Comment mentir avec les statistiques

Titre original : How to Lie with Statistics

Dès 10 ans9 min de lecturestatistiquesesprit critiquemathématiques populaires
Avertissements quelques exemples dépassés sur le tabac
Se procurer le livre ↓

Darrell Huff montre, dans un tour d'horizon léger et plein d'esprit des ruses employées par les publicitaires, les journalistes et d'autres, comment les chiffres, les graphiques et les moyennes peuvent tromper, afin que les lecteurs apprennent à repérer la supercherie.

Présentation

Comment mentir avec les statistiques a été publié en 1954 par Darrell Huff, rédacteur et écrivain de magazine, avec des illustrations d’Irving Geis. C’est un livre court, souvent appelé le livre de statistiques le plus populaire jamais écrit. Huff n’était pas statisticien de formation et l’a écrit comme un guide des abus de chiffres dans la vie courante. Il explique que les escrocs connaissent déjà ces ruses, et que les honnêtes gens doivent donc les apprendre pour se défendre. Chaque chapitre traite d’un type de ruse, avec des exemples tirés de vraies publicités, de magazines et d’enquêtes. Huff en a réuni beaucoup avec l’aide de statisticiens professionnels. Le livre est resté populaire pendant des décennies.

Résumé complet

Le livre compte dix courts chapitres, chacun nommé d’après une ruse, plus une brève introduction où Huff oppose un sondage Gallup rigoureux au sondage par coupon d’un journal sur la connaissance du système métrique par ses lecteurs.

1. L’échantillon biaisé d’avance

L’idée : Huff commence par l’échantillon, le petit groupe sur lequel repose une affirmation. Son exemple principal est un article de magazine qui disait que le membre moyen de la promotion 1924 de Yale gagnait une somme étonnamment précise et impressionnante. Il fait remarquer que ce chiffre ne peut venir que des camarades dont l’adresse était connue et qui ont répondu à un questionnaire, et que ceux-ci étaient probablement les plus réussis et les plus enclins à se vanter. Il ajoute la prévision électorale ratée du Literary Digest en 1936, fondée sur une liste de propriétaires de téléphone et d’abonnés à des magazines, plus riches que l’électeur typique. Un échantillon n’a de valeur que si chaque membre de l’ensemble avait une chance égale d’être choisi, et même les sondages soignés doivent lutter sans cesse contre les biais.

Dans la vie réelle : Un sondage auprès des gens qui fréquentent une salle de sport en dira peu sur la santé de toute la ville.

2. La moyenne bien choisie

L’idée : Le mot « moyenne » peut désigner la moyenne arithmétique (mean), la médiane ou le mode, et ceux-ci peuvent donner des images très différentes. Huff montre un quartier dont le revenu paraît élevé ou faible selon la moyenne citée, et une petite entreprise dont le bénéfice du patron et la paie des ouvriers peuvent être décrits de façon flatteuse ou non. Il note que les chiffres du Bureau du recensement indiquent en général clairement quel type de moyenne ils emploient, mais que beaucoup de publicitaires et de journalistes ne le font pas. Chaque fois que vous voyez une moyenne, demandez : moyenne de quoi, et qui est inclus ?

Dans la vie réelle : Un milliardaire dans une petite ville peut faire grimper énormément la richesse « moyenne ».

3 et 4. Les petits chiffres qui manquent, et beaucoup de bruit pour presque rien

L’idée : Beaucoup de statistiques omettent le chiffre qui montrerait si le résultat signifie quelque chose. L’exemple de Huff est un dentifrice vanté pour donner 23 pour cent de caries en moins, à partir d’un groupe test d’une douzaine de personnes. Si une entreprise répète sans cesse de petits tests et range dans un tiroir les décevants, le hasard finira tôt ou tard par lui offrir un titre impressionnant. Il compare cela au fait de lancer une pièce dix fois et d’obtenir huit fois pile. Il décrit aussi un essai de vaccin contre la polio trop petit pour montrer quoi que ce soit, parce que très peu d’enfants auraient contracté la polio paralytique dans l’un ou l’autre groupe, et il explique pourquoi il faut indiquer un degré de signification, ainsi que la fourchette autour d’une moyenne.

Dans la vie réelle : Un résultat obtenu sur dix personnes peut paraître impressionnant, mais pourrait facilement être dû à la chance.

L’idée (suite) : Au chapitre 4, Huff imagine deux enfants, Peter avec un QI de 98 et Linda avec 101, et montre qu’un tel écart est bien dans la marge d’erreur probable du test, et qu’il ne dit donc rien sur l’enfant le plus brillant. Tout chiffre tiré d’un échantillon est assorti d’un plus ou moins, de sorte qu’il vaut mieux penser les résultats comme des fourchettes, et comparer des chiffres qui ne diffèrent que peu n’a pas de sens. Il ajoute que des rédacteurs de magazines, des publicitaires et des fabricants de cigarettes ont souvent fait grand cas de minuscules différences.

Dans la vie réelle : Deux marques qui diffèrent d’un point à un test à large marge d’erreur sont, en pratique, à égalité.

