💻 computer science

A Communication-First Account of Explanation

Cet article propose un compte rendu formel de l'explication causale privilégiant la communication, fondé sur la pragmatique conversationnelle et la théorie interventionniste, démontrant comment ce cadre génère naturellement les vertus explicatives reconnues et des schémas empiriques concernant les normes, tout en intégrant efficacement les enseignements des sciences cognitives dans l'analyse philosophique.

Auteurs originaux : Jacqueline Harding, Tobias Gerstenberg, Thomas Icard

Publié 2026-06-30

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Jacqueline Harding, Tobias Gerstenberg, Thomas Icard

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de comprendre pourquoi votre voiture ne démarre pas. Vous demandez à un mécanicien : « Pourquoi ne démarre-t-elle pas ? »

Si le mécanicien répond : « Parce que l'univers est vaste et complexe », c'est techniquement vrai, mais c'est une très mauvaise explication. S'il dit : « Parce que la batterie est déchargée », c'est utile. Mais et si vous saviez déjà que la batterie était déchargée ? Dirait-il : « Parce que la batterie est déchargée, et aussi parce que l'alternateur est cassé » ?

Cet article de Jacqueline Harding, Tobias Gerstenberg et Thomas Icard soutient que l'explication ne consiste pas seulement à trouver la cause « vraie » dans le monde ; il s'agit d'une conversation entre deux personnes.

Ils proposent une approche de type « Priorité à la Communication ». Au lieu de traiter l'explication comme un fait statique attendant d'être découvert, ils la traitent comme un jeu d'Actes de Parole Rationnels. Voyez cela comme un jeu de « devine ce que je pense » à enjeux élevés, mais avec une nuance : le but est d'aider l'autre personne à prendre une meilleure décision.

Voici la décomposition de leurs idées en utilisant des analogies de la vie quotidienne :

1. La mise en place : Le Locuteur, l'Auditeur et l'Objectif

Imaginez un Locuteur (qui connaît la vérité) et un Auditeur (qui est confus et possède un objectif spécifique).

L'Objectif de l'Auditeur : L'auditeur ne demande pas seulement des informations triviales. Il a généralement un « problème de décision ». Peut-être doit-il réparer son toit, s'excuser auprès d'un ami ou acheter la bonne peinture pour un pigeon.
Le Travail du Locuteur : Le travail du locuteur n'est pas simplement de déverser des données. Son travail est de choisir l'unique morceau d'information qui aidera l'auditeur à résoudre son problème spécifique le plus efficacement.

L'Analogie : Imaginez que vous jouez à un jeu vidéo où vous devez naviguer dans un labyrinthe. Vous êtes l'Auditeur. Votre ami est le Locuteur. Vous ne connaissez pas la carte.

Si votre ami dit : « Le labyrinthe est immense », c'est vrai, mais inutile.
Si votre ami dit : « Tourne à gauche à la porte rouge », c'est utile si vous avez besoin d'atteindre la sortie rapidement.
Si votre ami dit : « Tourne à gauche à la porte rouge, mais aussi, le plafond est en verre », cela peut être une information de trop si vous voulez juste sortir vite.

L'article soutient qu'une « bonne explication » est simplement le message qui aide l'auditeur à gagner son jeu (prendre la meilleure décision) le plus efficacement.

2. Pourquoi le « Contexte » importe plus que la « Vérité »

Les auteurs utilisent un modèle appelé Modèle Causal Structurel. Voyez cela comme un organigramme de la façon dont le monde fonctionne.

L'exemple du « Toit » : Imaginez qu'une maison prenne feu. Était-ce parce que le toit était de chaume ? Ou à cause d'une sécheresse ?
- Si votre objectif est de prévenir les futurs incendies, savoir que le toit était de chaume est crucial (vous devriez remplacer votre toit). Savoir qu'il y a eu une sécheresse est moins utile (vous ne pouvez pas contrôler la météo).
- Si votre objectif est de déterminer qui est responsable, la sécheresse est peut-être le facteur clé.
L'Intuition : La « meilleure » explication change en fonction de ce que l'auditeur veut faire. L'article montre que si vous construisez un modèle informatique qui tente de maximiser le succès de l'auditeur, il choisira naturellement l'explication qui correspond à l'objectif de l'auditeur, même si le locuteur connaît les deux causes.

3. Le facteur « Surprise » (Pourquoi nous n'expliquons pas ce que vous savez déjà)

Vous pourriez penser qu'une bonne explication doit toujours être quelque chose que l'auditeur ne sait pas. L'article dit : Pas nécessairement.

