Suite à ce développement des principales typologies, il est intéressant de se poser la question, d’un point de vue général, de l’utilité de ces outils. Pour ce faire, avant d’entrer dans le vif du sujet, il est nécessaire de revenir sur le concept de causalité.
Retour sur la causalité
La question de la causalité a déjà été évoquée à quelques reprises dans cette thèse. Ainsi, nous avons vu au chapitre III qu’un aspect important est la distinction entre la cause et l’effet et au chapitre VIII qu’il existe deux manières de constater un lien de causalité : l’approche « fréquentiste » utilisée en méthodes quantitatives, et l’approche « existentialiste » utilisée plutôt en recherche qualitative. Revenons d’abord à la distinction cause-effet.
Dans une approche causale, la cause est le phénomène qui conduit à l’effet. Cette affirmation selon laquelle la cause et l’effet sont deux phénomènes distincts, qui peut sembler évidente a priori : un phénomène ne peut pas se causer lui-même. Pourtant, si d’un point de vue théorique, on ne conteste pas cette affirmation, dans la pratique il arrive qu’on s’en éloigne en considérant des différences de niveau d’abstraction (concret vs abstrait) ou de niveau de mesure (macro vs micro) comme des différences d’essence du phénomène. Par exemple, expliquer la demande d’un taux de profit élevé de la part de capitalistes par la soif de l’or pose problème puisque ces deux phénomènes ne sont pas distincts dans leur essence, mais se situent simplement à des échelles d’abstraction différente. La soif de l’or est une généralisation – et donc une abstraction – de la demande d’un taux de profit élevé. Ce ne sont pas deux phénomènes différents. Un autre exemple traitant de la différence de niveau de mesure : expliquer la pauvreté par les inégalités sociales dans un pays pose problème. Il
115 Cette observation fait écho à la distinction des approches d’inégalité selon le niveau d’analyse développée dans la première partie. En effet, il est clairement reconnu qu’au niveau individuel chômage et pauvreté sont liés (Gallie et Paugam 2000). Par contre, on constate qu’au niveau macro, la relation s’inverse. Les pays libéraux sont plus inégalitaires, mais présentent un taux de chômage plus faible. Alors que les autres sont moins inégalitaires, mais présentent un taux de chômage plus élevé. Ce qui montre qu’au niveau sociétal, un chômage limité ne rime pas toujours avec de faibles inégalités. Ce résultat peut sembler contre-intuitif si l'on ne distingue pas clairement les niveaux d’analyse.
ne s’agit pas de phénomènes distincts, mais d’observation à des niveaux différents. La misère d’une famille est l’observation au niveau micro d’inégalités sociales situées également au niveau macro116. En plus de cette distinction, l’approche causale suppose l'antériorité de la cause par rapport à l’effet. Un événement futur ne peut pas avoir causé un événement passé. Ce principe semble aussi évident et unanimement admis. Néanmoins, son application n’est pas toujours simple. Ainsi une approche restrictive nécessite l’utilisation de méthodes longitudinales ou expérimentales, qui mesurent la cause à un moment réellement antérieur à celui de la mesure de l’effet. Cependant, dans la pratique la plupart des analyses se basent sur des données transversales où la cause est mesurée en même temps que l’effet. Dans ce cas, on émet l’hypothèse d’une certaine stabilité des mesures pour interpréter le lien comme causal : la mesure du phénomène causal si elle avait eu lieu à un moment légèrement antérieur aurait été quasiment identique. Nous reviendrons au chapitre XVI sur les questions soulevées par l’application pratique de ce point.
Si les fondements épistémologiques présentés ci-dessus sont assez consensuels (Ogien 2012; Pettigrew 1997) – mais peuvent diverger dans leurs applications –, deux autres questions, plus méthodologiques qu’épistémologiques, font débat : l’opposition entre la conception « fréquentiste » et « existentialiste », qui déjà été abordée, et l’opposition entre une conception « additive » et une conception « combinatoire » de la causalité (Becker 2002, 112-117), qui concerne la question de la pluralité des causes.
