Le savoir comprend donc à la fois des éléments subjectifs et des éléments objectifs. Pour les besoins de notre analyse, nous pouvons le définir comme une croyance justifiée qui est vraie. Cette définition appellerait des nuances pour être rigoureusement exacte, mais ce n’est pas nécessaire en l’occurrence. Mieux vaut nous arrêter à deux dimensions dans lesquelles la notion de savoir peut se trouver affaiblie.

La première est l’assimilation cognitive. Pour qu’un objet puisse être regardé comme savoir, il faut qu’il soit assimilé dans le système de croyances du sujet connaissant. Tandis que j’écris cela, j’ai sur mon bureau un livre consacré aux habitudes de voyage des gens de Stockholm, que je n’ai pas encore lu – autrement dit, j’ai accès à de l’information sur la question, mais non à du savoir ; si je lis cet ouvrage, cette information aboutira probablement à un savoir, mais cette transformation de l’information en savoir ne se produira que si je comprends ladite information de manière à l’assimiler en l’intégrant comme il convient à mon système de croyances : si j’en apprends le texte par cœur, sans le comprendre, je posséde de l’information, mais pas de savoir sur la question.

Les données diffèrent de l’information en ce qu’elles n’ont pas à se présenter sous une forme qui se prête à l’assimilation. Si au lieu de l’ouvrage en question, j’avais sur mon bureau les dix mille questionnaires sur lesquels il repose, j’aurais des données au lieu d’information. En résumé, il faut que des données soient assimilables pour pouvoir constituer de l’information et qu’elles soient assimilées pour pouvoir constituer du savoir.

Il est souvent difficile de faire nettement le départ entre savoir et simple information, de même qu’entre information et simples données, mais il n’en est pas moins important de les distinguer. Il est regrettable qu’en informatique « savoir » et « information » soient souvent traités comme des synonymes. C’est peut-être pour cela que la distinction entre « société du savoir » et « société de l’information » n’a pas toujours été suffisamment observée.

La seconde dimension a trait au degré de confiance du sujet connaissant : qui dit savoir dit croyance, et la croyance suppose une forte certitude (subjective) : si je ne suis pas certain que le numéro atomique de l’or soit ou non 79, on ne peut pas dire que je croie – ni que je sache – que c’est le cas.

Lorsque la condition de certitude n’est pas remplie, on se trouve au contraire dans l’incertitude, l’état épistémique où l’on ne croit (sait) pas avec certitude. Il est à noter que l’incertitude est un état subjectif et non pas objectif : ne sachant pas à coup sûr si c’est aujourd’hui ou non l’anniversaire de ma cousine, je suis dans un état d’incertitude, quelle que soit sa date de naissance.

La théorie de la décision emploie couramment le terme « ignorance » pour les degrés d’incertitude les plus élevés, c’est-à-dire pour les états dans lesquels on n’accorde pas la moindre créance à la proposition considérée (sans opinion sur son degré de probabilité ou d’improbabilité). Cet usage peut prêter à confusion, car dans le langage ordinaire « ignorance », contrairement à « incertitude », renvoie à la distinction entre vraies et fausses croyances. (L’une des manières d’être ignorant, au sens ordinaire de ce mot, est d’être certain de quelque chose qui n’est pas vrai.) Néanmoins, faute de mieux, « ignorance » servira ici à désigner également les degrés supérieurs d’incertitude (subjective).

Ces deux modes d’affaiblissement de la notion de savoir sont schématisés sur le diagramme 1.

Dans d’autres cas, « risque » dénote la probabilité d’un événement fâcheux. C’est ainsi qu’on l’emploie, par exemple, en demandant à un médecin quelle est l’ampleur du risque d’échec d’un traitement. C’est aussi le sens normal du terme en théorie de la décision : par « décision en situation risquée », on entend « décision en situation à probabilités données ».

Il y a encore un troisième usage du terme, courant dans l’analyse des risques professionnels, où « risque » dénote souvent une représentation numérique de la gravité, que l’on calcule en multipliant la probabilité d’un événement redouté par une mesure de sa valeur négative. Lorsque, par exemple, les risques associés à l’énergie nucléaire sont comparés, numériquement, à ceux des combustibles fossiles, « risque » est habituellement pris en ce troisième sens, technique.

