Reprise du message précédent :

 
C'est seulement parce que c'est toi qui a posté le lien que je n'ai pas "rage quit" dans les 5 première minutes. :
"Putain, encore ces exagérations et généralisations",    pestais-je en moi même
 
Merci du partage

Toute la chaine est   (je conseille).
Et connaissant le niveau général c'était évident qui accumulait les poncifs pour mieux leur tordre le cou après.

Yo topic,

Est-ce que quelqu'un aurait une ressource sur comment se faire une idée du sérieux d'une étude scientifique ?
Quels sont les points clés à vérifier pour évaluer le niveau de preuve, connaître le niveau de crédibilité de la revue qui publie etc.
J'ai déjà quelques bases, mais je passe probablement aussi à côté d'infos importantes par manque de connaissances sur le fonctionnement de la recherche scientifique.

Merki

 
Ne pas se fier à des études plubliées n'importe ouù. Il faut lire tous les sites internet et te faire une idée toi-même, selon tes convictions, juste un exemple, https://lanouvelleatlantide.com est un site bien connu et sérieux, où Jacques, un éminent scientifique publie des études de haute qualité.

C'est pas ma question. Je veux des critères objectifs d'évaluation d'un étude.
Je sais que la revue a un impact, l'échantillon, la présence d'un groupe de contrôle, le côté randomized etc.
Je cherche une liste la plus complète possible de points à checker pour pouvoir rapidement éliminer les études de faible valeur et ne pas me prendre le chou à lire des trucs compliqués qui au final sont de mauvaise qualité.

Question très très compliquée.
 
D'abord parce qu'il faudrait s'entendre sur ce que tu entends par "sérieux" : la validité méthodologique, le bienfondé du rationnel scientifique, l'applicabilité des résultats ?
 
Ensuite parce que les critères de fiabilité dépendent fortement du domaine scientifique et du champ épistémique considéré. On n'évalue pas une étude randomisée avec les mêmes critères de qualité qu'une étude de cohorte rétrospective, et on peut difficilement utiliser les mêmes outils pour juger de la fiabilité d'une expérimentation en astrophysique ou d'une étude descriptive en sociologie (pas du tout le même genre de critères de jugement, pas les mêmes tests statistiques, pas les mêmes inférences causales...)
 
Et enfin parce qu'il faut pas se voiler la face, il est en général nécessaire de connaître le domaine avec un minimum de profondeur pour pouvoir se prêter à l'exercice sans que ça prenne des plombes à chaque étude (je me sens capable d'interpréter à peu près correctement la littérature biomédicale mais je serai bien infoutu de savoir mesurer la fiabilité d'un article en physique théorique ou en psychologie expérimentale, au-delà d'une évaluation très grossière).  
La lecture critique d'article c'est assez ardu et ça nécessite un entrainement régulier... donc il faudrait que tu précises quelles sont tes bases  
 
Je crois qu'il faudrait commencer par donner le type de question de recherche pour laquelle tu cherches à définir les critères de qualité d'une étude, peut-être avec un exemple concret.
 
Donc en très gros, je sais pas si c'est ça que tu cherches :
 
Pour toutes les études en général :
- L'étude doit être revue par les pairs (si c'est un preprint, il faut relire l'article une fois qu'il sera publié)
- Les auteurs doivent donner leurs liens d'intérêt (et il faut les analyser et juger s'il s'agit de conflits - très difficile)
- L'impact factor du journal n'est pas forcément important, mais il ne doit pas s'agir d'un journal "prédateur" ou ouvertement en conflit d'intérêt (dans le style IHUM dont les auteurs éditent leurs propres papiers...)
- Il faut vérifier que l'étude n'a pas été rétractée (c'est pas forcément signalé dans le papier)
- Il faut survoler l'abstract (le résumé de l'étude) : la question de recherche doit être claire et concise, on doit identifier les critères de jugement, les résultats doivent être assortis d'indicateurs de précision (intervalle de confiance)
- Il faut débusquer les "spin" (conclusions qui sont tournées positivement alors que les résultats bruts sont plus neutres)
 
