Clément Sire

Laboratoire de Physique Théorique

CNRS & Université Paul Sabatier, Toulouse
www.lpt.ups-tlse.fr
 Introduction
La notion de hasard (al-zahr : dés, chance)
exprime une incapacité à prévoir avec
certitude ce qu’il va advenir : l’issue d’un
« événement » ou d’une « expérience »
(exemple : un tirage de dés)
Dans son sens commun, le hasard couvre :
L’opposition avec le déterminisme
Une absence apparente de causalité
L’ignorance ou la méconnaissance des
paramètres et mécanismes sous-jacents

Le « vrai hasard » existe-t-il ?

 Ce qu’en pensent de grands hommes
 « Ce que nous appelons hasard n’est et ne peut
être que la cause ignorée d’un effet connu »,
Voltaire (et d’autres…)
 « Il n'y a pas de hasard dans l'art non plus qu'en
mécanique », Charles Baudelaire
 « Le hasard, c'est le déguisement que prend Dieu
pour voyager incognito », Albert Einstein (et d’autres…)
 « Le hasard, c'est le purgatoire de la causalité »,
Jean Baudrillard
 « Le hasard est le maître de l'humour », Max Ernst
 Le chaos
Les équations de la mécanique « classique »
de Newton sont déterministes :
la connaissance parfaite des conditions
initiales d’un système implique la
connaissance parfaite de son évolution future

Un système chaotique est un système

extrêmement sensible à ses conditions
initiales :
une différence (ou méconnaissance) infime de
celles-ci conduit rapidement à des évolutions
très différentes
 Le chaos
 Exemples de systèmes chaotiques :
 Un lancer de dés
 Le mouvement des molécules d’un gaz
 La météo
 Un billard non « intégrable » (pas un cercle ou un polygone)
…
 Le hasard dans la vie quotidienne
En pratique, nous sommes entourés (et
sommes constitués !) d’assez de systèmes
chaotiques pour que la vie nous semble
jalonnée d’une succession de hasards

Les lois de la physique quantique (nécessaire

pour décrire l’échelle atomique) sont
déterministes mais intrinsèquement
probabilistes : elles prédisent (avec certitude)
la probabilité de tel ou tel événement
Le monde est intrinsèquement aléatoire !
 Le monde est-il imprédictible ???
L’approche de la physique statistique
(Boltzmann, Gibbs, Maxwell…) a justifié que,
dans certaines conditions, un grand
système chaotique se comporte de façon
« régulière »… et donc prédictible…
Et cela, grâce au chaos !!!

Exemples :
La physique des gaz et liquides
macroscopiquement « non turbulents »
Électrons dans les matériaux
…
 Les probabilités
Les différents résultats possibles d’un
« événement aléatoire » (soumis au hasard)
peuvent chacun avoir une certaine
probabilité intrinsèque

Exemples :
Un dé (non pipé !) a une probabilité 1/6 (1 chance
sur 6) de tomber sur chacune de ses 6 faces
La probabilité de gagner le gros lot au Loto
(6 numéros) est de 1 chance sur 13 983 816
La probabilité de recevoir une main de 13 cartes,
toutes de la même couleur, est 1/158 753 389 900
 Les probabilités
 Les probabilités des différents résultats d’une
« expérience » peuvent être mesurées, si on peut
répéter cette expérience :
# d'expériences avec le résultat
présultat   fréquence du résultat
# total d'expériences
Exemples :
 La probabilité que le dé tombe sur le 1 peut être évaluée par la
fréquence de cet événement sur N tirages :
1 N1 1
p1    erreur d'ordre
6 N N
 Une personne tirée au hasard dans la population française a une
probabilité 0,516 (un pourcentage de chance de 51,6%) d’être
une femme
 Quelle est la probabilité que le PSG batte le Barca ???
(30%, estiment les parieurs et les bookmakers ; mais invérifiable)
 Maniement des probabilités
La probabilité d’un événement composé de
plusieurs événements « indépendants »
(décorrélés) est le produit de leur probabilité

