Calculatrice du théorème de Bayes

Un test est positif : quelle est la probabilité que l'événement soit réel ? Renseignez prévalence, sensibilité et taux de faux positifs.

Probabilité a posteriori
—

Besoin d'un autre calcul ?

Avec une prévalence de 1 %, une sensibilité de 90 % et 9 % de faux positifs, un test positif ne correspond à un vrai cas que dans 9,17 % des situations : sur 10 000 personnes, 90 vrais positifs contre 891 faux positifs.

Que dit le théorème de Bayes ?

Le théorème de Bayes permet de retourner une probabilité conditionnelle : P(A | B) = P(B | A) × P(A) ÷ P(B), avec P(B) = P(B | A) × P(A) + P(B | non A) × (1 − P(A)). Il montre qu'un test très fiable peut donner surtout des faux positifs quand l'événement recherché est rare — d'où l'intérêt de raisonner en fréquences naturelles (« sur 10 000 personnes… »).

Comment l'utiliser ?

  1. Indiquez P(A) : la probabilité a priori de l'événement.
  2. Renseignez la sensibilité P(B | A) et le taux de faux positifs P(B | non A).
  3. Lisez P(A | B) et la répartition sur 10 000 cas.

Cas d'usage

  • Interpréter un test de dépistage (valeur prédictive positive).
  • Exercices de probabilités au lycée et en licence.
  • Filtres antispam et raisonnement bayésien.

Erreurs fréquentes

  • Confondre P(A | B) et P(B | A) : c'est l'erreur classique du procureur.
  • Ignorer la prévalence (probabilité a priori).
  • Confondre taux de faux positifs et 1 − spécificité : ils sont égaux ici, mais pas à la valeur prédictive.

Pour aller plus loin : raisonner en fréquences naturelles

Pour éviter les erreurs, raisonnez sur 10 000 personnes : combien sont malades, combien de vrais positifs, combien de faux positifs. Le théorème de Bayes met à jour une probabilité a priori avec une observation. Il est utilisé en diagnostic, en filtrage de courrier indésirable et en apprentissage automatique.

Voir les probabilités, la loi binomiale et le calcul de pourcentage.

Compatibilité

Fonctionne sur mobile, tablette et ordinateur, sans inscription, tous les calculs s'exécutant localement dans votre navigateur. Pour d'autres lois de probabilité, voyez la loi binomiale et la loi normale.

Calcul 100 % local dans votre navigateur. Outil pédagogique : il n'interprète pas un résultat médical individuel.

Sources : Théorème de Bayes (1763). Dernière vérification : .

Questions fréquentes

Quelle est la formule de Bayes ?

P(A|B) = P(B|A) × P(A) ÷ P(B), où P(B) se calcule par la formule des probabilités totales.

Pourquoi un test fiable donne-t-il autant de faux positifs ?

Quand l'événement est rare, les cas sains sont bien plus nombreux : même un faible taux de faux positifs y produit beaucoup de résultats positifs.

Qu'est-ce qu'une fréquence naturelle ?

C'est un nombre de cas pour un effectif donné (ex. 891 sur 10 000), plus intuitif qu'un pourcentage.

Comment lire un test positif avec une maladie rare ?

Même un test très fiable donne beaucoup de faux positifs si la maladie est rare : la probabilité d'être malade après un test positif (valeur prédictive positive) dépend de la prévalence. Un test à 99 % sur une maladie touchant 1 personne sur 1 000 donne un risque réel d'environ 9 %.

Quelle différence entre sensibilité et spécificité ?

La sensibilité est la probabilité qu'un test soit positif chez un malade ; la spécificité, qu'il soit négatif chez un non-malade. Les deux, avec la prévalence, déterminent les valeurs prédictives.

Vérifié le 13 octobre 2026 · Responsable éditorial : Muhammad Ahmed