L’information entre de bonnes mains peut être très incroyable et devrait être un élément clé de tout choix. L’un des axiomes les plus souvent cités par un analyste américain, W. Edwards Deming, est : “En Dieu nous avons confiance. Tous les autres, apportez des données”.

Quoi qu’il en soit, l’information peut être mal jugée et mal interprétée, encore et encore. L’une des plus grandes idées fausses est celle qui concerne la causalité et la relation.

Il y a quelque temps, Bloomberg a publié un article sur les dangers de mélanger les deux. L’article tirait des conclusions farfelues, comme le fait que Facebook soit le moteur de la crise de la dette grecque ou que la popularité du nom de bébé “Avas” ait provoqué la bulle immobilière aux États-Unis. Il est clair que ce sont des modèles scandaleux, mais cela montre les dangers de ne pas comprendre la distinction.

Qu’est-ce que la causalité et la relation ?

Et si nous commencions par les boulons et les écrous ? Quelle est la signification de la causalité par rapport à la connexion ?

Tout bien considéré, comme l’indique le Bureau des statistiques, la connexion est “une mesure factuelle (communiquée sous forme de chiffre) qui indique la taille et l’importance d’un lien entre au moins deux facteurs”.

Alors que la causalité “montre qu’une occasion est la conséquence de l’événement de l’autre occasion ; par exemple, il y a un lien de causalité entre les deux occasions. on parle aussi de cause à effet”.

Le grand modèle de causalité par opposition au modèle de connexion qui est utilisé la plupart du temps est que le tabagisme est associé à l’abus d’alcool, cependant, il ne cause pas d’abus d’alcool. Alors que le tabagisme entraîne une expansion du danger de créer une croissance maligne des poumons.

Pour quelle raison cette distinction est-elle importante ?

Il est fondamental de bien faire la distinction. L’évangéliste Avinash Kaushik a récemment expliqué par ordinateur que le fait de ne pas comprendre la distinction peut être dangereux. Kaushik a présenté un article de The Economist, qui souligne que manger plus de yaourt glacé peut aider à soutenir les scores de doublure sur l’échelle de compréhension PISA.

“Pour des personnes ordinaires (non-expertes), cette carte et cet article semblent authentiques”, a composé Kaushik. “Après cela, c’est un site digne de confiance et c’est un groupe légitime. Bonté divine, et regardez, il y a une ligne rouge, ce qui ressemble à une circulation authentique, et un R au carré !”

Quoi qu’il en soit, Kaushik a besoin que nous réfléchissions aux informations actuelles et que nous ne fassions pas entièrement confiance aux choses.

Il attire l’attention sur le fait que, malgré la relation raisonnable entre ces indices informationnels, il n’y a en fait rien qui permette d’établir un lien de cause à effet entre l’un et l’autre. Bien que l’on puisse avoir l’impression qu’il existe un lien évident entre le QI et l’utilisation de yaourts glacés, les informations ne révèlent rien d’autre que cette relation évidente.

Des arguments solides

Enfin, Kaushik utilise le modèle de l’Economist comme point de rebondissement pour nous rappeler – et aux enquêteurs de partout – d’être de plus en plus incrédules sur les affaires qui font des déterminations fortes à partir de foyers d’information connectés. Il fait référence à différents modèles, notamment la science et le suicide, l’évaluation de la qualité des avions et les plans de vol. La source d’inspiration de M. Kaushik a incité les enquêteurs à examiner les informations plus en profondeur et à garder une distance stratégique par rapport aux objectifs simples.

“Notre responsabilité est d’être suspicieux, de creuser et de comprendre, de donner des coups de coude et de rejeter ce qui est incroyablement hors base et, si ce n’est pas ridiculement hors base, de donner un sens à ce qui peut être juste, dans le but de pouvoir faire une suggestion en connaissance de cause”, a-t-il poursuivi.

Le clou du spectacle

La causalité est une région qui est habituellement mal jugée et il peut être très difficile de déduire la causalité entre deux facteurs sans faire une rencontre contrôlée et aléatoire. De plus, un lien peut être une mesure utile, mais il comporte des limites, car il est généralement lié à l’estimation d’une relation directe. Quoi qu’il en soit, comprendre que le lien ne suggère pas de causalité et réaliser ce qui importe est un bon point de départ.