Démarrer l'essai gratuit
Tendances Nouveau Genres Auteurs
EnglishEnglish
EspañolSpanish
简体中文Chinese
繁體中文Chinese (Traditional)
FrançaisFrench
DeutschGerman
日本語Japanese
PortuguêsPortuguese
ItalianoItalian
한국어Korean
РусскийRussian
NederlandsDutch
العربيةArabic
PolskiPolish
हिन्दीHindi
Tiếng ViệtVietnamese
SvenskaSwedish
ΕλληνικάGreek
TürkçeTurkish
ไทยThai
ČeštinaCzech
RomânăRomanian
MagyarHungarian
УкраїнськаUkrainian
IndonesiaIndonesian
DanskDanish
SuomiFinnish
БългарскиBulgarian
עבריתHebrew
NorskNorwegian
HrvatskiCroatian
CatalàCatalan
SlovenčinaSlovak
LietuviųLithuanian
SlovenščinaSlovenian
СрпскиSerbian
EestiEstonian
LatviešuLatvian
فارسیPersian
മലയാളംMalayalam
தமிழ்Tamil
اردوUrdu
Recherche en cours...
SoBrief
La peur des chiffres

La peur des chiffres

Titre original: Innumeracy
Un test positif peut induire en erreur, une coïncidence peut sembler prédestinée. Découvrez les chiffres qui se cachent derrière l’un et l’autre.
par John Allen Paulos 1988 209 pages
3.78
5 000+ évaluations
Écouter
Immersif
V2.3
Amazon Kindle Audible
Essayez l'accès complet pendant 3 jours
Débloquez l'écoute et bien plus !
Continuer

Points clés

Considérer la culture des nombres comme une compétence civique, et non comme un talent réservé aux mathématiciens

Les nombres façonnent le jugement. Paulos définit la peur des chiffres (innumeracy) comme un malaise face aux nombres élémentaires et au hasard. Elle peut toucher des personnes par ailleurs instruites, mais la confusion numérique est souvent considérée comme inoffensive, voire arborée comme un trait de personnalité. Le coût est bien réel: les citoyens peuvent mal comprendre des conseils médicaux, des risques publics, des affirmations financières et des arguments politiques sans même s’apercevoir qu’ils se sont trompés.

Une responsabilité partagée. Le livre s’appuie sur des exemples ordinaires, des reportages sensationnels aux affirmations sur le terrorisme, pour montrer comment des récits frappants peuvent fausser les comparaisons entre les risques. Il ne s’agit pas de faire de chacun un mathématicien, mais de faire de l’estimation élémentaire, des probabilités et du scepticisme des outils courants pour décider de ce qui mérite notre attention.

Analyse

La culture des nombres joue le rôle d’une infrastructure civique : elle aide les gens à examiner les affirmations des institutions, plutôt qu’à les accepter ou à les rejeter sur la seule foi de la confiance. Elle est particulièrement précieuse en médecine et dans les politiques publiques, où les données sont souvent incertaines, mais où les décisions ne peuvent attendre. L’accent mis par le livre sur un raisonnement accessible va aussi à l’encontre de l’idée que le jugement quantitatif n’appartient qu’aux spécialistes. La culture statistique ne suffit toutefois pas à trancher les débats de valeurs. Un calcul peut éclairer les conséquences probables, mais décider des risques que la société devrait tolérer relève d’un jugement éthique et politique.

Évaluer les grands nombres avant de laisser les gros titres dicter son sentiment du danger

Rendre l’échelle imaginable. Paulos soutient que les nombres deviennent utiles lorsqu’on peut les comparer à des quantités familières. Un million de secondes, c’est environ onze jours et demi; un milliard de secondes, presque trente-deux ans. Ce contraste montre à quel point le langage courant peut faire paraître interchangeables des écarts considérables.

Estimer avant de réagir. Il estime aussi que tout le sang du monde tiendrait dans un cube d’environ 870 pieds de côté. Le calcul transforme un total abstrait en une forme que l’on peut se représenter. Des estimations approximatives du même genre permettent de vérifier si une affirmation est plausible, si elle porte sur un million ou un milliard, ou si un danger signalé est important au regard de la population exposée.

Analyse

Il s’agit d’une forme courante de raisonnement par ordre de grandeur, étroitement apparentée aux estimations utilisées en ingénierie et en science. Son intérêt tient moins à la production d’une réponse parfaite qu’à la détection de résultats erronés d’un facteur dix ou mille. La méthode rend aussi l’incertitude visible : les hypothèses concernant la population, le volume moyen ou l’exposition déterminent le résultat. Une comparaison frappante est un point de départ pour le jugement, et non un substitut à la vérification des données sous-jacentes.

Dénombrer les coïncidences possibles avant de leur attribuer un sens caché

Le hasard fait apparaître des motifs. Dans un groupe de seulement 23 personnes, la probabilité qu’au moins deux aient leur anniversaire le même jour est d’environ 50 %. Cela ne signifie pas qu’une date précise a de fortes chances d’apparaître: il faut environ 253 personnes pour qu’il y ait 50 % de chances que quelqu’un partage une date donnée à l’avance. La distinction oppose une correspondance quelconque à une correspondance déterminée à l’avance.