Pour une question de recherche à valence "causale" au premier plan, dans le domaine des sciences de la vie (effet d'un médicament ou autre intervention, d'une stratégie de dépistage, d'une pratique de santé publique ou individuelle), il faut :
- idéalement une comparaison d'un groupe interventionnel et d'un groupe contrôle (placebo ou intervention de référence)
- que l'attribution du groupe à chaque participant et l'évaluation se fassent en aveugle (indispensable pour quasiment tous les cas, même quand on évalue la mortalité)
- que le groupe contrôle corresponde à la pratique standard et pas à une pratique obsolète ou inefficace (important pour l'applicabilité, et pour juger de l'efficacité notamment en oncologie)
- que le critère de jugement soit pertinent : mortalité toutes causes, qualité de vie, évènements qui ont du sens pour les gens
- si le critère de jugement est un critère de substitution (par exemple, prendre le contrôle de la pression artérielle en faisant l'hypothèse que ça a un effet sur les AVC) : il faut s'assurer qu'il existe bien un lien indépendant entre ce critère et un critère de jugement pertinent (ce n'est pas toujours le cas, loin de là)
- plein d'autres subtilités (mais importantes ) : que l'analyse soit réalisée selon les modalités les plus conservatrices (en intention de traiter pour un essai de non-infériorité), que les sorties d'essai et les perdus de vue soient décomptés et expliqués...
 
En cas d'analyse d'une étude observationnelle qui prétend répondre à des considérations causales, là on entre dans le dur :
- il faut que le design soit cohérent avec la question de recherche : cohorte prospective dans l'idéal
- il faut traquer les biais de confusion de tous les côtés : très difficile surtout quand on est pas expert de la question de recherche, bien être conscient qu'il y a toujours du "residual confounding"
- il faut bien vérifier que les auteurs modèrent leurs conclusions et n'émettent pas de jugement sur le lien de causalité quand les méthodes ne s'y prêtent pas
 
Pour ces deux types d'études, il existe des référentiels de qualité consensuels (CONSORT, STROBE, outil RoB2...)
 
Pour les études descriptives (état de santé d'une population, caractéristiques d'un système...), c'est plus simple car moins biaisé, il faut surtout s'assurer que les résultats ne sont pas surinterprétés ou détournés dans les medias grand public.
Pour les études qualitatives, c'est plutôt du côté du recueil des données qu'il faut chercher des erreurs méthodologiques.
Pour les études d'évaluation d'un test (diagnostic accuracy), c'est assez ardu, il y a plein de types de tests et de comparaisons possibles (mais je crois pas que tu penses à ce type d'étude)
Pour les revues systématiques, c'est... difficile  
 
Mais je répète, je pense que serait plus simple que tu donnes un ou 2 exemples d'études assortis des questions que tu te poses.

l'auteur est de gauche, tu jettes.  
faire l'inverse si tu es de gauche

Il faut connaître les points forts et points faibles des techniques utilisées. Genre ça c'est pas forcément simple quand t'as pas idée du fonctionnement de base.
Et en plus connaître les cas dans lesquelles certaines techniques sont plus pertinentes que d'autres.

Il y a l'impact factor qui évalue le niveau de crédibilité d'une revue, cela dit une revue ultra spécialisée dans un domaine peu étudié aura un IF très bas (<1) sans pour autant être une revue prédatrice.

Science étonnante avait fait une vidéo sur le sujet :
https://www.youtube.com/watch?v=NkdczX1Sq-U

apres avoir vue "toutes" les super mega études pour des super medocs se terminant en eau de boudin/massacre à la tronçonneuse 20 ou 30 ans apres ...

...le pile ou face c'est pas mal aussi

attention si vous continuez je m'en vais

 
C'pour ça qu'il faut être toujours en veille sur pubmed.
 