L'exemple de la « Réunion en retard » : Bob est en retard. Il sait qu'il est en retard. Il sait aussi que Charlie est en colère. Bob demande : « Pourquoi Charlie est-il en colère ? »
- Bob sait déjà que « j'étais en retard » est une cause.
- Mais Bob ne sait pas si être en retard était la seule cause, ou s'il a aussi oublié l'anniversaire de Charlie.
- Si Alice dit : « Parce que tu étais en retard », Bob pourrait se dire : « Oh, donc c'est seulement parce que j'étais en retard. Je n'ai pas besoin de m'excuser pour l'anniversaire. »
- Si Alice dit : « Parce que tu as oublié l'anniversaire », Bob sait qu'il a commis deux erreurs.
L'Intuition : Même si l'auditeur connaît un fait (être en retard), l'entendre comme une explication peut toujours être utile car cela permet à l'auditeur de déterminer quelle histoire causale est vraie. L'explication ne porte pas sur le fait ; elle sert à réduire les possibilités.

4. La règle du « Normal » vs « Anormal »

Le papier explique une étrange nuance de la psychologie humaine :

Si deux choses doivent se produire ensemble pour causer un résultat (comme un toit de chaume ET une sécheresse pour déclencher un incendie), nous avons tendance à blâmer la chose étrange (la sécheresse, car les sécheresses sont rares).
Si l'une ou l'autre des choses peut causer un résultat à elle seule (comme un court-circuit OU une fuite de gaz provoquant un incendie), nous avons tendance à blâmer la chose normale (le court-circuit, car ils arrivent fréquemment).

Le modèle des auteurs prédit cela parfaitement. Il calcule que citer la chose « étrange » dans le premier scénario aide l'auditeur à comprendre les conditions spécifiques nécessaires pour arrêter l'incendie. Citer la chose « normale » dans le second scénario aide l'auditeur à comprendre le risque le plus courant. Le modèle n'a pas besoin qu'on lui enseigne cette règle ; il la déduit en essayant d'être utile.

5. Simplicité et « Coût »

Enfin, l'article aborde la raison pour laquelle nous préférons les explications courtes et simples.

Le Coût de la Parole : Dire « Le court-circuit a causé l'incendie » est plus facile que de dire « L'événement le plus notable de l'année a causé l'incendie », même si les deux signifient la même chose.
Le Compromis : Le modèle inclut un « coût » pour les messages longs ou confus. Si un message long n'apporte pas une aide significativement supérieure à un message court, le « bon locuteur » choisira le message court pour économiser de l'énergie et éviter la confusion.

La Vue d'Ensemble

Les auteurs affirment que, depuis des siècles, les philosophes tentent de trouver l'explication « parfaite » en observant les faits bruts du monde. Ils soutiennent que c'est une erreur de perspective.

L'explication est un outil de communication.

Elle émerge de la dynamique entre un locuteur qui tente d'être utile et un auditeur qui tente de résoudre un problème.
Lorsque vous réussissez la communication (en connaissant les objectifs de l'auditeur et ce qu'il sait déjà), les « vertus » d'une bonne explication (être simple, être surprenante, être pertinente) apparaissent naturellement. Vous n'avez pas besoin de les forcer ; elles sont le résultat d'une bonne conversation.

En bref : Une bonne explication est celle qui aide l'auditeur à gagner son jeu.

Problème
Le problème philosophique de l'explication est traditionnellement formulé comme la localisation de relations explicatives objectives dans le monde, traitant les intérêts humains et les contextes communicatifs comme des éléments périphériques ou de simples « bruits » pragmatiques à filtrer pour révéler le cœur des faits explicatifs. Bien que les philosophes reconnaissent que les facteurs pragmatiques (tels que les connaissances antérieures et les intérêts en aval) influencent les jugements explicatifs, ils les relèguent souvent aux marges du projet explicatif. Inversement, bien que la recherche en psychologie ait été influencée par les comptes rendus philosophiques, les philosophes ont été réticents à incorporer les enseignements de la science cognitive et de la pragmatique formelle dans leurs théories. Les comptes rendus formels existants de l'explication, y compris les approches interventionnistes, échouent souvent à s'engager profondément dans la manière dont les gens produisent et interprètent réellement les explications, ou traitent les facteurs pragmatiques comme des contraintes plutôt que comme des éléments constitutifs. La question centrale qui motive cet article est la suivante : que se passe-t-il si nous « plaçons la communication en premier » dans l'élaboration d'un compte rendu de l'explication ?

Méthodologie
Les auteurs développent un compte rendu formel de l'explication causale fondé sur une théorie de la pragmatique conversationnelle, utilisant spécifiquement le cadre des Actes de Parole Rationnels (RSA - Rational Speech Acts). Ce cadre modélise la communication comme une hiérarchie d'agents :

L'Auditeur Littéral ( $L_0$ ) : met à jour son état épistémique sur la base du contenu sémantique d'un énoncé.
Le Locuteur ( $S$ ) : choisit un énoncé pour maximiser l'utilité attendue de l'auditeur dans un problème de décision, en tenant compte de l'interprétation de l'auditeur littéral et des coûts de production/traitement.
L'Auditeur Pragmatique ( $L$ ) : infère l'intention du locuteur en raisonnant sur la raison pour laquelle le locuteur a choisi cet énoncé spécifique, mettant à jour ses croyances sur la base de la stratégie d'optimisation du locuteur.

