« Lis les études » : comment fonctionne vraiment la recherche sur l’alimentation et comment ne pas se faire avoir

Toutes les études scientifiques sur l'alimentation n'ont pas la même valeur. La communauté scientifique classe les recherches selon une pyramide des preuves : au sommet se trouvent les revues systématiques d'essais randomisés, à la base les études sur cellules et sur animaux. Celui qui cite "une étude" pour soutenir une alerte alimentaire va presque toujours pêcher dans la moitié inférieure. Sept questions suffisent à démonter 90% des affirmations qui circulent sur la nutrition.

Cela arrive dans les discussions à table, dans les commentaires sous un reel, dans les groupes WhatsApp où quelqu'un a partagé la dernière alerte alimentaire. À un moment, quand les arguments sont épuisés, la phrase tombe : "Lis les études."

C'est une phrase puissante. Elle clôt la discussion, met l'autre en difficulté, installe l'idée de celui qui sait face à celui qui ne sait pas. Elle n'a qu'un problème : dans la plupart des cas, celui qui la prononce n'a lu aucune étude. Il a lu un titre. Il a vu un reel. Il a entendu quelqu'un qui avait entendu quelqu'un. Et cette phrase, "lis les études", n'est pas une invitation à la connaissance. C'est une arme rhétorique. Elle sert à gagner une discussion, pas à chercher la vérité.

Cet article s'adresse à celui qui, la prochaine fois qu'il entend cette phrase, veut avoir les outils pour répondre par une question simple et dévastatrice : "Quelle étude ? Et où se situe-t-elle dans la pyramide ?"

Parce que cette pyramide existe. Elle est réelle. C'est la manière dont la communauté scientifique internationale classe les recherches selon leur fiabilité — c'est-à-dire leur capacité à te dire si une chose en cause réellement une autre, ou s'il ne s'agit que d'une impression. Toutes les études ne se valent pas. Et comprendre la différence est probablement la compétence la plus utile à développer pour ne pas se faire avoir par ceux qui parlent de nourriture comme d'une religion.

La pyramide compte dix niveaux. Au sommet se trouvent les rares études qui pèsent le plus. À la base se trouve la masse de travaux qui pèsent moins — non parce qu'ils seraient inutiles, mais parce qu'ils ne peuvent pas, à eux seuls, démontrer quelque chose de définitif. Plus on monte, moins il y a d'études, parce que celles du sommet coûtent des millions, durent des années et nécessitent des milliers de personnes. Plus on descend, plus il y en a, parce qu'elles sont plus faciles et plus rapides à réaliser. Et c'est là tout le point : lorsqu'un gourou cite "une étude", il va presque toujours la chercher dans la moitié inférieure.

Partons du bas et remontons.

Au rez-de-chaussée se trouvent les études sur cellules en laboratoire et sur animaux (dans le jargon technique, études in vitro et études sur modèles animaux : les premières sont menées en laboratoire sur des cellules isolées, les secondes sur des souris, des rats ou d'autres animaux). Elles sont fondamentales pour comprendre un mécanisme biologique — comment une substance interagit avec une cellule, ce qui se passe dans le foie d'une souris lorsqu'on lui donne une molécule donnée. Mais elles ne disent pas ce qui arrive à un être humain qui mange normalement. Une souris n'est pas un homme. Une cellule dans une boîte de Petri n'est pas un organisme. Et surtout, les doses utilisées dans ces expériences sont souvent des centaines ou des milliers de fois supérieures à celles que tu absorberais en mangeant. Quand quelqu'un te dit "ça cause le cancer" en citant une étude sur des souris, il fait un saut logique énorme — comme dire que, puisqu'une voiture se détruit à 300 km/h, conduire à 50 est dangereux.

Un cran au-dessus se trouvent les avis d'experts, les revues narratives et les déclarations de consensus (en anglais : expert opinion, narrative review, consensus statement — des textes dans lesquels un ou plusieurs experts exposent leur point de vue sur un sujet, en choisissant quelles études citer et lesquelles ignorer, sans méthode systématique de sélection). Ils ont une valeur : ils donnent la perspective de quelqu'un qui connaît le domaine. Mais ils sont subjectifs par définition. L'expert choisit ce qu'il inclut et ce qu'il exclut. S'il a une opinion forte — ou un conflit d'intérêts — sa sélection sera orientée. Ce n'est pas une preuve scientifique. C'est un avis autorisé. La différence compte.

Viennent ensuite les études écologiques et les cas cliniques (l'étude écologique compare les données de populations entières — par exemple : "les pays qui consomment le plus d'huile d'olive ont moins d'infarctus" ; le case report décrit en détail ce qui est arrivé à un seul patient ou à un petit groupe). L'étude écologique est celle qui produit les gros titres, parce que les chiffres paraissent énormes et les conclusions évidentes. Le problème, c'est que comparer des pays entiers masque mille variables : climat, génétique, système de santé, mode de vie. Le fait que l'Italie ait moins d'infarctus que l'Europe du Nord ne démontre pas que l'huile d'olive en soit la cause — cela pourrait être le climat, la sociabilité, le type de travail, cent autres choses. Le cas clinique, lui, est utile pour signaler quelque chose de nouveau ou d'inhabituel, mais il s'agit d'un cas. On ne généralise pas à partir d'un seul.

