Claudine Tiercelin. Dictionnaire d’histoire et de philosophie des sciences (sous la direction de Dominique Lecourt), Presses Universitaires e France, 1999, p.506-511.

 

 

<TITRE> INDUCTION

<TEXTE>

<IT1> LE PROBLEME

            On appelle habituellement “induction” toute forme d’inférence par laquelle on passe d’un ensemble fini d’observations particulières à une conclusion générale, et qui n’est pas de nature démonstrative. Aristote admettait, sous le nom d’epagogè, ce genre d’inférences, mais niait qu’elles aient la certitude propre aux syllogismes démonstratifs. Il y a différentes formes d’inférences inductives, mais la principale est l’induction énumérative (ou “baconienne”), qui part de la prémisse qu’un phénomène a toujours suivi un autre jusqu’à présent, et conclut que ces phénomènes seront toujours associés dans le futur. L’induction peut être aussi hypothétique, quand une hypothèse est inférée comme étant la meilleure explication des données, et on l’appelle en ce sens quelquefois “abduction” (Peirce) ou, dans la terminologie contemporaine inférence à la meilleure explication. Par exemple si je vois le bout des chaussures d’un individu dépasser de derrière le rideau, j’infère qu’un homme se cache derrière le rideau;  cette inférence n’est pas certaine, mais seulement plausible, car les chaussures peuvent, en la circonstance, ne pas contenir leur propriétaire. Tous les arguments dans lesquels la vérité des prémisses semble une bonne raison de croire en la vérité de la conclusion, sans pour autant l’impliquer, sont quelquefois appelés (par Peirce aussi) “ampliatifs”, parce que la conclusion peut présupposer l’existence d’individus dont l’existence n’est pas présupposée par les prémisses.  C’est Hume qui, dans la philosophie moderne, a posé le problème du fondement de l’induction  (bien qu’il l’ait posé comme un problème portant sur la notion de causalité; pour une comparaison des deux questions, voir Russell 1910): comment un ensemble fini d’observations sur des événements passés peut-il garantir qu’une telle trame d’événements se produira toujours? Car qu’est-ce qui exclut la possibilité que le cours de la nature puisse changer, et que le passé soit un mauvais guide pour le futur? En ce sens, l’induction se distingue de la déduction, car les prémisses, dans celle-ci, garantissent toujours la conclusion. L’inférence déductive est considérée par les logiciens comme monotone, au sens où de nouvelles prémisses ajoutées à un raisonnement déductif valide ne changeront rien à sa validité, alors que l’ajout de nouvelles prémisses peut renforcer la fiabilité d’une inférence inductive. Le problème de l’induction menace aussi bien la connaissance commune que la connaissance scientifique. La majeure partie de nos croyances empiriques usuelles, comme l’a remarqué Hume, reposent sur des inductions: “Le pain nourrit toujours”, “le soleil se lève tous les matins”. Les lois scientifiques, comme la loi galiléenne de la chute des corps ont la même forme universelle: “Tous les corps tombent avec une accélération constante”. Quel est le fondement de ces affirmations?

            Une réponse possible au problème de l’induction consiste à admettre un “principe d’induction”, ou ce que Mill appelle “le principe d’uniformité du cours de la nature (UCN), de la forme “ Pour tout A et pour tout B, quand n  A ont été observés être des B, alors tous les A sont B”, que l’on pourrait ajouter aux prémisses d’une induction énumérative pour conclure validement à la conclusion générale “Tous les A sont B”. A partir de cette idée, Mill développe diverses méthodes inductives pour déterminer les causes des événements, que l’on a appelé les “canons de l’induction” (méthode de l’accord, de la différence, leur conjonction, méthode des résidus, et méthode des variations concomittantes). Mais qu’est-ce qui justifie UCN, sinon nos observations passées? UCN ne peut donc être qu’un principe synthétique, a posteriori, fondé lui-même sur des inductions, et, en ce sens, il ne peut fonder  ces inductions. On peut cependant contrer cette objection selon laquelle toute justification de l’induction est circulaire, si l’on admet que les inférences inductives peuvent malgré tout marcher, même si elles ne reposent pas sur un principe universel comme UCN, c’est-à-dire si on ne cherche pas à leur appliquer des critères de validité propres aux déductions. C’est en un sens ce que soutenait Hume quand il proposait une “solution sceptique” aux doutes qu’il émettait sur nos inférences causales, en suggérant qu’elles ne reposent que sur l’habitude, et sont en général fiables. Une autre réponse possible, suggérée aussi par Hume, et reprise par toute une tradition contemporaine, consiste à considérer que les conclusions des inférences inductives sont seulement probables, soit au sens où elles révèlent des tendances objectives, soit au sens où leur degré de certitude subjective est élevé. Toutefois, quels que soient les critères d’évaluation de ces probabilités, aucune règle générale ne peut être fournie qui nous permette de conclure, de probabilités élevées dans le passé, à des probabilités élevées dans le futur, et, en ce sens, cette solution ne répond pas au problème de l’induction.