5 et 6. Le graphique « waouh » et l’image à une dimension

L’idée : Un graphique en courbe dont la partie basse est coupée, si bien que l’axe vertical ne commence pas à zéro, fait paraître un petit changement spectaculaire. Huff montre comment une hausse de dix pour cent du revenu national peut être rendue énorme, et cite de vraies publicités, dont un graphique des salaires d’une administration où une hausse de moins de quatre pour cent paraît dépasser quatre cents.

Dans la vie réelle : Un graphique en barres qui commence à 95 au lieu de zéro fait paraître énorme un changement minuscule.

L’idée (suite) : Au chapitre 6, il passe aux graphiques illustrés, comme des sacs d’argent représentant des salaires. Ils peuvent tromper quand un chiffre est simplement dessiné deux fois plus haut qu’un autre. L’image a alors quatre fois la surface, ou huit fois le volume, si bien que l’œil voit une différence bien plus grande que ne le montrent les chiffres. Huff donne de vrais exemples tirés de magazines et d’une publicité d’un secteur industriel, et plaisante en disant que le dessin de plus de vaches peut faire croire aux lecteurs que les vaches elles-mêmes ont grossi.

Dans la vie réelle : Un pictogramme qui double la hauteur d’une pièce pour montrer un doublement des ventes fait penser à un quadruplement.

7. Le chiffre à moitié rattaché

L’idée : Si l’on ne peut pas prouver ce que l’on veut, on prouve autre chose en espérant que personne ne le remarque. Parmi les exemples de Huff : l’affirmation qu’un presse-agrumes donnait 26 pour cent de jus en plus, ce qui voulait dire plus qu’un simple pressoir à main ; un sondage sur les perspectives d’emploi dont les réponses reflétaient les préjugés des personnes interrogées plus que les faits ; et une comparaison des taux de mortalité de la marine et des civils qui ignorait à quel point les deux groupes étaient différents. Il note aussi que des chiffres bruts comme les morts sur les routes ne signifient pas grand-chose sans les taux, et qu’une hausse des cas déclarés d’une maladie peut simplement signifier un meilleur signalement.

Dans la vie réelle : « Plus de gens ont été blessés à vélo cette année » ne veut pas dire grand-chose si beaucoup plus de gens ont fait du vélo.

8. Post hoc revient à la charge

L’idée : Ce chapitre porte sur le fait de supposer que, parce que deux choses vont ensemble, l’une cause l’autre. Huff ouvre avec une étude constatant que les fumeurs avaient de moins bonnes notes à l’université que les non-fumeurs, et se demande si de mauvaises notes pourraient pousser des étudiants à fumer, ou si un troisième facteur, comme un tempérament sociable, se cache derrière les deux. Il range les corrélations en celles produites par le hasard, celles où le sens de la cause est incertain, et celles où aucun des deux ne cause l’autre, et il se montre sceptique devant les affirmations selon lesquelles l’université rend plus riche ou moins susceptible de se marier, puisque les gens qui font des études diffèrent de ceux qui n’en font pas.

Dans la vie réelle : Les ventes de glaces et les noyades augmentent toutes deux en été, mais les glaces ne causent pas les noyades.

9. Comment « statisticuler »

L’idée : Huff emploie ce mot qu’il a forgé pour désigner la manipulation des statistiques, et il soutient que les erreurs sont rarement aléatoires, car elles penchent presque toujours dans le même sens. Il montre comment une carte colorée peut faire paraître énormes les dépenses fédérales en choisissant de grands États peu peuplés, comment le chiffre d’une fondation sur le revenu des familles a été gonflé en multipliant par quatre une moyenne par personne, comment les décimales donnent un faux air de précision, et comment les pourcentages fondés sur de tout petits nombres ou sur une base changeante peuvent induire en erreur.

Dans la vie réelle : Une publicité qui promet d’« économiser 100 pour cent » confond le prix de départ et le nouveau prix.

10. Comment répondre à une statistique

L’idée : Dans le dernier chapitre, Huff donne cinq questions à poser à propos de n’importe quelle statistique : Qui le dit ? Comment le sait-il ? Que manque-t-il ? Quelqu’un a-t-il changé de sujet ? Est-ce plausible ? Il s’appuie sur une enquête d’un journal d’affaires, dans laquelle la plupart des entreprises interrogées n’avaient pas répondu, pour montrer comment une source biaisée et un échantillon d’auto-sélection vont de pair, et il montre comment une comparaison manquante, une base manquante ou une cause manquante peuvent vider un chiffre de son sens. Le but n’est pas de rejeter les statistiques mais de les lire d’un œil critique et de ne pas se laisser abuser par un halo de précision.

Dans la vie réelle : Si une entreprise dit que « la plupart des médecins préfèrent » un produit, demandez quels médecins et combien.

