Corrélation et causalité

L'objectif de cette quête est de te familiariser avec les termes corrélation et causalité. En tant que Data Analyst, tu auras besoin de maîtriser ces concepts.

Objectifs

✅ Comprendre la différence entre corrélation et causalité ✅ Développer un esprit critique

Sommaire

Corrélation, causalité

1. Corrélation

La corrélation permet d'observer s'il existe une relation entre deux variables.

Prenons un exemple:

• une variable prix d'appartements
• une variable surface de ces appartements

Si on prend le temps de méditer une petite minute sur la relation qu'il peut logiquement exister entre ses deux variables, on en déduit que "plus la surface d'un appartement est élevée, plus le prix augmente".

Voici à quoi cela ressemblerait d'un point de vue graphique:

On observe ci dessus:

• les surfaces d'appartements sur l'axe des abscisses (X-axis)
• les prix de ces appartements sur l'axe des ordonnées

Chaque point du graphique représente un appartement. On peut grossièrement observer qu'il y a un appartement d'environ 100 mètres carrés qui coûte environ 100 000 euros. On peut aussi grossièrement observer qu' il y a un appartement d'environ 100 mètres carrés qui coûte environ 500 000 euros, comme on peut observer qu'il y a un appartement d'environ 400 mètres carrés qui coûte environ 1 500 000 euros.

Ce sont des observations grossières, mais ce que ce graphique communique comme message global, c'est que plus la surface d'un appartement est élevée, plus le prix augmente. On peut l'observer car une diagonale formée par l'ensemble des points (appartements) se dessine. Si l'on se réfère au 1er graphique plus haut, on se rend compte que dans notre cas, il s'agit d'une corrélation positive, située entre faible et forte.

En effet, la corrélation positive n'est pas parfaite, mais une tendance se dégage. Par exemple, contrairement à ce que montre la tendance, on observe qu'il y a quand même des appartements qui ont une surface moins grande, mais un prix plus élevé que certains appartements.

Réflexion

Dans notre cas précédent, il s'agit d'une corrélation positive entre deux variables.
Cependant, il existe des cas où la corrélation entre deux variables est négative: c'est lorsque la relation entre deux variables évolue à sens opposé.

Par exemple, si on quantifie le niveau de fatigue de 1 à 10 (10 étant le niveau de fatigue le plus fort), il existe globalement une corrélation négative entre le nombre d'heures de sommeil et le niveau de fatigue. En effet, moins on dort, plus le niveau de fatigue est élevé. Si on fait une étude sur plusieurs individus, on observerait une corrélation négative sur un graphique, en considérant l'ensemble des individus, représentés par des points, comme on l'a fait précédemment avec les appartements.

Enfin, on peut se retrouver dans le cas où il n'existe pas de relation entre deux variables. On parle de corrélation nulle entre ces deux variables.

Par exemple, si on observe pour plusieurs individus, la relation entre la taille de pied de ses individus et le nombre de bonbons consommés par jour, on ne devrait en théorie observer aucune relation entre ces deux variables. On parle alors de corrélation nulle.

Mise en garde

Les 3 exemples choisis pour illustrer les différents types de corrélations sont ici assez simplistes. En effet, pas besoin d'avoir une expertise métier poussée pour comprendre que globalement, plus un appartement est grand, plus il est cher, ou encore que moins on dort, plus on est fatigué.

Cependant, tu découvriras probablement dans ta future carrière de Data Analyst qu'il peut exister une corrélation entre deux variables, sans que cela soit vraiment justifié.

Prenons un exemple:

Selon une étude, il existe une corrélation positive entre la consommation de mozzarella et le nombre de doctorats décernés en génie civil, au fil des années. On serait alors tenté d'en conclure qu'il faut manger de la mozzarella si on souhaite obtenir un doctorat. Mais il s'agit évidemment ici d'une absurdité. Il est en effet très difficile d'admettre qu'il existe une relation de cause à effet entre ces deux variables.

Aussi, tu découvriras dans ta carrière de Data Analyst qu'il existe des cas nécessitant une expertise métier pour savoir si la relation entre deux variables est justifiée, ou bien s'il s'agit d'un hasard.

Par exemple, si tu es embauché dans un laboratoire qui étudie les relations entre molécules dans le but de créer un médicament, tu seras probablement confronté à un problème de taille dans ton étude si tu n'as pas d'expertise métier dans ce domaine. En effet, tu pourras très bien observer une corrélation sur l'évolution de deux molécules dans un contexte spécifique, mais sans expertise métier, impossible de déterminer s'il s'agit d'une corrélation sans cause à effet...

2. Causalité

La causalité, c'est donc lorsqu'il existe une relation de cause à effet entre deux variables.

Il est très important de faire la distinction entre corrélation et causalité. On peut très bien se retrouver dans un cas où les deux existent, comme c'est le cas avec la surface des appartements et le prix de ces appartements, comme on peut se retrouver dans un cas où il existe une corrélation entre deux variables, mais pas de causalité, comme c'est le cas avec la consommation de mozzarella et le nombre de doctorats décernés en génie civil au fil des années.

La causalité nécessite une compréhension plus approfondie des mécanismes sous-jacents et des preuves solides pour établir qu'un changement dans une variable provoque un changement dans une autre variable.

Voici ci-dessous un ensemble de corrélations plus ou moins farfelus, qui démontre justement qu'il peut exister une corrélation entre deux variables, sans qu'il y ait pour autant une causalité.

↗

Challenge

Un matin ensoleillé, une table en terrasse, le journal entre les mains, tu es interrompu dans ton activité par un coup de fil. Il s’agit de ton ami Laurent.

Il t'explique qu'une amie vient de lui dire qu’elle a lu un article qui prouve, graphiques à l’appui, que “Manger du chocolat rend plus intelligent”. Laurent est tout excité et s’imagine déjà prix Nobel avec son kilo de chocolat par jour.

Tu décides d’expliquer à Laurent comment faire pour ne pas se faire avoir par ce genre d'études.

Mission

Crée un document texte (Google Docs, Word...) À l'aide des ressources existantes dans cette quête notamment, explique la différence entre corrélation et causalité, en donnant un exemple pour chaque. Propose 2 recommandations à Laurent pour ne plus se faire avoir par ce genre d'études. Tu es libre de faire tes propres recherches sur internet pour enrichir ton travail. Tout au long de la formation, tu développeras cette "Soft Skills" qui est indispensable pour tout Data Analyst.

Critères de validation

• Le fichier texte est consultable
• L'explication entre corrélation et causalité est pertinente
• Un exemple est donné pour la corrélation et un autre pour la causalité
• 2 recommandations sont données à Laurent pour ne plus se faire avoir

Une solution ici