Ainsi, dans ces trois acceptions, l’emploi de ce terme repose sur un mélange subtil de savoir et d’incertitude. Pour qu’il existe un risque, il faut que quelque chose ou son issue ou résultat soit inconnu ; il faut donc qu’il y ait une incertitude – mais pour que celle-ci constitue un risque pour le sujet, il faut qu’il en sache quelque chose : dans le premier des trois sens, il doit savoir que l’incertitude est « réelle », en ceci tout au moins que le savoir disponible ne permet pas de la dissiper ; dans les deux derniers, plus techniques, il doit avoir accès à une représentation numérique significative de l’incertitude. L’emplacement du « risque » sur le diagramme 2 ne donne qu’une vague indication des rapports très complexes qui existent entre le risque et les autres notions.

Le terme « société X » est susceptible de nombreuses interprétations. Il peut dénoter une société où :

Il s’ensuit que pour un X donné quelconque (risque, information, savoir…), il n’y a pas nécessairement de réponse juste unique à la question de savoir si nous vivons ou non dans une société X. La réponse dépendra du type de définition retenu, et même une fois celui-ci choisi (par exemple) parmi les trois définitions susmentionnées, il faudra encore spécifier d’autres éléments qui peuvent être indispensables pour répondre.

Vivons-nous dans une société du savoir ? À cette question, on peut répondre aussi bien par l’affirmative que par la négative. Par l’affirmative, puisque, au total, la somme de savoir humain qui s’accumule va en augmentant, mais, d’un autre côté, on peut aussi faire valoir que l’information s’accumule à un rythme beaucoup plus rapide que le savoir et que la transformation de l’information en savoir reste à la traîne. Dans cette optique, parler de « société de l’information » (voire peut-être de « société des données ») serait plus exact.

De même, choisissant une autre définition, nous pourrions soutenir que notre société est une société du savoir en raison de l’importance croissante que celui-ci revêt dans les structures du pouvoir social, mais là encore, on peut répliquer que cela ne vaut que pour certains types de savoir et que d’autres voient leur rôle décliner, de sorte que nous nous trouvons devant un passage à des types de savoir différents, et non pas d’une moindre à une plus grande dépendance à l’égard du savoir.

Vivons-nous dans une société du risque ? Pour des raisons analogues, cette question n’admet pas de réponse parfaitement univoque.

Tout d’abord, les risques y sont-ils plus courants ou plus importants que dans les sociétés antérieures ? Il est bien évident que les progrès de la technologie ont imposé des risques nouveaux à l’humanité. La plupart de ceux dont on parle aujourd’hui n’existaient pas il y a cinquante ou cent ans – ogm, centrales nucléaires, pesticides organiques, accidents d’aviation, etc. Il paraît naturel d’en conclure que, dans les régions industrialisées du monde, le progrès technique a entraîné une multiplication des risques.

Or – et l’on peut aisément le montrer – cette progression apparente dépend en grande partie du point de vue où l’on se place. Très légitimement, nous prêtons davantage attention aux risques qui augmentent qu’à ceux qui diminuent. Les régions industrialisées du monde ne sont plus sérieusement menacées par la famine, ni par un grand nombre de maladies auparavant incurables que l’on sait désormais guérir. Les transports maritimes et l’extraction minière sont moins dangereux que naguère, encore qu’il reste beaucoup à faire pour réduire les risques qu’ils comportent. Lorsque certains risques vont en grandissant cependant que d’autres s’atténuent, comment mesurer la quantité totale de risque ? En ce qui concerne la santé, on peut raisonnablement s’en rapporter à l’espérance de vie. Ainsi mesurés, les risques ont baissé au total dans les régions riches du monde. Serait-ce que nous aurions laissé la société du risque loin derrière nous il y a fort longtemps ?

Pas nécessairement. L’expression s’entend aussi en d’autres sens, notamment celui d’une société où les problèmes sociaux sont définis et analysés par référence à la notion de « risque ». En ce sens, nous vivons certainement dans une société du risque à un degré beaucoup plus poussé que toutes les générations précédentes.

Cela dit, de même que le terme « société de l’information » est peut-être à certains égards plus adéquat que « société du savoir », on peut soutenir que « société de l’incertitude » serait plus juste que « société du risque », du moins si l’on prend « risque » en son sens technique courant d’incertitude chiffrée. La science et la technologie modernes nous ont fait prendre conscience de maintes incertitudes, qu’il n’est pas exact de qualifier toutes de risques.

