Qu'est-ce qu'un axiome ? Une histoire et une épistémologie du calcul des probabilités
Ce chapitre est une parenthèse — mais une parenthèse qui donne son sens à tout le reste. Avant
d'accepter « les axiomes de Kolmogorov » au chapitre suivant, il vaut la peine de se demander :
qu'est-ce qu'un axiome, au juste ? Pourquoi ces axiomes-là et pas d'autres ? Pourquoi la
probabilité de l'événement certain vaut-elle \(1\), et non \(10\) ou \(100\) ? Et comment faisait-on
des probabilités pendant les trois siècles où ces axiomes n'existaient pas ? Toutes les affirmations
historiques ci-dessous sont sourcées : voir les renvois [n] et la
bibliographie finale.
1. Qu'est-ce qu'un axiome ?
Voici un système logique complet, en miniature, qu'un enfant peut faire tourner sur une feuille en
dix secondes. Le jeu des lettres. Départ (l'axiome) : on écrit A. Une
seule règle : à droite d'un mot déjà écrit, on a le droit d'ajouter un B. En jouant, on
obtient A, puis AB, puis ABB, puis ABBB… Peut-on
fabriquer B tout seul, ou BA ? Non : aucune règle n'y mène. Ces mots
existent — on vient de les écrire — mais ils sont hors du jeu. On tient là les trois pièces
d'un système logique : l'axiome (le départ A), la règle
(ajouter B) et les théorèmes (tout ce qu'on sait fabriquer). Le point
qui surprend, et qui est le cœur de l'affaire : ici, « vrai » ne veut pas dire « vrai dans la vraie
vie », mais « fabricable en suivant les règles ». Les mathématiques sont ce jeu en plus grand :
2+2=4 est un mot qu'on sait fabriquer, tandis que 2+2=5 est un
BA — hors d'atteinte, donc faux dans le système. Et si l'on change le départ ou
les règles, on obtient un autre jeu, parfois tout aussi cohérent mais différent : c'est ainsi que
sont nées les géométries non euclidiennes.
Définition — Axiome
Un axiome est une proposition posée comme point de départ d'un système
logique. Ce n'est ni une définition, ni un théorème : on ne le démontre pas, on le
pose ; tous les théorèmes de la théorie s'en déduisent ensuite par le seul raisonnement.[12]
Un glissement de sens capital : d'Euclide à Hilbert
Conception classique (Euclide, ~300 av. J.-C.) : les axiomes sont des
vérités évidentes par elles-mêmes, que nul ne saurait mettre en doute.
Conception moderne (Hilbert, fin du XIXᵉ siècle) : les axiomes sont des
règles librement posées. On ne leur demande plus d'être « évidents », mais d'être
cohérents (ne pas mener à une contradiction) et, idéalement, indépendants et en
petit nombre. C'est en axiomatisant la géométrie « proprement » que Hilbert a imposé cette
vision — celle-là même qu'il proposera d'étendre aux probabilités.[6]
2. Avant Kolmogorov : trois siècles de calcul sans fondement
Voici le paradoxe : on a calculé des probabilités justes pendant près de trois cents
ans avant de savoir dire ce qu'était une probabilité. La pratique a précédé la théorie —
exactement comme on dérivait bien avant que le concept de limite ne soit rendu rigoureux.
