearson met sur pied un mod\u00e8le pionnier d&rsquo;organisation du travail : l&#8217;emploi de \u00ab calculatrices humaines \u00bb (<em>human computers<\/em>). Dans un univers acad\u00e9mique victorien extr\u00eamement misogyne qui fermait ses portes aux femmes scientifiques, Pearson fait le choix d&#8217;embaucher de jeunes femmes hautement dipl\u00f4m\u00e9es en math\u00e9matiques de Girton ou Newnham College \u00e0 Cambridge. Des calculatrices de g\u00e9nie comme <a rel=\"noopener noreferrer\" href=\"https:\/\/en.wikipedia.org\/wiki\/Alice_Lee_(mathematician)\">Alice Lee<\/a>, Julia Bell, Ethel Elderton ou Beatrice Cave deviennent des collaboratrices scientifiques de premier plan au sein de son laboratoire.<\/p>\n<p>Munies de machines \u00e0 calculer m\u00e9caniques \u00e0 manivelle (telles que les calculateurs Brunsviga et Millionnaire), ces chercheuses passent des journ\u00e9es enti\u00e8res \u00e0 tabuler des sommes de carr\u00e9s, \u00e0 d\u00e9river des moments d&rsquo;ordre sup\u00e9rieur et \u00e0 inverser manuellement des matrices de covariance complexes. Loin d&rsquo;\u00eatre de simples op\u00e9ratrices ex\u00e9cutantes, ces femmes co-signent des articles majeurs, Alice Lee soutenant notamment en 1901 une th\u00e8se de doctorat sous la direction de Pearson qui pulv\u00e9rise les pr\u00e9suppos\u00e9s cr\u00e2niologiques de l&rsquo;\u00e9poque en d\u00e9montrant par la corr\u00e9lation statistique l&rsquo;absence totale de lien significatif entre la capacit\u00e9 cr\u00e2nienne et le niveau d&rsquo;intelligence intellectuelle mesur\u00e9 chez des savants et des \u00e9tudiants.<\/p>\n<h2>7. L&rsquo;engagement eug\u00e9niste et les \u00e9tudes quantitatives de l&rsquo;h\u00e9r\u00e9dit\u00e9<\/h2>\n<p>Il est rigoureusement impossible de restituer fid\u00e8lement la figure historique de Karl Pearson sans affronter au c\u0153ur son engagement ind\u00e9fectible en faveur du mouvement eug\u00e9niste. L&rsquo;\u00e9laboration de la bo\u00eete \u00e0 outils statistique pearsonienne n&rsquo;a pas \u00e9t\u00e9 con\u00e7ue dans une tour d&rsquo;ivoire de puret\u00e9 axiomatique ; elle s&rsquo;est trouv\u00e9e intimement li\u00e9e au projet id\u00e9ologique d&rsquo;une r\u00e9gulation biologique et rationnelle de l&rsquo;esp\u00e8ce humaine, inscrite dans l&rsquo;imp\u00e9rialisme triomphant de l&rsquo;\u00e8re victorienne et \u00e9douardienne.<\/p>\n<h3>7.1 Direction du Laboratoire Galton d&rsquo;eug\u00e9nisme national<\/h3>\n<p>Le terme d&rsquo;\u00ab eug\u00e9nisme \u00bb avait \u00e9t\u00e9 forg\u00e9 en 1883 par Francis Galton pour d\u00e9signer l&rsquo;\u00e9tude des facteurs sous contr\u00f4le social susceptibles d&rsquo;am\u00e9liorer ou d&rsquo;alt\u00e9rer les qualit\u00e9s de la lign\u00e9e des g\u00e9n\u00e9rations futures, sur le plan physique comme mental. Lorsque Galton meurt en janvier 1911, son testament confie \u00e0 Karl Pearson la mission sacr\u00e9e de perp\u00e9tuer cette doctrine \u00e0 l&rsquo;UCL en prenant la direction du <em>Galton Laboratory for National Eugenics<\/em>. Pearson accepte avec ferveur, concevant cette fonction comme l&rsquo;aboutissement logique de son projet scientiste.<\/p>\n<p>Dans sa vision, qu&rsquo;il d\u00e9fend au sein de trait\u00e9s percutants comme <em>National Life from the Standpoint of Science<\/em> (1901), Pearson se r\u00e9clame d&rsquo;un \u00ab socialisme eug\u00e9niste \u00bb autoritaire et technocratique, radicalement distinct du laissez-faire lib\u00e9ral de la bourgeoisie capitaliste victorienne. Pour Pearson, l&rsquo;\u00c9tat moderne a pour devoir imp\u00e9rieux d&rsquo;intervenir scientifiquement dans les processus reproductifs de la soci\u00e9t\u00e9 afin d&rsquo;enrayer ce qu&rsquo;il diagnostique comme une d\u00e9g\u00e9n\u00e9rescence biologique imminente de la race britannique. Il promeut simultan\u00e9ment un \u00ab eug\u00e9nisme positif \u00bb, encourageant par des mesures d&rsquo;incitation \u00e9conomique la procr\u00e9ation des \u00e9lites intellectuelles et morales du pays, et un \u00ab eug\u00e9nisme n\u00e9gatif \u00bb, pr\u00f4nant la restriction drastique de la reproduction des individus porteurs de tares h\u00e9r\u00e9ditaires physiques ou mentales.<\/p>\n<p>En 1925, afin de contourner les contraintes de <em>Biometrika<\/em> et d&rsquo;offrir une tribune d&rsquo;analyse quantitative exclusive \u00e0 ses th\u00e8ses g\u00e9n\u00e9tiques et nosologiques, Pearson lance une nouvelle revue internationale de haut niveau : les <em>Annals of Eugenics<\/em> (rebaptis\u00e9e en 1954 de fa\u00e7on plus neutre <em>Annals of Human Genetics<\/em>). Durant plus d&rsquo;une d\u00e9cennie, Pearson et ses assistants y accumulent des g\u00e9n\u00e9alogies gigantesques et des mod\u00e8les math\u00e9matiques sophistiqu\u00e9s pour tracer la transmission de pathologies comme l&rsquo;albinisme, les malformations oculaires cong\u00e9nitales, la surdit\u00e9 h\u00e9r\u00e9ditaire, mais aussi ce qu&rsquo;ils cataloguaient sans discernement sociologique sous les \u00e9tiquettes de \u00ab d\u00e9bilit\u00e9 mentale \u00bb (<em>feeble-mindedness<\/em>), de \u00ab criminalit\u00e9 habituelle \u00bb ou d&rsquo;\u00ab alcoolisme chronique \u00bb.<\/p>\n<h3>7.2 Tentatives de quantification de l&rsquo;h\u00e9r\u00e9dit\u00e9 de l&rsquo;intelligence et du caract\u00e8re<\/h3>\n<p>L&rsquo;un des chantiers les plus controvers\u00e9s de Pearson au sein du laboratoire Galton concerne la quantification math\u00e9matique de la transmission de l&rsquo;intelligence et du temp\u00e9rament moral. S&rsquo;appuyant sur ses massives enqu\u00eates scolaires portant sur des milliers de fratries, Pearson calcule m\u00e9thodiquement les coefficients de corr\u00e9lation produit-moment pour des traits physiques mesurables (comme la stature ou la port\u00e9e des bras) et trouve des valeurs moyennes situ\u00e9es de fa\u00e7on remarquablement constante autour de <span class=\"arabpsy-math-inline\" data-latex=\"r \\approx 0,50\">$r \\approx 0,50$<\/span> entre fr\u00e8res et s\u0153urs.<\/p>\n<p>Appliquant ensuite le m\u00eame protocole d&rsquo;analyse aux \u00e9valuations qualitatives de l&rsquo;intelligence scolaire et du caract\u00e8re fournies par les ma\u00eetres d&rsquo;\u00e9cole (gradu\u00e9es selon des \u00e9chelles d&rsquo;association de contingence), Pearson obtient des coefficients de corr\u00e9lation fraternelle quasiment identiques, oscillant invariablement entre $0,45$ et $0,52$. De cette stricte \u00e9galit\u00e9 num\u00e9rique des coefficients, Pearson tire une conclusion cat\u00e9gorique qui deviendra le dogme de sa vie : les facult\u00e9s intellectuelles, la pers\u00e9v\u00e9rance, la moralit\u00e9 et les conduites sociales sont h\u00e9rit\u00e9es exactement de la m\u00eame mani\u00e8re, dans les m\u00eames proportions et par les m\u00eames m\u00e9canismes biologiques que les caract\u00e8res physiques les plus indiscutables comme la forme du cr\u00e2ne ou la longueur du f\u00e9mur.<\/p>\n<p>Ce faisant, Pearson commet une erreur de raisonnement \u00e9pist\u00e9mologique et m\u00e9thodologique fondamentale qu&rsquo;il avait pourtant pourfendue en th\u00e9orie : il confond corr\u00e9lation et causalit\u00e9 g\u00e9n\u00e9tique exclusive. Il sous-estime d\u00e9lib\u00e9r\u00e9ment l&rsquo;impact colossal de l&rsquo;environnement \u00e9ducatif, du statut socio-\u00e9conomique des familles, de la nutrition infantile et des repr\u00e9sentations subjectives des \u00e9valuateurs scolaires de l&rsquo;\u00e9poque. Persuad\u00e9 que l&rsquo;environnement (\u00ab nurture \u00bb) n&rsquo;a qu&rsquo;un effet n\u00e9gligeable &mdash; qu&rsquo;il \u00e9value dogmatiquement \u00e0 moins d&rsquo;un cinqui\u00e8me de l&rsquo;effet de l&rsquo;h\u00e9r\u00e9dit\u00e9 (\u00ab nature \u00bb) &mdash;, Pearson s&rsquo;oppose violemment aux r\u00e9formes \u00e9ducatives et sanitaires progressistes de son temps, affirmant publiquement que d\u00e9penser l&rsquo;argent public pour am\u00e9liorer les conditions de vie des classes d\u00e9favoris\u00e9es de l&rsquo;East End londonien revient \u00e0 gaspiller des ressources pour un substrat biologique vici\u00e9 incapable d&rsquo;am\u00e9lioration adaptative.