Exemples :
 La probabilité qu’un tirage de deux dés donne
« double 4 » est
1 1 1
pd1  4 et d2  4     0, 0277...  2,8%
6 6 36
 La probabilité qu’une personne soit une femme
(0,516 ou 51,6%) ET gagne plus de 2500€ net/mois
(0,20 ou 20%) n’est pas 0,516×0,20  0,103 (10,3%)…
mais 7.7% (contre 12,3% pour homme + salaire>2500€) !!!
 Maniement des probabilités
La probabilité pour qu’un événement parmi
plusieurs événements « exclusifs » arrive est
la somme des probabilités de ces événements

Exemples :
 La probabilité qu’un humain soit une femme OU un homme
est 0,516 + 0,484 = 1 (ouf !)
 La probabilité que la somme des faces de deux dés soit
égale à 9 est
pd d  pd1 6 et d2 3  pd1 5 et d2 4  pd1 4 et d2 5  pd1 3 et d2 6
1 29

1 1 1
 4       0,111...  11,1%
6 6 9
 Un Peu d’Histoire
Girolamo Cardano (1501-1576)
Pierre de Fermat (~1605-1665)
Blaise Pascal (1623-1662)
Christianus Huygens (1629-1695)
Pierre-Simon Laplace (1749-1827)
Andreï Nikolaïevitch Kolmogorov (1903-1987)
 Les anniversaires
 Dans une classe (ou un groupe quelconque) de 23
personnes, qu’elle est la probabilité p23 qu’au moins
deux individus aient le même anniversaire ?
A votre avis : 23  6%, 23  22  69%,  50%,  50% ?
365 2  365
 Réponse : calculons la probabilité contraire
1-pn pour que toutes les n personnes aient un
anniversaire différent :
364 363 362 365  (n  2) 365  (n  1)
1  pn     ...  
365 365 365 365 365
365! 1
pn  1  , avec n !  1 2  3  ...(n  1)  n
(n  365)! 365 n

p23  50,7%, p30  70, 6%, p40  89,1%, p50  97, 0%, p60  99, 4%
Let's make a deal : problème de Monty Hall
 Dans un jeu télévisé, un prix extraordinaire est
caché derrière une porte parmi trois
 Le candidat choisit une porte (ici, la 3), puis le
présentateur ouvre l’une des deux autres portes
(ici, la 1) qui ne contient pas le prix

 La présentateur propose alors au joueur de

changer de porte (ici, la 2). Doit-il le faire ???
A votre avis : oui, non, c’est pareil ?
Let's make a deal : problème de Monty Hall
 Initialement, le joueur avait 1 chance sur 3 de
trouver la bonne porte
 Il y a donc une probabilité 2/3 pour que le prix
soit derrière [la porte 1 OU la porte 2]

=prix 

 Après ouverture de la porte 1, la porte 2 a donc une
probabilité 2/3 de cacher le prix : il faut donc
changer et choisir la porte n°2…
à 2 (tiers) contre 1 (tiers) !!!
 Let's make a deal : autres formulations
 Trouvons les deux chèvres !
 Initialement, le joueur avait 2 chances sur 3 d’avoir sélectionné
une porte qui cache une chèvre
 Lorsque le présentateur ouvre la porte, la probabilité que la porte
1 ET la porte 2 abritent les deux chèvres est 2 / 3  1 p2  p2
 Principe du moindre choix (Borel au bridge) :
 Si je joueur a raison de choisir la porte 3, le présentateur a 2 choix pour
la porte à ouvrir, contre 1 seul choix, si le prix est derrière la porte 2
 Ramenons nous aux cas où une chèvre est derrière la porte 1