Date
Auteur & œuvre
Apport
≈ 1563 (publ. 1663)
G. Cardan, Liber de ludo aleae
Premier écrit connu comptant systématiquement les cas favorables dans les jeux de dés.[9]
1654
Correspondance Pascal–Fermat
Acte de naissance de la probabilité mathématique : le problème des partis (partager équitablement la mise d'un jeu interrompu).[4]
1657
C. Huygens, De ratiociniis in ludo aleae
Premier traité imprimé ; diffuse les idées de Pascal et Fermat, introduit l'espérance.[4]
1713 (posthume)
J. Bernoulli, Ars Conjectandi
Le « théorème d'or » : première loi des grands nombres, premier théorème limite, premier lien entre probabilité et fréquence observée.[16][17]
1718
A. de Moivre, The Doctrine of Chances
Étude des écarts entre fréquence \(\tfrac{m}{n}\) et probabilité \(p\) : germe de l'approximation normale.[15]
Synthèse et énoncé mûr de la définition classique.[3]
La définition classique (Laplace)
La probabilité d'un événement est le rapport du nombre de cas favorables au nombre de cas
possibles, lorsque rien ne porte à croire que l'un de ces cas doive se produire plutôt
qu'un autre — ce qui les rend, pour nous, également possibles.[3]
En symboles, pour un univers fini où toutes les issues sont également possibles :
\[ P(A) = \frac{\lvert A\rvert}{\lvert \Omega\rvert}
= \frac{\text{nombre de cas favorables}}{\text{nombre de cas possibles}}. \]
Cette définition, si utile soit-elle, a deux failles qui la condamnent comme
fondation :
Elle est circulaire. Elle repose sur des cas « également possibles » —
c'est-à-dire de même probabilité. Elle définit donc la probabilité… à l'aide de la probabilité
(c'est le principe d'indifférence).[8]
Elle est limitée au fini. Compter des cas n'a plus de sens dès que l'univers
est infini (une durée, une position sur un segment).[8]
Le malaise fondationnel du début du XXᵉ siècle
Vers 1900, beaucoup de mathématiciens jugent le calcul des probabilités mal fondé : il manipule des
mots qui semblent extérieurs aux mathématiques — épreuve, hasard, événement. Henri Poincaré résume
la gêne : on peut difficilement donner une définition satisfaisante de la probabilité.[5]
C'est ce malaise que Kolmogorov va lever.
3. Pourquoi Kolmogorov — et pourquoi cette axiomatique ?
Deux forces convergent dans les années 1900–1930, et Kolmogorov est celui qui les réunit : d'un
côté un programme (Hilbert veut tout axiomatiser), de l'autre un outil
neuf (la théorie de la mesure de Borel et Lebesgue). L'idée géniale tient en une phrase :
une probabilité, c'est une mesure dont la masse totale vaut 1.
a) Le programme : le 6ᵉ problème de Hilbert (1900)
Sur les 23 problèmes que Hilbert présente au Congrès international des mathématiciens de 1900, le
sixième demande d'axiomatiser, sur le modèle de la géométrie, les sciences physiques où les
mathématiques jouent déjà un grand rôle — et il cite explicitement, au premier rang,
la théorie des probabilités et la mécanique.[13]
Détail révélateur : pour Hilbert et sa génération, la probabilité n'était pas une branche des
mathématiques, mais une branche de la physique — d'où la nécessité, d'abord, de la
faire entrer dans les mathématiques.[14]
b) L'outil : la théorie de la mesure
Entre 1900 et 1930, la théorie de la mesure (Borel, Lebesgue) devient de plus en plus abstraite.
Émile Borel introduit l'additivité dénombrable dans la probabilité classique. Le
jugement de Maurice Fréchet est net : Kolmogorov a mis en forme définitive une théorie que Borel
avait, en réalité, déjà créée.[2] L'intuition
centrale du Grundbegriffe : au-delà de sa partie « élémentaire » — celle qui se réduit à de
la combinatoire sur des univers discrets — la probabilité est une branche de la théorie de
la mesure.[7]
Kolmogorov n'était pas seul, et n'a pas tout inventé
L'axiomatisation de 1933 est une synthèse, non un miracle solitaire : Sergei Bernstein avait
proposé dès 1917 une première axiomatisation (de nature algébrique), plus tard supplantée par
l'approche mesure-théorique.[1] Ce qui a fait
la force du Grundbegriffe, c'est d'avoir unifié tout l'édifice et posé les bases des
processus stochastiques.
