L'affaire NK603
Les conclusions de l'étude
Autres études, autres conclusions
L'attitude de certains médias
La crédibilité des scientifiques
Monsieur Paul Deheuvels s'indigne !
Autres études, autres conclusions :
y'a quelque chose qui cloche là-dedans !
Mais la presse nous réserve d’autres surprises… On pouvait ainsi lire en février 2009
Ou, plus récemment
Cette « une » se base elle aussi sur une publication scientifique de Snell et al. (publiée… toujours dans la même revue Food and Chemical Toxicology). Cet article passe en revue 24 études sur le sujet et conclue
- The studies reviewed present evidence to show that GM plants are nutritionally equivalent to their non-GM counterparts and can be safely used in food and feed.
Mais là encore, la conclusion telle qu’elle est formulée par les auteurs de l’article va bien au delà de ce que les études permettent de dire. Rappelons en effet que beaucoup d’études portent sur des groupes de seulement 10 animaux, (parfois même 5 ou 3). On peut faire aux auteurs les mêmes reproches qu’à Séralini : conclure systématiquement de façon aussi définitive sur la base d’informations aussi limitées n’a pas de sens ! D’autre part, les tests mis en œuvre dans ces études sont des tests statistiques de comparaison qui n’autorisent en rien à conclure sur l’absence totale de risque ou sur la notion d’équivalence biologique. L’outil de statistique inférentielle théoriquement adapté à cette question est le test statistique d’équivalence.
L’évaluation des risques suit une stratégie dite « d’équivalence substantielle» basée sur la comparaison de caractéristiques diverses entre la PGM et son équivalent non transgénique. Une telle évaluation se base sur une analyse de données expérimentales. La statistique joue alors un rôle incontournable dans un tel cadre d’analyse, mais son rôle décisionnel reste limité. En effet, ce ne sont pas de seuls arguments statistiques qui permettent de conclure à l’innocuité ou la dangerosité d’un PGM. Un test statistique sert à évaluer le risque de se tromper en prenant une décision. Ainsi, un test statistique de comparaison permet d’évaluer la probabilité de se tromper en concluant à tort à l’existence d’une différence. Les conclusions que l’on peut tirer d’un tel test sont limitées pour différentes raisons :
|
Un des rôles du statisticien est d'éviter que des raccourcis soient pris sans précaution. Ainsi,
-
l'étude de Séralini conclue à la toxicité des OGM car elle emprunte un raccourci assez surprenant (que personne n'avait encore osé emprunter...):
Effet observé => Effet statistiquement significatif => Effet biologiquement significatif => DANGER !
-
les pétionnaires et de nombreuses études concluent à l'innocuité des OGM en empruntant allègrement des raccourcis très fréquentés (surtout par nos collègues biologistes...) :
Effet statistiquement non significatif => Effet biologiquement non significatif => Equivalence OGM/non OGM => PAS DE DANGER!
Le rôle des agences et d'instances comme l'AESA, l'ANSES et le HCB est de signaler l'utilisation de tels raccourcis, et de fournir des recommandations pour un meilleur usage de l'outil statistique.
Ainsi, de nouvelles lignes directrices de l’EFSA recommandent la mise en œuvre de nouvelles procédures statistiques comme l'analyse de puissance,
L’ANSES a également publié des Recommandations pour la mise en œuvre de l’analyse statistique des données issues des études de toxicité sub-chronique de 90 jours chez le rat dans le cadre des demandes d’autorisation de mise sur le marché d’OGM.
Ces nouvelles lignes directrices ne permettront pas de clore le débat de façon définitive, mais elles devraient permettre d’aboutir à l’avenir à un concensus sur les conclusions que l'on peut tirer d'une étude de toxicité.