Paradoxes Mathématiques on kenji.blog

« Test positif » ne signifie pas toujours « maladie » ? : L'erreur du taux de base

Thu, 10 Sep 2026 21:00:00 +0900

Si vous recevez un résultat « positif (anormal) » lors d’un bilan de santé ou d’un dépistage du cancer, il est naturel de paniquer. Cependant, avec des connaissances en statistiques et en probabilités, vous pourriez prendre une grande inspiration et garder votre calme. En effet, « un test de haute précision positif » ne signifie pas nécessairement que « la probabilité d’être réellement malade est élevée ».

C’est ce qu’on appelle l’« erreur du taux de base (Base Rate Fallacy) » ou « négligence de la probabilité a priori », un biais cognitif typique où l’intuition humaine se trompe lourdement dans le calcul des probabilités.

Le problème terrifiant du bilan de santé

Imaginez la situation suivante.

Dans une ville, il existe une maladie inconnue qui infecte 1 personne sur 10 000 (0,01 %). Pour détecter cette maladie, un excellent kit de dépistage avec une « précision de 99 % » a été développé. (* Une précision de 99 % signifie que si une personne malade passe le test, elle a 99 % de chances d’être correctement diagnostiquée « positive », et si une personne en bonne santé le passe, elle a 99 % de chances d’être correctement diagnostiquée « négative ».)

Vous passez ce test par hasard, et le résultat est « positif ». Maintenant, quelle est la probabilité que vous soyez réellement infecté par cette maladie ?

Beaucoup de gens répondent intuitivement : « Puisque la précision du test est de 99 %, la probabilité que je sois malade doit aussi être de 99 % ». Cependant, la bonne réponse mathématique est « environ 0,98 % (moins de 1 %) ».

Pourquoi, avec une précision de 99 %, la probabilité réelle tombe-t-elle à moins de 1 % ?

Le théorème de Bayes et la visualisation de l’ensemble

La clé pour résoudre ce problème ne réside pas seulement dans la précision du test, mais aussi dans la prise en compte de « la rareté de la maladie à l’origine (taux de base / probabilité a priori) ». Visualisons ce phénomène contre-intuitif en utilisant une grande population de 1 000 000 de personnes.

Population totale : 1 000 000 personnes
Personnes réellement malades (1 sur 10 000) : 100 personnes
Personnes en bonne santé : 999 900 personnes

Nous faisons passer le test d’une « précision de 99 % » à ces 1 000 000 de personnes.

1. Lorsque les personnes réellement malades (100 personnes) passent le test

Avec une précision de 99 %, celles qui seront correctement diagnostiquées « positives » sont : 100 personnes × 99 % = 99 personnes (Vrais positifs)

2. Lorsque les personnes en bonne santé (999 900 personnes) passent le test

Avec une précision de 99 %, il y a des personnes qui seront incorrectement diagnostiquées « positives » avec une probabilité de 1 % (Faux positifs) : 999 900 personnes × 1 % = 9 999 personnes (Faux positifs)

graph TD A["Population totale (1 000 000 personnes)"] --> B["Personnes malades (100 personnes)"] A --> C["Personnes en bonne santé (999 900 personnes)"] B -->|99% de réussite| B1["Vrais positifs (99 personnes)"] B -->|1% d'échec| B2["Faux négatifs (1 personne)"] C -->|99% de réussite| C1["Vrais négatifs (989 901 personnes)"] C -->|1% d'échec| C2["Faux positifs (9 999 personnes)"] B1 -.-> D{"Nombre total de personnes déclarées « positives » : 10 098 personnes"} C2 -.-> D style A fill:#ECEFF1,stroke:#333 style B fill:#FFCDD2,stroke:#333 style C fill:#C8E6C9,stroke:#333 style B1 fill:#F44336,stroke:#333,color:#fff style C2 fill:#FF9800,stroke:#333,color:#fff style D fill:#FFF9C4,stroke:#333,stroke-width:2px

Votre probabilité réelle d’être malade

Vous avez donc été informé par le médecin que vous êtes « positif ». Cela signifie que vous avez rejoint le groupe en bas à droite de la figure, « Nombre total de personnes déclarées “positives” (10 098 personnes) ».

Parmi ce groupe, quelle est la proportion de « personnes réellement malades (vrais positifs) » ?

$$ \text{Probabilité d'être réellement malade} = \frac{\text{Vrais positifs}}{\text{Toutes les personnes déclarées positives}} = \frac{99}{99 + 9999} = \frac{99}{10098} \approx 0,0098 $$

Le résultat du calcul est d’environ 0,98 %. Bien qu’on vous ait déclaré « positif », la probabilité que vous soyez en bonne santé (faux positif) est massivement plus élevée (environ 99 %).

Pourquoi notre intuition se trompe-t-elle ?

Ce phénomène est expliqué mathématiquement par le « théorème de Bayes », qui calcule les probabilités conditionnelles, mais le cerveau humain est très mauvais pour ce type de calcul.

La raison pour laquelle nous faisons des erreurs est que nous sommes distraits par les informations spécifiques et frappantes fournies dans l’immédiat (« Votre résultat de test est positif ! La précision est de 99 % ! ») et ignorons les données statistiques de fond massives et ennuyeuses (« À l’origine, seule 1 personne sur 10 000 est atteinte de cette maladie (taux de base) »).

Étant donné que la « rareté de la maladie (0,01 %) » est beaucoup plus extrême que l’« inexactitude du test (1 %) », une petite erreur de test submerge rapidement le nombre de personnes réellement malades.

L’« erreur du taux de base » cachée dans la société

Cette illusion provoque des paniques et de mauvais jugements non seulement en médecine, mais aussi dans diverses situations.

Systèmes de reconnaissance faciale et terroristes : Même si une caméra de reconnaissance faciale précise à 99,9 % détecte un « terroriste » dans un aéroport, comme la probabilité de base qu’une personne soit un terroriste est extrêmement faible, la plupart des personnes arrêtées seront des civils innocents avec des visages similaires (faux positifs).
Accidents de la route et conducteurs âgés : Même si vous vous sentez en danger après avoir vu aux informations que « XX % des voitures impliquées dans des accidents étaient conduites par des personnes âgées », à moins de prendre en compte la « proportion de personnes âgées parmi tous les conducteurs sur la route à l’origine (taux de base) », il est impossible de savoir si un groupe d’âge spécifique est réellement plus enclin à causer des accidents.

L’« erreur du taux de base » nous enseigne l’importance de la pensée statistique : face à des chiffres choquants ou à des cas individuels, il faut toujours revenir à la question « dans quelle mesure cela est-il susceptible de se produire dans l’ensemble à l’origine (taux de base) ? ».

De l'espace à la Terre : votre petit frère devient plus vieux que vous ? Le paradoxe des jumeaux

Thu, 10 Sep 2026 21:00:00 +0900

Si vous partez en voyage à bord d’un vaisseau spatial volant à une vitesse proche de celle de la lumière, votre horloge s’écoulera plus « lentement » que celle des personnes restées sur Terre. Ce n’est pas le scénario d’un film de science-fiction, mais un fait physique prouvé par la « théorie de la relativité restreinte » d’Einstein.

La représentation la plus dramatique de ce concept de « dilatation du temps » est la célèbre expérience de pensée connue sous le nom de « paradoxe des jumeaux (Twin Paradox) ».

Le frère aîné qui part dans l’espace, et le cadet qui reste sur Terre

Imaginons deux frères jumeaux nés le même jour. Le jour de leurs 20 ans, le frère aîné embarque dans une fusée ultra-rapide volant à 80 % de la vitesse de la lumière ($0.8c$) et part vers une étoile lointaine. Le cadet reste sur Terre pour attendre le retour de son frère.

Quelques années plus tard, le frère aîné revient sur Terre. Lorsque la porte de la fusée s’ouvre et que les deux se retrouvent, une chose étonnante s’est produite.

Alors que le frère cadet qui attendait sur Terre est devenu un homme mûr de 50 ans (30 ans se sont écoulés), le frère aîné qui a voyagé dans l’espace a gardé son apparence jeune et n’a encore que 38 ans (18 ans se sont écoulés).

« Bien qu’ils soient jumeaux, une différence d’âge de 12 ans s’est créée. » C’est le premier choc provoqué par la théorie de la relativité.

graph TD A["Frères jumeaux (20 ans)"] --> B["Le cadet resté sur Terre"] A --> C["L'aîné voyageant dans l'espace à 80 % de la vitesse de la lumière"] B -->|Le temps sur Terre s'écoule de 30 ans| D["Le cadet lors des retrouvailles : 50 ans"] C -->|Le temps ralentit en raison de la dilatation du temps, seulement 18 ans s'écoulent| E["L'aîné lors des retrouvailles : 38 ans"] D --> F{"Différence d'âge : 12 ans !"} E --> F style A fill:#ECEFF1,stroke:#333 style B fill:#C8E6C9,stroke:#333 style C fill:#BBDEFB,stroke:#333 style D fill:#81C784,stroke:#333,color:#fff style E fill:#64B5F6,stroke:#333,color:#fff style F fill:#FF9800,stroke:#333,color:#fff,stroke-width:2px

Le cœur du paradoxe : cela change-t-il selon le point de vue ?

Le fait que « l’aîné devienne plus jeune » est en soi un fait qui peut être déduit en appliquant des valeurs à l’équation de la théorie de la relativité (facteur de Lorentz), et c’est un phénomène physique qui est effectivement pris en compte dans les satellites GPS modernes (également appelé effet d’Urashima au Japon).

Cependant, le véritable « paradoxe » commence ici. L’une des règles les plus importantes de la théorie de la relativité est que « les lois de la physique s’appliquent de la même manière pour tous les observateurs se déplaçant à vitesse constante (le repos absolu n’existe pas) ».

Si nous appliquons cela à notre cas, une étrange contradiction apparaît.

Du point de vue du cadet sur Terre : « La fusée de mon frère s’est éloignée à une vitesse fulgurante, puis est revenue. Comme c’est mon frère qui était en mouvement, son temps s’est écoulé plus lentement, et il devrait donc être plus jeune. »
Du point de vue de l’aîné dans la fusée : « À l’intérieur de la fusée, je suis au repos. En regardant par la fenêtre, c’est la Terre qui s’est éloignée à une vitesse fulgurante, puis est revenue. Comme c’est mon frère sur Terre qui était en mouvement, son temps s’est écoulé plus lentement, et il devrait donc être plus jeune. »

Les deux affirmations sont fidèles au principe de la théorie de la relativité selon lequel « si l’autre semble être en mouvement, son temps s’écoule plus lentement ». Cependant, lorsque les deux se retrouvent et se tiennent côte à côte, il est impossible que « chacun soit plus jeune que l’autre ». L’un doit nécessairement être plus âgé et l’autre plus jeune.

Cela signifie-t-il que la théorie d’Einstein est fausse ?

La solution : la rupture de la « symétrie »

La clé de la résolution de ce paradoxe réside dans le fait que « les positions des deux frères ne sont pas complètement équivalentes (symétriques) ».

Le cadet est toujours resté sur Terre (un référentiel inertiel : un état de mouvement à vitesse constante ou de repos). Cependant, le voyage de l’aîné implique « accélération » et « décélération ».

Le vaisseau spatial de l’aîné doit passer par les étapes suivantes pour revenir sur Terre :

Quitter la Terre et accélérer.
Freiner à l’étoile de destination (décélération), faire demi-tour vers la Terre et accélérer à nouveau (demi-tour).
Arriver sur Terre et freiner (décélération).

Dans la théorie de la relativité, un observateur ressentant une accélération (ressentant la force G) est traité différemment d’un observateur se déplaçant à une vitesse constante (domaine de la théorie de la relativité générale).

En particulier, au moment où l’aîné effectue un « demi-tour (changement de direction par une forte accélération) » à l’étoile de destination, la symétrie entre les positions de l’aîné et du cadet s’effondre complètement. Au moment où l’aîné fait demi-tour et réaccélère vers la Terre, « l’horloge terrestre (l’âge du cadet) » vue par l’aîné est observée comme avançant d’un seul coup de plusieurs décennies.

En conséquence, lors des retrouvailles, seule la réalité mathématiquement calculée que « l’aîné a 38 ans et le cadet 50 ans » demeure, et la contradiction est parfaitement résolue.

Le paradoxe des jumeaux est l’une des expériences de pensée les plus belles de l’histoire de la physique, nous enseignant que notre bon sens selon lequel « le temps s’écoule de manière égale pour tous » n’est absolument pas valable face à l’immensité de l’univers et à la vitesse de la lumière.

Le maître et l'élève, un procès paradoxal quel que soit le gagnant : le paradoxe de Protagoras

Thu, 10 Sep 2026 21:00:00 +0900

Dans la Grèce antique, un jeune homme nommé Éuathlos est devenu le disciple de Protagoras, le plus grand des sophistes (professeur de rhétorique). Un contrat concernant le paiement des frais de scolarité a été conclu entre les deux :

Conditions du contrat : Après avoir terminé l’intégralité du cursus de rhétorique, Éuathlos paiera le solde de ses frais de scolarité à Protagoras dès qu’il aura gagné son premier procès.

Éuathlos était un excellent élève et a brillamment achevé l’ensemble du cursus de rhétorique. Cependant, après avoir terminé, il a refusé d’accepter le moindre procès pour une raison ou une autre. S’il ne va pas au tribunal, la condition de “gagner son premier procès” ne sera jamais remplie, et il n’aura donc pas à payer ses frais de scolarité.

Exaspéré, Protagoras a poursuivi Éuathlos en justice. En exigeant : “Paie tes frais de scolarité”.

Et c’est ici que commence le labyrinthe de la logique.

La logique du maître Protagoras

Au tribunal, Protagoras a argumenté ainsi :

“Juges, quoi qu’il arrive, je gagne.

Si je gagne ce procès, selon la décision du tribunal, Éuathlos devra me payer les frais de scolarité.
Si je perds ce procès, cela signifiera pour Éuathlos qu’il aura ‘gagné son premier procès’. Ainsi, la condition du contrat est remplie et, selon le contrat, il devra payer les frais de scolarité.

Dans les deux cas, il a l’obligation de payer les frais de scolarité.”

La logique de l’élève Éuathlos

Face à cela, Éuathlos ne se laissa pas faire.

“Juges, quoi qu’il arrive, je gagne.

Si je gagne ce procès, selon la décision du tribunal, je n’ai pas à payer de frais de scolarité.
Si je perds ce procès, je n’aurai pas encore ‘gagné mon premier procès’. Ainsi, la condition du contrat n’est pas remplie, et selon le contrat, je n’ai aucune obligation de payer les frais de scolarité.

Dans les deux cas, je n’ai pas à payer de frais de scolarité.”

graph TD A["Résultat du procès"] --> B["Protagoras gagne"] A --> C["Éuathlos gagne"] B --> B1["Jugement : Éuathlos paie"] B --> B2["Contrat : Éuathlos n'a pas gagné → il ne doit pas payer"] C --> C1["Jugement : Éuathlos ne doit pas payer"] C --> C2["Contrat : Première victoire d'Éuathlos → il doit payer"] B1 --> D{"Paradoxe ! Jugement vs Contrat"} B2 --> D C1 --> E{"Paradoxe ! Jugement vs Contrat"} C2 --> E style A fill:#ECEFF1,stroke:#333,stroke-width:2px style B fill:#4CAF50,color:#fff style C fill:#2196F3,color:#fff style D fill:#F44336,color:#fff,stroke-width:3px style E fill:#F44336,color:#fff,stroke-width:3px

Pourquoi y a-t-il une contradiction ?

La cause fondamentale de ce paradoxe est que deux systèmes de règles différents (la loi et le contrat) aboutissent à des décisions contradictoires.

Règle de la loi : Obéir au jugement du tribunal.
Règle du contrat : Obéir à la condition “payer en cas de victoire au premier procès”.

Normalement, la loi et le contrat fonctionnent comme des domaines indépendants, mais du fait que Protagoras a fait du “paiement des frais de scolarité” l’objet du litige, le résultat du procès lui-même a influencé les conditions du contrat, enfermant les deux systèmes dans une boucle auto-référentielle.

La réponse des juristes

Le juriste romain antique Aulu-Gelle a proposé la solution suivante à ce problème :

“Le tribunal devrait rendre un jugement favorable à Éuathlos (aucun paiement requis). En effet, il est vrai que les conditions du contrat ne sont pas encore remplies. Cependant, après ce jugement, Protagoras peut poursuivre Éuathlos une seconde fois. Car, la victoire d’Éuathlos lors du premier procès a rempli la condition du contrat. Lors du second procès, Protagoras gagnera.”

En d’autres termes, la réponse est que tenter de résoudre le paradoxe “en un seul procès simultanément” crée une contradiction, mais que la contradiction peut être résolue si l’affaire est traitée “en deux temps”.

Lien avec les paradoxes de l’auto-référence

Le paradoxe de Protagoras possède la même structure d’auto-référence que le “paradoxe du menteur (‘Cette phrase est fausse’)” ou le “paradoxe de Russell”. Une proposition (la conclusion du procès) influence les conditions mêmes (la réalisation du contrat) qui déterminent sa propre vérité ou fausseté.

Ce type de paradoxe est profondément lié aux problèmes montrant les limites fondamentales de la logique et du calcul, tels que le “problème de l’arrêt (il est impossible de créer un programme capable de déterminer si un autre programme s’arrêtera)” en informatique moderne, ou le théorème d’incomplétude de Gödel.

Le paradoxe de Protagoras est un avertissement vieux de 2400 ans qui nous enseigne que les systèmes de règles créés par l’homme (comme les lois ou les contrats) peuvent s’effondrer de l’intérieur à cause d’une auto-référence astucieuse.

Les émeraudes sont-elles vertes ou « vleues » (grue) ? : La nouvelle énigme de l'induction de Goodman

Thu, 10 Sep 2026 21:00:00 +0900

Nous prédisons le « futur » à partir de l’« expérience passée ». « Le soleil s’est levé à l’est hier, donc il se lèvera à l’est demain. » « Toutes les émeraudes vues jusqu’à présent étaient vertes, donc la prochaine émeraude déterrée sera aussi verte. »

Ce type de raisonnement est appelé « induction » et constitue la base de toute science. Cependant, en 1955, le philosophe Nelson Goodman a inventé un concept de couleur étrange pour montrer que cette induction présente un défaut fondamental. C’est le paradoxe de « vleu » (Grue).

Définition de la nouvelle couleur « vleu » (Grue)

Goodman a défini une nouvelle propriété (couleur) appelée « vleu » (Grue), combinant « vert » (Green) et « bleu » (Blue), de la manière suivante :

Définition de vleu (Grue) : Un objet est « vleu » si, observé avant un certain temps $t$ (par exemple, le 1er janvier 2030), il est « vert », et si, observé à partir du temps $t$, il est « bleu ».

$$ \text{Grue} = \begin{cases} \text{Green} & (\text{Temps} < t) \\ \text{Blue} & (\text{Temps} \ge t) \end{cases} $$

Selon cette définition, l’émeraude verte que vous tenez actuellement dans votre main (avant le temps $t$) est à la fois de couleur « verte » et de couleur « vleue ».

Pourquoi est-ce un paradoxe ?

Le paradoxe survient lorsque nous essayons de prédire l’avenir. Toutes les émeraudes que l’humanité a observées jusqu’à présent étaient « vertes ». Par conséquent, en utilisant l’induction, nous prédisons ce qui suit :

Hypothèse A : « Toutes les émeraudes sont “vertes” »

Mais attendez un instant. Comme toutes les émeraudes observées jusqu’à présent l’ont été avant le temps $t$, elles ont toutes également été de couleur « vleue ». Par conséquent, à partir des mêmes données d’observation, la prédiction suivante est également valable :

Hypothèse B : « Toutes les émeraudes sont de couleur “vleue” »

Si nous suivons les règles de l’induction, toutes les observations passées soutiennent l’hypothèse B avec « exactement la même force » qu’elles soutiennent l’hypothèse A.

graph TD A["Observations passées : Toutes les émeraudes étaient vertes"] -->|En même temps| B["Observations passées : Toutes les émeraudes étaient de couleur « vleue »"] A --> C["Prédiction inductive A : Les émeraudes futures seront également « vertes »"] B --> D["Prédiction inductive B : Les émeraudes futures seront également de couleur « vleue »"] C --> E["Restent vertes après le temps t"] D --> F["Deviennent « bleues » après le temps t !"] style C fill:#4CAF50,stroke:#333,color:#fff style D fill:#2196F3,stroke:#333,color:#fff style F fill:#F44336,stroke:#333,color:#fff,stroke-width:2px

Les émeraudes deviendront-elles bleues ?

Si l’hypothèse B est correcte, au moment où le temps $t$ arrivera, toutes les émeraudes du monde devront simultanément devenir « bleues » (d’après la définition de vleu).

Intuitivement, nous pensons : « C’est absurde. L’hypothèse B est un jeu de mots artificiel, et l’hypothèse A (vert) doit être la bonne. »

Cependant, la question de Goodman va beaucoup plus loin. Les hypothèses « verte » et « vleue » correspondent toutes deux parfaitement aux données passées, alors pourquoi considérons-nous que seule la prédiction « verte » est justifiée et rejetons-nous la prédiction « vleue » ? Quel est le « fondement logique » de cela ?

Un défi à l’« uniformité de la nature »

Pour éviter ce problème, une objection vient à l’esprit : « Nous devrions utiliser des concepts simples comme “vert”, et ne pas utiliser de concepts complexes incluant le temps comme “vleu”. »

Cependant, Goodman a montré à l’inverse que si l’on définit une couleur « blert » (Bleen : bleu jusqu’au temps $t$, puis vert par la suite), alors le concept même de « vert » devient un concept complexe dépendant du temps : « vleu jusqu’au temps $t$, et blert par la suite ». En d’autres termes, le choix des mots que nous considérons comme étant de « base » n’est qu’une question d’habitudes linguistiques.

Le paradoxe de « vleu » de Goodman (la nouvelle énigme de l’induction) a prouvé que les théories scientifiques ne sont pas déterminées uniquement par des données objectives, mais dépendent fortement du « cadre conceptuel (langage) que nous utilisons pour découper le monde ».

Même dans le contexte de l’IA et de l’apprentissage automatique, ce paradoxe conserve une signification importante aujourd’hui en tant que problème de « surapprentissage » (overfitting) ou de « biais ». Il montre que, même avec les mêmes données d’apprentissage, la prédiction pour l’avenir change complètement en fonction de la « structure du modèle (quelles caractéristiques sont privilégiées) ».

