Par : Anthony FARDET*, Louis LEBREDONCHEL**, Edmond ROCK*
*INRAE, Unité de Nutrition Humaine ; **Université de Lorraine, École de Santé Publique
L’alimentation est une discipline holistique par essence qui fait intervenir de nombreuses dimensions, incluant le plaisir, la santé, l’humain, le partage, l’environnement[1]… Ce n’est donc pas que de la science : il existe aussi une dimension éthique. Cependant, la science occidentale moderne, mécanistique, expérimentale et (ultra)réductionniste a déconstruit cette discipline, pour le meilleur parfois, et pour le pire souvent… Pour mieux comprendre, revenons aux fondements de la science, qui est soit inductive, soit déductive[2] :
Une histoire de pomme
En marchant au clair de lune dans un verger, Isaac Newton (1642-1727) s’est demandé pourquoi les pommes tombent des arbres alors que la Lune reste suspendue dans le ciel. Il est arrivé à cette réponse simple : la Lune tombe également, mais elle est maintenue dans l’air par une force qui était à l’époque définie comme la gravitation. Puis, il a formulé la loi d’attraction[3] universelle comme inversement proportionnelle au carré de la distance basée sur la troisième loi de Kepler (1571-1630). Néanmoins, Newton entendait soumettre cette loi au contrôle de l’expérience. Aussi, il a cherché à vérifier si l’attraction exercée par la Terre sur la Lune respectait cette loi et si cette attraction pouvait être identifiée à la gravité terrestre pour établir le caractère universel de l’attraction.
Cette histoire illustre parfaitement l’application des deux principales méthodes scientifiques : la méthode empirico-inductive (MEI), à travers l’observation dans le réel de la pomme qui tombe et l’induction de la loi de la gravité, et la méthode hypothético-déductive (MHD), à travers l’expérimentation de cette nouvelle théorie avec l’attraction entre la Lune et la Terre, c’est-à-dire respectivement de la réalité à la théorie et de la théorie à la réalité (Figure 1). Ainsi, l’induction est l’inférence qui permet de passer du particulier au général (approche holistique), par opposition à la déduction qui est le passage du général au particulier (approche généralement plus réductionniste)[4].
Une question d’importance dans la recherche en alimentation humaine est donc de comprendre comment combiner les MEI et MHD de manière harmonieuse, et savoir quel crédit peut être accordé à la MEI, qui, contrairement à la MHD, est généralement plus basée sur l’expérience ancrée, les données qualitatives, l’intuition et/ou la reconstruction de liens entre les parties collectées non exhaustive d’un système complexe. Une méthode est-elle supérieure à une autre (par exemple, les médecines traditionnelles indiennes et chinoises empiriques, voire intuitives, par rapport à la médecine allopathique moderne expérimentale ?), ou est-ce la combinaison des deux qui fournit les meilleures théories scientifiques pour une application dans la vie réelle ? Aussi, l’autre question fondamentale est de savoir laquelle des deux approches privilégier en recherche pour obtenir les recommandations alimentaires les plus robustes et les plus impactantes pour la société ?
Figure 1. Représentation conceptuelle de la combinaison des approches empirico-inductive et hypothético-déductive en science
La méthode empirico-inductive en alimentation préventive
Pour citer quelques auteurs, « la méthode inductive consiste à aborder concrètement le sujet d’intérêt et à laisser les faits suggérer les variables importantes, les lois, et, éventuellement, les théories unificatrices »[5] ; et « À partir d’une observation particulière, le mode inductif reconstruit la cohérence interprétative de l’intérieur »[6]. La MEI est donc une démarche scientifique qui part de données factuelles pour expliquer le phénomène sous-jacent, donnant un sens holistique aux données factuelles collectées[7]. En effet, de tout temps, la recherche a suivi cette méthode pour classer des données observées, comme avec les planètes, les minéraux, les végétaux, les animaux… et les aliments. La théorie de l’évolution de Darwin est également d’abord empirico-inductive et repose sur une masse d’informations collectées au cours de divers voyages. Cependant, si ensuite de nouvelles données contredisent la théorie initiale (selon une MHD) alors il faut la rejeter ou l’améliorer.
