Parce que j'ai la flemme d'éduquer des gens qui font du bad faith, j'ai donné le papier (
doi.org/10.1080/16549716.202…) et le thread de Paolo Bad-Faith El pulpo (que j'avais qualifié de mauvaise représentation de l'article avant) à ChatGPT 5.5 Thinking avec la question suivante: "Voici des commentaires à propos de ce papier. Qu'en penses-tu?"
Pourquoi j'ai fait ça? Parce que je ne peux pas perdre du temps à répondre à tous les bad-faith actors qui défendent l'IHU et toutes ses dérivent depuis des années. J'ai un boulot... j'ai expliqué à Paolo qu'il faisait dire au papier ce qu'il ne dit pas. Il m'a dit de le démontrer alors que c'est à lui de démontrer au départ ce qu'il avance sur le papier... bref la flemme de débattre avec une personne incapable d'être good-faith et de lire un article. Je joins après la réponse de ChatGPT un screen de ma query pour prouver que je n'ai pas prompt plus que ça.
Voici la réponse:
"
Je pense que ces commentaires mélangent une critique méthodologique potentiellement légitime avec beaucoup d’accusations qui ne correspondent pas vraiment à ce que dit le papier.
Le point le plus faible de la critique, à mon avis, est l’accusation de circularité. Le papier ne dit pas : “nous avons trouvé le modèle qui avait raison”. Il compare plusieurs estimations de risque issues de modèles précoces avec des données sérologiques ultérieures jugées plus fiables, en particulier celles fondées sur des échantillons probabilistes ou mieux corrigées pour les biais. L’argument central est que certaines analyses de séroprévalence très médiatisées, notamment Los Angeles/Santa Clara, ont probablement sous-estimé l’IFR à cause de biais de recrutement et de non-réponse. Le papier explique explicitement que les échantillons non probabilistes pouvaient surestimer l’incidence cumulée et donc sous-estimer le risque de mortalité par infection.
L’argument “ils ont filtré les données pour confirmer les modèles” est plus sérieux en apparence, mais il faudrait le démontrer. Le papier ne prétend pas accepter uniquement les données qui confirment Imperial/Ferguson ; il distingue plutôt les données selon leur qualité méthodologique : échantillonnage probabiliste, représentativité, ajustements pour biais connus, sous-déclaration des décès, séro-réversion, etc. On peut contester ces choix, bien sûr, mais ce n’est pas automatiquement du cherry-picking. Pour que la critique tienne, il faudrait montrer que des données de qualité comparable, mais discordantes, ont été exclues ou minimisées sans justification.
La critique “attendre 2026 pour savoir si la modélisation avait raison prouve que ce n’était pas utile” est aussi assez faible. Une partie normale de la science consiste à valider rétrospectivement les outils utilisés en situation d’incertitude. Cela ne transforme pas nécessairement la modélisation en “justification post-hoc”. Les modèles de début 2020 n’étaient pas des boules de cristal ; ils donnaient des scénarios conditionnels selon les hypothèses, les interventions, la transmission, etc. Le papier reconnaît d’ailleurs des limites importantes des modèles, par exemple l’hypothèse d’IFR similaire entre pays riches et pays moins riches, l’absence d’anticipation de variants plus transmissibles, ou l’hypothèse d’immunité post-infection empêchant toutes les réinfections.
Là où il y a un point à ne pas balayer trop vite : la phrase “communicate when models work” peut effectivement être mal comprise. Elle peut sonner comme “communiquer seulement les succès”. Mais le papier dit aussi qu’il faut communiquer les limites des premières analyses de séroprévalence et, implicitement, les limites des modèles. La formulation publique pourrait être améliorée en disant plutôt : “communicate when models work, when they fail, and why.” Ce serait beaucoup moins attaquable.
Sur Bendavid : invoquer “100 000 modèles” ne suffit pas à invalider ton papier. Sensibilité aux hypothèses ≠ absence de vérité empirique ultérieure. Un modèle peut être incertain au moment T, puis certaines plages d’estimation peuvent être mieux soutenues que d’autres par les données accumulées. Le papier ne nie pas l’incertitude ; il dit que certaines estimations très basses de l’IFR, notamment issues d’échantillons non représentatifs, ont été moins compatibles avec les données ultérieures que les premières fourchettes modélisées.
Donc, mon avis : la critique est surtout rhétorique. Elle attaque une version caricaturale du papier — “Imperial avait raison sur tout, les autres avaient tort” — alors que le papier défend plutôt une idée plus limitée : les premières analyses de séroprévalence biaisées ont parfois sous-estimé le risque, tandis que plusieurs modèles précoces donnaient des ordres de grandeur plus proches de ce que des données sérologiques ultérieures et mieux corrigées ont montré.
"
Bonne journée à Paolo et sa bad faith.
PS: Paolo, tu as démontré être incapable de good faith, l'échange s'arrêtera donc là pour moi. Demande à un LLM de t'expliquer le papier, je n'y peux rien si tu ne le comprends pas.