La recherche fait surgir des surprises. Dès lors qu’il y a suffisamment de personnes, de dates, de noms et d’événements à comparer, les coïncidences frappantes sont inévitables. Le livre applique ce raisonnement aux prédictions apparentes et aux liens personnels inhabituels. Un événement peut être rare en soi, et pourtant ne rien avoir de surprenant quand de nombreuses occasions se sont présentées pour qu’un événement de ce genre se produise.

Analyse

La question clé est celle de la taille de l’espace de recherche. Un motif découvert après avoir passé au crible des milliers de possibilités a moins de valeur probante qu’une prédiction formulée avant le début de la recherche. Cela s’apparente aux comparaisons multiples en recherche, où la mise à l’épreuve de nombreuses hypothèses augmente la probabilité de résultats dus au hasard. La détection des motifs par l’esprit humain n’est pas simplement un défaut : elle aide à repérer des régularités significatives. Pour se prémunir contre les erreurs, il faut se demander combien de motifs auraient pu compter comme une réussite et combien de résultats sans intérêt sont passés inaperçus.

Demander qui a disparu du récit de la réussite

La réussite a un porte-voix. Paulos décrit un pronostiqueur boursier qui a envoyé 32 000 prévisions par la poste, répartissant les destinataires entre des prédictions de hausse et de baisse. À chaque semaine, seuls ceux qui avaient reçu une prévision juste recevaient une nouvelle lettre. Après six tours, 500 personnes avaient vu une série apparemment fiable et on leur demandait de payer pour le conseil suivant. Leur réussite avait été fabriquée en dissimulant tous ceux qui avaient reçu une prévision erronée.

Les échecs disparaissent du paysage. Le même mécanisme de sélection aide à comprendre pourquoi quelques guérisons apparentes, investisseurs gagnants ou prédictions médiumniques attirent l’attention, tandis que de nombreux échecs s’effacent. Les casinos rendent les gains visibles, tandis que les pertes se remarquent moins. Une poignée de réussites visibles ne suffit pas à établir qu’une méthode fonctionne.

Analyse

C’est une illustration saisissante du biais du survivant : on tire des conclusions à partir des cas qui restent visibles après la disparition des cas infructueux. Le même problème de sélection peut toucher la recherche publiée, les historiques d’investissement et les avis en ligne. Une évaluation rigoureuse doit prendre en compte le dénominateur complet, y compris les essais abandonnés et les prédictions erronées. Ce principe a toutefois ses limites : la sélection ne prouve pas qu’une réussite est dénuée de sens. Elle montre pourquoi la réussite, à elle seule, ne permet pas de savoir si elle résulte de la compétence, du hasard ou d’une sélection des résultats rapportés.

Tenir compte des taux de base avant d’interpréter un test positif

La précision n’est pas la certitude. Supposons qu’une maladie touche 0,5 % de la population et qu’un test identifie correctement les personnes malades et en bonne santé dans 98 % des cas. Sur 10 000 tests, environ 49 personnes malades obtiendraient un résultat positif. Mais environ 199 personnes en bonne santé auraient elles aussi un résultat positif. Parmi tous les résultats positifs, seuls 20 % environ concerneraient une personne atteinte de la maladie.

Se demander ce que l’on savait au départ. Une probabilité conditionnelle consiste à estimer la probabilité d’un événement à partir d’informations pertinentes. La probabilité d’être malade sachant que le résultat est positif n’est pas la même que la probabilité d’obtenir un résultat positif lorsqu’on est malade. Quand une maladie est rare, les faux positifs parmi la population beaucoup plus nombreuse des personnes en bonne santé peuvent dépasser les vrais positifs.

Analyse

Cet exemple montre pourquoi les résultats diagnostiques doivent tenir compte à la fois des performances du test et de la prévalence. Le même raisonnement s’applique aux alertes de sécurité, aux programmes de dépistage et aux preuves médico-légales : la signification d’un signal dépend de la fréquence de la situation recherchée avant son apparition. Des fréquences naturelles, par exemple des effectifs sur 10 000, rendent le calcul plus facile à suivre que de simples pourcentages. L’exemple suppose que la précision indiquée s’applique uniformément à la population testée ; dans la réalité, les décisions exigent aussi d’examiner dans quelle mesure le test a été validé pour ce groupe.

Choisir en fonction du gain moyen, et non de l’argumentaire de vente du jeu

Calculer le rendement à long terme. L’espérance mathématique est le résultat moyen d’une décision lorsque chaque gain possible est pondéré par sa probabilité. Au jeu de fête foraine chuck-a-luck, le joueur gagne des sommes différentes si le numéro choisi apparaît sur trois dés, mais perd un dollar s’il n’apparaît pas. Malgré les différentes façons de gagner, le résultat attendu est une perte d’environ huit cents par partie.

Les moyennes révèlent la conception du jeu. Le même calcul aide les assureurs à estimer les indemnités moyennes pour un grand nombre de polices. Il ne prédit pas ce qui arrivera à une personne lors d’une occasion donnée. Un pari peut avoir une espérance mathématique positive et tout de même être perdant, ou une espérance négative et rapporter brièvement. Le calcul décrit la moyenne obtenue sur des essais comparables répétés.

