Vaccin Covid: les différences entre données scientifiques et fantasmes journalistiques

Une étude française sur la vaccination Covid est devenue, en quelques heures, un talisman médiatique: «25% de mortalité en moins», «absence de danger», «efficacité démontrée», «fake news éteintes». Avec le Dr Jean-Pierre Spinosa, nous avons repris le papier ligne par ligne pour distinguer ce que les données permettent d’affirmer, ce qu’elles interdisent de conclure, et pourquoi une bonne lecture statistique vaut mieux qu’une guerre de titres racoleurs… et surtout trompeurs.

© DR

Fin 2025, la presse mainstream s’enthousiasmait autour d’une «gigantesque» étude démontrant le bien-fondé de la politique de vaccination Covid. Publiée dans la prestigieuse revue JAMA, celle-ci concluait à une baisse de la mortalité de 25% chez les personnes vaccinées.

Des résultats «rassurants» et «catégoriques» qui viennent clouer le bec à «la sphère antivax», pour Le Parisien. Le fait que les vaccins à ARN messager contre le Covid ont bien fait «barrage à la mort», y compris dans la durée, serait désormais «un constat scientifiquement documenté», selon Libération. Les personnes vaccinées «courent moins de risques de décès», affirme Euronews, quand Le Monde statue de «l’absence de danger» et de «l’efficacité des vaccins» par le biais d’une étude qui «répond à la désinformation». De son côté, L’Express donne la parole au directeur d’EPI-Phare, le Groupement d’intérêt scientifique qui a mené cette étude. Selon lui, les chiffres viennent définitivement «éteindre toutes les fake news».

Rapidement, les opposants aux mesures Covid sont vent debout contre cette étude et les faits sont noyés sous des torrents de propagande et d’invective de part et d’autre. Chez L’Impertinent, on a décidé de reprendre les choses dans l’ordre, calmement et rigoureusement, avec l’aide d’un habitué de l'exercice. Le Dr Jean-Pierre Spinosa est médecin et ancien chargé de cours à la faculté de médecine de Lausanne, ainsi qu'ancien chargé d’enseignement à la faculté de médecine de Genève. Il est également co-auteur d’une enquête sur le Gardasil, aux côtés de la journaliste d’investigation dans le domaine scientifique Catherine Riva (La piqûre de trop, Xenia Editions, 2010). Dans cet ouvrage, le praticien s'est employé à décortiquer scientifiquement les études concernant le vaccin contre les HPV. Lui-même auteur de très nombreuses publications scientifiques, le docteur Spinosa jouit d’une connaissance accrue de ce domaine.

D’où vient cette étude?

Le premier réflexe à avoir face à toute étude est de chercher les conflits d’intérêt de ses auteurs, pour le travail en question ainsi que pour les précédents. En l’occurrence, dans le corps même de l’étude, aucun conflit d’intérêt n’est déclaré. C’est également le cas de la plupart des papiers accessibles portés par les mêmes auteurs que nous avons pu consulter. Dans certains cas, c’est la mention des financements qui est laissée vacante. Est-il possible que des recherches scientifiques de cette ampleur soient payées par personne?

Selon les informations disponibles sur son site internet, EPI-Phare «repose en totalité sur des financements publics apportés par l’Agence nationale de sécurité du médicament (ANSM) et la Caisse nationale d’assurance maladie (Cnam)». Il s’agit donc d’un institut étatique. La question de savoir si l’État français peut être juge et partie se pose, puisque, selon les contrats signés avec les laboratoires pharmaceutiques (et publiés par L’Impertinent ICI), ces derniers ne sont pas responsables en cas d’effet secondaire des vaccins Covid. Comme pour n’importe quel problème de santé, c’est l’Assurance maladie qui prend en charge les consultations, examens et hospitalisations, selon les règles habituelles. Les indemnisations sont prises en charge par l’Office national d’indemnisation des accidents médicaux (ONIAM).

Avec cette étude, est-on face à un conflit d’intérêt de fait, puisque c’est l’État français qui la finance?

