Enquêtes, données et modèles en sciences sociales

Les sciences sociales articulent questions, hypothèses, enquêtes, données et modèles pour construire des connaissances discutables et confrontables aux faits. Le préambule du programme de seconde présente un repère en quatre étapes : hypothèse, enquête ou modèle, confrontation, conclusion.

Ce repère pédagogique n’impose pas une chaîne rigide à toute recherche. Une enquête exploratoire peut faire naître une hypothèse ; des résultats conduisent à modifier la mesure, le modèle ou la question. Une hypothèse reste une proposition à examiner, pas un résultat prouvé par une simple comparaison.

La conclusion précise le périmètre, la méthode et les incertitudes : ce qui apparaît dans un échantillon n’est pas automatiquement vrai pour toute la population. Association statistique, explication causale et jugement de valeur sont des affirmations distinctes.

Mesurer. Définir population, période, variables et mode de recueil précède une interprétation. Un questionnaire, un entretien, une observation ou des données administratives ne donnent pas exactement les mêmes informations. Les réponses déclarées peuvent différer des comportements réels.

Échantillonner. Taille, couverture, sélection et non-réponse comptent. Beaucoup de volontaires ne garantissent pas une estimation représentative ; augmenter la taille ne supprime pas automatiquement un biais de sélection. Une pondération repose sur des informations et hypothèses à expliciter.

Comparer. Une différence entre groupes peut refléter leurs compositions, un facteur commun ou une causalité inverse. Examiner un facteur supplémentaire améliore le diagnostic mais ne prouve pas qu’aucune autre explication ne subsiste. Une stratégie causale doit être justifiée par le protocole, pas par le seul mot « enquête ».

Modéliser. Une représentation simplifiée peut isoler un mécanisme et produire des implications testables. Une simplification n’est pas automatiquement un défaut ; elle peut toutefois devenir inadéquate au domaine ou aux faits étudiés. L’utilité ne dispense ni de cohérence, ni de confrontation, ni de limites. Un modèle descriptif n’est pas un idéal à imposer.

Dossier fictif : application de rappel et présence à un atelier. Parmi 240 répondants volontaires, on observe :

1. Comparaison globale. Utilisateurs : $86/120\approx71{,}7\%$ présents ; non-utilisateurs : $58/120\approx48{,}3\%$. L’association globale est positive.

2. Comparaison par disponibilité. Élevée : 80 % contre 90 % ; faible : 30 % contre 40 %. Dans chaque groupe, l’écart utilisateurs moins non-utilisateurs vaut −10 points, à l’opposé du signe global.

3. Expliquer la différence de lecture. Les utilisateurs sont beaucoup plus souvent dans le groupe disponible, où la présence est plus fréquente. Le mélange de groupes modifie la comparaison agrégée. Cela ne démontre pas un effet causal négatif de l’application : la disponibilité mesurée ne contrôle pas tous les facteurs et l’usage n’a pas été attribué au hasard.

Diagnostic. « 71,7 % dépasse 48,3 %, donc l’application fait venir les personnes » est trop fort. On décrit une association chez des répondants volontaires, avec un facteur de composition important. Il faudrait un protocole supplémentaire pour une conclusion causale ou une généralisation.

Les flèches peuvent revenir en arrière : une différence inattendue conduit à vérifier les données ou reformuler l’hypothèse. Les pourcentages reposent sur des dénominateurs distincts ; on ne moyenne pas 80 % et 30 % sans tenir compte des effectifs.