{"id":17400,"date":"2026-10-15T09:13:16","date_gmt":"2026-10-15T09:13:16","guid":{"rendered":"http:\/\/french.arabpsychology.com\/theorists\/paul-rosenbaum-1955-present\/"},"modified":"2026-10-15T09:13:16","modified_gmt":"2026-10-15T09:13:16","slug":"paul-rosenbaum-1955-present","status":"publish","type":"psych_theorist","link":"https:\/\/french.arabpsychology.com\/?psych_theorist=paul-rosenbaum-1955-present","title":{"rendered":"Paul Rosenbaum – 1955 Pr\u00e9sent"},"content":{"rendered":"

L’histoire de la statistique contemporaine et de l’\u00e9pist\u00e9mologie des sciences empiriques est marqu\u00e9e par des ruptures conceptuelles majeures qui ont transform\u00e9 notre rapport \u00e0 la preuve scientifique. Parmi les figures intellectuelles dominantes de cette r\u00e9volution silencieuse, le statisticien am\u00e9ricain Paul R. Rosenbaum<\/a> occupe une place singuli\u00e8re et magistrale. Depuis le d\u00e9but des ann\u00e9es 1980, ses travaux th\u00e9oriques et appliqu\u00e9s ont profond\u00e9ment refond\u00e9 la m\u00e9thodologie des \u00e9tudes observationnelles, comblant le foss\u00e9 qui s\u00e9parait traditionnellement l’exp\u00e9rimentation al\u00e9atoire contr\u00f4l\u00e9e \u2014 souvent consid\u00e9r\u00e9e comme l’id\u00e9al inaccessible de la d\u00e9marche scientifique \u2014 des donn\u00e9es de terrain imparfaites, soumises aux al\u00e9as du monde r\u00e9el, aux contraintes \u00e9thiques et aux biais humains.<\/p>\n

En \u00e9troite articulation avec les mod\u00e8les contrefactuels formalis\u00e9s par Donald Rubin, Paul Rosenbaum a d\u00e9velopp\u00e9 un corpus m\u00e9thodologique d’une profondeur exceptionnelle. De la formalisation math\u00e9matique rigoureuse du score de propension en 1983 jusqu’aux formulations avanc\u00e9es de l’analyse de sensibilit\u00e9 non param\u00e9trique et des algorithmes d’appariement optimal fond\u00e9s sur la th\u00e9orie des graphes, son \u0153uvre s’est \u00e9rig\u00e9e en r\u00e9f\u00e9rence incontournable. Elle irrigue aujourd’hui la recherche translationnelle en psychiatrie, en psychologie clinique, en \u00e9pid\u00e9miologie, en \u00e9conom\u00e9trie comportementale ainsi qu’en sciences sociales, offrant aux chercheurs les outils n\u00e9cessaires pour distinguer la causalit\u00e9 authentique des simples associations trompeuses engendr\u00e9es par des facteurs de confusion non mesur\u00e9s.<\/p>\n

Le pr\u00e9sent article propose une exploration int\u00e9grale et syst\u00e9matique de la pens\u00e9e, du parcours acad\u00e9mique et de l’h\u00e9ritage intellectuel de Paul Rosenbaum, de sa naissance en 1955 \u00e0 ses contributions les plus actuelles. \u00c0 travers une analyse didactique et approfondie de ses principes math\u00e9matiques, de ses protocoles quasi-exp\u00e9rimentaux et de ses d\u00e9bats \u00e9pist\u00e9mologiques avec d’autres courants de l’inf\u00e9rence causale, nous mettons en lumi\u00e8re comment ce savant a transform\u00e9 la qu\u00eate de v\u00e9rit\u00e9 dans les sciences de l’esprit et du comportement, \u00e9tablissant un nouveau standard de rigueur m\u00e9thodologique et d’honn\u00eatet\u00e9 intellectuelle.<\/p>\n

1. Introduction \u00e0 la vie et \u00e0 l’\u0153uvre de Paul R. Rosenbaum<\/h2>\n

1.1 Rep\u00e8res biographiques et ancrage chronologique<\/h3>\n

N\u00e9 en 1955 aux \u00c9tats-Unis, Paul Richard Rosenbaum a grandi \u00e0 une \u00e9poque o\u00f9 la statistique math\u00e9matique connaissait une phase de transition majeure, oscillant entre les m\u00e9thodes inf\u00e9rentielles param\u00e9triques formalis\u00e9es au d\u00e9but du XXe si\u00e8cle par Ronald Fisher et Jerzy Neyman, et l’\u00e9mergence des approches non param\u00e9triques et robustes. D\u00e8s ses premi\u00e8res ann\u00e9es universitaires, Rosenbaum manifeste une inclination profonde pour les structures math\u00e9matiques fondamentales, tout en nourrissant une fascination constante pour leur utilit\u00e9 concr\u00e8te dans la r\u00e9solution de dilemmes soci\u00e9taux et biom\u00e9dicaux complexes. Sa formation s’inscrit au sein des d\u00e9partements de statistique les plus exigeants de la c\u00f4te Est am\u00e9ricaine, o\u00f9 l’accent est mis sur la pr\u00e9cision analytique et le refus des compromis m\u00e9thodologiques superficiels.<\/p>\n

Son ancrage institutionnel majeur se cristallise rapidement \u00e0 l’Universit\u00e9 de Pennsylvanie, plus pr\u00e9cis\u00e9ment au sein du d\u00e9partement de statistique de la prestigieuse Wharton School<\/a>. C’est dans ce sanctuaire de la mod\u00e9lisation quantitative qu’il b\u00e2tit l’essentiel de sa carri\u00e8re, franchissant tous les \u00e9chelons acad\u00e9miques jusqu’\u00e0 devenir le professeur titulaire de la chaire Robert G. Putzel en statistique et science des donn\u00e9es. Son parcours acad\u00e9mique, qui s’\u00e9tend sans interruption de la fin des ann\u00e9es 1970 jusqu’\u00e0 nos jours, se distingue par une fid\u00e9lit\u00e9 exemplaire \u00e0 la recherche fondamentale coupl\u00e9e \u00e0 une diss\u00e9mination continue de ses outils au b\u00e9n\u00e9fice des disciplines appliqu\u00e9es.<\/p>\n

La trajectoire scientifique de Paul Rosenbaum est indissociable de l’\u00e9volution m\u00eame de l’inf\u00e9rence causale moderne. Alors que les ann\u00e9es 1970 et 1980 voyaient fleurir une confiance parfois aveugle dans les mod\u00e8les de r\u00e9gression lin\u00e9aire et logistique pour ajuster les donn\u00e9es observationnelles, Rosenbaum a fait preuve d’une lucidit\u00e9 critique singuli\u00e8re. Il a consacr\u00e9 sa vie \u00e0 d\u00e9montrer que l’ajustement m\u00e9canique par \u00e9quations de r\u00e9gression masquait fr\u00e9quemment des hypoth\u00e8ses non test\u00e9es et des extrapolations abusives. En se consacrant \u00e0 la construction d’une th\u00e9orie rigoureuse du contr\u00f4le des biais, il a transform\u00e9 la r\u00e9putation des donn\u00e9es observationnelles, les hissant au rang d’instruments l\u00e9gitimes et fiables pour l’\u00e9laboration des politiques publiques et des protocoles cliniques.<\/p>\n

1.2 R\u00e9volution m\u00e9thodologique au service des sciences psychologiques<\/h3>\n

L’apport de Paul Rosenbaum rev\u00eat une dimension particuli\u00e8rement r\u00e9volutionnaire au sein des sciences psychologiques et psychiatriques. Dans ces disciplines, l’exp\u00e9rimentation al\u00e9atoire se heurte r\u00e9guli\u00e8rement \u00e0 des barri\u00e8res d\u00e9ontologiques infranchissables. Il est, par exemple, rigoureusement impossible d’assigner al\u00e9atoirement des enfants \u00e0 des conditions de maltraitance parentale, d’exposer des individus sains \u00e0 des traumatismes s\u00e9v\u00e8res pour en mesurer les s\u00e9quelles cognitives, ou encore d’imposer l’interruption prolong\u00e9e d’une psychoth\u00e9rapie chez des patients pr\u00e9sentant un risque suicidaire aigu. Face \u00e0 ces impasses \u00e9thiques, les chercheurs en psychologie ont longtemps \u00e9t\u00e9 contraints soit de renoncer \u00e0 toute affirmation causale, soit de recourir \u00e0 des comparaisons na\u00efves entach\u00e9es de biais massifs.<\/p>\n

La m\u00e9thodologie d\u00e9velopp\u00e9e par Paul Rosenbaum a offert une porte de sortie salutaire \u00e0 ces dilemmes. En fournissant des protocoles math\u00e9matiquement fond\u00e9s permettant d’exploiter les donn\u00e9es issues de situations naturelles ou de cohortes cliniques r\u00e9trospectives, il a rendu possible l’estimation des effets th\u00e9rapeutiques et comportementaux avec une rigueur comparable, sous certaines conditions strictes, \u00e0 celle des essais cliniques randomis\u00e9s. Les m\u00e9thodologistes de la psychologie ont trouv\u00e9 dans ses concepts d’appariement optimal et d’\u00e9quilibrage des covariables un moyen de neutraliser les facteurs de confusion li\u00e9s aux caract\u00e9ristiques psychologiques pr\u00e9existantes, telles que la personnalit\u00e9, la s\u00e9v\u00e9rit\u00e9 initiale des sympt\u00f4mes ou le statut socio-\u00e9motionnel.<\/p>\n

Cette contribution a catalys\u00e9 un v\u00e9ritable changement de paradigme \u00e9pist\u00e9mologique dans l’\u00e9valuation des interventions comportementales. L’\u00e9valuation des th\u00e9rapies cognitives et comportementales, des programmes d’\u00e9ducation sp\u00e9cialis\u00e9e et des dispositifs de r\u00e9insertion sociale a pu s’affranchir du soup\u00e7on permanent de biais de s\u00e9lection. La communaut\u00e9 des psychologues quantitatifs et des cliniciens a reconnu en Rosenbaum l’artisan d’une m\u00e9thodologie de la preuve capable de respecter scrupuleusement la complexit\u00e9 humaine et la libert\u00e9 des patients, tout en maintenant les standards statistiques les plus intransigeants.<\/p>\n

1.3 Cadre conceptuel g\u00e9n\u00e9ral de ses travaux<\/h3>\n

Le cadre th\u00e9orique au sein duquel s’inscrit l’\u0153uvre de Rosenbaum trouve ses racines dans le mod\u00e8le causal de Neyman-Rubin, couramment d\u00e9sign\u00e9 sous le terme de cadre des r\u00e9sultats potentiels (potential outcomes framework<\/em>). Toutefois, l\u00e0 o\u00f9 Rubin a formalis\u00e9 l’ontologie des effets causaux individuels et de la moyenne des effets de traitement, Rosenbaum a enrichi ce paradigme d’une architecture probabiliste novatrice et d’une ing\u00e9nierie algorithmique sophistiqu\u00e9e. Pour Rosenbaum, l’inf\u00e9rence causale ne consiste pas simplement \u00e0 estimer un param\u00e8tre num\u00e9rique d’impact, mais \u00e0 concevoir une v\u00e9ritable d\u00e9marche de r\u00e9futation, inspir\u00e9e du falsificationnisme de Karl Popper et des principes de l’\u00e9pid\u00e9miologiste Sir Austin Bradford Hill.<\/p>\n

Au c\u0153ur de sa mod\u00e9lisation r\u00e9side une pr\u00e9occupation centrale : le spectre de la variable de confusion non mesur\u00e9e. Dans les sciences comportementales et psychom\u00e9triques, la totalit\u00e9 des d\u00e9terminants d’une d\u00e9cision ou d’un \u00e9tat mental ne peut jamais \u00eatre int\u00e9gr\u00e9e dans une base de donn\u00e9es. L’anxi\u00e9t\u00e9 sous-jacente, la motivation intrins\u00e8que, les micro-traumatismes non verbalis\u00e9s ou les variations \u00e9pig\u00e9n\u00e9tiques constituent des variables latentes omnipr\u00e9sentes. Rosenbaum a formalis\u00e9 avec une pr\u00e9cision clinique la mani\u00e8re dont ces facteurs d’ombre perturbent l’assignation au traitement, proposant des m\u00e9thodes novatrices pour tester la stabilit\u00e9 des conclusions scientifiques face \u00e0 ces biais cach\u00e9s.<\/p>\n