Analyse

L’espérance mathématique est utile parce qu’elle neutralise l’attrait émotionnel du résultat le plus alléchant d’un jeu. Elle est au cœur de l’assurance et de l’analyse décisionnelle, où de petits risques répétés peuvent être mutualisés. Mais l’espérance mathématique ne constitue pas à elle seule une règle de décision complète. Une personne disposant d’une épargne limitée peut rationnellement refuser un pari avantageux si une perte la ruinerait, tandis qu’une grande institution peut assumer le même risque. La répartition des résultats et la capacité du décideur à supporter les pertes comptent autant que la moyenne.

Exiger que les affirmations puissent être réfutées

Toute affirmation doit pouvoir échouer à l’épreuve des faits. Paulos soutient que les affirmations deviennent pseudoscientifiques lorsqu’elles peuvent expliquer tous les résultats possibles. Si une prédiction échoue, un défenseur de l’affirmation peut ajouter une excuse qui la préserve. À l’inverse, une affirmation scientifique doit s’exposer à un test susceptible de la contredire.

Éprouver les motifs à l’aune du hasard. Le livre décrit une expérience d’astrologie dans laquelle 30 astrologues réputés ont associé des profils de personnalité à 116 clients. Ils ont fait le bon choix environ un tiers du temps, pas mieux qu’une sélection au hasard parmi trois profils. Paulos remarque aussi que des guérisons médicales apparentes peuvent être trompeuses, car de nombreux troubles s’améliorent ou fluctuent sans traitement efficace.

Analyse

La réfutabilité est une discipline puissante, car elle oblige à préciser ce qui compterait comme un échec. Elle encourage aussi la préinscription des prédictions et la réplication indépendante, des pratiques qui réduisent la tentation de réinterpréter les résultats après coup. La frontière entre science et pseudoscience n’est pas toujours nette : de véritables théories peuvent être difficiles à tester, et l’échec d’une expérience peut tenir à une méthode défectueuse plutôt qu’à la fausseté d’une affirmation. La question essentielle est de savoir si une communauté accepte que les données modifient son degré de confiance.

Examiner le dénominateur, le groupe de comparaison et la présentation des statistiques

Le contexte change le sens. Paulos montre comment une statistique techniquement exacte peut induire en erreur si l’on omet son dénominateur ou ses hypothèses. Par exemple, un chiffre souvent cité selon lequel une femme sur onze serait atteinte d’un cancer du sein décrivait un risque hypothétique sur l’ensemble de la vie, fondé sur des hypothèses précises concernant l’âge et l’incidence, et non le risque immédiat encouru chaque année par toutes les femmes.

Les comparaisons peuvent s’inverser. Dans un exemple portant sur les admissions universitaires, le taux d’admission des femmes était supérieur à celui des hommes dans chaque département, alors que, prises dans leur ensemble, les femmes semblaient moins souvent admises parce qu’elles postulaient plus fréquemment dans des départements où les taux d’admission étaient plus faibles. Cette inversion est une forme de paradoxe de Simpson. Les pourcentages ont aussi besoin d’un point de référence: un prix augmenté de 50 %, puis réduit de 50 %, termine 25 % en dessous de son niveau initial, et non à l’identique.

Analyse

Ces exemples montrent que les statistiques ne s’interprètent pas d’elles-mêmes. L’agrégation peut masquer la structure d’une comparaison, tandis que la présentation peut modifier l’impression produite par les mêmes résultats. Il ne s’agit pas de se méfier de tout résumé, mais d’examiner qui a été compté, comment les catégories ont été définies et quelle comparaison répond à la question posée. Le contexte statistique ne permet pas non plus, à lui seul, de déterminer une causalité. Une corrélation peut s’expliquer par un troisième facteur, et même une comparaison bien conçue exige de s’intéresser à la façon dont les personnes ont intégré l’étude.

Enseigner l’estimation et les casse-tête avant que l’angoisse des maths ne devienne une identité

Les mathématiques ne se réduisent pas au calcul. Paulos attribue en partie la peur des chiffres à un enseignement qui apprend des procédures sans donner assez d’occasions de déterminer laquelle convient à une question réelle. Les élèves peuvent mémoriser les multiplications tout en ayant du mal à estimer une distance, un coût ou une proportion. Il préconise davantage de calculs du quotidien, de casse-tête, de jeux et de raisonnement informel, plutôt que de traiter les mathématiques comme une succession de formules réservées aux spécialistes.

La peur empêche de s’exercer. L’anxiété mathématique peut amener les gens à croire que toute difficulté prouve qu’ils n’ont pas l’esprit mathématique. Le livre recommande des stratégies accessibles: utiliser des nombres plus petits, dessiner un schéma, résoudre un problème apparenté ou expliquer la question à quelqu’un d’autre. La pratique répétée sur des problèmes variés peut développer la compréhension, comme l’usage améliore la lecture et l’écriture.