<\/p>\n<h3>7.3 Analyse critique et r\u00e9\u00e9valuation \u00e9thique contemporaine<\/h3>\n<p>Avec le recul de l&rsquo;histoire et les progr\u00e8s de la g\u00e9n\u00e9tique quantitative moderne, l&rsquo;entreprise eug\u00e9niste pearsonienne appara\u00eet pour ce qu&rsquo;elle fut : une hybridation tragique entre une virtuosit\u00e9 statistique indiscutable et un aveuglement id\u00e9ologique nourri par les pr\u00e9jug\u00e9s imp\u00e9riaux et \u00e9litistes de l&rsquo;Angleterre de son \u00e9poque. Les \u00e9tudes men\u00e9es par Pearson sur les enfants d&rsquo;immigrants juifs nouvellement arriv\u00e9s dans le quartier de Whitechapel \u00e0 Londres dans les ann\u00e9es 1920 illustrent avec une cruaut\u00e9 saisissante les d\u00e9rives auxquelles ses outils ont pr\u00eat\u00e9 leur concours. Par des indices anthropom\u00e9triques biais\u00e9s, Pearson pr\u00e9tendait prouver que ces populations pr\u00e9sentaient un mat\u00e9riel biologique inf\u00e9rieur \u00e0 la souche native britannique, ignorant m\u00e9thodologiquement les traumatismes de l&rsquo;\u00e9migration, les barri\u00e8res linguistiques et la pauvret\u00e9 extr\u00eame de ces foyers.<\/p>\n<p>L&rsquo;historiographie contemporaine des sciences a minutieusement d\u00e9construit cette contamination id\u00e9ologique des instruments d&rsquo;\u00e9valuation biom\u00e9trique. Les travaux d&rsquo;historiens comme Donald MacKenzie (<em>Statistics in Britain, 1865-1930: The Social Construction of Scientific Knowledge<\/em>) ont magistralement mis en \u00e9vidence comment les concepts m\u00eames de corr\u00e9lation, de contingence et d&rsquo;\u00e9cart-type n&rsquo;\u00e9taient pas des objets \u00e9thiquement neutres flottant dans un ciel platonicien pur, mais avaient \u00e9t\u00e9 con\u00e7us et calibr\u00e9s pour r\u00e9pondre \u00e0 des interrogations socio-d\u00e9mographiques hautement orient\u00e9es, relatives au tri s\u00e9lectif et \u00e0 la pr\u00e9servation de l&rsquo;h\u00e9g\u00e9monie de classe au sein de l&rsquo;Empire britannique.<\/p>\n<p>Cette r\u00e9alit\u00e9 a conduit les institutions universitaires contemporaines \u00e0 r\u00e9\u00e9valuer courageusement leur propre m\u00e9moire historique. En 2020, au terme d&rsquo;une enqu\u00eate historique exhaustive sur son pass\u00e9 institutionnel li\u00e9 \u00e0 l&rsquo;eug\u00e9nisme, l&rsquo;University College de Londres a officiellement act\u00e9 le d\u00e9bapt\u00eame des b\u00e2timents, amphith\u00e9\u00e2tres et chaires portant le nom de Karl Pearson et de Francis Galton. Cette d\u00e9cision symbolique majeure ne vise en aucun cas \u00e0 effacer leurs th\u00e9or\u00e8mes math\u00e9matiques des manuels de science, mais \u00e0 rompre d\u00e9finitivement avec la c\u00e9l\u00e9bration acritique de savants dont les travaux ont fourni le carburant th\u00e9orique \u00e0 des politiques eug\u00e9niques coercitives, rappelant aux praticiens des sciences comportementales la responsabilit\u00e9 d\u00e9ontologique supr\u00eame qui accompagne l&rsquo;usage des statistiques appliqu\u00e9es \u00e0 l&rsquo;humain.<\/p>\n<h2>8. Le schisme avec le mend\u00e9lisme et les controverses avec R.A. Fisher<\/h2>\n<p>L&rsquo;histoire de la statistique pearsonienne n&rsquo;a rien d&rsquo;un fleuve tranquille s&rsquo;\u00e9coulant harmonieusement d&rsquo;une d\u00e9couverte \u00e0 l&rsquo;autre ; elle a \u00e9t\u00e9 forg\u00e9e au creuset de controverses hom\u00e9riques qui ont d\u00e9chir\u00e9 la science britannique pendant pr\u00e8s de quatre d\u00e9cennies. Le temp\u00e9rament belliqueux de Pearson, son intransigeance dogmatique et son refus absolu d&rsquo;admettre ses erreurs l&rsquo;ont conduit \u00e0 des affrontements d&rsquo;une violence inou\u00efe, d&rsquo;abord avec les partisans de Gregor Mendel, puis avec le nouveau titan de la statistique du vingti\u00e8me si\u00e8cle, Ronald Aylmer Fisher.<\/p>\n<h3>8.1 La querelle entre biom\u00e9triciens et mend\u00e9liens<\/h3>\n<p>En 1900, la red\u00e9couverte simultan\u00e9e par Hugo de Vries, Carl Correns et Erich von Tschermak des c\u00e9l\u00e8bres lois de l&rsquo;<a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Lois_de_Mendel\">h\u00e9r\u00e9dit\u00e9 mend\u00e9lienne<\/a> &mdash; formul\u00e9es dans l&rsquo;indiff\u00e9rence g\u00e9n\u00e9rale en 1865 par le moine morave Gregor Mendel &mdash; d\u00e9clenche un s\u00e9isme dans la biologie mondiale. En Angleterre, cette r\u00e9\u00e9mergence trouve son champion absolu en la personne du zoologiste de Cambridge, William Bateson. Bateson soutient avec passion que la variation biologique et l&rsquo;\u00e9volution proc\u00e8dent par sauts discontinus, qualitatifs et particulaires (les facteurs mend\u00e9liens, anc\u00eatres de nos g\u00e8nes), r\u00e9gis par des s\u00e9gr\u00e9gations stochastiques strictes ob\u00e9issant \u00e0 des proportions d&rsquo;entiers simples (comme les fameux ratios 3:1 ou 9:3:3:1).<\/p>\n<p>Pour Karl Pearson et son acolyte Walter Weldon, cette conception particulaire discontinue appara\u00eet comme une h\u00e9r\u00e9sie totale et une menace mortelle pour l&rsquo;\u00e9difice biom\u00e9trique qu&rsquo;ils viennent de b\u00e2tir. Fid\u00e8les \u00e0 la devise darwinienne <em>natura non facit saltus<\/em> (la nature ne fait pas de sauts), les biom\u00e9triciens d\u00e9fendent un gradualisme continu absolu. Pour Pearson, la r\u00e9alit\u00e9 vivante s&rsquo;exprime dans des variations quantitatives infinit\u00e9simales et continues de traits distribu\u00e9s de mani\u00e8re continue au sein des populations r\u00e9elles. Pearson accuse le mend\u00e9lisme d&rsquo;\u00eatre un retour r\u00e9gressif \u00e0 une pens\u00e9e m\u00e9caniste m\u00e9di\u00e9vale, qualifiant de \u00ab fantaisie de laboratoire \u00bb des lois obtenues sur des pois cultiv\u00e9s sous serre, sans \u00e9quivalent dans les populations naturelles ouvertes soumises \u00e0 la s\u00e9lection naturelle.<\/p>\n<p>La bataille entre l&rsquo;\u00e9cole biom\u00e9trique de Londres (Pearson, Weldon) et l&rsquo;\u00e9cole mend\u00e9lienne de Cambridge (Bateson, Punnett) dure pr\u00e8s de quinze ans avec une \u00e2pret\u00e9 effarante. Par articles interpos\u00e9s dans <em>Nature<\/em> et <em>Biometrika<\/em>, les invectives pleuvent. Pearson use de son autorit\u00e9 pour bloquer les publications mend\u00e9liennes dans les revues qu&rsquo;il contr\u00f4le, tandis que Bateson ridiculise l&rsquo;obsession biom\u00e9trique d&rsquo;ajuster des courbes math\u00e9matiques sur des populations dont les biom\u00e9triciens refusent de regarder les composants biologiques internes. Cette rupture a retard\u00e9 de plus d&rsquo;une d\u00e9cennie l&rsquo;int\u00e9gration de la g\u00e9n\u00e9tique quantitative dans la psychologie diff\u00e9rentielle britannique, divisant durablement les chercheurs en deux camps herm\u00e9tiques incapables de communiquer.<\/p>\n<h3>8.2 La rivalit\u00e9 \u00e9pist\u00e9mologique avec Ronald Aylmer Fisher<\/h3>\n<p>Si la querelle mend\u00e9lienne fut violente, la rivalit\u00e9 qui opposa Karl Pearson \u00e0 <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Ronald_Aylmer_Fisher\">Ronald Aylmer Fisher<\/a> (1890-1962) atteignit des sommets d&rsquo;animosit\u00e9 personnelle et institutionnelle. Jeune prodige math\u00e9matique issu de Cambridge, Fisher avait commenc\u00e9 par admirer l&rsquo;\u0153uvre de Pearson, mais cette d\u00e9f\u00e9rence initiale vola rapidement en \u00e9clats face \u00e0 l&rsquo;autoritarisme du directeur de <em>Biometrika<\/em>. D\u00e8s les ann\u00e9es 1910, Pearson rejette ou retarde des manuscrits r\u00e9volutionnaires soumis par le jeune Fisher, blessant profond\u00e9ment l&rsquo;amour-propre de ce dernier et d\u00e9clenchant une hostilit\u00e9 r\u00e9ciproque qui ne s&rsquo;\u00e9teindra qu&rsquo;avec la mort.<\/p>\n<p>Le conflit entre les deux hommes est avant tout \u00e9pist\u00e9mologique et m\u00e9thodologique. Il s&rsquo;articule autour de trois divergences majeures :<\/p>\n<ul>\n<li><strong>La question de la taille des \u00e9chantillons :<\/strong> Pearson appartenait \u00e0 l&rsquo;\u00e8re des m\u00e9gadonn\u00e9es du dix-neuvi\u00e8me si\u00e8cle ; ses th\u00e9or\u00e8mes reposaient presque tous sur des approches asymptotiques valables pour de grands \u00e9chantillons (<span class=\"arabpsy-math-inline\" data-latex=\"N &gt; 1000\">$N > 1000$<\/span>). Fisher, confront\u00e9 aux r\u00e9alit\u00e9s agricoles concr\u00e8tes de la station exp\u00e9rimentale de Rothamsted, s&rsquo;attache \u00e0 d\u00e9river les distributions statistiques exactes pour de tout petits \u00e9chantillons ($N < 30$), inventant la th\u00e9orie formelle des petits \u00e9chantillons que Pearson traita longtemps avec un souverain m\u00e9pris.