GlossaireIntermédiaireDésinformation
Corrélation
Définition
Une corrélation est une relation statistique entre des caractéristiques qui varient ensemble, sans démontrer à elle seule que l’une provoque les changements de l’autre.
Dit autrement
C’est voir des parapluies ouverts lorsque les rues sont mouillées : cette association ne signifie pas que les parapluies provoquent la pluie.
Un exemple
Un graphique rapproche la fréquentation d’un site et les ventes d’un magasin. Vous cherchez si une campagne commune ou une période particulière peut expliquer les variations.
Une corrélation décrit une association observée dans des données. Elle peut fournir une piste utile, mais elle ne prouve pas à elle seule un lien de cause à effet.
Comment ça marche
Des caractéristiques peuvent évoluer dans le même sens ou dans des sens opposés. L’association dépend du groupe observé, de la période et de la manière de mesurer. Un résultat peut aussi changer si l’on modifie les catégories ou si certaines observations manquent.
Une explication extérieure peut agir sur les éléments comparés. La pluie peut expliquer à la fois les rues mouillées et les parapluies ouverts. Il faut donc examiner les causes possibles plutôt que de choisir automatiquement celle qui semble la plus intuitive. La causalité demande des éléments permettant d’établir qu’un facteur contribue réellement à produire un effet.
Pourquoi c’est important pour vous
Les titres qui annoncent qu’une habitude provoque un résultat s’appuient parfois seulement sur une association. Vous pourriez alors changer votre comportement sur une interprétation trop forte. Avant d’agir, cherchez ce que le document d’origine affirme réellement et quelles réserves il formule.
La fiche pour retrouver les données d’origine d’un graphique aide à examiner la comparaison. Regardez aussi l’échantillon : quels groupes ont été observés, et quels profils manquent ? Une association mesurée dans un cadre particulier ne décrit pas automatiquement votre situation. Notez la différence entre le résultat présenté et la conclusion que le commentaire lui ajoute.
À ne pas confondre avec une coïncidence forcément inutile
Une association peut révéler un mécanisme à étudier ou aider à prévoir une situation. Dire qu’elle ne prouve pas la causalité ne signifie pas qu’elle ne sert à rien. Il faut simplement ajuster la conclusion au niveau de preuve disponible.
Inversement, une relation très visible sur un graphique peut venir d’une sélection des données ou d’un facteur oublié. Cherchez les autres explications plausibles et les comparaisons effectuées pour les examiner. Une présentation rigoureuse précise ce qui est observé, ce qui est interprété et ce qui nécessite encore des recherches.