ACADEMIA est bien aussi, ca envoie automatiquement des mails avec liens vers des papiers sur les sujets qui nous intéresse en se basant sur ce qu'on a déjà lu. Est ce que la démarche scientifique dans ces études est toujours bonne? Je sais pas.

Academia c'est juste une plateforme de dépôt, comme HAL ou Research Gate. Donc pour faire le tri, faut s'en remettre à d'autres méthodes, telles qu'exposées très justement par gabug.

Notons tout de même que HAL est une plateforme publique (par opposition à privée) et que les ID Hal permettent d'identifier facilement les chercheurs. Il y a donc moins de chance de trouver du pouic sur HAL que sur les deux autres qui ne filtrent pas les inscriptions. Mais HAL c'est pour les productions françaises.

Je regarde systematiquement apres chaque prescription... les 2 dernieres :

-1 medoc au effets peu cool (on va dire classe antibio pour situer mais rester dans le vague ) effet secondaire possible completement wtf , ... interdit au US mais pas en France  

-1 autre medoc dont cochrane dit qu'il faut réévaluer le médoc fissa (benef risque negatif)

https://www.youtube.com/watch?v=VPUniPOt0Cc&t=224s

Sinon sur certains discord comme le vortex y a une grosse population de doctorants très sympas. Il suffit de les aborder gentiment et de leur passer quelques questions à poser à leur directeur de thèse

Merci pour la réponse détaillée, je réponds directement dans le post.
 

 
J'ai pas d'exemple sous la main en ce moment mais je ne manquerai pas de soumettre mes questions ultérieurement à l'expertise HFR
 

Bon sang mais c'est bien sûr  

 
Je sentais que c'était une plateforme de dépôt Academia, mais je voulais juste dire que c'est pratique cet envoi de mails avec des propositions de papiers, ça permet de découvrir d'autres choses et de relancer la veille qu'on fait sur nos sujets préférés.
 
Sinon pour la question de Tillow, oui je sens que Gabug en connait un rayon et semble donner une bonne méthode. Faisant preuve de fainéantise intellectuelle, j'utiliserai pas de telles méthodes, je lis et sens au feeling que la démarche est bonne.
 
Rien que "Pour les études qualitatives, c'est plutôt du côté du recueil des données qu'il faut chercher des erreurs méthodologiques." ca me donne envie de rester allongé sur le canapé.      

Le problème, c'est qu'il y a absolument de tout en matière d'études scientifiques. Le milieu de la recherche est très biaisé parce qu'il faut publier et être cité pour bouffer et c'est pas forcément les études les plus rigoureuses ou avec le plus de valeur ajoutée qui sont les plus diffusées.
Il y a aussi des zillions d'études complètement à côté de la plaque qui ont trouvé un écho dans les médias et qui deviennent carrément des légendes urbaines.
C'est pour ça que je veux pouvoir dans une certaine mesure avoir une idée raisonnable de la validité de ce que je lis parce que ça peut avoir un certain formalisme et être quand même de la merde

Dans les journaux il y a toujours une section "cited by/cité par" sinon google scholar l'indique aussi. Tu peux ainsi regarder comment le papier a été cité. Par exemple il fait un lien entre A et B avec % d'impact et une probabilité p.
L'article peut être cité par un autre auteur qui apportera peut être plus de renseignement sur A/B/%/p ou la comparera. Il pourra valider ou infirmer l'étude dans un contexte plus proche du tien.

Il y a aussi un outils pas mal : Altmetrics
expliqué par Scilabus ici : https://www.youtube.com/watch?v=DsgI8fOG-hI&180

Altmetrics permet de savoir qui a cité un article scientifique en dehors du champs des recherche. Ce qui est pratique c'est que ça inclus les debunk/analyse d'expert dans une presse spécialisé mais non académique etc mais aussi tu peux très rapidement détecter si l'article a été relayé par 20 000 compte tweeter indiens sorti de nul part typique de la recherche douteuse.