Analyse

L’accent mis sur l’estimation et le jeu présente la compétence mathématique comme une pratique, et non comme une identité fixe. C’est important, car l’anxiété peut réduire l’attention disponible et faire paraître menaçant un problème pourtant soluble. Des exemples concrets donnent aussi aux apprenants une raison de s’intéresser aux abstractions. La confiance acquise par la pratique informelle ne doit toutefois pas remplacer l’enseignement technique lorsque la précision est essentielle. La meilleure éducation associe intuition conceptuelle et capacité à calculer, à vérifier les hypothèses et à reconnaître les limites de ses connaissances.

Favoriser la coopération lorsque les intérêts individuels incitent à se trahir mutuellement

La logique individuelle peut pénaliser tout le monde. Dans le dilemme du prisonnier, deux suspects s’en sortent mieux ensemble s’ils gardent tous deux le silence: chacun reçoit alors un an de prison. Pourtant, l’un ou l’autre peut éviter une peine de cinq ans en avouant si l’autre se tait. Comme chacun craint d’être le seul à coopérer, il se peut que tous deux avouent et écopent de trois ans. Des choix défendables individuellement aboutissent à un résultat collectif pire.

Les préférences collectives peuvent tourner en boucle. Paulos décrit aussi un paradoxe du vote: un tiers des électeurs classe les candidats A, puis B, puis C; un autre tiers classe B, puis C, puis A; et le dernier tiers classe C, puis A, puis B. Les préférences majoritaires favorisent alors A par rapport à B, B par rapport à C et C par rapport à A. Les classements individuels peuvent être cohérents alors que le classement collectif forme une boucle.

Analyse

Ces problèmes relient les probabilités et les mathématiques à la conception des institutions. La confiance, les interactions répétées et des règles applicables peuvent modifier les incitations qui rendent la défection attrayante. L’exemple du vote apporte une mise en garde supplémentaire : une décision collective n’est pas toujours le simple reflet d’une préférence publique stable. Les procédures déterminent quelles préférences deviennent des résultats. Aucun de ces constats ne signifie que la coopération est impossible ou que la démocratie est vaine. Tous deux montrent que les bonnes intentions ne suffisent pas à garantir de bonnes décisions collectives.

Mettre en évidence les compromis des politiques publiques au lieu de promettre des choix sans risque

Toute mesure de protection a un coût. Les tests statistiques peuvent conduire à deux types d’erreur: rejeter une affirmation vraie ou accepter une affirmation fausse. Lors de l’autorisation d’un médicament, par exemple, la prudence peut retarder la mise à disposition d’un traitement utile, tandis que la précipitation peut exposer les patients à un médicament nocif. Les contrôles de fabrication impliquent un équilibre semblable entre le rejet de produits conformes et la mise en circulation de produits défectueux.

Rendre les risques comparables. Paulos propose un indice de sécurité logarithmique: si une personne sur X court un risque annuel donné de mourir, l’indice est le logarithme en base 10 de X. Chaque hausse d’une unité représente une réduction du risque d’un facteur dix. Cette échelle pourrait aider à comparer les dangers, mais elle doit tenir compte des personnes effectivement exposées, et pas seulement du nombre total de décès.

Analyse

Quantifier les compromis peut rendre le débat politique plus honnête en montrant quelles erreurs une politique privilégie et qui en supporte les coûts. L’indice de sécurité est un outil de synthèse utile, mais tout score unique peut dissimuler des différences d’exposition, de gravité et de répartition. Un faible risque moyen peut se concentrer sur un groupe vulnérable. Une bonne analyse des politiques publiques associe donc des mesures comparables à une description de l’incertitude et de l’équité, au lieu de traiter un chiffre à l’apparence précise comme s’il constituait la décision elle-même.

Analyse

La principale réussite du livre est de présenter le jugement numérique comme une habitude d’attention. Ses exemples invitent sans cesse les lecteurs à remarquer ce que la perception ordinaire laisse de côté: l’échelle, les cas manquants, les taux de base, les informations conditionnelles et la structure des comparaisons. L’ouvrage est ainsi bien plus qu’une introduction aux probabilités. Il critique la façon dont les médias, les institutions et les individus transforment des anecdotes frappantes en convictions, tout en laissant de côté les dénominateurs et l’incertitude.

Sa méthode la plus efficace consiste à traduire les chiffres en images concrètes. Un milliard de secondes devient plusieurs décennies; un test diagnostique devient un groupe de personnes réunies dans une pièce; un jeu devient un calcul des pertes moyennes. Ces transpositions permettent aux lecteurs d’examiner une affirmation sans connaissances mathématiques avancées. Elles montrent aussi pourquoi l’exactitude formelle ne suffit pas. Une statistique peut être juste tout en répondant à la mauvaise question, ou en dissimulant la manière dont l’échantillon a été constitué.

L’argument est le plus convaincant lorsqu’il distingue le hasard des preuves et l’arithmétique de l’interprétation. Il est moins complet lorsqu’un cadre unique semble suffire à trancher une question complexe. L’espérance mathématique, par exemple, ne tient pas compte de la capacité de chacun à supporter une perte. Un indice de risque peut permettre de comparer des dangers tout en masquant l’inégalité de l’exposition. Et le fait qu’une affirmation soit difficile à réfuter ne la rend pas, à lui seul, pseudoscientifique: les communautés scientifiques doivent également évaluer la qualité des mesures, la réplication et les explications concurrentes.