Souvent, les investigations en termes de causalité ne se réduisent pas à une seule cause. Le chercheur en considère plusieurs. Par exemple, on peut expliquer la flexibilisation du marché du travail par une décentralisation des négociations collectives, une couverture d’une plus petite partie du salariat par des conventions collectives, une fragmentation idéologique des syndicats, une internationalisation de la finance... Mais comment ces différentes causes interagissent-elles ? Pour l’approche additive, chaque cause est indépendante. Chacune amène un petit peu plus d’effet. On additionne chaque cause – c’est pourquoi j’utilise le terme de conception additive de la causalité – pour obtenir l’effet. Si l’une disparaît, l’effet global sera (proportionnellement) moindre, mais l’effet spécifique des autres causes perdurera. La conception combinatoire est inverse. Les causes n’ont pas d’effets propres. C'est la combinaison spécifique des différentes causes qui a un effet. Si l’on supprime une cause, l’effet disparaît. Cette conception est donc en quelque sorte plus « exigeante » dans le constat de la causalité que la précédente.
La conception additive se retrouve dans les analyses qui reprennent la formule « toutes choses égales par ailleurs »117. En effet, cela signifie que les effets des autres causes sont contrôlés et que l’on identifie (souvent quantifie) l’effet spécifique de la cause étudiée. Ainsi, cette conception est à la base des analyses de régression multiple qui identifient l’effet propre de chaque cause. Par contre, quand, dans ces modèles linéaires, on introduit des variables modératrices, on introduit un élément
116 Sauf si l'on définit les inégalités et la pauvreté par une essence différente. Par exemple, on peut dire que la pauvreté définie comme un ensemble de mauvaises conditions de vie (logement insalubre, malnutrition...) est expliquée par les inégalités de revenu. En effet, dans cette affirmation, les conditions de vie et le revenu sont clairement des phénomènes distincts.
117 En réalité, cette formulation est abusive, puisqu’on ne contrôle pas tous les autres effets, mais seulement les effets des autres variables explicatives incluses dans le modèle statistique. De plus, si l'on contrôlait réellement toutes les autres variables (c’est-à-dire l’infinité des autres), il ne resterait plus rien à expliquer par la variable explicative qui intéresse le chercheur.
de l'approche combinatoire de la causalité. Cette conception combinatoire se retrouve également dans les techniques de qualitative comparative analysis (Rihoux et Ragin 2009; Rihoux et De Meur 2003), comme nous le verrons dans le chapitre XII. Ce débat peut aussi dépasser ces considérations épistémologiques. Par exemple, à propos des classes sociales, Chauvel (2001) soutient que la conception additive fournit un argument en faveur de la fin des classes – les autres facteurs (éducation, revenu, profession...) réduisent, voire anéantissent, l’effet propre de la classe sociale –, alors que la conception combinatoire permet de rétorquer à cet argument que la classe sociale, c’est justement la combinaison de ces facteurs et qu’une conception additive n’a pas de sens quand les causes ne sont pas indépendantes.
En caricaturant, on pourrait associer la conceptions fréquentiste à la conception additive et la conception existentialiste à la conception combinatoire. Il est vrai que les analyses le plus souvent utilisées se rangent souvent dans cette association. Ainsi les régressions multiples relèvent d’une conception fréquentiste et additive alors que les analyses QCA – et je crois la plupart des analyses qualitatives, même si c’est souvent implicite – relèvent d’une conception existentialiste et combinatoire. Néanmoins, il existe des associations différentes. Par exemple, les modèles multiplicatifs (c’est-à-dire l’utilisation de variables modératrices dans des régressions multiples) et dans certains cas l’analyse de variance, comme nous le verrons, supposent une conception probabiliste et combinatoire.
La typologie, entre la taxinomie et l’idéal-type
L’approche en termes de typologies est basée sur l’idée d’une logique propre à chaque type. Chaque modèle présente une combinaison spécifique de caractéristiques. Ces dernières, contrairement aux hypothèses sous-jacentes aux régressions multiples, ne sont pas supposées indépendantes les unes des autres. Dans une perspective typologique, ce sont les modèles – et donc les combinaisons de caractéristiques – qui ont un effet, et non les caractéristiques elles-mêmes.