Parmi les objets qu’étudie la science, certains sont extrêmement complexes, et cette complexité est l’une des causes primordiales de l’incertitude scientifique. L’effet de serre anthropique en est un exemple patent. Pour déterminer les effets des concentrations accrues de gaz à effet de serre observées dans l’atmosphère, il faut tenir compte d’une multitude de facteurs causals et de mécanismes potentiels. Plusieurs systèmes naturels compliqués comme les océans, les forêts et les sols interagissent avec le système atmosphérique, au même titre que des activités humaines comme la production alimentaire ou énergétique. Des facteurs sociaux tels que le commerce, la population, les migrations et les modes de vie demandent aussi à être analysés. De toute évidence, toute prédiction de l’issue de toutes ces interactions est nécessairement entachée d’incertitude.

La science moderne est pour une bonne part consacrée à l’étude de systèmes hétérogènes – écosystèmes, corps humain, économie mondiale et ainsi de suite –, qui sont à peu près aussi complexes que le système climatique et qui renferment chacun tant d’éléments et d’interactions potentielles qu’ils sont en pratique imprévisibles. Quelques-uns le sont non seulement en pratique, mais aussi en principe, à cause de l’intervention de phénomènes irréguliers. C’est pour cette raison que l’issue de l’évolution biologique est impossible à prédire. Le système climatique est lui aussi irrégulier, et l’on ne sait pas très bien jusqu’à quel point cela limite la prévisibilité de l’effet de serre.

De plus, la science est toujours soumise à un autre type d’incertitude, celle des facteurs inconnus. Nous ne sommes que rarement fondés à croire que nos modèles scientifiques sont complets, en ce sens qu’aucune composante ou interaction importante n’y a été laissée de côté. Quand bien même nous pourrions faire des calculs exacts et fiables des effets conjugués de tous les facteurs connus qui agissent sur ce que sera le climat dans l’avenir, comment pourrions-nous jamais savoir que nous n’avons pas manqué quelque processus physique, chimique ou biologique dont il aurait fallu tenir compte ?

Il y a évidemment bien des cas où l’on ne peut pas faire appel à ce type de « détour statistique » pour savoir quelque chose des systèmes complexes : nous n’avons accès qu’à une seule planète Terre, et non pas cent sur lesquelles faire des expériences pour déterminer ce que serait un niveau tolérable des émissions de gaz à effet de serre. Qui plus est, même dans les cas où l’on dispose d’information statistique, celle-ci n’est pas toujours aussi efficace qu’on pourrait l’espérer pour réduire les incertitudes.

C’est ce que l’on peut voir en considérant l’exemple des effets des substances chimiques sur la santé. Dans quelle mesure est-il possible de déterminer la présence ou l’absence de tels effets en étudiant directement des personnes exposées ? La réponse à cette question est malheureusement assez déconcertante.

Pour simplifier, tenons-nous-en aux risques sur la vie entière d’effets mortels de substances toxiques. Supposons tout d’abord que mille personnes soient toutes exposées à une substance chimique qui provoque l’angiosarcome hépatique (forme rare de cancer du foie) chez 0,5 % d’entre elles, alors que chez les individus non exposés, la fréquence de cette maladie est très proche de zéro. Moyennant une bonne investigation, il y a de très fortes chances de découvrir la surreprésentation de cette maladie parmi la population exposée.

Supposons ensuite qu’un autre groupe de mille personnes soient soumises à une exposition qui accroît l’incidence du cancer du poumon en la portant de 10 à 10,5 %. Le nombre escompté de cas supplémentaires de cancer est le même que dans l’hypothèse précédente. Cependant, comme on peut le démontrer par le calcul des probabilités, la différence entre 10 et 10,5 % est en l’occurrence impossible à distinguer des variations aléatoires. Partant, il est impossible de déceler les effets de cette substance dans une étude de la population exposée.

