Les probabilités sont la branche des mathématiques qui mesure le hasard : elles attribuent à chaque événement incertain un nombre compris entre 0 et 1, qui exprime ses chances de se produire. Un événement impossible a une probabilité nulle, un événement certain une probabilité égale à 1, et tout le reste se situe entre les deux, comme le résultat « pile » d'une pièce bien équilibrée, auquel on attribue la probabilité 1/2, soit 50 %. Née au XVIIe siècle de questions très concrètes posées par des joueurs, la discipline est devenue l'un des outils les plus puissants de la science moderne : elle sert à prévoir la météo, à fixer le prix des assurances, à évaluer l'efficacité d'un médicament, à décrire le comportement des particules ou à entraîner les programmes d'intelligence artificielle. Elle a aussi la réputation de défier l'intuition, comme le montre le célèbre problème de Monty Hall, dont la solution surprend presque tout le monde. Cette définition présente le sens du mot, l'histoire de la théorie, le vocabulaire et les règles de calcul de base, les liens avec la statistique, les principales applications et quelques pièges classiques du raisonnement probabiliste.

Que sont les probabilités ? Définition et sens du mot

Le mot probabilité vient du latin probabilitas, dérivé de probabilis, « qui peut être prouvé, vraisemblable », lui-même issu de probare, « éprouver, prouver ». Dans la langue courante, il désigne le caractère de ce qui est probable, c'est-à-dire vraisemblable sans être certain : « selon toute probabilité, il arrivera demain ». En mathématiques, le terme prend un sens précis : la probabilité d'un événement est un nombre qui quantifie ses chances de réalisation, et le pluriel « les probabilités » désigne la théorie qui étudie ces nombres et leurs propriétés. Cette théorie repose sur la notion d'expérience aléatoire, une expérience dont on connaît tous les résultats possibles sans pouvoir prédire lequel se produira, comme le lancer d'un dé, le tirage d'une carte ou la naissance d'un enfant dont on ignore le sexe. Les probabilités ne prétendent donc pas deviner l'avenir : elles décrivent la manière dont les résultats se répartissent lorsque l'expérience est répétée un grand nombre de fois, ou le degré de confiance que l'on peut raisonnablement accorder à une hypothèse. Ces deux lectures, fréquentiste et subjective, coexistent et alimentent encore des débats entre spécialistes, mais elles obéissent aux mêmes règles de calcul.

Probable, possible, certain : les nuances de la langue courante

Dans la conversation, on emploie souvent probable et possible comme des synonymes, alors que la théorie des probabilités permet de bien les distinguer. Est possible tout ce qui a une probabilité strictement supérieure à zéro, même minuscule : gagner au loto est possible, mais très improbable. Est probable ce qui a plus de chances de se produire que de ne pas se produire, donc une probabilité supérieure à 1/2. Est certain ce dont la probabilité vaut 1, et impossible ce dont la probabilité vaut 0. Entre ces bornes, la langue dispose d'une riche palette de formules, de « peu probable » à « quasi certain » en passant par « une chance sur deux », « fifty-fifty » ou « il y a de fortes chances ». Les organismes qui communiquent des prévisions, comme les services météorologiques ou les experts du climat, ont d'ailleurs codifié ce vocabulaire pour éviter les malentendus, en associant chaque expression à une fourchette de valeurs. Cette précision est utile, car des études ont montré que les mêmes mots sont interprétés très différemment d'une personne à l'autre : « probable » peut évoquer 60 % pour l'un et 90 % pour l'autre, d'où l'intérêt des chiffres.

Quelle est l'histoire des probabilités ? De Cardan à Kolmogorov

L'histoire des probabilités commence autour des tables de jeu. Au XVIe siècle, le savant italien Gerolamo Cardano, appelé Cardan en français, médecin, mathématicien et joueur invétéré, rédige un traité sur les jeux de dés où il esquisse le calcul des chances ; l'ouvrage ne sera publié qu'au siècle suivant. L'acte de naissance généralement retenu est la correspondance échangée en 1654 entre Blaise Pascal et Pierre de Fermat, à propos d'un problème soumis par un joueur, le chevalier de Méré : comment partager équitablement les mises d'une partie interrompue avant son terme ? Leurs réponses posent les bases du calcul des espérances. Le Néerlandais Christiaan Huygens publie peu après le premier traité imprimé sur le sujet. Au début du XVIIIe siècle, Jacques Bernoulli démontre une première version de la loi des grands nombres, et Abraham de Moivre étudie la courbe en cloche. Pierre-Simon de Laplace rassemble ces travaux au début du XIXe siècle dans une grande théorie analytique, appliquée à l'astronomie comme aux sciences sociales. Enfin, en 1933, le mathématicien russe Andreï Kolmogorov donne aux probabilités les axiomes rigoureux sur lesquels elles reposent encore aujourd'hui, en les fondant sur la théorie de la mesure.