Si l’on considère que les typologies identifient des groupes clairement définis et circonscrits, le pouvoir explicatif de celles-ci sur une variable d’intérêt – par exemple la typologie d’Esping-Andersen (1989) sur l’inégalité salariale – peut donc être testé par des analyses de variances. Ces dernières permettent d’estimer la signification statistique de différence moyenne d’une variable quantitative entre des groupes – elle est très souvent utilisée dans les méthodes expérimentales telles que pratiquées par la psychologie sociale par exemple. Comme elle n'identifie pas les différences significatives – elle ne montre que s'il y en a au moins une, sans savoir laquelle –, il est préférable de la compléter par des tests qui permettent d’identifier les différences significatives, par exemple le test de Tuckey adapté par Games et Howell aux groupes de taille et de variance inégales118.
Par rapport à la méthodologie classique des régressions, cette technique permet de limiter le problème de la représentativité de « l'échantillon de pays ». En effet, cette technique permettant de comparer des groupes de tailles inégales, il est possible de considérer que chaque groupe de pays d’un type est un échantillon d'une population hypothétique différente (Howell 2008). La taille de chaque groupe, si elle est prise en compte dans les calculs, n'influence pas l'importance que l'on
118 Ce type de test, qui permet de prendre en compte du risque de commettre une erreur de première espèce pour l'ensemble des conclusions, est nécessaire quand on veut comparer, entre-elles, toutes les différences entre groupes, et non quelques différences sélectionnées théoriquement a priori.
donne à chaque groupe dans l'échantillon global. Ainsi, si un modèle comprend peu de pays (par exemple le modèle libéral en Europe) et qu’un autre en comprend beaucoup (par exemple le modèle corporatiste-conservateur), ils seront tous les deux considérés avec la même attention. L'ensemble de tous les cas ne doit pas nécessairement être représentatif de la population hypothétique. Néanmoins, chaque groupe de cas doit être un échantillon représentatif de l'ensemble du modèle qu'il représente.
Si elle présente des avantages, l’approche typologique présente cependant trois inconvénients importants : elle sous-estime les différences à l’intérieur de chaque type ; elle se base souvent sur certains exemples prototypiques généralisés à un ensemble de cas alors que certains présentent des caractéristiques plutôt hybrides ; les typologies peuvent poser un problème de tautologie parce qu’elles ne séparent pas clairement l’effet de la cause.
Premièrement, l’analyse de variance se base sur le postulat d'une uniformité à l'intérieur des groupes. C'est le modèle auquel le pays appartient qui est censé avoir un effet et non ses caractéristiques. Ainsi, on occulte les différences à l'intérieur de chaque type. Or, il existe généralement des différences entre pays d'un même type. Par exemple, l'Irlande bien qu'appartenant au modèle libéral est moins typique de ce modèle que le Royaume-Uni (Gallie et Paugam 2000, 10-18). D'une part, le poids de la religion catholique a renforcé l'importance de la famille. D'autre part, son État-providence étant plus développé, elle peut être rapprochée du modèle corporatiste-conservateur. Les Pays-Bas se situent également au croisement de plusieurs types d'États-providence. Selon les auteurs (à ce sujet, voir la revue de la littérature d'Arts et Gelissen 2002), ils sont classés dans le modèle social-démocrate, dans le modèle libéral ou dans le modèle conservateur. En reliant les types d’État-providence à la pauvreté monétaire, on constate également que les différences internes aux types sont importantes (Gallie et Paugam 2000). Par exemple, le Danemark présente moins de pauvreté que la Suède alors que tous les deux appartiennent au modèle universaliste. Les Pays-Bas se rapprochent du Danemark et s'éloignent des autres pays de type centré sur l'emploi. Enfin, l’Italie et le Royaume-Uni se rapprochent, alors que l'Irlande (libérale elle aussi) présente moins de pauvreté que ce dernier.
