Des chiffres aux causes : l’enquête ne fait que commencer

Il ne faut pas croire qu’il n’y a qu’une seule cause possible pour chaque effet,
Car la nature agit de multiples façons, et ce qui peut arriver
Doit être expliqué par plusieurs causes possibles.

Lucrèce, De Natura Rerum

Les statistiques publiques permettent de constater des liens entre des phénomènes socio-économiques, mais elles ne suffisent pas à en expliquer les causes. La célèbre maxime « corrélation n’est pas causalité » rappelle que l’association entre deux indicateurs — comme la taille et le poids, les salaires moyens et la population des territoires, le taux de chômage et la consommation de stupéfiants — ne signifie pas qu’il y a un lien de cause à effet. Derrière ces corrélations se cachent souvent des facteurs tiers. Les exemples abondent, comme celui des salaires plus élevés dans les zones urbaines denses, où la corrélation s’explique en partie par les spécificités économiques de ces zones en termes de types de professions et secteurs d’activité.

Pour établir une causalité, il faut aller plus loin : adopter une démarche inductive, utiliser des outils statistiques adaptés et rester prudent dans l’interprétation. Prouver une causalité est un exercice complexe, qui exige des données robustes, des modélisations rigoureuses et une prise en compte des contextes socio-économiques, souvent instables.

À travers des cas concrets, cet article explore comment les statistiques publiques, tout en éclairant des pistes de recherche, invitent à la nuance et à la rigueur méthodologique.

Les statistiques publiques fournissent des faits, des photographies de la réalité. Placées côte à côte, ces photographies permettent de constater la concomitance de phénomènes ; ou, lorsque les photographies sont répétées dans le temps, de reconstruire le film des événements. Pour autant, les statistiques ne fournissent jamais seules les explications de ces faits. C’est tout le sens de la formule « corrélation n’est pas causalité », qui signifie que l’observation de phénomènes associés ne suffit pas à établir un lien de cause à effet. Pour établir des causes, il faut aller au-delà des associations et adopter une démarche inductive, s’appuyant sur des outils statistiques spécifiques. C’est cet enjeu qu’on va explorer ici, avec l’aide d’exemples issus de publications du service statistique public.

Les associations entre plusieurs indicateurs peuvent être menées assez facilement à partir de graphiques ou de cartes. Des courbes d’un graphique permettent de voir si les évolutions « se ressemblent » ; deux cartes peuvent faire apparaître des similarités sur la répartition géographique de tel ou tel indicateur. En statistique, il est possible d’aller plus loin et de quantifier la force des relations entre plusieurs phénomènes : il s’agit alors de la mesure de corrélations. La corrélation indique dans quelle mesure les variations d’un indicateur sont associées aux variations d’un autre indicateur. Elle vaut zéro lorsqu’il n’y a pas de relation, elle est positive lorsque les deux indicateurs évoluent dans le même sens (corrélation positive), et elle est négative lorsque les variables varient en sens opposé (corrélation négative). Elle vaut un lorsque les évolutions sont totalement alignées.

Voici des exemples : la taille et les poids des individus sont corrélés positivement. Les individus les plus grands sont en moyenne plus lourds que les individus les plus petits en taille, même si des variations existent en fonction de la densité des os, de la masse musculaire, etc. Ainsi, la corrélation entre la taille et les poids des individus est positive, sans être égale à un. Inversement, la pression atmosphérique et l’altitude sont corrélées négativement.

Mesurer la nature et la force des liens entre différentes associations est extrêmement utile et permet d’ouvrir des pistes pour comprendre les phénomènes. Toutefois, comme on va le voir, l’interprétation de ces liens statistiques requiert du doigté et, le plus souvent, des analyses complémentaires. La corrélation ne dit pas pourquoi les indicateurs sont liés, elle signale simplement qu’un lien existe. Une corrélation ouvre des pistes mais ne donne pas de réponse définitive.