Nouvelle route, et pourtant les embouteillages empirent ? Le paradoxe de Braess

Thu, 10 Sep 2026 21:00:00 +0900

L’heure de pointe du matin. Alors que vous êtes frustré par les embouteillages quotidiens, une bonne nouvelle arrive. « Pour réduire les embouteillages, le département d’urbanisme a construit un tout nouveau raccourci ! » Tout le monde s’attendait à pouvoir dormir un peu plus longtemps à partir du lendemain.

Cependant, le jour suivant, lors de l’ouverture de la nouvelle route, loin d’améliorer la situation, elle a provoqué des embouteillages encore pires qu’avant, rallongeant le temps de trajet de tout le monde.

Il ne s’agit pas d’une légende urbaine ni d’un échec administratif. C’est un phénomène célèbre de la théorie des réseaux appelé « paradoxe de Braess », prouvé mathématiquement en 1968 par le mathématicien allemand Dietrich Braess.

Le modèle du paradoxe : 4 000 banlieusards

Voyons avec un modèle mathématique simple pourquoi ce phénomène de « plus de routes mais tout le monde est ralenti » se produit.

Il y a 4 000 conducteurs se rendant d’un point de départ (zone résidentielle) à un point d’arrivée (quartier d’affaires). Au début, il n’y avait que deux itinéraires possibles (l’itinéraire du haut et celui du bas) :

Itinéraire du haut : on prend la route étroite $A$, puis la grande autoroute $B$.
Itinéraire du bas : on prend la grande autoroute $C$, puis la route étroite $D$.

Les « routes étroites » s’engorgent lorsqu’il y a plus de voitures, le temps de trajet est donc de « nombre de voitures en circulation $\div 100$ » minutes. Les « grandes autoroutes » ne sont jamais embouteillées, peu importe le nombre de voitures, et le trajet prend toujours « 45 minutes ».

Temps de trajet 【Avant la construction de la route】

Les conducteurs étant intelligents, ils essaient de choisir l’itinéraire le plus rapide. En conséquence, les 4 000 personnes se répartissent équitablement entre l’itinéraire du haut (2 000 personnes) et l’itinéraire du bas (2 000 personnes).

Temps de trajet de l’itinéraire du haut : $\frac{2000}{100}$ min (route étroite) + $45$ min (autoroute) = $65$ minutes
Temps de trajet de l’itinéraire du bas : $45$ min (autoroute) + $\frac{2000}{100}$ min (route étroite) = $65$ minutes

Quel que soit l’itinéraire choisi, le temps de trajet se stabilise à « 65 minutes » pour tout le monde.

Le piège de la route de raccourci

Supposons maintenant que le maire construise « une rocade ultra-rapide de rêve permettant de se déplacer du point intermédiaire 1 au point intermédiaire 2 en 0 minute (instantanément) ».

Les conducteurs ont désormais une nouvelle option d’itinéraire. Un conducteur se trouvant au point de départ pense ainsi : « Il vaut mieux prendre la route étroite A plutôt que l’autoroute C (45 minutes). Même dans le pire des cas, si les 4 000 personnes choisissent A, cela ne prendra que 40 minutes (4000/100). »

Par conséquent, les 4 000 personnes se dirigent vers la « route étroite A ». Arrivés au point intermédiaire 1, ils réfléchissent à nouveau : « Il vaut mieux prendre la nouvelle rocade (0 minute) et utiliser la route étroite D plutôt que l’autoroute B (45 minutes). Même si tout le monde prend D, cela prendra au pire 40 minutes. »

Par conséquent, les 4 000 personnes prennent la « nouvelle rocade » et se dirigent vers la « route étroite D ».

Temps de trajet 【Après la construction de la route】

Suite au choix par chacun de la « solution la plus rapide (et rationnelle) pour soi », tout le monde finit par emprunter le même itinéraire (A → Nouvelle rocade → D).

Calculons ce temps de trajet :

Route étroite $A$ : $\frac{4000}{100} = 40$ min
Nouvelle rocade : $0$ min
Route étroite $D$ : $\frac{4000}{100} = 40$ min
Total : $80$ minutes

Incroyablement, malgré l’ajout d’un nouveau raccourci pratique, le temps de trajet de tout le monde s’est aggravé, passant de « 65 minutes » à « 80 minutes ».

Vous pourriez penser : « Il suffit qu’une seule personne prenne l’ancienne route (l’ancien itinéraire) ». Mais si une personne choisit l’ancien itinéraire passant par l’autoroute (45 minutes + 40 minutes = 85 minutes), cela sera encore plus lent que les 80 minutes actuelles, donc personne ne veut changer d’itinéraire. Dans la théorie des jeux, on dit que l’on a atteint un « équilibre de Nash ». Le fait que chacun prenne la décision optimale pour lui-même conduit au pire résultat pour l’ensemble.

Exemples dans le monde réel

Le paradoxe de Braess n’est pas qu’une simple théorie abstraite ; il a été observé à de nombreuses reprises dans le trafic urbain et les systèmes de réseaux du monde réel.

1969, Stuttgart, Allemagne : Une nouvelle route a été construite pour réduire les embouteillages, mais la circulation a empiré. Finalement, en fermant cette nouvelle route, la fluidité du trafic s’est améliorée.
1990, New York : Lors de l’événement du Jour de la Terre, la « 42e rue », haut lieu des embouteillages, a été complètement fermée. Contrairement aux attentes des experts en circulation, les embouteillages se sont considérablement résorbés dans l’ensemble de Manhattan.
Réseaux de communication : Le même phénomène peut se produire dans le routage Internet ou les réseaux électriques. Dès l’ajout d’un nouveau câble ou d’une nouvelle ligne, les paquets de données peuvent se concentrer sur ce qui semble être le « chemin le plus court et optimal », ce qui peut entraîner la panne de l’ensemble du réseau.

Le paradoxe de Braess illustre parfaitement le dilemme des sociétés complexes où « l’ensemble des choix rationnels individuels (l’égoïsme) » ne conduit pas nécessairement à « un résultat optimal pour tous ». Parfois, « retirer une option (une liberté) » peut s’avérer bénéfique pour le bien de tous.

Peut-on la remplir de peinture sans pouvoir en peindre la surface ? : La Trompette de Gabriel

Thu, 10 Sep 2026 21:00:00 +0900

Que se passerait-il s’il existait un récipient dont le “volume est fini, mais la surface est infinie” ? Intuitivement, cela semble impossible, mais un tel objet tridimensionnel existe bel et bien dans le monde des mathématiques. Il s’agit de la figure appelée “Trompette de Gabriel” (Gabriel’s Horn), également connue sous le nom de “Trompette de Torricelli”.

Découverte en 1641 par le mathématicien italien Evangelista Torricelli, cette figure a causé un grand choc aux mathématiciens et philosophes de l’époque, déclenchant un débat passionné sur la nature de l’“infini”.

Le paradoxe du peintre

Si l’on compare les propriétés de cette figure à de la “peinture” quotidienne, le curieux paradoxe suivant se produit :

Si l’on remplit la trompette de peinture : Le volume de la trompette étant fini (exactement $\pi$), il suffit d’y verser seulement $\pi$ litres (environ 3,14 litres) de peinture pour en remplir complètement l’intérieur.
Si l’on peint la surface de la trompette : La surface de la trompette est infinie. Par conséquent, si vous essayez de peindre la surface intérieure (ou extérieure) avec un pinceau, peu importe la quantité de peinture que vous préparez, vous ne finirez jamais de la peindre.

“On peut remplir l’intérieur avec 3,14 litres de peinture, mais il faut une quantité infinie de peinture pour en peindre la surface.” Pourquoi une telle situation contre-intuitive se produit-elle ?

graph TD A["Trompette de Gabriel"] --> B["Calcul du volume (Intégrale)"] A --> C["Calcul de la surface (Intégrale)"] B --> B1["Volume = π (Fini)"] B1 --> B2["L'intérieur peut être rempli de peinture"] C --> C1["Surface = ∞ (Infinie)"] C1 --> C2["La surface ne peut pas être entièrement peinte"] B2 --> D{"Paradoxe !"} C2 --> D style A fill:#FFD54F,stroke:#333,stroke-width:2px style B1 fill:#81C784,stroke:#333 style C1 fill:#E57373,stroke:#333,color:#fff style D fill:#F44336,stroke:#333,color:#fff,stroke-width:3px

Preuve mathématique : La magie du calcul

La trompette de Gabriel est créée en faisant tourner le graphique de la fonction $y = \frac{1}{x}$ (pour $x \ge 1$) autour de l’axe des $x$. Utilisons le calcul infinitésimal pour calculer le volume $V$ et la surface $A$ de ce solide.

1. Calcul du volume (Pourquoi il est fini)

Le volume $V$ du solide de révolution s’obtient en intégrant l’aire de la section transversale (un cercle de rayon $\frac{1}{x}$).

$$ V = \pi \int_{1}^{\infty} \left( \frac{1}{x} \right)^2 dx = \pi \int_{1}^{\infty} \frac{1}{x^2} dx $$

En calculant cette intégrale définie :

$$ V = \pi \left[ -\frac{1}{x} \right]_{1}^{\infty} = \pi (0 - (-1)) = \pi $$

Le résultat converge vers une valeur finie $\pi$.

2. Calcul de la surface (Pourquoi elle est infinie)

D’autre part, le calcul de la surface $A$ se fait comme suit :

$$ A = 2\pi \int_{1}^{\infty} y \sqrt{1 + \left(\frac{dy}{dx}\right)^2} dx $$

Puisque

$$ \frac{dy}{dx} = -\frac{1}{x^2} $$

, le contenu de la racine carrée devient $1 + \frac{1}{x^4}$. Ici, comme $\sqrt{1 + \frac{1}{x^4}} > 1$ pour tout $x \ge 1$, l’inégalité suivante est vérifiée :

$$ A > 2\pi \int_{1}^{\infty} \frac{1}{x} \cdot 1 dx = 2\pi \left[ \ln x \right]_{1}^{\infty} $$

Le logarithme naturel $\ln x$ diverge vers l’infini lorsque $x \to \infty$. Par conséquent, la surface $A$, qui est plus grande que cette valeur, divergera naturellement aussi vers l’infini.

Le “secret” de ce paradoxe

Même s’il peut être prouvé comme mathématiquement correct, il peut sembler peu convaincant d’un point de vue du monde réel. “Si l’on peut la remplir de peinture, la peinture touche la surface intérieure, donc la surface devrait également être peinte, n’est-ce pas ?”

Ce décalage de l’intuition provient de la confusion entre les concepts mathématiques et la réalité physique.

Dans le monde mathématique, “l’épaisseur” de la peinture peut être rendue infiniment mince, jusqu’à zéro. Bien que la trompette de Gabriel devienne infiniment étroite au fur et à mesure qu’elle avance, la peinture mathématique peut devenir aussi fine que possible et s’écouler au plus profond de son extrémité étroite, revêtant une surface infinie avec un volume fini (cependant, l’épaisseur de la couche de peinture se rapproche de zéro en direction de l’extrémité).

Cependant, dans le monde physique réel, la peinture est composée d’atomes et de molécules (des particules de taille finie). Même si l’on verse de la vraie peinture, dès que le tube de la trompette devient plus fin que le “diamètre d’une molécule de peinture”, la peinture ne peut plus avancer. En d’autres termes, il est physiquement impossible de la remplir jusqu’à son extrémité, ni d’en peindre la surface infinie.

La trompette de Gabriel est un bel exemple qui nous enseigne que l’intuition humaine est liée aux “règles du monde fini” et ne coïncide pas toujours avec le monde du calcul qui traite de l’“infini”.

Quand les mots se décrivent eux-mêmes : Le paradoxe de Grelling-Nelson

Thu, 10 Sep 2026 21:00:00 +0900

Les mots sont des outils pour décrire le monde, mais lorsque nous essayons de décrire les mots eux-mêmes, la logique peut tomber dans des pièges inattendus.

Conçu par Kurt Grelling et Leonard Nelson en 1908, le “Paradoxe de Grelling-Nelson (Grelling-Nelson Paradox)” est un célèbre paradoxe sémantique qui met en évidence les limites de cette “définition des mots par les mots”.

Classer les mots en deux catégories

Grelling et Nelson ont considéré que tous les adjectifs (ou mots) pouvaient être classés dans les deux groupes suivants :

Autologique (Autological) : Un mot qui possède lui-même la propriété qu’il décrit.
Hétérologique (Heterological) : Un mot qui ne possède pas lui-même la propriété qu’il décrit.

Regardons quelques exemples

Exemples de mots autologiques :

“Court” (short) : Ce mot lui-même est court.
“Français” (French) : Ce mot lui-même est français.
“Nom” (noun) : Ce mot est un nom.
“Pentasyllabique” (pentasyllabic) : En français, “pen-ta-syl-la-bique” a cinq syllabes.

Exemples de mots hétérologiques :

“Long” (long) : Ce mot lui-même est court, pas long.
“Allemand” (German) : Ce mot est en français (ou en anglais), et n’est pas en allemand.
“Invisible” (invisible) : Ce mot est parfaitement visible en ce moment sur l’écran ou le papier.

Jusqu’ici, cela ressemble à un simple jeu de mots. Chaque mot devrait nécessairement pouvoir être classé soit comme incarnant sa propre signification, soit comme ne l’incarnant pas.

La question fatale : l’émergence du paradoxe

C’est ici que commence le paradoxe. Considérons le mot suivant.

Le mot “Hétérologique” (Heterological) lui-même est-il autologique ou hétérologique ?

Face à cette question, nous sommes confrontés à une contradiction, quelle que soit la réponse choisie.

Cas 1 : Supposons que “Hétérologique” soit “Autologique”

Si le mot “Hétérologique” (Heterological) est “autologique”, alors par définition, il “possède la propriété que le mot lui-même signifie”. Cependant, la signification de ce mot est d’être “hétérologique”. En d’autres termes, avoir la propriété d’être “hétérologique” signifie qu’il est “hétérologique”. Nous avons supposé qu’il était autologique, mais le résultat est qu’il est devenu hétérologique. (Contradiction)

Cas 2 : Supposons que “Hétérologique” soit “Hétérologique”

Si le mot “Hétérologique” (Heterological) est “hétérologique”, alors par définition, il “ne possède pas la propriété que le mot lui-même signifie”. Comme la signification de ce mot est “hétérologique”, ne pas posséder cette propriété signifie qu’il est “autologique”. Nous avons supposé qu’il était hétérologique, mais le résultat est qu’il est devenu autologique. (Contradiction)

La logique s’effondre dans les deux cas.

graph TD A["Mot 'Hétérologique' (Heterological)"] --> B{"Dans quelle catégorie le classer ?"} B -->|Il est autologique| C["Définition : Il possède sa propre signification"] C --> D["Sa propre signification est 'hétérologique'"] D --> E["Résultat : Il est hétérologique !"] E -->|Contradiction| B B -->|Il est hétérologique| F["Définition : Il ne possède pas sa propre signification"] F --> G["Sa propre signification est 'hétérologique'"] G --> H["Résultat : Il est autologique !"] H -->|Contradiction| B style A fill:#4CAF50,stroke:#333,stroke-width:2px,color:#fff style B fill:#FF9800,stroke:#333,stroke-width:2px,color:#fff style E fill:#F44336,stroke:#333,stroke-width:2px,color:#fff style H fill:#F44336,stroke:#333,stroke-width:2px,color:#fff

Lien avec les mathématiques et la logique : un parent du paradoxe de Russell

Ce paradoxe n’est pas une simple erreur de calcul ou une illusion comme l’“énigme du dollar manquant”. Il a fondamentalement la même structure que le paradoxe de Russell (“L’ensemble de tous les ensembles qui ne se contiennent pas eux-mêmes se contient-il lui-même ?”), qui a ébranlé les fondements des mathématiques.

Le paradoxe de Grelling-Nelson peut être vu comme la version sémantique (la signification des mots) du paradoxe de Russell.

Le paradoxe de Russell dans la théorie des ensembles : Lorsqu’on définit l’ensemble

$$ R = \{ x \mid x \notin x \} $$

demander si $R \in R$ ou $R \notin R$ conduit à une contradiction.

Le paradoxe de Grelling-Nelson en sémantique : Si l’on définit $Het(x)$ comme “le mot $x$ n’a pas la propriété $x$ (est hétérologique)”, on tombe dans la contradiction logique :

$$ Het(\text{"Het"}) \iff \neg Het(\text{"Het"}) $$

Pourquoi ce paradoxe est-il important ?

Lorsqu’un mot fait référence à lui-même (auto-référence), il y a toujours un risque d’erreurs s’apparentant à une boucle infinie.

Ce n’est pas seulement un problème de philosophie ou de linguistique. En informatique et en intelligence artificielle, lorsque des programmes tentent d’évaluer ou de modifier leur propre code, ou lorsque les modèles de traitement du langage naturel interprètent des contradictions sémantiques, ils se heurtent à des barrières logiques similaires.

Le paradoxe de Grelling-Nelson est une expérience de pensée qui visualise brillamment les bugs (limites) inhérents au système qu’est le “langage”.

Si l'on retire un grain de sable, quand un tas de sable cesse-t-il d'être un tas ? : Le paradoxe sorite

Thu, 10 Sep 2026 21:00:00 +0900

Imaginons un beau tas constitué de 10 000 grains de sable. Tout le monde s’accorde à dire qu’il s’agit bien d’un « tas de sable ». Retirons-en un seul grain. 9 999 grains. C’est toujours un tas, n’est-ce pas ? Retirons-en encore un. 9 998 grains. C’est encore un tas.

Poursuivons cette opération. Le simple retrait d’un grain ne devrait pas transformer un « tas de sable » en « quelque chose qui n’est pas un tas ». Pourtant, si l’on répète indéfiniment ce raisonnement, on finit par ne plus avoir qu’un seul grain de sable.

Un seul grain de sable est-il un « tas » ?

Bien sûr, personne n’appellerait un seul grain de sable un « tas ». Et pourtant, nous n’avons jamais réfuté la prémisse selon laquelle « retirer un grain ne change pas le fait qu’un tas reste un tas ». Le raisonnement se brise quelque part, mais à partir de combien de grains le tas cesse-t-il d’être un tas ?

C’est le « paradoxe sorite » (ou paradoxe du tas de sable), qui remonte au philosophe grec Eubulide, au IVᵉ siècle avant J.-C.

Structure logique

Ce paradoxe peut être formulé sous la forme d’un syllogisme :

Prémisse 1 : Un ensemble de 10 000 grains de sable constitue un « tas ». Prémisse 2 : Si l’on retire un grain d’un tas de sable, celui-ci reste un « tas ». Conclusion : Par conséquent, un seul grain de sable est aussi un « tas ».

Prises individuellement, les prémisses 1 et 2 semblent parfaitement raisonnables. Cependant, l’application répétée de la prémisse 2 conduit à une conclusion manifestement fausse.

Pourquoi ce paradoxe est-il insoluble ?

Le cœur du paradoxe du tas de sable réside dans le fait que le mot « tas » est intrinsèquement ambigu. Il n’existe pas de définition précise (de seuil) indiquant « à partir de combien de grains on a un tas ». Ce type de concept est appelé « prédicat vague » (vague predicate).

Notre langage quotidien regorge de tels mots ambigus.

« Grand » : à partir de combien de centimètres ? Une personne de 180 cm est « grande ». Et si on lui retire 1 mm ? Encore 1 mm ?
« Riche » : à partir de quel patrimoine ? Avec 10 milliards de yens, on est « riche ». Et si on retire 1 yen ?
« Chauve » : en dessous de combien de cheveux ? Avec 0 cheveu, on est « chauve ». Et si un cheveu repousse ?

Tous ces exemples possèdent exactement la même structure que le paradoxe du tas de sable.

Les approches des philosophes

1. L’approche épistémique (la frontière existe)

Selon cette approche, « il existe en réalité une frontière nette entre le tas et le non-tas, mais l’être humain n’a tout simplement pas la capacité de la percevoir ». Par exemple, il existerait une limite précise telle que « 5 837 grains forment un tas, mais 5 836 grains n’en forment pas », que nous serions incapables de connaître.

Du point de vue de la logique formelle, cette position est satisfaisante, mais beaucoup de gens la trouvent intuitivement insatisfaisante.

2. La logique floue (valeurs de vérité graduées)

En logique classique, une proposition est soit « vraie » soit « fausse ». En logique floue, elle peut prendre une valeur comprise entre 0 et 1.

Par exemple :

10 000 grains de sable → « degré de tas = 1,0 (parfaitement un tas) »
5 000 grains → « degré de tas = 0,7 »
100 grains → « degré de tas = 0,1 »
1 grain → « degré de tas = 0,0 (parfaitement non-tas) »

Cette méthode est pragmatique, mais elle ne résout pas entièrement le paradoxe. En effet, une nouvelle ambiguïté surgit : « quelle est la différence entre un degré de tas de 0,7 et de 0,699 ? »

3. Le supervaluationnisme (Supervaluationism)

Selon cette conception, on considère simultanément toutes les frontières raisonnables possibles pour le mot « tas ». Si toutes les frontières classent l’ensemble comme « tas », alors c’est « assurément un tas ». Si toutes le classent comme « non-tas », alors c’est « assurément un non-tas ». Le domaine où les avis divergent est qualifié d’« indéterminé ».

Impact sur la société contemporaine

Le paradoxe du tas de sable n’est pas un simple jeu de mots : il soulève des problèmes graves dans le monde réel du droit et des politiques publiques.

L’âge de la majorité : à 17 ans et 364 jours, on est « enfant » ; à 18 ans et 0 jour, on est « adulte ». Qu’est-ce qui change fondamentalement en une journée ?
Le seuil de pauvreté : si le revenu annuel est inférieur de 1 yen au montant de référence, on est « pauvre » ; s’il est supérieur de 1 yen, on ne l’est pas.
Les réglementations environnementales : si les émissions de polluants dépassent la valeur limite de 0,001 mg, c’est illégal. Si elles sont exactement à la limite, c’est légal.

Le langage et la pensée humaine comportent une part intrinsèque d’ambiguïté, et tenter de découper le monde en dichotomies nettes est peut-être en soi une entreprise vouée à l’échec. Le paradoxe du tas de sable est un paradoxe qui, depuis plus de 2 400 ans, continue de tourmenter les philosophes et met en lumière les limites fondamentales de l’intelligence humaine.

