Économie → SuperFreakonomics → Chapitre 2
La question du chapitre
Comment les données peuvent-elles révéler des choses cachées sur des phénomènes graves — du destin d’un bébé selon son mois de naissance au profil réel d’un terroriste — et comment les détecter ?
Thèse principale
De petites variations de données (mois de naissance, mouvements bancaires) ont des effets massifs et permettent des prédictions contre-intuitives. Le terroriste type n’est ni pauvre ni inculte ; et on peut le repérer statistiquement par des traces banales — par exemple le fait qu’il ne souscrit pas d’assurance-vie.
Arguments & exemples (chiffrés)
- Les “effets de naissance” (Ramadan) : les économistes Almond & Mazumder montrent que les bébés portés pendant le jeûne du Ramadan présentent ensuite ~20 % de risques accrus de handicaps (vue, ouïe, apprentissage) — un effet mesurable du jeûne maternel sur le fœtus, observé du Michigan à l’Ouganda. Petite cause (le mois de gestation), grand effet sur toute une vie.
- L’effet du mois de naissance dans le sport : la majorité des joueurs pros de certains sports sont nés dans les premiers mois de l’année de sélection (avantage de maturité dans l’enfance) — le hasard de la date façonne les destins.
- Le profil du terroriste : contrairement au cliché, les terroristes sont en moyenne plus éduqués et plus aisés que la population dont ils sont issus (le désespoir économique n’explique pas le terrorisme — c’est plutôt une question d’engagement idéologique et de cause).
- Détecter par les données bancaires : avec un analyste britannique, Levitt construit un algorithme pour repérer les terroristes potentiels dans les données bancaires. Indice clé, ironique : un futur kamikaze n’achète pas d’assurance-vie (inutile s’il compte mourir, et les assurances ne paient pas en cas de suicide/terrorisme) — anomalie statistique détectable. D’autres marqueurs : pas de découvert, comptes atypiques.
Portée
Le chapitre illustre le cœur de la méthode : les grands nombres rendent l’humain prévisible et révèlent des causalités invisibles à l’œil nu, utiles pour la santé publique comme pour la sécurité.
Contradicteur / limites
Le profilage par données pose d’énormes problèmes de libertés et de faux positifs (des millions d’innocents partagent ces marqueurs) — exactement le terrain de la surveillance algorithmique critiquée ailleurs (voir Norman Ajari, Compression). Et corréler n’est pas prouver une intention.
🔗 Notes connexes
- SuperFreakonomics — La Méthode et les Chapitres · SuperFreakonomics ch.1 — Prostituée et Père Noël · SuperFreakonomics ch.3 — Apathie et altruisme
- Le Phénomène Religieux en 2026 (jeûne, Ramadan) · Norman Ajari · Compression (surveillance par données)
- falsifiabilité (corrélation vs causalité) · Économie