A bien des égards, le psychologue apparaît (y compris souvent à ses propres yeux) comme celui qui donne du sens (à une situation, à une conduite). Par on ne sait quel mystère, sa quête de sens semble cependant s’arrêter là où commence son besoin de statistiques. Tout se passe en effet comme si l’enseignement des statistiques en psychologie devait se réduire à la présentation de quelques procédés magiques (un T de Student, un F de Fisher…), dans un ensemble fini de situations problèmes (comparer deux moyennes, deux variances, etc.). Cet enseignement catalogue est aussi ennuyeux pour l’enseignant qu’il l’est pour l’étudiant, autant qu’il est inefficace, car à ne pas comprendre les modèles sous-jacents aux statistiques de décision, on court un sérieux risque de les appliquer dans des situations où les attendus du modèle sont simplement absents. Ce risque n’est pas nul, même avec des statistiques très élémentaires et usuelles en psychologie : je ne compte plus le nombre d’articles où l’on utilise des T de Student sur données ordinales, des χ2 de Pearson sur comptages d’événements non indépendants, etc.
Ces procédés magiques que sont les « statistiques de décision » sont parfois rassemblées dans des opuscules qui ont toujours, peu ou prou, le même titre : Statistiques appliquées à la psychologie. Mais comment penser que l’on va aller chercher dans une boîte à outils toute faite les modèles qui donnent du sens aux données particulières d’une étude psychologique ? Cela ne se peut que si l’on a acquis, souvent sans le comprendre, qu’un certain formatage des données permettait de le faire (résumer des données en moyennes et écarts-types de groupes par exemple)…