Cette tension renforce plutôt qu’elle n’affaiblit la leçon civique du livre. La culture des nombres n’est pas une machine destinée à remplacer le jugement par des chiffres. Elle permet de rendre visibles les hypothèses, les incertitudes et les conséquences qui sous-tendent le jugement. Les lecteurs n’ont pas à calculer eux-mêmes toutes les probabilités. Ils doivent en revanche maîtriser suffisamment les notions quantitatives pour demander ce qui est compté, comparé, omis et tenu pour certain. Dans une culture publique saturée de pourcentages et de prévisions, ces questions constituent une forme concrète d’indépendance.

Résumé en 30 secondes
Le jugement numérique est une compétence citoyenne : l’estimation, les probabilités et le scepticisme aident à évaluer les affirmations médicales, financières et politiques. Dans un groupe de 23 personnes, la probabilité que deux personnes aient le même anniversaire est d’environ 50 %, tandis qu’un test positif concernant une maladie qui touche 0,5 % de la population peut n’être correct que dans environ 20 % des cas. Examinez les taux de base, les dénominateurs, les groupes de comparaison et les échecs passés sous silence. L’espérance mathématique décrit des moyennes à long terme, et non des résultats individuels. Les affirmations qui ne peuvent pas être soumises à l’épreuve de preuves contraires doivent éveiller les soupçons.
Contient des spoilers

Dernière mise à jour:

Signaler un problème

Résumé des avis

3.78 sur 5
Moyenne de 5 000+ évaluations de Goodreads et Amazon.

La peur des chiffres reçoit des critiques mitigées. De nombreux lecteurs apprécient son exploration de l’analphabétisme mathématique et de ses conséquences, et saluent les explications de l’auteur sur les probabilités, les statistiques et les grands nombres. Certains trouvent toutefois le ton condescendant et les exemples datés. Des critiques estiment que le livre manque de profondeur et d’organisation, tandis que ses partisans apprécient les éclairages qu’il apporte sur les notions mathématiques de la vie quotidienne. Dans l’ensemble, les lecteurs s’accordent sur l’importance de la culture mathématique, mais divergent quant à l’efficacité du livre pour traiter le problème.

Votre note :
4.33
394 évaluations
Envie de lire le livre complet ?

Glossaire

peur des chiffres (innumeracy)

Malaise face aux nombres et au hasard

Difficulté à manier avec aisance les notions fondamentales de nombre et de probabilité. Elle peut toucher des personnes par ailleurs instruites et conduire à des erreurs de jugement concernant les risques, les statistiques, les coïncidences et les preuves. Le terme désigne davantage qu’une faible capacité à effectuer des calculs : il englobe aussi la difficulté à interpréter des quantités et à raisonner face à l’incertitude.

principe de multiplication

Compte les choix successifs

Règle de dénombrement selon laquelle, si un choix peut être fait de M façons et un choix suivant de N façons, la séquence peut se produire de M fois N façons. En probabilité, on peut également multiplier les probabilités d’événements indépendants pour trouver la probabilité qu’ils se produisent tous les deux.

espérance mathématique

Résultat moyen pondéré par les probabilités

Résultat moyen d’une quantité lorsque chaque valeur possible est pondérée par la probabilité qu’elle se produise. Elle aide à évaluer des décisions répétées, comme les jeux ou les indemnités d’assurance. Elle décrit une moyenne à long terme, et non une garantie pour une partie, une police d’assurance ou une personne en particulier.

probabilité conditionnelle

Probabilité sachant une information

Probabilité qu’un événement se produise sachant qu’un autre événement ou fait est déjà connu. Elle peut différer considérablement de la probabilité non conditionnelle de l’événement. La probabilité d’être malade sachant que le test est positif, par exemple, dépend de la prévalence de la maladie autant que de la précision du test.

effet Jeane Dixon

On se souvient des prédictions réussies et on oublie les échecs

Tendance à faire connaître et à retenir un petit nombre de prédictions apparemment réussies tout en négligeant le nombre bien plus important de prédictions qui ont échoué. Cette attention sélective fait paraître un système de prédiction plus précis qu’il ne l’est, en particulier lorsque les prédictions sont vagues ou nombreuses.

régression vers la moyenne

Les résultats extrêmes tendent vers la moyenne

Tendance d’un résultat exceptionnellement élevé ou faible, dans une variable soumise à des fluctuations aléatoires, à être suivi d’un résultat plus proche de sa moyenne. Ce changement peut se produire sans intervention. Le prendre à tort pour un effet des félicitations, d’une punition ou d’un traitement peut conduire à de fausses conclusions causales.

erreurs de type I et de type II

Deux erreurs possibles lors de la vérification d’hypothèses

Dans un test d’hypothèse, une erreur de type I se produit lorsqu’une hypothèse vraie est rejetée. Une erreur de type II se produit lorsqu’une hypothèse fausse est acceptée. Les tests et les politiques impliquent souvent un arbitrage entre les conséquences de ces erreurs, par exemple retarder un traitement bénéfique ou approuver un traitement nocif.