L'objet fondamental (Kolmogorov, 1933)
Une expérience aléatoire est modélisée par un triplet \((\Omega, \mathcal{A}, P)\), l'espace
probabilisé :
\(\Omega\) : l'univers (les issues) ;
\(\mathcal{A}\) : une tribu sur \(\Omega\) (les événements) ;
\(P : \mathcal{A} \to \mathbb{R}\) : la probabilité, une mesure de masse
totale \(1\).
Kolmogorov l'affirme dans son introduction : la théorie des probabilités doit et peut être
axiomatisée exactement au même titre que la géométrie ou l'algèbre.[10]
4. Les axiomes — et pourquoi 1, pas 10 ni 100
Les axiomes de Kolmogorov
Sur l'espace probabilisable \((\Omega, \mathcal{A})\), une probabilité est une
application \(P : \mathcal{A} \to \mathbb{R}\) vérifiant :
(A1) Positivité : \(P(A) \geqslant 0\) pour tout événement \(A\) ;
(A2) Normalisation : \(P(\Omega) = 1\) ;
(A3) \(\sigma\)-additivité : pour toute famille d'événements
\((A_n)_{n\in\mathbb{N}}\) deux à deux incompatibles,
\[ P\!\left(\bigcup_{n=0}^{\infty} A_n\right) = \sum_{n=0}^{\infty} P(A_n). \]
Dans son texte original, Kolmogorov énonce d'abord l'additivité finie, puis ajoute pour le
cas infini un « axiome de continuité » ; les deux ensemble équivalent à la
\(\sigma\)-additivité.[11]
Pourquoi la certitude vaut-elle exactement \(1\) ? La réponse tient en deux temps : d'abord, rien ne
l'impose — c'est un choix ; ensuite, ce choix est le plus naturel qui soit.
Pourquoi 1, et pas 10 ou 100 ?
C'est une convention. La borne supérieure n'a pas besoin de valoir \(1\) :
elle pourrait être \(10\) ou \(100\). Tant que l'on reste cohérent, la théorie fonctionne ; c'est
pour des raisons historiques et de commodité que l'on retient \(1\).[12]
Pourquoi ce choix est le bon. Kolmogorov justifie la normalisation par
l'analogie fréquentiste : la fréquence \(\tfrac{m}{n}\) d'un événement est toujours comprise entre \(0\) et
\(1\), et vaut \(1\) quand l'événement se produit à chaque fois.[22]
La probabilité se comporte alors comme une proportion : \(0\) = impossible, \(1\) =
certain, à l'image du « faux » et du « vrai » en logique.
Les pourcentages ne contredisent rien. Dire « \(35\,\%\) », c'est écrire
\(0{,}35 \times 100\) : le même nombre, sur une autre échelle. Multiplier toutes les
probabilités par une constante \(c \gt 0\) donnerait une théorie strictement équivalente ; on
divise simplement par \(c\) pour revenir à l'usage. Prendre \(c=1\) évite de traîner ce facteur
partout.
5. Épistémologie : que « sont » les probabilités ?
Voici le cœur de l'affaire. Les axiomes disent les règles auxquelles obéit une
probabilité — mais ils ne disent pas ce qu'une probabilité est. « La pièce a une
chance sur deux de tomber sur pile » : est-ce une propriété de la pièce ? une fréquence sur le long
terme ? mon degré de croyance ? Le calcul, lui, est le même dans les trois cas. C'est toute la
puissance de la méthode axiomatique : séparer le calcul, partagé et incontesté, du sens,
interprété et débattu.
On distingue traditionnellement plusieurs interprétations de la probabilité, chacune associée à des noms :[18]
Classique (Laplace) : le rapport des cas également possibles. Simple, mais
circulaire et limitée au fini (§2).
