Fermeture des écoles : comment prendre une décision rationnelle ?

Contenu original : The Conversation, en partenariat avec le Fonds AXA pour la Recherche

C'est l'objet d'une publication PNAS co-rédigée par 8 scientifiques de haut niveau, dont deux professeurs AXA: Prof Massimo Marinacci, Chaire AXA en Risques à l'Université Bocconi, et Prof Gilboa, ancienne Chaire AXA en Théorie de la Décision à HEC, actuellement membre du Conseil Scientifique du Fonds AXA pour la Recherche.

Un article publié dans The Conversation présente le cas de la décision de fermeture des écoles en France, dans le contexte de la crise sanitaire actuelle.

La prise de décisions de la part des pouvoirs publics en période de pandémie peut s’avérer un exercice extrêmement difficile à mettre en œuvre. Lorsqu’il s’agit d’une nouvelle maladie ayant des répercussions mondiales sans précédent, comme c’est le cas de la Covid-19, les décisions sont en effet nécessairement prises dans un environnement hautement incertain, complexe et en rapide évolution.

Les décideurs politiques ont été ainsi (et sont encore) chargés de prendre des mesures pour protéger leur population de la maladie alors même qu’ils manquent d’informations fiables sur le virus lui-même, ses mécanismes de transmission ou encore l’efficacité des mesures possibles et leurs conséquences sanitaires et socio-économiques.

Pour illustrer la difficulté de la prise de décisions, prenons la question de la fermeture des écoles à laquelle s’oppose actuellement le ministre de l’Éduction nationale Jean‑Michel Blanquer et qui suscite le débat. Le problème du décideur politique consiste à trouver le juste équilibre entre protection de la santé et minimisation des perturbations économiques et sociales en choisissant s’il convient de fermer les écoles et, si oui, pour combien de temps.

Cette décision implique toute une série de compromis. D’une part, la fermeture des écoles peut amener à ralentir la pandémie et son impact en réduisant la transmission d’enfant à enfant. Cette mesure permet de réduire le nombre de contaminations et en fin de compte le taux de mortalité. Si tel est le cas, la fermeture des écoles apporte des bénéfices sanitaires évidents à la société. En parallèle, la réduction du nombre de contaminations en dessous d’un niveau acceptable permet la réouverture de certains secteurs d’activité, entraînant donc des bénéfices socio-économiques.

D’un autre côté, la fermeture des écoles peut également avoir des coûts sanitaires et socio-économiques directs et indirects importants. Par exemple, cette mesure peut potentiellement augmenter la transmission d’enfant à adulte (si les grands-parents sont mis à contribution pour garder les enfants) et réduire la capacité des travailleurs essentiels à effectuer leur travail (par exemple dans le domaine médical). Les coûts économiques liés à de longues fermetures d’écoles peuvent également s’avérer élevés, générés entre autres par l’absentéisme des parents en activité, le décrochage scolaire, etc.

L’évaluation de la politique  optimale  à mener implique donc de pondérer les avantages et les coûts de cette mesure, en la comparant à d’autres pistes d’action possibles.

Toutefois, cet exercice est rendu particulièrement difficile par le manque d’éléments scientifiques concordants et le niveau élevé d’incertitude. Cette incertitude résulte notamment du manque de données sur la capacité relative de la fermeture des écoles à contrôler la transmission du virus, ainsi que de l’existence de projections contradictoires provenant des études de modélisation.

Pas de  vérité  unique

Par exemple, prenons le cas d’un décideur qui désire se fier aux projections faites par les derniers modèles épidémiologiques ainsi qu’aux conseils de ses experts pour évaluer l’efficacité de la mesure.

Imaginons trois scénarios fictifs différents.