Une flèche en plein vol est-elle immobile ? : Le paradoxe de la flèche de Zénon

Thu, 10 Sep 2026 21:00:00 +0900

Une flèche tirée par un arc vole dans les airs. Cette flèche est certainement en mouvement. Cependant, le philosophe grec du 5ème siècle avant J.-C., Zénon, a développé la logique redoutable suivante :

« Une flèche en plein vol est en réalité immobile »

Ce n’est ni une blague ni un sophisme, mais le « Paradoxe de la flèche », débattu sérieusement par les mathématiciens et les philosophes depuis 2500 ans.

L’argument de Zénon

L’argument de Zénon prend pour point de départ le concept d’« instant du temps ».

Le temps est une succession d’« instants ».
Si l’on isole un instant (un point où la durée est de zéro) comme une « photographie », la flèche se « trouve » à un point précis de l’espace.
À cet instant, la flèche ne fait qu’« occuper » cet espace et ne bouge pas. (Si elle bougeait, cela nécessiterait un « intervalle de temps » et non un « instant »).
Cela est vrai pour n’importe quel instant.
Si la flèche est immobile à chaque instant du temps, quand bouge-t-elle ?

graph TD A["Flèche en vol"] --> B["Le temps est une succession d'instants"] B --> C["Instant t1 : La flèche est immobile à la position A"] B --> D["Instant t2 : La flèche est immobile à la position B"] B --> E["Instant t3 : La flèche est immobile à la position C"] C --> F{"À chaque instant, la flèche est immobile"} D --> F E --> F F --> G["Conclusion : La flèche ne bouge pas !"] style A fill:#2196F3,color:#fff style F fill:#FF9800,color:#fff,stroke-width:2px style G fill:#F44336,color:#fff,stroke-width:3px

Intuition contre Logique

« C’est ridicule. La flèche vole bel et bien », telle serait la première réaction de la plupart des gens. Cependant, il est en réalité très difficile de pointer logiquement où réside l’erreur dans l’argument de Zénon.

En fait, on raconte que le philosophe grec antique Diogène s’est contenté de se lever et de faire les cent pas dans la pièce pour montrer à Zénon : « Regarde, ça bouge ». Toutefois, cela ne réfute pas la logique de Zénon. Ce que demande Zénon n’est pas « s’il est possible de bouger », mais « si nous pouvons expliquer sans contradiction avec notre logique ce que signifie bouger ».

La (tentative de) solution par le calcul infinitésimal

Le calcul infinitésimal, inventé par Newton et Leibniz au 17ème siècle, a fourni une réponse mathématique (du moins en partie) à ce paradoxe.

Dans le calcul infinitésimal, la « vitesse à un instant donné (vitesse instantanée) » est définie comme suit :

$$ v(t) = \lim_{\Delta t \to 0} \frac{\Delta x}{\Delta t} $$

C’est-à-dire que la vitesse est définie comme la « limite » où l’on divise la variation de position $\Delta x$ par la variation de temps $\Delta t$, alors que $\Delta t$ s’approche infiniment de zéro.

Le point clé ici est que la « vitesse instantanée » n’est pas la distance parcourue dans un intervalle de temps nul. C’est une quantité définie comme la « tendance » d’un changement infime juste avant et après cet instant, en d’autres termes, une « limite ».

Par conséquent, la réponse du point de vue du calcul infinitésimal serait la suivante :

« Il est vrai que si l’on isole un instant de durée nulle, la flèche ne se déplace pas ‘dans’ cet instant. Toutefois, même à cet instant, la flèche possède la propriété de ‘vitesse instantanée (une valeur limite non nulle)’. ‘Être au repos’ signifie que la ‘vitesse instantanée est nulle’, mais comme la vitesse instantanée d’une flèche en vol n’est pas nulle, on ne peut pas dire que la flèche est ‘au repos’. »

Questions philosophiques restantes

Le calcul infinitésimal a apporté une solution pratique au paradoxe de Zénon, mais d’un point de vue philosophique, la question n’est pas totalement réglée.

Le concept de « limite » n’est qu’un outil mathématique (une procédure de calcul) et ne répond pas strictement aux questions fondamentales telles que « qu’est-ce physiquement que la plus petite unité de temps (un instant) ? », « qu’est-ce que la continuité ? » ou « quelle est l’essence du mouvement ? ».

En physique moderne (mécanique quantique), la possibilité qu’il existe également des unités minimales pour le temps et l’espace (le temps de Planck, la longueur de Planck) est débattue, et si le temps est « discret (numérique) » plutôt que « continu », le paradoxe de Zénon pourrait nécessiter d’être réévalué dans un contexte complètement différent.

La flèche de Zénon, même après 2500 ans, continue de nous interroger sur « ce qu’est le mouvement » et « ce qu’est le temps ».

Voir une pomme bleue prouve-t-il que « les corbeaux sont noirs » ? : Les corbeaux de Hempel

Thu, 10 Sep 2026 21:00:00 +0900

Comment les scientifiques prouvent-ils une théorie ? En général, ils utilisent l’« induction », qui consiste à observer le monde et à recueillir des données. Par exemple, si vous voulez prouver l’hypothèse selon laquelle « tous les corbeaux sont noirs », vous observerez les corbeaux du monde entier et confirmerez un par un qu’ils sont noirs.

Cependant, dans les années 1940, le logicien Carl Hempel a souligné une étrange faille logique cachée dans cette méthode scientifique évidente. Il s’agit du paradoxe des corbeaux de Hempel (Hempel’s Ravens), selon lequel « le simple fait de voir une pomme bleue ou des chaussures rouges devient une preuve que ’les corbeaux sont noirs’ ».

Substitution logique : la magie de la contraposée

Pour comprendre l’argument de Hempel, il faut se rappeler du concept de « contraposée » appris au lycée en mathématiques.

En logique, si une proposition « Si A, alors B » est vraie, sa contraposée « Si non B, alors non A » est obligatoirement vraie (c’est ce qu’on appelle l’équivalence logique).

Hypothèse $H_1$ : « Tous les corbeaux sont noirs (Si c’est un corbeau, alors c’est noir) »

Prenons la contraposée de cette hypothèse $H_1$. Cela devient « Si ce n’est pas noir, alors ce n’est pas un corbeau ».

Hypothèse $H_2$ : « Tout ce qui n’est pas noir n’est pas un corbeau »

Selon les règles de la logique, $H_1$ et $H_2$ ont exactement la même signification (équivalence). Si l’une est prouvée, l’autre est automatiquement prouvée.

Prouver les corbeaux sans voir de corbeaux

Or, pour vérifier l’hypothèse $H_1$ (les corbeaux sont noirs), chaque fois que l’on trouve un corbeau noir, la probabilité (la preuve) de l’hypothèse se renforce un peu. C’est quelque chose que tout le monde accepte.

Cependant, puisque $H_1$ et $H_2$ ont la même signification, trouver une preuve pour l’hypothèse $H_2$ (ce qui n’est pas noir n’est pas un corbeau) devrait être directement une preuve pour l’hypothèse $H_1$.

Alors, quelle est la preuve de $H_2$ ? Il suffit de trouver « quelque chose qui n’est ni noir, ni un corbeau ».

Supposons qu’il y ait une « pomme bleue » sur la table. Ce n’est ni noir, ni un corbeau. C’est donc une preuve à l’appui de $H_2$.
Il y avait des « chaussures rouges » dans le placard. Celles-ci ne sont ni noires, ni des corbeaux. C’est une preuve de $H_2$.
Des « nuages blancs » flottent dans le ciel. C’est aussi une preuve de $H_2$.

Puisque la preuve de $H_2$ a la même valeur que la preuve de $H_1$, la conclusion étrange suivante est logiquement déduite :

« Plus vous observez de pommes bleues ou de chaussures rouges dans une pièce, plus vous prouvez que l’hypothèse ’tous les corbeaux sont noirs’ est correcte. »

graph TD A["Proposition H1 : Tous les corbeaux sont noirs"] <-->|Équivalence logique (Contraposée)| B["Proposition H2 : Ce qui n'est pas noir n'est pas un corbeau"] C["Observation : Corbeau noir"] -->|Sert de preuve| A D["Observation : Pomme bleue"] -->|Sert de preuve| B D -.->|Par conséquent, cela devrait aussi être une preuve ?| A style A fill:#4CAF50,stroke:#333,stroke-width:2px,color:#fff style B fill:#4CAF50,stroke:#333,stroke-width:2px,color:#fff style C fill:#2196F3,stroke:#333,color:#fff style D fill:#FF9800,stroke:#333,color:#fff

Pourquoi cela va-t-il à l’encontre de l’intuition ?

Il n’y a aucun ornithologue au monde dont la conviction que « les corbeaux sont noirs » se renforce en voyant une pomme bleue. Bien que cela soit parfaitement correct d’un point de vue logique, pourquoi notre bon sens le rejette-t-il ?

Dans le monde de la philosophie et de la statistique, plusieurs approches ont été proposées pour résoudre ce paradoxe.

1. La solution bayésienne (différence de quantité d’information)

La contre-argumentation la plus puissante du point de vue des statistiques modernes (probabilités bayésiennes) se concentre sur la différence de « force de la preuve (quantité d’information) ».

Il y a infiniment plus de « choses qui ne sont pas noires » dans le monde que de « choses noires », et il y a astronomiquement plus de « choses qui ne sont pas des corbeaux » que de « corbeaux ».

Lorsque vous voyez une pomme bleue, c’est certes une preuve que « tous les corbeaux sont noirs », mais sa valeur en tant que preuve (l’augmentation de la probabilité) est infiniment proche de zéro. Le fait de confirmer l’existence d’une des innombrables « choses qui ne sont pas noires » dans le vaste univers n’augmente la probabilité que « les corbeaux soient noirs » que de l’ordre d’un grain de sable retiré d’un désert. D’un autre côté, trouver directement un corbeau noir a une valeur de preuve écrasante.

En d’autres termes, la solution bayésienne est que logiquement « une pomme bleue est une preuve », mais en pratique « sa valeur en tant que preuve est égale à zéro, donc elle peut être ignorée ».

2. Les limites de l’« ornithologie de salon »

Ce paradoxe met en évidence à quel point le fondement même de la science, « l’induction (déduire des lois générales à partir d’observations) », repose sur des prémisses fragiles. Si l’on ne se fie qu’à l’équivalence logique, une « ornithologie de salon » devient possible, où l’on pourrait vérifier n’importe quelle loi de l’univers (« tous les cygnes sont blancs », « tous les extraterrestres ne sont pas verts », etc.) simplement en observant les objets hétéroclites dans sa chambre sans jamais sortir.

Les corbeaux de Hempel est un paradoxe fascinant qui montre que les mots « preuve » et « prouver » que nous utilisons inconsciemment ne peuvent pas être pleinement appréhendés uniquement par les règles de la logique symbolique pure.

Vos amis ont plus d'amis que vous : le paradoxe de l'amitié

Thu, 10 Sep 2026 21:00:00 +0900

“Les gens autour de moi ont plus d’amis que moi et ont l’air de tellement s’amuser…” Avez-vous déjà ressenti cela en parcourant les réseaux sociaux ?

En fait, si vous ressentez cela, ce n’est pas à cause de votre personnalité, ni parce que vous n’êtes pas populaire. C’est un fait mathématique prouvé par la théorie des réseaux et les statistiques, appelé le “Paradoxe de l’amitié” (Friendship Paradox).

Découvert en 1991 par le sociologue Scott Feld, ce paradoxe explique un phénomène contre-intuitif : “La plupart des gens ont moins d’amis que leurs propres amis”.

Pourquoi “les amis ont-ils plus d’amis” ?

Pour faire court, cela est dû à un simple biais d’échantillonnage où “les personnes ayant beaucoup d’amis (les personnes populaires) apparaissent dans les listes d’amis de beaucoup de gens”.

Prenons un réseau (graphe) simple pour comprendre.

graph TD A["Alice (1 ami)"] --- C["Charlie (3 amis)"] B["Bob (1 ami)"] --- C C --- D["David (1 ami)"] style A fill:#4FC3F7,stroke:#333,stroke-width:2px style B fill:#4FC3F7,stroke:#333,stroke-width:2px style C fill:#FF9800,stroke:#333,stroke-width:4px style D fill:#4FC3F7,stroke:#333,stroke-width:2px

Dans ce petit monde, il y a quatre personnes : Alice, Bob, Charlie et David. Charlie est le “populaire” et est ami avec les trois autres. Les trois autres ne sont amis qu’avec Charlie.

Regardons le nombre d’amis de chacun :

Nombre d’amis d’Alice : 1
Nombre d’amis de Bob : 1
Nombre d’amis de David : 1
Nombre d’amis de Charlie : 3 Le nombre moyen d’amis pour tout le monde est de $(1 + 1 + 1 + 3) / 4 = 1.5$ personne.

Ensuite, calculons “la moyenne du nombre d’amis des amis” pour chaque personne :

Nombre d’amis de l’ami d’Alice (Charlie) : 3
Nombre d’amis de l’ami de Bob (Charlie) : 3
Nombre d’amis de l’ami de David (Charlie) : 3
Moyenne du nombre d’amis des amis de Charlie (Alice, Bob, David) : $(1 + 1 + 1) / 3 = 1$

Maintenant, comparons “soi-même” à “la moyenne de ses amis” pour chaque personne :

Alice : Soi-même (1) < Moyenne de ses amis (3)
Bob : Soi-même (1) < Moyenne de ses amis (3)
David : Soi-même (1) < Moyenne de ses amis (3)
Charlie : Soi-même (3) > Moyenne de ses amis (1)

3 personnes sur 4 (75 % des personnes) se trouvent dans une situation où “leurs amis ont plus d’amis qu’eux-mêmes”. La présence de Charlie, la personne populaire, augmente fortement “la moyenne des amis” de tous ceux qui l’entourent.

Preuve mathématique : la variance est la clé

Exprimons cela avec des formules mathématiques. Dans la théorie des réseaux, soit $k(v)$ le nombre d’amis (le degré) d’une personne $v$. Soit $\mu$ le nombre moyen d’amis dans l’ensemble du réseau, et $\sigma^2$ la variance du nombre d’amis.

Selon la preuve de Feld, l’espérance du “nombre d’amis d’un ami choisi au hasard” est la suivante :

$$ \text{Moyenne du nombre d'amis des amis} = \mu + \frac{\sigma^2}{\mu} $$

La variance $\sigma^2$ est toujours une valeur supérieure ou égale à 0. En d’autres termes, à l’exception de la situation improbable où tout le monde a exactement le même nombre d’amis ($\sigma^2 = 0$), l’inégalité suivante est toujours vraie :

$$ \mu + \frac{\sigma^2}{\mu} > \mu $$

“La moyenne du nombre d’amis des amis” est toujours strictement supérieure au “nombre moyen d’amis global”.

Dans le monde réel et sur les réseaux sociaux (comme X ou Instagram), une toute petite fraction de personnes possède des millions de followers (amis), tandis que la grande majorité n’en a que quelques dizaines à quelques centaines. En d’autres termes, comme la variance $\sigma^2$ est extrêmement grande, l’effet de ce paradoxe est encore plus puissant.

Application : Pandémies et vaccination

Le paradoxe de l’amitié ne se limite pas à la simple psychologie des réseaux sociaux. Il a des applications très efficaces pour des problèmes de société réels, notamment en ce qui concerne les mesures contre les maladies infectieuses.

Supposons que vous n’ayez qu’un nombre limité de vaccins et que vous ne sachiez pas à qui les administrer. Il existe une méthode plus efficace que la vaccination aléatoire :

Choisissez des personnes au hasard.
N’administrez pas le vaccin à ces personnes elles-mêmes, mais à une personne qu’elles désignent comme “ami”.

Pourquoi ? Grâce au paradoxe de l’amitié, les “amis” des personnes choisies au hasard ont en moyenne une plus grande probabilité d’avoir plus de connexions (d’être des hubs). En donnant la priorité à la vaccination des personnes ayant beaucoup de connexions, on peut ralentir considérablement la propagation de l’infection à l’ensemble du réseau.

Conclusion

Lorsque vous regardez les réseaux sociaux et que vous vous dites : “Tout le monde a plus d’amis que moi et a une vie épanouie”, ce n’est pas une illusion de votre part, mais une fatalité mathématique créée par la structure du réseau.

Parce que les personnes populaires apparaissent dans les réseaux de nombreuses personnes, nous sommes inévitablement obligés de n’observer que des “personnes populaires au-dessus de la moyenne” comme échantillons. La prochaine fois que vous vous sentirez déprimé(e) sur les réseaux sociaux, n’hésitez pas à vous souvenir de cette formule :

$$ \mu + \frac{\sigma^2}{\mu} > \mu $$

Le paradoxe de Richard : la contradiction provoquée par les nombres décimaux infinis et l'"argument de la diagonale"

Thu, 10 Sep 2026 12:00:00 +0900

1. La liste des nombres définissables par des mots

Le “paradoxe de Richard”, présenté en 1905 par le mathématicien français Jules Richard, est en quelque sorte le parent du “paradoxe de Berry” que nous avons vu précédemment. Cependant, celui-ci est plus mathématique et contient une contradiction profonde qui semble scruter l’infini.

Tout d’abord, imaginez que nous rassemblons “tous les nombres réels (décimaux) compris entre 0 et 1 qui peuvent être parfaitement définis par une phrase en français”.

Par exemple, des nombres comme ceux-ci :

“Zéro virgule cinq” $\rightarrow$ $0.5$
“Un tiers” $\rightarrow$ $0.333333...$
“Le nombre formé par les décimales de pi” $\rightarrow$ $0.14159265...$

Puisque les combinaisons de phrases pouvant être exprimées en français ne sont que des réarrangements de lettres trouvées dans le dictionnaire, il est possible de leur donner un “ordre”. (Par exemple, en les triant par ordre croissant du nombre de lettres, et à nombre de lettres égal, par ordre alphabétique.)

Ainsi, nous avons pu créer une liste numérotée à l’infini (1er, 2e, 3e…) de “tous les nombres réels définissables en français”.

$$ \begin{align*} r_1 &= 0.\mathbf{3}333... \\ r_2 &= 0.5\mathbf{0}00... \\ r_3 &= 0.14\mathbf{1}5... \\ r_4 &= 0.777\mathbf{7}... \\ &\vdots \end{align*} $$

Dans cette liste, “absolument tous les nombres réels définissables en français” devraient être parfaitement répertoriés, sans aucune exception.

2. La technique diabolique : l’“argument de la diagonale”

C’est ici que Richard effectue une opération terrifiante. Il crée artificiellement un “nouveau nombre $X$ complètement inédit”, de telle sorte qu’il évite tous les nombres de la liste.

La méthode de fabrication est simple.

Regardez la 1ère décimale du 1er nombre de la liste (dans l’exemple ci-dessus, $3$). Ajoutez $1$ à ce chiffre, et cela devient la 1ère décimale de $X$ ($3+1=4$).
Regardez la 2e décimale du 2e nombre de la liste (dans l’exemple ci-dessus, $0$). Ajoutez $1$ à ce chiffre, et cela devient la 2e décimale de $X$ ($0+1=1$).
Regardez la 3e décimale du 3e nombre de la liste (dans l’exemple ci-dessus, $1$). Ajoutez $1$ à ce chiffre, et cela devient la 3e décimale de $X$ ($1+1=2$).

※ Si le chiffre d’origine est $9$, on suppose qu’il revient à $0$.

graph TD subgraph "Les nombres réels listés" R1["r1 = 0.[3]33..."] R2["r2 = 0.5[0]0..."] R3["r3 = 0.14[1]..."] R4["r4 = 0.777[7]..."] end subgraph "Le nouveau nombre créé X" X["X = 0.4128..."] end R1 -->|Ajouter 1 à la 1ère décimale| X R2 -->|Ajouter 1 à la 2e décimale| X R3 -->|Ajouter 1 à la 3e décimale| X R4 -->|Ajouter 1 à la 4e décimale| X style X fill:#aaffaa,stroke:#333,stroke-width:2px

Le nouveau nombre $X$ créé de cette manière (dans l’exemple ci-dessus, $X = 0.4128...$) ne correspondra absolument jamais à aucun nombre de la liste. Pourquoi ? Parce que la “$n$-ième décimale” est intentionnellement décalée par rapport au $n$-ième nombre de la liste. (Cette technique, inventée par le génial mathématicien Cantor pour prouver la grandeur infinie des nombres réels, est appelée l’“argument de la diagonale”.)

3. L’achèvement du paradoxe de Richard

Maintenant, voici le paradoxe.

Nous venons tout juste de créer un nouveau nombre $X$. Et la “règle” pour créer ce $X$ est parfaitement expliquée (définie) par la phrase en français que je viens d’écrire ci-dessus.

En d’autres termes, $X$ est un “nombre réel définissable en français”.

Cependant, souvenez-vous de la prémisse initiale. “Les nombres réels définissables en français” devaient être tous répertoriés dans la première liste ($r_1, r_2, r_3...$). Pourtant, $X$ a été conçu de manière à ne correspondre à aucun nombre de la liste.

$X$ doit exister dans la liste (car il a été défini en français).
$X$ ne doit pas exister dans la liste (car il a été conçu par l’argument de la diagonale pour être différent de tous les nombres de la liste).

C’est une contradiction parfaite ! C’est le paradoxe de Richard.

4. Pourquoi la logique s’est-elle effondrée ? (Le piège du métalangage)

La cause de ce paradoxe, tout comme le paradoxe de Berry, réside dans la confusion des “niveaux de langage”.

Pour faire des mathématiques de manière rigoureuse, il faut séparer clairement la “liste des nombres cibles (le langage objet)” et les “règles qui parlent de l’extérieur des propriétés de cette liste (le métalangage)”.

La liste de Richard est un rassemblement de “définitions de nombres calculables”. Cependant, la règle pour créer le nouveau nombre $X$, “regarder la $n$-ième décimale du $n$-ième nombre de la liste”, est une opération du “métalangage” qui ne peut être exécutée qu’en observant la liste elle-même de l’extérieur.

Le paradoxe de Richard a explosé en une contradiction interne parce qu’il a tenté de glisser secrètement ce “nombre métalinguistique $X$ créé en manipulant la liste de l’extérieur” à l’intérieur de la “liste interne”.