Montons encore. Les études transversales (cross-sectional study : on photographie une population à un moment donné et on mesure simultanément l'exposition et l'effet) te disent que deux choses coexistent, mais pas laquelle est venue en premier. Si tu prends une photo et observes que les personnes qui mangent davantage de légumes sont aussi plus minces, tu ne peux pas conclure que les légumes font maigrir. Ce pourrait être l'inverse : les personnes plus minces, pour mille raisons, ont tendance à manger davantage de légumes. Cause et conséquence sont emmêlées et tu ne peux pas les séparer.

Puis viennent les études rétrospectives et cas-témoins (retrospective cohort et case-control study : dans le premier cas, on prend un groupe de personnes et on remonte dans le temps pour reconstruire ce qu'elles ont mangé ; dans le second, on part de personnes déjà malades et on les compare à des personnes non malades en cherchant des différences dans le passé). Elles sont plus informatives que les études transversales parce qu'elles essaient au moins de reconstruire une séquence temporelle. Mais regarder en arrière est toujours moins précis que regarder vers l'avant. Les gens se souviennent mal de ce qu'ils ont mangé hier, alors dix ans plus tôt... Et une personne déjà malade tend — involontairement — à mieux se souvenir des habitudes qu'elle pense susceptibles d'avoir contribué à sa maladie.

L'étude de cohorte prospective (prospective cohort study : on prend un grand groupe de personnes en bonne santé, on enregistre ce qu'elles mangent aujourd'hui, puis on les suit pendant des années — parfois des décennies — pour voir qui tombe malade et qui ne tombe pas malade) est le premier niveau vraiment solide parmi les études observationnelles. Ici, personne n'intervient sur l'alimentation : on observe. L'avantage est que la séquence temporelle est claire — l'exposition vient d'abord, l'effet ensuite. La limite est qu'observer n'est pas contrôler. Mille facteurs cachés peuvent expliquer le résultat. Celui qui mange davantage de poisson est peut-être aussi plus riche, plus instruit, plus attentif à sa santé en général — et c'est peut-être cela, et non le poisson, qui fait la différence.

Ici se produit un saut qualitatif. Les revues systématiques avec méta-analyse d'études observationnelles (systematic review + meta-analysis : un groupe de chercheurs recherche toutes les études disponibles sur une question précise, les sélectionne selon des critères rigoureux définis à l'avance, puis combine mathématiquement leurs résultats pour obtenir une réponse unique et plus précise) prennent tout ce qui existe sur un sujet — des dizaines, parfois des centaines d'études — et en font une synthèse. C'est comme écouter tous les témoignages d'un procès au lieu d'un seul. La force vient de la quantité et de la méthode : tu ne choisis pas les études que tu veux inclure, tu inclus toutes celles qui satisfont les critères. La limite, c'est que si toutes les études de départ sont observationnelles, la synthèse reste observationnelle. Tu peux calculer la moyenne de cent études faibles, mais la moyenne d'études faibles ne devient pas une preuve forte.

Au-dessus se trouvent les essais contrôlés non randomisés et les interventions sur des communautés (non-randomized intervention study et cluster trial : dans le premier, on compare deux groupes — l'un reçoit l'intervention, l'autre non — mais sans assignation aléatoire ; dans le second, on intervient sur des communautés entières, comme une école ou un quartier, et l'on mesure l'effet à l'échelle collective). C'est un pas en avant parce qu'ici quelqu'un intervient activement — modifie l'alimentation, le menu scolaire, l'offre alimentaire — mais l'absence de hasard dans l'attribution rend les résultats moins propres.

Nous arrivons alors au niveau que beaucoup considèrent comme la référence : l'essai contrôlé randomisé (randomized controlled trial, abrégé RCT : on prend des personnes, on les répartit au hasard en deux groupes, l'un reçoit l'intervention — un régime, un aliment, un complément — et l'autre non, puis on compare les résultats). La répartition aléatoire est le point clé : elle élimine — en théorie — toutes les variables cachées qui brouillent les études observationnelles. Si tu répartis au hasard mille personnes et que tu donnes de l'huile d'olive à la moitié et pas à l'autre moitié, les différences de revenus, d'éducation, de génétique et de mode de vie se répartissent de façon comparable dans les deux groupes. Ce qui reste, c'est l'effet de l'huile. Une variante encore plus précise est le crossover trial, dans lequel les mêmes personnes reçoivent à la fois le traitement et le contrôle à des moments différents — chacun devient ainsi son propre comparateur. La limite des RCT en nutrition est pratique : tu ne peux pas faire manger la même chose à quelqu'un pendant vingt ans pour voir s'il tombe moins malade. Ils coûtent des millions. Ils durent très longtemps. Et ils sont souvent impossibles sur le plan éthique.