• La première projection (modèle 1) est basée sur la seule preuve dont nous disposons au moment de prendre la décision, qui est celle provenant d’épidémies de grippe pour lesquelles la majorité de la transmission se fait entre enfants. Dans ce cas, la fermeture des écoles est le principal facteur de réduction du taux de reproduction (le fameux paramètre R) en dessous de 1. C’est peut-être d’ailleurs même la seule intervention qui serait en mesure d’y parvenir.
• La deuxième projection (modèle 2) repose sur les données de certaines épidémies de coronavirus antérieures, pour lesquelles les preuves suggèrent une transmission minimale entre enfants. Dans un tel cas, le taux de reproduction ne peut être réduit en dessous de 1 par la fermeture des écoles. Cette mesure n’affecte pas l’ampleur de l’épidémie et n’apporte donc aucun bénéfice.
• Le troisième scénario (modèle 3) prévoit qu’une transmission d’enfant à enfant puisse se produire dans certains cas. Ainsi, la fermeture des écoles contribue à réduire le taux de reproduction en dessous de 1 et à réduire la taille de l’épidémie. Cependant, cette mesure ne fonctionne qu’en combinaison avec d’autres mesures (sans quoi, le taux de reproduction reste supérieur à 1). En tant que mesure isolée, la fermeture des écoles n’a pas donc pas un effet très important. De plus dans ce type de scénario, l’efficacité des fermetures d’écoles est importante au début, mais diminue avec le temps.

L’incertitude entre les modèles et les prévisions qui en découlent peuvent être difficiles à appréhender pour un décideur, d’autant plus qu’une approche n’est pas nécessairement supérieure à une autre mais ajoute simplement une autre perspective. Il n’y a donc pas de  vérité  unique.

Compte tenu du manque de preuves scientifiques et du désaccord qui peut exister entre les modèles, le décideur doit trouver le bon équilibre entre la protection de la population et les perturbations économiques et sociales qui en résultent.

Le choix de la durée d’une mesure telle que la fermeture des écoles peut donc s’avérer particulièrement difficile : une fermeture trop longue pouvant entraîner des coûts très élevés, réduisant ainsi tout avantage pour le système de santé et pour la population, alors qu’un assouplissement précoce de la mesure augmenterait le risque que la transmission reparte à la hausse, entraînant ainsi un nouveau pic épidémique.

La théorie de la décision en appui

Dans un tel contexte, où des vies humaines et l’économie sont en jeu, l’utilisation de règles et principes dérivés de la théorie de la décision pourrait aider les gouvernements à faire face à l’incertitude inhérente aux décisions liées à la pandémie de Covid-19 et à justifier les décisions prises, conduisant ainsi à une élaboration de politiques plus rationnelles et transparentes.

Telles sont les conclusions de l’étude publiée dans le numéro de janvier 2021 de la revue PNAS, que nous avons menée avec une équipe de recherche pluridisciplinaire internationale, en collaboration avec le prix  Nobel  d’économie Lars Peter Hansen.

La théorie de la décision fournit un moyen d’organiser une grande quantité de connaissances scientifiques potentiellement conflictuelles, propose des lignes directrices normatives, et fournit des  règles  pour évaluer les options et les transformer en prise de décision concrète.

Par exemple, l’une de ces règles consiste à calculer, pour chacun des scénarios rencontrés (ici, les trois modèles),  l’utilité espérée  de chaque action envisagée. Pour ce faire, on calcule les  conséquences  des différentes durées de fermeture d’écoles, qui incluent à la fois leurs bénéfices et leurs coûts, et ce, dans les différents  états du monde  possibles. Cette notion d’état du monde est directement liée à l’incertitude qui échappe au contrôle du décideur, telle que celle concernant la dynamique de transmission de base du virus.

L’utilité espérée pour chacun des scénarios est obtenue en traduisant les conséquences économiques en niveaux d’utilité (via une fonction capturant les attitudes du décideur face au risque), et en calculant une moyenne pondérée dans les différents états du monde. Comme différents scénarios existent, une deuxième moyenne pondérée est ensuite effectuée en prenant en compte le niveau de confiance que le décideur accorde à chacun des scénarios.

