Prévoir le contingent ? Les sciences empiriques entre statistique et probabilité au XVIIIe siècle.

How to predict what is contingent ? Empirical sciences between statistics and probability during the 18th century.

• Auteur / Autrice : Dinh-Vinh Colomban
• Direction : Anne-Lise Rey
• Type : Projet de thèse
• Discipline(s) : Philosophie
• Date : Inscription en doctorat le 21/09/2021
• Etablissement(s) : Paris 10
• Ecole(s) doctorale(s) : École doctorale Connaissance, langage, modélisation (Nanterre, Hauts-de-Seine ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Institut de recherches philosophiques (Nanterre ; 2015-....)

Mots clés

Mots clés libres

Philosophie des sciences

Leibniz

Probabilités

Statistiques

Probability

Statistics

Philosophy of science

Leibniz

Résumé

La connaissance a longtemps été cantonnée au nécessaire et au certain, excluant alors tout champ de réalité contingent de son domaine. Le XVIIe siècle voit cependant s'affirmer l'ambition inédite de prévoir le contingent grâce à l'émergence des méthodes probabilistes et statistiques. Le problème posé par cette dualité entre probabilité et statistique a souvent été négligé, soit en traçant deux histoires parallèles de ces deux approches, soit à l'inverse en les amalgamant de manière indifférenciée sous une seule et même méthode probabiliste. Or statistique et probabilité posent des divergences profondes à la fois au plan ontologique quant à la nature du réel (abstraction/empirique), au plan épistémologique quant aux modalités de la connaissance et leur fiabilité (déduction a priori/induction a posteriori), et au plan politique concernant des modélisations potentiellement normatives des comportements humains et sociaux (prescriptif et individuel/descriptif et populationnel). Ces problèmes qui se nouent autour de la dualité entre statistique et probabilité structurent une partie des projets épistémologiques qui émergent au cours d'un ''long XVIIIe siècle'', de Leibniz à Laplace, et ambitionnent de constituer en objet de savoir de champs inédits de la réalité empirique contingente. Ce projet de thèse cherche à dégager comment ces problèmes, qui structurent encore aujourd'hui certains débats contemporains, sont fondateurs dès l'origine et tout le long du développement des deux méthodes statistiques et probabilistes, et des efforts au cours du XVIIIe pour les mettre au service d'une connaissance de champs du réel caractérisés par leur contingence (biologique, humain, social). Ces tentatives et les difficultés qu'elles rencontrent engagent des reconfigurations conceptuelles dans la manière même de penser le réel et sa variation qui ouvrent sur des problèmes épistémologiques et politiques toujours actuels.

Knowledge has long been about what is either necessary or certain hence excluding what is contingent from the field of science. However throughout the 17th century a new ambition to predict what is contingent has emerged thanks to new probabilistic and statistical tools. However, this duality between probability and statistics has long been neglected either by studying as two separate histories or by merging them under one methodology. However, statistics and probability lead to strong oppositions on an ontological level about what is reality (abstraction vs empirical) on an epistemological level about the reliability of knowledge (deduction vs induction) and on a political level about the consequences of predicting human behaviours and choices. These issues are at the heart of several epistemological projects that arise during a ''long 18th century'' from Leibniz to Laplace which aimed at establishing some contingent fields of reality as new legitimate fields of science. These attempts encountered severe issues and difficulties which lead to rethink and redefine how we characterized reality and its variability and knowledge. Many of those issues are still at stake today but are rooted in questions which have been at play throughout the development of both statistics and probability in the 18th c. in order to predict what is contingent and uncertain.