En sciences, recherche de corrélation et recherche de causalité entre deux phénomènes sont très liées. Ce qui ne signifie pas qu’une corrélation implique une causalité : par exemple, il y a probablement une corrélation entre la consommation de glaces à la vanille et l’apparition de coups de soleil. Cela ne signifie pas que consommer de la glace à la vanille provoque des coups de soleil (ni même qu’avoir un coup de soleil incite à consommer de la glace à la vanille).
Mais lorsqu’on cherche à trouver des relations de causalité, entre des phénomènes dont on ne comprend pas le “fonctionnement”, on commence par vérifier s’il existe entre eux des corrélations. Car même si la corrélation ne prouve pas la causalité, en revanche, l’absence de corrélation implique l’absence de causalité. En logique, on dit que la proposition “A implique B” est équivalente à “(non B) implique (non A)” et on parle de formules ou propositions contraposées. Précisons pour les non-initiés : “A implique B” signifie que si A est vrai, alors B est nécessairement vrai. Par contre si A est faux, B peut être vrai ou faux : on ne peut rien dire de B. Par contre si B est faux (donc non vrai !) alors A ne peut pas être vrai ; A est nécessairement “non vrai” c’est-à-dire faux, puisque s’il était vrai B devrait être vrai également.
Le test de corrélation, même s’il est bien souvent, intuitivement, utilisé de façon positive pour “vérifier” des relations de causalité, ne peut donc en toute rigueur que démontrer des non-causalités en éliminant des relations de causalité et non en les prouvant. Même si, sur de très grands nombres, une corrélation quasi-parfaite rend statistiquement très improbable (au besoin via des variables intermédiaires non prises en compte) une absence de causalité, mais cette “preuve”-là n’est que statistique et pas strictement logique.
Par contre, si un médecin vous prescrit un médicament pour soigner une maladie et que ce médicament ne fonctionne jamais, on peut être certain (chez vous au moins, la médecine n’étant pas une science aussi universelle que la physique) que ce médicament ne fonctionne pas : c’est le sens de la démonstration par “(non B) implique (non A)”.
En matière de vaccination anti-COVID, nous avons maintenant la chance d’avoir des données à moudre : d’après Our World in Data qui récolte des données publiques partout dans le monde, déjà 3,56 milliards d’humains (au 29 septembre 2021) ont reçu au moins une dose de “vaccin anti-COVID” (toutes technologies confondues), et 2,64 milliards sont entièrement vaccinés. Puisque la vaccination est présentée comme le remède miracle à la pandémie (voire le seul), il est intéressant de voir l’impact de cette vaccination sur les décès hebdomadaires attribués à la COVID-19.