De plus, centrés sur un acteur (l’État, le marché, les groupes professionnels ou la famille), les modèles masquent le fait que dans certains pays plusieurs acteurs peuvent être importants. Ainsi, s’intéressant au revenu des jeunes, Paugam et Gallie (2000, chap. 4) identifient trois sources de revenus : l’emploi (le marché), les prestations sociales (l’État, voire les groupes professionnels) et aides parentales (famille). En étudiant les jeunes demandeurs d’emploi, ils constatent que ces ressources sont plus cumulables que substituables. Par exemple, dans des pays comme le Danemark et la Belgique, tant les prestations sociales que les transferts familiaux sont importants. Croire que les pays sont centrés seulement sur certains acteurs et qu’il n’existe pas d’hybride pose donc problème.
Deuxièmement, si l’analyse de variance et les typologies ne prennent pas suffisamment en compte les cas hybrides, c’est parce qu’elles se centrent sur certains cas exemplaires. Ainsi, certains pays incarnent unanimement les modèles. Il existe ainsi un prototype réel propre à chaque modèle (Arts et Gelissen 2002, 148). Par exemple, la Suède est considérée comme l’idéal type du modèle social-démocrate. Les États-Unis incarnent l’État-providence libéral et la variété du capitalisme EML. L’Allemagne est la représentante du modèle corporatiste-conservateur et de la variété du
capitalisme EMC. La France incarne parfaitement le modèle étatiste des relations professionnelles. Menz prend l’Autriche comme exemple-type d’un modèle hautement corporatiste. Le fait que certains pays incarnent les modèles – alors que d’autres sont plutôt hybrides – pose problème. En effet, ces idéaux types semblent alors plutôt des généralisations abusives de la situation de certains pays spécifiques que de véritables typologies. Ne serait-il alors pas préférable de rester au niveau du descriptif des pays et de ne pas s’aventurer dans la construction de modèles (trop) réducteurs ? Troisièmement, quand les typologies sont utilisées comme facteur explicatif – dans les analyses de variance –, elles peuvent mener à des tautologies. En effet, comme les modèles sont des ensembles structurés de diverses caractéristiques, il est possible que la variable dépendante testée – celle dont on veut savoir si elle est influencée par les différents modèles – ait également contribué à la construction du modèle. Par exemple, la typologie des États-providence d’Esping-Andersen peut a
priori être considérée comme une explication des variations des inégalités sociales entre les pays.
Or, la stratification sociale est une composante même des systèmes d’État-providence. De manière similaire, les variétés du capitalisme sont des cohérences complexes centrées sur les relations entre acteurs économiques – principalement les entreprises – dont les relations professionnelles sont une composante non négligeable. Ainsi, quand Rueda et Pontusson (2000) utilisent cette typologie comme variable modératrice de l’effet des relations professionnelles sur le salaire, on constate une redondance, similaire à une tautologie, puisque les relations professionnelles sont tant une variable explicative qu’une composante de la variable modératrice. Ces deux exemples montrent que les typologies posent des problèmes de tautologie quand on les considère comme des variables explicatives parce qu’elles sont construites sur base d’un nombre important de variables.
C'est pourquoi certains (Arts et Gelissen 2002) voient plutôt les typologies d'État-providence comme un outil heuristique pertinent quand la recherche scientifique dans un champ n'est pas assez développée pour utiliser le concept de lois scientifiques. Le test de typologies par des analyses de variance ne semble donc pas vraiment pertinent. Il conviendrait plutôt de prendre ces typologies comme des guides pour la recherche. Dans cette perspective, les types idéaux sont opposés à des types réels. Les premiers sont plus théoriques et donc réducteurs alors que les seconds décrivent de manière plus détaillée des politiques. Cela permet de prendre en compte que la typologie ne se reflète pas complètement dans le réel. Pour ma part, je crois que la plupart des typologies ne relèvent pas du même ordre d’idée que l’analyse causale. En effet, elles constituent plutôt des ensembles cohérents, des totalités dont les éléments sont imbriqués, mais dont les relations internes sont difficilement discernables. Concevoir les types et les modèles comme des causes complexifie inutilement l’analyse et peut facilement mener à des problèmes de tautologies.