            Hume et Mill fondent l’induction seulement dans la nature. Mais, soutient Kant, si l’on adopte ce naturalisme, alors, la connaissance est impossible. Il en infère que, puisque la connaissance est  possible, c’est le naturalisme qui doit être faux: en d’autres termes, la connaissance doit être fondée dans des principes a priori  qui transcendent l’expérience elle-même. Mais précisément, les principes sur lesquels reposent nos inférences inductives et causales peuvent-ils être nécessaires et  a priori?

 

<IT1> L’OPTION POPPERIENNE

            Une réponse radicale est celle de Popper, qui nie d’entrée de jeu que la science repose sur des inductions, et que les scientifiques partent d’observations pour inférer des théories générales. Selon lui, ils proposent d’abord une théorie,  qui est une conjecture, puis ils comparent les prédictions qu’elle implique avec des observations, pour voir si elle résiste aux tests et se laisse corroborer (en ce sens Popper semble au moins admettre l’existence d’inductions hypothétiques ou d’abductions). Si ces tests se révèlent négatifs, la théorie est expérimentalement réfutée, et on cherchera une théorie rivale. Si, au contraire, ces tests sont positifs, la théorie sera maintenue, non pas comme vraie, mais comme conjecture résistant aux tentatives de réfutation. S’il en est ainsi, selon Popper, l’inférence scientifique n’est pas inductive, mais déductive, et par conséquent, il ne peut pas y avoir de “logique inductive” au sens déductif du terme: on voit qu’il y a des A qui ne sont pas B (proposition existentielle négative), et on conclut qu’il n’est pas vrai  que tous les A sont des B. Le principe sur lequel repose cette conception est qu’il est bien plus facile d’infirmer une théorie générale (un seul contre-exemple y suffit) que de la confirmer (de nombreux exemples n’y  suffisent pas). Cela permet à Popper de formuler un critère de démarcation  de la science par rapport à la non-science: les énoncés de la première sont réfutables (ou “falsifiables”) alors que ceux de la seconde ne le sont pas.  En ce sens l’astrologie, le marxisme, ou la psychanalyse ne sont pas scientifiques, parce qu’ il est toujours possible d’invoquer un certain nombre d’hypothèses ad hoc  en leur faveur, alors que la vraie science rejette de telles hypothèses.

            La principale objection que l’on peut adresser à la conception popperienne est de ne rendre compte que de la connaissance scientifique négative: un seul contre-exemple peut nous dire qu’une théorie est fausse, mais cela ne nous dit pas en quoi elle peut être correcte, positivement. A quoi Popper répond que nous ne croyons  pas aux théories scientifiques et qu’elles sont pour nous de simples conjectures. Mais il semble bien que nous y croyons, et qu’elles nous fournissent des prédictions fiables. Comme Hume, Popper admet que la fiabilité pratique de nos théories n’implique en rien leur fiabilité théorique, qui n’est fondée sur aucun jugement rationnel. Et pourtant, il semble bien qu’il soit rationnel de croire, par exemple, que si l’on se jette par la fenêtre du trente-cinquième étage, on ne tombera pas sur le sol sol comme le ferait une plume d’oiseau. La question de l’induction est celle de savoir pourquoi cette croyance est justifiée, alors que Popper nie simplement que cette question se pose. Même si sa conception idéalisée de la science comme ensemble de conjectures est conforme à ce qu’on peut  considérer comme la norme du jugement scientifique, la question demeure de savoir pourquoi certaines inférences nous paraissent plus fiables que d’autres, et pourquoi certaines théories dépassent le stade des conjectures pour devenir universellement admises.