Enfin, Rosenbaum a inlassablement milit\u00e9 pour une diff\u00e9renciation stricte et intangible entre l’association statistique brute et l’inf\u00e9rence causale robuste. Alors que la statistique descriptive classique se satisfait de corr\u00e9ler des variables mesur\u00e9es, la perspective de Rosenbaum exige que toute revendication causale soit soutenue par une \u00e9tude exhaustive du processus g\u00e9n\u00e9rateur de donn\u00e9es. Cette s\u00e9paration m\u00e9thodologique impose que l’analyste prenne en compte la dynamique temporelle, les m\u00e9canismes de s\u00e9lection des sujets et les conditions contrefactuelles, transformant la statistique appliqu\u00e9e en une v\u00e9ritable discipline d’investigation quasi-m\u00e9dicol\u00e9gale du r\u00e9el.<\/p>\n

2. Origines intellectuelles et formation acad\u00e9mique<\/h2>\n

2.1 Parcours universitaire initial et influences th\u00e9oriques<\/h3>\n

L’itin\u00e9raire intellectuel de Paul Rosenbaum s’amorce par des \u00e9tudes de premier cycle particuli\u00e8rement brillantes en math\u00e9matiques, o\u00f9 il acquiert une ma\u00eetrise souveraine de l’analyse r\u00e9elle, des probabilit\u00e9s de Kolmogorov et de l’alg\u00e8bre lin\u00e9aire avanc\u00e9e. Tr\u00e8s vite, son int\u00e9r\u00eat se d\u00e9place vers la statistique math\u00e9matique, discipline qu’il per\u00e7oit non comme un simple appendice des math\u00e9matiques pures, mais comme un langage d’arbitrage face \u00e0 l’incertitude du monde physique et social. Il poursuit ses \u00e9tudes de doctorat au sein du d\u00e9partement de statistique de l’Universit\u00e9 de Harvard<\/a>, \u00e9picentre mondial de l’innovation th\u00e9orique au tournant des ann\u00e9es 1970 et 1980.<\/p>\n

Durant son passage \u00e0 Harvard, le jeune Rosenbaum est profond\u00e9ment impr\u00e9gn\u00e9 par les d\u00e9veloppements contemporains de la statistique non param\u00e9trique, de la th\u00e9orie des rangs et de l’analyse robuste incarn\u00e9e par des figures de premier plan telles que Peter Huber et John Tukey. Il prend rapidement conscience des limites intrins\u00e8ques des approches param\u00e9triques standard, fond\u00e9es sur l’hypoth\u00e8se souvent irr\u00e9aliste de normalit\u00e9 des distributions. Dans le m\u00eame temps, il observe avec scepticisme la pratique dominante qui consiste \u00e0 appliquer des mod\u00e8les de r\u00e9gression par moindres carr\u00e9s ordinaires \u00e0 des donn\u00e9es comportementales complexes sans v\u00e9rifier les conditions d’ad\u00e9quation structurelle.<\/p>\n

Cette prise de conscience engendre chez lui une volont\u00e9 farouche de repenser les m\u00e9thodes d’ajustement conventionnelles. Sous la tutelle bienveillante et exigeante des ma\u00eetres de Harvard, il commence \u00e0 explorer les m\u00e9canismes math\u00e9matiques qui r\u00e9gissent les d\u00e9faillances des estimateurs statistiques classiques en pr\u00e9sence de biais de s\u00e9lection non lin\u00e9aires. Sa th\u00e8se de doctorat, achev\u00e9e en 1980, pose les premiers jalons d’une r\u00e9flexion syst\u00e9matique sur l’appariement et la mod\u00e9lisation des probabilit\u00e9s d’affectation aux traitements m\u00e9dicaux et sociaux, r\u00e9v\u00e9lant d\u00e9j\u00e0 un esprit analytique d’une rare p\u00e9n\u00e9tration.<\/p>\n

2.2 Rencontre et collaboration avec Donald B. Rubin<\/h3>\n

Le tournant d\u00e9terminant de la carri\u00e8re de Paul Rosenbaum intervient lorsqu’il noue un dialogue intellectuel \u00e9troit avec Donald B. Rubin<\/a>, alors l’un des professeurs et chercheurs les plus novateurs dans le domaine des donn\u00e9es manquantes et de l’inf\u00e9rence causale. Rubin avait formalis\u00e9 quelques ann\u00e9es auparavant le mod\u00e8le des r\u00e9sultats potentiels, d\u00e9montrant que l’inf\u00e9rence causale pouvait \u00eatre conceptualis\u00e9e comme un probl\u00e8me fondamental de donn\u00e9es manquantes : pour un m\u00eame sujet, on observe soit son \u00e9tat sous traitement, soit son \u00e9tat sans traitement, mais jamais les deux simultan\u00e9ment. Cependant, il manquait encore \u00e0 cette intuition ontologique un outil math\u00e9matique universel pour neutraliser efficacement les biais de s\u00e9lection multidimensionnels sans d\u00e9pendre de mod\u00e8les de r\u00e9gression arbitraires.<\/p>\n

La collaboration entre Rosenbaum et Rubin, initi\u00e9e au d\u00e9but des ann\u00e9es 1980, se caract\u00e9rise par une synergie intellectuelle exceptionnelle. Rubin apporte sa vision contrefactuelle r\u00e9volutionnaire et son sens aigu de la mod\u00e9lisation \u00e9pist\u00e9mologique, tandis que Rosenbaum injecte une rigueur math\u00e9matique foudroyante, une ma\u00eetrise experte de la th\u00e9orie des probabilit\u00e9s conditionnelles et une vision algorithmique orient\u00e9e vers l’optimisation combinatoire et l’appariement. Ensemble, ils s’attellent \u00e0 r\u00e9soudre l’une des \u00e9nigmes les plus redoutables de la statistique observationnelle : comment condenser une multitude de variables confondantes en une seule dimension scalaire sans perdre la propri\u00e9t\u00e9 fondamentale d’\u00e9quilibrage entre les groupes ?<\/p>\n

Cette collaboration historique culmine en 1983 avec la publication, dans la prestigieuse revue Biometrika<\/em>, de leur article fondateur : \u00ab The Central Role of the Propensity Score in Observational Studies for Causal Effects \u00bb. Ce texte monumental pose l’acte de naissance du score de propension. L’accueil initial, d’abord circonscrit aux cercles restreints de la statistique th\u00e9orique, se transforme au fil des d\u00e9cennies en un raz-de-mar\u00e9e m\u00e9thodologique. L’article devient l’un des plus cit\u00e9s de toute l’histoire de la statistique contemporaine, red\u00e9finissant de fond en comble les standards de conception, d’analyse et de publication scientifique dans l’ensemble des sciences comportementales, sociales et biom\u00e9dicales.<\/p>\n

3. L’invention et la formalisation du score de propension<\/h2>\n

3.1 D\u00e9finition math\u00e9matique et propri\u00e9t\u00e9s fondamentales<\/h3>\n

Le score de propension, tel que formalis\u00e9 math\u00e9matiquement par Rosenbaum et Rubin en 1983, est d\u00e9fini comme la probabilit\u00e9 conditionnelle pour un individu d’\u00eatre assign\u00e9 \u00e0 un traitement sp\u00e9cifique, \u00e9tant donn\u00e9 un ensemble observ\u00e9 de covariables pr\u00e9-traitement. Formellement, soit $Z in {0, 1}$<\/span> la variable indicatrice binaire d’exposition au traitement (o\u00f9 $Z=1$<\/span> indique la participation \u00e0 une intervention th\u00e9rapeutique ou comportementale et $Z=0$<\/span> indique son absence), et soit $X$<\/span> un vecteur multidimensionnel de covariables mesur\u00e9es avant l’assignation. Le score de propension, not\u00e9 $e(X)$<\/span>, est d\u00e9fini par l’esp\u00e9rance conditionnelle :<\/p>\n

$$e(X) = Pr(Z = 1 mid X)$$<\/span><\/p>\n

La d\u00e9couverte math\u00e9matique majeure de Paul Rosenbaum r\u00e9side dans la d\u00e9monstration que ce score scalaire est un \u00ab score d’\u00e9quilibrage \u00bb (balancing score<\/em>). Cela signifie que conditionnellement \u00e0 la valeur de $e(X)$<\/span>, la distribution des covariables $X$<\/span> est strictement identique entre le groupe des trait\u00e9s ($Z=1$<\/span>) et le groupe des non-trait\u00e9s ($Z=0$<\/span>). En notation probabiliste formelle, cette propri\u00e9t\u00e9 d’ind\u00e9pendance conditionnelle s’\u00e9crit :<\/p>\n

$$X perp Z mid e(X)$$<\/span><\/p>\n

Cette propri\u00e9t\u00e9 constitue une perc\u00e9e th\u00e9orique colossale pour la recherche en psychologie et dans les disciplines connexes. Dans les \u00e9tudes comportementales, le vecteur $X$<\/span> contient fr\u00e9quemment plusieurs dizaines, voire plusieurs centaines de variables : \u00e2ge, statut socio-\u00e9conomique, ant\u00e9c\u00e9dents psychiatriques, scores psychom\u00e9triques de d\u00e9pression, traits de personnalit\u00e9 du mod\u00e8le Big Five, etc. Tenter d’apparier des sujets directement sur cet espace multidimensionnel se heurtait in\u00e9vitablement au \u00ab fl\u00e9au de la dimensionnalit\u00e9 \u00bb (curse of dimensionality<\/em>), rendant impossible la recherche de t\u00e9moins identiques. Le th\u00e9or\u00e8me de Rosenbaum-Rubin prouve qu’il suffit d’\u00e9galiser les sujets sur une unique dimension \u2014 la probabilit\u00e9 scalaire $e(X)$<\/span> \u2014 pour restaurer en esp\u00e9rance l’\u00e9quilibre global de l’ensemble des caract\u00e9ristiques multidimensionnelles.<\/p>\n

Cette propri\u00e9t\u00e9 d’\u00e9quilibrage n’est toutefois valide pour l’inf\u00e9rence causale que sous l’hypoth\u00e8se d’ignorabilit\u00e9 forte du traitement conditionnellement aux covariables observ\u00e9es (strong ignorability<\/em>). Cette condition stipule, d’une part, que l’assignation au traitement est conditionnellement ind\u00e9pendante des r\u00e9sultats potentiels $(Y(1), Y(0))$<\/span> sachant $X$<\/span> :<\/p>\n

$$(Y(1), Y(0)) perp Z mid X$$<\/span><\/p>\n

et, d’autre part, que la condition de positivit\u00e9 ou de support commun est respect\u00e9e, ce qui implique que chaque individu de la population dispose d’une chance non nulle d’appartenir \u00e0 l’un ou l’autre groupe :<\/p>\n

$$0 < Pr(Z = 1 mid X) < 1 \\quad \\forall X$$<\/span><\/p>\n

Rosenbaum a d\u00e9montr\u00e9 math\u00e9matiquement que si l’ignorabilit\u00e9 forte est satisfaite sachant $X$<\/span>, elle reste v\u00e9rifi\u00e9e conditionnellement au score de propension $e(X)$<\/span>, conf\u00e9rant \u00e0 ce dernier une puissance analytique sans pr\u00e9c\u00e9dent.<\/p>\n

3.2 Comparaison critique avec la r\u00e9gression multiple traditionnelle<\/h3>\n

L’apport \u00e9pist\u00e9mologique de Paul Rosenbaum ne se limite pas \u00e0 la formulation math\u00e9matique du score de propension ; il s’incarne \u00e9galement dans une critique d\u00e9vastatrice des pratiques de mod\u00e9lisation par r\u00e9gression lin\u00e9aire ou logistique conventionnelle. Dans la tradition statistique standard, lorsqu’un chercheur souhaite comparer un groupe trait\u00e9 \u00e0 un groupe t\u00e9moin en pr\u00e9sence de facteurs de confusion, le r\u00e9flexe quasi universel consiste \u00e0 ajuster un mod\u00e8le lin\u00e9aire o\u00f9 le r\u00e9sultat $Y$<\/span> est r\u00e9gress\u00e9 sur la variable de traitement $Z$<\/span> et les covariables $X$<\/span>. Rosenbaum a d\u00e9nonc\u00e9 avec vigueur les vuln\u00e9rabilit\u00e9s fatales de cette approche, la qualifiant d’illusion de contr\u00f4le.<\/p>\n