En alimentation, deux concepts récents et émergeant sont purement empirico-inductifs : la classification NOVA des aliments selon le degré de transformation[8] et la règle des 3VBLS[9]. En effet, NOVA est basée sur l’observation des aliments présents dans les cuisines : les aliments pas/peu transformés ; les ingrédients culinaires ; les aliments transformés ; et les aliments ultra-transformés (Figure 2). Normalement, sur la base de critères qualitatifs simples, chacun pourra repérer ces quatre groupes d’aliments dans sa cuisine. Ce n’est qu’ensuite que cette nouvelle classification a été testée dans diverses populations spécifiques pour conclure qu’une consommation excessive d’aliments ultra-transformés était associée à des risques accrus de maladies chroniques[10] quelle que soit la région et la génétique de la population du globe. Les résultats à postériori semblent donc valider cette classification inductive et holistique a priori et aller dans le sens du caractère universel du concept « d’aliment ultra-transformé ».
Figure 2. La classification holistique et empirico-inductive NOVA (schéma utilisé avec la permission de Céline Richonnet, membre du Club Européen des Diététiciens de l’Enfance, CEDE)
La règle des 3VBLS est aussi basée sur l’observation que la relation alimentation-santé globale apparaît gouvernée par trois dimensions interconnectées : le degré de transformation (Vrai), le ratio « produits végétaux/animaux » (Végétal) et la diversité (Varié, si possible Bio, Local et/ou de Saison) (Figure 3)[11]. Depuis son élaboration en 2016, toutes les données publiées à ce jour convergent vers cette règle, et soulignent l’importance « de ne pas oublier une dimension » car sinon cela ne marche plus pour la santé globale, comme végétaliser son assiette en consommant plus de produits végétaux ultra-transformés. A partir de cette nouvelle théorie holistique et inductive, l’étape suivante est de tester sa pertinence dans des populations ou régions spécifiques, notamment pour les apports nutritionnels, les impacts environnementaux et socio-économiques.
Figure 3. La hiérarchie fondamentale des dimensions de la règle des 3VBLS pour ses choix alimentaires
Au-delà de la simple observation, il existe plusieurs outils pour appliquer la MEI dans la recherche en alimentation, comme les études épidémiologiques sur cohortes prospectives multicentriques, les études écologiques de corrélation, le machine learning basé sur les big data, les analyses statistiques multivariées ou les umbrella reviews de méta-analyses[12] ou de revues systématiques, toutes permettant théoriquement de rechercher des liens cachés ou perdus entre les données d’un système complexe initial.
La méthode hypothético-dédutive en alimentation préventive
Pour faire simple, la MHD « consiste à émettre des hypothèses, à recueillir des données, puis à tester les résultats obtenus pour réfuter ou appuyer les hypothèses »[13]. Elle est donc à la base de la démarche expérimentale. Par conséquent, « un résultat de test qui aurait pu et qui va à l’encontre des prédictions de l’hypothèse est considéré comme une falsification de l’hypothèse ; à l’inverse, un résultat de test qui aurait pu, mais ne va pas à l’encontre de l’hypothèse corrobore la théorie »[14].
Aujourd’hui, cette démarche domine dans la recherche en alimentation, notamment dans les études randomisées-contrôlées pour tester des aliments ou composés bioactifs chez l’homme (mais souvent dans des conditions ou des populations éloignées de la « vraie vie »)[15], les études expérimentales sur des modèles animaux, parfois modifiés génétiquement (e.g. modèles Knock-out, mais aussi éloignés du réel), ou pour l’élaboration des scores de composition. Notamment, ces derniers agrègent des nutriments à encourager et à limiter dans des constructions hypothétiques et réductionnistes pour des tests ultérieurs dans des populations spécifiques. En théorie, si ces scores (ou hypothèses) ne fonctionnent pas dans la réalité ou n’y collent pas, ils devraient être amendés, voire rejetés. En ce sens, il ne faut surtout pas faire l’erreur de vouloir que la réalité colle à la théorie à tout prix par peur de rejeter l’hypothèse de départ. Par exemple, les scores de composition, qui ne prennent pas en compte l’effet matrice des aliments et leur degré de transformation, ne permettent pas de bien classer les aliments réels selon leur effet santé potentiel dans la « vraie vie ». Ainsi, dans ce cas, les allers-retours entre les scores de composition (MHD) et la réalité n’ont pas été opérés pour en mesurer la pertinence. On se retrouve dans le cas où une hypothèse, construite à partir de données réductionnistes de laboratoires, et non « de terrain », ne fonctionne pas vraiment dans le réel (Figure 1 : « Circuit à éviter »). Forcer la réalité dans ce cas correspond à reformuler des aliments ultra-transformés « virtuels » pour obtenir la meilleure note.
