Dans ce second dossier sur la statistique, nous souhaitons mettre en avant quelques évolutions de cette discipline : ses domaines d’application se multiplient et elle est une composante essentielle des transformations technologiques que nous connaissons avec l’essor de l’intelligence artificielle.  

Les cinq articles proposés témoignent de ces changements. Ils nous conduisent du droit à l’économie, des méthodes statistiques classiques aux développements les plus récents de l’apprentissage automatique, pour nous amener enfin à une réflexion sur l’enseignement supérieur. Des approches différentes, mais qui ont en commun de montrer combien la statistique participe à la compréhension du monde et à ses évolutions.

Avec l’article « Droit et statistique : une liaison plus que centenaire », Jérôme et Philippe Tassi proposent d’abord un retour historique sur les relations entre deux disciplines souvent perçues comme éloignées. Ainsi, dès le XIXe siècle, les travaux de Siméon Denis Poisson sur la probabilité des jugements témoignaient de la possibilité de mobiliser le raisonnement statistique dans le domaine judiciaire. Les auteurs retracent les étapes de cette histoire, de l’apparition du secret statistique et de la protection de la vie privée jusqu’aux enjeux actuels du numérique et de l’intelligence artificielle. L’article souligne la réciprocité de la relation: la statistique peut éclairer la décision juridique, tandis que le droit encadre la collecte et l’utilisation des données.

Jean-Baptiste Crettez, dans son article « Un degré de plus ou de moins, ça change quoi ? Ce que la météo révèle de nos comportements et de l’économie » illustre d’autres usages de la statistique. À partir d’une riche revue de travaux empiriques, complétée par ses propres recherches, il montre combien les variations météorologiques influencent les comportements : sommeil, productivité, consommation, audiences télévisuelles, natalité ou encore violences. L’intérêt de cette contribution est aussi méthodologique. La météo constitue pour les économistes une forme d’expérience naturelle, permettant d’étudier les relations entre les comportements et leur environnement. Encore faut-il distinguer les corrélations des véritables effets causaux, tenir compte des différences entre territoires et des capacités d’adaptation. Un article qui rappelle à la fois la puissance des méthodes statistiques appliquées et la prudence nécessaire dans l’interprétation de leurs résultats.

Avec «L’apprentissage bayésien à l’heure des LLM », Pierre Alquier, professeur à l’ESSEC Business School, revient sur une question centrale : comment adapter les méthodes de la statistique bayésienne à des modèles dont la dimension est devenue considérable ? Les méthodes de Monte Carlo ont joué un rôle majeur dans le développement de l’inférence bayésienne, mais elles rencontrent des limites pratiques face aux réseaux de neurones profonds et aux grands modèles de langage. Pierre Alquier présente les approches qui permettent de dépasser une partie de ces difficultés, notamment en reformulant l’inférence bayésienne comme un problème d’optimisation. Son article, résolument mathématique, montre comment des concepts statistiques anciens trouvent une nouvelle actualité dans les recherches contemporaines. Il souligne aussi combien les progrès de l’intelligence artificielle sont également des avancées théoriques et algorithmiques.

Anna Korba, professeure assistante à l’ENSAE et chercheuse au CREST, lauréate de la médaille de bronze 2026 du CNRS et d’une bourse ERC Starting Grant en 2025, nous livre dans une interview son parcours et ses recherches à l’interface des mathématiques, de la statistique et de l’intelligence artificielle. Ses travaux portent notamment sur l’optimisation dans des espaces de mesures de probabilité, l’échantillonnage et les modèles génératifs. Ils rejoignent ainsi certaines des questions développées par Pierre Alquier, tout en ouvrant de nouvelles perspectives sur la manière de manipuler des distributions complexes et de concevoir des algorithmes plus efficaces. C’est un témoignage particulièrement stimulant sur la recherche contemporaine et ses perspectives.

Enfin, le dossier se conclue sur l’article de Philippe Tassi, « IA et Enseignement supérieur » qui répond à une question essentielle : comment former les générations futures à comprendre et à maîtriser des outils qui évoluent aussi rapidement ? L’auteur rappelle que l’arrivée de l’intelligence artificielle générative à la fin de 2022 a profondément modifié la diffusion et les usages de l’IA, désormais accessible à un public très large. L’enseignement supérieur doit donc intégrer cette transformation, à la fois dans ses méthodes pédagogiques, ses activités de recherche et la préparation aux métiers de demain. Cela exige de comprendre les fondements scientifiques, les limites, les risques et les implications éthiques. Cette réflexion sur la place de l’IA dans la formation intellectuelle et professionnelle et la nécessité de préserver l’esprit critique et la capacité de raisonnement nous concerne tous.

Ces cinq contributions rappellent que la statistique s’inscrit dans une histoire longue, qu’elle irrigue des disciplines multiples et se renouvelle au contact des grandes transformations scientifiques et sociales. De la protection des droits fondamentaux à l’étude des comportements, de l’inférence bayésienne à l’intelligence artificielle, les questions qu’elle soulève sont théoriques et pratiques, et souvent profondément collectives.

Nous remercions chaleureusement les auteurs pour leurs contributions, qui témoignent une nouvelle fois de la vitalité de la recherche et de la richesse des réflexions que Variances souhaite partager avec ses lecteurs.

Nous vous souhaitons à toutes et à tous une excellente lecture.

Dossier Statistiques 2 – Sommaire :
Variances EU
Les derniers articles par Variances EU (tout voir)