« Corrélation n’est pas causalité » : pour frapper les esprits, il y a plusieurs exemples emblématiques que les étudiants connaissent bien. Prenons l’exemple de la corrélation entre prix Nobel et chocolat [Messerli, 2012]. Si on relie les pays en fonction de la nationalité des prix Nobel et de la consommation de chocolat, apparaît une corrélation positive (figure 1) ! Dans les pays qui ont eu le plus de prix Nobel, la population consomme en général plus de chocolat que celle des pays qui ont eu peu de prix Nobel. Cette corrélation ne prouve évidemment pas que le chocolat rend tout le monde plus intelligent. La corrélation ne fournit pas un lien de cause à effet ; il paraît difficile de trouver un mécanisme qui expliquerait un lien direct entre prix Nobel et chocolat. Alors, pourquoi y a-t-il cette corrélation ? Une des pistes d’explication est le niveau de richesse des pays. C’est alors un tiers facteur, appelé également facteur confondant : la richesse conduit en moyenne à des financements plus importants de l’éducation et de la recherche et permet en moyenne aux habitants de disposer des revenus pour acheter des biens au-delà d’une consommation de première nécessité, comme le chocolat. La richesse explique les deux phénomènes et conduit, de façon cachée, à une partie de leur corrélation.

Cet exemple a permis de poser deux enjeux pour éviter les erreurs d’interprétation : les mécanismes explicatifs et les tiers facteurs. Nous allons maintenant illustrer cela à partir de publications du service statistique public. Puis nous montrerons des exemples où, grâce à des méthodes statistiques spécifiques, on peut montrer que certaines corrélations correspondent bien à des causalités !

Prenons tout d’abord un exemple de rapprochement sur la base de la géographie. Si on rapproche les niveaux de salaires des territoires et le niveau de population des zones, on constate une corrélation positive : les salaires sont plus élevés dans les aires d’attraction des villes les plus peuplées [Le Fillâtre, Pichard L., Touahir, Viglino, 2024]. Ainsi, en 2021, c’est dans l’aire de Paris que le salaire mensuel moyen dans le secteur privé culminait, à 3 222 euros ; il s’élevait en moyenne à 2 490 euros nets dans les aires de 700 000 habitants ou plus, dont Grenoble, Lyon et Toulouse, alors qu’il était de 2 114 euros dans les aires de 50 000 habitants ou moins.

Faut-il conseiller aux habitants de zones peu peuplées de déménager, en leur promettant qu’ils toucheront des salaires plus élevés à Paris par exemple ? Rien n’est moins sûr, sauf à penser qu’ils pourront également changer de profession. En effet, cette corrélation s’explique en partie parce que les grandes villes concentrent des emplois mieux payés (comme les cadres), et non parce que la taille de la ville en soi augmente les salaires. Il y a donc un tiers facteur : la structure des emplois.

De façon plus générale, la corrélation entre salaires et taille des aires cache des effets liés aux structures économiques des différentes aires : structure des emplois, mais aussi composition de la population, secteur d’activité des entreprises du territoire, etc. En statistique, il est possible d’affronter cet enjeu en neutralisant les effets des tiers facteurs et en mesurant la corrélation résultante. Les résultats sont alors présentés comme « toutes choses considérées égales par ailleurs ».

Dans notre étude sur les salaires, une modélisation « toutes choses égales par ailleurs » est menée. La corrélation diminue mais elle subsiste lorsqu’on tient compte de différentes dimensions. Ainsi, à catégorie socioprofessionnelle, sexe, âge, secteur d’activité et taille d’entreprise similaires, les salaires versés par les établissements employeurs restent en moyenne d’autant plus élevés que les aires d’attraction des villes sont peuplées (figure 2). Toutefois, les auteurs restent prudents et n’en déduisent pas qu’on a éliminé tous les tiers facteurs. Ils considèrent que d’autres dimensions – pas toujours mesurables – peuvent aussi expliquer cette corrélation, tels que les prix de l’immobilier et plus généralement le coût de la vie, qui sont plus élevés dans les aires peuplées et poussent à la hausse les salaires. Ces facteurs-là ne sont pas pris en compte dans la modélisation faute de données locales disponibles ; il faut donc rester prudent sur les conclusions à tirer des résultats.