Il faut just un marque page sur ton navigateur avec l'url

Sur la page de l'article scientifique tu clic sur le marque page et ça fait apparaitre une petite fenêtre d'analyse, en cliquant sur "voir plus" tu as accès à toutes les citations.

 
Et s'il est plein centre, il va quand même à droite, comme les ronds-points à l'australienne.

En complément, parmi les études qui s'intéressent au cerveau, tu as souvent des techniques par contraste de phase.
Le but généralement est de poser des marqueurs visibles (via de la phosphorescence par exemple) afin d'exposer une activité neuronale.
Tu peux avoir avec cette technique des plans qui se superposent afin d'augmenter l'intensité du signal au départ.

Reste à vérifier que les plans sont parfaitement superposés et pas pris ailleurs pour dire : "regardez comment ça brille et que ma théorie est belle "

Merci pour les infos supplémentaires

 
Sans être du domaine, c'est toujours compliqué de reconnaitre un bon article, tu es obligé de te baser sur des indices indirects. L'un des principaux indices, c'est la qualité du journal où c'est publié mais c'est pas fiable à 100%. Mon humble avis c'est que dans chaque édition de Nature/Science il y a en moyenne un article à jeter aux orties pour des erreurs lourdes susceptibles de remettre en cause les conclusions. Mais globalement si c'est une information suffisamment importante pour quelqu'un qui n'est pas du domaine, ça sera probablement dans un journal de premier plan.  
Si ce n'est pas ton domaine, il vaut mieux se baser sur des review, l'information sera un petit peu moins fraiche qu'avec un article de recherche mais ce sera beaucoup plus fiable et plus accessible. Les review jouent d'une certaine façon un rôle de filtre en mettant en avant les résultats les mieux validés sur une question donnée. Perso quand je m'interesse à un sujet que je connais pas je commence toujours par lire les reviews les plus récentes pour "prendre la température" et ensuite je vais voir les articles de recherche.
 
Il faut également se baser sur la fiabilité des auteurs, à commencer par le premier et le dernier. Tu tapes leur nom sur pubpeer et plus ils apparaissent, plus c'est inquiétant. Par exemple si on va voir https://pubpeer.org/search?q=raoult+d, on comprend vite qu'il y a un énorme problème avec cet auteur. Le fait d'être sur pubpeer en soi-même n'indique pas des comportements antiscientifiques, mais si on va voir dans les articles relevés, on voit bien que les critiques indiquent des problèmes lourds.
 
Dans le domaine qui t'intéresse, une bonne partie des erreurs viendra de deux points :
- le groupe de controle (soit il n'y en a pas, soit il a été constitué n'importe comment, soit il est biaisé, etc...). Dans le fameux article de Raoult par exemple, il y avait un énorme problème à ce niveau.
- les statistiques. Les médecins ne sont pas des statisticiens et si ils ne travaillent pas avec des mathématiciens, ils ont vite fait de sauter à pieds joints dans tous les pièges statistiques. Un des plus courants, c'est "on observe que la molécule %%% augmente de 20% le risque de cancer de la narine gauche entre 46 et 58 ans." Sauf que quand tu regardes l'étude, ils ont testé 50 molécules, 12 types de cancer, 2 sexes et 8 catégories d'age, soit plusieurs milliers de combinaisons possibles. Et quand tu joues plusieurs milliers de fois à un jeu de hasard, tu augmentes tes chances d'observer un phénomène rare. Donc toujours regarder combien de situations ont été étudiées, puis en déduire à partir de quel seuil tu commences à sortir réellement du bruit de fond pour cette étude.

Merci pour le complément d'infos
Pour les stats, effectivement j'ai remarqué que les études mélangent souvent les choux et les carottes. Il se trouve que je bosse dans la data donc j'ai plutôt les bons réflexes en la matière

Regarder les citations c'est bien quand on cherche des articles connexes, mais c'est une méthode très biaisée pour évaluer la fiabilité d'un article (par exemple le papier frauduleux de Gautret sur l'hydroxychloroquine à été cité plus de 6000 fois...)
Altmetric c'est le même problème, ça mesure bien la hype autour d'un article ou d'une thématique mais pas vraiment la qualité du papier ou la fiabilité du domaine.
 

