Galton Francis

Le Britannique Francis Galton (1822-1911) étudie notamment la taille de parents et de leurs enfants. Deux idées prennent forme : mesurer si deux variables évoluent ensemble, puis estimer pourquoi une valeur très éloignée de la moyenne est souvent suivie d'une valeur moins extrême. Ces idées deviendront la corrélation et la régression vers la moyenne.

Galton applique aussi l'analyse de données à la biologie et développe l'usage des empreintes digitales pour identifier les personnes. Son héritage reste cependant indissociable de l'eugénisme, une théorie contestable qui a nourri de graves discriminations.

Sir Francis Galton (1822-1911) est un statisticien, explorateur et anthropologue britannique, cousin de Charles Darwin. Il compte parmi les pionniers de la statistique moderne. Ses travaux portent notamment sur des données biométriques, c'est-à-dire des mesures appliquées aux êtres vivants, et contribuent au développement de la statistique en biologie.

Galton introduit la corrélation pour étudier la manière dont deux variables statistiques varient ensemble. En étudiant la transmission de la taille entre parents et enfants, il dégage aussi la régression vers la moyenne : dans une population donnée, une observation extrême peut être associée à une prédiction moins éloignée de la moyenne. Cette propriété est statistique ; elle ne décrit pas une règle absolue imposée à chaque individu.

Dans les années 1880, il développe les dactylogrammes, ou empreintes digitales, comme moyen d'identification, ensuite adopté en criminologie. Dans la dernière partie de sa vie, il se consacre à l'eugénisme, qui vise à influencer la composition génétique des populations humaines. Cette doctrine repose sur des fondements scientifiques contestables, réduit un déterminisme génétique complexe et introduit des jugements de valeur sur les personnes. Elle a historiquement inspiré des discriminations extrêmes, notamment dans l'Allemagne nazie.

Considérons un modèle fictif de taille, construit uniquement pour rendre la régression vers la moyenne visible. Données :
• la taille moyenne des parents vaut 170 cm ;
• un parent observé mesure 182 cm ;
• le modèle retient un coefficient de régression égal à 0,5 ;
• la taille prédite de l'enfant est notée y, et celle du parent x.

1. L'écart du parent à la moyenne est 182 − 170 = 12 cm.
2. Le modèle ne reporte que la moitié de cet écart : 0,5 × 12 = 6 cm.
3. La prédiction ajoute cet écart réduit à la moyenne : 170 + 6 = 176 cm. La relation complète est :

Le résultat est une taille prédite de 176 cm. Le contrôle est immédiat : 176 cm se trouve à 6 cm de la moyenne, contre 12 cm pour le parent. La prédiction est donc deux fois moins extrême. Elle ne prétend pas fixer la taille d'un enfant réel.

En statistique, la corrélation sert à repérer une variation conjointe entre deux variables mesurées. Lorsque la question porte sur une prédiction plutôt que sur une simple association, on ajuste un modèle de régression et on en vérifie les hypothèses.

En biométrie, des mesures biologiques peuvent être comparées sur un ensemble d'individus. Une mesure isolée décrit un individu ; une analyse statistique devient pertinente lorsque plusieurs observations comparables forment une population étudiée.

Pour l'identification, les empreintes digitales fournissent un support biométrique. Leur usage répond à une question d'identité, tandis qu'une mesure comme la taille convient à une étude quantitative et non à elle seule à une identification.

En histoire des sciences, l'œuvre de Galton exige une lecture critique : ses apports statistiques ne valident pas son eugénisme. Dès qu'une association statistique devient un classement de la valeur des personnes, le raisonnement change de nature et doit être rejeté.

Corrélation et régression. La corrélation décrit l'intensité d'une variation conjointe ; la régression construit une relation de prédiction. Dans l'exemple fictif, annoncer que les tailles varient ensemble relève de la corrélation, tandis que prédire 176 cm à partir de 182 cm relève de la régression.

Régression vers la moyenne et retour certain à la moyenne. La première concerne une tendance de prédictions ou de groupes. Elle n'impose pas à chaque observation suivante d'être plus proche de la moyenne. Un enfant particulier peut donc être plus grand que son parent sans contredire le phénomène statistique.

Association statistique et déterminisme génétique. Une relation observée entre deux mesures ne prouve ni une cause unique ni un destin individuel. Le passage d'une association à un jugement héréditaire sur la valeur des personnes constitue précisément une rupture injustifiée.

Une corrélation n'établit pas une cause. Deux variables peuvent évoluer ensemble sous l'effet d'autres facteurs. Le symptôme du piège est une conclusion causale tirée du seul mouvement conjoint ; il faut alors chercher un protocole et des variables explicatives adaptés.

La moyenne dépend de la population. Dans l'exemple fictif, 170 cm est un repère choisi pour le modèle. Changer de population ou de définition de la taille parentale peut changer la moyenne et le coefficient ; il faut donc annoncer les données et le cadre avant toute prédiction.

Une prédiction n'est pas une mesure individuelle. Le calcul donne 176 cm, mais cette valeur résume le modèle et non le résultat certain d'un enfant. Le bon réflexe consiste à présenter l'incertitude et à confronter le modèle à des observations indépendantes.

L'eugénisme n'est pas une conséquence de la statistique. Ses fondements scientifiques sont contestables face à la complexité du déterminisme génétique. Surtout, ses jugements de valeur ont alimenté des discriminations parmi les plus graves, en particulier dans l'Allemagne nazie ; l'apport statistique de Galton ne les justifie aucunement.

La fiche matrice de corrélation prolonge l'idée de variation conjointe lorsque plusieurs variables doivent être comparées simultanément.

Le portrait de Darwin Charles situe le cousin de Galton et ouvre une autre voie dans l'histoire des sciences du vivant.