Ils intègrent cela avec des Modèles Causaux Structurels (SCM - Structural Causal Models) pour formaliser le contenu causal des explications. Ils supposent que les questions en « pourquoi » demandent des informations causales et que les affirmations de type « parce que » communiquent des relations de dépendance causale réelle. Le problème de décision de l'auditeur est formalisé comme un jeu de manipulation, où l'objectif est d'identifier les variables qui, lorsqu'elles sont soumises à des interventions, peuvent changer la valeur de l'explanandum à travers diverses conditions de fond.

Le modèle évalue la « qualité » d'une explication non pas par les propriétés intrinsèques de la relation causale, mais par la mesure dans laquelle l'explication met à jour les croyances de l'auditeur pour améliorer sa performance dans des problèmes de décision en aval (par exemple, la manipulation, le contrôle ou l'attribution de responsabilité).

Contributions clés et résultats
L'article démontre que plusieurs « vertus explicatives » largement reconnues et des modèles empiriques de sélection causale émergent naturellement de la dynamique de ce modèle de communication-prioritaire, sans avoir besoin de les stipuler comme des axiomes :

Intérêts en aval : Le modèle montre que les explications sont meilleures lorsqu'elles sont utiles pour les problèmes de décision spécifiques de l'auditeur. Dans les cas où un auditeur fait face à une décision prospective (par exemple, remplacer un toit), citer une cause sensible à cette décision (par exemple, le matériau du toit) est préférable à une cause moins pertinente (par exemple, la sécheresse), même si les deux sont des causes réelles.
Connaissances antérieures : Le modèle rend compte de l'intuition selon laquelle les explications doivent citer des informations inconnues. Cependant, il prédit également que citer des causes connues peut être une bonne explication si le choix de cette cause connue par le locuteur (plutôt qu'une alternative connue) permet à l'auditeur d'inférer des structures causales cachées (par exemple, inférer qu'une cause est suffisante plutôt que conjonctive).
Invariance et sélection causale : En utilisant le jeu de manipulation, le modèle reproduit les résultats empiriques montrant que les locuteurs préfèrent citer des causes « anormales » dans les structures conjonctives et des causes « normales » dans les structures disjonctives. Il prédit en outre que les auditeurs peuvent inférer la normalité des causes ou la structure du modèle causal en fonction de la cause que le locuteur choisit de citer.
Minimalité et simplicité : Le modèle incorpore les coûts de production et de traitement. Il explique pourquoi les explications minimales sont souvent préférées (en raison de coûts plus faibles) mais prédit aussi que les explications plus longues et plus informatives sont préférées lorsque la différence de coût est compensée par le gain d'utilité (par exemple, identifier plusieurs coupables dans un scénario de vol). Il rend également compte de la « proportionnalité » (par exemple, préférer « rouge » à « écarlate » dans certains contextes) en modélisant le compromis entre la spécificité de l'information et le coût cognitif de son traitement.
Niveau d'abstraction : Le modèle explique pourquoi les explications au « bon » niveau d'abstraction sont meilleures. Il montre que citer une cause plus abstraite (par exemple, « rouge ») peut être supérieur à une cause spécifique (par exemple, « écarlate ») si le détail spécifique n'est pas invariant à travers les problèmes de décision pertinents de l'auditeur, ou si le coût de traitement de ce détail spécifique est trop élevé.

Signification
L'article soutient qu'une approche « priorité à la communication » est un prérequis nécessaire au travail philosophique sur l'explication. En formalisant l'explication comme un acte de communication coopératif visant à aider un auditeur à atteindre des objectifs en aval, les auteurs montrent que les vertus explicatives ne sont pas arbitraires ou périphériques, mais sont des conséquences naturelles de l'interaction entre la structure causale, les états épistémiques de l'auditeur et les problèmes de décision.

La signification de ce travail réside dans sa capacité à combler le fossé entre les comptes rendus philosophiques de l'explication et les découvertes empiriques en sciences cognitives. Il fournit un cadre simple mais puissant qui incorpore les enseignements des sciences cognitives (spécifiquement la cognition causale et la pragmatique) dans la philosophie. Les auteurs affirment que cette approche offre un compte rendu unifié où les vertus explicatives émergent de la dynamique de la conversation, plutôt que d'être imposées comme des règles externes. Cela suggère que clarifier la dimension communicative de l'explication est essentiel pour comprendre la nature même de l'explication. L'article conclut en notant que, bien que le modèle actuel soit un point de départ, il ouvre des pistes pour des travaux futurs sur l'explication scientifique, la recherche d'explication individuelle (non communicative), l'introduction de variables et les domaines non causaux comme l'explication mathématique.