La régression multiniveau avec post-stratification (MRP) a l’air impressionnant—c’est le genre de terme devant lequel on acquiesce dans une conférence académique sans vraiment en saisir tous les détails. Il s’agit d’un cadre statistique sophistiqué qui superpose les données démographiques des électeurs, les données régionales et les réponses aux sondages pour prédire les résultats électoraux. La technique a ses mérites, c’est indéniable. Mais voilà : tout le monde se rue soudainement sur les sondages basés sur la MRP pour prédire les prochaines élections britanniques, en traitant ces modèles comme des boules de cristal.

Ne devrait-on pas ralentir un peu ? Les modèles statistiques ne valent que par la qualité de leurs hypothèses, et quand on empile plusieurs couches de régression avec des ajustements de post-stratification, on multiplie aussi les points potentiels de défaillance. Un échantillon biaisé, un changement démographique que le modèle n’a pas anticipé, et les prédictions peuvent dérailler complètement. On l’a déjà vu—élection américaine de 2016, référendum sur le Brexit—où des modèles sophistiqués se sont effondrés parce que la réalité n’a pas voulu se plier à leurs paramètres.

La confiance aveugle dans ces mécanismes de sondage semble risquée. Je ne dis pas que la MRP est inutile, mais actualiser frénétiquement les agrégateurs de sondages et fonder toute sa vision du monde sur des moyennes pondérées ? Cela pourrait bien être la recette de la déception. Parfois, même l’outil le plus sophistiqué ne peut pas saisir le chaos du comportement humain quand les gens entrent réellement dans l’isoloir.