La premi\u00e8re faille majeure r\u00e9side dans l’extrapolation lin\u00e9aire abusive. Lorsque les distributions des covariables $X$<\/span> diff\u00e8rent consid\u00e9rablement entre les groupes \u2014 par exemple, si les patients recevant une psychoth\u00e9rapie intensive pr\u00e9sentent des niveaux initiaux de d\u00e9tresse psychologique bien plus \u00e9lev\u00e9s que les t\u00e9moins \u2014, les deux groupes n’occupent pas la m\u00eame zone dans l’espace des donn\u00e9es. La r\u00e9gression multiple comble alors ce vide par une interpolation math\u00e9matique aveugle, supposant que la relation lin\u00e9aire reste strictement valable dans des zones o\u00f9 aucune donn\u00e9e n’a jamais \u00e9t\u00e9 observ\u00e9e. Rosenbaum a prouv\u00e9 qu’une l\u00e9g\u00e8re sp\u00e9cification erron\u00e9e de la forme fonctionnelle (comme l’omission d’un terme quadratique ou d’une interaction) pouvait g\u00e9n\u00e9rer des biais massifs et faire conclure faussement \u00e0 l’existence ou \u00e0 l’absence d’un effet th\u00e9rapeutique.<\/p>\n

Le deuxi\u00e8me argument fondamental d\u00e9fendu par Rosenbaum concerne la s\u00e9paration stricte et salutaire entre la phase de conception (design<\/em>) et la phase d’analyse des r\u00e9sultats (analysis<\/em>). Dans un essai randomis\u00e9, le protocole exp\u00e9rimental et l’assignation des sujets sont finalis\u00e9s bien avant que le moindre r\u00e9sultat clinique ne soit collect\u00e9 ou examin\u00e9. Le mod\u00e8le de r\u00e9gression standard viole ce principe d’int\u00e9grit\u00e9 scientifique \u00e9l\u00e9mentaire : le chercheur ajuste son mod\u00e8le tout en observant les coefficients et les p-valeurs associ\u00e9s \u00e0 la variable d’int\u00e9r\u00eat, ce qui ouvre la porte au piratage de donn\u00e9es (p-hacking<\/em>) et \u00e0 la s\u00e9lection opportuniste des sp\u00e9cifications \u00e9conom\u00e9triques favorables \u00e0 l’hypoth\u00e8se de l’auteur.<\/p>\n

Gr\u00e2ce au score de propension et \u00e0 l’appariement pr\u00e9conis\u00e9 par Rosenbaum, l’analyste travaille exclusivement sur les variables pr\u00e9-traitement $X$<\/span> et la variable d’assignation $Z$<\/span>, sans jamais consulter les r\u00e9sultats $Y$<\/span>. L’analyste s’efforce d’\u00e9quilibrer les \u00e9chantillons, d’\u00e9valuer le chevauchement des distributions et de construire des paires comparables en restant totalement aveugle aux effets finaux. Une fois le design verrouill\u00e9 et la balance des covariables valid\u00e9e, l’\u00e9valuation des r\u00e9sultats devient un acte statistique transparent et incorruptible.<\/p>\n

3.3 Implications directes pour la recherche en psychologie<\/h3>\n

L’introduction du score de propension a constitu\u00e9 une lib\u00e9ration m\u00e9thodologique pour la psychologie empirique. L’un des \u00e9cueils les plus redoutables de la recherche clinique comportementale r\u00e9side dans le biais d’auto-s\u00e9lection. Les individus qui d\u00e9cident d’entreprendre une d\u00e9marche th\u00e9rapeutique ou d’adh\u00e9rer \u00e0 un programme de m\u00e9ditation de pleine conscience se distinguent fondamentalement des personnes qui s’en abstiennent : ils poss\u00e8dent g\u00e9n\u00e9ralement une plus grande disposition au changement, un capital psychologique diff\u00e9rent ou, \u00e0 l’inverse, une d\u00e9tresse \u00e9motionnelle plus insupportable les contraignant \u00e0 chercher de l’aide. Gr\u00e2ce aux protocoles de Rosenbaum, ces facteurs d’auto-s\u00e9lection observables peuvent \u00eatre syst\u00e9matiquement mod\u00e9lis\u00e9s pour constituer des groupes synth\u00e9tiques parfaitement \u00e9quivalents avant toute comparaison.<\/p>\n

Dans le domaine de la psychologie de l’\u00e9ducation et des programmes de rem\u00e9diation cognitive pour enfants en difficult\u00e9 scolaire, l’approche de Rosenbaum a permis de surmonter le biais d’attribution institutionnel. Souvent, les \u00e9l\u00e8ves orient\u00e9s vers des dispositifs d’aide personnalis\u00e9e cumulent des d\u00e9ficits d’apprentissage, des environnements familiaux d\u00e9favoris\u00e9s et des probl\u00e8mes d’attention. Les comparaisons brutes donnaient r\u00e9guli\u00e8rement l’impression erron\u00e9e que ces dispositifs \u00e9taient inefficaces, voire n\u00e9fastes, les \u00e9l\u00e8ves b\u00e9n\u00e9ficiaires obtenant des r\u00e9sultats finaux inf\u00e9rieurs \u00e0 la moyenne g\u00e9n\u00e9rale. L’utilisation du score de propension a restaur\u00e9 la v\u00e9rit\u00e9 empirique en permettant d’isoler des groupes d’\u00e9l\u00e8ves non pris en charge mais pr\u00e9sentant exactement le m\u00eame profil de vuln\u00e9rabilit\u00e9 initiale, d\u00e9montrant ainsi la valeur ajout\u00e9e r\u00e9elle des interventions p\u00e9dagogiques.<\/p>\n

Enfin, le traitement des traits de personnalit\u00e9 pr\u00e9existants et des structures psychom\u00e9triques stables a franchi un seuil de rigueur qualitatif in\u00e9dit. Au lieu de consid\u00e9rer les dimensions de personnalit\u00e9 comme de simples bruits de fond, la m\u00e9thodologie de Rosenbaum permet de les int\u00e9grer comme des \u00e9l\u00e9ments structurants du paysage d’assignation, offrant \u00e0 la psychiatrie translationnelle un cadre d’inf\u00e9rence exempt de confusions m\u00e9thodologiques majeures.<\/p>\n

4. Fondements de l’inf\u00e9rence causale dans les \u00e9tudes observationnelles<\/h2>\n

4.1 Le paradigme contrefactuel appliqu\u00e9 aux comportements humains<\/h3>\n

L’inf\u00e9rence causale moderne, telle qu’articul\u00e9e par Rosenbaum, repose sur une mod\u00e9lisation ontologique pr\u00e9cise : l’approche contrefactuelle. Dans ce cadre conceptuel, chaque unit\u00e9 statistique $i$<\/span> (qui repr\u00e9sente un individu ou un patient dans les sciences comportementales) poss\u00e8de deux r\u00e9sultats potentiels th\u00e9oriques : $Y_i(1)$<\/span>, qui correspond \u00e0 la mesure de son \u00e9tat psychologique ou comportemental s’il avait \u00e9t\u00e9 expos\u00e9 au traitement, et $Y_i(0)$<\/span>, qui correspond \u00e0 la mesure de son \u00e9tat s’il avait \u00e9t\u00e9 expos\u00e9 \u00e0 la condition contr\u00f4le. L’effet causal individuel au niveau du sujet $i$<\/span> est d\u00e9fini par la diff\u00e9rence alg\u00e9brique fondamentale :<\/p>\n

$$\\tau_i = Y_i(1) – Y_i(0)$$<\/span><\/p>\n

Le drame ontologique de la science exp\u00e9rimentale, souvent qualifi\u00e9 de probl\u00e8me fondamental de l’inf\u00e9rence causale par Paul Holland et Donald Rubin, r\u00e9side dans le fait que pour tout individu concret, un seul de ces deux \u00e9tats peut \u00eatre effectivement observ\u00e9 dans la r\u00e9alit\u00e9 empirique. Si le patient participe \u00e0 une th\u00e9rapie, nous mesurons $Y_i(1)$<\/span>, laissant la valeur $Y_i(0)$<\/span> \u00e0 l’\u00e9tat de possibilit\u00e9 contrefactuelle non r\u00e9alis\u00e9e. Inversement, s’il n’y participe pas, son \u00e9tat sous th\u00e9rapie demeure inconnu. Paul Rosenbaum s’est employ\u00e9 \u00e0 d\u00e9montrer comment, sous des conditions rigoureusement d\u00e9finies d’appariement et d’ajustement, les donn\u00e9es observationnelles permettent d’approcher sans biais l’effet causal moyen du traitement (Average Treatment Effect<\/em>, ATE) ou l’effet moyen sur les trait\u00e9s (Average Treatment Effect on the Treated<\/em>, ATT) :<\/p>\n

$$\\tau_{\\text{ATT}} = \\mathbb{E}[Y(1) – Y(0) mid Z = 1]$$<\/span><\/p>\n

Ce paradigme contrefactuel prend une r\u00e9sonance \u00e9thique et clinique singuli\u00e8re dans l’\u00e9tude des \u00e9v\u00e9nements de vie ind\u00e9sirables, des traumatismes psychologiques et de la r\u00e9silience. Comment mesurer l’impact authentique d’une rupture familiale brutale, d’une agression physique ou d’un deuil traumatique sur le d\u00e9veloppement ult\u00e9rieur de troubles d\u00e9pressifs ? On ne peut manipuler exp\u00e9rimentalement l’adversit\u00e9 humaine. L’\u00e9difice contrefactuel d\u00e9ploy\u00e9 par Rosenbaum fournit le cadre intellectuel permettant de construire des jumeaux statistiques virtuels ayant partag\u00e9 la m\u00eame trajectoire biopsychosociale jusqu’\u00e0 l’instant de la crise, autorisant ainsi une quantification rigoureuse de la fracture existentielle caus\u00e9e par le traumatisme.<\/p>\n

4.2 Les postulats d’ignorabilit\u00e9 et de positivit\u00e9<\/h3>\n

Pour qu’une \u00e9tude observationnelle puisse pr\u00e9tendre r\u00e9v\u00e9ler des liens de nature causale, elle doit s’appuyer sur deux postulats th\u00e9oriques majeurs que Paul Rosenbaum a soumis \u00e0 un examen critique continu : l’ignorabilit\u00e9 et la positivit\u00e9. L’hypoth\u00e8se d’ignorabilit\u00e9 \u2014 souvent d\u00e9sign\u00e9e sous le vocable d’absence de confusion non observ\u00e9e ou de s\u00e9lection sur les observables \u2014 postule que toutes les variables confondantes qui influencent simultan\u00e9ment la probabilit\u00e9 de recevoir le traitement et les r\u00e9sultats potentiels ont \u00e9t\u00e9 identifi\u00e9es, mesur\u00e9es et int\u00e9gr\u00e9es dans le mod\u00e8le. Rosenbaum est l’un des rares th\u00e9oriciens \u00e0 avoir insist\u00e9 avec force sur le fait que cette condition ne peut jamais<\/em> \u00eatre v\u00e9rifi\u00e9e empiriquement \u00e0 partir des donn\u00e9es elles-m\u00eames. Elle rel\u00e8ve d’une hypoth\u00e8se \u00e9pist\u00e9mologique non r\u00e9futable par de simples tests statistiques conventionnels.<\/p>\n

Le second postulat, la positivit\u00e9 ou l’existence d’un support commun, exige que chaque sujet ait une probabilit\u00e9 strictement positive et non certaine d’\u00eatre assign\u00e9 \u00e0 chaque condition ($0 < e(X) < 1$). Dans la recherche clinique et psychiatrique, cette hypoth\u00e8se est fr\u00e9quemment mise \u00e0 rude \u00e9preuve. Il existe des sous-populations hautement vuln\u00e9rables chez lesquelles la probabilit\u00e9 th\u00e9orique de recevoir une intervention est soit proche de z\u00e9ro (par exemple, des patients dont les fonctions cognitives sont trop alt\u00e9r\u00e9es pour suivre une psychoth\u00e9rapie analytique complexe), soit proche de l'unit\u00e9 (des patients en d\u00e9tresse extr\u00eame auxquels un m\u00e9dicament de sauvetage ne saurait \u00eatre \u00e9thiquement refus\u00e9).<\/p>\n