Fréquentiste (Venn, 1866 ; von Mises, années 1920 ; Fisher) : la probabilité
est la fréquence limite d'un événement dans une suite d'épreuves répétables. Pour von
Mises, la probabilité d'un \(6\) est une propriété physique du dé, analogue à sa masse ou
à sa résistance électrique.[19]
Subjective / bayésienne (Ramsey, 1926 ; de Finetti, 1937 ; Savage) : la
probabilité est un degré de croyance, mesuré par les paris. De Finetti la définit comme
le taux \(p\) auquel on accepterait d'échanger une somme \(S\) conditionnée à un événement contre
la somme \(pS\).[20]
Propension (Popper, 1959) : la probabilité est une disposition physique
du dispositif expérimental à produire, sur le long terme, telle fréquence.[21]
La chute : les axiomes ne dépendent pas de l'interprétation
Le tour de force de Kolmogorov est que son calcul est neutre : fréquentiste,
bayésien ou partisan des propensions, tous obéissent (pour l'essentiel) au même jeu d'axiomes.
C'est ce qui permet à des gens en désaccord profond sur le sens des probabilités de
calculer, eux, exactement de la même façon.
Mieux : on peut justifier les axiomes du côté subjectif. L'argument dit du
« pari hollandais » (Dutch book) montre que si vos degrés de croyance violent le
calcul des probabilités, un adversaire peut vous proposer un ensemble de paris que vous êtes
certain de perdre. La cohérence rationnelle force donc les axiomes.[20]
Les axiomes ne sont pas arbitraires : ils sont le prix de la cohérence.
Nuance qui fait réfléchir : de Finetti, chef de file du subjectivisme, refusait
justement la \(\sigma\)-additivité (A3), n'acceptant que l'additivité finie.[20]
Preuve que l'axiome de continuité, si commode, n'a rien d'une évidence — c'est bien un
choix, au sens du §1.
6. Modèle et réalité : pourquoi le modèle « marche »
Voici l'instinct le plus sain qu'on puisse avoir en abordant les probabilités, et c'est celui d'un
physicien : un modèle mathématique du hasard n'a de valeur que s'il décrit un phénomène
réel. Je lance un dé un grand nombre de fois ; le modèle doit rendre compte de ce que je
mesure. Sans cet ancrage, \(P(A)\) ne serait qu'un symbole vide. Cette exigence est la colonne
vertébrale de toute la partie objective des probabilités — et, fait remarquable, c'était
aussi la conviction de Kolmogorov lui-même, dont la philosophie était fréquentiste : on n'a le droit
d'appeler « probabilité » un formalisme que si l'on sait le relier aux phénomènes réels.[2]
Un mot à peser : le modèle ne reflète pas, il prédit à la limite
Fais l'expérience jusqu'au bout : tu ne mesures jamais \(P = \tfrac12\). Tu
mesures \(\tfrac{47}{100}\), puis \(\tfrac{512}{1000}\), puis \(\tfrac{4987}{10000}\) — des fréquences qui fluctuent.
La valeur \(\tfrac12\) est une limite idéale qu'aucune expérience finie n'atteint.
Le modèle ne recopie donc pas passivement tes résultats : il pose un objet idéal (la vraie
valeur \(p\)) que l'expérience approche sans jamais l'égaler.
Ce qui rend cet objet idéal légitime, c'est un théorème — pas un décret. La
loi des grands nombres (le « théorème d'or » de Jacob Bernoulli, 1713) énonce que
la fréquence observée se rapproche de la probabilité quand le nombre d'essais grandit :
\[ f_n(A) = \frac{\text{nombre de réalisations de } A \text{ en } n \text{ essais}}{n}
\;\xrightarrow[\;n\to\infty\;]{}\; P(A). \]
C'est le pont entre le modèle et l'expérience — et c'est ce qui justifie
précisément ton intuition.[16][17]admis(énoncé ici, démontré dans un chapitre ultérieur).