5. Le passage de témoin à Gödel

Le paradoxe de Richard a provoqué une grande onde de choc dans le monde mathématique de l’époque. “Le langage humain (et les systèmes logiques), si l’on n’y prend pas garde, peuvent rapidement générer des contradictions internes. Que doit-on faire pour rendre les mathématiques parfaites et exemptes de contradictions ?”

En 1931, c’est Kurt Gödel, un jeune mathématicien de génie de 25 ans, qui a apporté une conclusion définitive à ce problème. Gödel a parfaitement traduit et reproduit la structure de ce paradoxe, que Richard avait provoqué en utilisant “l’ambiguïté du langage humain”, à l’aide de “formules mathématiques rigoureuses (nombres de Gödel)”.

Le résultat qui en a découlé est le célèbre “théorème d’incomplétude de Gödel”. C’était une découverte majeure démontrant les limites du savoir humain : “Aussi rigoureusement que vous définissiez les règles mathématiques, il y aura toujours dans ces règles des ‘vérités qui ne peuvent être ni prouvées ni réfutées’ (les mathématiques sont incomplètes).”

Le paradoxe de Richard a commencé comme un simple jeu de mots contradictoire, pour évoluer ensuite en l’arme ultime permettant de briser “l’absoluité” de la discipline mathématique elle-même.

Le paradoxe de Berry : la contradiction de vouloir définir des « nombres » avec des « mots »

Thu, 10 Sep 2026 11:00:00 +0900

1. Exprimer des nombres avec des mots

Nous utilisons couramment non seulement des « chiffres arabes (1, 2, 3…) », mais aussi des « mots (en japonais, en français ou autre) » pour exprimer des nombres.

Par exemple, le nombre « $10$ » peut être exprimé de différentes manières avec des mots en japonais :

« じゅう » (dix, 3 caractères)
« ごの2ばい » (le double de 5, 5 caractères)
« ひゃくの10ぶんの1 » (le dixième de 100, 9 caractères)

Ainsi, considérons le fait d’expliquer un certain nombre en utilisant les « caractères de la langue japonaise ». Nous imposerons une limite au nombre de caractères utilisables. Ici, nous considérerons les nombres pouvant être exprimés avec « 19 caractères ou moins » en japonais.

Naturellement, il y a une limite aux nombres qui peuvent être exprimés en 19 caractères ou moins. En effet, le nombre de types de caractères japonais (hiragana, katakana, kanji, etc.) est fini, et les combinaisons possibles en les alignant sur 19 caractères ou moins sont également finies (ce sera un nombre astronomique, mais pas infini).

En d’autres termes, il existe nécessairement « un entier gigantesque qui ne peut absolument pas être exprimé en 19 caractères japonais ou moins ».

2. La naissance du paradoxe

Maintenant, voici le vif du sujet. Il existe une infinité d’« entiers qui ne peuvent pas être exprimés en 19 caractères japonais ou moins ». Parmi cette infinité de nombres inexprimables, supposons que nous trouvions « le plus petit (le plus petit entier) ».

Appelons ce nombre $X$. Puisque $X$ est par définition le plus petit parmi les « nombres qui ne peuvent pas être exprimés en 19 caractères japonais ou moins », nous pouvons l’appeler ainsi en japonais :

« じゅうきゅうもじいないであらわせないさいしょうのせいすう » (le plus petit entier qui ne peut pas être exprimé en dix-neuf caractères ou moins)

Comptons le nombre de caractères (hiragana) : « じゅ・う・きゅ・う・も・じ・い・な・い・で・あ・ら・わ・せ・な・い・さ・い・しょ・う・の・せ・い・す・う » …Tiens ? Même en ignorant la ponctuation, il y a 25 caractères. Cela dépasse les « 19 caractères ».

Essayons donc de raccourcir l’expression en utilisant des kanjis (idéogrammes).

« 十九文字以内で表せない最小の整数 »

Maintenant, comptez le nombre de caractères de cette phrase japonaise :

Incroyable, il n’y a que « 16 caractères ».

Quelque chose d’étrange vient de se produire. Nous venons tout juste d’exprimer le nombre $X$ en utilisant la phrase « 十九文字以内で表せない最小の整数 », qui est « un texte japonais de 16 caractères » !

graph TD Define["Définition :
X = Le plus petit entier ne pouvant être exprimé en 19 caractères ou moins"] --> CheckLength{"Combien de caractères comporte la phrase
『十九文字以内で表せない最小の整数』 ?"} CheckLength -->|Elle fait 16 caractères| Contradiction["Contradiction !
X a pu être exprimé en 『16 caractères』 !"] Contradiction --> Paradox["X 『ne peut pas être exprimé en 19 caractères ou moins』, mais pourtant
『il peut être exprimé en 19 caractères ou moins (16 caractères)』"] style Contradiction fill:#ff9999,stroke:#333 style Paradox fill:#ff4444,color:#fff,stroke:#333,stroke-width:2px

Alors que $X$ est censé être un nombre qui « ne peut pas être exprimé en 19 caractères ou moins », les mots mêmes de sa définition expriment parfaitement $X$ en « 16 caractères (ce qui est inférieur ou égal à 19) ». C’est ce qu’on appelle le « Paradoxe de Berry (Berry Paradox) ».

3. Qui a créé ce paradoxe ?

Ce paradoxe a été imaginé en 1904 par G. G. Berry, un bibliothécaire de l’Université d’Oxford. Il est devenu mondialement célèbre lorsque Bertrand Russell, mathématicien et philosophe de génie du 20e siècle, l’a présenté dans l’un de ses articles.

(* Dans l’article original en anglais, l’expression utilisée est “The least integer not nameable in fewer than nineteen syllables” (le plus petit entier qui ne peut pas être nommé en moins de dix-neuf syllabes), et le paradoxe est conçu pour fonctionner avec le nombre de syllabes en anglais.)

4. Pourquoi cette contradiction se produit-elle ?

La cause fondamentale de ce paradoxe réside dans l’ambiguïté et l’auto-référence du « langage naturel (japonais, anglais, français, etc.) » que nous utilisons quotidiennement.

Le langage naturel ne peut pas supporter la rigueur des mathématiques

Dans le monde des mathématiques, « définir un nombre » est une tâche extrêmement rigoureuse (on utilise des équations et des symboles). Cependant, dans le paradoxe de Berry, on a tenté de définir un objet mathématique (un entier) en utilisant le langage quotidien humain avec des notions telles que « pouvoir exprimer » et « ne pas pouvoir exprimer ».

Le langage courant est extrêmement puissant et flexible, mais cette flexibilité permet de faire des choses acrobatiques, comme « faire référence au nombre de ses propres caractères ». En conséquence, cela a provoqué une auto-contradiction (un paradoxe d’auto-référence) où « la définition elle-même enfreint les règles de la définition ».

Que signifie « nommer » ou « exprimer » ?

De plus, la définition de « peut être exprimé en 16 caractères » est ambiguë. L’expression « le plus petit entier qui ne peut pas être exprimé en 19 caractères ou moins » ne pointe pas directement vers un nombre spécifique concret (par exemple, un nombre comme $987654321...$). Elle ne fait que décrire indirectement le fait qu’« il doit y avoir un nombre qui remplit cette condition ».

Mathématiquement, « exprimer de manière directement calculable » et « énoncer une condition indirecte avec des mots » doivent être clairement distingués. C’est en confondant ces deux choses pour affirmer « on a pu l’exprimer en 16 caractères ! » que se cache le tour de passe-passe logique.

5. Conclusion et influence moderne

À première vue, le paradoxe de Berry peut sembler n’être qu’un « jeu de mots » ou une « devinette ». Cependant, ce problème a été pour les mathématiciens du 20e siècle l’occasion de prendre profondément conscience du « danger d’utiliser le langage naturel pour jeter les bases des mathématiques ».

« Il ne faut pas définir des nombres avec des mots. Les mathématiques doivent être construites uniquement avec des symboles rigoureux et totalement indépendants. »

Ce paradoxe a servi de jalon important, ouvrant la voie à des disciplines de pointe qui allaient changer l’histoire des mathématiques, comme le « Théorème d’incomplétude de Gödel (il existe en mathématiques des vérités qui ne peuvent absolument pas être prouvées) » et la « Complexité de Kolmogorov en informatique (une théorie sur la façon dont l’information peut être compressée) ».

Le fait que seulement 16 caractères japonais aient pu exposer les limites des mathématiques : telle est la beauté du paradoxe de Berry.

Le paradoxe de l'interrogation surprise : le jour où un test logiquement « absolument impossible » a lieu

Thu, 10 Sep 2026 10:00:00 +0900

1. La « déclaration absolue » du professeur

Un vendredi sur le chemin du retour, le professeur de mathématiques a fait une annonce terrifiante à ses élèves.

« La semaine prochaine, un jour entre lundi et vendredi, je vous ferai un “contrôle surprise” unique. Cependant, si le matin même vous pouvez prédire avec certitude que “le contrôle aura lieu aujourd’hui”, ce ne sera plus une surprise, et donc je ne ferai pas de contrôle ce jour-là. »

En entendant cette déclaration, les élèves ont tremblé de peur. Ils allaient devoir passer chaque jour dans l’angoisse de savoir quand le contrôle aurait lieu. Cependant, l’élève A, le plus brillant de la classe, s’est soudainement levé avec un sourire en coin.

« Les gars, vous pouvez être rassurés. Il est absolument impossible qu’un contrôle surprise ait lieu la semaine prochaine. C’est logiquement impossible ! »

L’élève A, plein de confiance, a commencé à écrire sa « logique parfaite » au tableau.

2. La preuve par la « logique parfaite » de l’élève A

La preuve de l’élève A utilise une technique mathématique appelée raisonnement à rebours, en commençant par le « vendredi » et en remontant le temps.

Étape 1 : Éliminer la possibilité du vendredi

Supposons qu’il n’y ait pas de contrôle pendant 4 jours, du lundi au jeudi. Il ne reste alors que le « vendredi ». Le vendredi matin, les élèves pourront prédire avec certitude : « Puisqu’il ne reste qu’aujourd’hui, le contrôle est sans aucun doute aujourd’hui ! » Selon la déclaration du professeur, « il n’y aura pas de contrôle le jour où il peut être prédit », il est donc logiquement impossible de faire un contrôle surprise le vendredi. Par conséquent, il n’y aura absolument pas de contrôle le vendredi.

Étape 2 : Éliminer la possibilité du jeudi

Il est maintenant confirmé qu’il n’y a pas de contrôle le vendredi. Cela signifie que le dernier jour où un contrôle peut avoir lieu est le « jeudi ». Supposons qu’il n’y ait pas de contrôle pendant 3 jours, du lundi au mercredi. La seule possibilité restante est alors le jeudi (le vendredi a déjà été éliminé). Le jeudi matin, les élèves pourront prédire avec certitude que « le contrôle est aujourd’hui ! ». Par conséquent, il n’y aura absolument pas de contrôle le jeudi non plus.

Étape 3 : Tous les jours de la semaine disparaissent

Il suffit de répéter la même logique. S’il n’y a pas de jeudi, le dernier jour devient le mercredi. Par conséquent, s’il n’y a pas de contrôle jusqu’au mardi, cela pourra être prédit le mercredi matin, donc le mercredi disparaît également. Si le mercredi disparaît, le mardi disparaît aussi, et le lundi aussi. Conclusion : Tant que l’on respecte la règle du professeur, il est absolument impossible d’organiser un contrôle surprise n’importe quel jour de la semaine, du lundi au vendredi !

graph TD Fri["Vendredi matin
(pas de test du lun au jeu)"] -->|"Prévisible : 'il ne reste que vendredi'"| NoFri["Test impossible le vendredi"] Thu["Jeudi matin
(pas de test du lun au mer)"] -->|"Prévisible : 'pas vendredi, donc aujourd'hui'"| NoThu["Test impossible le jeudi"] Wed["Mercredi matin"] -->|"Prévisible : 'pas jeu/ven, donc aujourd'hui'"| NoWed["Test impossible le mercredi"] Tue["Mardi matin"] -->|"Prévisible de la même manière"| NoTue["Test impossible le mardi"] Mon["Lundi matin"] -->|"Prévisible de la même manière"| NoMon["Test impossible le lundi"] NoFri -.-> Thu NoThu -.-> Wed NoWed -.-> Tue NoTue -.-> Mon style NoFri fill:#ff9999,stroke:#333 style NoThu fill:#ff9999,stroke:#333 style NoWed fill:#ff9999,stroke:#333 style NoTue fill:#ff9999,stroke:#333 style NoMon fill:#ff9999,stroke:#333

Les élèves de la classe ont exulté. La logique de l’élève A semblait parfaite, sans la moindre faille. Ils ont passé le week-end à s’amuser et sont arrivés le lundi sans avoir étudié une seule fois.

Lundi… il n’y a pas eu de contrôle. « Tu vois ! » Mardi… il n’y a pas eu de contrôle. « L’élève A avait raison ! »

Puis, le mercredi matin. La porte de la classe s’est ouverte brusquement et le professeur est entré en disant :

« Allez, rangez vos bureaux. Nous allons commencer le contrôle surprise ! »

Les élèves ont paniqué. « Ma, mais pourquoi !? On n’avait pas du tout prévu qu’il y aurait un contrôle le mercredi ! »

Le professeur sourit d’un air narquois. « Vous voyez, vous n’avez pas pu le prédire, n’est-ce pas ? Ma “déclaration” était tout à fait correcte, et selon les règles, le contrôle surprise a bien eu lieu. »

3. Où la logique s’est-elle trompée ?

La preuve de l’élève A semblait parfaite, alors pourquoi un « contrôle totalement surprise » a-t-il pu avoir lieu dans la réalité ? Ce problème, à l’origine connu sous le nom de « paradoxe de l’interrogation surprise » (ou paradoxe de la pendaison inattendue), a été imaginé dans les années 1940 par le mathématicien suédois Lennart Ekbom et n’a cessé depuis de tourmenter philosophes et logiciens.

En fait, il n’existe pas encore de consensus unifié affirmant « voici l’unique et absolue bonne réponse » à ce paradoxe. Cependant, il existe plusieurs approches majeures pour le résoudre.

Approche 1 : « Le paradoxe de la connaissance (Épistémologie) »

Le plus grand piège dans le raisonnement de l’élève A est d’avoir inclus la prémisse que « la déclaration du professeur est 100 % vraie » dans sa propre prédiction.

La déclaration du professeur est composée de deux conditions : « Il y aura un contrôle la semaine prochaine (P) » et « Il n’y aura pas de contrôle le jour où vous l’aurez prédit (Q) ». S’il n’y a pas de contrôle avant vendredi, l’élève pense « si la déclaration est vraie, ce ne peut être qu’aujourd’hui », mais en même temps il reste de la place pour douter : « si je peux prédire que c’est aujourd’hui, cela contredit Q dans la déclaration. Dans ce cas, la déclaration P elle-même (il y aura un contrôle) n’était-elle pas un mensonge depuis le début ? »

Le conflit entre la conviction que « la parole du professeur est absolument vraie » et le « raisonnement logique » a conduit les élèves à la fausse conclusion (conviction) que « le professeur ne fera pas de contrôle », avec pour conséquence que quel que soit le moment où le contrôle serait donné, il serait dans un état « inattendu (surprise) ».

Approche 2 : « Le paradoxe de l’autoréférence »

Traduisons les mots du professeur en formule logique. Soit $S$ l’affirmation du professeur. $S = $ « Je ferai un contrôle un certain jour $T$. Et vous ne pourrez pas prédire ce jour $T$. »

Cette affirmation possède une « structure autoréférentielle » dont la vérité ou la fausseté change selon la façon dont les élèves la perçoivent (la déclaration). Tout comme le « paradoxe du menteur (“Cette phrase est fausse”) », elle a pour propriété de faire tourner le raisonnement logique dans une boucle infinie.

4. Le « contrôle surprise » caché dans la vie quotidienne

Ce paradoxe s’applique non seulement aux mathématiques, mais aussi à notre vie quotidienne.

[Le dilemme de la fête surprise]

Supposons qu’un ami déclare : « Ce mois-ci, je vais organiser une fête surprise pour ton anniversaire ! » En entendant cela, vous essayez de deviner chaque jour : « Est-ce aujourd’hui ? Est-ce demain ? » Si la fête n’a pas eu lieu le dernier jour du mois, pour que la condition de « surprise (imprévisible) » soit remplie, vous en déduisez qu’elle ne peut absolument pas avoir lieu le dernier jour… Mais en réalité, si un gâteau apparaît soudainement vers le milieu du mois, vous serez « vraiment surpris ! » et subirez une surprise parfaite.

5. Résumé

Le « paradoxe de l’interrogation surprise » illustre parfaitement la difficulté d’inclure l’état même de « savoir (prédire) » dans le calcul logique.

Ce que nous considérons comme un « raisonnement parfait » n’est peut-être en réalité qu’un château de sable construit sur la croyance infondée que « l’autre partie respectera absolument les règles ». La prochaine fois que le professeur annoncera : « Je vais faire un contrôle surprise », il serait plus raisonnable d’arrêter de manipuler la logique et d’étudier docilement tous les jours.

Le paradoxe de Newcomb : Pouvez-vous battre le surhomme qui voit l'avenir ?

Thu, 10 Sep 2026 08:00:00 +0900

1. Le jeu du choix ultime

Devant vous apparaît un extraterrestre doté d’une super-intelligence qui se fait appeler « Oméga ». Oméga est un expert en analyse du comportement humain et possède une capacité effrayante : « Il peut prédire le prochain choix d’un sujet avec une précision de près de 100 % ». Lors de toutes les expériences passées, la prédiction d’Oméga ne s’est jamais trompée.

Oméga place deux boîtes devant vous.

Boîte A : Une boîte transparente. Elle contient à coup sûr « 100 000 yens ».
Boîte B : Une boîte opaque. Elle contient soit « 100 millions de yens », soit elle est « vide (0 yen) ».

Oméga vous demande de choisir l’une des deux actions suivantes :

Choix 1 « Prendre les deux boîtes » : Vous recevez les 100 000 yens de la boîte A et le contenu de la boîte B.
Choix 2 « Prendre seulement la boîte B » : Vous ne recevez que le contenu de la boîte B. Vous devez renoncer aux 100 000 yens de la boîte A.

En entendant seulement cela, n’importe qui déciderait de « Prendre les deux boîtes ». Cependant, Oméga a ajouté une « règle » terrifiante.

【La Règle d’Oméga】

« Hier, j’ai déjà prédit ’lequel des deux choix’ tu ferais aujourd’hui, et j’ai préparé le contenu de la boîte B en conséquence. Si j’ai prédit que tu serais avide et choisirais de ‘prendre les deux boîtes’, j’ai laissé la boîte B vide. Si j’ai prédit que tu ne serais pas avide et choisirais de ‘prendre seulement la boîte B’, j’ai mis 100 millions de yens dans la boîte B. »

Maintenant, vous devez faire votre choix. Devez-vous « prendre les deux boîtes » ? Ou devez-vous « prendre seulement la boîte B » ?

graph TD Omega["Prédiction d'Oméga
（Déjà effectuée hier）"] Omega -->|Prédit de « prendre les deux »| BoxB_Empty["La boîte B est vide (0 yen)"] Omega -->|Prédit de « prendre seulement B »| BoxB_100M["Mettre 100 millions de yens dans la boîte B"] You["Votre choix
（Aujourd'hui）"] You -->|Choix 1: Prendre les deux| Result1["Boîte A(100 000) + Contenu de la boîte B"] You -->|Choix 2: Prendre seulement B| Result2["Boîte A(0) + Contenu de la boîte B"] BoxB_Empty -.-> Result1 BoxB_100M -.-> Result2

2. L’affrontement de deux « logiques parfaites »

Ce problème a été conçu par le physicien William Newcomb en 1969 et présenté par le philosophe Robert Nozick. Dès sa publication, les opinions des mathématiciens et philosophes les plus brillants du monde se sont divisées en deux, provoquant une énorme controverse.

C’est parce qu’il existe une « logique parfaite et absolument irréfutable » pour chacune des options.

Logique 1 : L’argument du camp « Prendre seulement la boîte B » (Maximisation de l’espérance)

« La précision de prédiction d’Oméga est de presque 100 %, n’est-ce pas ? Dans ce cas, en suivant les données passées, on devrait faire confiance à Oméga. Si je choisis de ‘prendre les deux’, Oméga l’a deviné, et le résultat est seulement de 100 000 yens. Si je choisis de ‘prendre seulement la boîte B’, Oméga l’a deviné, et le résultat est de 100 millions de yens. Même un idiot sait ce qu’il préfère entre 100 000 yens et 100 millions de yens. Donc, je dois absolument ‘prendre seulement la boîte B’ ! »

Cette approche est basée sur la « théorie de l’utilité espérée », qui fait naïvement confiance aux données statistiques passées et aux valeurs attendues.

Logique 2 : L’argument du camp « Prendre les deux boîtes » (Stratégie dominante)

« Attends une minute. Oméga a fait sa prédiction et placé le contenu dans la boîte B ‘hier’, n’est-ce pas ? Cela signifie qu’à cet instant précis, le contenu de la boîte B est déjà soit ‘contient 100 millions de yens’, soit ’est vide’, et il ne changera plus jamais.

Cas 1 : Si la boîte B contient déjà 100 millions de yens, choisir ’les deux’ donne 100 millions 100 000 yens, tandis que choisir ‘seulement B’ donne 100 millions de yens. Cas 2 : Si la boîte B est déjà vide, choisir ’les deux’ donne 100 000 yens, tandis que ‘seulement B’ donne 0 yen.

Quel que soit le cas, choisir de ‘prendre les deux’ garantit absolument 100 000 yens de plus ! Ce n’est pas parce que je choisis maintenant l’une ou l’autre option que l’action d’Oméga d’hier sera modifiée par une machine à remonter le temps. Donc, je dois absolument ‘prendre les deux boîtes’ ! »

Cette approche est basée sur la « stratégie dominante » (Dominant Strategy) en théorie des jeux, qui stipule de « choisir l’option la plus avantageuse pour soi, quelle que soit l’action de l’autre ».

3. Croyez-vous au « libre arbitre » ?

Le camp « Prendre seulement la boîte B » et le camp « Prendre les deux ». Après avoir entendu les deux arguments, lequel pensez-vous avoir raison ?

En réalité, à ce jour, il n’existe pas de « seule réponse mathématiquement parfaite » à ce paradoxe. C’est parce qu’au cœur de ce problème se cache la plus grande question philosophique de l’humanité : « Déterminisme contre Libre Arbitre ».