L’exemple des prix Nobel et du chocolat suggère qu’avant de faire l’hypothèse d’une causalité, il faut penser à un mécanisme pertinent qui expliquerait cette causalité. Cela évite de surinterpréter les corrélations issues de tiers facteurs, voire les corrélations liées complètement à une coïncidence numérique (on peut trouver de nombreux exemples de corrélations correspondant à des coïncidences numériques, rassemblées par Tyler Vigen sur un site internet). Toutefois, même en disposant d’un mécanisme crédible, il faut rester vigilant : il y a rarement un seul mécanisme possible. Il faut les lister, car on en trouve souvent qui correspondent à ce qu’on appelle la causalité inverse. Prenons un autre exemple. Dans une publication récente, le service statistique ministériel de la sécurité intérieure a analysé le lien entre usage de stupéfiants et taux de chômage dans une commune [Cometx, Milin, 2025]. La modélisation montre l’existence d’une corrélation positive entre ces deux indicateurs. On pourrait l’interpréter rapidement comme la preuve que le chômage, en lien avec les difficultés qui peuvent en découler, conduirait à consommer des stupéfiants. Mais la causalité peut aussi être inverse : la perte d’emploi pourrait être causée par la consommation de stupéfiants.

Dans cette étude, la modélisation tient compte de nombreux facteurs. Mais les auteurs préconisent de rester prudents sur le sens de la causalité ; la modélisation ne permet pas d’identifier le mécanisme chronologique éventuel. En outre, comme dans le cas des données sur les prix Nobel et la consommation de chocolat qui sont nationales, les données sont à un niveau agrégé : la corrélation est obtenue au niveau de la commune et non pas des individus. Or, les relations statistiques observées entre des groupes ne reflètent pas nécessairement celles qui existent entre les individus qui les composent [Robinson, 1950] – ici, le groupe correspond à l’ensemble des personnes résidant dans une même commune. Il est fort possible que des tiers facteur, tel que certaines caractéristiques de la commune, soient en cause. Sans données supplémentaires, il est impossible de trancher.

Alors, peut-on montrer statistiquement des causalités ? C’est parfois possible, avec des modèles statistiques adaptés et lorsque les données le permettent. Cela demande en général une expertise et une modélisation poussées. Le Service statistique public mène régulièrement des travaux d’analyse causale. Dans une publication sur le lien entre polluants atmosphériques et santé [Godzinski, Suarez Castillo, 2021], il est rappelé là aussi que l’interprétation du lien positif entre les deux n’est pas immédiate : il peut y avoir des tiers facteurs. Par exemple, en hiver, les organismes humains sont davantage mis à l’épreuve par la baisse de la luminosité et de la température, tandis que les systèmes de chauffage, source de pollution de l’air pour certains d’entre eux, sont davantage utilisés. Cela conduit à une hausse de la mortalité et de la pollution conjointement, la cause étant les conditions météorologiques.

En utilisant une modélisation économétrique spécifique s’appuyant sur les conditions météorologiques d’altitude, il est possible d’isoler l’effet causal des polluants. C’est ce qui est fait dans cette publication de l’Insee, dont il ressort que les polluants atmosphériques ont des effets sur les admissions aux urgences et sur la mortalité le jour même, avec toutefois des effets distincts selon les polluants.

Cette étude vient compléter le corpus d’estimations sur les effets sanitaires de court et long termes de la pollution de l’air, régulièrement recensés par l’Organisation mondiale de la santé ou Santé publique France par exemple. C’est l’accumulation d’évaluations d’impact qui permet de dégager les résultats les plus plausibles. Montrer une causalité est un exercice statistique complexe ; il faut souvent prendre les résultats avec prudence. Toutefois, lorsque plusieurs recherches validées par la communauté scientifique conduisent à des résultats similaires, le faisceau de preuves devient solide.

