Adrien Fillon, chercheur en psychologie sociale et méta‑science, propose des explications sur les limites de la communication que produisent les chercheurs sur leurs articles. Nous vous invitons également à vous abonner à son excellente newsletter PsychoPapers.
La majorité des études aux titres incroyables dans le domaine biomédical concerne des études pré-cliniques, c’est-à-dire des études qui ne se font pas sur des êtres humains (tissus, animaux, etc.). De ces études, seules 5 à 15 % seront menées jusqu’au stade final (Wong et al., 2019). En fait, environ 50 % des études faites sur des petits groupes de participants réussiront en phase 3 – la phase dans laquelle se trouvent les essais randomisés contrôlés. Ainsi, quand vous voyez une étude révolutionnaire apparaître, il y a probablement une chance sur deux qu’elle fonctionne sur un nombre plus élevé de participants, et 1 chance sur 7 qu’elle fonctionne réellement, c’est-à-dire que ce résultat soit retrouvé de manière consistante chez des patients humains.
Les essais randomisés contrôlés ne sont pas non plus un le gold standard qu’ils prétendent être. S’ils permettent de mettre en évidence un effet avec la plus grande rigueur, ils ne permettent pas de savoir si cet effet s’applique à tous les participants ou en vie réelle en dehors du cadre expérimental précis de ce type d’études. Dans une étude finlandaise, parmi les personnes diagnostiquées comme schizophrènes (Taipale et al., 2022), un cinquième seulement était représenté dans des essais randomisés contrôlés. La raison est que ces essais contrôlés prennent en compte le fait que les participants ne consomment pas d’autres substances ou qu’ils ne soient pas résistants aux substances utilisées dans l’essai, qu’ils n’aient pas eu d’historique suicidaire, etc. Cela amène à ne tester de nouveaux traitements que sur la partie de la population… qui va déjà (relativement) le mieux.
Les méta-analyses se basent sur les résultats des études inclus pour résumer un champ de recherche. Cependant, les méta-analyses considérant les risques de biais de ces études ne permettent souvent pas de conclure à un effet, n’arrivant pas à séparer les études de mauvaise qualité des études plus solides, tandis que les méta-analyses qui trouvent des effets sont souvent des méta-analyses qui ne prennent pas en compte les biais de publication surestimant très largement les effets de la littérature (Bartoš et al., 2024).
Il est important de vérifier que les chercheurs qui se proposent de s’associer à ces articles ne rapportent pas de conflit d’intérêts. En effet, les chercheurs ayant des conflits d’intérêts ont largement plus tendance à trouver des effets positifs que lorsque l’étude est conduite sans conflit d’intérêts. Malheureusement, en psychiatrie, la très grande majorité des chercheurs possède des conflits d’intérêts. Parmi les 92 chercheurs et médecins ayant contribué au manuel diagnostic des troubles mentaux, 55 (60 %) avaient des conflits d’intérêts alors que seulement 33 % les avaient déclarés avec transparence (Plöderl et al., 2023).
Les titres sont souvent liés à « la corrélation n’est pas causalité ». Par exemple, la plupart des études indiquant un « effet de » sont en fait des études corrélationnelles. Il en va de même pour les études sur les « facteurs de risques ». La majorité des études en neurosciences sont des études corrélationnelles, qui testent ce qui se passe lorsque l’on pense une cognition ou ressent une émotion spécifique. Les études sur le lien entre microbiote et la santé mentale observent ce qui est différent entre les microbiotes de personnes ayant un trouble et ceux qui n’en ont pas, sans pouvoir indiquer de causalité. Les études sur la génétique de la santé mentale, comme les études sur les biomarqueurs des troubles mentaux, sont des études corrélationnelles, trouvant des corrélations extrêmement faibles entre plusieurs milliers d’allèles de gène et des troubles mentaux.
En septembre 2025, un article a été repris dans de nombreux médias indiquant que « scroller sur son téléphone favorise les hémorroïdes ». L’article en lui-même est plus mesuré, parlant « d’augmentation de risques » (Ramprasad et al., 2025). Pourtant, à la lecture de ce dernier, il apparaît que c’est un sondage auprès de personnes déclarant leur usage du smartphone aux toilettes et la présence d’hémorroïdes. Ainsi, il est tout aussi possible que les personnes aient plus de risques d’avoir des hémorroïdes parce qu’elles passent plus de temps aux toilettes, mais aussi qu’elles passent plus de temps aux toilettes quand elles ont des hémorroïdes. Il est aussi possible qu’elles aient des causes communes : des personnes ayant du mal à aller aux toilettes passent plus de temps aux toilettes et ont plus de risques d’avoir des hémorroïdes. Ce qui a été repris comme causalité par les médias peut être une causalité inversée, ou pas une causalité du tout mais en lien avec un autre facteur non mesuré par l’étude, ou encore un pur hasard (Ramprasad et al., 2025).
Pour bien communiquer les données de la recherche, il semble donc nécessaire de le faire en transparence, c’est-à-dire en expliquant davantage les méthodes que les résultats, et en ajoutant aussi des informations sur les conditions de la recherche. Ces informations concernent à la fois le degré de similarité entre les conditions de la recherche et les conditions en vie réelle qui, si trop éloignées, empêchent d’informer correctement la pratique, et les risques que font porter les conflits d’intérêts et les biais de publications sur les résultats de la recherche.
Il est important de distinguer la description de résultat des interprétations de ces résultats en relations causales et de ne pas surinterpréter ces résultats pour ne pas risquer de créer de fausses attentes chez les lecteurs.