Plus généralement, le risque majeur est de rechercher à modifier ou adapter des modèles d’étude pour confirmer et satisfaire une hypothèse initiale, générant des données qui deviennent trop spécifiques et s’éloignent de l’observation empirico-déductive.
Une question d’aller-retour : ne pas se tromper de sens ?
Un système complexe est la combinaison de parties et de liens qui les relient. Dans ce cadre, la MEI suit donc une approche holistique par la recherche de liens entre des données non exhaustives (qualitatives et/ou quantitatives) collectées dans la réalité afin d’établir de nouvelles théories unificatrices ; alors que la MHD tente d’élucider les mécanismes liés aux parties de ce système dans un contexte spécifique en utilisant des designs expérimentaux plus réductionnistes.
Dans les études actuelles sur l’alimentation et la nutrition, des recherches plus holistiques basées sur la MEI sont nécessaires pour faire face à la complexité de la relation alimentation-santé globale, que nous avons illustrées à travers différentes nouvelles preuves de concepts inductives et holistiques, comme la classification NOVA et la règle des 3VBLS, ou bien encore « l’effet matrice des aliments lié aux maladies chroniques »[16] ; des concepts apparemment en phase avec la réalité, ce qui pourrait leur conférer un caractère d’universalité comme pour la loi de la gravitation.
Ces exemples montrent que la MEI et la MHD sont complémentaires et, lorsque combinées, elles fournissent probablement les théories scientifiques les plus en phase avec la réalité au profit de la société, en particulier pour des recommandations nutritionnelles solides (Figure 1 : Circuit à privilégier) ; mais seulement à condition que les chercheurs n’oublient pas d’aller et venir entre les deux méthodes. Par exemple, l’absence d’aller-retour entre ces deux méthodes a conduit à stigmatiser de manière injustifiée les fromages – mais aussi le beurre – au regard de la santé humaine, car contenant des acides gras saturés. Or, ce n’est pas parce que les acides gras saturés en excès sont délétères pour la santé que les aliments qui les contiennent le sont, en vertu de l’effet matrice. Bref, il faut toujours revenir au réel.
Par ailleurs, alors que la MHD prédomine toujours dans la recherche en alimentation, ses partisans ne devraient pas considérer la MEI comme moins scientifique. Plus généralement, nous agissons probablement tous en chercheurs inductifs lorsque nous observons la réalité et en extrayons certaines lois : par exemple, un agriculteur constate de façon empirique (sans à priori) que certaines pratiques agronomiques fonctionnent bien et que d’autres non. Ensuite, les MHD plus réductionnistes peuvent nous aider à comprendre pourquoi une méthode fonctionne mieux qu’une autre, notamment pour l’optimiser.
Conclusions et perspectives
A partir de la présente analyse, nous proposons les conclusions suivantes : 1) la perspective devrait être de d’abord adopter une MEI, puis de conduire – si nécessaire, mais pas dans tous les cas – une recherche hypothético-déductive pour soutenir ou rejeter la nouvelle théorie holistique dans un cercle « vertueux » (comme proposé dans la Figure 1), et 2)) si la MHD est réalisée à la suite de la MEI, un va-et-vient constant devrait exister entre les deux méthodes. À terme, cela nous permettrait de fournir des données scientifiques connectées à la société et à la vie réelle et d’offrir des solutions efficaces aux problèmes de santé mondiaux. Clairement, il est nécessaire de se reconnecter au réel de façon empirique et d’en tenir compte, sinon les conséquences peuvent être très négatives ; comme la possibilité d’amener à une représentation collective positive, selon une MHD réductionniste, des aliments ultra-transformés, alors que ces derniers sont associés au développement de multiples maladies chroniques (notamment par la dégradation de leur matrice)[17], mais aussi à des systèmes alimentaires non durables[18]. Une compréhension fine de cette situation pourrait donc contribuer à s’éloigner de la MHD aboutissant à une homogénéisation de l’alimentation avec des aliments ultra-transformés « universels »…
Bibliographie
[1]Fardet, A., and Rock, E. (2014). Toward a new philosophy of preventive nutrition: from a reductionist to a holistic paradigm to improve nutritional recommendations. Advances in Nutrition. 5: 430-446.