Montrer une causalité est statistiquement complexe ; sa définition même fait l’objet de réflexions philosophiques [Chambaz, Drouet, Thalabard, 2014]. Il y a causalité lorsqu’un même phénomène produit le même effet. Mais existe-t-il réellement des causes qui entraînent systématiquement le même effet ? Dans l’article cité, les auteurs prennent l’exemple suivant : frotter une allumette contre un grattoir cause son embrasement et pourtant, si l’allumette est mouillée ou si le milieu ne contient pas d’oxygène, frotter l’allumette contre un grattoir ne va pas être suivie d’embrasement. Ainsi, la causalité est contextuelle, elle dépend de conditions (oxygène, état de l’allumette) ; dit autrement, la causalité est plurielle, l’embrasement résulte d’une combinaison de facteurs (frottement, oxygène, environnement sec).

Dans le cas de phénomènes socio-économiques, la prudence est encore plus de mise. Le contexte est souvent crucial. Ainsi, par exemple, Pablo Jensen [Jensen, 2018] note que, contrairement aux systèmes naturels, les effets d’une cause donnée varient fortement selon le contexte social. Cette instabilité rend difficile l’identification de relations causales universelles ou stables, car ce qui fonctionne dans un contexte peut ne pas s’appliquer dans un autre.

On peut donner un exemple d’instabilité dans le temps avec une autre étude de l’Insee. Celle-ci a cherché à mesurer le lien de cause à effet entre le fait de posséder du patrimoine et le fait d’exercer une profession comme indépendant [Bauer, Garbinti, Georges-Kot, 2018]. Les indépendants, femmes comme hommes, sont plus nombreux que les salariés à avoir des patrimoines élevés. Il y a donc une corrélation positive entre niveau de patrimoine et le fait d’exercer sa profession comme indépendant. Est-ce qu’il s’agit d’une causalité, parce qu’il est nécessaire d’avoir un patrimoine élevé pour pouvoir s’installer en tant qu’indépendant ? L’étude s’appuie sur des variations brusques de patrimoine, tels qu’un héritage ou une augmentation des prix immobiliers, pour établir si cette corrélation correspond à un lien de cause à effet. Il semble qu’il n’y ait pas de causalité pour les femmes. La causalité semble prouvée pour les hommes sur les années 1980 et 1990, mais disparaît à partir des années 2000.

Raisonner en termes de causalité est plus immédiat lorsqu’on analyse des « interventions ». Ce que l’on cherche, c’est l’effet qui suit l’administration de tel médicament ou la mise en place de telle politique publique. Les précautions sont les mêmes : la causalité contextuelle et les instabilités. Mais la spécificité des interventions permet de mieux identifier les protocoles statistiques appropriés [CAE, 2013]. Il est possible, dans certains cas, de mettre en place des expérimentations aléatoires. Il est possible également de raisonner en termes de contrefactuel : que se serait-il passé si cette personne n’avait pas reçu ce traitement, n’avait pas bénéficié de telle politique publique, etc ?