Deux endroits où l'équation « modèle = expérience » se tend, et qu'un cours honnête doit montrer :
Une part du hasard vient de toi, pas du monde. Un dé est presque
déterministe : donne les conditions initiales exactes et les lois de la mécanique, et la
face est en principe prévisible. Le \(\tfrac{1}{6}\) vit au niveau de description où l'on renonce
à ces détails. Le modèle décrit donc « l'expérience plus un niveau d'ignorance assumé ».
Détail piquant : Bernoulli, l'inventeur de la loi des grands nombres, était lui-même un
déterministe convaincu.[15]
L'événement unique fait vaciller la définition. « Probabilité qu'il pleuve
demain », « que ce patient réponde au traitement » : aucune expérience répétable, donc aucune
fréquence — et pourtant on parle de probabilité. Von Mises l'assumait jusqu'au bout : pour lui,
ces phrases n'ont tout simplement pas de sens.[8]
Presque personne ne le suit là-dessus, et c'est justement pour ces cas qu'existe l'interprétation
subjective du §5 (probabilité = degré de croyance).[20]
Ce qu'il faut retenir
Ta position — le modèle doit décrire un phénomène physique — est le socle de la moitié
objective des probabilités, la plus solide pour un cours d'esprit scientifique. Le seul
ajustement est un mot : le modèle ne reflète pas l'expérience, il la prédit à la
limite, par la loi des grands nombres. C'est plus fort que « refléter » — cela explique
pourquoi le modèle marche, et cela pointe du doigt l'endroit exact où il cesse de marcher :
l'événement unique, non répétable. Là où la répétition manque, c'est l'interprétation qui
prend le relais.
🧵 Fil rouge du chapitre
Axiomatiser une théorie, ce n'est pas proclamer des vérités : c'est fixer des règles du
jeu cohérentes, puis en déduire tout le reste. Kolmogorov a donné aux probabilités le même
statut qu'à la géométrie — un calcul incontestable posé sur trois axiomes — tout en laissant ouverte,
et féconde, la question philosophique de savoir ce qu'une probabilité signifie. Le nombre
\(1\) n'y est qu'une commodité ; l'essentiel est ailleurs, dans l'additivité.
Sources
Note sur les références
Les petites capitales signalent une source primaire
(l'œuvre elle-même) ; les autres sont des travaux d'histoire ou de philosophie des mathématiques,
ou des exposés de référence. Les numéros renvoient aux appels [n] dans le
texte.
[1] G. Shafer & V. Vovk (résumé), « A.N. Kolmogorov, Grundbegriffe der Wahrscheinlichkeitsrechnung (1933) » ; mention de l'axiomatisation de S. Bernstein (1917). sciencedirect.com
[2] G. Shafer & V. Vovk, « The origins and legacy of Kolmogorov's Grundbegriffe » (2018). Fréchet : Borel + additivité dénombrable ; défi de Hilbert. arxiv.org/abs/1802.06071
[3] P.-S. Laplace, Théorie analytique des probabilités (1812) ; Essai philosophique sur les probabilités (1814) — via « Classical definition of probability », Wikipedia. en.wikipedia.org
[4] G. Shafer, « The Early Development of Mathematical Probability ». Pascal–Fermat 1654 (problème des partis) ; Huygens, De ratiociniis in ludo aleae, 1657. glennshafer.com
[5] G. Shafer & V. Vovk, « The Sources of Kolmogorov's Grundbegriffe ». Poincaré (1912) sur l'absence de définition satisfaisante ; 6ᵉ problème de Hilbert. arxiv.org/abs/math/0606533
[6] L. Corry, « Hilbert's sixth problem: between the foundations of geometry and the axiomatization of physics », Phil. Trans. R. Soc. A (2018). royalsocietypublishing.org