Frise chronologique de l'histoire des probabilités : Cardan au XVIe siècle, Pascal et Fermat en 1654, Bernoulli au début du XVIIIe siècle, Laplace au début du XIXe siècle et Kolmogorov en 1933 Des tables de jeu aux axiomes XVIe s.Cardanjeux de dés 1654Pascal et Fermatpartage des mises Début XVIIIe s.J. Bernoulligrands nombres Début XIXe s.Laplacethéorie analytique 1933Kolmogorovaxiomes
Né de questions de joueurs, le calcul des probabilités devient au fil des siècles une théorie mathématique rigoureuse.
Portrait de Gerolamo Cardano (Cardan), pionnier du calcul des probabilités

Comment calculer une probabilité ? Vocabulaire et règles de base

Le calcul des probabilités repose sur un vocabulaire précis. L'univers est l'ensemble de tous les résultats possibles d'une expérience aléatoire, appelés issues : pour un dé à six faces, c'est {1, 2, 3, 4, 5, 6}. Un événement est un ensemble d'issues, par exemple « obtenir un nombre pair », qui correspond à {2, 4, 6}. Lorsque toutes les issues ont la même chance de se produire, on parle d'équiprobabilité, et la règle est alors très simple : la probabilité d'un événement est égale au nombre de cas favorables divisé par le nombre de cas possibles. Obtenir un 3 avec un dé équilibré a donc une probabilité de 1/6, obtenir un nombre pair une probabilité de 3/6, soit 1/2. Quelques propriétés découlent de cette définition : une probabilité est toujours comprise entre 0 et 1 ; la somme des probabilités de toutes les issues vaut 1 ; et la probabilité de l'événement contraire, « ne pas obtenir de 6 » par exemple, s'obtient en retranchant de 1 celle de l'événement, soit 1 − 1/6 = 5/6. Lorsque les issues ne sont pas équiprobables, comme pour un dé truqué ou le résultat d'un match, il faut attribuer à chacune une probabilité propre, estimée par l'observation ou par un modèle.

Infographie : les six faces d'un dé, les trois faces paires mises en évidence, et le calcul de la probabilité d'obtenir un nombre pair, égale à 3 sur 6 soit un demi Univers d'un dé : 6 issues équiprobables Événement A : « obtenir un nombre pair » = {2, 4, 6} P(A) = cas favorablescas possibles = 3/6 = 1/2 valable seulement si toutes les issues ont la même chance Événement contraire : P(non A) = 1 − P(A) = 1/2
En situation d'équiprobabilité, la probabilité d'un événement se calcule en divisant le nombre de cas favorables par le nombre de cas possibles.

Union, intersection et indépendance : les notations des probabilités

Pour combiner des événements, la théorie des probabilités emprunte ses notations à la théorie des ensembles. L'union de deux événements A et B, notée A ∪ B, est l'événement « A ou B » (l'un, l'autre ou les deux) ; leur intersection, notée A ∩ B, est l'événement « A et B ». La probabilité de l'union obéit à une formule simple : P(A ∪ B) = P(A) + P(B) − P(A ∩ B). On retranche l'intersection parce que les issues communes aux deux événements seraient sinon comptées deux fois. Lorsque A et B ne peuvent pas se produire en même temps, on les dit incompatibles, leur intersection est vide et les probabilités s'additionnent tout simplement. Une autre notion essentielle est celle d'indépendance : deux événements sont indépendants lorsque la réalisation de l'un ne modifie pas la probabilité de l'autre, comme deux lancers successifs d'une pièce. Dans ce cas, la probabilité qu'ils se produisent tous les deux est le produit de leurs probabilités : obtenir deux fois pile a une probabilité de 1/2 × 1/2 = 1/4. Enfin, la probabilité conditionnelle, notée P(A | B), mesure la probabilité de A sachant que B s'est produit, notion au cœur du célèbre théorème de Bayes.