intervalle de confiance

Plage exprimant l’incertitude d’une estimation

Plage utilisée pour exprimer l’incertitude entourant une estimation d’une valeur de population fondée sur un échantillon. Un sondage peut indiquer le soutien à un candidat sous la forme d’un pourcentage assorti d’une marge d’erreur. Des échantillons plus grands permettent généralement de resserrer l’intervalle, mais le plan d’échantillonnage et les non-réponses peuvent toujours compromettre l’estimation.

méthode de capture-recapture

Estime la taille d’une population cachée

Méthode qui estime la taille d’une population en marquant un premier échantillon, en le réintroduisant dans la population, puis en prélevant un deuxième échantillon et en mesurant le nombre d’individus marqués qui réapparaissent. L’estimation repose sur certaines hypothèses, notamment que les individus marqués se mêlent de nouveau à la population et ont autant de chances d’être capturés une nouvelle fois que les individus non marqués.

indice de sécurité

Mesure logarithmique du risque

Indicateur synthétique proposé pour comparer les risques annuels de mortalité. Si, parmi X personnes exposées, une personne meurt au cours d’une année à la suite d’une activité, l’indice correspond au logarithme en base 10 de X. Une valeur plus élevée indique un risque plus faible, chaque point supplémentaire représentant une réduction du risque d’un facteur dix. Cette mesure exige une définition pertinente de l’exposition.

principe des tiroirs

Plus d’objets que de catégories garantit une correspondance

Principe de dénombrement selon lequel, si l’on répartit davantage d’objets que le nombre de catégories disponibles, au moins une catégorie contiendra plusieurs objets. Il permet d’établir l’existence de certaines coïncidences sans avoir besoin de déterminer à l’avance quels objets correspondent, par exemple lorsque deux personnes d’un groupe suffisamment important partagent un anniversaire.

FAQ

De quoi parle « La peur des chiffres » ?

  • Présentation : Dans ce livre, John Allen Paulos explore le problème très répandu de la peur des chiffres, c’est-à-dire la difficulté à manier avec aisance les nombres et les probabilités.
  • Conséquences : Il aborde les conséquences concrètes de l’analphabétisme mathématique, comme la vulnérabilité face à la pseudoscience, les mauvaises décisions et l’incompréhension des risques.
  • Exemples et principes : Paulos s’appuie sur divers exemples, des escroqueries boursières aux croyances pseudoscientifiques, pour illustrer les effets de la peur des chiffres sur les individus et la société.
  • Éclairage sur l’éducation : Le livre examine également le rôle du système éducatif dans la perpétuation de cette difficulté et propose des pistes pour améliorer la culture mathématique.

Pourquoi lire « La peur des chiffres » ?

  • Prise de conscience : Le livre sensibilise à l’importance de la culture mathématique dans la vie quotidienne et à son influence sur les décisions personnelles et collectives.
  • Applications concrètes : Il présente des exemples et des applications pratiques de concepts mathématiques, utiles pour comprendre des enjeux réels.
  • Esprit critique : Il encourage l’esprit critique et le scepticisme, notamment face aux affirmations pseudoscientifiques et aux statistiques trompeuses.
  • Valeur éducative : Pour les enseignants et les élèves, il apporte des pistes de réflexion sur la façon d’améliorer l’enseignement des mathématiques afin de lutter contre la peur des chiffres.

Quels sont les principaux enseignements de « La peur des chiffres » ?

  • Importance de la culture mathématique : Comprendre les nombres et les probabilités est essentiel pour prendre des décisions éclairées et éviter la manipulation.
  • Rôle de l’éducation : Le livre souligne la nécessité d’un meilleur enseignement des mathématiques afin de prévenir la peur des chiffres dès le plus jeune âge.
  • Scepticisme face à la pseudoscience : Il insiste sur l’importance du scepticisme et de l’esprit critique dans l’évaluation des affirmations pseudoscientifiques.
  • Comprendre les risques : Paulos montre comment la peur des chiffres nuit à l’évaluation des risques et à la prise de décision.

Quelles sont les meilleures citations de « La peur des chiffres » et que signifient-elles ?

  • « Les fautes de raisonnement mathématique… ressemblent un peu aux tas d’ordures : aussi souvent qu’on les ramasse, elles s’accumulent de nouveau très vite. » Cette citation souligne la persistance des erreurs et des idées fausses en mathématiques dans la société.
  • « La peur des chiffres, c’est-à-dire l’incapacité à manier avec aisance les notions fondamentales de nombre et de hasard, accable bien trop de citoyens pourtant instruits. » Elle met en évidence l’ampleur de ce problème chez les personnes instruites.
  • « La probabilité étonnamment élevée des coïncidences est illustrée par le résultat bien connu suivant en théorie des probabilités. » Cette citation introduit l’idée que l’on comprend souvent mal la fréquence et la portée des coïncidences.
  • « L’approche est, tout au long du livre, légèrement mathématique et s’appuie sur quelques notions élémentaires de probabilités et de statistiques. » Elle rassure les lecteurs : le livre est accessible et n’est pas excessivement technique.