Ceux qui ont répondu « Prendre seulement la boîte B » (Déterministes)

Les personnes ayant fait ce choix acceptent inconsciemment le « déterminisme (tout l’avenir de ce monde est déjà fixé depuis le début) ». Le fait qu’Oméga puisse prédire l’avenir à 100 % signifie que votre décision actuelle n’est pas choisie par « votre libre arbitre », mais qu’elle était « déjà destinée à être choisie hier par les lois physiques de l’univers et les mouvements des neurones de votre cerveau ». Puisque l’avenir ne peut être changé, l’idée est qu’il est plus rationnel de suivre la prédiction d’Oméga et d’accepter le « destin de prendre seulement la boîte B ».

Ceux qui ont répondu « Prendre les deux boîtes » (Partisans du libre arbitre)

Les personnes ayant fait ce choix croient inconsciemment au « libre arbitre (l’avenir peut être ouvert par nos propres choix) ». Parce qu’ils croient que « peu importe la prédiction d’Oméga hier, je peux changer mon choix par ma propre volonté aujourd’hui », ils prennent l’action d’ajouter 100 000 yens à cet instant précis, indépendamment du contenu déjà fixé de la boîte. Même si Oméga l’avait prédit et que la boîte s’avérait vide, ils acceptent ce résultat en se disant : « C’est inévitable puisque c’est le résultat d’une action logiquement correcte ».

4. Le voyage dans le temps et l’effondrement de la causalité

Ce qui rend le paradoxe de Newcomb encore plus compliqué est l’inversion de la « causalité (il y a une cause et il y a un effet) ».

Dans le monde de bon sens dans lequel nous vivons, « mon choix d’aujourd’hui (cause) » crée « le résultat de demain ».

Cependant, dans le jeu d’Oméga, il semble que « mon choix d’aujourd’hui (cause) » détermine « l’action d’Oméga d’hier (résultat) ». C’est une « causalité rétrograde » (backward causality) où une action future détermine un fait passé.

Si un « prédicteur parfait » comme Oméga existait dans l’univers, même notre croyance de bon sens selon laquelle « le temps s’écoule du passé vers l’avenir » s’effondrerait.

5. Conclusion : La « rationalité » humaine mise à nu par les expériences de pensée

Quelle boîte allez-vous ouvrir ?

Plus d’un demi-siècle s’est écoulé depuis que ce paradoxe a été présenté, mais dans les sondages de philosophie et d’économie, les personnes se divisent remarquablement à peu près à parts égales entre le « camp Prendre les deux » et le « camp Prendre seulement B ». Et ce qui est intéressant, c’est que chaque camp croit sincèrement que « l’autre camp est constitué d’idiots dont la logique est complètement erronée ».

« Qu’est-ce qu’un jugement rationnel ? » Peu importe le développement de l’économie ou des mathématiques, on finit toujours par aboutir à la philosophie sur « comment les humains perçoivent ce monde ». Le paradoxe de Newcomb est la plus méchante et la plus belle des expériences de pensée, exposant les limites de la logique.

Le paradoxe de Simpson : un phénomène mystérieux où l'on gagne par parties, mais où l'on perd au global

Thu, 10 Sep 2026 07:00:00 +0900

1. Dans quel hôpital devriez-vous vous faire opérer ?

Vous êtes atteint d’une maladie grave et devez subir une intervention chirurgicale. Vous avez le choix entre deux hôpitaux : l’hôpital A et l’hôpital B. Vous avez demandé les données sur le “taux de réussite” des opérations pour chaque hôpital.

【Taux de réussite global】

Hôpital A : Sur 1000 personnes, 900 réussites (taux de réussite 90%)
Hôpital B : Sur 1000 personnes, 800 réussites (taux de réussite 80%)

En voyant cela, n’importe qui penserait : “L’hôpital A est meilleur !”. Cependant, étant de nature prudente, vous décidez d’examiner plus en détail comment les données varient selon la gravité de la maladie (cas légers ou cas graves).

【Taux de réussite pour les cas légers】

Hôpital A : Sur 100 personnes, 99 réussites (taux de réussite 99%)
Hôpital B : Sur 900 personnes, 870 réussites (taux de réussite 96%) $\rightarrow$ Pour les cas légers, l’hôpital A gagne (99% > 96%)

【Taux de réussite pour les cas graves】

Hôpital A : Sur 900 personnes, 801 réussites (taux de réussite 89%)
Hôpital B : Sur 100 personnes, 70 réussites (taux de réussite 70%) $\rightarrow$ Même pour les cas graves, l’hôpital A gagne (89% > 70%)

Tiens ? Ne trouvez-vous pas cela étrange ?

Pour les patients “légers”, l’hôpital A a un meilleur taux de réussite. Pour les patients “graves”, l’hôpital A a également un meilleur taux de réussite. Et pourtant, quand on calcule le taux de réussite “global” combinant tous les patients… ?

Hôpital A Global : $(99 + 801) / 1000 =$ 90%
Hôpital B Global : $(870 + 70) / 1000 =$ 94%… non, selon le calcul précédent c’était 80% ?

Attendez, regardons à nouveau les premières données. Les premières données étaient les suivantes :

Taux de réussite global de l’hôpital A : 90%
Taux de réussite global de l’hôpital B : 80%

Mais si nous recalculons avec les données détaillées, Le taux de réussite global de l’hôpital B devrait être de $(870 + 70) / 1000 = 940 / 1000 = $ 94%.

… Eh oui, vous vous êtes fait avoir ! En réalité, cette astuce numérique est précisément le terrible piège statistique que nous allons expliquer cette fois. Laissez-moi vous montrer les vraies données à nouveau.

2. À vous qui avez été trompé : Les vraies données

【Taux de réussite pour les cas légers】

Hôpital A : Sur 900 personnes, 870 réussites (taux de réussite 96%)
Hôpital B : Sur 100 personnes, 99 réussites (taux de réussite 99%) $\rightarrow$ Pour les cas légers, l’hôpital B gagne (99% > 96%)

【Taux de réussite pour les cas graves】

Hôpital A : Sur 100 personnes, 30 réussites (taux de réussite 30%)
Hôpital B : Sur 900 personnes, 315 réussites (taux de réussite 35%) $\rightarrow$ Même pour les cas graves, l’hôpital B gagne (35% > 30%)

En d’autres termes, que ce soit pour les cas légers ou graves, l’hôpital B est de loin supérieur.

Alors, additionnons cela au niveau “global”.

Hôpital A Global : $(870 + 30) / (900 + 100) = 900 / 1000 =$ Taux de réussite 90%
Hôpital B Global : $(99 + 315) / (100 + 900) = 414 / 1000 =$ Taux de réussite 41%

Incroyable ! En regardant les données “partielles”, l’hôpital B gagne partout, mais en les combinant au niveau “global”, l’hôpital A remporte une victoire écrasante ! C’est ce phénomène que l’on appelle le “Paradoxe de Simpson”.

graph TD subgraph "Données partielles (Victoire de B)" Light["Cas légers : Victoire de l'hôpital B (99% > 96%)"] Heavy["Cas graves : Victoire de l'hôpital B (35% > 30%)"] end subgraph "Données globales (Victoire de A)" Total["Total cumulé : Victoire écrasante de l'hôpital A (90% > 41%)"] end Light -->|Étonnamment, en combinant, cela s'inverse| Total Heavy -->|Étonnamment, en combinant, cela s'inverse| Total style Total fill:#ff9999,stroke:#333,stroke-width:2px

3. Pourquoi une inversion aussi étrange se produit-elle ?

L’origine de ce paradoxe réside dans un “déséquilibre des tailles d’échantillon (dénominateurs)” et la présence d’une “variable cachée (facteur de confusion)”.

Regardez attentivement les données.

L’hôpital A admet une grande quantité (900 personnes) de “patients légers faciles à soigner”.
L’hôpital B admet une grande quantité (900 personnes) de “patients graves difficiles à soigner”.

Comme l’hôpital B est très compétent, il agit comme un “hôpital de la dernière chance” qui prend en charge de nombreux patients dans un état grave qui sont refusés ailleurs. Naturellement, le taux de réussite pour les patients graves est plus faible (35%). Le “taux de réussite global” de l’hôpital B est tiré vers le bas par cette grande proportion de patients graves, le faisant paraître globalement plus bas (41%).

À l’inverse, l’hôpital A ne s’occupe que des patients légers et simples à traiter. Par conséquent, son taux de réussite global semble élevé (90%), mais à conditions égales (en comparant les cas graves entre eux, et les cas légers entre eux), il est moins performant que l’hôpital B.

Exprimé mathématiquement, cela est dû aux propriétés de l’addition des fractions. En général, même si $\frac{a}{b} < \frac{A}{B}$ et $\frac{c}{d} < \frac{C}{D}$, il n’est pas toujours vrai que :

$$ \frac{a+c}{b+d} < \frac{A+C}{B+D} $$

Lorsque la taille des dénominateurs est extrêmement différente, le sens de l’inégalité peut s’inverser.

4. Le “paradoxe de Simpson” survenu dans le monde réel

Ce paradoxe n’est pas qu’une simple énigme mathématique ; il se produit fréquemment dans la société réelle et a provoqué de grandes controverses.

Accusations de discrimination sexuelle à l’Université de Californie à Berkeley en 1973

Lors d’une enquête sur les taux d’admission aux cycles supérieurs à Berkeley, il a été constaté que le “taux d’admission des hommes (44%)” était significativement plus élevé que le “taux d’admission des femmes (35%)”, soulevant ainsi un problème de discrimination évidente envers les femmes. Cependant, en divisant et en analysant finement les données “par département”, un fait surprenant a été révélé. Dans presque tous les départements, le taux d’admission des femmes était plus élevé que celui des hommes.

Pourquoi les chiffres globaux se sont-ils inversés ? En réalité, les femmes postulaient principalement à des “départements ayant un faible taux d’admission (très sélectifs)”, tandis que les hommes postulaient principalement à des “départements ayant un taux d’admission élevé (faciles d’accès)”.

Données sur l’efficacité du vaccin contre le COVID

Des données indiquant que “les personnes vaccinées ont un taux de mortalité plus élevé que les personnes non vaccinées” ont circulé et provoqué un tollé. Ceci est également le résultat d’avoir ignoré les données par tranche d’âge (la variable cachée). Les vaccins ayant été administrés en priorité aux “personnes âgées (qui ont déjà un taux de mortalité plus élevé de base)”, en cumulant simplement les taux de mortalité globaux, le groupe des personnes vaccinées s’est retrouvé avec une proportion extrême de personnes âgées, donnant l’apparence d’un taux de mortalité plus élevé.

En comparant par tranches d’âge, il a été confirmé que dans toutes les tranches d’âge, “les personnes vaccinées ont un taux de mortalité plus faible”.

5. Conclusion : Les données ne mentent pas, mais les gens peuvent mentir avec les données

Le paradoxe de Simpson nous avertit du “danger de juger uniquement en regardant les données globales, comme les moyennes ou les totaux”.

Le monde regorge d’entreprises, de politiciens et de médias qui ne retiennent que les “chiffres globaux” pour les mettre en avant de la manière qui les arrange. Même si l’on vous dit : “Notre produit A a une satisfaction globale supérieure au produit concurrent B !”, si l’on sépare les données entre les “jeunes” et les “personnes âgées”, il est fort possible que le produit B soit gagnant dans les deux catégories.

Lorsque vous regardez des données, la meilleure arme pour survivre dans la société de l’information d’aujourd’hui est de ne pas se laisser tromper par les chiffres “globaux” en surface, et de toujours garder un esprit critique : “N’y a-t-il pas un déséquilibre extrême dans la proportion des groupes à cause de variables cachées en arrière-plan (âge, sexe, gravité, etc.) ?”.

L'Hôtel Infini de Hilbert : comment loger une infinité de nouveaux clients dans un hôtel complet

Thu, 10 Sep 2026 06:00:00 +0900

1. Bienvenue dans l’hôtel ultime

Le grand mathématicien allemand David Hilbert a conçu l’expérience de pensée amusante suivante pour expliquer à quel point le concept d’« infini » est éloigné de l’intuition humaine.

Imaginez. Quelque part dans l’univers, il y a un hôtel appelé « L’Hôtel Infini de Hilbert ». Cet hôtel possède un nombre infini de chambres numérotées : chambre 1, chambre 2, chambre 3…

Un jour, un grand événement a eu lieu dans l’univers, et cet hôtel infini s’est retrouvé « complet », toutes les chambres étant occupées. Un voyageur épuisé est alors arrivé et a demandé à la réception : « Pourriez-vous me libérer une chambre ? »

Un hôtel ordinaire n’aurait d’autre choix que de refuser en disant : « Nous sommes désolés, l’hôtel est complet. » Cependant, il s’agit d’un hôtel infini. Le directeur a souri et a dit : « Certainement. Nous allons vous préparer une chambre immédiatement. » Comment peut-on loger un nouveau client alors que l’hôtel est complet ?

2. Cas 1 : Comment loger 1 nouveau client

Le directeur a fait une annonce à tous les clients déjà séjournant dans l’hôtel :

« Chers clients, veuillez vous déplacer vers la chambre dont le numéro correspond à votre numéro de chambre actuel “plus 1”. »

Que se passe-t-il alors ?

Le client de la chambre 1 se déplace vers la chambre 2.
Le client de la chambre 2 se déplace vers la chambre 3.
Le client de la chambre 3 se déplace vers la chambre 4.
Le client de la chambre $n$ se déplace vers la chambre $n+1$.

graph LR subgraph "Avant le déplacement (Complet)" R1["Chambre 1
(Client A)"] R2["Chambre 2
(Client B)"] R3["Chambre 3
(Client C)"] R4["..."] end subgraph "Après le déplacement" NewR1["Chambre 1
(Vide !)"] NewR2["Chambre 2
(Client A)"] NewR3["Chambre 3
(Client B)"] NewR4["Chambre 4
(Client C)"] end R1 -->|Déplacement| NewR2 R2 -->|Déplacement| NewR3 R3 -->|Déplacement| NewR4 NewGuest["Nouveau client"] -->|Enregistrement| NewR1 style NewR1 fill:#aaffaa,stroke:#333,stroke-width:2px style NewGuest fill:#ffaaaa,stroke:#333,stroke-width:2px

Comme il y a une infinité de chambres, il n’arrivera jamais que « le client de la toute dernière chambre soit expulsé ». Tout le monde peut déménager sans problème dans la chambre d’à côté. Et voilà, la chambre 1 est devenue vide. Le nouveau voyageur a pu séjourner sans problème dans la chambre 1.

Dans le monde de l’infini, $\infty + 1 = \infty$ est vrai. Même si l’on retire « 1 » du « tout (l’infini) », la taille globale ne change pas.

3. Cas 2 : Comment loger une infinité de nouveaux clients

Le lendemain, l’hôtel est redevenu complet. C’est alors qu’arrive, à la surprise générale, un bus infini transportant une « infinité de passagers ». Les passagers qui descendent du bus exigent à la réception : « Préparez-nous des chambres pour tout le monde ! »

Si l’on demande un déplacement « plus 1 » comme la veille, cela prendra une éternité. Cependant, le directeur ne panique pas. Il fait à nouveau une annonce dans l’hôtel.

« Chers clients, veuillez vous déplacer vers la chambre dont le numéro correspond au “double” de votre numéro de chambre actuel. »

Que se passe-t-il alors ?

Le client de la chambre 1 se déplace vers la chambre 2.
Le client de la chambre 2 se déplace vers la chambre 4.
Le client de la chambre 3 se déplace vers la chambre 6.
Le client de la chambre $n$ se déplace vers la chambre $2n$.

Grâce à ce déplacement, l’infinité de clients déjà présents s’est parfaitement installée dans « toutes les chambres à numéro pair ». Et miraculeusement, « toutes les chambres à numéro impair (chambre 1, chambre 3, chambre 5…) » se sont retrouvées complètement vides !

Comme il existe également une infinité de nombres impairs, le directeur peut loger tout le monde en guidant les passagers du bus infini dans l’ordre, à partir du premier, vers la chambre 1, la chambre 3, la chambre 5…

Dans le monde de l’infini, $\infty + \infty = \infty$ est vrai. Même si l’on ajoute l’infini à l’infini, la taille reste la même, c’est-à-dire l’« infini ».

4. Cas 3 : Et si une infinité de bus infinis arrivaient ?

Le surlendemain, l’hôtel est encore complet. C’est alors qu’arrive, incroyablement, « une infinité de bus infinis transportant chacun une infinité de passagers », l’un après l’autre.

Une infinité de personnes dans le bus 1, une infinité de personnes dans le bus 2, une infinité de personnes dans le bus 3… et cela continue indéfiniment. Même ce directeur aurait pu paniquer, mais il était un génie des mathématiques. Il a eu l’idée d’utiliser les « nombres premiers ».

Le directeur a donné les instructions suivantes :

Déplacement des clients séjournant déjà à l’hôtel Si le numéro de la chambre actuelle est $n$, on leur demande de se déplacer vers la chambre « $2^n$ ». (Chambre 1 $\rightarrow$ Chambre 2, Chambre 2 $\rightarrow$ Chambre 4, Chambre 3 $\rightarrow$ Chambre 8…) Ainsi, tous les clients actuels sont logés.
Placement des clients du bus 1 (une infinité) Si le numéro de siège du client est $n$, il est dirigé vers la chambre « $3^n$ ». (Chambre 3, Chambre 9, Chambre 27…)
Placement des clients du bus 2 (une infinité) En utilisant le nombre premier suivant, 5, ils sont dirigés vers la chambre « $5^n$ ». (Chambre 5, Chambre 25, Chambre 125…)
Placement des clients du bus $k$ (une infinité) En utilisant le $k+1$-ème nombre premier $P$, ils sont dirigés vers la chambre « $P^n$ ».

Grâce au puissant théorème mathématique de l’« unicité de la décomposition en facteurs premiers » (n’importe quel nombre a une seule combinaison possible de multiplication de nombres premiers), il est absolument impossible que les numéros de chambre $2^n, 3^n, 5^n, 7^n \dots$ se chevauchent avec ceux de quelqu’un d’autre.

C’est ainsi que le directeur a réussi à loger de manière spectaculaire un nombre astronomique de « l’infini $\times$ l’infini » clients dans un seul hôtel infini !

5. L’infini a des différences de « taille » (Le théorème de Cantor)

Ce que l’Hôtel Infini de Hilbert nous apprend, c’est le fait que l’« infini dénombrable » (l’infini que l’on peut compter en attribuant des numéros 1, 2, 3…), peu importe combien on l’additionne ou le multiplie, finit toujours par tenir dans le cadre d’un « infini dénombrable » de la même taille.

Cependant, le mathématicien Georg Cantor a découvert un fait encore plus terrifiant. Les « entiers naturels » et les « fractions » peuvent tous être logés dans cet hôtel infini. Mais, si les clients des « nombres réels » (tous les nombres décimaux, y compris les nombres irrationnels) arrivaient, il serait absolument impossible de tous les loger, même en utilisant cet hôtel infini.

Il a été prouvé que la quantité de nombres réels est un « infini (de niveau supérieur) fondamentalement plus grand » que le nombre de chambres de l’Hôtel Infini (infini dénombrable). On a tendance à tout regrouper sous le mot « infini », mais en réalité, il existe une structure hiérarchique (cardinalité) au sein de l’infini, avec un « petit infini » et un « grand infini que l’on ne peut absolument pas atteindre ».

6. Conclusion : L’« infini » qui détruit l’intuition humaine

L’Hôtel Infini de Hilbert illustre de manière éclatante à quel point le « bon sens du fini » cultivé dans notre vie quotidienne ne s’applique pas au « monde de l’infini ».

« Le tout est plus grand que la partie » « Personne ne peut entrer dans un hôtel complet » « Si l’on ajoute l’infini à l’infini, cela devient encore plus grand »

Toutes ces intuitions évidentes sont brillamment contredites. Le monde de l’infini est un trésor de paradoxes (des vérités contraires à l’intuition). Les mathématiciens n’ont pas craint ces paradoxes ; ils les ont maîtrisés par la force de la logique, les ont classés et ont créé le magnifique système de la théorie des ensembles moderne.

La prochaine fois que l’on vous refusera une chambre en disant « L’hôtel est complet », essayez d’imaginer : « Si seulement cet hôtel était l’Hôtel Infini de Hilbert… »

Le paradoxe de Saint-Pétersbourg : Combien paieriez-vous pour un jeu dont l'espérance de gain est « infinie » ?

Thu, 10 Sep 2026 05:00:00 +0900

1. Le jeu de rêve à l’espérance « infinie »

Alors que vous vous promenez dans un casino, un croupier vous invite à participer à un nouveau jeu de pile ou face :

[Règles du jeu]

Vous payez des frais de participation pour commencer le jeu.
Vous lancez une pièce. Si elle tombe sur face, vos gains sont doublés et vous pouvez lancer la pièce à nouveau.
Si elle tombe sur pile, le jeu s’arrête. Vous remportez alors les gains accumulés jusqu’à ce moment-là.

La cagnotte de départ est de 2 dollars.

Si vous obtenez pile au 1er lancer, vous gagnez 2 dollars et le jeu se termine.
Si vous obtenez face au 1er lancer, puis pile au 2e, vous gagnez 4 dollars et le jeu se termine.
Si vous obtenez face au 1er, face au 2e, puis pile au 3e, vous gagnez 8 dollars et le jeu se termine.
…Et ainsi de suite. Tant que vous obtenez face, les gains doublent indéfiniment : 16 $, 32 $, 64 $…

graph TD Start["Début du jeu"] --> Toss1{"1er lancer de pièce"} Toss1 -->|Pile (1/2)| End1["Fin : Gain de 2 dollars"] Toss1 -->|Face (1/2)| Toss2{"2e lancer de pièce"} Toss2 -->|Pile (1/2)| End2["Fin : Gain de 4 dollars"] Toss2 -->|Face (1/2)| Toss3{"3e lancer de pièce"} Toss3 -->|Pile (1/2)| End3["Fin : Gain de 8 dollars"] Toss3 -->|Face (1/2)| Toss4{"..."} Toss4 -.->|Tant que c'est Face| Infinite["Les gains doublent à l'infini !"]

Maintenant, voici une question pour vous. Si les frais de participation à ce jeu s’élevaient à “10 000 dollars”, y participeriez-vous ?

