Fenêtres de transition de phase et conception expérimentale

Quand l’essai et le phénomène n’ont pas la même géométrie

Une intervention peut être efficace et produire pourtant un essai négatif. La cause n’est pas toujours le hasard, un échantillon trop petit ou une théorie fausse. Si la réponse possède un seuil, si l’exposition effectivement atteinte varie fortement entre sujets et si l’analyse réduit tout à « traité/non traité », le signal des personnes ayant franchi le seuil est dilué par celles qui ne l’ont jamais atteint.

Les analyses dose-réponse, la régression à seuil, les plans adaptatifs et les travaux sur la fidélité d’implantation traitent déjà des seuils. Le paramètre supplémentaire proposé ici est géométrique : les distances de part et d’autre du point de bascule sont-elles symétriques ?

Trois zones et un rapport

Soit z la profondeur de pénétration dans l’espace d’état, F le point de bascule, E le point d’établissement et δ l’effet maximal :

g(z) = 0 pour z < F ; g(z) = δ(z − F)/(E − F) pour F ≤ z < E ; g(z) = δ pour z ≥ E.

Avant F, une perturbation microscopique peut déjà exister sans effet macroscopique net. Entre F et E, l’effet monte rapidement. Après E, il est établi. Le rapport d’asymétrie est r = F/(E − F). Si r ≫ 1, il faut un long parcours pour atteindre la bascule, puis une courte distance pour obtenir l’effet entier.

La proportion des traités qui franchissent F est π_cross = P(Z_i ≥ F | traité). Pour une exposition exponentielle de moyenne μ, π_cross = exp(−F/μ). À fenêtre totale fixée, l’augmentation de r accroît F et raréfie les sujets informatifs.

L’indice venu de ZFCρ

Dans ZFCρ, la complexité d’un entier compare des voies additives et multiplicatives. En stratifiant par Ω, le nombre de facteurs premiers avec multiplicité, plusieurs indicateurs décrivent une transition progressive : la voie multiplicative devient majoritaire vers Ω = 2,75 ; un pic spectral apparaît vers 3,14 ; le mécanisme de compensation passe sous son seuil vers 3,71 ; le gain net change de signe vers 3,79 ; la phase multiplicative s’établit vers 4,01.

La distance germination–bascule vaut donc 3,79 − 2,75 = 1,04, tandis que bascule–établissement vaut 4,01 − 3,79 = 0,22. On obtient r ≈ 4,7, soit environ 5. Ce nombre est un résultat interne à ZFCρ, non une constante universelle. La thèse transportable est plus faible : dans certains systèmes construction–émergence, r peut être très supérieur à 1. Sa distribution interdisciplinaire doit être mesurée.

Le théorème de dilution du signal

Si Y_i = g(Z_i) + ε_i, avec ε_i ~ N(0,σ²), l’effet moyen en intention de traiter est E[g(Z) | traité] − E[g(Z) | contrôle]. Lorsque le contrôle reste près de zéro, il devient E[g(Z) | traité]. Seule la fraction π_cross contribue positivement ; les sujets restés dans la zone de germination diluent systématiquement l’effet.

• Augmenter n réduit l’erreur standard, mais ne restaure pas l’effet moyen déjà dilué.
• Chez les sujets définis à l’avance comme ayant franchi F, l’effet doit s’approcher de δ.
• Une petite étude sélectionnée sur une forte exposition peut sembler prometteuse, puis une grande étude retrouver la faible fréquence populationnelle du franchissement.

Une simulation Monte Carlo rapportée dans le texte source donne, pour r = 5, une profondeur moyenne faible et 500 sujets par bras, une puissance de 9,3 % pour l’analyse binaire malgré d = 0,8, contre 97,7 % pour un modèle time-in-zone. C’est une illustration, non une validation universelle.

Conditions et précautions causales

Le théorème exige quatre conditions : réponse à seuil ; forte hétérogénéité de l’exposition réalisée ; absence de mesure ou d’usage de cette exposition continue ; résultat observé à un niveau émergent plutôt qu’au niveau directement perturbé. Il ne vise pas une relation linéaire propre, une procédure chirurgicale uniforme ou un essai où tous les sujets atteignent la même dose biologique.

Le time-in-zone est postérieur à la randomisation : le substituer naïvement à l’assignation détruit l’identification causale. Les usages légitimes incluent l’analyse mécanistique secondaire à côté de l’ITT, la randomisation adaptative de l’intensité, ou des cadres CACE/principal strata sous hypothèses explicites. Il faut aussi traiter le biais de temps immortel lorsque demeurer dans la zone suppose survivre ou adhérer plus longtemps.

Concevoir autrement

1. Mesurer la durée cumulée au-dessus du seuil candidat, pas seulement l’assignation.
2. Adapter la fréquence de mesure à la courte distance F–E ; un intervalle trop large manque la transition.
3. Avant de conclure à l’inefficacité, documenter combien de sujets ont franchi F et pendant combien de temps.
4. Avant un grand essai, mener une étude dense et courte pour estimer les ruptures et r.

La même logique vaut pour la toxicité : une étude peut déclarer un traitement sûr si peu de sujets atteignent la bascule toxique, alors qu’une exposition réelle plus longue la franchit après commercialisation.

Prédictions falsifiables

Le cadre prédit que, dans les domaines satisfaisant ses conditions, les sous-groupes de franchissement préenregistrés approcheront l’effet maximal ; les modèles continus ou à seuil surpasseront systématiquement le binaire ; r sera plus souvent supérieur à 1 dans les systèmes construction–émergence ; et une étude négative après exposition vérifiée constituera une réfutation bien plus forte du mécanisme. Si des études prospectives montrent que les sujets ayant réellement franchi F n’ont aucun effet, que le time-in-zone n’ajoute rien ou que r se distribue autour de 1, le domaine de validité devra être réduit. La méthode ne sauve pas les interventions : elle exige qu’on les réfute au bon niveau.