Partial Identification under Causal Orders by Linear Programming

Dans le monde de la cause et de l'effet, nous nous retrouvons souvent à poser des questions de type « et si » qui vont au-delà de la simple observation. Nous voulons savoir non seulement ce qui s'est passé, mais ce qui se serait passé si un choix différent avait été fait. Un traitement spécifique a-t-il sauvé la vie d'un patient, ou se serait-il rétabli de toute façon ? Un changement de politique a-t-il amélioré une économie, ou cette amélioration était-elle inévitable ? Pour répondre à ces questions avec certitude, les scientifiques ont généralement besoin d'une carte complète des forces en présence, un diagramme détaillé montrant exactement comment chaque facteur influence tous les autres. Cette carte est appelée un graphe causal. Sans elle, les réponses restent cachées dans un brouillard de possibilités. Pendant des décennies, les chercheurs ont lutté pour donner un sens à ces scénarios de « et si » lorsque cette carte est manquante ou incomplète, étant souvent contraints de s'appuyer sur des suppositions approximatives ou de admettre que la question ne peut être résolue.

Deux chercheurs, Eric Rossetto et Alessandro Antonucci, ont développé une nouvelle façon de naviguer dans ce brouillard. Ils ont réalisé que même sans une carte complète, la nature même d'une question de type « et si » contient sa propre logique interne. Si vous demandez comment le changement d'une chose affecte une autre, la question implique elle-même une séquence : le changement doit se produire avant le résultat. En se concentrant sur cet ordre inhérent, les chercheurs ont créé une méthode pour calculer la plage de réponses la plus étroite possible pour ces questions contrefactuelles, sans jamais avoir besoin de supposer un graphe causal spécifique. Leur travail transforme un jeu de devinettes complexe, et souvent impossible, en un calcul structuré qui produit des limites précises de ce qui est possible, compte tenu uniquement des données dont nous disposons et de la logique de la question elle-même.

Le cœur de leur découverte réside dans la reconnaissance du fait que chaque interrogation sur la cause et l'effet porte une instruction cachée sur le temps et la séquence. Lorsque nous demandons si un traitement a causé un résultat, nous disons implicitement que le traitement est venu en premier. Les chercheurs ont montré que cet ordre simple suffit à construire un cadre mathématique capable de tester toutes les manières concevables dont le monde pourrait être organisé, en restant cohérent avec cet ordre. Au lieu d'essayer de deviner la forme exacte du réseau causal, ils ont construit un système qui explore l'ensemble du paysage de possibilités autorisé par les données et la logique de la question. Ils ont prouvé que ce système peut trouver les meilleurs et les pires scénarios possibles pour toute question de ce type, fournissant une plage qui garantit de contenir la véritable réponse.

Pour y parvenir, l'équipe s'est tournée vers un outil mathématique puissant appelé programmation linéaire, qui est essentiellement une méthode pour trouver le meilleur résultat dans un système comportant de nombreuses contraintes. Ils ont traduit le problème de la supposition des effets causaux en un ensemble de règles qu'un ordinateur pourrait résoudre. Imaginez un vaste espace de toutes les histoires possibles sur la façon dont le monde fonctionne. Certaines histoires correspondent aux données que nous avons collectées ; d'autres non. La méthode des chercheurs filtre cet espace, ne conservant que les histoires qui respectent l'ordre impliqué par la question et les données observées. À l'intérieur de cet espace filtré, ils ont calculé les probabilités les plus basses et les plus hautes de l'événement en question. Ils ont démontré que ces limites calculées ne sont pas de simples estimations approximatives, mais les frontières les plus nettes possibles. Ils ont prouvé qu'il existe des modèles concrets du monde qui correspondent à toutes les données et à la logique de la question, et qui produisent des résultats exactement à ces limites supérieures et inférieures. Cela signifie que la plage qu'ils fournissent n'est pas un artefact de leur méthode, mais un reflet fidèle de ce qui est possible compte tenu de nos connaissances actuelles.