La plupart des gens répondraient probablement “non”. En effet, il y a une chance sur deux que la pièce tombe sur pile dès le premier lancer, ce qui ne rapporterait que 2 dollars et entraînerait une perte énorme.

Cependant, si l’on s’en tient strictement à la théorie des probabilités (espérance mathématique), un fait étonnant apparaît : Mathématiquement, que l’entrée coûte 10 000 ou 100 millions de dollars, vous devriez emprunter toute votre fortune pour participer à ce jeu.

Pourquoi cela ?

2. Calculons l’espérance mathématique

Il existe un indicateur mathématique appelé “espérance” pour déterminer si un jeu de hasard est “rentable ou non”. L’espérance est une valeur qui représente “le gain moyen par partie si l’on répète le jeu de nombreuses fois”. La formule consiste à additionner tous les “(Gains potentiels) × (Probabilité associée)”.

Calculons l’espérance de notre jeu.

Probabilité d’obtenir pile au 1er lancer : $\frac{1}{2}$ Le gain est de $2$ dollars. Contribution à l’espérance = $2 \times \frac{1}{2} = 1$ dollar
Probabilité d’obtenir pile au 2e lancer : Obtenir face puis pile donne $\frac{1}{2} \times \frac{1}{2} = \frac{1}{4}$ Le gain est de $4$ dollars. Contribution à l’espérance = $4 \times \frac{1}{4} = 1$ dollar
Probabilité d’obtenir pile au 3e lancer : Obtenir face, face, puis pile donne $(\frac{1}{2})^3 = \frac{1}{8}$ Le gain est de $8$ dollars. Contribution à l’espérance = $8 \times \frac{1}{8} = 1$ dollar
Probabilité d’obtenir pile au $n$-ième lancer : $(\frac{1}{2})^n$ Le gain est de $2^n$ dollars. Contribution à l’espérance = $2^n \times (\frac{1}{2})^n = 1$ dollar

En d’autres termes, peu importe au bout de combien de lancers le jeu se termine, l’espérance de ce scénario est toujours de “1 dollar”. Puisque le jeu peut continuer indéfiniment, l’addition de toutes ces espérances donne :

$$ \text{Espérance totale} = 1 + 1 + 1 + 1 + \dots = \infty \text{ (Infini)} $$

La réponse fournie par les mathématiques est que “l’espérance de ce jeu est infinie”. Puisque l’espérance est infinie, quels que soient les frais de participation, il s’agit en théorie absolument d’un “pari gagnant”.

C’est ce que l’on appelle le “Paradoxe de Saint-Pétersbourg”, formulé en 1713 par Nicolas Bernoulli. Le résultat mathématique correct (d’une valeur infinie) entre en contradiction flagrante avec le sens commun humain (ne vouloir payer que quelques dollars).

3. La découverte de l’“utilité” pour réconcilier les mathématiques et la nature humaine

Celui qui a résolu ce paradoxe est le brillant mathématicien Daniel Bernoulli, le cousin de Nicolas. (Le paradoxe porte ce nom car il a présenté son article à l’Académie des sciences de Saint-Pétersbourg).

Daniel s’est intéressé à la psychologie humaine. Il a estimé que “les humains ne jugent pas les choses en fonction du ‘montant absolu’ d’argent, mais selon la ‘satisfaction (l’utilité)’ que cet argent apporte”.

C’est ce qu’on appelle la “loi de l’utilité marginale décroissante”.

La valeur de l’argent diminue selon la quantité possédée

Par exemple, si vous avez extrêmement soif dans un désert, le premier verre d’eau a une valeur (satisfaction) telle que vous seriez prêt à payer “10 000 dollars” pour le boire. Cependant, à mesure que vous buvez le 2e puis le 3e verre, la valeur d’un verre d’eau diminue progressivement. Au 10e verre, vous diriez sûrement : “Je n’en veux plus, même gratuit”.

Il en va de même pour l’argent.

Pour quelqu’un qui n’a pas d’économies, recevoir “1 million de dollars” a une valeur immense, capable de sauver une vie.
En revanche, pour Elon Musk qui possède des milliards d’actifs, recevoir “1 million de dollars” n’a guère plus de valeur (satisfaction) qu’une petite pièce trouvée dans la rue.

En d’autres termes, même si la cagnotte augmente indéfiniment de 2 $ \rightarrow 4 $ \rightarrow 8 $ \rightarrow 16 $…, la “joie (l’utilité)” ressentie par l’humain n’augmente pas à l’infini proportionnellement au montant.

4. Recalcul de l’espérance en utilisant l’“utilité”

Daniel Bernoulli a fait l’hypothèse que “la valeur de l’argent (l’utilité) ressentie par un être humain est proportionnelle au logarithme ($\log$) du montant”.

Si le montant est $x$, représentons la valeur (l’utilité) $u(x)$ ressentie par une personne par une fonction logarithmique (considérons ici un modèle simple en base 2).

Utilité d’un gain de $2$ dollars : $\log_2(2) = 1$
Utilité d’un gain de $4$ dollars : $\log_2(4) = 2$
Utilité d’un gain de $8$ dollars : $\log_2(8) = 3$
Utilité d’un gain de $2^n$ dollars : $\log_2(2^n) = n$

Le montant double à chaque fois, mais la “joie” humaine n’augmente que petit à petit : 1, 2, 3… Utilisons cette “utilité” pour recalculer l’espérance (l’utilité espérée).

$$ \text{Utilité espérée} = \sum_{n=1}^{\infty} \left( n \times \left(\frac{1}{2}\right)^n \right) $$ $$ = 1 \cdot \frac{1}{2} + 2 \cdot \frac{1}{4} + 3 \cdot \frac{1}{8} + 4 \cdot \frac{1}{16} + \dots $$

Si l’on calcule la somme de cette série infinie, le résultat n’est pas “l’infini”, mais converge vers “2”. Si l’on calcule à rebours le montant correspondant à une utilité de “2”, on obtient $2^2 = 4$ dollars.

En somme, en recalculant avec la psychologie humaine (l’utilité), on parvient à la réponse extrêmement rationnelle et réaliste que “selon la perception humaine, la valeur de ce jeu est d’environ ‘4 dollars’”. C’est précisément pourquoi nous ne sommes pas disposés à payer 10 000 dollars pour jouer à ce jeu.

5. Conclusion : Un paradoxe qui a ouvert les portes de l’économie

Le paradoxe de Saint-Pétersbourg est un paradoxe révolutionnaire qui a mathématiquement prouvé l’incohérence entre un chiffre objectif comme le “montant” et une valeur subjective telle que la “satisfaction humaine”.

Le concept d’“Utilité” proposé par Daniel Bernoulli est devenu, 200 ans plus tard, l’un des fondements les plus importants de la microéconomie moderne et de l’ingénierie financière (comme la théorie du portefeuille). Nos comportements, tels que souscrire une assurance ou diversifier nos investissements, peuvent tous être expliqués par ce mécanisme psychologique d’“utilité marginale décroissante” (la souffrance d’une grosse perte est bien plus grande que la joie d’un gros gain).

Un simple problème de calcul sur un jeu de hasard a ainsi permis de déchiffrer l’esprit humain et de donner naissance à cette vaste discipline qu’est l’économie.

Le paradoxe de Russell : "l'ensemble de tous les ensembles qui ne se contiennent pas eux-mêmes" se contient-il lui-même ?

Thu, 10 Sep 2026 04:00:00 +0900

1. Le “paradoxe du barbier” qui frappa un paisible village

Dans un village paisible vivait un barbier. À l’entrée du village se trouvait un étrange panneau d’affichage :

“Le barbier de ce village rase tous les villageois qui ne se rasent pas eux-mêmes, et ne rase personne d’autre.”

Les villageois étaient satisfaits de cette règle. Ceux qui ne pouvaient pas se raser eux-mêmes n’avaient qu’à aller chez le barbier, et ceux qui pouvaient se raser le faisaient chez eux.

Cependant, un jour, le jeune barbier se regarda dans le miroir et réalisa soudainement quelque chose. Il avait une barbe naissante sur le menton. “Alors, devrais-je me raser ?” se demanda-t-il.

Il décida de réfléchir logiquement en suivant la règle du panneau.

S’il “se rase lui-même” ? Selon la règle, le barbier ne peut raser que “ceux qui ne se rasent pas eux-mêmes”. Par conséquent, puisqu’il se rase lui-même, il n’a pas le droit de se faire raser par le barbier (lui-même). Autrement dit, il “ne doit pas se raser”.
S’il “ne se rase pas lui-même” ? Selon la règle, le barbier doit raser tous “ceux qui ne se rasent pas eux-mêmes”. Par conséquent, puisqu’il ne se rase pas lui-même, il doit se faire raser par le barbier (lui-même). Autrement dit, il “doit se raser”.

“S’il se rase, il ne doit pas se raser.” “S’il ne se rase pas, il doit se raser.”

Le barbier a complètement paniqué, incapable de choisir l’une ou l’autre action. C’est le célèbre “paradoxe du barbier”.

graph TD Barber["Barbier : Doit-il se raser ?"] Barber -->|OUI : Il se rase| Cond1["Violation de la règle !
(Il ne doit pas raser quelqu'un qui se rase lui-même)"] Barber -->|NON : Il ne se rase pas| Cond2["Violation de la règle !
(Il doit raser ceux qui ne se rasent pas eux-mêmes)"] Cond1 --> Paradox["Contradiction (Paradoxe)"] Cond2 --> Paradox style Paradox fill:#ff4444,color:#fff,stroke:#333,stroke-width:2px

2. Le “paradoxe de Russell” qui a secoué le monde des mathématiques

Ce “paradoxe du barbier” est une métaphore créée par le logicien et philosophe britannique Bertrand Russell pour expliquer de manière compréhensible au grand public le paradoxe mathématique qu’il avait découvert.

Ce qu’il avait vraiment découvert n’était pas un barbier, mais une terrible contradiction concernant la “théorie des ensembles (Set)”. C’est ce qu’on appelle le “paradoxe de Russell (1901)”.

L’idée d’“un ensemble d’ensembles”

En mathématiques, un “ensemble” est une collection d’objets qui satisfont à une certaine condition.

“L’ensemble des nombres pairs inférieurs ou égaux à 10” = $\{2, 4, 6, 8, 10\}$
“L’ensemble des pommes rouges”

Et il est également possible d’inclure d’autres “ensembles” comme éléments d’un ensemble. Par exemple, considérons “l’ensemble de tous les livres du monde”. Comme cet ensemble lui-même n’est pas un “livre”, “l’ensemble de tous les livres du monde” n’est pas inclus dans son propre ensemble.

D’un autre côté, considérons “l’ensemble des choses qui ne sont pas des livres”. Cet ensemble lui-même n’est pas non plus un “livre”. Par conséquent, “l’ensemble des choses qui ne sont pas des livres” sera inclus dans son propre ensemble.

Ainsi, les ensembles de ce monde peuvent être globalement divisés en deux catégories :

A : Les ensembles qui ne se contiennent pas eux-mêmes (ex. : l’ensemble des livres)
B : Les ensembles qui se contiennent eux-mêmes (ex. : l’ensemble des choses qui ne sont pas des livres)

La naissance de l’ensemble diabolique $R$

Ici, Russell a imaginé un ensemble spécial $R$ tel que :

L’ensemble $R$ = l’ensemble de tous “les ensembles qui ne se contiennent pas eux-mêmes (type A)”

Écrit sous forme mathématique (notation en compréhension), cela donne :

$$ R = \{ x \mid x \notin x \} $$

Maintenant, voici le cœur du problème. Russell a posé la question suivante concernant cet ensemble $R$ :

“L’ensemble $R$ se contient-il lui-même ($R$) ?”

Réfléchissons-y.

Si $R$ “se contient lui-même ($R \in R$)” ? La condition pour être inclus dans $R$ est de “ne pas se contenir soi-même”. Par conséquent, $R$ ne remplit pas la condition et ne peut pas être inclus dans $R$. ($R \notin R$, ce qui est une contradiction)
Si $R$ “ne se contient pas lui-même ($R \notin R$)” ? La condition pour être inclus dans $R$ est de “ne pas se contenir soi-même”. Par conséquent, $R$ remplit parfaitement la condition et doit être inclus dans $R$. ($R \in R$, ce qui est une contradiction)

Exprimé mathématiquement, c’est un effondrement logique en une seule ligne :

$$ R \in R \iff R \notin R $$

“S’il se contient, il ne se contient pas.” “S’il ne se contient pas, il se contient.” C’est exactement la même structure que le paradoxe du barbier. Mais si, pour le barbier du village, cela peut se résumer à une plaisanterie du genre “le maire qui a mis en place une telle règle est juste stupide”, dans le monde des mathématiques, ce n’est pas le cas.

En effet, la communauté mathématique de l’époque était en train d’essayer de reconstruire l’ensemble des mathématiques sur la base de la règle naïve (la théorie naïve des ensembles) selon laquelle “tant que les conditions sont clairement définies, on peut librement créer un ’ensemble’ de n’importe quoi”.

3. La tragédie de Frege

La personne à qui Russell a envoyé cette lettre était le grand logicien allemand Gottlob Frege. Frege venait tout juste d’envoyer à l’imprimerie le deuxième volume de son chef-d’œuvre, “Les Lois fondamentales de l’arithmétique”, auquel il avait consacré toute sa vie. Ce livre était l’aboutissement d’une tentative de prouver la complétude des mathématiques sur la base de la règle selon laquelle “des ensembles peuvent être créés à partir de n’importe quelle condition”.

En lisant la lettre de Russell, Frege fut désespéré. Car il était prouvé qu’en utilisant la règle du “fondement des fondements” de son livre, on pouvait créer des “ensembles absolument contradictoires” comme le paradoxe de Russell. Si les fondations s’effondrent, les centaines de pages de formules mathématiques construites dessus deviennent toutes invalides.

Frege a laissé le post-scriptum déchirant suivant à la fin du livre juste avant sa publication :

“Pour un scientifique, il n’y a rien de plus tragique que de voir ses fondations s’effondrer au moment même où il pense avoir terminé son travail. Juste après l’envoi de ce livre à l’imprimerie, une lettre de M. Bertrand Russell m’a placé précisément dans cette situation.”

4. Surmonter la crise : la naissance de la théorie axiomatique des ensembles

Le paradoxe de Russell a provoqué une grande panique dans le monde mathématique, connue sous le nom de “crise des fondements des mathématiques”. La règle désinvolte selon laquelle “tant que les conditions sont définies, vous pouvez créer librement des ensembles” avait engendré un monstre nommé contradiction.

Pour résoudre cette crise, les mathématiciens ont entrepris de durcir les règles. Des mathématiciens tels que Zermelo et Fraenkel ont établi un livre de règles (système d’axiomes) qui distingue strictement “les ensembles que l’on peut créer” et “les ensembles que l’on ne doit pas créer (trop grands)”. C’est ce qu’on appelle la “théorie des ensembles de Zermelo-Fraenkel (ZFC)” ou “théorie axiomatique des ensembles”.

Sous le système axiomatique ZFC, “l’ensemble $R$ regroupant tous ’les ensembles qui ne se contiennent pas eux-mêmes’”, tel que l’avait imaginé Russell, a été banni du monde mathématique, car “trop grand et dangereux, il n’est plus reconnu comme un ’ensemble’ (c’est simplement une ‘classe’)”.

graph LR subgraph "Théorie naïve des ensembles (Avant Russell)" Free["On peut créer librement
des ensembles avec n'importe quelle condition !"] --> Monster["Le monstre de la contradiction R
(Paradoxe de Russell)"] end subgraph "Théorie axiomatique des ensembles (Mathématiques modernes)" Strict["Seuls ceux qui suivent des règles
strictes (axiomes) sont des 'ensembles'"] --> Safe["La contradiction R n'est pas reconnue
comme un 'ensemble', donc on est en sécurité !"] end Monster -.->|Crise dans le monde des mathématiques| Strict

5. Conclusion : Les paradoxes sont un remède de cheval pour corriger les “bugs logiques”

Le paradoxe de Russell est le summum du bug logique provoqué par l’autoréférence (faire référence à soi-même), semblable à “un serpent qui se mord la queue (Ouroboros)” ou “un menteur qui dit qu’il est un menteur”.

Des paradoxes, qui à première vue peuvent sembler n’être que de la sophistique ou des jeux de mots, ont détruit les fondements de la discipline la plus rigoureuse qu’est les mathématiques, et ont finalement fait évoluer les mathématiques vers quelque chose de plus solide et de plus rigoureux.

Si le génie qu’était Russell n’avait pas remarqué ce “bug du barbier”, les mathématiques modernes et l’informatique qui s’inscrit dans le prolongement de cette logique se seraient peut-être développées avec une contradiction fatale quelque part. Les paradoxes sont les remèdes les plus stimulants qui nous enseignent les limites de la logique humaine.

Le dilemme du prisonnier : pourquoi faisons-nous le choix où "tout le monde perd" ?

Thu, 10 Sep 2026 03:00:00 +0900

1. Le choix ultime : garder le silence ou trahir ?

Vous avez été arrêté par la police avec un ami, complice d’un crime présumé. Vous êtes placés dans des salles d’interrogatoire séparées, et il vous est absolument impossible de communiquer l’un avec l’autre.

Comme la police n’a pas de preuves solides, le procureur propose à vous et à votre ami l’accord de plaidoyer suivant :

Si tous les deux “gardent le silence (coopération)” : Faute de preuves, vous vous en sortirez tous les deux avec 1 an de prison.
Si vous “avouez (trahison)” et que votre ami “garde le silence” : Vous qui avez coopéré à l’enquête serez acquitté (libération immédiate), mais votre ami portera le chapeau pour tout et aura 10 ans de prison. (Et vice versa)
Si tous les deux “avouent (trahison)” : Puisque vous avez tous les deux reconnu les faits, vos peines seront légèrement réduites et vous écoperez tous les deux de 5 ans de prison.

Alors, que feriez-vous ? Allez-vous “garder le silence (coopérer avec votre complice)” ? Ou allez-vous “avouer (trahir votre complice)” ?

2. Analyse par la matrice des gains (payoff matrix)

Organisons cette situation dans une “matrice des gains” utilisée dans la théorie des jeux. Les nombres dans les cases représentent (vos années de prison, les années de prison de votre ami). Le signe moins signifie une perte (années de prison).

Vous \ Ami	Garder le silence (Coopération)	Avouer (Trahison)
Garder le silence (Coopération)	(-1, -1)	(-10, 0)
Avouer (Trahison)	(0, -10)	(-5, -5)

D’un point de vue objectif, la meilleure action à entreprendre pour vous deux est évidente. Si tous les deux “gardent le silence”, la peine totale ne sera que de 2 ans (-1 et -1). C’est l’état “Optimum de Pareto” qui maximise le bénéfice global.

Cependant, si vous êtes un “humain rationnel essayant de maximiser son propre profit”, une conclusion complètement différente en est tirée.

3. Pourquoi la “trahison” devient-elle un choix rationnel ?

Suivons le processus de réflexion où vous prédisez le comportement de votre “ami” dans l’autre pièce pour décider de votre propre action.

Cas 1 : Si vous prédisez que votre ami “gardera le silence”

Si je “garde le silence”, 1 an de prison.
Si j’“avoue”, acquittement (libération immédiate). $\rightarrow$ L’acquittement étant préférable, “avouer (trahir)” est optimal.

Cas 2 : Si vous prédisez que votre ami “avouera”

Si je “garde le silence”, 10 ans de prison.
Si j’“avoue”, 5 ans de prison. $\rightarrow$ 5 ans de prison étant moins pires, “avouer (trahir)” est toujours optimal.

L’avez-vous remarqué ? Peu importe l’action entreprise par l’autre, il est toujours plus avantageux pour vous d’“avouer (trahir)”. Dans la théorie des jeux, on appelle cela une “stratégie dominante”.

Votre ami étant placé exactement dans la même situation et pensant de la même manière rationnelle, “avouer” devient également sa stratégie dominante.

En conséquence, les deux individus rationnels choisiront toujours “d’avouer (se trahir)” mutuellement. Le résultat final est que tous les deux purgeront 5 ans de prison (-5, -5), ce qui est presque le pire résultat dans l’ensemble. Si vous aviez coopéré (gardé le silence), vous vous en seriez tirés avec un an de prison, mais en poursuivant la rationalité individuelle, vous finissez tous les deux par y perdre.

graph TD Start["Début du choix"] --> Logic_You["Votre réflexion rationnelle"] Start --> Logic_Friend["La réflexion rationnelle de l'ami"] Logic_You -->|Si l'autre se tait, avouer est profitable
Si l'autre avoue, avouer reste profitable| Betray_You["Vous choisissez d'avouer (trahir)"] Logic_Friend -->|Si l'autre se tait, avouer est profitable
Si l'autre avoue, avouer reste profitable| Betray_Friend["L'ami choisit d'avouer (trahir)"] Betray_You --> Result["Résultat : les deux avouent (-5, -5)"] Betray_Friend --> Result Ideal["Idéal : les deux se taisent (-1, -1)"] -.->|La rationalité individuelle s'y oppose
et empêche de l'atteindre| Result style Result fill:#ff9999,stroke:#333,stroke-width:2px style Ideal fill:#99ff99,stroke:#333,stroke-width:2px

Cet état où “après avoir prédit le comportement de l’autre, personne n’est incité à changer de stratégie (on ne peut rien faire de plus)” est appelé “Équilibre de Nash”, d’après le grand maître de la théorie des jeux, John Nash.

Le point le plus effrayant du dilemme du prisonnier réside dans le fait que “l’optimum de Pareto (le meilleur résultat pour l’ensemble)” et “l’équilibre de Nash (la destination ultime de la rationalité individuelle)” ne coïncident pas.

4. Le “dilemme du prisonnier” caché dans la société quotidienne

Le dilemme du prisonnier n’est pas qu’un simple quiz. De nombreux problèmes survenant dans notre société peuvent être expliqués par ce modèle mathématique.

1. La guerre des prix (concurrence sur les prix)

Deux entreprises rivales vendent des produits similaires pour 1000 yens. Si les deux maintiennent le prix de 1000 yens (coopération), elles obtiennent toutes deux des bénéfices élevés. Cependant, cédant à la tentation de “vendre un peu moins cher que le concurrent (trahison) pour monopoliser les clients”, les deux entreprises commencent une guerre des prix. En conséquence, le produit finit à 500 yens, et les deux entreprises souffrent sans faire de bénéfices (trahison mutuelle).