En 2024, une étude d’EPI-Phare menée par les mêmes chercheurs sur ce même vaccin, concluait que «les patients atteints de myocardite post-vaccinale, contrairement à ceux atteints de myocardite post-Covid-19, présentent une fréquence de complications cardiovasculaires inférieure à celle des patients atteints de myocardite conventionnelle à 18 mois.» Elle ajoutait: «Cependant, les patients affectés, principalement des jeunes hommes en bonne santé, peuvent nécessiter une prise en charge médicale jusqu’à plusieurs mois après leur sortie de l’hôpital.»

Ce que les statistiques disent… et ce qu’elles ne disent pas

Pour déterminer s’il existe un lien de causalité entre deux événements, un seul moyen existe: une étude prospective en double aveugle avec tirage au sort. C’est la seule façon de confirmer un signal. Tous les autres types d'études ne permettent que d’établir un lien de corrélation, nous a expliqué le Dr Spinosa, qui nous a adressé une démonstration pédagogique et accessible à tous pour s’essayer à la lecture d’une étude. La voici:

Lorsqu’une étude scientifique affirme qu’un traitement ou un vaccin réduit le risque de mourir de 25%, le chiffre impressionne. Il semble précis, objectif, définitif.

Pourtant, en science, un chiffre ne parle jamais tout seul. Il est le produit d’un raisonnement statistique, de choix méthodologiques et de comparaisons bien spécifiques.

Lire correctement une étude scientifique ne consiste donc pas à répéter un pourcentage, mais à comprendre comment il a été obtenu, sur qui et dans quelles conditions.

Prenons un exemple concret: une grande étude française récente sur la vaccination contre le Covid-19 et la mortalité à quatre ans.

1. Première règle: association ≠ causalité

Cette étude est rétrospective et observationnelle. Les chercheurs observent ce qui s’est passé dans la population; ils ne décident pas qui se vaccine ou non. Il n’y a pas de tirage au sort, contrairement à un essai clinique.

Conséquence directe: l’étude peut montrer une association statistique, elle ne peut pas prouver que le vaccin est la cause directe de la baisse observée de la mortalité.

Dire «les vaccinés meurent moins» n’est pas équivalent à dire «le vaccin fait baisser la mortalité».

Cette distinction est fondamentale, mais souvent oubliée dans le débat public.

Exemples didactiques

• Parapluies et pluie: plus il y a de parapluies, plus les rues sont mouillées. Association: oui. Causalité: non. Ce ne sont pas les parapluies qui mouillent la route. La cause commune est la pluie (facteur de confusion).

• Glaces et noyades: en été, plus on vend de glaces, plus il y a de noyades. Association: oui. Causalité: non. Ce ne sont pas les glaces qui provoquent les noyades. La cause commune est la chaleur, qui augmente à la fois la consommation de glaces et la baignade.

Règle 2: une simple différence ne suffit pas

Quand on compare deux groupes, il y a toujours des différences. Même si on compare deux groupes tirés au hasard, il y aura un peu plus de décès ici, un peu moins là: un écart, parfois visible.

Mais une différence observée ne signifie pas automatiquement qu’elle est réelle ou significative. Elle peut simplement être due au hasard.

Exemple simple: si on lance une pièce 10 fois, il est courant d’avoir 6 piles et 4 faces. Il y a une différence, mais cela ne prouve pas que la pièce est truquée.

Les tests statistiques existent précisément pour éviter ce piège (croire à une différence qui n'existe pas) et servent à répondre à une question essentielle: si les deux groupes étaient en réalité équivalents, quelle est la probabilité d’observer une différence comme celle que l’on voit?

Autrement dit: la différence observée est-elle due au hasard, ou est-elle trop grande pour être attribuée au hasard? Sans tests statistiques, on confondrait constamment les vraies différences et les fluctuations naturelles.

Règle 3: on ne se contente pas de «compter les morts»

Dans une étude de mortalité, on ne peut pas simplement comparer le nombre total de décès dans chaque groupe, car:

• certaines personnes sont suivies plus longtemps que d’autres;

• certaines entrent ou sortent de l’étude à des moments différents;

• les décès ne surviennent pas tous au même moment.

Comparer uniquement des totaux reviendrait à comparer des choses qui n’ont pas été observées de la même manière.

Le rôle du hazard ratio

Le hazard ratio est un outil conçu pour cette situation. Il ne compare pas seulement «combien de personnes sont mortes», mais à quelle vitesse les décès surviennent dans chaque groupe au fil du temps.

