Questions et mesures

Une question traverse ce livre : que peut faire le vide, et comment le mesurer ? L’effet Casimir, les expériences de conversion d’énergie et les mécanismes de propulsion proposés posent des questions différentes. Remontez chaque fois à l’appareil, au calcul et à la source originale.

Une expérience de propulsion doit comptabiliser la quantité de mouvement et l'énergie. Un engin qui n'emporte pas de propergol doit tout de même rendre compte de sa quantité de mouvement et de son énergie : quelque chose doit emporter la quantité de mouvement que l'engin gagne, et quelque chose doit payer le travail. La proposition de ce livre n'est pas que ces comptes cessent de tomber juste. C'est que le vide lui-même en est l'autre partie — et cela, il faut le mesurer, non l'affirmer. La page méthode (en anglais) consigne la façon dont ce site applique cette discipline.

Calibrer votre jugement

Deux habitudes sautent cette étape. L'une accepte une affirmation parce qu'elle est enthousiasmante. L'autre la rejette parce qu'elle dérange. Toutes deux décident avant de regarder. Commencez par les observations et la façon dont elles ont été obtenues.

Lire la source et concevoir le test

Une mesure de la force de Casimir décrit la réponse d’un instrument dans des conditions précises. Examinez la géométrie, l’étalonnage et l’incertitude avant de relier le résultat à un autre dispositif. La fusion par confinement dans un réseau cristallin étudiée par la NASA, les modèles de vide superfluide et les expériences sur l’énergie du point zéro exigent la même attention.

Un brevet de Pais (en anglais) décrit une invention et son fonctionnement proposé. Pour comprendre le comportement d’un dispositif, cherchez ses conditions d’essai et sa sortie mesurée. Une question utile est de savoir quelle observation distinguerait le mécanisme proposé d’une autre explication.

Essayez avec un article : identifiez la grandeur mesurée, l’expérience de comparaison et l’incertitude indiquée. Décrivez ensuite une mesure qu’un autre laboratoire pourrait répéter. Gardez l’article avec vos notes pour rattacher chaque nombre à sa source.

Nommer la prochaine expérience

Pour chaque affirmation majeure, nous écrivons à l'avance la mesure qui la ferait bouger. Cette seule ligne transforme une idée en programme de recherche. Elle vous dit où pointer l'instrument, et elle vous dit ce que voudra dire un résultat avant même de l'avoir.

Les meilleurs travaux du domaine font exactement cela. Ils disent à l'avance ce qui les ferait bouger, puis vont mesurer. Plusieurs équipes l'ont fait cette saison, et vous les rencontrerez à la fin de ce chapitre.

Quand des lignes séparées concordent

La confiance grandit le plus vite quand des courants indépendants aboutissent à la même réponse. Un brevet, une mesure de paillasse et une prédiction théorique qui ne se connaissaient pas font trois indices, et c'est ce motif-là qui vaut la chasse. Dix reprises d'une même affirmation ne font toujours qu'une seule affirmation. Aussi ce livre revient-il toujours au document primaire : l'article, le brevet, le fichier publié.

La règle de Bayes(1.1)

$$P(H\mid E) = \dfrac{P(E\mid H)\,P(H)}{P(E)}$$

Quand deux résultats n'en comptent qu'un

Augmentez l'incertitude partagée. Il reste deux rapports de mesure, mais leur erreur combinée ne diminue plus comme s'ils étaient indépendants.

Corrélation d'erreur partagée ρ

0 %

erreurs indépendanteserreur entièrement partagée

Rétablir l'indépendance

L'erreur standard relative est 0,71σ, de l'erreur d'une mesure; 2,00 mesures.

La règle de Bayes valorise les prévisions précises. Deux laboratoires peuvent apporter une information supplémentaire si leurs erreurs de mesure sont indépendantes. Dix articles sur la même mesure ne constituent pas dix expériences. Des instruments, données ou hypothèses communs peuvent aussi rendre dépendants des résultats apparemment séparés.

Mettre la méthode en pratique

Choisissez une prévision, nommez l’instrument et notez le résultat attendu avant l’essai. Incluez l’incertitude : un petit écart peut correspondre à la variation normale de l’instrument. Consignez ce qui s’est produit, même si cela change votre explication. Vous pouvez ainsi suivre la recherche depuis une idée intéressante jusqu’à une expérience utile.

Ce que le domaine a apporté — de juillet à septembre 2026

Deux mois de matière nouvelle ont donné à ce chapitre un entraînement neuf sur la part de la méthode qui fait le vrai travail : revenir au document primaire avant de répéter quoi que ce soit. Plusieurs affirmations arrivées cette saison sous forme de titre se sont révélées, à l'examen, être l'annonce d'une entreprise, une prépublication ou un entretien — chacune mérite d'être lue, aucune n'est une mesure indépendante. Nommer celle que l'on tient n'est pas du scepticisme. C'est la première étape du calcul ci-dessus, car c'est ce qui fixe P(E) honnêtement.

La saison a aussi montré comment un bon enquêteur met à jour. Des équipes de ce domaine ont publié des résultats qui n'ont pas survécu à leurs propres filtres, et ont révisé en public. Réviser une hypothèse quand les données arrivent n'est pas une faiblesse ; c'est la méthode. Et l'histoire déclassifiée du U-2 par la CIA elle-même — des observations dont l'agence savait qu'il s'agissait d'avions et qu'elle a laissé passer pour des ovnis — est le rappel documenté que les institutions préfèrent parfois une étrange histoire publique à une histoire classifiée, et c'est pourquoi ce chapitre réclame des documents primaires. Cette saison en a livré plusieurs. Détails dans le registre de recherche, et le processus éditorial lui-même est consigné sur la page méthode (en anglais).

Sources

Ceci est un chapitre de méthode ; ses « sources » sont les outils qu'il emprunte, tous canoniques.

Primaires / canoniques

• Bayes & Price (1763), "An Essay towards solving a Problem in the Doctrine of Chances," Phil. Trans. R. Soc. 53, 370. DOI 10.1098/rstl.1763.0053. Domaine public.
• K. Popper, The Logic of Scientific Discovery (éd. anglaise 1959) - la discipline consistant à dire à l'avance ce qui vous ferait changer d'avis.
• E. T. Jaynes, Probability Theory: The Logic of Science (CUP, 2003) - traitement bayésien moderne.

D'où vient la formulation de la barre de preuve

• M. Truzzi (1978), "extraordinary claims require extraordinary proof," Zetetic Scholar 1 - la formulation moderne ; C. Sagan, Cosmos (1980, ép. 12) l'a popularisée ; l'idée de fond est de Laplace.

Compter les lignes indépendantes, rendu quantitatif (au-delà du corpus de sources)

• J. Ioannidis (2005), "Why Most Published Research Findings Are False," PLoS Med. 2(8):e124, accès libre sur 10.1371/journal.pmed.0020124 - probabilités a priori x puissance x biais ; l'arithmétique derrière « une réplication indépendante est l'unité de preuve ».
• "Risk and Scientific Reputation: Lessons from Cold Fusion," arXiv:2201.03776 - comment une grande affirmation énergétique est jugée, et comment un domaine y revient pour la retester (un exemple filé au chap. 12).

Là où des traditions séparées concordent : les outils ci-dessus viennent de la théorie des probabilités, de la philosophie des sciences et de la métascience. Ils ont été bâtis pour des tâches différentes et aboutissent à la même discipline - la convergence que ce livre est fait pour chercher.