Hérédité : à quel point un trait est réactif localement aux interventions génétiques. Plasticité : à quel point un trait est réactif localement aux interventions environnementales. Les éleveurs et les ingénieurs génétiques devraient se soucier de l'hérédité. Les éducateurs et les formateurs devraient se soucier de la plasticité.

L'héritabilité est estimée en supposant un environnement constant, la plasticité en supposant le contraire. Ces deux hypothèses sont bien sûr fausses : l'environnement n'est pas constant et la population non plus. Mais les estimations locales fonctionnent, pour la plupart.

Une forte héritabilité pour un trait donné n'implique pas une faible plasticité, et vice versa. Les deux concernent la sensibilité d'un trait aux interventions (connues). La couleur des cheveux à l'âge adulte est très sensible aux changements tant génétiques qu'environnementaux, tandis que le nombre de têtes est insensible aux deux.

Les estimations de l'héritabilité sont également relatives à la variance génétique qui existe réellement dans la population, ainsi qu'à la plasticité par rapport à la variance environnementale qui existe réellement. Nous ne nous soucions pas vraiment de l'un ou de l'autre. Ce qui nous intéresse réellement, c'est quelque chose que je n'ai pas vu défini ailleurs, bien que les gens l'utilisent implicitement tout le temps : l'héritabilité et la plasticité contrefactuelles estimées sous des interventions connues, et sous des interventions plausiblement découvrables.

Tel que défini normalement, l'héritabilité et la plasticité n'utilisent pas le do-calculus de Pearl. Elles ne vous disent pas à quoi vous attendre sous intervention, juste ce que vous pouvez prédire à partir de l'observation. Ce que nous voulons réellement, c'est quelque chose que nous pourrions appeler héritabilité/plasticité attendue à la place.

L'Inference Active fait une distinction similaire entre la minimisation de l'énergie libre variationnelle et la minimisation de l'énergie libre attendue. Très grossièrement, l'énergie libre attendue prend en compte l'ambiguïté (inconnues inconnues). Que se passe-t-il si votre ensemble d'interventions ou vos métriques sont erronés ?

Avec une information parfaite et un calcul infini, ceux-ci sont les mêmes. Si votre modèle est correct et complet, vous pouvez simplement aller à la réponse. Mais si les choses sont ambiguës… vous devez faire un compromis entre intervenir pour en apprendre davantage sur l'intervention et intervenir pour des raisons pragmatiques.

Si vous testez toutes les interventions individuelles, vous trouverez l'ensemble des traits qui sont principalement socialement indépendants. S'il existe un trait où les normes sociales sont importantes, il vous sera invisible. Aucun nombre de tels ECR ne pourra jamais le découvrir. Si vous utilisez ensuite le fait que toutes les interventions qui ont été expérimentalement vérifiées comme efficaces sont des interventions individuelles pour prioriser les expériences à réaliser... le piège se referme.

La solution est l'humilité. Les résultats des interventions génériques et environnementales sont incroyablement complexes et difficiles à prédire. Nous savons certaines choses, mais les limites de notre connaissance sont très réelles. Faire des déclarations définitives sur ce qui est ou n'est pas possible est imprudent.

En restant ouvert à l'apprentissage, nous nous offrons l'opportunité de remarquer cette petite note de curiosité, de discordance, qui pourrait mener à un véritable apprentissage. Et étant donné l'importance du sujet, et nos compétences manifestement limitées aujourd'hui, une telle humilité est nécessaire.