Ce GAUCHISTE PRO LFI : « Il n’y a AUCUNE CORRÉLATION entre IMMIGRATION et INSÉCURITÉ »

Petit pavé où je vais démonter (ce n’est pas dur) chacune des prétentions de Guénolé.

Commençons par la thèse d’Obertone que Guénolé synthétise en deux affirmations :

- « La violence et la criminalité augmentent massivement à cause de l’immigration africaine »

- « Les agressions en tant que telles sont de plus en plus sauvages à cause de l’immigration africaine »

Guénolé attaque par sa « première méthode de réfutation ». L’affirmation qu’il démontre est : « La violence et la criminalité sont très rares en France ».

Premier problème : démontrer cette affirmation n’infirme en rien la thèse d’Obertone. Pour infirmer Obertone il aurait fallu démontrer que la violence et la criminalité baissent, ou bien que les agressions ne sont pas de plus en plus sauvages.

Analogie très simple à comprendre : si je dis « mon salaire a diminué massivement » et « le travail qu’on me demande de faire est de plus en plus dur », je ne suis pas réfuté par un type qui démontrerait que je reste bien payé par rapport au reste de la population française.

Thomas Guénolé ne démontre donc rien dans la première minute de cette vidéo et ne réfute personne. Mais revenons tout de même sur cette fameuse « rareté » des crimes et délits. Guénolé s’appuie sur l’enquête « CVS », probablement celle de 2021, la dernière en date.

Il prend plusieurs types de crimes et de délits, évoquant à chaque fois la part de la population n’ayant pas été touchée, par exemple :
« Les vols au domicile vous avez 97.1% de la population qui n’a pas été touchée »

Problème : il se contente d’isoler chaque variable et n’en énumère qu’une poignée. Je suis allé voir l’enquête CVS de 2021, et voilà ce qu’il en est réellement :

- 10,7% des ménages ont été victimes d’une atteinte aux biens
- 5,2% des ménages ont été victimes de délinquance économique et financière
- 11,7% des individus de 14 ans et + ont été victimes d’une atteinte à la personne

Source pour la CVS 2021 : https://mobile.interieur.gouv.fr/Interstats/L-enquete-Cadre-de-vie-et-securite-CVS/Insecurite-et-victimation-les-enseignements-de-l-enquete-Cadre-de-vie-et-securite

On obtient donc, si on enlève la délinquance économique et financière qui ne relève probablement pas vraiment de l’ensauvagement dont parle Obertone, environ 22.4% des ménages victimes d’une atteinte aux biens et aux personnes.

Nous n’avons aucun moyen de connaître les doublons, puisqu’une personne victime d’un cambriolage peut très bien avoir été victime d’une injure ou d’une menace au cours de la même année. Mais admettons qu’on divise ce chiffre par trois, ce qui me semble généreux pour Guénolé, on obtient, en une année, 7,5% de la population victime d’une atteinte aux biens ou aux personnes.

Autrement dit, sachant que ces chiffres sont annuels, en à peine cinq ans, environ 37.3% des ménages auront subi une atteinte aux biens ou aux personnes.

Prenons les violences physiques hors-ménage et hors situation de vol : 441 000 victimes en 2020. Cela fait 4.5 millions de personnes en dix ans. Ce n’est donc pas « rare », à peu près tout le monde connait quelqu’un ayant déjà été agressé physiquement.

Guénolé continue : « En France, que l’insécurité baisse ou qu’elle monte (il reconnait ici explicitement ne pas avoir répondu aux affirmations d’Obertone, le but était donc de relativiser tout ce que peut dire Obertone, et pas vraiment de l’infirmer) […]

Pour réfuter votre théorie de l’ensauvagement, il me suffit de constater que la violence et la criminalité restent aujourd’hui très rares en France. »

Non, pour deux raisons : déjà, parce que comme on l’a démontré, montrer que cela reste rare ne revient pas à montrer que cela n’augmente pas. Ensuite, parce que « rare » ne veut, encore une fois, rien dire. Guénolé fait ce qu’on appelle un non sequitur : la conclusion ne suit pas les prémices.

Il est évident que dans une société qui n’est pas en plein milieu d’un conflit , le nombre de gens victimes d’une agression ou d’un vol ne sera jamais de 60 ou 70 % sur une année.

Se gargariser du fait que « L’écrasante majorité de la population n’a pas subi d’atteinte au cours de l’année passée » a peu de sens.

Guénolé n’a absolument pas réfuté Obertone, et sa démonstration sur la « rareté » des crimes et délits n'est pas valable.

Continuons :

« Deuxième méthode de réfutation : s’il y a un lien causal entre l’immigration et l’insécurité, alors on devrait avoir un coefficient de corrélation … »

Déjà non. Pour montrer qu’il y a un lien causal entre immigration et insécurité, il suffit de démontrer que les immigrés sont sur-représentés dans les crimes et les délits. . Un « coefficient de corrélation » ne suffit pas dans l’absolu.

Pour la simple et bonne raison que l’augmentation de l’insécurité provoquée par l’immigration peut très bien être compensée par d’autres phénomènes comme la baisse de la criminalité des non-immigrés. Penser l’inverse, c’est risquer de faire ce qu’on appelle une « erreur écologique », je vous renvoie vers google et l’article Wikipédia consacré à cette notion. Pour le comprendre très simplement, prenons une équation toute simple :

X = (NI*CI) + (NA*CA)
Ou X est l’insécurité, NI = nombre d’immigrés, CI = taux de délinquance et de criminalité des immigrés, NA = Nombre d’autochtones (on va dire de non immigrés) et CA = taux de délinquance et de criminalité des autochtones.