Une telle approche implique toutefois que le décideur soit en mesure d’exprimer des croyances probabilistes sur l’exactitude de chacun des modèles considérés. Il n’a donc pas la possibilité de dire  je ne sais pas lequel des scénarios est le bon .

En raison des désaccords qui peuvent exister entre les différents modèles ou les opinions d’experts, une voie alternative consiste à reconnaître son ignorance et à adopter une règle ne nécessitant pas d’associer des probabilités précises à chacun des scénarios. Une règle conforme à cette approche consiste par exemple à se comporter de manière extrêmement prudente, en obligeant le décideur à ne considérer que le scénario offrant l’utilité attendue la plus basse. Dans ce cas, seul le  pire  des modèles (ici le modèle 1) est considéré pour la prise de décision.

Éviter les erreurs de raisonnement

Prendre une décision sur la base de l’une des règles issues de la théorie de décision équivaut à se conformer implicitement à un ensemble de conditions générales de cohérence ou de principes régissant le comportement humain. L’utilisation de ces règles donne donc de la crédibilité à l’élaboration des politiques en garantissant que les actions qui en résultent sont cohérentes et défendables.

Pour illustrer le principe de cohérence, reprenons l’exemple du décideur tentant de déterminer la durée optimale de fermeture des écoles. Ce décideur peut proposer un premier choix en combinant sa propre intuition, les avis d’experts, et les résultats des modèles dont il dispose. Ensuite, il peut vérifier son jugement en se demandant si sa décision peut être justifiée sur base d’une règle de décision formelle.

Conceptuellement, ce processus peut être vu comme une forme de dialogue entre le décideur et la théorie, dans laquelle une tentative de justifier une décision provisoire aide à clarifier le problème et conduit, éventuellement, à une conclusion différente.

Utilisées de cette façon, les règles de décision peuvent aider les décideurs à clarifier le problème auquel ils sont confrontés, à tester leur intuition, à éliminer les options strictement dominées et à éviter les erreurs de raisonnement et les pièges qui ont été documentés dans les études psychologiques (par exemple, le biais de confirmation, le biais d’optimisme, etc.)

Enfin, comme des comités vont être amenés à enquêter sur la manière dont les décisions ont été prises, par exemple sur la manière dont les confinements ont été mis en place et puis levés, les décideurs sont tenus de rendre compte des mesures qu’ils ont prises pendant la crise. Un modèle de décision formel peut jouer un rôle essentiel pour justifier son choix a posteriori.

L’efficacité d’une communication transparente

Pour rendre le processus de prise de décision en situation d’incertitude plus efficace, nous suggérons également que les différentes incertitudes soient reconnues et communiquées de manière transparente. Par exemple, illustrer, quantifier et discuter des multiples sources d’incertitude peut aider les décideurs à mieux comprendre l’impact potentiel de leurs choix.

En outre, si les décideurs sont responsables de prendre des décisions, ils sont aussi responsables de la communication envers les professionnels et le public. La manière dont les individus réagissent aux conseils et aux mesures préconisées apparaît donc aussi vitale que les mesures gouvernementales elles-mêmes, sinon plus. La communication devient ainsi un élément essentiel de la réponse politique à l’incertitude.

Alors que les stratégies ont été largement débattues dans les médias et que les modèles sont de plus en plus examinés, une leçon à tirer de l’expérience de la gestion de la Covid-19 peut être que les décideurs et les experts doivent accroître la transparence de leurs approches. L’utilisation des concepts de la théorie de la décision dans l’élaboration des politiques, même de manière informelle, aidera à assurer une navigation prudente dans l’incertitude qui imprègne cette pandémie.

Cette contribution s’appuie sur l’article de recherche intitulé « Rational policymaking during a pandemic » publié en janvier 2021 dans la revue PNAS. Auteurs : Loïc Berger, Nicolas Berger, Valentina Bosetti, Itzhak Gilboa, Lars Peter Hansen, Christopher Jarvis, Massimo Marinacci, et Richard D. Smith.