[7] « Probability as typicality » (arXiv). Kolmogorov 1933 et le 6ᵉ problème de Hilbert ; probabilité comme branche de la théorie de la mesure de Lebesgue. arxiv.org/abs/physics/0611172
[8] A. Hájek, « Interpretations of Probability », Stanford Encyclopedia of Philosophy. Interprétation classique, principe d'indifférence, restriction au fini. plato.stanford.edu
[9] N. H. Bingham, « The Law of Large Numbers » (tricentenaire de l'Ars Conjectandi). Cardan, Liber de ludo aleae (écrit ≈1563, publ. 1663). ma.ic.ac.uk
[10] O. Sheynin, « Theory of Probability … in Short Dictums ». Traduction de la thèse de Kolmogorov : la probabilité s'axiomatise comme la géométrie ou l'algèbre. arxiv.org/abs/2107.02752
[11] Présentation des axiomes K0–K4 de Kolmogorov (Benci et al.) : la continuité (K4) équivaut à l'additivité dénombrable. arxiv.org/abs/2111.00862
[12] S. H. Chan, Introduction to Probability for Data Science, §2.3 « Axioms of Probability ». Définition d'un axiome ; « la borne n'a pas à être 1, ce pourrait être 10 ou 100 ». probability4datascience.com
[13] « Hilbert's sixth problem », Wikipedia. Formulation de 1900 : axiomatiser la physique, « au premier rang la théorie des probabilités et la mécanique ». en.wikipedia.org
[14] « Hilbert's Sixth Problem: Descriptive Statistics as New Foundations for Probability » (arXiv). Pour la génération de Hilbert, la probabilité était une branche de la physique. arxiv.org/abs/1404.7817
[15] « How and Why Did Probability Theory Come About? » (arXiv). Bernoulli, Ars Conjectandi 1713 ; de Moivre, Doctrine of Chances 1718 (écarts \(\tfrac{m}{n}\) vs \(p\)). arxiv.org/abs/2003.03152
[16] « Ars Conjectandi » (EPFL Graph Search). J. Bernoulli, Ars Conjectandi, 1713 (posthume) : toute première version de la loi des grands nombres. graphsearch.epfl.ch
[17] P. Lynch, « Bernoulli's Golden Theorem and the Law of Large Numbers » (thatsmaths / Irish Times). « Théorème d'or », premier théorème limite. thatsmaths.com
[18] « Bayesian Analysis » (arXiv, hep-ph/0006356). Les trois interprétations : propension (Popper), degré de croyance (Bayes, Laplace, de Finetti), fréquence (Venn, Fisher, von Mises). arxiv.org/abs/hep-ph/0006356
[19] « Facts, Values and Quanta » (arXiv). von Mises : la probabilité d'un \(6\) est une propriété physique du dé, analogue à sa masse. arxiv.org/abs/quant-ph/0402015
[20] A. Hájek, « Interpretations of Probability », SEP (éd. courante). de Finetti (pari \(pS\)), argument du Dutch book, rejet de l'additivité dénombrable par de Finetti. plato.stanford.edu
[21] A. Hájek, « Interpretations of Probability », SEP (éd. 2003). Popper (1959) : propension d'un dispositif répétable. plato.stanford.edu
[22] « Cox's Theorem and the Jaynesian Interpretation of Probability » (arXiv). Kolmogorov justifie la normalisation par \(0 \leqslant \tfrac{m}{n} \leqslant 1\) ; chez de Finetti tous les axiomes suivent sauf l'additivité dénombrable. arxiv.org/abs/1507.06597
[23] « Foundations of the Theory of Probability », Encyclopædia Britannica. Kolmogorov, Grundbegriffe 1933 ; trad. anglaise 1950 ; additivité dénombrable. britannica.com
[24] E. D. Sylla, « Tercentenary of Ars Conjectandi (1713): Jacob Bernoulli and the Founding of Mathematical Probability », International Statistical Review 82(1), 2014. ideas.repec.org
Appels de note et entrées de la bibliographie portent les mêmes numéros ; les entrées [23]–[24]
(Britannica, Sylla 2014) ne sont pas appelées dans le texte mais complètent la documentation.
Ajuste la numérotation si tu réordonnes les blocs.