            On dit souvent aussi que le problème de l’induction ne peut pas se poser, parce que sa formulation sous la forme d’une question relative à l’inférence inductive par énumération présuppose que la science procède par accumulation de données d’observation dont on dérive des lois générales, selon une conception positiviste du progrès scientifique, alors que l’examen de la pratique des scientifiques montre queces derniers ne partent pas d’observations pour en inférer des théories générales, mais partent au contraire de ces théories, qu’ils cherchent ensuite à confirmer par l’expérience. A qui l’on ajoute en général que la notion même d’observations indépendantes des théories est un mythe, et que toutes les données expérimentales sont “chargées de théorie”, en sorte que ce que “voit” un savant dans un contexte théorique donné n’est pas ce qu’il “voit” dans un autre, y compris parce que les systèmes d’instrumentations incorporent des théories. Mais même si ces thèses sont correctes, et sont depuis longtemps bien établies par les historiens des sciences, il ne s’ensuit pas que le problème de l’induction ne se pose pas; car même si l’on admet la relativité de toutes les observations à des théories, la question demeure de savoir ce qui confirme ces théories, et de savoir comment elles peuvent être confrontées à l’expérience. Autrement dit, même s’il l’on souscrit à une version plus ou moins radicale de “holisme” ou de “cohérentisme” quant à la vérité des théories scientifiques, la question de savoir comment les théories sont confrontées au réel n’en continue pas moins de se poser. Sauf à souscrire à l’idée radicale et absurde selon laquelle il n’y aurait pas de différence entre les sciences expérimentales portant sur la nature, et les sciences démonstratives, la question: “Comment des expériences peuvent-elles confirmer une théorie?” demeure, et la question de savoir si ces confirmations expérimentales nous donnent de bonnes raisons de croire en la vérité de cette théorie  est  celle que pose toute théorie de l’induction. Même la conception popperienne, qui nie que les scientifiques fassent des inductions, est une tentative pour répondre à ce problème. En d’autres termes, même si nous admettons que les sciences ne procèdent pas par de simples généralisations inductives, que la science n’est pas une simple collection de faits, qu’il n’y a pas de méthodes qui garantissent les avancées significatives de la science, ou que la science ne vise pas des théories certaines, aucune de ces concessions n’affecte le fait que nous acceptons les généralisations du sens commun et de la science et que nous nous appuyons sur elles en pratique. En ce sens, il est raisonnable de nous fier à nos inductions, et le problème est de savoir pourquoi.

 

<IT1> LA FIABILITE DES INDUCTIONS

            Si l’on admet qu’il est souvent rationnel de croire les conclusions de nos inférences inductives, à quoi tient cette rationalité? Certains philosophes “du langage ordinaire”, comme Strawson, ont soutenu que ces inférences sont rationnelles par définition, en vertu du sens même du mot “rationnel”: par définition un individu, qui, par exemple, refuserait systématiquement de manger du pain sous prétexte que les cas passés, aussi nombreux soient-ils, où il s’est nourri avec du pain ne lui ont pas prouvé que le pain était nourrissant, serait irrationnel.  En ce sens, la question de la justification des inductions serait un pseudo-problème, parce que le sens même du mot “induction” impliquerait que l’on croie aux inférences correspondantes pour de bonnes raisons. Mais cet argument ne nous dit pas en quoi consistent ces “bonnes raisons” et en ce sens il ne peut résoudre le problème. Une réponse plus satisfaisante, qui a reçu un écho favorable auprès d’un certain nombre de théoriciens récents (Papineau, Nozick, Kornblith) serait de dire que les inférences inductives sont garanties parce qu’elles sont fiables, c’est-à-dire, parce que les processus causaux qui y conduisent produisent de manière fiable des conclusions vraies à partir de prémisses vraies. De tels processus peuvent être ceux que nos mécanismes cognitifs et notre nature biologique nous ont laissés en partage, en sorte que leur fiabilité serait fondée sur l’évolution et la sélection naturelle. Ce serait ainsi une question empirique, et non pas  a priori que de savoir lesquels, parmi ces mécanismes, sont fiables.  On ne manquera pas d’objecter que cette solution (et en général toute solution reposant sur une “épistémologie évolutionniste”) fait une pétition de principe, puisque l’investigation sur ce qui est “naturellement” fiable dans notre équipement cognitif doit reposer sur la science elle-même (la biologie ou les sciences cognitives), laquelle est supposée faire des inductions “fiables”, alors que les théories scientifiques, y compris la théorie de l’évolution peuvent être fausses, et que, précisément, toutes nos inférences “naturelles” ne sont pas fiables. Le défi auquel une conception “fiabiliste” de l’induction doit répondre est donc celui selon lequel l’induction ne peut pas être fiable en général.