Lorsque le support commun fait d\u00e9faut, Paul Rosenbaum recommande d’\u00e9viter \u00e0 tout prix les extrapolations statistiques trompeuses. Au lieu de forcer une estimation globale d\u00e9nu\u00e9e de sens empirique, ses directives m\u00e9thodologiques pr\u00e9conisent de red\u00e9finir et de borner explicitement la population cible. Les sujets situ\u00e9s dans les zones de non-recouvrement doivent \u00eatre exclus de l’analyse, et les conclusions de l’\u00e9tude doivent \u00eatre honn\u00eatement circonscrites au domaine o\u00f9 l’\u00e9changeabilit\u00e9 des sujets est r\u00e9ellement garantie. Cette discipline m\u00e9thodologique a profond\u00e9ment transform\u00e9 la rigueur avec laquelle les psychologues et \u00e9pid\u00e9miologistes formulent la port\u00e9e de leurs r\u00e9sultats.<\/p>\n

5. L’analyse de sensibilit\u00e9 et la gestion des biais cach\u00e9s<\/h2>\n

5.1 Le mod\u00e8le formel de sensibilit\u00e9 de Rosenbaum<\/h3>\n

L’une des contributions les plus g\u00e9niales et les plus singuli\u00e8res de Paul Rosenbaum \u00e0 la science moderne est indiscutablement son mod\u00e8le formel d’analyse de sensibilit\u00e9 aux biais non mesur\u00e9s. Conscient qu’aucun chercheur ne peut garantir avec une certitude absolue avoir recueilli l’ensemble des facteurs confondants, Rosenbaum a renvers\u00e9 la probl\u00e9matique traditionnelle. Au lieu de se demander : \u00ab Mes donn\u00e9es sont-elles parfaitement exemptes de biais ? \u00bb, ce qui est illusoire dans une \u00e9tude observationnelle, il a propos\u00e9 de poser la question suivante : \u00ab Quelle magnitude devrait avoir un biais cach\u00e9 pour d\u00e9truire les conclusions statistiques de mon \u00e9tude ? \u00bb<\/p>\n

Dans ce mod\u00e8le probabiliste d’une \u00e9l\u00e9gance formelle remarquable, Rosenbaum introduit le param\u00e8tre $\\Gamma$<\/span> (Gamma), qui quantifie l’ampleur maximale du biais d’assignation provoqu\u00e9 par une variable non mesur\u00e9e. Consid\u00e9rons deux individus $j$<\/span> et $k$<\/span> qui partagent rigoureusement le m\u00eame vecteur de covariables observ\u00e9es ($X_j = X_k$<\/span>) et qui ont donc le m\u00eame score de propension calcul\u00e9. Si l’\u00e9tude \u00e9tait parfaitement \u00e9quilibr\u00e9e sans biais cach\u00e9, ces deux sujets auraient la m\u00eame cote (odds<\/em>) de recevoir le traitement, soit un rapport de cotes \u00e9gal \u00e0 1. Rosenbaum formalise la pr\u00e9sence d’une variable de confusion non mesur\u00e9e $u$<\/span> en stipulant que le rapport de leurs cotes d’assignation au traitement est born\u00e9 par un nombre $\\Gamma ge 1$<\/span> :<\/p>\n

$$\\frac{1}{\\Gamma} le \\frac{Pr(Z_j = 1) \/ [1 – Pr(Z_j = 1)]}{Pr(Z_k = 1) \/ [1 – Pr(Z_k = 1)]} le \\Gamma$$<\/span><\/p>\n

Lorsque $\\Gamma = 1$<\/span>, l’\u00e9tude est strictement \u00e9quilibr\u00e9e et aucun biais cach\u00e9 n’existe. Lorsque $\\Gamma = 2$<\/span>, cela signifie qu’un facteur non mesur\u00e9 (par exemple, une pr\u00e9disposition g\u00e9n\u00e9tique ou une d\u00e9tresse psychologique intime) rend l’un des deux sujets statistiquement deux fois plus susceptible de recevoir le traitement que son homologue appari\u00e9, en d\u00e9pit de leur identit\u00e9 parfaite sur l’ensemble des variables observ\u00e9es.<\/p>\n

Gr\u00e2ce \u00e0 cette param\u00e9trisation, Rosenbaum transforme les tests d’hypoth\u00e8se conventionnels en intervalles de p-valeurs critiques $[\\underline{p}, \\bar{p}]$<\/span> pour diff\u00e9rentes valeurs croissantes de $\\Gamma$<\/span>. L’analyste cherche alors le point de rupture m\u00e9thodologique \u2014 la valeur critique $\\Gamma^*$<\/span> \u2014 \u00e0 laquelle la borne sup\u00e9rieure de la p-valeur d\u00e9passe le seuil classique de significativit\u00e9 ($\\alpha = 0{,}05$<\/span>). Si une \u00e9tude affichant un effet th\u00e9rapeutique tr\u00e8s significatif s’effondre pour un $\\Gamma = 1{,}15$<\/span>, cela d\u00e9montre que des variations minimes dans des facteurs latents suffiraient \u00e0 expliquer enti\u00e8rement l’effet observ\u00e9, signifiant une grande fragilit\u00e9 de la preuve. \u00c0 l’inverse, si l’inf\u00e9rence r\u00e9siste jusqu’\u00e0 $\\Gamma = 3$<\/span> ou $\\Gamma = 4$<\/span>, l’effet est consid\u00e9r\u00e9 comme extraordinairement robuste, car seul un biais non observ\u00e9 d’une puissance colossale pourrait le balayer.<\/p>\n

5.2 Applications concr\u00e8tes face aux covariables non mesur\u00e9es<\/h3>\n

L’analyse de sensibilit\u00e9 selon Rosenbaum trouve un champ d’application providentiel dans les domaines de la psychopathologie, de la g\u00e9n\u00e9tique du comportement et de la psychiatrie de cohorte. Prenons le cas classique de la recherche sur la transmission interg\u00e9n\u00e9rationnelle des conduites addictives ou des troubles de l’humeur. Lorsqu’on \u00e9value l’impact du milieu familial chez des enfants de parents alcooliques au moyen d’\u00e9tudes r\u00e9trospectives, les facteurs g\u00e9n\u00e9tiques partag\u00e9s et les influences \u00e9pig\u00e9n\u00e9tiques demeurent la plupart du temps non quantifi\u00e9s dans les cohortes observationnelles habituelles.<\/p>\n

Les calculateurs de sensibilit\u00e9 de Rosenbaum permettent de neutraliser le scepticisme st\u00e9rile. Au lieu de disqualifier d’embl\u00e9e une \u00e9tude sous pr\u00e9texte que \u00ab la g\u00e9n\u00e9tique n’a pas \u00e9t\u00e9 contr\u00f4l\u00e9e \u00bb, le chercheur applique les bornes de sensibilit\u00e9 pour \u00e9tablir le niveau d’association que ce facteur g\u00e9n\u00e9tique sous-jacent devrait poss\u00e9der avec l’exposition et avec la pathologie pour dissoudre l’effet du climat familial. Si la valeur de $\\Gamma$<\/span> requise est invraisemblablement \u00e9lev\u00e9e au regard des donn\u00e9es actuelles de la litt\u00e9rature g\u00e9nomique, l’hypoth\u00e8se d’un effet causal environnemental direct en sort magistralement renforc\u00e9e.<\/p>\n

De m\u00eame, dans les recherches explorant le lien entre traumatismes infantiles et survenue ult\u00e9rieure de troubles de la personnalit\u00e9, les biais de m\u00e9moire (recall bias<\/em>) et la d\u00e9sirabilit\u00e9 sociale constituent des variables latentes particuli\u00e8rement insidieuses. Les m\u00e9thodes de Rosenbaum permettent de mod\u00e9liser avec pr\u00e9cision l’impact que de tels biais de signalement m\u00e9moriel pourraient avoir sur les inf\u00e9rences cliniques, \u00e9rigeant l’analyse de sensibilit\u00e9 en une boussole indispensable \u00e0 l’interpr\u00e9tation des donn\u00e9es de sant\u00e9 mentale.<\/p>\n

5.3 Avanc\u00e9es r\u00e9centes sur les bornes de sensibilit\u00e9<\/h3>\n

Au fil des d\u00e9cennies, Paul Rosenbaum n’a cess\u00e9 de raffiner les bases math\u00e9matiques de son mod\u00e8le de sensibilit\u00e9. Initialement d\u00e9velopp\u00e9 autour du test des rangs sign\u00e9s de Wilcoxon et du test de permutation de McNemar pour paires appari\u00e9es, le formalisme s’est \u00e9tendu aux designs d’appariement complexes avec plusieurs t\u00e9moins, aux donn\u00e9es censur\u00e9es du mod\u00e8le de survie et aux variables de r\u00e9ponse continues non gaussiennes.<\/p>\n

L’une des innovations r\u00e9centes majeures concerne l’int\u00e9gration des effets causaux h\u00e9t\u00e9rog\u00e8nes dans l’analyse de sensibilit\u00e9. Rosenbaum a d\u00e9montr\u00e9 que certains sous-groupes de patients peuvent pr\u00e9senter une vuln\u00e9rabilit\u00e9 diff\u00e9rentielle au biais cach\u00e9 : une intervention comportementale peut se r\u00e9v\u00e9ler extraordinairement robuste chez les sujets pr\u00e9sentant les scores de propension les plus instables, tout en \u00e9tant sensible chez d’autres. Ses d\u00e9veloppements th\u00e9oriques permettent aujourd’hui d’isoler ces sous-espaces pour affiner la puissance de d\u00e9tection statistique.<\/p>\n

Parall\u00e8lement \u00e0 ses contributions th\u00e9oriques, Paul Rosenbaum a fait preuve d’un engagement constant pour la diss\u00e9mination pratique de ses outils. Il a personnellement programm\u00e9 et publi\u00e9 plusieurs biblioth\u00e8ques logicielles de r\u00e9f\u00e9rence dans l’environnement statistique R, notamment les packages rbounds<\/code> et sensitivitymv<\/code>, ainsi que des contributions substantielles aux suites algorithmiques d’optimisation. Ces programmes permettent aux chercheurs du monde entier de mener des analyses de sensibilit\u00e9 multivari\u00e9es d’une complexit\u00e9 computationnelle extr\u00eame en quelques lignes de commande, d\u00e9mocratisant ainsi un niveau de rigueur analytique jadis inaccessible.<\/p>\n

6. Techniques avanc\u00e9es d’appariement et algorithmes d’optimisation<\/h2>\n

6.1 Appariement optimal versus appariement glouton<\/h3>\n

L’appariement de donn\u00e9es observationnelles a longtemps \u00e9t\u00e9 r\u00e9alis\u00e9 de mani\u00e8re empirique au moyen d’algorithmes dits \u00ab gloutons \u00bb (greedy matching<\/em> ou appariement au plus proche voisin s\u00e9quentiel). Dans cette approche na\u00efve, l’algorithme s\u00e9lectionne un premier individu trait\u00e9 et lui associe le sujet t\u00e9moin dont la distance est la plus faible dans l’\u00e9chantillon. Cette op\u00e9ration est r\u00e9p\u00e9t\u00e9e s\u00e9quentiellement jusqu’\u00e0 \u00e9puisement des unit\u00e9s. Paul Rosenbaum a \u00e9t\u00e9 l’un des critiques les plus rigoureux de cette pratique heuristique sous-optimale, d\u00e9montrant qu’un choix localement optimal au d\u00e9but du processus pouvait engendrer des d\u00e9s\u00e9quilibres catastrophiques \u00e0 la fin, en condamnant les derniers individus trait\u00e9s \u00e0 \u00eatre appari\u00e9s avec des t\u00e9moins totalement disparates.<\/p>\n

