Tout l’enjeu d’une étude expérimentale est d’établir des relations de causalités entre des observations et des effets. Pour cela, il faut réaliser des expériences en maitrisant tous les paramètres : les comparaisons se font « à toutes choses égales par ailleurs ».

Gardons également à l’esprit que les conclusions d’une étude ont au mieux « de grandes chances d’être proches de la réalité ». C’est le degré de proximité qui est discutable, vu qu’on ne fait observer un échantillon très réduit !!!

Quelles précautions faut-il prendre ?

Lors de la conception d’une expérience, il convient donc de réfléchir en amont à plusieurs paramètres :

• la taille nécessaire de l’échantillon pour que les conclusions statistiques soient précises et fiables,

• dans quelle mesure un test statistique va permettre de détecter les effets dû à la taille de l’échantillon dans la situation étudiée.

• estimer en pratique l’importance des perturbations expérimentales.

L’analyse de la puissance statistique d’un test et l’estimation de la taille d’échantillon optimale constituent des aspects essentiels lors de la planification d’une expérience. Sans ces calculs, la taille d’un échantillon pourrait être insuffisante ou au contraire, inutilement grande.

Si la taille de l’échantillon est trop faible, l’expérience manquera de précision pour répondre avec fiabilité aux problèmes soulevés.

Au contraire, si la taille de l’échantillon est trop grande, ce sont des ressources et du temps gaspillés pour un gain minime.

Quel critère pour estimer la valeur d’une étude ?

Afin de valider un protocole, il convient donc de prendre des précautions. Pour cela, il existe des critères statistiques, telle la valeur p qui permet d’estimer la fiabilité d’une étude. La valeur p est un paramètre qui dépend de la manière dont les données recueillies sont traitées, de la taille des échantillons et de la façon dont sont constitués les échantillons.

Il s’agit en fait d’un seuil expérimental critique qui permet ou non de valider une étude.

De cette façon, il est possible d’envisager, ou non, la généralisation à grande échelle des résultats.

Effets statistiques et influence sur des résultats de mesure

Attention : cela ne signifie pas que les résultats mis en évidence au cours de l’expérience sont erronés : ils ne sont juste pas forcément représentatifs d’une situation générale.

Quelles conséquences pour l’étude Séralini ?

Dans la publication de l’étude Séralini, aucune analyse statistique n’est présentée. Pour tout bio-statisticien, le nombre de rats étudié est trop faible par rapport à la variété des régimes alimentaires testés. En voulant être exhaustive, l’étude a donc perdu toute valeur scientifique. Sans même discuter plus précisément les protocoles suivis, il est absolument non-rigoureux d’envisager une généralisation des résultats obtenus à une population plus nombreuse.

Continuer sur la réaction du grand public.