Inégalités et discriminations - Le Monde

handicap et l’état de santé les critiques de « scientificité » régulièrement adressées aux
recherches sur les discriminations liées à l’origine, elles n’y résisteraient pas.
Multiplier les approches est une façon de compenser les effets de la modélisation
statistique, qui est, par définition, réductrice. Modéliser une réalité complexe au
moyen d’outils statistiques, c’est sélectionner certains phénomènes dans le cours
multiforme et infini des choses et tenter de les expliquer par quelques facteurs. La
modélisation statistique est une réduction, mais c’est une réduction productive dès lors
qu’on prend soin de tester des modèles successifs en ajoutant ou en retranchant des
facteurs explicatifs, de façon à voir si la capacité du modèle à rendre compte des
inégalités s’en trouve à chaque fois réduite ou augmentée. Un modèle statistique ne se
réfute pas a priori, par une censure idéologique, mais a posteriori, par une meilleure
définition du modèle. Il faut démontrer que l’insertion de variables supplémentaires
améliore le pouvoir explicatif du modèle. Cela peut se faire de deux façons : exploiter
autrement la même enquête en élaborant de nouveaux indicateurs, ou trouver une
meilleure source de données (une enquête avec des questions mieux adaptées).
Pour autant, le meilleur modèle n’est pas forcément le plus compliqué. Il est
inutile d’épouser au mieux la richesse inépuisable du vivant en accumulant les questions
et variables dans toutes les dimensions (ce qu’on pourrait appeler l’illusion de
l’enquête bergsonnienne). Le chercheur doit parvenir au modèle le plus « économe »
ou le plus « élégant », c’est-à-dire retenant les variables les plus pertinentes, celles qui
expliquent au mieux la diversité des comportements, quitte à introduire, le cas
échéant, un coefficient correspondant à des « variables inobservées » dont il mesurera
l’effet en creux (technique classique en économétrie, souvent utilisée dans l’analyse
de la discrimination à l’embauche). Au-delà d’un certain nombre de variables dans
un modèle, la confusion grandit et le rendement explicatif du modèle décroît. Mieux
vaut manier une quinzaine de variables qu’une cinquantaine. C’est le paradoxe de la
« réduction productrice », capital en statistique.
Il s’ensuit qu’on ne peut dresser a priori la liste des variables pertinentes pour
étudier un phénomène donné, que ce soit la discrimination ou tout autre phénomène.
Cette liste est le fruit de l’expérience accumulée dans l’exploitation des enquêtes
antérieures. Elle évolue forcément dans le temps. Impossible de la fermer une fois
pour toutes. Elle dépend de la marche empirique de la science, non d’une décision de
justice ou d’un dogme philosophique.
5. La statistique mesure lécart de lidéal à la réalité
Égalité des chances, mérite, discrimination : ces notions, capitales en démocratie,
offrent une prise immédiate à l’interrogation statistique. Dans quelle mesure la
République peut-elle réellement « assurer » l’égalité des droits à tous les citoyens,
voire à tous les résidents ? L’idée est de prendre au mot l’utopie républicaine de
l’égalité en mesurant l’écart de l’idéal à la réalité. Non pas pour saper l’idéal mais
pour le consolider. L’enjeu est d’identifier les maillons et les moments où les
pouvoirs publics pourront concentrer leurs efforts. Pour prendre un exemple concret,
s’il s’avère que les barrières à l’entrée de certains secteurs professionnels sont plus
150