NotionDéfinitionExemple avec un dé
UniversEnsemble des issues possibles{1, 2, 3, 4, 5, 6}
ÉvénementEnsemble d'issues« Nombre pair » = {2, 4, 6}
Événement contraireSe réalise quand l'événement ne se réalise pas« Nombre impair » = {1, 3, 5}
Union A ∪ BA ou B se réalise« Pair ou supérieur à 4 » = {2, 4, 5, 6}
Intersection A ∩ BA et B se réalisent« Pair et supérieur à 4 » = {6}
IncompatiblesNe peuvent se produire ensemble« Obtenir 1 » et « obtenir 6 »

Probabilités et statistiques : la loi des grands nombres

Les probabilités et la statistique sont deux disciplines sœurs, souvent enseignées ensemble mais qui avancent en sens inverse. Les probabilités partent d'un modèle connu, par exemple un dé équilibré, pour prévoir les résultats ; la statistique part de résultats observés, par exemple une série de lancers, pour remonter au modèle, en se demandant si le dé est truqué. Le pont entre les deux est la loi des grands nombres, démontrée dans sa première forme par Jacques Bernoulli : lorsqu'on répète une expérience aléatoire un très grand nombre de fois, la fréquence observée d'un événement se rapproche de sa probabilité. Si l'on lance une pièce dix fois, on peut très bien obtenir sept piles ; si on la lance dix mille fois, la proportion de piles sera très proche de 50 %. C'est cette loi qui permet aux sondages d'estimer l'opinion d'une population à partir d'un échantillon, aux assureurs de prévoir le nombre de sinistres d'une année, ou aux casinos de compter sur un bénéfice régulier malgré les gains ponctuels des joueurs. Elle est complétée par le théorème central limite, qui explique pourquoi la fameuse courbe en cloche, ou loi normale, apparaît si souvent dans la nature.

À quoi servent les probabilités ? Applications concrètes

Les applications des probabilités sont innombrables. En météorologie, une prévision de « 70 % de risque de pluie » s'appuie sur des modèles qui simulent de nombreux scénarios possibles et sur l'expérience de situations comparables. Les assureurs calculent leurs primes à partir de la probabilité estimée d'un sinistre selon l'âge, le lieu de résidence ou l'historique de l'assuré, ce qui explique les tarifs plus élevés des jeunes conducteurs. En médecine, les essais cliniques reposent sur des méthodes statistiques qui permettent de distinguer l'effet réel d'un traitement du simple hasard, et les médecins raisonnent en probabilités pour interpréter un test de dépistage. La finance utilise des modèles probabilistes pour évaluer les risques et fixer le prix de produits complexes : le modèle publié en 1973 par Fischer Black et Myron Scholes, complété par Robert Merton, propose ainsi une formule de prix des options fondée sur une évolution aléatoire du cours des actions, travaux couronnés par le prix de la Banque de Suède en sciences économiques en 1997. En physique, la mécanique quantique ne prédit que des probabilités de mesure, et en informatique, l'apprentissage automatique et les filtres anti-spam s'appuient largement sur le calcul probabiliste.

Myron Scholes, coauteur du modèle Black-Scholes d'évaluation des options

Les pièges des probabilités : intuition, paradoxes et jeux de hasard

Notre cerveau est mal armé pour raisonner sur le hasard, et les pièges des probabilités sont nombreux. Le plus répandu est l'erreur du joueur : après une longue série de rouges à la roulette, beaucoup de joueurs pensent que le noir « doit » sortir, alors que chaque tirage est indépendant des précédents et que la bille n'a aucune mémoire. Le paradoxe des anniversaires surprend tout autant : dans un groupe de seulement 23 personnes, il y a déjà plus d'une chance sur deux pour que deux d'entre elles soient nées le même jour de l'année. Les tests médicaux offrent un autre piège classique : un test fiable à 99 % peut produire une majorité de faux positifs si la maladie recherchée est très rare, car il faut tenir compte de la probabilité de départ. On a aussi tendance à surestimer les risques spectaculaires et rares, comme un accident d'avion, et à sous-estimer les risques banals. Les jeux d'argent exploitent ces biais, en faisant miroiter de gros gains improbables tout en garantissant à l'organisateur un avantage mathématique sur la durée. Comprendre les probabilités permet de se prémunir contre ces illusions, par exemple en calculant l'avantage de la maison dans un jeu de casino comme le baccara, où chaque type de pari a son espérance propre.