Pour d\u00e9passer ces limitations, Rosenbaum a mobilis\u00e9 les outils sophistiqu\u00e9s de la recherche op\u00e9rationnelle et de la th\u00e9orie des graphes combinatoires. Il a d\u00e9montr\u00e9 la sup\u00e9riorit\u00e9 math\u00e9matique absolue de l’appariement optimal global (optimal matching<\/em>). Dans cette perspective, le probl\u00e8me est formul\u00e9 comme un probl\u00e8me de transport ou de flot de co\u00fbt minimum dans un r\u00e9seau bipartite. Soit $d(i, j)$<\/span> la distance m\u00e9trique s\u00e9parant le sujet trait\u00e9 $i$<\/span> du t\u00e9moin potentiel $j$<\/span>. L’algorithme d’appariement optimal ne cherche pas \u00e0 satisfaire les unit\u00e9s de mani\u00e8re s\u00e9quentielle et \u00e9go\u00efste ; il r\u00e9sout un probl\u00e8me d’optimisation globale visant \u00e0 minimiser la somme totale des distances intra-paires sur l’ensemble de l’\u00e9chantillon appari\u00e9 :<\/p>\n

$$\\min \\sum_{i} \\sum_{j} A_{ij} d(i, j)$$<\/span><\/p>\n

sous la contrainte que chaque individu ne soit s\u00e9lectionn\u00e9 qu’en conformit\u00e9 avec la structure de design prescrite ($A_{ij} in {0, 1}$<\/span>). En s’appuyant sur les algorithmes classiques de flot comme ceux de Ford-Fulkerson ou les variantes de l’algorithme hongrois adapt\u00e9es par Dimitri Bertsekas, Rosenbaum a fourni la preuve formelle que cette approche r\u00e9duit drastiquement le biais r\u00e9siduel dans les cohortes appari\u00e9es, maximisant ainsi l’\u00e9quilibrage global des covariables.<\/p>\n

6.2 Structures d’appariement complexes<\/h3>\n

Au-del\u00e0 de l’appariement simple de paires individuelles (1:1), Rosenbaum a d\u00e9velopp\u00e9 une panoplie de structures g\u00e9om\u00e9triques adapt\u00e9es aux contraintes empiriques de la recherche m\u00e9dicale et sociale. L’une des plus c\u00e9l\u00e8bres est la technique de l’appariement complet (full matching<\/em>), conceptualis\u00e9e conjointement avec Peter Rosenbaum et formalis\u00e9e ult\u00e9rieurement par des chercheurs comme Elizabeth Stuart. Le full matching \u00e9limine l’arbitraire du choix du ratio de t\u00e9moins : il segmente l’\u00e9chantillon en sous-classes ou strates mutuellement exclusives contenant soit un trait\u00e9 et plusieurs t\u00e9moins, soit un t\u00e9moin et plusieurs trait\u00e9s. L’algorithme d\u00e9termine math\u00e9matiquement la configuration optimale des ratios pour chaque strate afin de minimiser le d\u00e9s\u00e9quilibre global tout en conservant l’int\u00e9gralit\u00e9 des unit\u00e9s informatives.<\/p>\n

Une autre d\u00e9clinaison majeure concerne l’appariement avec ratios variables (1:k variable matching). Dans de nombreuses bases de donn\u00e9es cliniques, le r\u00e9servoir de t\u00e9moins est surabondant pour certaines valeurs de score de propension, mais extr\u00eamement rare pour d’autres. L’approche de Rosenbaum adapte dynamiquement le nombre de contr\u00f4les attribu\u00e9s \u00e0 chaque trait\u00e9 en fonction de la densit\u00e9 locale de l’espace des covariables. Cela permet d’augmenter consid\u00e9rablement la puissance statistique des tests de rangs tout en contenant le biais de s\u00e9lection dans des marges infinit\u00e9simales.<\/p>\n

Ces structures sophistiqu\u00e9es optimisent de mani\u00e8re \u00e9l\u00e9gante le compromis fondamental entre la variance statistique de l’estimateur et le biais d’ajustement syst\u00e9matique (bias-variance tradeoff<\/em>). Alors que l’appariement 1:1 rigide sacrifie souvent une part substantielle de l’\u00e9chantillon de t\u00e9moins disponibles, gonflant artificiellement l’erreur standard, les algorithmes de Rosenbaum maximisent l’efficience informationnelle de chaque observation recueillie sur le terrain.<\/p>\n

6.3 L’appariement par p\u00e9nalit\u00e9 et contraintes fines<\/h3>\n

Dans la pratique de la recherche psychologique, la simple minimisation d’une distance scalaire (comme la distance de score de propension ou la distance de Mahalanobis) peut parfois laisser subsister des d\u00e9s\u00e9quilibres inacceptables sur des covariables fondamentales. Par exemple, m\u00eame si le score global est parfaitement \u00e9quilibr\u00e9, une l\u00e9g\u00e8re d\u00e9rive sur la variable \u00ab sexe \u00bb ou sur la tranche d’\u00e2ge critique des adolescents peut vicier l’interpr\u00e9tation clinique d’un protocole d’intervention en sant\u00e9 mentale.<\/p>\n

Pour surmonter cet obstacle, Rosenbaum a introduit le concept d’appariement sous contraintes fines (fine balance<\/em>) et l’utilisation de matrices de distance p\u00e9nalis\u00e9es. La technique de l’\u00e9quilibre fin impose que la distribution marginale exacte d’une ou plusieurs variables cat\u00e9gorielles nominales soit rigoureusement identique entre le groupe trait\u00e9 et le groupe t\u00e9moin appari\u00e9, sans pour autant exiger que chaque paire individuelle soit identique sur cette variable sp\u00e9cifique. Cela offre une flexibilit\u00e9 combinatoire prodigieuse : le mod\u00e8le peut marier un individu masculin trait\u00e9 \u00e0 un individu f\u00e9minin t\u00e9moin si cela permet de maximiser la proximit\u00e9 sur toutes les autres variables psychom\u00e9triques continues, tout en garantissant qu’au niveau global de l’\u00e9chantillon final, le nombre d’hommes et de femmes soit rigoureusement congruent.<\/p>\n

De surcro\u00eet, Rosenbaum a d\u00e9velopp\u00e9 la technique de la tol\u00e9rance calibr\u00e9e (caliper matching<\/em>) combin\u00e9e \u00e0 une p\u00e9nalisation infinie des paires non admissibles. Si deux sujets pr\u00e9sentent un \u00e9cart de score de propension sup\u00e9rieur \u00e0 un seuil pr\u00e9d\u00e9fini \u2014 g\u00e9n\u00e9ralement calibr\u00e9 comme une fraction de l’\u00e9cart-type du score \u2014, la distance qui les s\u00e9pare dans le r\u00e9seau d’optimisation se voit assigner une p\u00e9nalit\u00e9 infinie, emp\u00eachant formellement leur r\u00e9union. Cette approche permet de pr\u00e9server l’int\u00e9grit\u00e9 clinique de l’\u00e9chantillon en \u00e9vitant les appariements aberrants qui d\u00e9graderaient la validit\u00e9 interne de la recherche.<\/p>\n

7. Applications empiriques en psychiatrie et recherche comportementale<\/h2>\n

7.1 \u00c9valuation de l’efficacit\u00e9 des psychoth\u00e9rapies<\/h3>\n

L’\u00e9valuation scientifique des psychoth\u00e9rapies repr\u00e9sente l’un des terrains d’exp\u00e9rimentation les plus f\u00e9conds des m\u00e9thodes de Paul Rosenbaum. Dans ce secteur, le biais d’indication constitue un \u00e9cueil permanent : les cliniciens n’attribuent pas les th\u00e9rapies au hasard. Les patients orient\u00e9s vers des th\u00e9rapies cognitivo-comportementales (TCC) intensives, des th\u00e9rapies dialectiques comportementales ou des approches psychodynamiques de longue dur\u00e9e pr\u00e9sentent des tableaux diagnostiques, des structures d’attachement et des niveaux de chronicit\u00e9 radicalement dissemblables.<\/p>\n

Dans les \u00e9tablissements psychiatriques ouverts et les centres m\u00e9dico-psychologiques communautaires, la randomisation pure est souvent rejet\u00e9e par le corps soignant pour des motifs d’individualisation des soins. Les outils de Rosenbaum ont permis de mener des \u00e9valuations quasi-exp\u00e9rimentales d’une rigueur exemplaire au sein de ces institutions. En mobilisant des matrices d’appariement optimal int\u00e9grant la s\u00e9v\u00e9rit\u00e9 initiale des sympt\u00f4mes, les ant\u00e9c\u00e9dents d’hospitalisation, les comorbidit\u00e9s addictives et les donn\u00e9es socio-d\u00e9mographiques, les chercheurs ont pu reconstituer des groupes de comparaison cr\u00e9dibles, validant empiriquement l’efficacit\u00e9 de th\u00e9rapies novatrices en vie r\u00e9elle (real-world evidence<\/em>).<\/p>\n

Ces m\u00e9thodes ont \u00e9galement clarifi\u00e9 les d\u00e9bats sur l’efficacit\u00e9 relative des psychotropes de seconde g\u00e9n\u00e9ration par rapport aux mol\u00e9cules classiques. Les cohortes observationnelles appari\u00e9es selon les crit\u00e8res de Rosenbaum ont permis d’\u00e9valuer la tol\u00e9rance m\u00e9tabolique et le risque d’abandon de traitement chez des patients schizophr\u00e8nes ou bipolaires sans subir l’artifice des protocoles d’essais cliniques industriels qui excluent habituellement les patients suicidaires ou poly-m\u00e9diqu\u00e9s.<\/p>\n

7.2 Psychologie du d\u00e9veloppement et \u00e9tudes d’impact pr\u00e9coce<\/h3>\n

La psychologie du d\u00e9veloppement est confront\u00e9e en permanence au d\u00e9fi de s\u00e9parer l’impact causale des traumatismes et carences de la petite enfance de l’\u00e9cosyst\u00e8me de vuln\u00e9rabilit\u00e9s socio-g\u00e9n\u00e9tiques dans lequel ces \u00e9v\u00e9nements prennent place. Lorsqu’un enfant subit une n\u00e9gligence \u00e9motionnelle s\u00e9v\u00e8re, ce drame est fr\u00e9quemment corr\u00e9l\u00e9 \u00e0 la pr\u00e9carit\u00e9 \u00e9conomique des parents, aux pathologies mentales intrafamiliales, \u00e0 la malnutrition ou \u00e0 l’instabilit\u00e9 r\u00e9sidentielle.<\/p>\n

L’application des techniques d’appariement \u00e0 contraintes fines et des mod\u00e8les d’analyse de sensibilit\u00e9 de Rosenbaum a constitu\u00e9 une avanc\u00e9e d\u00e9cisive pour ce champ d’investigation. Dans des cohortes de suivi longitudinal s’\u00e9talant sur plusieurs d\u00e9cennies, comme les \u00e9tudes de Dunedin ou de Christchurch, ces protocoles ont permis d’isoler des enfants partageant des profils de vuln\u00e9rabilit\u00e9 contextuelle identiques mais diff\u00e9rant quant \u00e0 leur exposition document\u00e9e \u00e0 des violences pr\u00e9coces. Les r\u00e9sultats ont d\u00e9montr\u00e9 que les r\u00e9percussions sur l’alt\u00e9ration de l’attachement, les troubles ex\u00e9cutifs et les r\u00e9gulations neuroendocriniennes du stress ne constituaient pas de simples art\u00e9facts de confusion sociale, mais proc\u00e9daient d’un v\u00e9ritable encha\u00eenement causal toxique r\u00e9sistant \u00e0 des valeurs \u00e9lev\u00e9es de $\\Gamma$<\/span>.<\/p>\n

De m\u00eame, l’impact des politiques d’\u00e9ducation pr\u00e9scolaire intensive destin\u00e9es aux quartiers d\u00e9favoris\u00e9s (\u00e0 l’instar des programmes Head Start) a \u00e9t\u00e9 r\u00e9\u00e9valu\u00e9 avec les m\u00e9thodes de Rosenbaum. Les \u00e9tudes observationnelles m\u00e9thodologiquement blind\u00e9es ont mis en \u00e9vidence des effets structurants durables sur les comp\u00e9tences m\u00e9tacognitives et la trajectoire de socialisation, balayant les conclusions pessimistes g\u00e9n\u00e9r\u00e9es par des r\u00e9gressions mal contr\u00f4l\u00e9es.<\/p>\n

7.3 Neuropsychologie et sciences cognitives<\/h3>\n

Le champ des neurosciences cognitives et de la neuropsychologie clinique exploite abondamment les designs quasi-exp\u00e9rimentaux th\u00e9oris\u00e9s par Rosenbaum. L’\u00e9tude des patients c\u00e9r\u00e9brol\u00e9s\u00e9s (victimes d’accidents vasculaires c\u00e9r\u00e9braux, de traumatismes cr\u00e2niens ou de r\u00e9sections chirurgicales) en fournit une parfaite illustration. Les l\u00e9sions c\u00e9r\u00e9brales ne surviennent pas de fa\u00e7on homog\u00e8ne au sein de la population g\u00e9n\u00e9rale : elles sont associ\u00e9es \u00e0 des profils vasculaires sp\u00e9cifiques, \u00e0 l’\u00e2ge, au niveau d’\u00e9ducation et au mode de vie.<\/p>\n