Le service statistique public mène certaines évaluations d’impact de politiques publiques, de même que des organismes tels que l’Institut des politiques publiques, l’Institut français d’économie, le Conseil d’analyse économique, … Là encore, les résultats statistiques simples peuvent être trompeurs. Dans le cas de politiques publiques, il y a un nouvel écueil à éviter : le biais de sélection. Prenons l’exemple de la formation des demandeurs d’emploi et de l’impact de cette formation sur le retour à l’emploi. On peut vouloir, de façon assez simple, comparer le taux de retour à l’emploi des demandeurs d’emploi formés avec celui des demandeurs d’emploi non formés, en supposant que cette comparaison offre une estimation de l’effet de la formation. Or ce n’est pas le cas, car les bénéficiaires de la formation ont des caractéristiques particulières qui ne les rendent pas comparables aux non-bénéficiaires. Là encore, il faut tenir compte d’autres dimensions. Ainsi, il ressort d’une publication de la Dares, le Service statistique ministériel du ministère chargé du travail [Chabaud, 2022], que les primo-formés inscrits à Pôle emploi entre 2017 et 2019 sont plus jeunes que l’ensemble des demandeurs d’emploi et un peu plus souvent des hommes. Ils sont également plus diplômés et inscrits à Pôle emploi depuis moins longtemps. Ces primo-formés ont des taux de retour à l’emploi salarié privé nettement plus élevés que les non-formés, mais cet écart peut découler des caractéristiques de ces personnes et pas nécessairement à la formation suivie. Pour neutraliser ces effets, dans l’étude, on identifie un groupe de demandeurs d’emploi n’ayant pas suivi de formation qui a en moyenne des caractéristiques économiques et socio-démographiques comparables à celles des primo-formés. L’effet de la formation peut alors être mesuré en comparant les deux groupes : les inscrits qui ont suivi une formation ont bien une probabilité de retrouver un emploi plus élevée à partir de six mois après l’entrée en formation, mais plus faible que l’écart brut (figure 3).

En résumé, la causalité va au-delà de la simple observation d’une corrélation : elle exige une compréhension des mécanismes et une validation par des méthodes rigoureuses. Dans ses publications, le service statistique public mène parfois des analyses causales, s’appuyant sur des méthodes statistiques complexes. Lorsque ce n’est pas le cas, il mène régulièrement des analyses tenant compte de différents facteurs, afin de fournir des corrélations « toutes choses observées égales par ailleurs ». L’enjeu est alors de disposer des données les plus pertinentes possibles. Pour cela, l’Insee et les services statistiques ministériels consultent en amont de chaque enquête les utilisateurs et des chercheurs ; lorsque cela est possible, des questions sont ajoutées aux enquêtes pour obtenir des données sur des tiers facteurs. Comme on l’a vu, les résultats de ces modélisations doivent être considérés comme descriptifs, n’apportant pas de preuve d’une causalité. Mais ils ouvrent certainement des pistes intéressantes pour de futures recherches.

• Vigen T., « About Spurious Correlations »
• Cometx R., Milin K., 2025, « Trafic ou usage de stupéfiants : davantage de mis en cause dans les communes touristiques, frontalières ou avec de plus faibles niveaux de vie », Interstats Analyse N^o 75, juin
• Le Fillâtre C., Pichard L., Touahir M., Viglino L., 2024, « Les salaires sont plus élevés au sein des pôles des aires les plus peuplées », Insee Première N^o 1995, mai
• Chabaud M., 2022, « Quels taux de retour à l’emploi pour les demandeurs d’emploi formés ? », Dares analyses N^o 11, février
• Godzinski A., Suarez Castillo M., 2021, « Selon les polluants atmosphériques, les effets immédiats sur les admissions aux urgences et sur la mortalité diffèrent », Insee Analyses N^o 67, juillet
• Bauer A., Garbinti B., Georges-Kot S., 2018, « Travail indépendant, patrimoine et contraintes financières : quelles évolutions au cours du temps ? », Insee Références Les entreprises en France, édition 2018, novembre
• Jensen P., 2018, « Pourquoi la société ne se laisse pas mettre en équations », Seuil, coll. Science ouverte, 336 p., mars
• Chambaz A., Drouet I., Thalabard J.-C., 2014, « Causality, a Trialogue », Journal of Causal Inference
• CAE, 2013, « Évaluation des politiques publiques », Les notes du conseil d’analyse économique N^o 1, février
• Messerli F. H., 2012, « Chocolate Consumption, Cognitive Function, and Nobel Laureates », New England Journal of Medicine, vol. 367 no. 16
• Robinson W. S., 1950, « Ecological Correlations and the Behavior of Individuals », American Sociological Review, p. 351-357
• Lucrèce, « De rerum natura (De la nature) », Les Belles Lettres, coll. des Universités de France

_{Photo credits: ©nikvector  – stock.adobe.com}