 

<IT1> LA “NOUVELLE ENIGME DE L’INDUCTION”

            Goodman a exposé ce défi sous la forme de ce qu’il appelle “la nouvelle énigme de l’induction”. Supposons que nous  définissions “vleu” comme un prédicat qui s’applique à tous les objets qui ont été d’abord examinés avant l’an 2000 et découverts être verts ou  qui n’ont pas été examinés avant 2000 et sont bleus. Et supposons que nous cherchions, par des moyens inductifs, à déterminer quelles propriétés ont les émeraudes. On peut noter que toutes celles observées jusqu’à présent sont vertes, mais rien ne nous interdit non plus de dire, inductivement,  qu’elles sont vleues. Or ces deux conclusions ne peuvent être vraies en même temps, car certaines émeraudes ne pourront être examinées qu’après 2000. La première implique que ces émeraudes seront vertes, alors que la seconde implique qu’elles seront bleues. L’une doit être fausse, et pourtant ces deux conclusions sont obtenues par induction. La morale de l’argument est qu’à moins d’imposer des restrictions aux objets qui figurent dans nos inductions, il y aura bien trop d’inductions sur ces objets pour obtenir des conclusions vraies. A partir de n’importe quel prédicat “normal” comme “vert”, on peut inventer une infinité de prédicats “bizarres” comme “vleu” qui conduiront à des conclusions inductives fausses. Goodman appelle les prédicats du premier type “projectibles” (dans le futur) et les prédicats du second type “non-projectibles”: la “nouvelle énigme” est celle de savoir comment les distinguer adéquatement, et Goodman soutient que ce n’est pas possible par principe. Mais il soutient néanmoins que les prédicats projectibles sont ceux qui ont été “renforcés” par nos pratiques inductives dans le passé. Cela ne répond pourtant pas à la question même posée par Goodman, de savoir quel est le critère de la projectibilité. Dire, par exemple, que les prédicats projectibles sont ceux qui correspondent à des “espèces naturelles” nous renvoie à nouveau à la question de savoir comment l’induction nous permet de grouper des objets sous une même espèce naturelle. Ou encore, dire que les prédicats projectibles sont ceux qui sont susceptibles de figurer dans des généralisations nomologiques ou des lois, ne résout pas le problème de Goodman non plus, puisque ce problème est précisément celui de savoir ce qui distingue une généralisation authentique d’une généralisation seulement accidentelle.

 

<CONFIRMATION ET PROBABILITE>

            Le fait que certaines inférences inductives semblent être plus justifiées que d’autres peut nous inciter à chercher selon quels critères les inductions peuvent être fiables. Une partie de cette entreprise a consisté à déterminer à quelles conditions un certain ensemble d’observations peuvent confirmer une hypothèse. Il est naturel de supposer que si une hypothèse est hautement confirmée par les données, on pourra être raisonnablement sûr de sa vérité, et, qu’inversement, si elle a un faible degré de confirmation, on n’aura pas confiance en elle. Mais même cette notion intuitive de confirmation pose problème, comme le montre un autre paradoxe (dit “des corbeaux”) formulé par Nicod et repris par Hempel.

            Ce paradoxe part de deux principes qui paraissent évidents. Le premier est qu’une hypothèse générale H est confirmée par ses instances observationnelles E (l’observation E que si a est F et a est G confirme l’hypothèse que tous les F sont G). Le second est que si E confirme H, et si H est équivalent à H’, alors E confirme H. Or, puisque les deux hypothèses suivantes sont logiquement équivalentes:

            (H 1)  Tous les corbeaux sont noirs

            (H 2) Toutes les choses non-noires sont des non-

                    corbeaux,

l’observation suivante, qui confirme (H 2):

            (E 1) Cette chose blanche est une chaussure

doit confirmer aussi (H 1), puisque la chaussure blanche est un non-corbeau. Mais comment pourrait-on confirmer que tous les corbeaux sont noirs en observant qu’une chaussure est blanche? Cela rejoint en partie le paradoxe “vleu” de Goodman, puisque celui-ci montre que a est F  et B est G ne peuvent pas toujours confirmer que tous les F sont G, mais le paradoxe des corbeaux se poserait même si F  et G  étaient des prédicats projectibles. Il ne suffit pas de répondre qu’on doit restreindre d’une manière ou d’une autre le champ des données supposées confirmer une hypothèse, puisque le principe de cette restriction est, à nouveau, précisément celui que devrait nous fournir une théorie de l’induction.