Il permet donc de répondre à une question plus juste: le risque de mourir, à chaque instant, est-il différent entre les deux groupes? C’est pour cela qu’il est utilisé dans les études de mortalité à long terme.

Règle 4: qui compare-t-on réellement?

Une question essentielle, rarement posée: les groupes comparés sont-ils vraiment comparables? C'est la raison pour laquelle on ne se fie habituellement qu'aux études sur tirage au sort qui permettent d'obtenir des groupes aux caractéristiques comparables.

Dans cette étude, le groupe «vacciné» regroupe par définition des personnes ayant accepté au moins une dose; le groupe «non vacciné» regroupe celles restées non vaccinées à une date donnée. Or, ces groupes ont des caractéristiques différentes et diffèrent souvent sur des points majeurs: niveau socio-économique, accès aux soins, comportements de santé, rapport à la médecine. Ce qui invalide toute comparaison.

Ces différences peuvent influencer la mortalité indépendamment du vaccin. Les statisticiens appellent cela un biais de sélection: les personnes qui se vaccinent sont souvent, en moyenne, en meilleure santé ou mieux suivies.

Exemple de biais de sélection: le biais des survivants consiste à surestimer les chances de réussite d’une démarche en ne regardant que ceux qui ont réussi – souvent des cas atypiques – tout en oubliant tous ceux qui ont échoué.

Pendant la Seconde Guerre mondiale, le statisticien Abraham Wald a été chargé de réduire les pertes de bombardiers. En analysant les impacts sur les avions revenus de mission, il a soutenu qu’il fallait renforcer non pas les zones les plus touchées, mais celles qui l’étaient le moins: si elles apparaissaient intactes chez les «survivants», c’est peut-être parce que les avions touchés à ces endroits ne rentraient pas.

Règle 5: quand commence réellement l’observation?

Dans cette étude, le suivi principal ne commence étonnamment pas au moment de la vaccination, mais six mois plus tard. Toutes les personnes décédées dans les six mois suivant la vaccination (ou la date équivalente pour les non-vaccinés) ne sont pas incluses dans l’analyse principale.

L’étude ne répond donc pas à la question «Que se passe-t-il juste après la vaccination?»

Elle répond à une question plus étroite: «Parmi les personnes encore vivantes après six mois, observe-t-on une différence de mortalité dans les quatre ans?»

C’est un choix méthodologique qui limite clairement la portée des conclusions.

Règle 6: que signifie vraiment «25% de réduction du risque»?

Le chiffre largement repris correspond à un hazard ratio de 0,75. Cela ne signifie pas que 25% des décès sont évités, ni que chaque individu a 25% de chances en moins de mourir.

Cela signifie que, dans le modèle statistique utilisé, le rythme de survenue des décès est plus faible dans un groupe que dans l’autre.

C’est une mesure relative, dépendante du modèle choisi, des variables intégrées et de la période analysée.

Un hazard ratio n’est jamais donné seul: il est accompagné d’un intervalle de confiance, qui joue le même rôle que l’écart-type pour une moyenne. Il indique l’incertitude autour du chiffre. Un hazard ratio mesure une différence avec incertitude, pas une vérité absolue ni une causalité.

Exemple tiré de l’étude: pour les noyades, HR = 0,73, avec un intervalle (0,57–0,99). Cela signifie que la vraie valeur du risque est probablement quelque part dans cette plage. Comme les noyades sont rares, l’intervalle est large: le résultat est peu précis et fragile.

Règle 7: attention aux biais qui révèlent des résultats absurdes

Un bon moyen de détecter les biais est de regarder les résultats impossibles à interpréter causalement.

Dans cette étude, les personnes vaccinées présentent aussi moins de décès par noyade, par accident de transport, par chutes ou encore par suicide. Ainsi que par morts accidentelles.

Le vaccin ne protège évidemment pas contre la noyade. Ces résultats montrent que les groupes comparés ont des profils de vie différents. Ils illustrent que les caractéristiques des personnes semblent avoir influencé les résultats.

Règle 8: ce qui n’est pas mesuré n’existe pas dans les conclusions

Comme déjà indiqué, cette étude ne mesure ni les six premiers mois, ni au-delà des quatre ans. Elle ne concerne que les adultes de 18 à 59 ans domiciliés en France. De plus, elle ne mesure pas les maladies chroniques non mortelles, les handicaps, les maladies auto-immunes non mortelles, ni la qualité de vie.