<\/li>\n<li><strong>Les degr\u00e9s de libert\u00e9 et le test du Khi-deux :<\/strong> D\u00e8s 1922, Fisher publie un article fondamental d\u00e9montrant que Pearson s&rsquo;est tromp\u00e9 dans la formulation de son test du Khi-deux appliqu\u00e9 aux tables de contingence et aux distributions ajust\u00e9es, car il a omis de soustraire les degr\u00e9s de libert\u00e9 li\u00e9s aux param\u00e8tres estim\u00e9s. Pearson r\u00e9agit par des attaques personnelles d&rsquo;une mauvaise foi insigne dans <em>Biometrika<\/em>, refusant d&rsquo;admettre son erreur math\u00e9matique \u00e9vidente, qui \u00e9tait pourtant d\u00e9montr\u00e9e avec une clart\u00e9 absolue par Fisher.<\/li>\n<li><strong>L&rsquo;estimation par les moments contre le maximum de vraisemblance :<\/strong> Sur le plan de la th\u00e9orie de l&rsquo;estimation, Pearson est le h\u00e9raut historique de la <em>m\u00e9thode des moments<\/em>, qui consiste \u00e0 \u00e9galiser les moments empiriques de l&rsquo;\u00e9chantillon avec les moments th\u00e9oriques du mod\u00e8le. Fisher prouve math\u00e9matiquement que la m\u00e9thode des moments de Pearson est inefficace (au sens o\u00f9 elle perd de l&rsquo;information statistique) et propose \u00e0 sa place le formalisme moderne de l&rsquo;<a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Maximum_de_vraisemblance\">estimation par le maximum de vraisemblance<\/a>, dot\u00e9e d&rsquo;une variance asymptotique minimale et du concept de suffisance.<\/li>\n<\/ul>\n<h3>8.3 La r\u00e9conciliation posthume par la synth\u00e8se moderne<\/h3>\n<p>Le d\u00e9nouement th\u00e9orique de ces d\u00e9chirements fraternels viendra pr\u00e9cis\u00e9ment de l&rsquo;homme que Pearson d\u00e9testait le plus. En 1918, Fisher publie un article immortel intitul\u00e9 <em>The Correlation between Relatives on the Supposition of Mendelian Inheritance<\/em>. Dans ce texte magistral, Fisher r\u00e9alise la prouesse analytique d&rsquo;unifier les deux paradigmes ennemis que tout semblait opposer : il d\u00e9montre rigoureusement que si l&rsquo;on suppose qu&rsquo;un caract\u00e8re continu (comme la taille humaine ou une aptitude psychologique) est gouvern\u00e9 par l&rsquo;action conjointe d&rsquo;un grand nombre de g\u00e8nes mend\u00e9liens discrets distincts &mdash; mod\u00e8le dit polyg\u00e9nique &mdash;, la distribution de ce caract\u00e8re au sein d&rsquo;une population devient asymptotiquement parfaitement continue et normale, sous l&rsquo;effet du th\u00e9or\u00e8me central limite.<\/p>\n<p>Mieux encore, Fisher d\u00e9rive math\u00e9matiquement \u00e0 partir des lois de Mendel les valeurs exactes des coefficients de corr\u00e9lation produit-moment entre parents et enfants ($0,50$) ou entre cousins et cousines que Pearson avait observ\u00e9s empiriquement dans son laboratoire sans pouvoir les justifier biologiquement. Fisher fonde ainsi la <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/G%C3%A9n%C3%A9tique_des_populations\">g\u00e9n\u00e9tique des populations<\/a> et la th\u00e9orie synth\u00e9tique de l&rsquo;\u00e9volution, compl\u00e9t\u00e9e ensuite par les travaux de J.B.S. Haldane et Sewall Wright.<\/p>\n<p>Cette synth\u00e8se a eu des cons\u00e9quences immenses pour la psychologie quantitative et la psychiatrie g\u00e9n\u00e9tique modernes. Les mod\u00e8les biopsychologiques contemporains de l&rsquo;\u00e9valuation de la personnalit\u00e9, de la susceptibilit\u00e9 aux troubles affectifs ou du d\u00e9veloppement de l&rsquo;intelligence cognitive reposent tous sur cette convergence unificatrice : ils utilisent les outils m\u00e9thodologiques de corr\u00e9lation, de r\u00e9gression et de r\u00e9duction dimensionnelle invent\u00e9s par Karl Pearson pour traquer et quantifier l&rsquo;impact de r\u00e9seaux de polymorphismes g\u00e9n\u00e9tiques identifi\u00e9s selon les principes fondamentaux de l&rsquo;h\u00e9ritage mend\u00e9lien et de la d\u00e9composition de la variance introduits par Ronald Fisher.<\/p>\n<h2>9. L&rsquo;influence d\u00e9terminante de Pearson sur la psychom\u00e9trie classique<\/h2>\n<p>L&rsquo;histoire de la psychologie scientifique retient g\u00e9n\u00e9ralement les noms de Wilhelm Wundt, William James ou Alfred Binet parmi ses figures tut\u00e9laires. Pourtant, sans l&rsquo;armature math\u00e9matique forg\u00e9e par Karl Pearson, la psychologie diff\u00e9rentielle et l&rsquo;\u00e9valuation psychom\u00e9trique n&rsquo;auraient jamais pu acqu\u00e9rir le statut de disciplines empiriques quantifi\u00e9es. La formalisation des diff\u00e9rences individuelles s&rsquo;est construite sur une absorption constante des formules et des concepts pearsoniens.<\/p>\n<h3>9.1 La relation complexe avec Charles Spearman<\/h3>\n<p>L&rsquo;une des f\u00e9condations m\u00e9thodologiques les plus c\u00e9l\u00e8bres &mdash; et les plus conflictuelles &mdash; de la psychom\u00e9trie s&rsquo;est jou\u00e9e entre Karl Pearson et le psychologue britannique <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Charles_Spearman\">Charles Spearman<\/a> (1863-1945). Ancien officier de l&rsquo;arm\u00e9e britannique ayant \u00e9tudi\u00e9 aupr\u00e8s de Wundt \u00e0 Leipzig, Spearman comprend imm\u00e9diatement le potentiel ph\u00e9nom\u00e9nal du coefficient de corr\u00e9lation produit-moment de Pearson pour trancher l&rsquo;\u00e9nigme de la structure de l&rsquo;intellect humain. En 1904, dans un article historique publi\u00e9 dans l&rsquo;<em>American Journal of Psychology<\/em>, Spearman applique la formule de Pearson aux corr\u00e9lations mutuelles entre les performances scolaires d&rsquo;\u00e9l\u00e8ves en lettres, math\u00e9matiques, musique et discrimination sensorielle.<\/p>\n<p>Constatant que toutes ces corr\u00e9lations sont positives &mdash; ce que l&rsquo;on nommera le <em>manifold positif<\/em> &mdash; et que la matrice des corr\u00e9lations peut \u00eatre d\u00e9compos\u00e9e de fa\u00e7on hi\u00e9rarchique, Spearman formule sa c\u00e9l\u00e8bre <strong>th\u00e9orie bifactorielle de l&rsquo;intelligence<\/strong>, postulant l&rsquo;existence d&rsquo;un facteur g\u00e9n\u00e9ral d&rsquo;\u00e9nergie intellectuelle, le mythique <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Facteur_g\">facteur g<\/a>, compl\u00e9t\u00e9 par des facteurs sp\u00e9cifiques propres \u00e0 chaque \u00e9preuve (<span class=\"arabpsy-math-inline\" data-latex=\"s\">$s$<\/span>). Pour y parvenir, Spearman a d\u00fb adapter et modifier les formules de Pearson, inventant notamment le coefficient de corr\u00e9lation de rangs (le <span class=\"arabpsy-math-inline\" data-latex=\"rho\">$rho$<\/span> de Spearman) pour traiter des donn\u00e9es ordinales sans pr\u00e9sumer la normalit\u00e9, ainsi que la c\u00e9l\u00e8bre formule de <em>correction pour att\u00e9nuation<\/em>, destin\u00e9e \u00e0 corriger le coefficient de Pearson de l&rsquo;effet d&rsquo;\u00e9touffement induit par l&rsquo;impr\u00e9cision des mesures.<\/p>\n<p>La r\u00e9action de Karl Pearson \u00e0 ces innovations fut caract\u00e9ristique de son temp\u00e9rament jaloux : au lieu d&rsquo;applaudir cette brillante extension psychologique de ses propres travaux, Pearson publie dans <em>Biometrika<\/em> une critique assassine des formules de Spearman, accusant ce dernier d&rsquo;incomp\u00e9tence math\u00e9matique et d\u00e9non\u00e7ant sa correction pour att\u00e9nuation comme une manipulation ill\u00e9gitime des donn\u00e9es r\u00e9elles. Spearman r\u00e9plique avec vigueur, d\u00e9non\u00e7ant l&rsquo;incapacit\u00e9 de Pearson \u00e0 comprendre les sp\u00e9cificit\u00e9s de la m\u00e9trologie psychologique. Malgr\u00e9 cette querelle d&rsquo;ego, la dette math\u00e9matique de Spearman envers Pearson demeure totale : l&rsquo;<a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Analyse_factorielle\">analyse factorielle<\/a>, qui allait devenir le c\u0153ur battant de la psychom\u00e9trie moderne, est n\u00e9e d&rsquo;un prolongement direct de l&rsquo;article de 1901 de Pearson sur les composantes principales et de son traitement des covariances.