La puissance de cette approche devient claire lorsqu'on examine des questions qui ont laissé les experts perplexes auparavant. Les chercheurs ont testé leur méthode sur plusieurs problèmes classiques de la littérature scientifique, incluant des scénaux impliquant des traitements médicaux et des politiques sociales. Dans un cas célèbre concernant les admissions universitaires, où les chercheurs débattent depuis longtemps pour savoir si le genre a influencé les taux d'acceptation, la nouvelle méthode a fourni une plage large mais honnête de possibilités. Des analyses antérieures, qui supposaient une structure spécifique et rigide sur la façon dont le genre et les choix de département interagissaient, produisaient un chiffre unique et précis suggérant l'absence de discrimination. Cependant, la méthode des chercheurs, qui refusait de faire ces hypothèses structurelles non vérifiées, a montré que la réponse réelle pouvait se situer n'importe où dans un intervalle beaucoup plus large. Cette plage plus large ne signifiait pas que la réponse était inconnue de manière inutile ; elle révélait plutôt que le chiffre précis des études précédentes reposait fortement sur des hypothèses qui pourraient ne pas être vraies. En supprimant ces hypothèses, les chercheurs ont montré que la conclusion d'« absence de discrimination » était bien moins certaine que ce qui avait été précédemment affirmé.

Ce travail s'étend également à des questions plus complexes impliquant des scénarios « imbriqués », où un « et si » est enfoui à l'intérieur d'un autre. Par exemple, demander ce qui se passerait si un patient prenait un médicament, mais seulement s'il avait également été assigné à un groupe spécifique lors d'un essai. Ces questions à couches superposées sont notoirement difficiles à répondre sans une carte causale complète. Les chercheurs ont montré que leur méthode gère ces couches imbriquées aussi efficacement que les couches simples. Ils ont démontré qu'en décomposant ces requêtes complexes en leurs composants logiques, la même machinerie mathématique pouvait trouver les limites les plus étroites possibles. Dans leurs tests, ils ont constaté que tenter de combiner des réponses séparées et plus simples pour construire une réponse complexe menait souvent à des plages beaucoup plus larges et moins utiles. Leur approche directe de la question complexe, cependant, a produit des résultats nettement plus serrés et plus informatifs.

Les chercheurs ont pris soin de reconnaître le compromis impliqué par leur méthode. Parce qu'ils ne supposent pas un graphe causal spécifique, leurs plages calculées sont naturellement plus larges que celles dérivées d'études faisant des hypothèses fortes sur la façon dont les variables sont connectées. Une étude qui suppose un diagramme spécifique peut produire une réponse très étroite et précise, mais cette précision se fait au prix d'un risque d'erreur si le diagramme supposé est incorrect. La nouvelle méthode sacrifie cette étroitesse pour la fiabilité, garantissant que la véritable réponse n'est jamais exclue de la plage. Ils ont prouvé que cette fiabilité n'est pas une faiblesse mais une force, particulièrement dans des domaines comme la médecine et les sciences sociales où les structures causales réelles sont souvent inconnues ou débattues.

En fin de compte, cette recherche offre une nouvelle façon de penser l'incertitude. Elle suggère que nous n'avons pas besoin de tout savoir sur le monde pour faire des progrès significatifs dans la compréhension de la cause et de l'effet. En exploitant la structure logique inhérente à nos questions, nous pouvons extraire le maximum d'informations de nos données sans outrepasser les hypothèses non étayées. Les chercheurs ont fourni un outil qui permet aux scientifiques de dire, avec une certitude mathématique, « la réponse se situe quelque part entre X et Y », même lorsqu'ils ne peuvent pas dire exactement où. Cette capacité à définir les limites du possible, sans avoir besoin d'une carte complète du territoire, représente une étape importante dans notre capacité à raisonner sur le passé et le futur dans un monde où la connaissance complète est rarement disponible.