            Si la notion de confirmation employée en ce sens logique et qualitatif donne lieu à de telles difficultés, ne peut-on espérer les résoudre en usant d’une notion quantitative de confirmation? C’est ce qu’on tenté les théoriciens contemporains qui, de Keynes à Reichenbach, en passant par Carnap et ses successeurs, ont développé une théorie probabiliste de la confirmation des hypothèses, comme fondement pour une logique inductive spécifique. Mais la notion de probabilité peut être comprise en plusieurs sens. Elle peut être comprise, d’abord, au sens subjectiviste, comme la mesure du degré de croyance en une hypothèse, selon l’approche couramment appelée “bayésienne”, d’après le nom du Révérend Thomas Bayes qui établit en 1763 une méthode pour calculer la probabilité subjective des hypothèses, et développée au XXème siècle par des théoriciens comme Ramsey, De Finetti et Savage. La probabilité peut être comprise, ensuite, au sens objectif  comme la fréquence relative  de certains résultats sur des ensembles répétés de tests (plus exactement comme la fréquence relative à la limite sur une suite infinie de tests), selon l’approche de Venn, Von Mises, ou Reichenbach, ou comme la disposition objective ou la propension à produire des fréquences relatives fixes à la limite, selon la conception de Peirce, reprise par Popper et Mellor. En outre, les théoriciens de la statistique du vingtième siècle, comme Neyman, Pearson et Fischer, ont développé des méthodes sophistiquées d’évaluation statistique des hypothèses. Sans entrer dans les conflits entre ces diverses analyses et leur évaluation, on peut prendre la conception bayésienne comme celle qui est la plus à même d’expliquer le degré quantitatif de confirmation.

            Les bayésiens supposent que nos degrés de croyance subjective en la vérité d’une hypothèse sont compris sur une échelle de nombres réels entre 0 et 1, et qu’une donnée empirique E confirme une hypothèse H si le fait d’apprendre E augmente la confiance subjective de quelqu’un en H. La notion centrale de cette théorie est celle de probabilité conditionnelle d’une hypothèse H étant donné E (écrite “P (H/E)” ). On dira que E confirme H si et seulement si P(H.E) est plus grande que la probabilité de H elle-même (P (H)). Le théorème de Bayes donne la formule générale de la probabilité conditionnelle d’une hypothèse:

            P(H/E) = P(H) ¥ P( E/ H) /  P(E)

Ainsi, E confirme H dans la mesure où E est probable (subjectivement) étant donné H, mais improbable autrement. En d’autres termes, si E est très surprenant (comme par exemple le fait que la lumière se courbe à proximité du soleil), mais est en même temps ce à quoi on peut s’attendre étant donné H (par exemple la théorie générale de la relativité), alors E devrait augmenter notre degré de croyance en H. Et si E n’est pas plus probable étant donné H qu’il ne le serait selon une autre hypothèse, alors observer E ne renforce pas plus H (par exemple le mouvement des marées ne confirme pas la théorie de la relativité, bien qu’elle le prédise, parce qu’il est aussi prédit par la théorie newtonienne de la gravitation).