[2]Fardet, A., Lebredonchel, L., and Rock, E. (2021). Empirico-inductive and/or hypothetico-deductive methods in food science and nutrition research: which one to favour for a better global health? Crit. Rev. Food Sci. Nutr.
[3]Newton, I. (1687). Philosophiae Naturalis Principia Mathematica. The University of Chicago, Joseph Regenstein Library.
[4]Sagaut, P. (2009). Introduction à la pensée scientifique moderne. Université Pierre et Marie Curie – Paris 6,
[5]Michèle Robert (1996). Fondements et étapes de la recherche scientifique en psychologie (3ème édition). Maloine.
[6]Balslev, K., and Saada-Robert, M. (2002). Expliquer l’apprentissage situé de la litéracie : une démarche inductive/déductive. In: Expliquer et comprendre en sciences de l’éducation, pp. 89-110. De Boeck Supérieur, Louvain-la-Neuve.
[7]Blais, M., and Martineau, S. (2006). L’analyse inductive générale : description d’une démarche visant à donner un sens à des données brutes. Recherches qualitatives. 26: 1-18.
[8]Moubarac, J.-C., Parra, D. C., Cannon, G., and Monteiro, C. A. (2014). Food Classification Systems Based on Food Processing: Significance and Implications for Policies and Actions: A Systematic Literature Review and Assessment. Current Obesity Reports. 3: 256-272.
[9]Fardet, A., and Rock, E. (2020). How to protect both health and food system sustainability? A holistic ‘global health’-based approach via the 3V rule proposal. Public Health Nutr. 23: 3028-3044
[10]Lane, M. M., Davis, J. A., Beattie, S., Gómez-Donoso, C., Loughman, A., O’Neil, A., Jacka, F., Berk, M., Page, R., Marx, W., and Rocks, T. (2020). Ultraprocessed food and chronic noncommunicable diseases: A systematic review and meta-analysis of 43 observational studies. Obesity Reviews. 22: e13146.
[11]Fardet, A., and Rock, E. (2018). Reductionist nutrition research has meaning only within the framework of holistic thinking. Advances in Nutrition. 9: 655–670.
[12]Dinu, M., Pagliai, G., Casini, A., and Sofi, F. (2018). Mediterranean diet and multiple health outcomes: an umbrella review of meta-analyses of observational studies and randomised trials. Eur. J. Clin. Nutr. 72: 30-43.
[13] https://fr.wikipedia.org/wiki/M%C3%A9thode_hypoth%C3%A9tico-d%C3%A9ductive
[14] https://en.wikipedia.org/wiki/Hypothetico-deductive_model
[15]Hébert, J. R., Frongillo, E. A., Adams, S. A., Turner-McGrievy, G. M., Hurley, T. G., Miller, D. R., and Ockene, I. S. (2016). Perspective: Randomized Controlled Trials Are Not a Panacea for Diet-Related Research. Advances in Nutrition. 7: 423-432.
[16]Fardet, A., and Rock, E. (2020). Exclusive reductionism, chronic diseases and nutritional confusion: degree of processing as a lever for improving public health. Crit. Rev. Food Sci. Nutr.
[17]Fardet, A., Lebredonchel, L., and Rock, E. (2021). Empirico-inductive and/or hypothetico-deductive methods in food science and nutrition research: which one to favour for a better global health? Crit. Rev. Food Sci. Nutr.
[18]Fardet, A., and Rock, E. (2020). Ultra-processed foods and food system sustainability: what are the links? Sustainability. 12: 6280.