Comment John Allen Paulos définit-il la peur des chiffres dans son livre ?

  • Définition : La peur des chiffres est définie comme la difficulté à manier avec aisance les nombres et les probabilités, l’équivalent de l’analphabétisme appliqué aux nombres.
  • Conséquences : Elle entraîne de mauvaises décisions, une vulnérabilité face à la pseudoscience et une incompréhension des risques.
  • Exemples : Paulos donne des exemples comme la mauvaise compréhension des probabilités dans les jeux d’argent ou la façon dont les statistiques présentées dans les médias peuvent induire en erreur.
  • Dimension éducative : Le livre examine la manière dont le système éducatif ne parvient souvent pas à lutter efficacement contre la peur des chiffres.

Quels exemples « La peur des chiffres » donne-t-il pour illustrer l’analphabétisme mathématique ?

  • Escroqueries boursières : Le livre décrit comment le manque de compréhension des probabilités peut rendre les gens vulnérables aux escroqueries financières.
  • Croyances pseudoscientifiques : Il montre comment la peur des chiffres rend les personnes plus vulnérables aux affirmations pseudoscientifiques, comme l’astrologie et la parapsychologie.
  • Mauvaise interprétation des statistiques : Paulos s’appuie sur des exemples tels que la mauvaise interprétation des résultats de tests médicaux ou des statistiques sur la criminalité pour montrer les conséquences de la peur des chiffres.
  • Décisions quotidiennes : Le livre illustre les effets de cette difficulté sur les décisions de tous les jours, par exemple lorsqu’il s’agit d’évaluer les risques liés aux déplacements ou à la santé.

Quels éclairages sur l’éducation « La peur des chiffres » propose-t-il ?

  • Éducation précoce : Le livre souligne l’importance d’intégrer les mathématiques à l’enseignement dès le plus jeune âge pour prévenir le développement de la peur des chiffres.
  • Méthodes d’enseignement : Paulos suggère de recourir à des énigmes, des jeux et des problèmes tirés de la vie réelle pour rendre les mathématiques plus captivantes et pertinentes.
  • Compétence des enseignants : Il met en évidence la nécessité de disposer d’enseignants de mathématiques compétents, capables de transmettre efficacement les concepts mathématiques.
  • Amélioration des programmes : Le livre défend un programme axé sur la compréhension du moment et de la manière d’appliquer les opérations mathématiques, plutôt que sur leur seule exécution.

Comment « La peur des chiffres » aborde-t-il le lien entre peur des chiffres et pseudoscience ?

  • Vulnérabilité : La peur des chiffres rend les personnes plus vulnérables aux affirmations pseudoscientifiques, faute de compétences leur permettant de les évaluer de façon critique.
  • Exemples : Le livre aborde l’astrologie, la parapsychologie et d’autres pseudosciences comme des domaines où la peur des chiffres favorise la crédulité.
  • Esprit critique : Paulos souligne la nécessité de l’esprit critique et du scepticisme pour lutter contre l’influence de la pseudoscience.
  • Rôle de l’éducation : Le livre suggère qu’un meilleur enseignement des mathématiques peut contribuer à réduire les croyances pseudoscientifiques en développant les capacités d’analyse.

Que dit « La peur des chiffres » du rôle des probabilités dans la vie quotidienne ?

  • Comprendre les risques : Les probabilités sont essentielles pour comprendre et évaluer les risques des décisions quotidiennes, qu’il s’agisse de santé ou de finances.
  • Coïncidences : Le livre explique que l’on interprète souvent mal les coïncidences par méconnaissance des probabilités.
  • Prise de décision : Les probabilités aident à prendre des décisions éclairées en évaluant la vraisemblance de différents résultats.
  • Importance éducative : Paulos plaide pour l’enseignement des probabilités afin d’améliorer la culture mathématique et les capacités de décision.

Comment « La peur des chiffres » propose-t-il d’améliorer l’enseignement des mathématiques ?

  • Engagement : Recourir à des méthodes attrayantes, comme les énigmes et les problèmes de la vie réelle, pour enseigner les concepts mathématiques.
  • Formation des enseignants : Améliorer les compétences mathématiques des enseignants afin qu’ils transmettent efficacement les concepts.
  • Orientation des programmes : Mettre l’accent sur la compréhension du moment et de la manière d’appliquer les opérations mathématiques, plutôt que sur leur seule exécution.
  • Intégration précoce : Intégrer les mathématiques à l’enseignement dès le plus jeune âge pour éviter l’apparition de la peur des chiffres.

Quelles idées fausses courantes sur les mathématiques « La peur des chiffres » remet-il en question ?

  • Une discipline froide et impersonnelle : Le livre conteste cette idée reçue et montre la pertinence des mathématiques pour les problèmes du monde réel.
  • Une activité mécanique : Il réfute l’idée que les mathématiques sont purement mécaniques et met en valeur leur dimension créative et leur rôle dans la résolution de problèmes.
  • Dépersonnalisation : Paulos s’oppose à l’idée que les mathématiques dépersonnalisent et montre qu’elles peuvent approfondir la compréhension de l’individualité.
  • Restriction de la liberté : Le livre aborde l’idée fausse selon laquelle les mathématiques limitent la liberté et montre qu’elles renforcent la capacité à prendre des décisions.

