Probabilités et statistiquesThéorème · Glossaire
paradoxe de l'Apocalypse
Le paradoxe de l’Apocalypse est un raisonnement bayésien qui cherche à estimer le nombre total d’humains et la proximité de l’extinction à partir de notre rang approximatif parmi tous les humains qui auront existé. Il suppose notamment que l’observateur peut être traité comme tiré au hasard dans cette population et que les scénarios comparés ont des probabilités a priori définies ; son intérêt est de montrer combien une conclusion spectaculaire dépend de ces choix.
Sommaire
Ce que vous allez apprendre
- Relier le rang observé aux vraisemblances des scénarios.
- Refaire une mise à jour numérique à deux hypothèses.
- Identifier l’effet des a priori et de l’hypothèse de sélection.
- Distinguer le résultat conditionnel d’une prédiction causale d’extinction.
En clair
Imaginez une file qui rassemble tous les humains, passés et futurs, dans leur ordre de naissance. Vous connaissez approximativement votre place, mais pas la longueur finale de la file. Une file qui s’arrête assez tôt rend votre rang moins exceptionnel qu’une file immensément longue.
Le paradoxe de l’Apocalypse transforme cette observation en mise à jour probabiliste avec le théorème de Bayes. Il ne date pas directement la fin de l’humanité : il compare des scénarios possibles à partir du rang observé et d’une hypothèse de tirage au hasard.
Définition
Le paradoxe de l’Apocalypse, ou argument de l’apocalypse, est un raisonnement bayésien sur le nombre total d’humains qui auront jamais existé. On considère plusieurs hypothèses. Dans chacune, le total final est différent. Le rang de naissance approximatif déjà observé constitue l’information nouvelle.
Pour une hypothèse notée Hi, le total final est noté Ni et le rang observé est noté r. Si chaque rang de 1 à Ni est supposé également probable, la vraisemblance du rang vaut 1/Ni lorsque r ≤ Ni. Le théorème de Bayes combine cette vraisemblance avec la probabilité attribuée à Hi avant l’observation, appelée probabilité a priori. Il fournit ensuite une probabilité a posteriori pour chaque hypothèse.
À probabilités a priori égales, un scénario au total plus petit donne une vraisemblance plus forte au même rang et reçoit donc davantage de poids. La conclusion dépend toutefois du choix des scénarios, de leurs probabilités initiales et surtout du modèle selon lequel l’observateur serait tiré au hasard parmi tous les humains. Le calcul est valide sous ces hypothèses ; son interprétation comme annonce d’une extinction proche ne l’est pas indépendamment d’elles.
Le principe
Soient des hypothèses Hi donnant chacune un total final Ni, et soit r le rang observé. Si l’observateur est uniforme parmi les Ni humains du scénario, alors sa vraisemblance est 1/Ni pour r ≤ Ni, et nulle sinon. En notant P(Hi) la probabilité a priori, la mise à jour est :
Ainsi, le rang ne produit une conclusion qu’après combinaison avec le modèle de sélection et les probabilités a priori.
Quand l'utiliser
Le raisonnement s’applique à un ensemble explicite de scénarios donnant chacun un nombre total d’humains. Il faut connaître un rang approximatif compatible avec ces scénarios, attribuer à chacun une probabilité a priori et préciser comment un observateur est sélectionné.
La condition décisive est l’hypothèse d’échantillonnage : dans chaque scénario, tous les rangs doivent être traités comme également probables. Il faut aussi comparer les mêmes catégories d’observateurs et la même convention de rang. Enfin, tout scénario dont le total est inférieur au rang déjà observé est incompatible avec l’observation.
Contre-cas : si la probabilité d’être l’observateur de rang r varie avec l’époque ou le scénario, la vraisemblance 1/Ni ne convient plus. Il faut alors modéliser ces probabilités de sélection, puis refaire la mise à jour bayésienne avec cette distribution.
Un exemple, pas à pas
Comparons deux scénarios fictifs. Le scénario court HC compte au total NC = 100 milliards d’humains. Le scénario long HL en compte NL = 1 000 milliards. Le rang observé est r = 60 milliards. Les deux scénarios reçoivent chacun une probabilité a priori de 1/2, et chaque rang y est supposé équiprobable.