X peut très bien diminuer malgré une augmentation de NI*CI si NA*CA a diminué de manière plus importante.
X = (5*1000) + (62*500) = 36 000
X1 = (7*1000) + (62*400) = 31 800

Ici on voit qu’une augmentation de l’immigration, et donc de la criminalité immigrée, ne se traduit pas nécessairement par une augmentation de l’insécurité en valeur absolue, étant donné que de nombreuses variables peuvent jouer sur ce phénomène dans la réalité (démographie, urbanisme, répartition géographique, technologie, services d’urgence, stratégies d’évitement et j’en passe).

Guénolé avoue tout de même avoir trouvé un coefficient de corrélation de 0.39966 entre le nombre d’homicides et le solde migratoire. Je reviendrais plus tard sur l’utilisation de ces variables, mais restons sur ce coefficient.

Guénolé explique : « Pour que ce soit un lien très fort, il faudrait qu’on soit à 80%, 0.8 ; pour que ce soit un lien fort il faudrait qu’on soit à 0.6. En gros, en dessous de 0,5 on n’est pas dans une corrélation constatée. »

C'est tout simplement faux, à de nombreux titres, et il est inquiétant qu'un doctorant en SHS n'ait pas les bases en statistiques des sciences sociales. C'est faux pour plusieurs raisons :

- L’absence de corrélation n’implique pas nécessairement l’indépendance de deux variables. Le montant de mon loyer est corrélé au montant de mon reste à vivre, mais les deux variables peuvent évaluer différemment l'une de l'autre à cause d'autres variables (mon salaire)

- Il est faux de dire qu’en-dessous d’un coefficient de 0,5, il n’y a pas de corrélation. Une absence de corrélation c’est 0 ou proche de 0, à 0.4 il y a une corrélation.

En sciences-sociales, il est rare d’avoir des variables ayant un coefficient de corrélation supérieur à 0,5, vu le nombre de facteurs impliqués dans la plupart des phénomènes sociaux. . Les coefficients de corrélation n’ont pas la même valeur en fonction de la discipline.

Un 0,4 pour un phénomène aussi complexe et dépendant d’autant de variables que le nombre d’homicides c’est en vérité une corrélation assez solide. Les guides statistiques dans le domaine le confirment : Jacob Cohen dans son « Statistical Power Analysis for the Behavioral Sciences » fait d’une corrélation de 0.3 une corrélation modérée, et d’une corrélation de 0.5 une corrélation forte.

Un article de 2016 ayant analysé les études en psychologie et en sciences sociales a même abaissé ces seuils, considérant qu’une corrélation de 0.29 est une corrélation forte, et que seules 3% des corrélations avaient un coefficient de corrélation d’au moins 0.5. Je place le lien de l’article, qui évoque dans son abstract le bouquin de Cohen que je cite : https://www.sciencedirect.com/science/article/abs/pii/S0191886916308194?via%3Dihub

Parlons maintenant des variables utilisées par Guénolé pour calculer ce coefficient de corrélation. Guénolé prend le « solde migratoire », c’est-à-dire la différence entre le nombre d’entrées et de sorties du territoire.

Ce solde ne fait pas la différence entre les Français et les immigrés. Par exemple, si 50 français émigrés aux USA reviennent en France, alors que 30 immigrés Africains vivant en France repartent en Afrique, le solde migratoire sera de +20.

La thèse d’Obertone est que l’immigration d’origine Africaine fait augmenter la criminalité et la délinquance. Le solde migratoire n’est donc d’aucune utilité pour infirmer cela, puisqu’il ne fait pas la différence entre les étrangers et les nationaux, et qu’il ne fait pas parmi les immigrés, la différence entre les immigrés d’Afrique et les immigrés venant d’autres régions du monde.

Conclusion :

Guénolé se ridiculise donc totalement :

- Il échoue à prouver qu’il n’y a pas d’augmentation de la criminalité et de la délinquance en France liée à l’immigration.

- Il échoue à démontrer que les crimes et les délits sont rares en France, ses statistiques indiquant qu’entre une personne sur dix et une personne sur trois sera victime d’atteinte au bien ou à la personne en dix ans.

- Il compare deux variables brutes sans aucun approfondissement, risquant l’erreur écologique.

- Il calcule un coefficient de corrélation à partir de deux variables : les homicides et le solde migratoire, qui ne sont absolument pas pertinentes.

- Il trouve malgré cela un coefficient de corrélation relativement élevé pour un phénomène aussi complexe.

- Il n’a visiblement aucune idée de la valeur des coefficients de corrélation en sciences sociales, malgré son statut de doctorant.

PS : J'ajoute une source pour la valeur des corrélations en SHS parce que l'article de Gignac parle des "différences individuelles" : cet article souligne le fait que dans les sciences sociales , des coefficients entre 0.3/0.5 sont significatifs : https://www.researchgate.net/publication/232558476_An_Effect_Size_Primer_A_Guide_for_Clinicians_and_Researchers