Corrélation et causalité : deux notions qu’il ne faut surtout pas confondre

Dans tous les domaines et plus particulièrement dans celui de l'analyse de données, il est essentiel de faire la distinction entre la corrélation et la causalité. Ces deux notions, souvent confondues, abordent pourtant l'interprétation des datas dans des contextes bien différents. Et, cette confusion conduit généralement à de mauvaises décisions, voire à des interprétations trompeuses. Comment ne plus confondre corrélation et causalité ? Découvrez des mécanismes simples à adopter pour faire la distinction entre ces deux notions.

Corrélation et causalité : définitions simples et erreurs fréquentes

Corrélation : deux variables évoluent ensemble

La corrélation fait référence à une relation entre deux variables qui changent simultanément. Par exemple, lorsque l'une augmente, l'autre a également tendance à accroître. Et inversement. Ce phénomène peut évoquer une forme de dépendance entre les deux données, mais ce n’est pas forcément le cas.

Dans ce cas, peut-on parler de corrélation entre le nombre de glaces vendues sur l'esplanade et la fréquentation sur les plages ? Sur la base des observations statistiques, ces variables évoluent dans le même sens. Mais elles n'ont aucun lien direct puisque, ici, la chaleur estivale est le facteur caché qui influence aussi bien la vente de glace que le nombre de personnes qui profitent du littoral. Le CA du glacier n'est donc pas directement lié à la fréquentation des vacanciers.

Causalité : l’une influence l’autre directement

La causalité implique une relation de cause à effet. Ainsi, une première variable produit directement une modification sur l’autre. Par exemple, lorsque que l'on appuie sur le bouton d'une télécommande, l'appareil associé se met en marche. Contrairement à la corrélation, il y a dans la causalité un lien évident entre les deux événements dont l'existence de l'un est impossible sans le déclenchement de l'autre. 

Causalité et corrélation : exemples concrets pour mieux comprendre

C'est principalement à travers des exemples qu'il est plus facile de comprendre les différences entre la causalité et la corrélation. Un premier exemple que l'on peut citer est celui de la corrélation entre le nombre de films dans lesquels joue un acteur donné et le nombre d'accidents de voiture dans le pays. Admettons que l'on observe que, sur une même période, les deux courbes qui représentent les données récoltées pour ces deux événements suivent une évolution similaire. Ainsi, lorsqu’il y a plus de films à l’affiche, le graphique montre une hausse des accidents, et inversement. Est-ce qu'il y a pour autant une relation directe entre ces deux phénomènes ? Cette coïncidence illustre parfaitement ce que l'on appelle une corrélation spurious, c’est-à-dire une relation statistique qui ne repose sur aucun lien logique.

En revanche, l’exemple du tabagisme actif d'un patient et de son cancer du poumon possède, de toute évidence, un lien de causalité. En effet, depuis le milieu du 20ᵉ siècle, de nombreuses études médicales montrent que fumer influence considérablement les risques de développer un cancer du poumon. Les chercheurs ont isolé ce lien en étudiant des cohortes de patients et en tenant compte d’autres facteurs possibles. Les statistiques confirment alors les effets biologiques du tabac sur les cellules pulmonaires. Dans ce cas, la causalité directe est démontrée scientifiquement : le tabagisme est bien une cause du cancer du poumon.

Ces deux exemples révèlent un élément clé : deux variables peuvent évoluer ensemble sans qu’il y ait de lien de cause à effet. C'est seulement lorsqu’une analyse rigoureuse est réalisée, fondée sur des expériences contrôlées ou des preuves scientifiques solides, qu'il est possible de confirmer le lien de causalité.