En règle générale, on ne peut se fier aux études épidémiologiques pour détecter les risques relatifs excessifs que s’ils sont au moins de l’ordre de 10 %. Pour les types les plus courants d’affections mortelles, comme la maladie coronarienne et le cancer du poumon, les risques sur toute une vie sont à peu près de cet ordre. C’est ce qui explique que, même dans les études les plus fines, une augmentation du risque de l’ordre de 10^-2 (10 % de 10 %) ou moins peut être impossible à déceler (c’est-à-dire à distinguer des variations aléatoires). Avec les expériences sur des animaux, on se trouve devant des problèmes d’expérimentation analogues, doublés en outre de problèmes d’extrapolation d’une espèce à une autre.

Quels sont les plus petits effets sur la santé dont nous devrions nous préoccuper ? On a tenté à maintes reprises de fixer cette limite, en l’exprimant sous forme soit de « risque acceptable », soit de « risque de minimis ». La plupart d’entre nous admettraient que, si une population humaine est exposée à un facteur de risque qui, statistiquement, tuera une personne sur 10⁹, celui-ci ne constituera pas un problème absolument prioritaire. On peut soutenir que ce ne serait pas un désastre que nos méthodes d’évaluation des risques soient insuffisantes pour déceler des risques de cet ordre de grandeur. En revanche, une grande majorité d’entre nous verraient un problème grave dans l’impossibilité de déceler un facteur de risque qui tue une personne sur cent ou sur mille. Le plus souvent, les seuils d’alerte proposés pour les taux de létalité sont de 1 sur 100 000 et 1 sur 1 000 000, et l’on en trouverait difficilement qui dépassent 1 sur 10 000. Ces valeurs ne sont bien entendu pas des seuils objectifs ou scientifiques, elles relèvent de l’éthique. Il importe cependant de noter la présence de ce que l’on pourrait appeler un « écart éthique » entre les niveaux de risque qui sont scientifiquement décelables et ceux qui sont couramment considérés comme acceptables, ou du moins très peu préoccupants, du point de vue éthique. Cet écart éthique, représenté sur le diagramme 3, mesure de deux à quatre ordres de grandeur.

La science nous laisse donc une incertitude considérable : même dans l’hypothèse où aucun effet dommageable n’aurait été constaté dans les populations exposées, il peut encore subsister des risques qui sont au moins de cent à mille fois supérieurs aux seuils d’alerte ou limites d’acceptabilité ordinairement envisagés.

Par incertitude des conséquences, on entend le fait de ne pas connaître les conséquences des options qui s’offrent au décideur. Ce type d’incertitude peut être décomposé en quatre degrés. Au premier degré, le plus faible, on sait quelles sont les issues possibles et quelles en sont les probabilités. (Le terme technique, on l’a vu, est « décision en situation risquée ».) Le deuxième degré est celui où les probabilités ne sont pas entièrement connues. (En langage technique, la « décision en situation incertaine ».) À titre d’exemple, quelqu’un qui bâtit une maison à Lima ne sait pas exactement quelle probabilité celle-ci a de subir un tremblement de terre de forte magnitude avant la fin de sa durée de vie utile, mais il sait peut-être que cette probabilité est supérieure à 5 %.

Au troisième niveau, on connaît les issues possibles des diverses options, mais tout ce que l’on sait de leurs probabilités est que celles-ci ne sont pas nulles (ce que l’on appelle en langage technique la « décision en situation d’ignorance »). Au quatrième enfin, celui de la décision prise sans connaissance des possibilités, on ne sait pas quelles sont les conséquences possibles.

La théorie de la décision s’est attachée avant tout aux incertitudes du premier degré, mais il arrive souvent que des incertitudes des degrés supérieurs soient au moins aussi importantes en pratique dans la décision.

La distinction entre les troisième et quatrième degrés n’est pas toujours très nette, comme le montre, par exemple, cette série d’alarmes que peut susciter le génie génétique :

Même si l’on peut prouver que diverses versions spécifiées d’un fort degré d’incertitude des conséquences sont négligeables, l’incertitude foncière plus générale peut cependant subsister. Supposons, par exemple, que quelqu’un propose l’introduction d’une espèce génétiquement modifiée de ver de terre qui évincera le ver ordinaire et sera plus efficace pour aérer le sol. Il ne serait pas absurde de considérer que son introduction peut avoir des conséquences négatives imprévues et d’en tenir compte. Admettons que toutes les inquiétudes concrètes puissent être dissipées et que l’on puisse démontrer que la nouvelle espèce n’aggrave pas l’érosion des sols, n’est pas plus sujette aux maladies, et ainsi de suite. Il ne serait pas irrationnel pour autant de répliquer qu’il peut encore y avoir d’autres effets négatifs auxquels on n’a pas été capable de songer et que par conséquent la nouvelle espèce ne devrait pas être introduite. De même, si quelqu’un proposait d’éjecter une substance chimique dans la stratosphère à telle ou telle fin louable, il ne serait pas irrationnel de s’opposer à cette proposition au seul motif qu’elle peut entraîner des conséquences imprévisibles, et ce, même si toutes les inquiétudes spécifiées peuvent être dissipées.