Bon, c'est peut-être plus simple que tout ce que je raconte dans mon pavé parce que ce sont des domaines qui sont beaucoup moins touchés par la problématique de l'inférence causale (pas vraiment d'essais thérapeutiques), et sans doute peu marqués par les conflits d'intérêt.
 
Je pense que du coup il te faut surtout une méthodologie générale pour repérer les articles "à problèmes", puis une méthodologie plus spécifique pour chaque discipline qui comporterait ses propres critères de qualité, à définir en fonction du type d'études (il y a un monde entre une étude de psychologie expérimentale et une étude descriptive sociologique).
 
Si tu lis beaucoup d'articles et que tu veux aller vite dans le tri, j'adopterais une méthode par élimination un peu grossière que j'utilise quand je fais de la biblio :
- Si le journal est foireux, prédateur, mauvaise réputation, que les auteurs sont mouillés dans des papiers frauduleux, ou présentent des conflits évidents => poubelle, je lis même pas
- Dans l'abstract, trouver la question de recherche (à la fin de l'introduction) : si elle est pas claire ou elle m'intéresse pas => poubelle
- Dans l'abstract, parcourir rapidement les méthodes : si les critères d'inclusion sont foireux ou ne correspondent pas à la pratique, si les méthodes ne sont manifestement pas appropriées pour répondre à la question (notamment vouloir conclure sur des rapports causaux alors qu'il y a trop de biais de confusion), groupe contrôle inadapté => poubelle
- Dans l'abstract, parcourir rapidement les résultats : si ceux-ci n'ont pas d'intérêt ou ne modifient pas mon idée préconçue sur le sujet => j'arrête là
- Si c'est malgré tout intéressant, j'essaie de survoler le texte complet (et là l'interprétation dépend fortement du domaine considéré).
 
Si ton objectif est de mettre à jour tes connaissances globales sur un sujet particulier en parcourant les études concernées, il serait intéressant d'adopter une démarche bayésienne qui consiste à avoir toujours en tête une idée préconcue du caractère vraisemblable de telle ou telle proposition, et de la mettre à jour en fonction de ce que tu lis en l'indexant à la force de la preuve qui sous-tend la connaissance (sur le mode "les affirmations extraordinaires demandent des preuves extraordinaires" ).

Ca c'est plutôt un plus, et c'est une compétence rare dans certains domaines (tu fais du R ? )  
 
Il serait peut-être intéressant que tu creuses cette compétence-là d'une manière appliquée aux sciences de la vie, ça t'aidera beaucoup à interpréter les résultats et à débusquer les biais.
 
Effectivement, le problème de la multiplicité des critères de jugement (p-hacking) est un travers classique, fortement associé au spin des conclusions dont je parlais plus haut. Il faut regarder si les auteurs ont utilisé des méthodes d'ajustement pour tests multiples (Bonferroni et autres).

Oh que oui. Tu te réfères plus spécifiquement je pense aux publications autour de "neurosciences, psychologie génétique" etc. C'est le domaine du pire n'importe quoi avec multitudes de supports spécialisés où la révision par les pairs filtre mal ou peu.  
La mode était de faire joujou avec des IRMf loués pour tout et rien, publier à peu près tout ce qui semblait avoir une activité observable, entre sexes, âges, fonctions, etc. d'où peu de conclusions ont été tirées hormis ça s'active ici et moins là.  Ensuite, effet de mode, l'IRM est délaissée au bénéfice des GWAS, scores polygéniques etc. Le "fonctionnement" ici, ils le délaissent pour tenter des associations prédictives entre gènes et phénotypes, scores, performances de populations.
 