Corrélation et causalité : les pièges classiques

Plusieurs biais méthodologiques et interprétatifs expliquent la raison pour laquelle la corrélation est si souvent confondue avec la causalité. Parmi les pièges à éviter, on peut citer :

• la variable cachée : il s’agit d’un facteur externe qui influence simultanément deux phénomènes. Sans identifier cette variable, on peut croire qu’il existe un lien direct entre eux. On retrouve cette variable dans l'exemple que nous avons vu précédemment, concernant la chaleur estivale qui représente le facteur réel de la croissance de la consommation de glace et du nombre de vacanciers sur la plage ;
• la coïncidence : l'évolution de certaines variables parallèles s’explique en particulier par le fait du hasard. Ainsi, lorsqu’on analyse de nombreuses séries de datas, et en grande quantité, il est normal que certaines courbes présentent une similarité accidentelle. Cet exemple montre à quel point les tests de significativité statistique sont importants afin d'éviter les erreurs d'interprétation des données ; 
• l’interprétation orientée : ce biais apparaît lorsque des données sont utilisées avec l'intention de convaincre et non à titre informatif. L'exemple le plus courant est la publication, dans les médias, de sondages sous forme de graphiques et qui sont volontairement tronqués avec des échelles de valeurs manipulées ou avec l'omission volontaire du contexte dans lequel les données ont été récoltées. Ce type de publication crée une illusion de causalité, par exemple, lorsqu'il s'agit des résultats d'un sondage durant des élections politiques.

Peut-on démontrer la causalité ? Et comment ?

Il est possible de démontrer le lien de causalité entre deux événements. Ce processus nécessite une approche scientifique grâce à diverses méthodes. On peut citer, comme exemple, des expériences contrôlées qui permettent de modifier une variable et d'observer son influence sur une autre, en temps réel. Cette procédure est fréquemment utilisée lors des tests de médicaments en laboratoire sur des groupes de patients témoins. Par ailleurs, dans les domaines de l'économie ou de la data science, on utilise les modèles de statistiques avancés dans lesquels les analystes cherchent à isoler l’effet d’une variable sur une autre. Enfin, il est également possible de réaliser une observation longitudinale qui consiste à suivre des individus donnés sur une longue période dans le but de relever des accumulations d'effet.

Corrélation et causalité : ce que disent les statistiques… et Coluche

Les statisticiens rappellent souvent que « corrélation n’est pas causalité ». Cette précision est essentielle, car la corrélation mesure uniquement l’intensité et la direction d’une relation entre deux variables, grâce au coefficient de corrélation de Pearson. Ce coefficient varie entre -1 et +1. Ainsi, plus le résultat est proche de +1 ou de -1, plus la relation entre deux variables est forte.

L’humoriste Coluche moquait déjà ce défaut d'interprétation en tournant en dérision les biais de raisonnement sur les données chiffrées prises en dehors de leur contexte ou utilisées sans esprit critique, et qui conduisent à des conclusions insensées.

Comment développer un esprit critique face aux chiffres ?

Développer un esprit critique face aux chiffres est une compétence indispensable dans le métier de data analyst. Pour cela, vous devez toujours chercher si une autre variable peut expliquer la relation observée. Ensuite, il vous faut analyser le contexte et la méthodologie utilisée pour collecter les données avant d'émettre une conclusion.
 

Dans le but de vous aider à aiguiser votre sens de l'analyse, la formation au Bachelor en Data Science est un cursus complet qui vous permet d'acquérir une maîtrise complète des méthodes d’analyse statistiques, mais également des techniques de modélisation et de visualisation des données.

Conclusion

Corrélation et causalité sont deux notions bien distinctes, mais bien souvent confondues. La corrélation indique que deux variables évoluent ensemble sans forcément avoir de lien direct. La causalité, quant à elle, établit une relation de cause à effet entre deux phénomènes. Comprendre cette distinction vous évite des erreurs d’interprétation, mais aussi des biais de compréhension des résultats que vous êtes amené à manipuler. Et pour cela, il est essentiel de cultiver un esprit critique qui vous permet d'utiliser les données comme de véritables outils de décision stratégiques

Sources : 

• https://www.datamarketai.com/comprendre-la-causalite-depasser-la-simple-correlation/
• https://www.lafinancepourtous.com/juniors/lyceens/l-instant-maths/correlation-nest-pas-causalite/