Au sommet de la pyramide se trouvent les revues systématiques d'essais contrôlés randomisés et, encore au-dessus, les umbrella reviews — des revues de revues, c'est-à-dire des travaux qui synthétisent toutes les synthèses existantes sur un sujet. Elles représentent le niveau de certitude le plus élevé disponible en science nutritionnelle. Elles ne sont pas infaillibles — rien ne l'est — mais lorsqu'une umbrella review de haute qualité conclut quelque chose, cette conclusion a traversé davantage de niveaux de vérification que presque toute autre affirmation possible.

Voilà. C'est la pyramide. Et maintenant vient la partie qui compte vraiment.

Lorsque quelqu'un te dit "lis les études" et que tu lui demandes laquelle, trois choses peuvent arriver. Première possibilité : il ne sait pas répondre, parce qu'il n'a lu aucune étude. Deuxième : il te cite quelque chose de la moitié inférieure de la pyramide — une expérience sur des souris, un cas clinique, l'avis d'un expert — en le présentant comme une preuve définitive. Troisième possibilité, la plus rare : il cite réellement une étude solide. Dans ce cas, très bien. Mais la question suivante reste : cette étude est-elle cohérente avec le reste des preuves, ou est-ce l'exception utilisée pour effacer la règle ?

Parce que la désinformation alimentaire fonctionne presque toujours de la même manière. On prend une seule étude — peut-être réelle, peut-être correcte — et on l'arrache à son contexte. On ignore tout le reste. On confond corrélation et causalité : le fait que deux choses surviennent ensemble ne signifie pas que l'une provoque l'autre. On utilise des doses de laboratoire pour effrayer ceux qui consomment des doses normales. On cite des chiffres qui semblent énormes mais qui, dans la vie réelle, ne veulent presque rien dire — une différence statistique de 0,3% sur une cohorte de cent mille personnes donne un excellent titre de journal et ne change pas d'un millimètre ton risque personnel.

Si tu veux te protéger, sept questions suffisent. Ce sont les mêmes qu'un chercheur se pose lorsqu'il lit un travail. Elles ne demandent aucune compétence spéciale. Seulement la volonté de ne pas s'arrêter au titre.

Quel type d'étude est-ce ? Sur combien de personnes a-t-elle été menée ? Pendant combien de temps ? A-t-elle été réalisée sur des humains ou sur des animaux ? Qui l'a financée ? Les résultats ont-ils été confirmés par d'autres études indépendantes ? Et l'effet mesuré est-il réellement pertinent dans la vie quotidienne, ou tellement faible qu'il ne change rien à ta journée ?

Ces sept questions, appliquées régulièrement, démontent quatre-vingt-dix pour cent des affirmations que tu croises. Non parce qu'elles sont toutes fausses — certaines sont vraies, beaucoup sont partiellement vraies — mais parce que la façon dont elles sont communiquées est presque toujours déformée. On prend un fragment de vérité et on le gonfle jusqu'à en faire une certitude absolue. La science ne fonctionne pas ainsi. Elle fonctionne par accumulation : chaque étude ajoute une pièce, et ce n'est que lorsque beaucoup de pièces pointent dans la même direction qu'on peut commencer à parler de preuves solides.

Et c'est là que tout rejoint ce que nous avons dit sur les étiquettes, les applications, les systèmes d'évaluation. Ce sont tous des outils. La recherche scientifique est un outil. Aucune étude, à elle seule, ne clôt une question — pas même celles du sommet de la pyramide. Le but de toutes les études est d'accumuler de la connaissance et d'en tirer une synthèse. Celui qui te dit "c'est prouvé" simplifie presque toujours. Celui qui te dit "lis les études" ne les a presque toujours pas lues. Et celui qui a vraiment compris comment fonctionne la recherche est justement celui qui parle avec le plus de prudence — parce qu'il sait que la prudence n'est pas une faiblesse. C'est une compétence.

Une chose de plus mérite d'être retenue. "Haut dans la pyramide" ne signifie pas automatiquement vrai. Un essai contrôlé mal réalisé — avec peu de participants, de mauvais critères, un financeur qui a intérêt à obtenir un certain résultat — vaut moins qu'une étude observationnelle rigoureuse sur des dizaines de milliers de personnes suivies pendant vingt ans. La pyramide classe le potentiel de la méthode, pas la qualité de son exécution. Et de la même façon, "bas dans la pyramide" ne veut pas dire inutile. Les études sur cellules et sur animaux sont indispensables pour comprendre les mécanismes, pour générer les hypothèses qui serviront ensuite à construire des études plus importantes. Le problème naît seulement lorsque quelqu'un les utilise pour te dire ce que tu dois mettre dans ton assiette — en sautant toutes les étapes intermédiaires.

La prochaine fois que tu entendras "lis les études", ne baisse pas les yeux. Élève la question.