Régularité empirique concernant la distribution des chiffres significatifs initiaux en base 10 dans de nombreux jeux de nombres naturels : la probabilité que le premier chiffre significatif soit d (1≤d≤9) vaut log10(1 + 1/d). La loi s'applique sous des conditions telles que l'invariance d'échelle et l'étalement sur plusieurs ordres de grandeur.

Principe

Pour des données non artificiellement bornées et couvrant plusieurs ordres de grandeur, la fréquence des premiers chiffres suit approximativement la loi logarithmique log10(1 + 1/d) ; les écarts à ce modèle peuvent indiquer des différences structurelles ou des anomalies nécessitant une analyse plus approfondie.

Démonstration

Scénario illustratif : un ensemble de comptes de citations scientifiques couvrant de 1 à 10000, s'il est invariant d'échelle et non tronqué, présentera des fréquences des premiers chiffres proches de la distribution de Benford ; on calcule les fréquences observées et on les compare aux proportions attendues pour détecter des écarts.

Mauvaise application

Appliquer la loi de Benford à de petits échantillons, à des données ayant des minima/maxima imposés, à des identifiants attribués (ID, numéros de téléphone) ou à des distributions limitées ; interpréter tout écart comme preuve de fraude sans tests complémentaires.

Conséquence

Fonctionne comme un outil de détection d'anomalies ou de qualité des données en prétraitement et en audit ; les écarts incitent à des investigations ciblées mais ne constituent pas une preuve définitive de manipulation ou d'erreur.

Inversion

Les jeux de données conçus par des humains, issus de processus contraints ou de mesures à une seule échelle ne suivent généralement pas Benford ; la loi n'est donc pas applicable comme test dans ces contextes.

Limite

Clairement dans : mesures numériques naturelles positives couvrant plusieurs ordres de grandeur sans troncature. Cas limite : valeurs agrégées ou normalisées réduisant l'échelle. Hors : codes catégoriels, identifiants attribués, pourcentages contraints à 0–100 ou plages petites et bornées.

Tension sémantique

Détection statistique d'anomalies ↔ Explication causale : Benford signale un écart sans en expliquer la cause sous‑jacente.

Synthèse

La loi de Benford est un instrument probabiliste de triage applicable sous conditions d'échelle et de génération des données ; elle nécessite des diagnostics contextuels pour des conclusions fiables.