Quel rapport « La peur des chiffres » établit-il entre les problèmes de société et la prise de décision ?

  • Décisions politiques : La peur des chiffres nuit aux décisions politiques en entraînant une mauvaise évaluation des risques et une incompréhension des compromis à faire.
  • Influence des médias : Le livre explique comment la peur des chiffres dans les médias peut conduire au sensationnalisme et à une opinion publique mal informée.
  • Conséquences économiques : Il souligne les conséquences économiques de la peur des chiffres, comme la vulnérabilité aux escroqueries financières et les mauvais choix d’investissement.
  • Santé publique : Paulos montre les effets de la peur des chiffres sur les décisions de santé publique, notamment la mauvaise interprétation des statistiques et des risques médicaux.

À propos de l'auteur

John Allen Paulos est un professeur américain de mathématiques à l’Université Temple, connu pour ses travaux sur la culture mathématique et l’humour. Il s’est fait connaître avec la publication de Innumeracy: Mathematical Illiteracy and Its Consequences en 1988. Paulos a écrit plusieurs autres ouvrages de mathématiques destinés au grand public, notamment « A Mathematician Reads the Newspaper » et « Beyond Numeracy ». Son style associe concepts mathématiques, exemples de la vie quotidienne et humour afin de rendre accessibles des idées complexes au grand public. Paulos a été récompensé pour sa contribution à l’enseignement des mathématiques et à la compréhension des mathématiques par le grand public ; il est également intervenu dans différents médias pour parler de sujets mathématiques.

Télécharger le PDF

Pour garder le résumé de La peur des chiffres pour plus tard, téléchargez gratuitement le PDF. Vous pouvez l’imprimer ou le lire hors ligne quand vous le souhaitez.
Download PDF

Télécharger l'EPUB

Pour lire le résumé de La peur des chiffres sur votre liseuse ou dans une application de lecture, téléchargez gratuitement l’EPUB. Le format numérique .epub est idéal pour lire des livres numériques sur téléphone, tablette ou liseuse.
Download EPUB
Envie de lire le livre complet ?
Suivre
Écouter
Accueil
Swipe
Biblio
Appli
Essayez l'accès complet pendant 3 jours
Écoutez, enregistrez, et plus encore
Comparer les fonctionnalités Gratuit Pro
📖 Lire les résumés
Lisez des résumés illimités. Les utilisateurs gratuits en reçoivent 3 par mois
🎧 Écouter les résumés
Écoutez des résumés illimités dans 40 langues
—
❤️ Favoris illimités
Limité à 4 pour les utilisateurs gratuits
—
📜 Historique illimité
Limité à 4 pour les utilisateurs gratuits
—
📥 Téléchargements illimités
Limité à 1 pour les utilisateurs gratuits
—
Calendrier sans engagement
Aujourd'hui : Accès immédiat
Écoutez les résumés complets de plus de 26 000 livres. Soit plus de 12 000 heures d'audio !
Jour 2 : Rappel d'essai
Nous vous enverrons une notification pour vous informer que votre essai se termine bientôt.
Jour 3 : Votre abonnement commence
Vous serez débité le 25 nov.,
annulez à tout moment avant.
Consume 2.8× More Books
2.8× livres de plus Écoute Lecture
Nos utilisateurs nous adorent
1M+ lecteurs
Trustpilot Rating
TrustPilot
4.6 Excellent
Ce site change tout. Je n'ai jamais lu autant de résumés aussi rapidement. Je recommande vivement.
— Dave G
Ça vaut vraiment le coup en temps et en argent, et c'est très bien fait. Je n'ai jamais vu cette qualité de résumés ailleurs. Très utile !
— Em
Hautement recommandé !! Service fantastique. Parfait pour ceux qui veulent plus qu'un aperçu sans tous les détails d'un livre audio complet.
— Greg M
Économisez 62 %
Annuel
$119.88 $44.99/an/an
$3.75/mois
Mensuel
$9.99/mois
Démarrer un essai gratuit de 3 jours
3 jours gratuits, puis $44.99/an. Annulez à tout moment.
Unlock a world of fiction & nonfiction books
Plus de 26 000 livres pour le prix de 2 livres
Lisez n'importe quel livre en 10 minutes
Découvrez de nouveaux livres comme sur Tinder
Demandez n'importe quel livre s'il n'est pas encore résumé
Lisez plus de livres que quiconque
L'appli n°1 pour les amateurs de livres
Lifelike & immersive summaries
Garantie satisfait ou remboursé 30 jours
Téléchargez les résumés en EPUB ou PDF
Annulez à tout moment en quelques clics

Pourquoi un seul résumé ?

Scanner
Trouvez un code-barres à scanner

⭐
⭐
⭐
Nous avons un cadeau spécial pour vous
Ouvrir
38 % de réduction
RÉDUCTION POUR VOUS
⭐
⭐
⭐
$79.99
$49.99/an
Seulement $4.16 par mois
Continuer
2 touches pour commencer, résiliation ultra simple
Paramètres
Général
Widget
Chargement...