<\/p>\n<h3>9.2 L&rsquo;ancrage des postulats de la th\u00e9orie classique des tests<\/h3>\n<p>Les postulats fondamentaux de la <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Psychom%C3%A9trie#Th%C3%A9orie_classique_des_tests\">th\u00e9orie classique des tests (TCT)<\/a>, formalis\u00e9e ult\u00e9rieurement par Harold Gulliksen en 1950, trouvent leur ancrage direct dans les d\u00e9veloppements analytiques de Pearson sur la r\u00e9gression et la propagation des erreurs. Le mod\u00e8le fondamental selon lequel un score observ\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"X\">$X$<\/span> est \u00e9gal \u00e0 la somme d&rsquo;un score vrai <span class=\"arabpsy-math-inline\" data-latex=\"tau\">$tau$<\/span> et d&rsquo;une erreur de mesure al\u00e9atoire <span class=\"arabpsy-math-inline\" data-latex=\"E\">$E$<\/span> (<span class=\"arabpsy-math-inline\" data-latex=\"X = tau + E\">$X = tau + E$<\/span>), avec l&rsquo;hypoth\u00e8se que l&rsquo;erreur est non corr\u00e9l\u00e9e avec le score vrai (<span class=\"arabpsy-math-inline\" data-latex=\"r_{\\tau e} = 0\">$r_{\\tau e} = 0$<\/span>), d\u00e9rive directement de la d\u00e9composition pearsonienne de la variance en composante lin\u00e9aire expliqu\u00e9e et variance r\u00e9siduelle orthogonale.<\/p>\n<p>C&rsquo;est Pearson qui impose d\u00e9finitivement l&rsquo;<strong>\u00e9cart-type<\/strong> (qu&rsquo;il a lui-m\u00eame baptis\u00e9 <em>standard deviation<\/em> en 1893 pour remplacer le terme impr\u00e9cis d&rsquo;\u00ab erreur moyenne \u00bb employ\u00e9 par les astronomes) comme l&rsquo;unit\u00e9 m\u00e9trique universelle d&rsquo;\u00e9talonnage et de dispersion des aptitudes humaines. Jusqu&rsquo;alors, la psychom\u00e9trie naissante utilisait sans rigueur des indices de dispersion disparates, comme l&rsquo;\u00e9tendue ou l&rsquo;\u00e9cart probable de Galton. En conf\u00e9rant \u00e0 l&rsquo;\u00e9cart-type (<span class=\"arabpsy-math-inline\" data-latex=\"\\sigma\">$\\sigma$<\/span>) sa l\u00e9gitimit\u00e9 math\u00e9matique par la m\u00e9thode des moments, Pearson fournit aux concepteurs d&rsquo;\u00e9preuves standardis\u00e9es la r\u00e8gle gradu\u00e9e absolue permettant de positionner un individu sur un continuum norm\u00e9.<\/p>\n<p>Enfin, Pearson a institu\u00e9 la <strong>matrice de corr\u00e9lation<\/strong> comme la mati\u00e8re premi\u00e8re universelle de toute taxonomie de l&rsquo;esprit. L&rsquo;approche psychom\u00e9trique classique postule que la compr\u00e9hension des processus psychologiques ne passe pas par l&rsquo;introspection ph\u00e9nom\u00e9nologique d&rsquo;un sujet isol\u00e9, mais par l&rsquo;analyse des patrons de co-variation observ\u00e9s sur de vastes cohortes. L&rsquo;analyse des matrices de corr\u00e9lations crois\u00e9es, devenue un passage oblig\u00e9 pour tout laboratoire de psychologie cognitive ou clinique, est l&rsquo;incarnation contemporaine la plus pure de l&rsquo;id\u00e9al de Pearson de r\u00e9duire les faits d&rsquo;exp\u00e9rience \u00e0 des architectures de coefficients quantitatifs normalis\u00e9s.<\/p>\n<h3>9.3 Apports directs \u00e0 l&rsquo;\u00e9valuation des diff\u00e9rences individuelles<\/h3>\n<p>Au-del\u00e0 de ces fondations th\u00e9oriques, Pearson a laiss\u00e9 des outils de calibrage op\u00e9rationnels qui demeurent indispensables aux bilans psychom\u00e9triques quotidiens. Le plus c\u00e9l\u00e8bre d&rsquo;entre eux est sans conteste le <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Score_z\">score standardis\u00e9 ou score z<\/a> :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"z = \\frac{X - \\mu}{\\sigma}\">$$z = \\frac{X &#8211; \\mu}{\\sigma}$$<\/span><\/p>\n<p>En soustrayant la moyenne de la population et en divisant le r\u00e9sultat par l&rsquo;\u00e9cart-type, cette transformation lin\u00e9aire canonique permet de projeter n&rsquo;importe quelle performance humaine brute &mdash; qu&rsquo;il s&rsquo;agisse du nombre de mots m\u00e9moris\u00e9s, d&rsquo;un temps de r\u00e9ponse \u00e0 un stimulus auditif ou d&rsquo;un score \u00e0 une \u00e9chelle de d\u00e9pression &mdash; sur une \u00e9chelle universelle \u00e0 moyenne nulle et \u00e0 variance unitaire. Sans cette invention pearsonienne \u00e9l\u00e9mentaire, il serait impossible de comparer le profil d&rsquo;aptitudes d&rsquo;un m\u00eame individu \u00e0 travers des \u00e9preuves h\u00e9t\u00e9rog\u00e8nes, ni d&rsquo;\u00e9laborer des \u00e9chelles standardis\u00e9es d\u00e9riv\u00e9es telles que les scores de Quotient Intellectuel de Wechsler (moyenne 100, \u00e9cart-type 15) ou les \u00e9chelles de scores T (moyenne 50, \u00e9cart-type 10).<\/p>\n<p>Pearson a \u00e9galement r\u00e9solu un casse-t\u00eate psychom\u00e9trique majeur : le traitement des variables artificiellement dichotomis\u00e9es. Dans les \u00e9preuves psychologiques, les items se pr\u00e9sentent tr\u00e8s souvent sous une forme binaire (succ\u00e8s\/\u00e9chec, oui\/non), bien que la variable psychologique sous-jacente postul\u00e9e (l&rsquo;aptitude math\u00e9matique ou l&rsquo;extraversion) soit continue et normale au sein de la population. Pour \u00e9valuer la liaison entre deux telles variables binaires, le coefficient <span class=\"arabpsy-math-inline\" data-latex=\"r\">$r$<\/span> standard produit des r\u00e9sultats d\u00e9grad\u00e9s et plafonn\u00e9s.<\/p>\n<p>En 1900, Pearson d\u00e9rive analytiquement le <strong>coefficient de corr\u00e9lation t\u00e9trachorique<\/strong> (<span class=\"arabpsy-math-inline\" data-latex=\"r_t\">$r_t$<\/span>), fond\u00e9 sur l&rsquo;int\u00e9gration num\u00e9rique de la surface normale bivari\u00e9e tronqu\u00e9e aux points de coupure des seuils de r\u00e9ponse. Plus tard, il d\u00e9veloppe la <em>corr\u00e9lation bis\u00e9riale<\/em> (<span class=\"arabpsy-math-inline\" data-latex=\"r_b\">$r_b$<\/span>) pour mesurer l&rsquo;association entre une variable continue et une variable dichotomis\u00e9e. Ces indices sp\u00e9cialis\u00e9s ont constitu\u00e9 des briques m\u00e9thodologiques capitales pour l&rsquo;\u00e9talonnage moderne des banques d&rsquo;items et ont pr\u00e9figur\u00e9 directement les mod\u00e8les computationnels contemporains de la <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Th%C3%A9orie_des_r%C3%A9ponses_aux_items\">th\u00e9orie des r\u00e9ponses aux items (TRI)<\/a>.<\/p>\n<h2>10. Le syst\u00e8me des courbes de fr\u00e9quence et la description des distributions<\/h2>\n<p>L&rsquo;un des accomplissements th\u00e9oriques les plus gigantesques de Karl Pearson &mdash; et paradoxalement l&rsquo;un des moins connus du grand public contemporain en comparaison du coefficient de corr\u00e9lation &mdash; est son travail monumental sur le syst\u00e8me universel des courbes de fr\u00e9quence. Entre 1894 et 1916, Pearson a entrepris de lib\u00e9rer la science statistique du carcan \u00e9touffant de la distribution gaussienne, offrant une classification int\u00e9grale des lois de probabilit\u00e9 empiriques non sym\u00e9triques.<\/p>\n<h3>10.1 La typologie des courbes de distribution de Pearson<\/h3>\n<p>\u00c0 la fin du dix-neuvi\u00e8me si\u00e8cle, le paysage statistique \u00e9tait domin\u00e9 par ce que l&rsquo;on appelait le dogme de la courbe des erreurs ou loi de Gauss-Laplace. De grands savants soutenaient que toute d\u00e9viation constat\u00e9e par rapport \u00e0 la courbe normale parfaite n&rsquo;\u00e9tait qu&rsquo;une imperfection provisoire de l&rsquo;\u00e9chantillon, appel\u00e9e \u00e0 se r\u00e9sorber d\u00e8s que le nombre de mesures deviendrait infini. Karl Pearson, arm\u00e9 de ses milliers de donn\u00e9es biom\u00e9triques et psychologiques (temps de latence, variations morphologiques, indices de fertilit\u00e9), constate au contraire que l&rsquo;asym\u00e9trie est la r\u00e8gle et la sym\u00e9trie gaussienne l&rsquo;exception.<\/p>\n<p>Pour englober cette diversit\u00e9 ph\u00e9nom\u00e9nale au sein d&rsquo;un cadre math\u00e9matique unique, Pearson accomplit un coup de g\u00e9nie : il postule en 1895 que toutes les densit\u00e9s de probabilit\u00e9 continues <span class=\"arabpsy-math-inline\" data-latex=\"y = f(x)\">$y = f(x)$<\/span> envisageables dans la nature doivent v\u00e9rifier une \u00e9quation diff\u00e9rentielle g\u00e9n\u00e9rale unique du premier ordre :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\frac{d(\\ln y)}{dx} = \\frac{1}{y} \\frac{dy}{dx} = \\frac{-(x - a)}{b_0 + b_1 x + b_2 x^2}\">$$\\frac{d(\\ln y)}{dx} = \\frac{1}{y} \\frac{dy}{dx} = \\frac{-(x &#8211; a)}{b_0 + b_1 x + b_2 x^2}$$<\/span><\/p>\n<p>La beaut\u00e9 de cette formulation r\u00e9side dans sa souplesse : le num\u00e9rateur garantit que la courbe poss\u00e8de un sommet unique (le mode en <span class=\"arabpsy-math-inline\" data-latex=\"x = a\">$x = a$<\/span>) o\u00f9 la d\u00e9riv\u00e9e s&rsquo;annule, tandis que le d\u00e9nominateur polynomial gouverne le comportement aux limites et la forme des queues de distribution. Selon la nature des racines de l&rsquo;\u00e9quation quadratique du d\u00e9nominateur (racines r\u00e9elles de signes contraires, racines r\u00e9elles de m\u00eame signe, racines complexes conjugu\u00e9es, ou racines nulles), l&rsquo;int\u00e9gration de cette \u00e9quation diff\u00e9rentielle engendre une famille de **douze courbes fondamentales** (d\u00e9sign\u00e9es historiquement de Type I \u00e0 Type XII).