1. Le rang est compatible avec les deux totaux.
2. Sa vraisemblance vaut 1/100 milliards sous HC, contre 1/1 000 milliards sous HL.
3. Le même rang est donc dix fois plus vraisemblable sous HC.
4. Comme les probabilités a priori sont égales, les poids non normalisés sont dans le rapport 10 à 1.
5. Après normalisation, la probabilité a posteriori du scénario court vaut 10/11 ≈ 90,9 %, et celle du scénario long vaut 1/11 ≈ 9,1 %.
2. Sa vraisemblance vaut 1/100 milliards sous HC, contre 1/1 000 milliards sous HL.
3. Le même rang est donc dix fois plus vraisemblable sous HC.
4. Comme les probabilités a priori sont égales, les poids non normalisés sont dans le rapport 10 à 1.
5. Après normalisation, la probabilité a posteriori du scénario court vaut 10/11 ≈ 90,9 %, et celle du scénario long vaut 1/11 ≈ 9,1 %.
Le contrôle consiste à additionner 10/11 et 1/11 : le total vaut exactement 1. Ce résultat compare seulement les deux scénarios et les hypothèses annoncées ; il ne constitue pas une probabilité universelle d’extinction. La figure rend visibles les positions relatives du même rang dans les deux populations finales.
En pratique
Pour lire l’argument, commencez par repérer les scénarios comparés et leurs probabilités a priori. Si elles ne sont pas données, le résultat numérique ne peut pas être interprété comme une conclusion complète.
Examinez ensuite la règle de sélection de l’observateur. Lorsque les rangs ne sont pas équiprobables, remplacez 1/N par une distribution adaptée ; le critère observable est une dépendance du tirage à l’époque ou au scénario.
Enfin, présentez le résultat comme une comparaison conditionnelle. Pour estimer directement un risque réel d’extinction, il faut un modèle fondé sur les causes de ce risque ; le rang de naissance ne remplace pas ces données.
À ne pas confondre
Le paradoxe de l’Apocalypse ne se confond pas avec le théorème de Bayes. Bayes est la règle générale de mise à jour ; l’argument de l’apocalypse est une application particulière qui ajoute des scénarios sur la population humaine et une hypothèse de sélection.
Il ne se confond pas non plus avec une prévision causale d’extinction. Une telle prévision utiliserait des informations sur les mécanismes capables d’affecter l’humanité. Ici, le calcul part du rang d’un observateur dans une population totale inconnue.
Enfin, une probabilité a posteriori n’est pas une vraisemblance. Dans l’exemple, 1/100 milliards est la probabilité du rang sous un scénario fixé ; 10/11 est la probabilité révisée du scénario court parmi les deux scénarios retenus.
Limites et pièges
Le résultat dépend du choix des probabilités a priori. Dans l’exemple, l’avantage de vraisemblance est de 10 contre 1. Un a priori favorisant le scénario long par plus de 10 contre 1 inverserait donc le verdict final. Il faut toujours publier les a priori avec le résultat.
L’uniformité des rangs est une hypothèse, pas une conséquence de Bayes. Si la sélection favorise certains rangs, le symptôme est que P(R = r | Hi) n’est plus égal à 1/Ni. Il faut employer la vraisemblance correspondant au mécanisme de sélection retenu.
Le découpage des scénarios peut masquer d’autres futurs possibles. Une forte probabilité obtenue pour le scénario court signifie seulement qu’il domine les scénarios effectivement comparés. Il faut élargir l’ensemble des hypothèses avant de généraliser.
Un rang approximatif ne doit pas être traité comme une valeur exacte. Si plusieurs rangs sont plausibles, il faut calculer la vraisemblance de cet intervalle dans chaque scénario, plutôt que choisir silencieusement un seul rang.
Pour aller plus loin
La probabilité conditionnelle aide à lire séparément la probabilité d’une hypothèse sachant le rang et celle du rang sous une hypothèse.
L’article Le théorème de Bayes... star de l'Internet ! replace la mise à jour utilisée ici dans le cadre plus général du raisonnement bayésien.
Explorez les mathématiques autrement
Retrouvez nos magazines, podcasts et jeux pour explorer les mathématiques autrement.
Découvrir les offres