            Ce cadre théorique permet de résoudre le paradoxe des corbeaux. Supposons (par exemple) que nous pensions initialement que 1/5 des objets sont noirs, et 1/10 sont blancs. Alors, nous estimerons  la probabilité que le prochain objet observé sera un corbeau noir de 1/50, et la probabilité que ce sera une chose non-noire non-corbeau de 36/50. Supposons alors que la probabilité conditionnelle d’un corbeau noir et d’un non-noir non-corbeau, étant donné l’hypothèse que tous les corbeaux sont noirs, soit de 2/50 et de 38/50 respectivement. Nous pouvons appliquer le théorème de Bayes. La probabilité initiale d’un corbeau noir est de 1/50, alors que la probabilité conditionnelle de la même hypothèse est de 2/50. Alors, quelle que soit l’estimation initiale de la probabilité que tous les corbeaux sont noirs, ce théorème nous dira que l’observation d’un corbeau noir doublera cette probabilité. Par opposition, si la probabilité initiale d’un non-noir non-corbeau est de 36/50, la probabilité conditionnelle de cette hypothèse, étant donné la probabilité que tous les corbeaux sont noirs sera seulement de 38/50. Il s’ensuit que l’observation d’une chaussure blanche n’augmentera notre probabilité subjective que de 2/36. Cela donne un sens clair à l’idée intuitive que l’observation d’un corbeau noir confirmera bien plus l’hypothèse que tous les corbeaux sont noirs que l’observation d’une chaussure blanche. La même analyse s’applique au paradoxe de “vleu” de Goodman: notre degré de croyance subjective que toutes les émeraudes sont vertes doit excéder de loin notre degré de croyance qu’elles sont vleues.

            Ainsi la conception bayesienne de la confirmation nous donne-t-elle une analyse puissante du degré de confiance en une hypothèse. Pour autant, elle n’est pas sans problèmes, car si elle nous montre comment ajuster nos probabilités à la lumière de nouvelles données, elle ne dit pas comment nous déterminons nos probabilités initiales (ou a priori), et présuppose ainsi  que le degré de croyance a priori en une hypothèse a lui-même un certain degré de plausibilité. Mais comment évaluer cette plausibilité? C’était justement encore le problème de l’induction.

 

<IT1> UNE JUSTIFICATION PRAGMATIQUE?

            Bien que la conception bayésienne permette de donner un sens précis à notre confiance envers certaines inductions plutôt qu’’envers d’autres, on peut penser qu’elle ne nous fournit aucune prise objective sur les configurations naturelles qui, dans la réalité, rendent nos inductions fiables. C’est pourquoi des auteurs comme Reichenbach ont préféré développer une solution en termes de probabilités objectives. Selon Reichenbach, l’induction n’est pas tant une forme d’inférence qu’une méthode permettant de parvenir à des hypothèses, concernant, par exemple la proportion de A qui sont des B. Ces hypothèses ne sont pas vraies, mais sont des sortes de paris, comme ceux que fait un joueur, sur l’état de la nature. L’information acquise après ces hypothèses sera ensuite continuellement corrigée au fur et à mesure que de nouvelles informations se feront jour. Ce sur quoi nous parions, quand nous faisons ce genre de paris, est la valeur de cette proportion dans le monde, que Reichenbach conçoit comme la limite de la proportion observée au fur et à mesure que les cas tendent vers l’infini.  “A la longue” ces proportions devraient converger. Tout ce que cela montre est que nos inductions réussiront si les proportions convergent à la limite. Mais si nos méthodes inductives peuvent réussir “à la longue”, rien ne garantit qu’elles réussiront pour les cas finis, dans le court terme. Des idées semblables avaient été proposées par Peirce, qui définissait la rationalité de l’induction par son caractère auto-correcteur. Le problème est que le long terme, ce que Peirce appelle “la limite de l’enquête” est un état parfaitement idéal, dont nous n’avons aucune idée.

            Il n’en reste pas moins que l’idée sur laquelle repose cette “justification pragmatique” de l’induction, selon laquelle nos inférences inductives acquièrent progressivement une justification par une série d’autocorrections, est féconde. Elle ne fournit certes pas une solution au problème du fondement de l’induction, puisqu’elle rejette l’idée, aussi bien rationaliste qu’empiriste, selon laquelle la connaissance empirique doit  être fondée. Le caractère principal de cette connaissance, comme l’ont dit Peirce et Popper, est d’être faillible,  et indéfiniment corrigible. Pourtant comment peut-elle reposer sur la connaissance de régularités qui sont néanmoins stables? Une manière de répondre à cette question peut être de dire que la nature, c’est-à-dire l’évolution, nous a dotés, en tant qu’espèce, de la capacité d’acquérir en général, bien que pas nécessairement toujours, des croyances vraies, dont les théories scientifiques sont des élaborations sophistiquées. S’il en est ainsi, le fondement de nos inférences inductives est par définition contingent. Mais le fait que les méthodes que la science, comme le sens commun, emploie soient rationnelles peut ainsi apparaître comme l’effet d’une circularité nécessaire entre nos mécanismes cognitifs et la réalité sur laquelle ils portent. Kant avait en un sens évoqué cette solution, quand il envisageait l’idée d’une “harmonie préétablie” ou d’un “système de préformation de la raison pure” comme intermédaire entre l’empirisme et le transcendantalisme.