<\/p>\n<p>Ce syst\u00e8me unifi\u00e9 de distributions englobe comme des cas particuliers la loi normale (qui correspond au cas d\u00e9g\u00e9n\u00e9r\u00e9 o\u00f9 <span class=\"arabpsy-math-inline\" data-latex=\"b_1 = b_2 = 0\">$b_1 = b_2 = 0$<\/span>), mais aussi la distribution B\u00eata (Type I), la distribution Gamma (Type III), la distribution de Student (qui correspond au Type VII sym\u00e9trique \u00e0 queues lourdes), la loi de Pareto et la distribution <span class=\"arabpsy-math-inline\" data-latex=\"F\">$F$<\/span> de Snedecor. Pour d\u00e9terminer laquelle de ces courbes s&rsquo;ajuste de fa\u00e7on optimale \u00e0 un ensemble de donn\u00e9es r\u00e9elles, Pearson con\u00e7oit la <strong>m\u00e9thode des moments<\/strong> : il calcule les quatre premiers moments empiriques de la distribution (la moyenne <span class=\"arabpsy-math-inline\" data-latex=\"\\mu_1&#039;\">$\\mu_1&rsquo;$<\/span>, la variance <span class=\"arabpsy-math-inline\" data-latex=\"\\mu_2\">$\\mu_2$<\/span>, l&rsquo;asym\u00e9trie <span class=\"arabpsy-math-inline\" data-latex=\"\\mu_3\">$\\mu_3$<\/span> et l&rsquo;aplatissement <span class=\"arabpsy-math-inline\" data-latex=\"\\mu_4\">$\\mu_4$<\/span>) et d\u00e9rive un param\u00e8tre discriminant fondamental, le crit\u00e8re <span class=\"arabpsy-math-inline\" data-latex=\"kappa\">$kappa$<\/span> (kappa) :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\kappa = \\frac{\\beta_1 (\\beta_2 + 3)^2}{4 (2\\beta_2 - 3\\beta_1 - 6)(4\\beta_2 - 3\\beta_1)}\">$$\\kappa = \\frac{\\beta_1 (\\beta_2 + 3)^2}{4 (2\\beta_2 &#8211; 3\\beta_1 &#8211; 6)(4\\beta_2 &#8211; 3\\beta_1)}$$<\/span><\/p>\n<p>La valeur num\u00e9rique de ce crit\u00e8re <span class=\"arabpsy-math-inline\" data-latex=\"kappa\">$kappa$<\/span> indique imm\u00e9diatement au chercheur le type exact de courbe de Pearson \u00e0 ajuster sur ses observations empiriques.<\/p>\n<h3>10.2 Caract\u00e9risation quantitative de l&rsquo;asym\u00e9trie et de l&rsquo;aplatissement<\/h3>\n<p>Dans le cadre de cette entreprise de classification distributionnelle, Pearson forge les descripteurs morphologiques universels de la forme des s\u00e9ries statistiques, aujourd&rsquo;hui int\u00e9gr\u00e9s dans tous les logiciels d&rsquo;analyse de donn\u00e9es de la plan\u00e8te : l&rsquo;asym\u00e9trie et l&rsquo;aplatissement.<\/p>\n<p>Avant Pearson, il existait une confusion s\u00e9mantique totale pour d\u00e9signer le fait qu&rsquo;une distribution penche d&rsquo;un c\u00f4t\u00e9 ou de l&rsquo;autre. Pearson formalise le concept d&rsquo;<strong>asym\u00e9trie<\/strong> (qu&rsquo;il nomme <em>skewness<\/em> en 1895) et propose plusieurs mani\u00e8res de la quantifier rigoureusement. Son indice le plus c\u00e9l\u00e8bre repose sur la distance standardis\u00e9e s\u00e9parant la moyenne empirique du mode :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\text{Skewness} = \\frac{\\text{Moyenne} - \\text{Mode}}{\\sigma}\">$$\\text{Skewness} = \\frac{\\text{Moyenne} &#8211; \\text{Mode}}{\\sigma}$$<\/span><\/p>\n<p>Il d\u00e9rive \u00e9galement le coefficient d&rsquo;asym\u00e9trie fond\u00e9 sur le troisi\u00e8me moment centr\u00e9 standardis\u00e9 :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\gamma_1 = \\sqrt{\\beta_1} = \\frac{\\mu_3}{\\mu_2^{3\/2}} = \\frac{\\sum (X_i - \\bar{X})^3}{N \\cdot \\sigma^3}\">$$\\gamma_1 = \\sqrt{\\beta_1} = \\frac{\\mu_3}{\\mu_2^{3\/2}} = \\frac{\\sum (X_i &#8211; \\bar{X})^3}{N \\cdot \\sigma^3}$$<\/span><\/p>\n<p>Une valeur positive signale un \u00e9talement de la queue de distribution vers la droite (valeurs \u00e9lev\u00e9es), tandis qu&rsquo;une valeur n\u00e9gative indique un \u00e9talement vers la gauche.<\/p>\n<p>De m\u00eame, pour qualifier l&rsquo;\u00e9paisseur des queues de distribution et la concentration centrale des observations compar\u00e9es \u00e0 la courbe normale, Pearson introduit en 1905 le terme et le concept d&rsquo;<strong>aplatissement<\/strong> ou <strong>acuit\u00e9<\/strong> (qu&rsquo;il baptise <em>kurtosis<\/em>, du grec signifiant courbure ou renflement) :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\beta_2 = \\frac{\\mu_4}{\\mu_2^2} = \\frac{\\sum (X_i - \\bar{X})^4}{N \\cdot \\sigma^4}\">$$\\beta_2 = \\frac{\\mu_4}{\\mu_2^2} = \\frac{\\sum (X_i &#8211; \\bar{X})^4}{N \\cdot \\sigma^4}$$<\/span><\/p>\n<p>Pearson \u00e9tablit que pour une loi normale parfaite, <span class=\"arabpsy-math-inline\" data-latex=\"\\beta_2 = 3\">$\\beta_2 = 3$<\/span>. Il forge alors la typologie morphologique canonique : les distributions pr\u00e9sentant un <span class=\"arabpsy-math-inline\" data-latex=\"\\beta_2 &gt; 3\">$\\beta_2 > 3$<\/span> sont qualifi\u00e9es de <em>leptokurtiques<\/em> (pointues au centre avec des queues \u00e9paisses exposant \u00e0 des valeurs extr\u00eames fr\u00e9quentes), celles pr\u00e9sentant un $beta_2 < 3$ sont dites <em>platykurtiques<\/em> (aplaties au sommet avec des queues l\u00e9g\u00e8res), et celles v\u00e9rifiant <span class=\"arabpsy-math-inline\" data-latex=\"\\beta_2 = 3\">$\\beta_2 = 3$<\/span> sont dites <em>m\u00e9sokurtiques<\/em>.<\/p>\n<h3>10.3 Applications pratiques en psychologie exp\u00e9rimentale<\/h3>\n<p>Ces d\u00e9veloppements math\u00e9matiques de haut vol ont trouv\u00e9 une application pratique imm\u00e9diate et durable dans les laboratoires de psychologie exp\u00e9rimentale et de neuropsychologie. L&rsquo;un des exemples les plus \u00e9clatants concerne l&rsquo;analyse des distributions de <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Temps_de_r%C3%A9action\">temps de r\u00e9action (TR)<\/a> dans les t\u00e2ches d&rsquo;attention soutenue, de d\u00e9tection de signaux ou de prise de d\u00e9cision lexicale.<\/p>\n<p>Dans toutes les exp\u00e9riences chronom\u00e9triques de l&rsquo;esprit, les temps de r\u00e9action ne sont jamais gaussiens : ils pr\u00e9sentent de fa\u00e7on invariante une borne inf\u00e9rieure absolue infranchissable (le temps physiologique incompressible de conduction nerveuse, autour de 120 millisecondes), un pic rapide de r\u00e9ponses optimales, puis une longue tra\u00eene asym\u00e9trique \u00e9tir\u00e9e vers les temps longs traduisant des fluctuations attentionnelles momentan\u00e9es ou des distractions cognitives. En utilisant les courbes de Pearson de Type III (distribution Gamma) ou de Type I (distribution B\u00eata tronqu\u00e9e), les psychologues ont enfin pu ajuster fid\u00e8lement ces temps de latence au lieu de les forcer artificiellement dans une loi normale invalide ou d&rsquo;\u00e9liminer arbitrairement les temps longs sous pr\u00e9texte qu&rsquo;ils constituaient des \u00ab valeurs aberrantes \u00bb.<\/p>\n<p>De la m\u00eame fa\u00e7on, dans le domaine de la psychopathologie quantitative et du diagnostic clinique, la distribution des scores obtenus \u00e0 des \u00e9chelles \u00e9valuant des dimensions symptomatiques &mdash; comme le d\u00e9lire parano\u00efaque, l&rsquo;id\u00e9ation suicidaire ou l&rsquo;\u00e9vitement phobique au sein d&rsquo;une population g\u00e9n\u00e9rale saine &mdash; est massivement asym\u00e9trique positive, l&rsquo;immense majorit\u00e9 des individus se concentrant sur le score plancher de z\u00e9ro ou des valeurs tr\u00e8s faibles, tandis qu&rsquo;une mince frange clinique s&rsquo;\u00e9tire vers les scores pathologiques \u00e9lev\u00e9s. Le syst\u00e8me des courbes de Pearson a fourni l&rsquo;armature formelle indispensable au calibrage rigoureux des scores de ces \u00e9chelles d&rsquo;\u00e9valuation, permettant aux praticiens de d\u00e9terminer des percentiles cliniques exacts et d&rsquo;\u00e9tablir des seuils diagnostiques op\u00e9rationnels exempts des biais de l&rsquo;illusion gaussienne.