Ne pas mourir entre six mois et quatre ans ne signifie pas être en parfaite santé à dix ou vingt ans. Ces questions sont hors champ de l’étude.

9. Quelle conclusion honnête tirer?

Une lecture rigoureuse conduit à une conclusion nuancée:

• L’étude ne montre pas de surmortalité à long terme chez les personnes vaccinées entre six mois et quatre ans après la vaccination.

• Elle ne prouve pas que la vaccination réduit la mortalité globale de 25%.

• Elle ne permet pas d’évaluer les effets précoces avant six mois, ni les conséquences chroniques non mortelles.

• Elle semble juste démontrer que les groupes ne sont pas les mêmes et qu'il existe très probablement un biais de sélection.

Lire une étude scientifique, ce n’est pas choisir un camp. C’est comprendre ce que les chiffres autorisent à dire… et ce qu’ils interdisent d’affirmer. Un bon esprit scientifique ne consiste pas à croire ou à rejeter une étude, mais à la lire avec méthode, prudence et esprit critique. Les statistiques sont des outils puissants, à condition de ne pas leur faire dire plus qu’elles ne peuvent.

Médias ou «antivax»: de quel côté est la désinformation?

Le principe de la science, c’est d’être réfutable. Toutes les informations trop affirmatives et péremptoires sont donc à prendre avec des pincettes, puisqu'une étude ne concerne que le groupe de patients étudiés. En particulier lorsqu’elles disent carrément n’importe quoi, en tentant justement d’incarner la vérité et de dénoncer le mensonge.

Nous avons soumis au Dr Spinosa les différents titres de presse qui ont suivi la publication de cette étude. Voici le résultat:

Les vaccins Covid à l’origine de cancers? «Tout cela est faux», conclut une gigantesque étude (Le Parisien)

FAUX. Une étude observationnelle ne peut pas conclure à un lien de causalité.

La mortalité par cancer plus faible chez les personnes vaccinées de cette étude ne permet pas de conclure à une absence de lien de causalité du vaccin sur l’apparition ou le développement des cancers. Les auteurs eux-mêmes évoquent explicitement des facteurs de confusion résiduels (statut socio-économique, comportements de santé, accès aux soins), susceptibles d’expliquer en partie cette association.

Étude inédite sur la vaccination contre le Covid: «Le risque de mortalité est réduit de 20 à 25%» (Libération)

FAUX. Il s’agit d’une étude observationnelle qui ne permet pas d’établir un lien de causalité. La diminution observée de la mortalité, d'ailleurs de toutes causes, peut s’expliquer par des biais, notamment le biais de sélection.

COVID-19: les personnes vaccinées courent moins de risques de décès, selon une étude (EuroNews)

TROMPEUR. L’étude montre une association statistique, pas une preuve que la vaccination réduit le risque de décès. Les résultats sont compatibles avec des biais de sélection et de confusion non entièrement contrôlables.

Pr Mahmoud Zureik: «Sur les vaccins anti-Covid, notre étude devrait éteindre toutes les fake news» (L’Express)

FAUX. Une étude observationnelle, même de grande taille, ne peut pas «éteindre» des débats scientifiques complexes. Elle ne permet ni de prouver l’innocuité totale ni l’efficacité causale, et doit être interprétée avec prudence.

Covid-19: l’absence de danger et l’efficacité des vaccins à ARN messager démontrées par une vaste étude (Le Monde)

FAUX. L’étude ne démontre ni l’absence de danger ni l’efficacité au sens causal. Elle évalue la mortalité toutes causes confondues sur une période donnée et est affectée par des biais connus des études observationnelles.

Les vaccins anti-Covid ne causent aucune hausse de la mortalité (Le Matin)

TROMPEUR. L’absence de hausse de la mortalité observée ne signifie pas absence de risque. De plus, le résultat est fortement influencé par des biais: notamment les personnes décédées avant le délai post-vaccinal sont automatiquement classées comme non vaccinées, ce qui favorise artificiellement le groupe vacciné.

---

La piqûre de trop, Catherine Riva et Jean-Pierre Spinosa, Xenia Editions, 2010