Depuis quand ? Depuis que le monogénique a montré qu'il occupait une petite place dans la détermination, surtout pour pathologies.  
Puisqu'on déterminait peu de variables humaines avec un seul gène... Enfonçage donc de portes ouvertes vers toutes ces publis de génétique quantifiée, se servant de bases de données génétiques humaines destinées à des utilisations plus médicales - pour publier sur intelligence et cognition, où de quelques gènes susceptibles d'agir sur l'intellect, on en a depuis plus de 3000 sur autosomes et X  
=> résultat: bourrasque de publis où corrélations entre multitudes d'allèles et intellect, qui n'ont en fait - en groupe - pas plus de pouvoir prédictif qu'un seul gène. Et qui isolés, n'en ont aucun.  
La fumisterie de ces publis repérables à leur mésusage de notions comme héritabilité etc. dure depuis 20 ans, dénoncée par statisticiens et généticiens mais rien n'y fait. Ça alimente le business des publications, ça alimente des préjugés de Z et R, quand les résultats simplistes vont dans leur sens...  
 
Et malheureusement, le problème est plus profond que l'effet de l'aléatoire mal dégagé. Les astuces et précautions listées dans ce fil ça ne fonctionne pas bien pour filtrer la merde de l'ivraie dans ces disciplines où l'idéologie a un poids incommensurable. Idéologie ici pas limitée à politique, mais à une foi scientifique, portée sur la puissance d'outils et méthodes qui ont pourtant marqué leurs limites.  
Beaucoup de supports refusent cette garbage science,  mais les producteurs - surtout anglo-saxons - de celle-ci, ont trouvé des parades idéologiques et des moyens de diffuser en réseaux internes.  
Même des méta-analyses sur RCT n'échappent pas au poids des préjugés. Nombreuses reprennent les mêmes RCT parfois biaisées, sur des milliers de sujets, dont le poids influe significativement sur les résultats ; formatant l'opinion publique comme scientifique. Dirigeant les commentaires et les exemples qu'on croit librement choisis.  
 
Pire encore, quand les papes et les pointures dans ces disciplines, les plus acclamés, sont ceux qui produisent la pire garbage science.
 

 
   
 
Je suis loin d'être aussi calé, mais ce qui me fait souvent tiquer dans une étude, c'est quand la section "limitations" est vide ou évasive. Ou encore pire, quand elle est complétement pété, comme dans la dernière étude bouse de Raoult (rétractée d'ailleurs, je viens de le découvrir) : "Randomization was not used for ethical reasons[...]Natural experimental studies are used when randomization is unfeasible, impractical or unethical and to avoid the artificiality bias of randomized studies"  

 
Je fais de l'entrepôt de donnée, pas de la fouille donc pas de R mais j'ai quand même une bonne culture générale du domaine
Et j'ai fait du matlab quand j'étais jeune    
 

Alors j'avoue, l'aspect génétique c'est pas trop ce qui m'intéresse le plus mais ouais j'ai vu passer de belles conneries dans le domaine et c'est particulièrement populaire dans les journaux scientipouiques

 
C'est beau, tant d'abnégation    

Ce qui m'épate c'est que la science est percluse de biais mais que pourtant elle permet à l'humanité de progresser quand même dans la connaissance chaque jour un peu plus et sans que cela ne nécessite de gros virage théoriques à 180° tous les 4 matins. (Me semble t-il)
Bref, elle marche pas si mal avec beaucoup de recul et sur ce dernier siècle.
Je dis pas qu'il faut s'en contenter mais je trouve qu'on a une tendance à l'accuser d'un peu tous les maux en ce moment.
Bon, ça compense sans doute pour les époques d'avant où on ne lui trouvait que des qualités.
La science actuelle est sans doute plus consciente de ses propres lacunes et faiblesses qu'elle ne l'a jamais été.
 