<\/p>\n<h2>11. Le r\u00f4le de mentor, l&rsquo;enseignement et le milieu intellectuel pearsonien<\/h2>\n<p>L&rsquo;immense legs de Karl Pearson n&rsquo;est pas seulement consign\u00e9 dans les milliers de pages de ses m\u00e9moires imprim\u00e9s ; il s&rsquo;est \u00e9galement perp\u00e9tu\u00e9 \u00e0 travers la vaste \u00e9cole de pens\u00e9e qu&rsquo;il a su former, animer et diriger d&rsquo;une main d&rsquo;acier \u00e0 Londres pendant pr\u00e8s d&rsquo;un demi-si\u00e8cle. Le laboratoire de biom\u00e9trie de l&rsquo;UCL fut une ruche laborieuse, un creuset intellectuel singulier o\u00f9 se c\u00f4toyaient une cr\u00e9ativit\u00e9 m\u00e9thodologique effervescente et une discipline quasi monastique.<\/p>\n<h3>11.1 P\u00e9dagogie et formation d&rsquo;une g\u00e9n\u00e9ration de chercheurs<\/h3>\n<p>En tant qu&rsquo;enseignant, Karl Pearson exer\u00e7ait une fascination magn\u00e9tique sur son auditoire. Ses cours magistraux \u00e0 l&rsquo;University College &mdash; qu&rsquo;il s&rsquo;agisse de ses le\u00e7ons inaugurales de m\u00e9canique appliqu\u00e9e dans les ann\u00e9es 1880 ou de ses conf\u00e9rences avanc\u00e9es sur la th\u00e9orie des statistiques \u00e0 partir de 1911 &mdash; \u00e9taient r\u00e9put\u00e9s pour leur clart\u00e9 cristalline, leur souffle \u00e9pist\u00e9mologique et leur exigence conceptuelle absolue. Pearson refusait de pr\u00e9senter les formules math\u00e9matiques comme des recettes de cuisine d\u00e9contextualis\u00e9es ; il les r\u00e9enracinait syst\u00e9matiquement dans l&rsquo;histoire des id\u00e9es, convoquant tour \u00e0 tour Platon, Galil\u00e9e, Spinoza et Darwin pour \u00e9clairer la signification profonde d&rsquo;une d\u00e9rivation d&rsquo;int\u00e9grale.<\/p>\n<p>Dans ses ateliers pratiques de laboratoire, Pearson mettait en \u0153uvre une p\u00e9dagogie innovante fond\u00e9e sur l&rsquo;immersion directe dans le \u00ab cambouis \u00bb des donn\u00e9es empiriques r\u00e9elles. Pas un seul \u00e9tudiant ne validait son cursus sans avoir pass\u00e9 des semaines enti\u00e8res \u00e0 toiser des individus vivants, \u00e0 manipuler des cr\u00e2nes humains au c\u00e9phalom\u00e8tre, \u00e0 classifier des anomalies dermatoglyphiques, puis \u00e0 actionner manuellement les manivelles des lourdes calculatrices m\u00e9caniques pour tabuler des tables de corr\u00e9lation de plusieurs milliers de lignes. Pearson professait qu&rsquo;un statisticien qui n&rsquo;a pas lui-m\u00eame transpir\u00e9 sur la collecte physique et le d\u00e9pouillement arithm\u00e9tique de ses donn\u00e9es n&rsquo;est qu&rsquo;un sophiste incapable de d\u00e9celer les biais de mesure.<\/p>\n<p>Un aspect remarquable &mdash; et particuli\u00e8rement progressiste pour l&rsquo;\u00e9poque victorienne &mdash; de son magist\u00e8re p\u00e9dagogique fut son engagement constant en faveur de l&rsquo;inclusion des femmes dans la recherche de pointe. \u00c0 une \u00e9poque o\u00f9 les universit\u00e9s les plus prestigieuses refusaient m\u00eame de d\u00e9livrer des dipl\u00f4mes acad\u00e9miques aux \u00e9tudiantes, Pearson a accueilli, r\u00e9mun\u00e9r\u00e9 et form\u00e9 au sein de son laboratoire des math\u00e9maticiennes d&rsquo;exception. Des chercheuses comme <a rel=\"noopener noreferrer\" href=\"https:\/\/en.wikipedia.org\/wiki\/Alice_Lee_(mathematician)\">Alice Lee<\/a>, premi\u00e8re femme \u00e0 obtenir un doctorat \u00e8s sciences en biom\u00e9trie en 1901, Julia Bell, qui deviendra une figure fondatrice de la g\u00e9n\u00e9tique ophtalmologique britannique, ou Ethel Elderton, qui publiera des monographies sociologiques quantitatives de r\u00e9f\u00e9rence, ont trouv\u00e9 aupr\u00e8s de Pearson un mentor qui reconnaissait sans r\u00e9serve leur g\u00e9nie analytique et soutenait sans faille leur reconnaissance institutionnelle.<\/p>\n<h3>11.2 Le cercle des collaborateurs et disciples directs<\/h3>\n<p>Parmi les esprits d&rsquo;\u00e9lite qui ont gravit\u00e9 dans l&rsquo;orbite de Pearson, l&rsquo;un des plus illustres et touchants fut sans conteste <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/William_Gosset\">William Sealy Gosset<\/a> (1876-1937), universellement connu sous le pseudonyme acad\u00e9mique de <strong>\u00ab Student \u00bb<\/strong>. Chimiste et math\u00e9maticien embauch\u00e9 en 1899 par la c\u00e9l\u00e8bre brasserie Guinness \u00e0 Dublin pour rationaliser scientifiquement le brassage de la bi\u00e8re et la s\u00e9lection des vari\u00e9t\u00e9s d&rsquo;orge, Gosset prend conscience de l&rsquo;impasse des m\u00e9thodes pearsoniennes de grands \u00e9chantillons pour traiter ses petites s\u00e9ries exp\u00e9rimentales de laboratoire de trois ou quatre f\u00fbts seulement.<\/p>\n<p>En 1906, Gosset prend un cong\u00e9 d&rsquo;\u00e9tudes pour venir se former pendant un an au laboratoire de Pearson \u00e0 l&rsquo;UCL. Pearson accueille chaleureusement le jeune industriel et l&rsquo;encourage dans ses r\u00e9flexions probabilistes. C&rsquo;est sous le regard bienveillant du ma\u00eetre que Gosset con\u00e7oit sa distribution statistique exacte pour les petits \u00e9chantillons, qu&rsquo;il publiera en 1908 dans <em>Biometrika<\/em> sous le nom de plume de \u00ab Student \u00bb (Guinness interdisant \u00e0 ses cadres de divulguer des secrets commerciaux). La <strong>loi de Student<\/strong> (<span class=\"arabpsy-math-inline\" data-latex=\"t\">$t$<\/span> de Student) et le test d&rsquo;hypoth\u00e8se associ\u00e9 &mdash; devenus depuis des piliers universels de la recherche exp\u00e9rimentale &mdash; sont ainsi \u00e9clos directement au sein du vivier acad\u00e9mique pearsonien.<\/p>\n<p>La transmission intellectuelle s&rsquo;est \u00e9galement effectu\u00e9e par le sang : son fils unique, <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Egon_Sharpe_Pearson\">Egon Sharpe Pearson<\/a> (1895-1980), baign\u00e9 d\u00e8s son plus jeune \u00e2ge dans l&rsquo;atmosph\u00e8re intellectuelle du laboratoire paternel, embrasse \u00e0 son tour la carri\u00e8re statistique. Form\u00e9 \u00e0 Cambridge, Egon succ\u00e9dera en 1933 \u00e0 son p\u00e8re \u00e0 la t\u00eate du d\u00e9partement de statistique de l&rsquo;UCL. Avec une ind\u00e9pendance d&rsquo;esprit remarquable, Egon Pearson saura s&rsquo;\u00e9manciper du dogmatisme de son p\u00e8re pour s&rsquo;associer avec le math\u00e9maticien polonais Jerzy Neyman, forgeant ensemble le cadre conceptuel moderne des tests d&rsquo;hypoth\u00e8ses statistiques (la th\u00e9orie de Neyman-Pearson), introduisant les notions cruciales d&rsquo;hypoth\u00e8se alternative (<span class=\"arabpsy-math-inline\" data-latex=\"H_1\">$H_1$<\/span>), d&rsquo;erreur de premi\u00e8re esp\u00e8ce (<span class=\"arabpsy-math-inline\" data-latex=\"\\alpha\">$\\alpha$<\/span>) et de deuxi\u00e8me esp\u00e8ce (<span class=\"arabpsy-math-inline\" data-latex=\"\\beta\">$\\beta$<\/span>), et de puissance statistique (<span class=\"arabpsy-math-inline\" data-latex=\"1 - \\beta\">$1 &#8211; \\beta$<\/span>).<\/p>\n<p>L&rsquo;influence de Pearson s&rsquo;est \u00e9galement diffus\u00e9e avec une intensit\u00e9 remarquable de l&rsquo;autre c\u00f4t\u00e9 de l&rsquo;Atlantique, marquant de son empreinte les p\u00e8res fondateurs de la psychologie am\u00e9ricaine. Un pionnier comme <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Edward_Thorndike\">Edward Thorndike<\/a>, p\u00e8re du connexionnisme et de la psychologie de l&rsquo;\u00e9ducation \u00e0 Columbia University, s&rsquo;inspire directement des m\u00e9thodes pearsoniennes pour r\u00e9diger en 1904 le tout premier manuel am\u00e9ricain de statistique appliqu\u00e9e \u00e0 la psychologie : <em>An Introduction to the Theory of Mental and Social Measurements<\/em>. Thorndike y d\u00e9clare explicitement que les formules de Karl Pearson sont devenues les outils d&rsquo;arpentage indispensables \u00e0 quiconque entend explorer la topographie de l&rsquo;esprit humain.<\/p>\n<h3>11.3 Temp\u00e9rament pol\u00e9mique et style acad\u00e9mique<\/h3>\n<p>On ne saurait dresser un tableau fid\u00e8le du milieu intellectuel pearsonien sans \u00e9voquer le trait de caract\u00e8re le plus redout\u00e9 du savant : son agressivit\u00e9 pol\u00e9mique f\u00e9roce et son intransigeance acad\u00e9mique confinant parfois au pur dogmatisme. Dou\u00e9 d&rsquo;une puissance de travail surhumaine, Pearson dormait peu, \u00e9crivait \u00e0 une vitesse foudroyante et ne concevait l&rsquo;existence que sous l&rsquo;angle du combat pour la V\u00e9rit\u00e9 math\u00e9matique, assimil\u00e9e \u00e0 une forteresse qu&rsquo;il se devait de d\u00e9fendre contre tous les assaillants.