Notre deuxième type d’incertitude concerne la confiance. Les décideurs doivent souvent s’en remettre aux experts, dont l’expertise repose dans la plupart des cas sur un mélange de formation scientifique et d’expérience pratique. Bien qu’on l’admette fréquemment, il n’y a en réalité aucune raison valable de penser qu’un décideur rationnel devrait partir du principe que les experts voient juste : il ne manque pas dans les annales d’exemples de cas où les experts se sont trompés, et le décideur rationnel ne devrait pas exclure la possibilité que cela se reproduise. En fait, moins il connaît et comprend ce dont parlent les experts, plus il y a d’incertitude pour le décideur rationnel quant à la confiance à leur faire – et c’est ce que bien souvent ne saisissent pas suffisamment ceux-là mêmes qui ont un accès privilégié au savoir technologique et scientifique.

L’industrie nucléaire a tendance à préférer les deux horizons les plus étroits, contrairement aux adversaires de l’énergie nucléaire, qui penchent d’ordinaire pour les deux plus larges. Il importe de noter que chacun de ces quatre horizons est compatible avec la rationalité décisionnelle, ce qui veut dire que différents décideurs rationnels peuvent avoir des opinions différentes sur ce qui est réellement en jeu dans cette question.

Sans doute cet exemple est-il d’une clarté inhabituelle, mais sa structure de base ne sort pas de l’ordinaire. Les questions controversées font souvent intervenir des horizons de décision concurrents, national et international par exemple. Comme le choix d’un horizon n’est jamais objectif ni indépendant des valeurs, c’est un élément qui contribue à l’incertitude dans le processus de décision.

Pour la très grande majorité des théoriciens de la décision, il va de soi qu’il existe un ensemble bien défini de valeurs sur quoi la décision devrait reposer. Or, en pratique, il règne souvent une incertitude considérable sur le chapitre des valeurs. La plupart des décisions concernant les problèmes sociaux exigent l’évaluation de résultats complexes qui diffèrent sous plusieurs rapports comme l’argent, les vies humaines, le bien-être individuel, la préservation du milieu naturel et autres. Nos intuitions morales ordinaires ne suffisent pas pour comparer sans ambiguïté toutes les combinaisons possibles de ces facteurs. Dans le tiers monde, par exemple, des problèmes d’environnement comme l’érosion des sols mettent souvent au jour une incompatibilité avec les besoins humains immédiats. En pareils cas, on ne voit guère qui aurait une solution toute prête au conflit de valeurs qui est en jeu. L’incertitude quant aux valeurs peut parfois être réduite par une réflexion morale éclairée, mais pas toujours.

Les choses se compliquent encore lorsque la décision touche les membres de générations futures. Il serait raisonnable, semble-t-il, de juger de ses effets sur les générations à venir, ne serait-ce qu’en partie, à l’aune de leurs valeurs (préférences) plutôt que des nôtres. Mais l’évolution future des valeurs humaines étant extrêmement difficile à prédire, les décisions qui se veulent respectueuses des valeurs d’intéressés encore à naître sont nécessairement prises en situation d’avenir incertain sur ce point.

Pour faire face à toute cette incertitude, il nous faut définir des stratégies de traitement de l’information et de décision qui en tiennent compte. Analyse quantitative des risques, principe de précaution, options décisionnelles réversibles, engagement des parties prenantes et processus participatifs sont autant de termes clés qui donnent une indication des démarches que chercheurs et praticiens ont adoptées pour l’élaboration de ces stratégies. Il ne fait aucun doute que pour résoudre les problèmes engendrés par l’incertitude et le risque, nous avons besoin de comprendre infiniment mieux les flux d’information qui circulent dans la société moderne et leurs conséquences sociales.

Traduit de l’anglais