Pour mesurer avec certitude le d\u00e9ficit neurocognitif sp\u00e9cifique imputable \u00e0 une atteinte du cortex pr\u00e9frontal ventrom\u00e9dian ou de l’hippocampe, Rosenbaum a fourni les fondements permettant d’apparier ces patients avec des t\u00e9moins sains ou des c\u00e9r\u00e9brol\u00e9s\u00e9s contr\u00f4les sur des dimensions multiples. La distance multivari\u00e9e de Mahalanobis avec tol\u00e9rance sur le score de propension permet d’\u00e9galiser strictement l’\u00e2ge, la r\u00e9serve cognitive ant\u00e9rieure, le volume c\u00e9r\u00e9bral r\u00e9siduel et le statut socio-professionnel.<\/p>\n

Dans la recherche sur le vieillissement c\u00e9r\u00e9bral, l’\u00e9valuation de l’efficacit\u00e9 des protocoles d’entra\u00eenement cognitif informatis\u00e9 chez les personnes \u00e2g\u00e9es souffrant de troubles cognitifs l\u00e9gers (MCI) s’est \u00e9galement appuy\u00e9e sur les principes de Rosenbaum. Le contr\u00f4le rigoureux de la r\u00e9serve cognitive comme variable de confusion majeure a permis de d\u00e9montrer dans quelles conditions pr\u00e9cises ces interventions pouvaient freiner le d\u00e9clin ex\u00e9cutif, dissipant le scepticisme entourant la plasticit\u00e9 c\u00e9r\u00e9brale chez le sujet \u00e2g\u00e9.<\/p>\n

8. Conception quasi-exp\u00e9rimentale et quasi-randomisation<\/h2>\n

8.1 Dispositifs \u00e0 groupes de contr\u00f4le multiples<\/h3>\n

L’un des pr\u00e9ceptes les plus novateurs et les plus stimulants intellectuellement d\u00e9fendus par Paul Rosenbaum r\u00e9side dans l’int\u00e9gration strat\u00e9gique de dispositifs \u00e0 groupes de contr\u00f4le multiples. Pour Rosenbaum, un bon design statistique ne se contente pas d’aligner des algorithmes ; il doit \u00eatre con\u00e7u pour tester de mani\u00e8re interne la plausibilit\u00e9 de ses propres hypoth\u00e8ses. Si un chercheur craint qu’une variable non observ\u00e9e ne vienne vicier la comparaison entre le groupe trait\u00e9 et un groupe t\u00e9moin, il est souvent judicieux d’adjoindre un second groupe de contr\u00f4le distinct, soumis \u00e0 des pressions de s\u00e9lection enti\u00e8rement diff\u00e9rentes.<\/p>\n

Consid\u00e9rons l’\u00e9valuation d’un programme d’aide psychologique volontaire destin\u00e9 \u00e0 des \u00e9tudiants universitaires en situation de d\u00e9crochage. Si le groupe t\u00e9moin est constitu\u00e9 d’\u00e9tudiants ayant refus\u00e9 de participer, ce groupe peut \u00eatre biais\u00e9 par un manque flagrant de motivation. Rosenbaum propose d’ajouter un second groupe de contr\u00f4le compos\u00e9 d’\u00e9tudiants d’une universit\u00e9 voisine comparable o\u00f9 le programme n’a jamais \u00e9t\u00e9 propos\u00e9. Dans cette configuration, les \u00e9tudiants de cette seconde institution n’ont pas eu l’opportunit\u00e9 de refuser quoi que ce soit. Si l’effet du programme se v\u00e9rifie de mani\u00e8re concordante face \u00e0 ces deux groupes t\u00e9moins aux profils sociologiques dissemblables, la plausibilit\u00e9 d’un biais cach\u00e9 li\u00e9 \u00e0 la motivation s’amenuise consid\u00e9rablement.<\/p>\n

Cette approche, qualifi\u00e9e de triangulation m\u00e9thodologique, emprunte directement aux r\u00e8gles de la preuve m\u00e9dico-l\u00e9gale. Rosenbaum a formalis\u00e9 les tests statistiques sp\u00e9cifiques permettant de quantifier les divergences d’effets entre ces groupes contr\u00f4les multiples. La mise en \u00e9vidence d’une parfaite coh\u00e9rence entre des contr\u00f4les d’origines structurelles distinctes permet d’\u00e9riger des inf\u00e9rences causales d’une robustesse exceptionnelle, rompant avec la fragilit\u00e9 coutumi\u00e8re des \u00e9tudes observationnelles \u00e0 t\u00e9moin unique.<\/p>\n

8.2 Variables instrumentales et discontinuit\u00e9 de la r\u00e9gression<\/h3>\n

Bien que Paul Rosenbaum soit avant tout c\u00e9l\u00e9br\u00e9 pour ses travaux sur l’appariement et les scores de propension, il a apport\u00e9 des contributions th\u00e9oriques fondamentales \u00e0 l’analyse non param\u00e9trique des variables instrumentales (VI) et des plans \u00e0 discontinuit\u00e9 de la r\u00e9gression (Regression Discontinuity Designs<\/em>, RDD). Dans le domaine des variables instrumentales, traditionnellement domin\u00e9 par les \u00e9quations simultan\u00e9es de l’\u00e9conom\u00e9trie lin\u00e9aire (moindres carr\u00e9s en deux \u00e9tapes), Rosenbaum a d\u00e9velopp\u00e9 une formulation enti\u00e8rement fond\u00e9e sur la th\u00e9orie des permutations et les tests de rangs exacts.<\/p>\n

Il a en outre \u00e9tendu son mod\u00e8le d’analyse de sensibilit\u00e9 \u00e0 la violation de l’hypoth\u00e8se d’exclusion inh\u00e9rente aux variables instrumentales. Dans la recherche sur les comportements addictifs et les politiques de sant\u00e9 publique, une variable instrumentale (telle que la distance g\u00e9ographique s\u00e9parant le domicile du patient d’un centre de prise en charge sp\u00e9cialis\u00e9) est souvent suppos\u00e9e influencer le traitement sans affecter directement le pronostic de sant\u00e9 mentale. Rosenbaum a d\u00e9montr\u00e9 math\u00e9matiquement comment \u00e9valuer la solidit\u00e9 des inf\u00e9rences causales lorsque cette hypoth\u00e8se d’exclusion est l\u00e9g\u00e8rement viol\u00e9e par des facteurs d’attractivit\u00e9 territoriale non mesur\u00e9s.<\/p>\n

De m\u00eame, dans les designs de discontinuit\u00e9 de la r\u00e9gression \u2014 par exemple lorsqu’un soutien psychologique scolaire est automatiquement allou\u00e9 aux enfants dont le score \u00e0 un bilan neuropsychologique standardis\u00e9 se situe strictement en dessous d’un seuil clinique fixe \u2014, Rosenbaum a propos\u00e9 des protocoles d’appariement localis\u00e9 autour du seuil de coupure. Cette m\u00e9thodologie garantit que l’effet de traitement estim\u00e9 au voisinage imm\u00e9diat du seuil ne r\u00e9sulte pas d’une manipulation de l’attribution ou d’une instabilit\u00e9 fonctionnelle locale.<\/p>\n

8.3 Effets d’interf\u00e9rence et violations de la SUTVA<\/h3>\n

L’inf\u00e9rence causale classique repose universellement sur l’hypoth\u00e8se de traitement unitaire stable (Stable Unit Treatment Value Assumption<\/em>, SUTVA). Cette hypoth\u00e8se implique deux postulats rigides : l’absence d’interf\u00e9rence entre les unit\u00e9s (le fait qu’un sujet re\u00e7oive ou non le traitement ne modifie en rien le r\u00e9sultat potentiel d’un autre sujet) et l’absence de variantes cach\u00e9es du traitement. Dans les sciences humaines, sociales et comportementales, l’hypoth\u00e8se de non-interf\u00e9rence est viol\u00e9e en permanence par la nature m\u00eame du lien social : contagion \u00e9motionnelle, apprentissage par les pairs, dynamique de groupe ou transmission virale des comportements.<\/p>\n

Paul Rosenbaum a \u00e9t\u00e9 l’un des premiers th\u00e9oriciens \u00e0 briser le carcan de la SUTVA pour formaliser math\u00e9matiquement l’estimation des effets causaux en pr\u00e9sence d’interf\u00e9rence structur\u00e9e. Dans les cadres o\u00f9 les individus sont regroup\u00e9s au sein de micro-collectivit\u00e9s (telles que des salles de classe, des dortoirs universitaires ou des services psychiatriques), Rosenbaum a mod\u00e9lis\u00e9 comment l’exposition d’un certain pourcentage de camarades \u00e0 une th\u00e9rapie ou \u00e0 un programme de tutorat g\u00e9n\u00e8re un effet de d\u00e9bordement causal (spillover effect<\/em>) sur les individus non trait\u00e9s du m\u00eame groupe.<\/p>\n

Ses innovations algorithmiques permettent d\u00e9sormais d’estimer simultan\u00e9ment deux composantes causales fondamentales : l’effet direct du traitement re\u00e7u par l’individu et l’effet indirect r\u00e9sultant du niveau de saturation du traitement au sein de son environnement social imm\u00e9diat. Cette mod\u00e9lisation s’av\u00e8re indispensable pour analyser l’efficacit\u00e9 des interventions scolaires anti-harc\u00e8lement ou des programmes de pr\u00e9vention des addictions, o\u00f9 le climat relationnel du groupe fa\u00e7onne l’issue comportementale autant que l’action individuelle.<\/p>\n

9. Ouvrages majeurs et architecture de sa pens\u00e9e th\u00e9orique<\/h2>\n

9.1 Observational Studies (1995, 2002)<\/h3>\n

La publication de la premi\u00e8re \u00e9dition de son trait\u00e9 magistral, Observational Studies<\/em>, en 1995 chez Springer, suivie d’une seconde \u00e9dition enrichie en 2002, constitue l’un des jalons les plus \u00e9clatants de la litt\u00e9rature statistique moderne. Cet ouvrage monumentale synth\u00e9tise et formalise quinze ann\u00e9es de recherches pionni\u00e8res. Rosenbaum y \u00e9rige les \u00e9tudes observationnelles en une discipline autonome, dot\u00e9e d’une axiomatique aussi rigoureuse et formalis\u00e9e que celle qui soutient la th\u00e9orie des plans d’exp\u00e9riences al\u00e9atoires de Fisher.<\/p>\n

L’ouvrage se distingue par la primaut\u00e9 absolue accord\u00e9e aux tests exacts de permutation sous l’hypoth\u00e8se nulle d’absence d’effet causal de traitement (l’hypoth\u00e8se nulle exacte de Fisher). Plut\u00f4t que de s’abriter derri\u00e8re des th\u00e9or\u00e8mes limites asymptotiques dont la validit\u00e9 est pr\u00e9caire sur des \u00e9chantillons cliniques de taille modeste, Rosenbaum d\u00e9montre comment d\u00e9river des p-valeurs et des intervalles de confiance exacts par combinatoire conditionnelle. C’est \u00e9galement dans ce livre que la th\u00e9orie formelle des bornes de sensibilit\u00e9 avec le param\u00e8tre $\\Gamma$<\/span> est pour la premi\u00e8re fois expos\u00e9e de mani\u00e8re exhaustive et unifi\u00e9e.<\/p>\n

Observational Studies<\/em> est rapidement devenu la bible internationale des \u00e9pid\u00e9miologistes m\u00e9thodologistes, des biom\u00e9triciens et des statisticiens sociaux. L’ouvrage lance un vibrant plaidoyer \u00e9pist\u00e9mologique pour la clart\u00e9 conceptuelle pr\u00e9alable \u00e0 tout d\u00e9ploiement algorithmique, rappelant aux praticiens qu’aucun raffinement computationnel ne saurait racheter une faille logique dans la conception initiale d’une recherche.<\/p>\n