<\/p>\n<p>Tout d\u00e9saccord th\u00e9orique avec ses th\u00e8ses \u00e9tait fr\u00e9quemment interpr\u00e9t\u00e9 par Pearson comme une attaque personnelle ou une insulte faite \u00e0 la Raison. Il usait syst\u00e9matiquement de sa position de r\u00e9dacteur en chef tout-puissant de <em>Biometrika<\/em> pour publier des r\u00e9pliques cinglantes de cinquante pages, truff\u00e9es de reproches math\u00e9matiques accablants, barrant l&rsquo;acc\u00e8s de sa revue \u00e0 ses contradicteurs. Sa rupture consomm\u00e9e avec Ronald Fisher, qu&rsquo;il traitait publiquement avec une condescendance m\u00e9prisante m\u00eame lorsque ce dernier avait manifestement raison, ou ses proc\u00e8s d&rsquo;intention intent\u00e9s \u00e0 William Bateson t\u00e9moignent de cette facette ombrageuse de son g\u00e9nie.<\/p>\n<p>Pourtant, cette fureur pol\u00e9mique s&rsquo;accompagnait d&rsquo;une \u00e9thique de l&rsquo;effort scientifique d&rsquo;une grandeur incontestable. Pearson a refus\u00e9 au cours de sa vie les plus grands honneurs acad\u00e9miques et politiques : il a d\u00e9clin\u00e9 le titre de chevalier de l&rsquo;Empire britannique, refus\u00e9 des doctorats <em>honoris causa<\/em> prestigieux et rejet\u00e9 toute fonction honorifique qui l&rsquo;aurait distrait de sa t\u00e2che sacr\u00e9e de recherche. Sa production scientifique globale d\u00e9passe le chiffre \u00e9tourdissant de **650 publications**, comprenant des dizaines de trait\u00e9s imposants, des centaines de m\u00e9moires de recherche originaux, des dictionnaires m\u00e9thodologiques et une monumentale biographie en quatre volumes de Francis Galton (<em>The Life, Letters and Labours of Francis Galton<\/em>), r\u00e9dig\u00e9e avec une ferveur documentaire sans \u00e9gale. Cet h\u00e9ritage titanesque illustre la vie d&rsquo;un titan intellectuel qui s&rsquo;est consum\u00e9 tout entier au service de son id\u00e9al de quantification du cosmos.<\/p>\n<h2>12. Bilan historiographique et post\u00e9rit\u00e9 dans les sciences comportementales modernes<\/h2>\n<p>Pr\u00e8s d&rsquo;un si\u00e8cle apr\u00e8s la disparition de Karl Pearson le 27 avril 1936 \u00e0 Coldharbour dans le Surrey, l&rsquo;\u00e9valuation historiographique de son \u0153uvre demeure l&rsquo;une des entreprises les plus fascinantes et complexes de l&rsquo;histoire des sciences. Savant prot\u00e9e, r\u00e9formateur radical de la m\u00e9thode empirique mais id\u00e9ologue d&rsquo;une cause r\u00e9gressive, Pearson incarne avec \u00e9clat les tensions et les paradoxes de la modernit\u00e9 scientifique.<\/p>\n<h3>12.1 Omnipr\u00e9sence contemporaine des outils pearsoniens<\/h3>\n<p>Le constat le plus saisissant que l&rsquo;on puisse formuler \u00e0 l&rsquo;\u00e9gard de Karl Pearson est celui de son **omnipr\u00e9sence m\u00e9thodologique absolue** dans la recherche empirique du vingt-et-uni\u00e8me si\u00e8cle. Tout \u00e9tudiant d\u00e9butant son premier cours de m\u00e9thodologie en psychologie, en m\u00e9decine, en \u00e9conomie ou en sociologie se trouve confront\u00e9, d\u00e8s les premi\u00e8res semaines d&rsquo;enseignement, au coefficient de corr\u00e9lation lin\u00e9aire produit-moment et au test d&rsquo;ad\u00e9quation du Khi-deux. Ces deux concepts ne sont pas des curiosit\u00e9s arch\u00e9ologiques r\u00e9serv\u00e9es aux \u00e9rudits ; ils constituent la monnaie courante, universelle et ind\u00e9passable de l&rsquo;analyse empirique contemporaine.<\/p>\n<p>Dans l&rsquo;\u00e9cosyst\u00e8me num\u00e9rique contemporain de la science des donn\u00e9es, tous les grands progiciels de traitement statistique &mdash; qu&rsquo;il s&rsquo;agisse de suites commerciales propri\u00e9taires comme <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/SPSS\">SPSS<\/a> ou SAS, ou d&rsquo;environnements libres de programmation vectorielle comme <strong>R<\/strong> et Python (avec des biblioth\u00e8ques telles que <em>SciPy<\/em>, <em>NumPy<\/em> ou <em>scikit-learn<\/em>) &mdash; int\u00e8grent nativement les algorithmes pearsoniens. Une simple commande standard calcule instantan\u00e9ment des matrices de corr\u00e9lations de Pearson, projette des donn\u00e9es dans des sous-espaces orthogonaux selon son algorithme de composantes principales de 1901, ou ajuste des familles de courbes selon son \u00e9quation diff\u00e9rentielle de 1895.<\/p>\n<p>De surcro\u00eet, le renouveau m\u00e9thodologique de la psychologie cognitive et clinique \u00e0 travers les techniques de <a rel=\"noopener noreferrer\" href=\"https:\/\/fr.wikipedia.org\/wiki\/M%C3%A9ta-analyse\">m\u00e9ta-analyse<\/a> &mdash; initi\u00e9 dans les ann\u00e9es 1970 par Gene Glass et amplifi\u00e9 par John Hunter et Frank Schmidt &mdash; a repositionn\u00e9 le param\u00e8tre <span class=\"arabpsy-math-inline\" data-latex=\"r\">$r$<\/span> de Pearson comme l&rsquo;un des indices canoniques universels de la <strong>taille d&rsquo;effet<\/strong> (<em>effect size<\/em>). Lorsqu&rsquo;il s&rsquo;agit de synth\u00e9tiser quantitativement les r\u00e9sultats de dizaines d&rsquo;essais cliniques \u00e9valuant l&rsquo;efficacit\u00e9 d&rsquo;une psychoth\u00e9rapie ou les corr\u00e9lats neurobiologiques d&rsquo;une fonction ex\u00e9cutive, c&rsquo;est tr\u00e8s souvent le coefficient de corr\u00e9lation pearsonien (converti via la transformation en <span class=\"arabpsy-math-inline\" data-latex=\"Z\">$Z$<\/span> de Fisher) qui sert de d\u00e9nominateur commun permettant de surmonter la disparit\u00e9 des \u00e9chelles de mesure initiales. L&rsquo;ambition de Pearson d&rsquo;\u00e9riger la corr\u00e9lation en langage commun de la science n&rsquo;a jamais \u00e9t\u00e9 aussi pleinement r\u00e9alis\u00e9e.<\/p>\n<h3>12.2 La dissociation entre l&rsquo;homme id\u00e9ologue et l&rsquo;h\u00e9ritage m\u00e9thodologique<\/h3>\n<p>Face \u00e0 une telle p\u00e9rennit\u00e9 technique adoss\u00e9e \u00e0 une id\u00e9ologie eug\u00e9niste aujourd&rsquo;hui universellement condamn\u00e9e, la sociologie et l&rsquo;histoire des sciences ont d\u00fb forger des grilles de lecture d&rsquo;une grande subtilit\u00e9. La tentation na\u00efve consisterait soit \u00e0 censurer l&rsquo;homme pour ses th\u00e8ses odieuses en jetant le discr\u00e9dit sur ses th\u00e9or\u00e8mes math\u00e9matiques, soit, \u00e0 l&rsquo;inverse, \u00e0 op\u00e9rer une partition artificielle et anachronique entre un \u00ab bon Pearson math\u00e9maticien g\u00e9nial \u00bb et un \u00ab mauvais Pearson \u00e9gar\u00e9 en id\u00e9ologie \u00bb.<\/p>\n<p>L&rsquo;historiographie contemporaine d\u00e9montre que ces deux sph\u00e8res \u00e9taient en r\u00e9alit\u00e9 intimement et organiquement imbriqu\u00e9es. C&rsquo;est pr\u00e9cis\u00e9ment parce qu&rsquo;il voulait d\u00e9montrer l&rsquo;in\u00e9galit\u00e9 biologique des populations humaines et la transmission h\u00e9r\u00e9ditaire inflexible de la personnalit\u00e9 que Pearson a d\u00fb inventer des techniques d&rsquo;une rigueur formelle in\u00e9dite pour mesurer les nuances les plus imperceptibles de l&rsquo;association statistique. La d\u00e9rivation du coefficient de contingence, de la corr\u00e9lation t\u00e9trachorique ou des moments d&rsquo;asym\u00e9trie n&rsquo;a pas \u00e9t\u00e9 con\u00e7ue dans une contemplation abstraite, mais pour r\u00e9soudre des interrogations eug\u00e9niques tr\u00e8s pr\u00e9cises : prouver que la descendance d&rsquo;alcooliques ou de d\u00e9ficients mentaux \u00e9tait math\u00e9matiquement condamn\u00e9e \u00e0 pr\u00e9senter les m\u00eames d\u00e9ficits que leurs ascendants.<\/p>\n<p>Toutefois, la grandeur de la formalisation math\u00e9matique r\u00e9side dans sa transcendance intrins\u00e8que par rapport aux intentions contingentes de son cr\u00e9ateur. Une fois formul\u00e9s, d\u00e9montr\u00e9s et tabul\u00e9s, le coefficient de corr\u00e9lation de Pearson, le test du <span class=\"arabpsy-math-inline\" data-latex=\"\\chi^2\">$\\chi^2$<\/span> et l&rsquo;analyse en composantes principales sont devenus des instruments d&rsquo;une neutralit\u00e9 op\u00e9ratoire absolue. Ils ont pu \u00eatre utilis\u00e9s avec la m\u00eame efficacit\u00e9 par des psychologues progressistes pour d\u00e9montrer la plasticit\u00e9 neuronale de l&rsquo;intelligence cognitive, par des sociologues marxistes pour prouver l&rsquo;impact \u00e9crasant des in\u00e9galit\u00e9s socio-\u00e9conomiques sur la r\u00e9ussite scolaire, ou par des \u00e9pid\u00e9miologistes pour identifier les facteurs environnementaux des maladies cardiovasculaires. La rationalit\u00e9 instrumentale s&rsquo;est ainsi \u00e9mancip\u00e9e de la matrice id\u00e9ologique qui l&rsquo;avait vue na\u00eetre.