Pourquoi ce livre compte

Comment mentir avec les statistiques est depuis longtemps un best-seller et une introduction classique à la culture statistique. Il a été utilisé dans des écoles et des universités, lu par des journalistes, des gens d’affaires et des lecteurs ordinaires, et on le cite chaque fois que des chiffres sont détournés. Les cinq questions de Huff restent une liste de contrôle utile. L’actualité du livre a grandi à l’ère des données et des affirmations en ligne, où graphiques et enquêtes sont partout. On lui a aussi reproché ses exemples, mais ses leçons de fond tiennent toujours, et il a inspiré des livres ultérieurs sur le même sujet.

Les idées clés

  • Vérifiez l’échantillon. Un échantillon biaisé donne un résultat biaisé.
  • Demandez de quelle moyenne il s’agit. La moyenne, la médiane et le mode peuvent différer.
  • Cherchez ce qui manque. La taille de l’échantillon et la marge d’erreur comptent.
  • Méfiez-vous des graphiques trompeurs. Les axes et les images peuvent exagérer.
  • Corrélation n’est pas causalité. Cherchez d’autres explications.

Ce que nous pouvons en retenir

Vous pouvez appliquer les cinq questions de Huff à toute statistique que vous voyez dans l’actualité ou dans une publicité. Regardez les axes des graphiques, ainsi que la taille et la source des échantillons. Demandez ce qu’un chiffre laisse de côté, et s’il est comparé de façon équitable. Méfiez-vous des pourcentages spectaculaires sans les chiffres de base. Et apprenez à vos amis et à votre famille à faire de même. En même temps, ne devenez pas cynique : les statistiques honnêtes sont des outils précieux, et le but est de les lire avec soin.

Critiques et points de vue contraires

Certains statisticiens notent que le livre est daté et informel, et qu’il ne traite que de ruses simples, pas des questions plus profondes de l’inférence statistique. D’autres font remarquer que Huff lui-même a été associé plus tard à l’industrie du tabac, lors d’un témoignage devant le Congrès qui attaquait le raisonnement du rapport de 1964 du Surgeon General sur le tabac et la santé, et que les critiques ont relevé cette ironie, puisqu’il a mis ses talents au service du doute sur des preuves. Quelques-uns disent que le livre peut rendre les lecteurs trop méfiants envers les chiffres. Malgré tout, comme introduction, il reste utile.

À qui s'adresse ce livre ?

Ce livre s’adresse à tous ceux qui lisent les journaux, les publicités ou les rapports, y compris les élèves et les adolescents. Il est court, drôle et facile à lire. Ceux qui veulent un cours plus approfondi peuvent poursuivre avec une introduction moderne aux statistiques.

Résumé traduit de l'anglais avec l'aide de l'IA.

Envie de lire le livre entier ?

Un résumé donne un avant-goût, pas le repas. Voici où trouver le livre complet.

Vous êtes arrivé au bout 🎉

Bravo. Marquez ce livre comme lu et nous vous suggérerons la suite.

À lire ensuite

Le Signal et le Bruit

Nate Silver

Le statisticien et prévisionniste électoral Nate Silver explique pourquoi la plupart des prédictions échouent, et montre que mieux prévoir passe par le raisonnement en probabilités, la mise à jour à mesure que de nouvelles preuves arrivent et l'humilité face à l'incertitude.

🔬 Sciences

Mauvaise science

Ben Goldacre

Le médecin et écrivain Ben Goldacre montre comment la pseudo-science, les mauvaises statistiques, les articles de presse trompeurs et les méthodes des industries pharmaceutique et des compléments alimentaires faussent ce que nous croyons savoir sur la santé, et il apprend aux lecteurs à évaluer des preuves.

🔬 Sciences

Le Monde et ses démons

Carl Sagan

Carl Sagan défend la science comme une chandelle dans l'obscurité face à la superstition et à la pseudoscience, et propose une « trousse de détection des balivernes » (*baloney detection kit*), un ensemble d'outils pour penser de façon critique et mettre les affirmations à l'épreuve.

🔬 Sciences

Système 1 / Système 2 : Les deux vitesses de la pensée

Daniel Kahneman

Notre esprit fonctionne avec deux systèmes, l'un rapide et intuitif, l'autre lent et réfléchi, et comprendre comment le système rapide nous trompe peut nous aider à mieux décider en matière d'argent, de risque, de travail et de bonheur.

🧩 Esprit et psychologie

L'Art de penser clairement

Rolf Dobelli

L'auteur suisse Rolf Dobelli réunit une centaine de courts chapitres sur des erreurs de pensée courantes, comme le biais de confirmation, le biais de survie et le sophisme des coûts irrécupérables, pour aider les lecteurs à prendre moins de décisions déraisonnables.

🧩 Esprit et psychologie

Une brève histoire du temps

Stephen Hawking

L'un des plus grands physiciens du monde explique, presque sans mathématiques, ce que nous savons de l'origine, de la structure et du destin de l'Univers, du Big Bang aux trous noirs et à la nature du temps lui-même.

🔬 Sciences

Envie d'autre chose ?

Choisissez un autre thème et nous vous montrerons trois livres pour commencer.

Livres affichés pour :
Parcourir tous les livres →