 
Le truc c'est que la science est une structure "hiérarchique" au sens où chaque progrès s'appuie sur des progrès précédents. Si tu t'appuies sur un résultat foireux ça va être très simple, tu ne vas pas avancer. Ca va être beaucoup plus simple de construire un réacteur nucléaire efficace si tu te bases sur les résultats de la physique quantique que si tu te bases sur la pierre philosophale qui transformerait le plomb en or.  
 
Les résultats foireux vont donc générer une perte de temps puisque les recherches ultérieures qui vont se baser dessus sont d'avance condamnées à l'échec. Cependant le processus de génération de la connaissance scientifique va automatiquement éliminer ces résultats puisque on va bien voir qu'à chaque fois qu'on se repose sur telle brique, on échoue.

Peut on faire un parallèle entre le covid et la bombe atomique. Dans le sens où cet événement sera le creuset de mouvement prêt à rejeter d'un bloc tout ce qui concerne des obligation de santé publique. Quel sera le "green peace" qui en émergera.

Le truc, c'est qu'avant Karl Popper, la science, surtout pour les non scientifiques, c'était une croyance et un moyen d'arriver à un avenir meilleur (je caricature mais c'est en gros l'idée).
Le principe de refutabilité est beaucoup plus humble que les discours préexistants et je pense qu'il y a plein de gens qui ne se satisfont pas d'un "en l'état actuel des choses et jusqu'à preuve du contraire, voilà ce qu'on sait".

En physique fondamentale (donc en vraie science ) le réalisme scientifique dont Popper était un partisan est en train d’être pas mal critiqué ces derniers temps, au motif que ça relève trop de la croyance. (le réalisme scientifique est le moteur métaphysique derrière la recherche de ces théories du tout qui ont un peu abandonne la recherche de ce qui est utile pour le réel pour ce qui est absolument vrai - reléguant au passage l'exigence de réfutabilité au deuxième plan)

La notion de progrés est une construction idéologique que l'on interprète dans nos système de valeur. Le progrès il est tout aussi visible dans le bien que dans le mal. On peut par exemple regarder WWII sous l'angle du progrès.

Après, le bien et le mal, c'est fondamental pour le fonctionnement de nos société, mais interpréter la valeur de la science, en utilisant cette grille ...

Je ne sais pas si ça a vraiment du sens. Et c'est un problème en soi.

Quand tu dis, "la science est percluse de biais", est-ce que tu penses que ça a du sens de dire ça ? Je veux dire, ce sont des cerveaux humains qui font de la science, et les cerveaux humains sont sujet à des biais cognitifs. Donc la science est percluse de biais cognitif, mais comme toute activité humaine utilisant un cerveau.

Ce que permet de faire la science, c'est de se donner des outils pour limiter l'impact de ces biais. Un des outils les plus ingénieux, c'est d'avoir inventé une poubelle à théories, et surtout, de considérer que toute théorie scientifique peux y finir. Et je dirais même, du point de vue d'un chercheur, toute théorie scientifique à vocation à finir dans cette poubelle.

Et c'est qui est beau avec la science. (enfin ce que je trouve beau dans la science).

Donc ouais, la science permet de progresser dans le domaine des connaissances, de façon relativement sure. Est-ce que c'est une bonne chose ...

hé hé.

Ben ça dépend.

C'est intéressant ça, en quoi la réfutabilité pose problème pour la physique ?

Et pourtant on est bien obligé de l'admettre sinon on ne fait pas de sciences. Ce serait en quelque sorte une roue de Deming appliquée à la recherche de la connaissance et des faits.

(On va finir par faire un topic épistémo, les lurkeurs qui veulent rigoler à base de chapeau anti-ondes en papier alu doivent être frustrés )

Elle pose pas de problème a la physique. C'est les physiciens des particules qui (selon certains) posent des problèmes a la physique a vouloir chercher une théorie générale, ontologiquement vraie, elegante (minimaliste), mais qui a chaque déception expérimentale (pas de supersymétrie, pas de ceci, pas de cela) amende sa théorie pour repousser ses prédictions en dehors de ce qu'on peut tester.