Test de dépistage : que vaut un test positif ?

Énoncé

Un test de dépistage d'une maladie donne : - 95 % de résultats positifs pour les personnes malades - 2 % de résultats positifs pour les personnes saines On sait que 1 % de la population est malade. a) Construire un arbre pondéré. b) Calculer la probabilité qu'une personne ait un test positif. c) Si une personne a un test positif, quelle est la probabilité qu'elle soit réellement malade ?

Indice : Utilise un arbre avec "Malade/Sain" au premier niveau et "Positif/Négatif" au deuxième niveau. Pour la question c), applique la définition de la probabilité conditionnelle : PP(M) = (P(M ∩ P))/(P(P)).

Correction

  1. Étape 1 : Le même mécanisme qu'à l'exercice « Remonter un arbre » (l'usine), appliqué à une situation où le résultat contredit l'intuition — c'est l'exercice le plus important du chapitre. 👉 Un test qui détecte 95 % des malades semble excellent. On s'attend donc à ce qu'un résultat positif signifie « presque sûrement malade ». Le calcul va dire l'inverse, et il faut comprendre pourquoi. La démarche, identique : 1. arbre : la maladie d'abord, le résultat du test ensuite ; 2. P(positif) en additionnant les deux chemins qui y mènent ; 3. renversement par la définition de la probabilité conditionnelle. ⚠️ Et l'on gardera en tête la donnée qui décide de tout : seulement 1 % de la population est malade.
  2. Étape 2 : a) L'arbre. On note M « malade », S « sain », P « test positif », N « test négatif ». Premier niveau : P(M) = 0,01 et P(S) = 0,99 — somme = 1 ✓ Second niveau : PM(P) = 0,95 et PM(N) = 0,05 (le test rate 5 % des malades) PS(P) = 0,02 et PS(N) = 0,98 (le test se trompe sur 2 % des sains) Chaque nœud somme à 1 ✓

    P(M) = 0,01 ; PM(P) = 0,95 ; PS(P) = 0,02

  3. Étape 3 : b) La probabilité d'un test positif. Deux chemins y mènent — un malade correctement détecté, ou un sain faussement signalé : P(P) = 0,01 × 0,95ᵥᵣₐᵢₛ ₚₒₛᵢₜᵢfₛ + 0,99 × 0,02fₐᵤₓ ₚₒₛᵢₜᵢfₛ = 0,0095 + 0,0198 P(P) = 0,0293 ⚠️ Regarde les deux termes. Les faux positifs (0,0198) sont plus de deux fois plus nombreux que les vrais positifs (0,0095) — alors que le taux d'erreur sur les sains n'est que de 2 %. 👉 La raison : il y a 99 fois plus de sains que de malades. Même un très faible pourcentage d'erreur, appliqué à une population énorme, produit plus de cas qu'un excellent taux de détection appliqué à une population minuscule.

    P(P) = 0,0095 + 0,0198 = 0,0293

  4. Étape 4 : c) Le renversement, par la définition : PP(M) = (P(M ∩ P))/(P(P)) = (0,0095)/(0,0293) ≈ 0,324 soit environ 32 % ⚠️⚠️ Le résultat est déconcertant, et il est juste. Un test qui détecte 95 % des malades, appliqué à quelqu'un dont le résultat est positif, ne donne qu'une chance sur trois d'être réellement malade.

    PP(M) ≈ 0,32

  5. Étape 5 : 👉 Comprendre le paradoxe : raisonner sur 10 000 personnes. | | malades (1 %) | sains (99 %) | total | |:---|---:|---:|---:| | effectif | 100 | 9 900 | 10 000 | | tests positifs | 95 | 198 | 293 | | tests négatifs | 5 | 9 702 | 9 707 | Sur les 293 personnes qui ont un test positif, seulement 95 sont malades : 95/293 ≈ 32 % ✓ Tout est là. Les 198 faux positifs viennent d'une erreur de 2 % appliquée à 9 900 personnes ; les 95 vrais positifs, d'une réussite de 95 % appliquée à seulement 100 personnes. La rareté de la maladie l'emporte sur la qualité du test. ℹ️ Ce n'est pas un exercice artificiel : c'est exactement pourquoi on ne dépiste pas une maladie rare sur toute la population, et pourquoi un test positif est toujours suivi d'un second examen. Le second test, lui, s'applique à une population où la maladie n'est plus rare (32 % au lieu de 1 %) — et il devient donc bien plus concluant.

    95/(95+198) = 95/293 ≈ 32 %

  6. Étape 6 : L'erreur classique : Répondre 95 % — c'est-à-dire confondre PM(P) et PP(M). C'est la même confusion qu'à l'exercice « Remonter un arbre » (l'usine), mais ici elle a des conséquences réelles : c'est l'erreur que commettent la plupart des gens, y compris des professionnels, devant un résultat de test. 👉 Le repère reste le même : PM(P) = « sachant malade, probabilité d'un test positif » (une propriété du test). PP(M) = « sachant le test positif, probabilité d'être malade » (ce qui intéresse le patient). Deux questions, deux nombres. À retenir : Quand la maladie est rare, les faux positifs peuvent dépasser les vrais — même avec un excellent test. 👉 Et le meilleur moyen de le comprendre est de raisonner sur une population de 10 000 : les effectifs parlent là où les pourcentages trompent.