9.2 Design of Observational Studies (2010, 2020)<\/h3>\n

Quinze ans apr\u00e8s son premier grand trait\u00e9, Paul Rosenbaum publie en 2010 Design of Observational Studies<\/em>, dont la deuxi\u00e8me \u00e9dition para\u00eet en 2020. Si son ouvrage pr\u00e9c\u00e9dent se concentrait principalement sur les fondements math\u00e9matiques et la th\u00e9orie des tests d’hypoth\u00e8se, ce nouveau livre op\u00e8re un recentrage strat\u00e9gique sur la planification exp\u00e9rimentale et l’architecture du protocole (le design<\/em>).<\/p>\n

La th\u00e8se centrale d\u00e9fendue avec force par Rosenbaum dans cet ouvrage est condens\u00e9e dans une maxime devenue c\u00e9l\u00e8bre : \u00ab Les \u00e9tudes observationnelles ont besoin de meilleurs designs, pas seulement de mod\u00e8les statistiques plus complexes \u00bb. Il y d\u00e9taille les techniques concr\u00e8tes permettant d’amplifier la robustesse des donn\u00e9es face aux biais r\u00e9siduels. Parmi ces techniques figurent l’amplification des effets causaux \u2014 strat\u00e9gie consistant \u00e0 concevoir des comparaisons extr\u00eames pour que le signal causal d\u00e9passe sans ambigu\u00eft\u00e9 le bruit des confusions latentes \u2014 ainsi que la construction d’\u00e9vidences convergentes par le recours syst\u00e9matique aux groupes de contr\u00f4le multiples et aux protocoles de r\u00e9plication quasi-exp\u00e9rimentale.<\/p>\n

L’ouvrage se distingue par un sens didactique remarquable, truff\u00e9 d’exemples empiriques r\u00e9els tir\u00e9s de la sant\u00e9 publique, de la psychologie et des politiques d’\u00e9ducation. Rosenbaum y fournit un guide m\u00e9thodique et scrupuleux pour guider le chercheur pas \u00e0 pas, de la structuration de la matrice de distance jusqu’\u00e0 l’audit final de la sensibilit\u00e9 des r\u00e9sultats.<\/p>\n

9.3 Observation and Experiment: An Introduction to Causal Inference (2017)<\/h3>\n

Avec la parution en 2017 de son ouvrage Observation and Experiment: An Introduction to Causal Inference<\/em>, \u00e9dit\u00e9 par Harvard University Press<\/a>, Paul Rosenbaum s’adresse \u00e0 un public beaucoup plus vaste, incluant les cliniciens de terrain, les \u00e9tudiants en sciences humaines, les juristes et les d\u00e9cideurs politiques qui ne poss\u00e8dent pas de formation math\u00e9matique avanc\u00e9e.<\/p>\n

Dans ce livre d’une limpidit\u00e9 remarquable, Rosenbaum d\u00e9mystifie l’inf\u00e9rence causale \u00e0 travers des narrations captivantes d’enqu\u00eates historiques c\u00e9l\u00e8bres. Il explore minutieusement comment le m\u00e9decin britannique John Snow a identifi\u00e9 le mode de transmission du chol\u00e9ra \u00e0 Londres en 1854 sans recourir \u00e0 un essai randomis\u00e9, comment les \u00e9pid\u00e9miologistes ont \u00e9tabli avec certitude la culpabilit\u00e9 du tabagisme dans l’apparition du cancer du poumon face aux objections de Ronald Fisher, ou encore comment les sociologues ont mesur\u00e9 l’impact de l’incarc\u00e9ration sur la r\u00e9cidive criminelle.<\/p>\n

L’ouvrage tisse un lien harmonieux entre la rigueur de l’\u00e9thique de la recherche scientifique et la responsabilit\u00e9 soci\u00e9tale de la statistique. Rosenbaum d\u00e9montre avec brio que l’esprit critique, la formulation d’hypoth\u00e8ses rivales et la recherche infatigable d’incoh\u00e9rences internes constituent le c\u0153ur battant de la m\u00e9thode scientifique, rendant accessible \u00e0 l’ensemble de la communaut\u00e9 intellectuelle l’essence de sa pens\u00e9e \u00e9pist\u00e9mologique.<\/p>\n

10. Carri\u00e8re acad\u00e9mique, distinctions et engagement \u00e0 Penn<\/h2>\n

10.1 Le professorat \u00e0 la Wharton School de l’Universit\u00e9 de Pennsylvanie<\/h3>\n

L’engagement acad\u00e9mique de Paul Rosenbaum \u00e0 l’Universit\u00e9 de Pennsylvanie<\/a> constitue un chapitre institutionnel d’une long\u00e9vit\u00e9 et d’une f\u00e9condit\u00e9 intellectuelle exemplaires. Membre \u00e9minent du D\u00e9partement de statistique et science des donn\u00e9es de la Wharton School, il a contribu\u00e9 de mani\u00e8re d\u00e9cisive \u00e0 positionner cette facult\u00e9 comme le phare mondial de l’inf\u00e9rence causale et de l’analyse m\u00e9thodologique de haute pr\u00e9cision.<\/p>\n

Au-del\u00e0 de ses cours magistraux r\u00e9put\u00e9s pour leur rigueur g\u00e9om\u00e9trique et leur profondeur logique, Rosenbaum a \u00e9t\u00e9 un mentor exceptionnel. Il a dirig\u00e9 et inspir\u00e9 plusieurs g\u00e9n\u00e9rations de doctorants et de chercheurs post-doctoraux qui occupent aujourd’hui des chaires de premier rang dans les d\u00e9partements de biostatistique, de psychom\u00e9trie et d’\u00e9pid\u00e9miologie \u00e0 travers le monde (notamment Dylan Small, Jos\u00e9 Zubizarreta ou Elizabeth Stuart). La culture d’excellence qu’il a insuffl\u00e9e repose sur un \u00e9quilibre intransigeant : le rejet des formalismes math\u00e9matiques creux d\u00e9nu\u00e9s de port\u00e9e pratique et l’interdiction de toute analyse appliqu\u00e9e qui ne reposerait pas sur des garanties math\u00e9matiques strictes.<\/p>\n

Cette synergie entre th\u00e9orie pure et collaboration clinique ouverte a permis \u00e0 l’Universit\u00e9 de Pennsylvanie de nouer des partenariats m\u00e9thodologiques continus avec les centres hospitaliers universitaires et les d\u00e9partements de psychologie, transformant l’analyse statistique locale en un laboratoire permanent d’exp\u00e9rimentation \u00e9pist\u00e9mologique.<\/p>\n

10.2 Prix prestigieux et reconnaissance institutionnelle<\/h3>\n

L’immensit\u00e9 des contributions scientifiques de Paul Rosenbaum a \u00e9t\u00e9 salu\u00e9e par les plus \u00e9minentes instances de la statistique internationale. Il a \u00e9t\u00e9 \u00e9lu membre d’honneur (Fellow<\/em>) de l’American Statistical Association<\/a> (ASA), reconnaissance attribu\u00e9e \u00e0 un cercle tr\u00e8s restreint de statisticiens pour leur apport novateur durable \u00e0 la discipline. De m\u00eame, il est membre \u00e9lu de l’Institut de Statistique Math\u00e9matique (Institute of Mathematical Statistics<\/em>, IMS), institution d\u00e9di\u00e9e \u00e0 l’avancement des th\u00e9ories probabilistes fondamentales.<\/p>\n

Parmi les multiples distinctions jalonnant son parcours, l’attribution du prestigieux prix George W. Snedecor d\u00e9cern\u00e9 par le Comit\u00e9 des pr\u00e9sidents de soci\u00e9t\u00e9s statistiques (COPSS) occupe une place de choix. Ce prix vient r\u00e9compenser l’article ou l’ouvrage le plus marquant au monde dans le domaine de la m\u00e9thodologie biom\u00e9trique. Les travaux de Rosenbaum sur les protocoles d’appariement optimal et la formalisation des bornes d’analyse de sensibilit\u00e9 ont \u00e9t\u00e9 explicitement salu\u00e9s lors de cette cons\u00e9cration institutionnelle.<\/p>\n

R\u00e9guli\u00e8rement sollicit\u00e9 comme conf\u00e9rencier d’honneur dans les symposiums internationaux d’\u00e9pid\u00e9miologie, de psychiatrie computationnelle et d’\u00e9conom\u00e9trie, Rosenbaum a toujours conserv\u00e9 une modestie intellectuelle remarquable, pr\u00e9f\u00e9rant faire parler l’\u00e9l\u00e9gance de ses th\u00e9or\u00e8mes et la clart\u00e9 de ses donn\u00e9es plut\u00f4t que de participer aux joutes d’estrade de la sc\u00e8ne m\u00e9diatique.<\/p>\n

11. D\u00e9bats \u00e9pist\u00e9mologiques et controverses m\u00e9thodologiques<\/h2>\n

11.1 Tensions entre l’\u00e9cole de Pearl (DAGs) et le mod\u00e8le contrefactuel<\/h3>\n

L’essor de l’inf\u00e9rence causale contemporaine s’est accompagn\u00e9 d’un d\u00e9bat intellectuel profond entre deux traditions \u00e9pist\u00e9mologiques distinctes : l’\u00e9cole formaliste des graphes causaux orient\u00e9s acycliques (DAGs) impuls\u00e9e par l’informaticien et logicien Judea Pearl<\/a>, et l’\u00e9cole contrefactuelle incarn\u00e9e par Donald Rubin, Paul Rosenbaum et James Robins. Pearl a souvent critiqu\u00e9 l’approche des r\u00e9sultats potentiels pour son opacit\u00e9 intuitive suppos\u00e9e face \u00e0 des syst\u00e8mes de relations causales complexes, affirmant que le langage visuel des DAGs et l’alg\u00e8bre du do-calculus<\/em> permettaient de clarifier imm\u00e9diatement les conditions d’identification graphique des biais.<\/p>\n

La position de Paul Rosenbaum dans cette controverse th\u00e9orique majeure est d’une grande lucidit\u00e9 pratique. Sans nier l’int\u00e9r\u00eat heuristique des diagrammes causaux pour repr\u00e9senter des hypoth\u00e8ses qualitatives, Rosenbaum a toujours manifest\u00e9 une m\u00e9fiance rigoureuse \u00e0 l’\u00e9gard de la croyance selon laquelle un graphe causal permettrait, \u00e0 lui seul, de r\u00e9soudre les d\u00e9fis inh\u00e9rents aux donn\u00e9es de terrain. Pour Rosenbaum, tracer un graphe causal sans fl\u00e8che entre une variable cach\u00e9e et le traitement constitue une p\u00e9tition de principe : cela revient simplement \u00e0 d\u00e9cr\u00e9ter visuellement l’absence de confusion non mesur\u00e9e, sans fournir aucun moyen de tester la solidit\u00e9 de cette hypoth\u00e8se face au r\u00e9el.<\/p>\n

L’approche de Rosenbaum se focalise de fa\u00e7on quasi obsessionnelle sur ce qui est math\u00e9matiquement falsifiable. L\u00e0 o\u00f9 la tradition graphique pearl\u09b6\u09acienne sp\u00e9cule sur la topologie structurelle globale, Rosenbaum concentre son \u00e9nergie sur les tests de permutation concrets, la conception de protocoles de d\u00e9tection d’incoh\u00e9rences et la mod\u00e9lisation de la sensibilit\u00e9 param\u00e9trique ($\\Gamma$<\/span>). De nombreux m\u00e9thodologistes contemporains reconnaissent aujourd’hui la valeur compl\u00e9mentaire de ces deux visions : les graphes aident \u00e0 poser les probl\u00e8mes de causalit\u00e9 structurelle, mais ce sont les protocoles de Rosenbaum qui permettent d’affronter l’imperfection concr\u00e8te des donn\u00e9es empiriques et de jauger leur cr\u00e9dibilit\u00e9 probabiliste.<\/p>\n

11.2 Le pi\u00e8ge de la confiance excessive dans le score de propension<\/h3>\n

Bien qu’il soit le co-inventeur du score de propension, Paul Rosenbaum a paradoxalement \u00e9t\u00e9 l’un des scientifiques les plus vigilants et les plus critiques face \u00e0 l’utilisation m\u00e9canique, aveugle et f\u00e9tichiste de cet instrument dans la recherche empirique. Avec l’explosion des logiciels statistiques automatis\u00e9s dans les ann\u00e9es 2000, des milliers d’\u00e9tudes publi\u00e9es en m\u00e9decine et en psychologie ont proclam\u00e9 avoir \u00ab \u00e9limin\u00e9 tout biais \u00bb simplement parce qu’un score de propension logistique avait \u00e9t\u00e9 estim\u00e9 et inject\u00e9 dans un mod\u00e8le d’appariement quelconque. Rosenbaum a syst\u00e9matiquement fustig\u00e9 cette na\u00efvet\u00e9 m\u00e9thodologique, rappelant qu’un appariement sur score de propension ne contr\u00f4le absolument rien<\/em> au-del\u00e0 des seules covariables observables qui ont \u00e9t\u00e9 scrupuleusement enregistr\u00e9es par le chercheur.<\/p>\n