            C’était aussi ce que disait Mill quand il formulait son principe d’uniformité de la nature. Mais on oublie souvent, quand on critique ce principe au nom d’une forme de scepticisme inductif comparable à celui de Hume, que Mill avançait aussi une pluralité de méthodes inductives. La voie qui reste ouverte, si l’on veut comprendre comment celles-ci sont justifiées, n’est sans doute pas celle qui consiste à rechercher une solution générale au problème de l’induction, mais plutôt celle qui consiste à envisager ces diverses méthodes au cas par cas, et selon les disciplines scientifiques concernées. En ce sens, peut-être n’y a-t-il pas une réponse unique à la question de la rationalité de l’induction, mais un ensemble de réponses, relatives aux différents types de justifications inductives et d’inférences causales que nous employons, aussi bien dans la connaissance naturelle que dans la connaissance scientifique.

           

Boudot, M.(1968)  Logique inductive et probabilité, Paris, A. Colin.— Carnap, R (1956) Logical Foundations of Probability, Chicago: Chicago University Press.—Cohen L.J. (1989) , An Introduction to the Philosophy of Induction and Probability, Oxford: Oxford University Press.—Glymour, C. (1980) , Theory and Evidence, Princeton: Princeton University Press.—Goodman, N. Fact, Fiction and Forecast , Indianapolis, Hackett, — Hacking, I (1965) The Logic of Statistical Inference, Cambridge, Cambridge University Press.— Hempel, C.J.(1964) Aspects of Scientific Explanation, New York: Free Press— Horwich, P. (1982) Probability and Evidence, Cambridge, Cambridge University Press.—  HOWSON, C. & URBACH, P. (1989) Scientific Reasoning, La Salle, Ill. —Holland, J, Hollyak, K, Nisbett, R. & Thagard, P. (1986)  , Induction , Cambridge Mass: MIT Press.—Hume, D. Enquête sur l’entendement humain, ed. Beyssade, Paris, Garnier Flammarion 1986.— Keynes, J.N. (1921), A Treatise on Probability, Londres.— Kornblith, H. (1994) Inductive Inference and its Natural Ground, Cambridge Mass: MIT Press.— Lalande, A (1929) Les théories de l’induction et de l’expérimentation ,Paris: Alcan — Mellor, D.,H. (1972) The Matter of Chance, Cambridge, Cambridge University Press.— Mill, J. S. (1843) A System of Logic, Londres, tr.fr. L. Peisse, Système de logique, Paris, réed. Mardaga, Bruxelles, 1991— Miller, D. (1993) Critical Rationalism, Open Court, La Salle, Ill. — Nicod, J. (1924) Le problème logique de l’induction, Paris, Presses Universitaires de France.— Nozick, R. (1992) The Nature of Rationality , Cambridge Mass.: Havard University Press.— Papineau, D (1987) Reality and Representation, Oxford: Blackwell,—Peirce, C.S. (1932) Collected Papers, ed. P. Weiss, Cambridge, Mass.: Harvard University Press — Popper, K. (1935) La logique de la découverte scientifique, Paris: Payot (1971) — Ramsey, F.P. (1931) The Foundations of Mathematics and other Essays, ed. Braithwaite, Cambridge, Cambridge University Press.—Russell, B. (1910) Problèmes de philosophie, tr.fr. F. Rivenc, Paris: Payot 1988.— Stove, D. C. (1985)  The Rationality of Induction, Oxford: Oxford University Press.— Strawson, , P.F. (1952) Introduction to Logical Theory , London: Methuen.— Whewell, W. (1847) The Philosophy of the Inductive Sciences. London.

 

Æ    Bayésianisme, causalité, confirmation, Goodman, Hempel, Hume, hypothèse, Mill,  Peirce, Popper,  Ramsey, Reichenbach, positivisme, pragmatisme, probabilité, statistiques

 

<SIGNATURE> CLAUDINE TIERCELIN

30162 signes