<\/p>\n<h3>12.3 Synth\u00e8se de la r\u00e9volution m\u00e9thodologique pearsonienne<\/h3>\n<p>En derni\u00e8re analyse, l&rsquo;\u0153uvre accomplie par Karl Pearson entre 1857 et 1936 repr\u00e9sente le grand tournant m\u00e9thodologique qui a permis aux sciences de l&rsquo;esprit et du comportement d&rsquo;entrer de plain-pied dans l&rsquo;\u00e8re de la maturit\u00e9 scientifique. Avant lui, l&rsquo;\u00e9tude des facult\u00e9s humaines \u00e9tait partag\u00e9e entre les abstractions d\u00e9ductives de la philosophie de l&rsquo;\u00e2me et les sp\u00e9culations anecdotiques de la psychiatrie ali\u00e9niste asilaire. Pearson a bris\u00e9 ce t\u00eate-\u00e0-t\u00eate st\u00e9rile en imposant l&rsquo;alliance r\u00e9volutionnaire de l&#8217;empirisme d&rsquo;observation et de l&rsquo;analyse probabiliste multivari\u00e9e.<\/p>\n<p>Par sa <em>Grammaire de la science<\/em>, il a d\u00e9livr\u00e9 les sciences humaines du complexe de la causalit\u00e9 m\u00e9caniste, leur montrant que l&rsquo;\u00e9tude de la complexit\u00e9 psychologique ne consiste pas \u00e0 singer la physique newtonienne en qu\u00eate de lois d\u00e9terministes invariantes, mais \u00e0 cartographier avec rigueur des r\u00e9seaux de corr\u00e9lations stochastiques et de contingences distribu\u00e9es. Il a appris aux chercheurs \u00e0 regarder une distribution statistique non plus comme une anomalie d\u00e9cevante par rapport \u00e0 un id\u00e9al th\u00e9orique abstrait, mais comme la r\u00e9alit\u00e9 biologique et psychologique m\u00eame, dont l&rsquo;asym\u00e9trie, l&rsquo;aplatissement et la dispersion r\u00e9siduelle racontent l&rsquo;histoire \u00e9volutive des populations humaines.<\/p>\n<p>Karl Pearson fut sans doute l&rsquo;un des derniers polymathes absolus du monde universitaire occidental. Juriste, historien, philosophe des perceptions, po\u00e8te \u00e0 ses heures, math\u00e9maticien redoutable et r\u00e9formateur passionn\u00e9, il a concentr\u00e9 en un faisceau incandescent toutes les aspirations, toutes les lumi\u00e8res et tous les travers de l&rsquo;\u00e9poque victorienne tardive. Si son r\u00eave eug\u00e9niste d&rsquo;ing\u00e9nierie biologique de l&rsquo;humanit\u00e9 a fait naufrage sur les r\u00e9cifs de l&rsquo;histoire, son architecture statistique demeure le roc in\u00e9branlable sur lequel repose aujourd&rsquo;hui encore l&rsquo;\u00e9difice tout entier de la psychologie diff\u00e9rentielle, de la psychom\u00e9trie et des sciences quantitatives modernes.<\/p>\n<h2>R\u00e9f\u00e9rences<\/h2>\n<ul>\n<li>Bravais, A. (1846). Analyse math\u00e9matique sur les probabilit\u00e9s des erreurs de situation d&rsquo;un point. <em>M\u00e9moires pr\u00e9sent\u00e9s par divers savants \u00e0 l&rsquo;Acad\u00e9mie royale des sciences de l&rsquo;Institut de France<\/em>, 9, 255-332.<\/li>\n<li>Fisher, R. A. (1918). The correlation between relatives on the supposition of Mendelian inheritance. <em>Transactions of the Royal Society of Edinburgh<\/em>, 52(2), 399-433. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1017\/S0080456800012163\">https:\/\/doi.org\/10.1017\/S0080456800012163<\/a><\/li>\n<li>Fisher, R. A. (1922). On the mathematical foundations of theoretical statistics. <em>Philosophical Transactions of the Royal Society of London. Series A<\/em>, 222, 309-368. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1098\/rsta.1922.0009\">https:\/\/doi.org\/10.1098\/rsta.1922.0009<\/a><\/li>\n<li>Galton, F. (1889). <em>Natural Inheritance<\/em>. Macmillan and Co.<\/li>\n<li>MacKenzie, D. (1981). <em>Statistics in Britain, 1865-1930: The Social Construction of Scientific Knowledge<\/em>. Edinburgh University Press.<\/li>\n<li>Magnello, M. E. (2001). Karl Pearson&rsquo;s mathematical education. <em>Annals of Science<\/em>, 58(3), 255-285. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1080\/00033790010010777\">https:\/\/doi.org\/10.1080\/00033790010010777<\/a><\/li>\n<li>Pearson, E. S. (1938). <em>Karl Pearson: An Appreciation of Some Aspects of His Life and Work<\/em>. Cambridge University Press.<\/li>\n<li>Pearson, K. (1892). <em>The Grammar of Science<\/em>. Walter Scott.<\/li>\n<li>Pearson, K. (1895). Contributions to the mathematical theory of evolution.\u2014II. Skew variation in homogeneous material. <em>Philosophical Transactions of the Royal Society of London. Series A<\/em>, 186, 343-414. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1098\/rsta.1895.0010\">https:\/\/doi.org\/10.1098\/rsta.1895.0010<\/a><\/li>\n<li>Pearson, K. (1896). Mathematical contributions to the theory of evolution.\u2014III. Regression, heredity, and panmixia. <em>Philosophical Transactions of the Royal Society of London. Series A<\/em>, 187, 253-318. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1098\/rsta.1896.0007\">https:\/\/doi.org\/10.1098\/rsta.1896.0007<\/a><\/li>\n<li>Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. <em>The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science<\/em>, Series 5, 50(302), 157-175. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1080\/14786440009463897\">https:\/\/doi.org\/10.1080\/14786440009463897<\/a><\/li>\n<li>Pearson, K. (1901). On lines and planes of closest fit to systems of points in space. <em>The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science<\/em>, Series 6, 2(11), 559-572. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1080\/14786440109462720\">https:\/\/doi.org\/10.1080\/14786440109462720<\/a><\/li>\n<li>Pearson, K. (1904). <em>Mathematical Contributions to the Theory of Evolution. XIII. On the Theory of Contingency and Its Relation to Association and Normal Correlation<\/em> (Drapers&rsquo; Company Research Memoirs, Biometric Series I). Dulau and Co.<\/li>\n<li>Pearson, K. (1905). <em>Mathematical Contributions to the Theory of Evolution. XIV. On the General Theory of Skew Correlation and Non-linear Regression<\/em> (Drapers&rsquo; Company Research Memoirs, Biometric Series II). Dulau and Co.<\/li>\n<li>Porter, T. M. (2004). <em>Karl Pearson: The Scientific Life in a Statistical Age<\/em>. Princeton University Press. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1515\/9781400835706\">https:\/\/doi.org\/10.1515\/9781400835706<\/a><\/li>\n<li>Spearman, C. (1904). \u00ab\u00a0General intelligence,\u00a0\u00bb objectively determined and measured. <em>The American Journal of Psychology<\/em>, 15(2), 201-292. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.2307\/1412107\">https:\/\/doi.org\/10.2307\/1412107<\/a><\/li>\n<li>Stigler, S. M. (1986). <em>The History of Statistics: The Measurement of Uncertainty before 1900<\/em>. Harvard University Press.<\/li>\n<li>Student [Gosset, W. S.]. (1908). The probable error of a mean. <em>Biometrika<\/em>, 6(1), 1-25. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1093\/biomet\/6.1.1\">https:\/\/doi.org\/10.1093\/biomet\/6.1.1<\/a><\/li>\n<li>Thorndike, E. L. (1904). <em>An Introduction to the Theory of Mental and Social Measurements<\/em>. The Science Press.<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>Une analyse acad\u00e9mique exhaustive de la vie, de l&rsquo;\u0153uvre \u00e9pist\u00e9mologique et des innovations statistiques de Karl Pearson ainsi que de son impact en psychom\u00e9trie.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[1516,993],"tags":[4559,21260,6643,16,4961],"class_list":["post-15949","psych_theorist","type-psych_theorist","status-publish","hentry","category-histoire-de-la-psychologie","category-psychometrie-et-methodologie","tag-correlation","tag-histoire-des-sciences","tag-karl-pearson","tag-psychometrie","tag-statistique"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_theorist\/15949","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_theorist"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_theorist"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=15949"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_theorist\/15949\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=15949"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=15949"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=15949"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}