A la base j’ai recherché une valeur du risque acceptable pour le risque d’accident d’avalanche. Dans ce cas, on peut facilement devoir évaluer le risque pour 10 ou 20 pentes différentes par sorties (en éliminant d’abord les pentes trivialement safe). En effet, pour ne pas se louper il faut évaluer le risque pente par pente traversée ou sous laquelle on passe, pas en évaluant le risque pour tout l’itinéraire d’un coup.
A 100 sorties par an pendant 50 ans, ça fait 100000 pentes différentes dans une vie. Avec un risque acceptable de 1 ppm, ça donne un risque d’accident d’avalanche de 10 % au bout de sa vie (1 - 0,999999100000 = 1 - 0,905 = 9,5%).
Les valeurs exactes sont discutables, mais c’est l’ordre de grandeur qui compte.
Quand j’ai compris ça, j’ai complètement changé ma gestion du risque. Le but n’est pas de trouver des méthodes de réduction qui permettent de faire passer un risque de 30% à 10 ou 5%, mais d’en trouver qui divisent le risque par 10, 100 ou 1000 d’un coup. Donc quand je vois une méthode compliqué et fastidieuse qui ne réduit le risque que de 20 ou 30%, je ne l’utilise pas. Il faut des méthodes largement plus efficaces, il ne faut pas faire dans la dentelle (en tout cas pour les premières méthodes qu’on met en oeuvre, on aura tout le loisir de faire de la dentelle une fois atteint 5 ppm, pour descendre à 1 ou 2 ppm).
Pour les risques autres que le risque d’avalanche, on n’a peut être pas 100000 situations à gérer dans sa vie, mais peut être 10000 ou 40000, ou seulement 1000. Le risque acceptable pour ce type de risque peut alors être plus élevé. Mais pour un type de risque récurrent, que je dervrai gérer de nombreuses fois dans ma vie, mais je ne sais pas forcément combien, par défaut je prends un risque acceptable d’1 ppm quand même, pour être sûr de prendre assez de marge. D’autant plus que je peux ainsi réutiliser des techniques développées pour le risque d’avalanche, vu que l’ordre de grandeur est le même.
Je n’ai jamais parlé de stat.