2. Les problèmes environnementaux et les gaz à effet de serre

Les pays du monde entier promettent de “réduire les émissions de CO2 (coopération)”. C’est la solution optimale pour la planète entière. Cependant, si un seul pays “ignore les limites d’émission et fait tourner ses usines (trahison)”, il peut faire croître rapidement sa propre économie. À l’inverse, si d’autres pays trahissent mais que votre pays est le seul à respecter les règles, votre pays subira d’énormes pertes économiques. En conséquence, craignant d’être devancé, chaque pays choisit la trahison, et l’environnement mondial est détruit.

3. Le problème du dopage dans le sport

L’idéal est qu’aucun athlète ne se dope (coopération). Cependant, la paranoïa que “les adversaires pourraient se doper” ou la tentation de penser que “si je suis le seul à me doper, je peux gagner”, conduit à choisir le dopage (trahison). En conséquence, on tombe dans la pire situation où tout le monde concourt dopé tout en ruinant sa santé.

5. Y a-t-il une solution ? La stratégie “donnant-donnant” (Tit for Tat)

Dans une transaction unique, la “trahison” sera toujours le choix rationnel. Mais lorsque cela devient “un jeu répété plusieurs fois avec le même adversaire (dilemme du prisonnier itéré)”, la situation change radicalement.

Dans les années 1980, le politologue Robert Axelrod a organisé un tournoi où des ordinateurs programmés avec diverses stratégies s’affrontaient. Parmi les stratégies complexes recueillies auprès de chercheurs du monde entier, telles que “toujours trahir”, “trahir de façon aléatoire”, ou “pardonner à l’adversaire”, c’est la stratégie la plus simple, “donnant-donnant (Tit for Tat)”, qui l’a emporté avec des résultats écrasants.

Les règles de la stratégie donnant-donnant se résument à ceci :

Toujours “coopérer” au début.
Ensuite, imiter simplement “l’action prise par l’adversaire” au tour précédent.
- Si l’adversaire a coopéré la dernière fois, on coopère cette fois.
- Si l’adversaire a trahi la dernière fois, on trahit et on riposte cette fois.

Cette stratégie est forte car elle combine quatre caractéristiques : “ne jamais être le premier à trahir (bonté)”, “punir immédiatement si on est trahi (sévérité)”, “pardonner immédiatement si l’adversaire change d’attitude (indulgence)”, et “une structure simple facile à comprendre pour l’adversaire (clarté)”.

graph LR Start["1ère fois : coopération inconditionnelle"] --> Round2 Round2["Observer l'action de l'adversaire"] -->|L'adversaire a coopéré| Act_Coop["Je coopère aussi"] Round2 -->|L'adversaire a trahi| Act_Betray["Je trahis aussi (représailles)"] Act_Coop --> Round2 Act_Betray -->|Si l'adversaire regrette
et revient à la coopération| Act_Coop

Dans les relations humaines ou la société internationale, tant qu’une relation à long terme est supposée, partager la règle de “coopérer à la base, mais pénaliser la trahison”, comme dans la stratégie donnant-donnant, permet de surmonter le dilemme du prisonnier et de construire des relations de coopération.

6. Conclusion : la valeur de la “confiance” enseignée par les mathématiques

Le dilemme du prisonnier a prouvé mathématiquement que la “rationalité égoïste humaine” peut parfois plonger la société tout entière dans l’abîme du malheur. La rationalité individuelle de vouloir “être le seul à en tirer profit” ou “ne pas se faire devancer” conduit finalement à un résultat où l’on se tire une balle dans le pied (équilibre de Nash).

Mais dans le même temps, la théorie des jeux nous enseigne aussi que, à condition que “la relation se poursuive sur le long terme”, “se faire mutuellement confiance et coopérer” est en fait la stratégie la plus rationnelle qui maximise aussi son propre profit.

La prochaine fois que vous hésiterez à “tricher un peu pour vous seul”, rappelez-vous de la matrice des gains de ce dilemme du prisonnier. Poursuivre le profit immédiat par une “trahison rationnelle” pourrait bien être le choix le plus irrationnel à long terme.

Achille et la tortue : impossible à rattraper, ou rattrapable ? Le paradoxe de l'« infini » qui perdure depuis la Grèce antique

Thu, 10 Sep 2026 01:00:00 +0900

1. Le paradoxe de Zénon : le héros au pied léger ne peut-il pas battre une tortue ?

Au Ve siècle avant J.-C., le philosophe grec antique Zénon d’Élée a présenté plusieurs paradoxes concernant le « mouvement » qui allaient directement à l’encontre de notre intuition et de notre bon sens. Le plus célèbre d’entre eux est le paradoxe d’« Achille et la tortue ».

Achille, le héros le plus rapide de la mythologie grecque, et une tortue, synonyme de lenteur, font une course à pied. Bien sûr, comme Achille est nettement plus rapide, la tortue reçoit un avantage en lui permettant de partir un peu plus en avant.

La course commence. Achille poursuit la tortue à une vitesse fulgurante. Cependant, Zénon a affirmé ce qui suit :

« Achille ne pourra jamais rattraper la tortue »

Mais pourquoi donc ? La logique de Zénon est la suivante :

Lorsqu’Achille atteint le « point de départ initial (point A) » de la tortue, la tortue a avancé un peu et se trouve au « point B ».
Lorsqu’Achille atteint le « point B », la tortue a encore avancé un peu et se trouve au « point C ».
Lorsqu’Achille atteint le « point C », la tortue a encore avancé un peu et se trouve au « point D ».

Ce processus se poursuit à l’infini. Chaque fois qu’Achille atteint « l’endroit où se trouvait la tortue », la tortue s’est inévitablement déplacée « un peu plus loin ». La distance se réduit de plus en plus, mais comme cette étape doit être répétée un nombre infini de fois, Achille ne pourra jamais dépasser la tortue.

Dans le monde réel, il est tout à fait normal qu’une personne rapide dépasse une personne lente. Cependant, il était très difficile pour les gens de l’époque d’expliquer où se trouvait la faille dans ce tour de passe-passe logique basé sur les mots.

2. Où est l’erreur ? L’illusion du « temps » et de « l’infini »

L’ingéniosité de la logique de Zénon réside dans le fait qu’il substitue « un nombre infini d’étapes (division de l’espace) » à un « temps infini ».

Il est vrai que le « nombre d’étapes » nécessaires pour qu’Achille atteigne l’endroit où se trouvait la tortue est infini. Cependant, le fait qu’il y ait « un nombre infini d’étapes » ne signifie pas nécessairement que « la somme du temps requis sera infinie (l’éternité) ».

Les mathématiciens des générations suivantes ont créé une arme puissante pour résoudre ce paradoxe : la « somme des séries infinies ».

3. Explication mathématique : sommes de séries infinies et « limites »

Appliquons des nombres concrets et calculons mathématiquement ce problème.

Supposons que la vitesse de course d’Achille soit de $10\text{m/s}$.
Supposons que la vitesse de marche de la tortue soit de $1\text{m/s}$. (La vitesse d’Achille multipliée par $\frac{1}{10}$)
Comme avantage pour la tortue, supposons que la tortue parte de $10\text{m}$ devant Achille.

Calcul du temps pour chaque étape

Étape 1 : Le temps nécessaire à Achille pour atteindre la position initiale de la tortue ($10\text{m}$ plus loin) est de $\frac{10\text{m}}{10\text{m/s}} =$ $1\text{ seconde}$. Pendant cette seconde, la tortue a avancé de $1\text{m}$. (L’écart actuel entre Achille et la tortue est de $1\text{m}$)

Étape 2 : Le temps nécessaire à Achille pour atteindre la position suivante de la tortue ($1\text{m}$ plus loin) est de $\frac{1\text{m}}{10\text{m/s}} =$ $0.1\text{ seconde}$. Pendant ces $0.1$ seconde, la tortue a avancé de $0.1\text{m}$. (L’écart est de $0.1\text{m}$)

Étape 3 : Le temps nécessaire à Achille pour atteindre la position suivante de la tortue ($0.1\text{m}$ plus loin) est de $\frac{0.1\text{m}}{10\text{m/s}} =$ $0.01\text{ seconde}$. Pendant ces $0.01$ seconde, la tortue a avancé de $0.01\text{m}$. (L’écart est de $0.01\text{m}$)

Ainsi, le « temps » nécessaire pour qu’Achille atteigne la position précédente de la tortue forme la séquence infinie suivante :

$$ 1\text{ seconde},\ 0.1\text{ seconde},\ 0.01\text{ seconde},\ 0.001\text{ seconde},\ \dots $$

Zénon a dit : « Puisque ces étapes se poursuivent indéfiniment, Achille ne la rattrapera jamais. » Cependant, que se passe-t-il si nous additionnons tous les temps pris pour chaque étape (trouvons la somme de la série infinie) ?

$$ \text{Temps total } T = 1 + 0.1 + 0.01 + 0.001 + \dots $$

Il s’agit d’une série géométrique infinie avec un premier terme $a = 1$ et une raison $r = 0.1$. Si la valeur absolue de la raison $r$ est inférieure à 1 ($|r| < 1$), la série géométrique infinie converge vers une certaine « valeur finie ». La formule de sa somme est la suivante :

$$ S = \frac{a}{1 - r} $$

En appliquant cette formule et en calculant, on obtient :

$$ T = \frac{1}{1 - 0.1} = \frac{1}{0.9} = \frac{10}{9} = 1.1111\dots \text{ secondes} $$

En d’autres termes, même s’il existe un nombre infini d’étapes, la somme du temps requis ne devient pas « infinie », mais converge exactement vers $\frac{10}{9}$ de seconde (environ $1.11$ secondes). Achille rattrapera magnifiquement et dépassera la tortue environ $1.11$ seconde après le départ.

pie title "Temps jusqu'à ce qu'Achille la rattrape (Total environ 1.11 secondes)" "Étape 1 (1 seconde)" : 90 "Étape 2 (0.1 seconde)" : 9 "Somme infinie à partir de l'étape 3 (0.011... seconde)" : 1

4. Pourquoi avons-nous été trompés ?

L’essence de ce paradoxe réside dans le fait qu’il exploite l’erreur de l’intuition humaine naïve selon laquelle « si vous additionnez un nombre infini de choses, la réponse devrait également être infinie ».

$$ 1 + 1 + 1 + 1 + \dots = \infty $$

Ainsi, si vous ajoutez le même nombre indéfiniment, cela devient naturellement infini.

$$ \frac{1}{2} + \frac{1}{3} + \frac{1}{4} + \dots = \infty $$

La célèbre « série harmonique », bien que les nombres à ajouter deviennent de plus en plus petits, diverge finalement vers l’infini.

Cependant, si les nombres à ajouter deviennent plus petits suffisamment rapidement (comme dans une série géométrique), même si vous additionnez un nombre infini de nombres, ils s’inséreront parfaitement dans un certain « cadre fini ».

$$ \frac{1}{2} + \frac{1}{4} + \frac{1}{8} + \frac{1}{16} + \dots = 1 $$

C’est comme manger la moitié d’un gâteau, puis manger la moitié du reste, et encore la moitié du reste… même si vous le répétez indéfiniment, cela ne dépassera jamais « l’équivalent d’un gâteau entier d’origine ». Zénon a intentionnellement divisé le temps en petits morceaux, et en ne parlant des choses que dans ce cadre temporel divisé (1 seconde, 0.1 seconde, 0.01 seconde…), il a créé l’illusion que l’on ne pourrait « jamais rattraper ».

5. Une réflexion sur la vitesse relative le résout instantanément

Soit dit en passant, il est également facile de résoudre ce problème en utilisant les mathématiques du collège sans tomber dans le piège de Zénon (la division infinie de l’espace et du temps). Il suffit d’utiliser la « vitesse relative ».

Vitesse d’Achille : $10\text{m/s}$
Vitesse de la tortue : $1\text{m/s}$
Vitesse relative de la tortue vue par Achille (la vitesse à laquelle Achille s’approche de la tortue) : $10 - 1 = 9\text{m/s}$

Le retard initial d’Achille par rapport à la tortue est de $10\text{m}$. Le temps qu’il faut pour combler une distance de $10\text{m}$ à une vitesse de $9\text{m/s}$ est :

$$ \text{Temps} = \frac{\text{Distance}}{\text{Vitesse}} = \frac{10}{9}\text{ secondes} $$

Cela correspond parfaitement à la réponse que nous avons trouvée plus tôt en utilisant le calcul infinitésimal (la limite d’une série infinie).

6. Résumé : Les paradoxes ont fait progresser les mathématiques

Le paradoxe d’« Achille et la tortue » de Zénon peut sembler n’être qu’un simple jeu de mots ou un sophisme de notre point de vue moderne. Cependant, pour les philosophes grecs anciens qui ne possédaient pas les concepts d’« infini » ou de « limite » à l’époque, il était extrêmement difficile de le réfuter par la seule logique.

Les questions profondes posées par ce paradoxe, telles que « Qu’est-ce que le continu ? » et « Que signifie être divisé à l’infini ? », sont devenues un moteur important qui a conduit à la naissance du « calcul infinitésimal » par Newton et Leibniz plus tard, et même aux fondements des mathématiques modernes.

Les grands paradoxes ne font pas que tromper les gens, ce sont aussi les clés qui ouvrent les portes de nouvelles mathématiques.

Le paradoxe des anniversaires : Plus de 50 % de chances avec seulement 23 personnes ? La magie des « combinaisons » qui trompe notre intuition

Thu, 10 Sep 2026 00:00:00 +0900

1. Test d’intuition : Combien de personnes faut-il rassembler pour que la probabilité dépasse 50 % ?

Des personnes sont rassemblées lors d’une fête. Ici, « pour que la probabilité qu’il y ait au moins une paire de personnes partageant exactement le même anniversaire (mois et jour) dans la salle dépasse 50 % », combien de personnes pensez-vous qu’il faut au minimum ? (*Nous excluons les années bissextiles, considérons qu’une année compte 365 jours, et supposons que chaque date d’anniversaire est équiprobable).

L’intuition humaine a tendance à calculer comme suit : « Une année compte 365 jours. Puisqu’on place des personnes dans 365 cases et qu’il faut qu’elles se chevauchent, il faudrait probablement au moins 180 personnes. Même avec une estimation basse, il faudrait au moins 50 à 60 personnes pour que la probabilité atteigne la moitié, non ? »

Cependant, la réponse exacte donnée par les mathématiques n’est que de « 23 personnes ». Dans une classe d’école (environ 30 à 40 personnes), la probabilité qu’il y ait une paire ayant le même anniversaire grimpe à environ 70 % - 89 %. S’il y a 50 personnes, cette probabilité atteint 97 %, ce qui crée une situation où « il est plus rare qu’il n’y ait personne partageant le même anniversaire ».

Pourquoi notre intuition s’écarte-t-elle à ce point de la probabilité réelle ?

2. La raison pour laquelle l’intuition se trompe : La différence entre « moi et quelqu’un » et « quelqu’un et quelqu’un »

La principale raison pour laquelle l’intuition se trompe sur ce problème est que nous pensons inconsciemment à « la probabilité qu’il y ait quelqu’un qui partage le même anniversaire qu’une personne spécifique (par exemple, nous-mêmes) ».

Si vous entrez dans la salle et cherchez « Y a-t-il quelqu’un qui a le même anniversaire que moi ? », la probabilité qu’il y ait quelqu’un avec le même anniversaire que vous parmi 23 personnes n’est que d’environ 6,1 %. (Pour que cette probabilité dépasse 50 %, il faut en réalité 253 personnes).

Cependant, le paradoxe des anniversaires ne porte pas sur la paire « moi et quelqu’un ». Il suffit qu’il y ait une seule correspondance parmi « toutes les combinaisons possibles entre toutes les personnes présentes dans la salle (A et B, B et C, C et A…) ».

graph TD subgraph "L'illusion de l'intuition : Comparaison centrée sur « soi-même »" You["Soi-même"] --- P1["Personne A"] You --- P2["Personne B"] You --- P3["Personne C"] You --- P4["Personne D"] style You fill:#ff9999,stroke:#333,stroke-width:4px end subgraph "La réalité : Comparaison croisée de « tout le monde avec tout le monde »" A["Personne A"] --- B["Personne B"] A --- C["Personne C"] A --- D["Personne D"] B --- C B --- D C --- D end

Même dans un groupe de 4 personnes seulement, il y a 3 combinaisons centrées sur « soi-même », mais il existe 6 combinaisons possibles entre toutes les personnes (${}_4 C_2 = 6$). Lorsque le nombre de personnes passe à 23, le nombre de combinaisons de paires augmente de manière explosive pour atteindre 253 (${}_{23} C_2$). S’il y a 253 paires, ne commencez-vous pas à vous dire qu’il ne serait pas si surprenant qu’au moins une d’entre elles tire la probabilité de « 1 sur 365 » ?

3. Preuve mathématique : Une solution élégante utilisant l’événement complémentaire

Il est difficile de calculer directement « la probabilité qu’au moins une paire ait le même anniversaire » (car il y a trop de cas de figure : 1 seule paire identique, 2 paires identiques, 3 personnes avec le même anniversaire… etc.). C’est pourquoi nous utilisons une technique de base de la théorie des probabilités appelée « événement complémentaire ».

L’événement complémentaire est « la probabilité que cela ne se produise pas ». Autrement dit, il suffit de calculer « la probabilité que les anniversaires de tout le monde soient différents (aucun chevauchement) », puis de la soustraire de 100 % (1) pour obtenir la probabilité recherchée.

$$ P(\text{au moins 2 personnes ont le même anniversaire}) = 1 - P(\text{tous les anniversaires sont différents}) $$

Faisons le calcul en imaginant des personnes entrant dans la salle une par une.

La première personne : Il n’y a aucun risque de chevauchement. La probabilité est de $\frac{365}{365}$.
La deuxième personne : Elle doit avoir un anniversaire différent de la première. C’est bon si c’est l’un des 364 jours restants. La probabilité est de $\frac{364}{365}$.
La troisième personne : Elle doit avoir un anniversaire différent des deux premières. C’est bon si c’est l’un des 363 jours restants. La probabilité est de $\frac{363}{365}$.

En multipliant cela jusqu’à la $n$-ième personne, on obtient le terme général de la probabilité $P(n)'$ que tout le monde ait un anniversaire différent.

$$ P(n)' = \frac{365}{365} \times \frac{364}{365} \times \frac{363}{365} \times \dots \times \frac{365 - (n - 1)}{365} $$ $$ P(n)' = \prod_{k=1}^{n-1} \left(1 - \frac{k}{365}\right) $$

Par conséquent, « la probabilité $P(n)$ qu’au moins 2 personnes aient le même anniversaire » que nous recherchons est la suivante :

$$ P(n) = 1 - \prod_{k=1}^{n-1} \left(1 - \frac{k}{365}\right) $$

En substituant le nombre de personnes $n$ dans cette équation, on peut voir que la probabilité augmente à une vitesse surprenante.

Pour $n = 10$, la probabilité est d’environ 11,7 %
Pour $n = 23$, la probabilité est d’environ 50,7 % (Elle dépasse 50 % ici !)
Pour $n = 40$, la probabilité est d’environ 89,1 %
Pour $n = 70$, la probabilité est d’environ 99,9 %

pie title "Probabilités lorsqu'il y a 23 personnes" "Il y a une paire avec le même anniversaire (50,7 %)" : 50.7 "Tous différents (49,3 %)" : 49.3

4. Calcul approché par le développement de Taylor

Puisqu’il est difficile de calculer à la main 23 multiplications, utilisons une formule d’approximation mathématique pour le comprendre de manière un peu plus intuitive.

Considérons le développement de Taylor de la fonction exponentielle $e^{-x}$. Lorsque $x$ est suffisamment petit, l’approximation suivante est valable :

$$ e^{-x} \approx 1 - x $$

En appliquant cela à chaque terme $\left(1 - \frac{k}{365}\right)$ précédent, on obtient :

$$ 1 - \frac{k}{365} \approx e^{-\frac{k}{365}} $$

En multipliant tout cela (ce qui devient une addition selon la règle des exposants), on a :

$$ P(n)' \approx e^{-\frac{1}{365}} \times e^{-\frac{2}{365}} \times \dots \times e^{-\frac{n-1}{365}} $$ $$ P(n)' \approx \exp\left(-\sum_{k=1}^{n-1} \frac{k}{365}\right) $$

La somme de 1 à $n-1$ étant $\frac{n(n-1)}{2}$ (c’est-à-dire le nombre de combinaisons ${}_n C_2$), on a :

$$ P(n)' \approx \exp\left(-\frac{n(n-1)}{2 \times 365}\right) $$

Dans cette équation, cherchons $n$ lorsque la probabilité devient 50 % ($0,5$).

$$ 0,5 = e^{-\frac{n(n-1)}{730}} $$

Prenons le logarithme népérien des deux côtés ($\ln 0,5 \approx -0,693$).

$$ -0,693 = -\frac{n(n-1)}{730} $$ $$ n(n-1) = 0,693 \times 730 \approx 505,89 $$

En approximant à $n^2 \approx 506$, on obtient $n = \sqrt{506} \approx 22,49$ La réponse $n \approx 23$ en est brillamment déduite !

5. Application à la vie quotidienne et « Collision de hachage »

Ce paradoxe n’est pas seulement un sujet de conversation pour les banquets. Il joue un rôle extrêmement important dans la théorie de la cryptographie et la sécurité de l’information qui soutiennent la société informatique moderne.

Dans les systèmes informatiques, on utilise un mécanisme appelé « fonction de hachage » pour vérifier rapidement l’identité des mots de passe et des fichiers. Une fonction de hachage renvoie une chaîne de caractères aléatoire (valeur de hachage) d’une longueur constante, quelles que soient les données qu’on y insère. Cependant, le phénomène où ces valeurs de hachage deviennent identiques par hasard est appelé « collision de hachage » (Hash Collision).

Les collisions de hachage se produisent exactement selon le même principe que le paradoxe des anniversaires. Contrairement à l’intuition humaine selon laquelle « puisqu’il y a un nombre astronomique de types de valeurs de hachage, les collisions ne se produiront presque jamais », il est étonnamment facile pour un attaquant de générer massivement des données aléatoirement et de trouver une paire « qui correspond (qui a le même anniversaire) ».