Ce d\u00e9bat a trouv\u00e9 un \u00e9cho retentissant lorsque le politologue et statisticien de Harvard Gary King<\/a> a publi\u00e9 des critiques virulentes contre l’appariement par score de propension (propensity score matching<\/em>), affirmant que cette m\u00e9thode pouvait paradoxalement accro\u00eetre le d\u00e9s\u00e9quilibre des covariables et le biais d’estimation comparativement \u00e0 d’autres techniques comme l’appariement grossier exact (coarsened exact matching<\/em>) ou l’appariement sur distance de Mahalanobis. Gary King a qualifi\u00e9 certains aspects de l’appariement par score de propension de \u00ab paradoxe du score de propension \u00bb.<\/p>\n

En r\u00e9ponse \u00e0 ces controverses, Rosenbaum a clarifi\u00e9 et d\u00e9fendu avec une autorit\u00e9 math\u00e9matique implacable sa vision m\u00e9thodologique originelle. Il a d\u00e9montr\u00e9 que les critiques formul\u00e9es par King s’appliquaient principalement \u00e0 des impl\u00e9mentations d\u00e9fectueuses, telles que l’appariement glouton un-pour-un sans contrainte de rayon et sans audit de balance. Rosenbaum a r\u00e9affirm\u00e9 la sup\u00e9riorit\u00e9 de sa recommandation constante : utiliser l’appariement optimal multivari\u00e9 combinant la distance de Mahalanobis robuste avec une contrainte de tol\u00e9rance sur le score de propension, syst\u00e9matiquement prolong\u00e9 par une analyse de sensibilit\u00e9 quantitative. Loin de promettre une illusoire perfection statistique, Rosenbaum a rappel\u00e9 que le score de propension n’est qu’un dispositif d’\u00e9quilibrage pr\u00e9liminaire au sein d’une architecture de preuve beaucoup plus vaste et exigeante.<\/p>\n

12. L’h\u00e9ritage vivant de Paul Rosenbaum et l’avenir de l’inf\u00e9rence causale<\/h2>\n

12.1 L’int\u00e9gration avec l’apprentissage automatique et l’intelligence artificielle<\/h3>\n

\u00c0 l’\u00e8re contemporaine domin\u00e9e par l’apprentissage automatique (machine learning<\/em>) et l’intelligence artificielle, l’h\u00e9ritage de Paul Rosenbaum s’av\u00e8re plus vivant et indispensable que jamais. L’av\u00e8nement des m\u00e9gadonn\u00e9es (big data<\/em>), des dossiers m\u00e9dicaux \u00e9lectroniques massifs et des traces num\u00e9riques comportementales offre des opportunit\u00e9s d’investigation sans pr\u00e9c\u00e9dent, mais multiplie de mani\u00e8re exponentielle les risques d’associations fallacieuses dues \u00e0 des biais d’\u00e9chantillonnage massifs.<\/p>\n

Les principes formalis\u00e9s par Rosenbaum ont servi de fondations directes aux innovations les plus pointues de l’intelligence artificielle causale. Les algorithmes modernes de for\u00eats al\u00e9atoires causales (causal forests<\/em>) formalis\u00e9s par Susan Athey et Stefan Wager, ainsi que les m\u00e9thodes d’apprentissage cibl\u00e9 (Targeted Learning<\/em>) de Mark van der Laan, int\u00e8grent la machinerie des scores de propension et des fonctions d’\u00e9quilibrage pour estimer l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des effets de traitement \u00e0 l’\u00e9chelle individuelle. De plus, les algorithmes d’appariement optimal de Rosenbaum sont d\u00e9sormais coupl\u00e9s \u00e0 des r\u00e9seaux neuronaux profonds et \u00e0 des approches d’optimisation sous contraintes pour diagnostiquer et corriger en temps r\u00e9el les d\u00e9s\u00e9quilibres au sein de populations de plusieurs millions d’individus.<\/p>\n

Toutefois, face \u00e0 la s\u00e9duction des algorithmes d’apprentissage opaque qualifi\u00e9s de \u00ab bo\u00eetes noires \u00bb, la philosophie de Paul Rosenbaum r\u00e9sonne comme un garde-fou \u00e9pist\u00e9mologique crucial. Il continue de rappeler \u00e0 la communaut\u00e9 scientifique que l’augmentation de la taille d’une base de donn\u00e9es ou la complexit\u00e9 d’un r\u00e9seau neuronal n’\u00e9limine pas d’elle-m\u00eame le biais d’un facteur non mesur\u00e9. L’exigence d’interpr\u00e9tabilit\u00e9 clinique, la sanctuarisation de la phase de design ind\u00e9pendante des r\u00e9sultats finaux et l’obligation d’\u00e9prouver la sensibilit\u00e9 des pr\u00e9dictions constituent l’antidote le plus s\u00fbr contre les illusions de l’intelligence artificielle appliqu\u00e9e \u00e0 la sant\u00e9 humaine.<\/p>\n

12.2 Impact durable sur les normes de publication en psychologie<\/h3>\n

L’empreinte laiss\u00e9e par Paul Rosenbaum sur la culture scientifique contemporaine est particuli\u00e8rement manifeste dans l’\u00e9volution drastique des politiques \u00e9ditoriales des plus grandes revues internationales. Dans les revues majeures de l’American Psychological Association<\/a> (comme Psychological Methods<\/em>, le Journal of Abnormal Psychology<\/em> ou Developmental Psychology<\/em>), ainsi que dans les revues m\u00e9dicales de r\u00e9f\u00e9rence telles que le JAMA Psychiatry<\/em> ou The Lancet<\/em>, les exigences m\u00e9thodologiques applicables aux donn\u00e9es observationnelles ont \u00e9t\u00e9 profond\u00e9ment rehauss\u00e9es sous l’influence directe de ses travaux.<\/p>\n

Il est d\u00e9sormais devenu quasiment impensable de soumettre une \u00e9tude observationnelle revendiquant un effet d’intervention sans fournir un diagnostic d\u00e9taill\u00e9 du support commun, un tableau exhaustif d\u00e9montrant l’\u00e9quilibrage strict des covariables pr\u00e9-traitement (la c\u00e9l\u00e8bre \u00ab Table 1 \u00bb standardis\u00e9e selon les crit\u00e8res de balance de Rosenbaum) et, surtout, un calcul formel des bornes de sensibilit\u00e9 aux biais cach\u00e9s. L’analyse de sensibilit\u00e9 selon le param\u00e8tre $\\Gamma$<\/span> est pass\u00e9e du statut d’\u00e9l\u00e9gance th\u00e9orique rare \u00e0 celui de r\u00e9quisit standard exig\u00e9 par les comit\u00e9s de lecture les plus rigoureux.<\/p>\n

Cette transformation structurelle t\u00e9moigne de l’\u00e9l\u00e9vation globale du niveau de conscience \u00e9pist\u00e9mologique des sciences du comportement. En enseignant aux chercheurs \u00e0 mod\u00e9liser non seulement ce qu’ils ont r\u00e9ussi \u00e0 observer, mais aussi \u00e0 quantifier avec une honn\u00eatet\u00e9 chirurgicale ce qui leur \u00e9chappe, Paul Rosenbaum s’est impos\u00e9 comme l’une des figures tut\u00e9laires majeures de l’\u00e9thique de la preuve empirique contemporaine. Son \u0153uvre a dot\u00e9 l’humanit\u00e9 scientifique d’instruments de mesure capables d’affronter la complexit\u00e9 du r\u00e9el avec une rigueur, une lucidit\u00e9 et une humilit\u00e9 in\u00e9gal\u00e9es.<\/p>\n

R\u00e9f\u00e9rences<\/h2>\n
    \n
  • Austin, P. C. (2011). An introduction to propensity score methods for reducing the effects of confounding in observational studies. Multivariate Behavioral Research<\/em>, 46(3), 399\u2013424. https:\/\/doi.org\/10.1080\/00273171.2011.568786<\/li>\n
  • Hansen, B. B. (2004). Full matching in an observational study of coaching for the SAT. Journal of the American Statistical Association<\/em>, 99(467), 609\u2013618. https:\/\/doi.org\/10.1198\/016214504000000647<\/li>\n
  • King, G., & Nielsen, R. (2019). Why propensity scores should not be used for matching. Political Analysis<\/em>, 27(4), 435\u2013454. https:\/\/doi.org\/10.1017\/pan.2019.11<\/li>\n
  • Pearl, J. (2009). Causality: Models, Reasoning, and Inference<\/em> (2nd ed.). Cambridge University Press. https:\/\/doi.org\/10.1017\/CBO9780511803161<\/li>\n
  • Rosenbaum, P. R. (1984). The consequences of adjustment for a concomitant variable that has been affected by the treatment. Journal of the Royal Statistical Society: Series A (General)<\/em>, 147(5), 656\u2013666. https:\/\/doi.org\/10.2307\/2981690<\/li>\n
  • Rosenbaum, P. R. (1987). Sensitivity analysis for certain permutation tests in matched observational studies. Biometrika<\/em>, 74(1), 13\u201326. https:\/\/doi.org\/10.1093\/biomet\/74.1.13<\/li>\n
  • Rosenbaum, P. R. (1989). Optimal matching for observational studies. Journal of the American Statistical Association<\/em>, 84(408), 1024\u20131032. https:\/\/doi.org\/10.1080\/01621459.1989.10478868<\/li>\n
  • Rosenbaum, P. R. (2002). Observational Studies<\/em> (2nd ed.). Springer-Verlag. https:\/\/doi.org\/10.1007\/978-1-4757-3692-2<\/li>\n
  • Rosenbaum, P. R. (2010). Design of Observational Studies<\/em> (1st ed.). Springer-Verlag. https:\/\/doi.org\/10.1007\/978-1-4419-1213-8<\/li>\n
  • Rosenbaum, P. R. (2017). Observation and Experiment: An Introduction to Causal Inference<\/em>. Harvard University Press. https:\/\/doi.org\/10.4159\/9780674982697<\/li>\n
  • Rosenbaum, P. R. (2020). Design of Observational Studies<\/em> (2nd ed.). Springer. https:\/\/doi.org\/10.1007\/978-3-030-46405-9<\/li>\n
  • Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika<\/em>, 70(1), 41\u201355. https:\/\/doi.org\/10.1093\/biomet\/70.1.41<\/li>\n
  • Rosenbaum, P. R., & Rubin, D. B. (1985). Constructing a control group using multivariate matched sampling methods that incorporate the propensity score. The American Statistician<\/em>, 39(1), 33\u201338. https:\/\/doi.org\/10.1080\/00031305.1985.10481683<\/li>\n
  • Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology<\/em>, 66(5), 688\u2013701. https:\/\/doi.org\/10.1037\/h0037350<\/li>\n
  • Stuart, E. A. (2010). Matching methods for causal inference: A review and a look forward. Statistical Science<\/em>, 25(1), 1\u201321. https:\/\/doi.org\/10.1214\/09-STS313<\/li>\n
  • Zubizarreta, J. R. (2012). Using mixed integer programming for matching in an observational study of kidney failure after surgery. Journal of the American Statistical Association<\/em>, 107(500), 1360\u20131371. https:\/\/doi.org\/10.1080\/01621459.2012.703874<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"

    Une exploration acad\u00e9mique approfondie de la vie et des contributions m\u00e9thodologiques de Paul Rosenbaum \u00e0 l’inf\u00e9rence causale en psychologie.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[1516,1907],"tags":[9984,26871,5882,26870,23277],"class_list":["post-17400","psych_theorist","type-psych_theorist","status-publish","hentry","category-histoire-de-la-psychologie","category-methodologie-et-statistiques","tag-analyse-de-sensibilite","tag-etudes-observationnelles","tag-inference-causale","tag-paul-rosenbaum","tag-score-de-propension"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_theorist\/17400","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=17400"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_theorist\/17400\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=17400"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=17400"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=17400"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}