On remarque que même si ce n'est pas explicite, les chercheurs utilisent généralement les typologies en tant qu'outils heuristiques. En effet, on peut constater que la plupart des auteurs qui pensent les comparaisons internationales en termes de typologies n’utilisent pas les méthodes statistiques typologiques. Ainsi, l’analyse de variance n’est pas souvent utilisée pour tester leur pouvoir explicatif. Les analyses de classifications inductives (comme la méthode de Ward) sont aussi absentes de ces recherches.
Pour conclure cette discussion autour des typologies, il me semble qu’on puisse opposer deux approches typologiques, la première — qu’on peut qualifier de taxinomique – tend à considérer les types comme des classifications fondées dans le réel dont les limites sont nettes. Cette appellation
renvoie à la taxonomie, branche de la biologie qui vise à classer les organismes vivants en taxons (espèces, genres, familles...). En effet, ces taxons sont des classifications plutôt claires, dont les frontières sont nettes, au moins pour le niveau de l’espèce. La seconde voit la typologie comme un idéal-type, c’est-à-dire une caricature heuristique. Dans ce cas, son principal intérêt n’est pas de classer les pays, mais comprendre des mécanismes – et de mettre à jour des modes de fonctionnement spécifiques. Pour ma part, cette seconde utilisation des typologies me semble plus pertinente et plus fructueuse. En effet, dans l'approche taxinomique, la typologie devient en quelque sorte une boîte noire, dont l’utilité du rôle de médiateur entre les caractéristiques explicatives et la variable d’intérêt des pays est discutable. Au contraire, en tant qu’idéal-type, elles permettent d’ouvrir notre horizon intellectuel et d’éclairer des caractéristiques qui seraient autrement restées dans l’ombre.
C
HAPITREX : P
OURQUOI LE NIVEAU NATIONAL?
Quand on cherche à expliquer les inégalités salariales à l'aide d'une comparaison internationale, que la méthode soit typologique ou non, on fait souvent face à un impensé – ou plutôt on lui tourne le dos –, celui de la pertinence du niveau national. Les pays sont ainsi considérés comme des identités relativement tangibles, ayant une certaine réalité. Nous avons esquissé ce débat au chapitre IV, en suggérant qu'avant d'étudier quelque chose le chercheur devait postuler un certain niveau de « réalité » : macro ou micro. Or, même si le point de départ est le niveau macro, il n’y a aucune obligation à travailler sur des pays. Il est tout à fait possible de prendre en compte des entités plus petites (régions, provinces, villes, secteurs d’activité, entreprises...) ou plus grandes (Europe, monde...). Ce choix du type de niveau macro s'inscrit dans les trois dimensions – méthodologique, théorique et politique – du niveau d'analyse ,identifiées à la fin du chapitre IV .
Ce choix est méthodologique parce que c'est ce niveau qu'on va – ou que l'on peut – matériellement mesurer l'inégalité. De plus, il a des implications pratiques non négligeables. En effet, plus on « descend » à un niveau inférieur, plus le nombre d’entités augmente, ce qui augmente la puissance des tests statistiques (voir la discussion au chapitre VIII), mais plus les indicateurs caractérisant ces entités sont statistiquement imprécis. Comprenant chacun moins d’individus, les intervalles de confiance des paramètres à estimer sont plus larges. Au contraire plus on monte à un niveau supérieur, plus la comparaison entre entités est complexe, mais, en contrepartie, la mesure des indicateurs des entités s’affine – sauf quand on a affaire à un problème pratique de fiabilité des données ou de commensurabilité au sein des entités. Quand on utilise le niveau planétaire, seule la comparaison historique (Firebaugh 2000) devient possible puisqu’il ne subsiste qu’une seule entité géographique.
Ce choix est théorique parce que c'est ce niveau qu'on postule comme pertinent. Les entités de ce