 p3,1  1/ 2  1/ 2  1/ 4
 p3  1/ 2
 p3,2  1 / 2  1/ 2  1/ 4
 p2  1 / 2
 p2,1  1/ 2  1  1/ 2  2  p3,1
 Expérience de Buffon (1733)
Mesurer p avec les probabilités !
 Prendre un grand nombre d’aiguilles N et mesurer
leur longueur a
 Lâcher ces aiguilles sur votre parquet dont les lattes
ont une largeur L (>a, sinon c’est plus compliqué)
 Compter le nombre n d’aiguilles qui sont à cheval
entre 2 lattes du parquet
 La probabilité d’intersection p d’une aiguille peut se
calculer simplement (voir appendice) et vaut
2a n 1
p   erreur dordre
pL N N
 Expérience de Buffon (1733)
Mesurer p avec les probabilités !
 Faisons l’expérience, avec a  3 cm et L  6 cm 
2a 1 n N  4, 6 
p   , et donc p  3.1415926...   O  
pL p N n  N
 Le (second) mariage de Kepler (1613)
ou le cabinet de recrutement
ou la recherche d’une maison à acheter
 Vous devez choisir le meilleur candidat parmi n qui
se présenteront successivement pour un entretien
(n=11 pour les femmes de Kepler)
 Malheureusement, après chaque interview, vous
devez décider de garder ou non le candidat
 Quelle stratégie adopter pour maximiser la
probabilité de choisir le tout meilleur candidat ?
 Si vous choisissez trop tôt, vous ratez l’occasion de trouver
mieux
 Si vous laissez passer trop de candidats, en espérant
trouver mieux, il est fort probable que vous allez en fait rater
le meilleur choix !
 Le (second) mariage de Kepler (1613)
ou le cabinet de recrutement
 Stratégie proposée : vous interviewez c candidats sans
intention de les garder. Puis, vous prenez le premier
candidat (s’il en reste un !) meilleur que ces c candidats
 Comment choisir c pour maximiser ainsi la probabilité
P(n, c) de sélectionner le tout meilleur candidat ?

n  11  1
1
n

c4 
<

c
c 1 n

1


c 1
(Kepler !) < < 
c2 n

……………………… ..............
N.B. : la probabilité de chaque
position du meilleur  est 1/ n

< < < < < <

c
n 1 n

1
 Le (second) mariage de Kepler (1613)
ou le cabinet de recrutement
 Stratégie proposée : vous interviewez c candidats sans
intention de les garder. Puis, vous prenez le premier
candidat meilleur que tous ces c candidats
 La probabilité P(n, c) de sélectionner le tout meilleur
candidat est donc
1  c c c 
P(n, c)   1    ...  
n  c 1 c  2 n 1 
 n  1
 P(n, c) est maximum pour cmax   (e  2, 71828...)
 e 
1
Pmax  P(n, cmax )   0,367879...  36,8 %
e
 Kepler a bien jeté son dévolu sur son 5ième choix !!!
 Conclusion en guise de réflexion
Les coïncidences vraiment significatives ?
 Dans nos vies, nous sommes sujets à des coïncidences
parfois troublantes, auxquelles nous donnons parfois
volontiers un sens
 Coïncidence : conjonction d’événements (constatée
a posteriori), fruit du « hasard » et sans causalité
apparente, qui aurait « normalement » dû arriver avec
une très « faible » probabilité
 N.B. : on ne remarque pas la multitude de coïncidences a
priori possibles… qui ne se produisent pas !
 Des coïncidences connues
 Géométriques
 Gagner le gros lot du Loto (moi + gagner)
 Éclipses solaires… avant que l’on ne comprenne 607 4-alignements
de 269 points
 Conclusion en guise de réflexion
Les coïncidences vraiment significatives ?
 Quelle est la probabilité p (à la louche) pour qu’une fois
au moins dans l’année, vous pensiez à l’une de vos 10
connaissances les plus importantes, et que celle-ci vous
appelle moins d’une minute après ?
C  # de connaissances importantes
T  # moyen de coups de fil reçus par jour de celles-ci
P  # de fois par jour où vous pensez à l’une d’entre elles
T P 1
p1 minute    ( ~ 1000 minutes d'activité/jour)
1000 1000 C
p  1  (1  p1 minute )3651000
T  2, P  3, C  10  p  20%
Quelle coïncidence : c’est la fin !
Merci de votre attention

Présentation téléchargeable (avec d’autres

présentations de vulgarisation scientifique)
sur ma page, sur le site du LPT Toulouse
Probabilité d’intersection p d’une aiguille de
longueur a avec de lattes de largeur L >a

 Toutes les positions différentes de l'aiguille mises bout à

bout forment un polygone à N côtés. Plus N est grand,
plus ce polygone se rapproche d'un cercle
 Le périmètre de ce cercle vaut P  Na , et son diamètre
vaut D  P / p  Na / p
 Le nombre d'intersections n du cercle avec les lattes du
parquet est donné par n  2  D / L  2 Na / p L
 Finalement, on trouve bien le résultat annoncé dans la
présentation :
n 2a
p 
N pL