C’est ce qu’on appelle une « attaque des anniversaires » (Birthday Attack). Les ingénieurs qui conçoivent des systèmes de sécurité partent de cette réalité mathématique selon laquelle « les collisions se produisent beaucoup plus rapidement que ne le suggère l’intuition », et fixent la longueur des valeurs de hachage à une taille très importante pour garantir la sécurité.

6. Conclusion : Les limites de l’intuition humaine

Le paradoxe des anniversaires est un exemple parfait montrant à quel point l’intuition humaine est vulnérable face aux « croissances exponentielles » ou aux « explosions combinatoires ».

Nous sommes doués pour appréhender une augmentation linéaire (par addition), mais nous ne pouvons pas simuler mentalement un phénomène où le nombre de paires augmente de manière explosive à un rythme de $n^2$. Derrière notre intuition selon laquelle « le nombre 23 est trop petit par rapport au grand nombre 365 », il y a en fait « 253 fils invisibles (paires) » créés par ces 23 personnes.

La prochaine fois que vous irez dans un endroit où des gens sont rassemblés, essayez d’imaginer non seulement le « nombre de personnes » visibles, mais aussi les « innombrables fils de combinaisons » qui existent entre elles. Votre vision du monde devrait changer de manière légèrement mathématique.

Le paradoxe des deux enveloppes : l’effondrement logique et le piège décisionnel causés par une espérance mathématique infinie

Thu, 10 Sep 2026 00:00:00 +0900

1. Le choix ultime : échanger ou ne pas échanger ?

Vous êtes à l’étape finale d’un jeu télévisé. Sur la table devant vous se trouvent deux enveloppes (A et B) d’apparence identique. Le présentateur vous dit :

« L’une des enveloppes contient le double de l’argent de l’autre. Veuillez en choisir une. »

Après avoir hésité, vous avez choisi l’enveloppe A. Au moment où vous vous apprêtez à regarder à l’intérieur, le présentateur vous murmure une tentation diabolique :

« Maintenant, si vous le souhaitez, vous pouvez échanger cette enveloppe A avec l’enveloppe B restante. Voulez-vous échanger ? »

Alors, devriez-vous échanger les enveloppes ?

2. La « boucle infinie » déduite par le calcul de l’espérance

Ici, exerçons un peu de réflexion mathématique. Supposons que le montant contenu dans l’enveloppe A que vous possédez est de $X$ yens. Le montant contenu dans l’enveloppe B est, selon les règles, soit « la moitié de $X$ yens ($\frac{X}{2}$) », soit « le double de $X$ yens ($2X$) ». La probabilité est de $\frac{1}{2}$ (50 %) pour chacun.

Calculons maintenant l’espérance (le montant moyen attendu) si vous échangez les enveloppes.

$$ E = \frac{1}{2} \times \left(\frac{X}{2}\right) + \frac{1}{2} \times (2X) $$ $$ E = \frac{X}{4} + X = \frac{5}{4}X = 1.25X $$

Un résultat surprenant est apparu. Rien qu’en échangeant les enveloppes, l’espérance bondit à $1.25$ fois (une augmentation de 25 %) le montant initial $X$. La conclusion est : « Mathématiquement parlant, il est absolument avantageux d’échanger ! »

Cependant, c’est ici que se produit l’effondrement logique. Supposons que vous ayez échangé pour l’enveloppe B. Que se passerait-il si, juste après, le présentateur vous demandait à nouveau : « Voulez-vous finalement revenir à A ? » La formule de calcul exacte s’applique de la même manière, et cette fois, la conclusion serait « l’espérance sera multipliée par 1.25 si vous passez de B à A ».

En d’autres termes, rien qu’en continuant à échanger de « A vers B » puis de « B vers A », l’espérance théorique continuerait d’augmenter indéfiniment. Cela contredit clairement la réalité (le contenu des enveloppes est déterminé dès le départ et n’augmente pas parce que vous les avez échangées).

graph TD Start["Vous choisissez l'enveloppe A (Contient X yens)"] --> Think["Calculer s'il est avantageux d'échanger"] Think --> Case1["Enveloppe B est la moitié (X/2 yens) : probabilité 50%"] Think --> Case2["Enveloppe B est le double (2X yens) : probabilité 50%"] Case1 --> Calc["Espérance = (X/4) + X = 1.25X"] Case2 --> Calc Calc --> SwitchToB["Échanger pour l'enveloppe B ! (Contient Y yens)"] SwitchToB --> ThinkAgain["Calculer à nouveau"] ThinkAgain --> Case3["Enveloppe A est la moitié (Y/2 yens) : probabilité 50%"] ThinkAgain --> Case4["Enveloppe A est le double (2Y yens) : probabilité 50%"] Case3 --> Calc2["Espérance = 1.25Y"] Case4 --> Calc2 Calc2 --> SwitchToA["Échanger à nouveau pour l'enveloppe A !"] SwitchToA --> Start style Calc fill:#ff9999,stroke:#333,stroke-width:2px style Calc2 fill:#ff9999,stroke:#333,stroke-width:2px style SwitchToA fill:#ff4444,color:#fff,stroke:#333,stroke-width:4px

Pourquoi un calcul d’espérance en apparence parfait a-t-il produit un paradoxe aussi étrange ?

3. Explication de l’astuce mathématique : la substitution de variables

Le piège de ce paradoxe réside dans « l’utilisation de la variable aléatoire $X$ ».

Dans la formule précédente, nous avons traité le montant $X$ de l’enveloppe A comme une constante fixe, et avons supposé que l’enveloppe B était « $\frac{X}{2}$ ou $2X$ ». Cependant, ce qui est véritablement fixe est la « somme des montants dans les deux enveloppes », ou encore le « montant le plus faible ».

Soit $S$ le montant dans l’enveloppe contenant le moins d’argent. Alors, l’enveloppe contenant le plus d’argent contient un montant de $2S$. Il n’y a que les 2 scénarios suivants pour l’ensemble du jeu (avec une probabilité de $\frac{1}{2}$ chacun).

Scénario 1 : L’enveloppe A que vous avez choisie contient le plus faible montant ($S$), et l’enveloppe B contient le montant le plus élevé ($2S$)
Scénario 2 : L’enveloppe A que vous avez choisie contient le montant le plus élevé ($2S$), et l’enveloppe B contient le plus faible montant ($S$)

Maintenant, calculons correctement l’espérance pour les cas « si vous n’échangez pas » et « si vous échangez ».

Espérance si vous n’échangez pas $E_{stay}$ :

$$ E_{stay} = \frac{1}{2} \times S + \frac{1}{2} \times 2S = \frac{3}{2}S = 1.5S $$

Espérance si vous échangez $E_{switch}$ : Dans le scénario 1, vous obtenez $2S$, et dans le scénario 2, vous obtenez $S$.

$$ E_{switch} = \frac{1}{2} \times 2S + \frac{1}{2} \times S = \frac{3}{2}S = 1.5S $$ $$ E_{stay} = E_{switch} $$

L’espérance concorde parfaitement ! Dans le premier calcul erroné, nous avons traité $X$ du scénario 1 (qui est en réalité $S$) et $X$ du scénario 2 (qui est en réalité $2S$) comme s’il s’agissait de la même variable $X$, alors qu’ils ont des valeurs différentes, ce qui a créé l’illusion que « l’espérance augmente si l’on échange ».

pie title "La vérité sur l'espérance (si le montant le plus faible est S)" "Espérance sans échanger (1.5S)" : 50 "Espérance avec échange (1.5S)" : 50

4. Que se passe-t-il si vous ouvrez l’enveloppe ?

Le paradoxe semble résolu. Cependant, un problème plus profond vous attend.

Que se passerait-il si, avant d’échanger les enveloppes, vous regardiez à l’intérieur de votre enveloppe A ? En ouvrant l’enveloppe A, vous découvrez qu’elle contient « 10 000 yens ».

À cet instant, la valeur devient une certitude : $X = 10000$. L’enveloppe B contient alors soit « 5 000 yens », soit « 20 000 yens ». Que se passe-t-il si l’on applique la première formule de calcul ici ?

$$ E_{switch} = \frac{1}{2} \times 5000 + \frac{1}{2} \times 20000 = 2500 + 10000 = 12500 $$

L’espérance est de 12 500 yens. Elle est incontestablement supérieure aux 10 000 yens actuels. De plus, cette fois-ci, $X$ étant une « constante spécifique » de 10 000 yens, la contre-argumentation de la « substitution de variables » ne tient plus. Dans ce cas, est-il absolument avantageux d’échanger ?

Réfutation par l’inférence bayésienne : l’absence de « distribution a priori »

Face à cela, les mathématiciens ont introduit le concept de « distribution a priori des montants (probabilité a priori) ». Il s’agit de se demander : peut-on vraiment dire que 5 000 yens et 20 000 yens ont chacun une probabilité de $\frac{1}{2}$ de s’y trouver ?

Par exemple, supposons que le budget maximum du jeu soit de 100 millions de yens. Si vous ouvrez l’enveloppe A et y trouvez « 60 millions de yens », la probabilité que l’enveloppe B contienne « 120 millions de yens » est de zéro (car cela dépasse le budget). En d’autres termes, plus le montant de l’enveloppe A est élevé, plus la probabilité que l’enveloppe B contienne « le double » devrait diminuer, et la probabilité qu’elle contienne « la moitié » devrait augmenter.

En supposant une distribution a priori arbitraire $P(x)$, et en calculant l’espérance à l’aide du théorème de Bayes, il a été mathématiquement prouvé que pour toute distribution de probabilité réaliste (dont la somme est égale à 1), il n’existe aucune distribution magique pour laquelle il est “plus avantageux d’échanger” pour tous les montants $X$.

5. Le piège de l’infini : lien avec le paradoxe de Saint-Pétersbourg

Il n’existe qu’un seul cas où « il est avantageux d’échanger pour tous les $X$ ». C’est uniquement lorsqu’on suppose une « distribution de probabilité impropre (une distribution dont la somme est infinie) » où le budget du jeu est infini et où tous les montants (1 yen, 2 yens, 4 yens, 8 yens… à l’infini) apparaissent de manière équiprobable.

Cependant, il n’existe aucune chaîne de télévision dotée d’actifs infinis dans le monde réel. Ce bug provoqué par cette « espérance mathématique infinie » trouve ses racines profondément liées au paradoxe de Saint-Pétersbourg (le problème de savoir combien une personne serait prête à payer pour un pari ayant une espérance mathématique infinie).

6. Conclusion : la terreur des probabilités et de l’espérance

Bien que le « paradoxe des deux enveloppes » ne repose que sur de simples multiplications et additions, il nous livre les leçons suivantes :

Les erreurs causées par l’ambiguïté des définitions : Si l’on ne précise pas clairement ce que représente une variable (si $X$ indique toujours le même montant), la logique s’effondre facilement.
L’illusion que “pas d’information = probabilité de 50%” : L’hypothèse selon laquelle « puisque je ne sais pas, ce doit être du cinquante-cinquante » (le principe de raison insuffisante) conduit parfois à des erreurs de calcul fatales.
La difficulté de manipuler l’infini : Introduire dans une formule mathématique le concept d’« infini » qui ne peut être appliqué au monde réel produit des résultats contraires au bon sens.

La prochaine fois que vous penserez dans votre vie que « l’herbe est plus verte ailleurs, et qu’il est plus avantageux d’échanger », souvenez-vous de ce paradoxe. Il se peut que, dans votre équation, les variables aient simplement été substituées.

Le problème de Monty Hall : le piège de la théorie des probabilités qui défie l'intuition et sa résolution complète par l'inférence bayésienne

Thu, 10 Sep 2026 00:00:00 +0900

1. Le décor est un jeu télévisé : que feriez-vous ?

En 1990, dans la chronique « Ask Marilyn » (Demandez à Marilyn) du magazine d’actualité américain Parade, un lecteur a posé la question suivante :

Vous participez à un jeu télévisé. Devant vous se trouvent 3 portes (A, B, C). Derrière l’une des portes se trouve une voiture neuve (le gros lot), et derrière les deux autres se trouvent des chèvres (les perdants).

Vous choisissez d’abord la porte A.

Ensuite, le présentateur Monty Hall, qui sait quelle porte cache la voiture, ouvre la porte B, qui révèle une chèvre parmi les portes restantes.

Monty vous dit : « Vous pouvez maintenant changer pour la porte C si vous le souhaitez. Que faites-vous ? »

Finalement, devriez-vous changer de porte ?

Intuitivement, on pourrait penser : « Il ne reste que deux portes, A et C. Puisque la position de la voiture est complètement aléatoire, la probabilité de gagner pour chaque porte est de $\frac{1}{2}$ (50 %). Par conséquent, cela ne change rien de changer de porte ou non. »

Cependant, la chroniqueuse Marilyn vos Savant (reconnue par le Livre Guinness des records comme la personne ayant le QI le plus élevé) a répondu : « Vous devriez changer. Si vous changez, vos chances de gagner seront doublées. »

Cette réponse a fait sensation dans tous les États-Unis et a déclenché une avalanche d’environ 10 000 lettres de protestation (dont environ 1 000 provenaient d’universitaires titulaires d’un doctorat en mathématiques). C’était une tempête de critiques acerbes telles que « Vous ne comprenez pas les bases des probabilités » ou « C’est de la logique féminine ».

Cependant, pour en venir à la conclusion, la réponse de Marilyn était mathématiquement tout à fait exacte.

2. L’écart entre l’intuition et les mathématiques : les ramifications des probabilités vues avec Mermaid

Pourquoi notre intuition nous donne-t-elle l’illusion de « $\frac{1}{2}$ » ? Tout d’abord, visualisons tous les scénarios possibles du jeu.

graph TD Start["Début du jeu"] --> CarA["La voiture est derrière A (probabilité 1/3)"] Start --> CarB["La voiture est derrière B (probabilité 1/3)"] Start --> CarC["La voiture est derrière C (probabilité 1/3)"] CarA --> PickA1["Vous choisissez la porte A"] CarB --> PickA2["Vous choisissez la porte A"] CarC --> PickA3["Vous choisissez la porte A"] PickA1 --> HostB_or_C["Le présentateur ouvre B ou C"] PickA2 --> HostC["Le présentateur ouvre toujours C"] PickA3 --> HostB["Le présentateur ouvre toujours B"] HostB_or_C --> Stay1["Ne pas changer : Gagné !"] HostB_or_C --> Switch1["Changer : Perdu..."] HostC --> Stay2["Ne pas changer : Perdu..."] HostC --> Switch2["Changer : Gagné !"] HostB --> Stay3["Ne pas changer : Perdu..."] HostB --> Switch3["Changer : Gagné !"] style Switch2 fill:#bbf,stroke:#333,stroke-width:2px style Switch3 fill:#bbf,stroke:#333,stroke-width:2px style Stay1 fill:#f99,stroke:#333,stroke-width:2px

En supposant que vous ayez choisi la « porte A », les 3 scénarios suivants se produisent avec des probabilités égales ($\frac{1}{3}$).

Scénario 1 (la voiture est en A) : Le présentateur ouvre B ou C, qui cache une chèvre. Si vous changez de porte, vous perdez.
Scénario 2 (la voiture est en B) : Le présentateur ne peut ouvrir que C, qui cache une chèvre. Si vous changez de porte, vous gagnez.
Scénario 3 (la voiture est en C) : Le présentateur ne peut ouvrir que B, qui cache une chèvre. Si vous changez de porte, vous gagnez.

En d’autres termes, 2 fois sur 3 (scénarios 2 et 3), vous êtes dans une situation où « si vous changez de porte, vous gagnerez à coup sûr ». Par conséquent, votre taux de victoire si vous changez de porte est de $\frac{2}{3}$, soit le double du taux de victoire si vous ne changez pas, qui est de $\frac{1}{3}$.

3. Preuve rigoureuse par le théorème de Bayes

Pour résoudre mathématiquement ce problème de manière rigoureuse, nous utilisons le « théorème de Bayes » pour calculer les probabilités conditionnelles.

$$ P(H|E) = \frac{P(E|H) P(H)}{P(E)} $$

Ici, nous définissons les événements comme suit :

$C_A, C_B, C_C$ : Les événements où la voiture neuve se trouve respectivement derrière la porte A, B et C. Les probabilités a priori sont $P(C_A) = P(C_B) = P(C_C) = \frac{1}{3}$
Supposons que vous ayez choisi la porte A en premier.
$M_B$ : L’événement où le présentateur ouvre la porte B, qui révèle une chèvre.

Ce que nous voulons trouver, c’est la « probabilité que la voiture se trouve derrière la porte C, étant donné que le présentateur a ouvert la porte B », c’est-à-dire la probabilité a posteriori $P(C_C|M_B)$.

Tout d’abord, considérons la probabilité $P(M_B|C_X)$ que le présentateur ouvre la porte B, en fonction de l’endroit où se trouve la voiture.

Si la voiture est derrière la porte A ($C_A$) Le présentateur peut ouvrir aléatoirement B ou C.
$$ P(M_B|C_A) = \frac{1}{2} $$
Si la voiture est derrière la porte B ($C_B$) Le présentateur ne peut pas ouvrir la porte cachant la voiture, donc la probabilité d’ouvrir B est nulle.
$$ P(M_B|C_B) = 0 $$
Si la voiture est derrière la porte C ($C_C$) Le présentateur ne peut ouvrir ni A (votre choix) ni C (qui cache la voiture), il doit donc nécessairement ouvrir B.
$$ P(M_B|C_C) = 1 $$

Ensuite, nous trouvons la probabilité totale $P(M_B)$ que le présentateur ouvre la porte B à l’aide de la « loi des probabilités totales ».

$$ P(M_B) = P(M_B|C_A)P(C_A) + P(M_B|C_B)P(C_B) + P(M_B|C_C)P(C_C) $$ $$ P(M_B) = \left(\frac{1}{2} \times \frac{1}{3}\right) + \left(0 \times \frac{1}{3}\right) + \left(1 \times \frac{1}{3}\right) = \frac{1}{6} + 0 + \frac{1}{3} = \frac{1}{2} $$

Nous appliquons enfin le théorème de Bayes pour calculer les probabilités a posteriori pour la porte A et la porte C.

Probabilité que la voiture soit derrière la porte A (si vous ne changez pas) :

$$ P(C_A|M_B) = \frac{P(M_B|C_A) P(C_A)}{P(M_B)} = \frac{\frac{1}{2} \times \frac{1}{3}}{\frac{1}{2}} = \frac{1}{3} $$

Probabilité que la voiture soit derrière la porte C (si vous changez) :

$$ P(C_C|M_B) = \frac{P(M_B|C_C) P(C_C)}{P(M_B)} = \frac{1 \times \frac{1}{3}}{\frac{1}{2}} = \frac{2}{3} $$

Même avec une preuve mathématique, il est clairement démontré que « la probabilité de gagner est multipliée par deux (2/3) si vous changez de porte ».

4. Biais cognitifs : la valeur de l’information en tant que « conditionnement »

Pourquoi même de nombreux mathématiciens de génie se sont-ils trompés intuitivement sur ce problème ? Il y a là un « biais d’équiprobabilité » et un « échec de la mise à jour de l’information » ancrés dans le cerveau humain.

4.1. Biais d’équiprobabilité (Equiprobability Bias)

Les humains ont tendance à assigner inconsciemment que « la probabilité des options restantes est toujours égale » face à des options inconnues. Au moment où l’on voit qu’il reste deux portes, le cerveau les étiquette automatiquement comme « $50\%$ : $50\%$ ».

4.2. L’information sur l’« intention » du présentateur

La principale raison pour laquelle l’intuition se trompe est le fait d’ignorer que les actions du présentateur ne sont pas aléatoires. Si les règles étaient que le présentateur « ouvrait une porte au hasard sans savoir où se trouve la voiture, et que cela tombait sur une chèvre » (connu sous le nom de problème de Monty Fall), la probabilité pour la porte A et la porte C serait toutes deux de $\frac{1}{2}$.

Cependant, dans le véritable problème de Monty Hall, le présentateur agit sous les contraintes strictes suivantes :

Il ne peut pas ouvrir la porte choisie par le participant.
Il ne peut pas ouvrir la porte cachant la voiture neuve.

En raison de ces contraintes, l’acte même d’ouvrir la « porte B » par le présentateur nous donne une information énorme concernant la porte C. Cela contient le message silencieux : « Je ne pouvais pas ouvrir la porte C (parce que la voiture neuve s’y trouve) ».

5. Corriger l’intuition avec un exemple extrême

Si vous n’êtes toujours pas convaincu, essayons d’augmenter le nombre de portes à 1 million.

Vous choisissez la porte 1 parmi 1 million de portes. (La probabilité de gagner est de $\frac{1}{1,000,000}$)
Le présentateur omniscient ouvre l’intégralité des 999 998 portes cachant une chèvre parmi les 999 999 portes restantes.
Les seules portes fermées sont la « porte 1 » que vous avez choisie et la « porte 777 777 » que le présentateur a délibérément laissée.

Maintenant, allez-vous changer de porte ? Dans ce cas, si vous croyez avoir réussi le miracle de « 1 sur 1 million » lors du premier choix, vous ne devriez pas changer. Cependant, en réalité, vous pouvez intuitivement comprendre que la probabilité que la voiture se trouve derrière la « seule porte que le présentateur ne pouvait absolument pas ouvrir » est de $\frac{999,999}{1,000,000}$.

Le problème de Monty Hall (3 portes) n’est qu’un phénomène qui réduit l’échelle de cette situation à « 1 million de portes ».

pie title "Effet du changement de porte (100 simulations)" "Changer et gagner (environ 66.7%)" : 67 "Ne pas changer et gagner (environ 33.3%)" : 33

6. Conclusion : les leçons que la théorie des probabilités enseigne pour les affaires et la vie

Le problème de Monty Hall dépasse le cadre d’un simple quiz et nous enseigne des leçons importantes.

L’intuition se trompe souvent : Le cerveau humain n’a pas évolué pour traiter intuitivement des probabilités conditionnelles complexes. Il est dangereux de s’en remettre uniquement à l’intuition lors de prises de décisions importantes.
Mettre à jour les probabilités avec de nouvelles informations (mise à jour bayésienne) : Lorsque la situation change et que de nouvelles informations (comme quelle porte le présentateur a ouverte) sont apportées, la clé du succès est de pouvoir mettre à jour de manière flexible ses probabilités et ses stratégies, au lieu de s’en tenir à des idées préconçues.

La petite décision de « changer de porte » pourrait multiplier par deux vos chances d’obtenir la « voiture neuve » dans votre vie.