Une régularité empirique selon laquelle, pour de nombreux jeux de données numériques naturels, la distribution des chiffres décimaux initiaux d = 1,...,9 suit P(d) = log10(1 + 1/d), si bien que les petits chiffres (en particulier 1) apparaissent en position de premier chiffre beaucoup plus souvent que les grands, typiquement lorsque les données couvrent plusieurs ordres de grandeur et ne sont pas artificiellement contraintes.

Principe

Les jeux de données générés par des processus multiplicatifs, des mélanges invariants à l'échelle ou combinant des échelles hétérogènes tendent à produire des fréquences de premier chiffre approchant la distribution logarithmique de Benford ; la loi est donc une attente probabiliste, non une règle déterministe.

Démonstration

Scénario illustratif : simuler des valeurs en multipliant de façon répétée une valeur positive initiale par des facteurs aléatoires tirés d'une distribution couvrant plusieurs ordres de grandeur (processus stochastique multiplicatif). Les fréquences des premiers chiffres des nombres simulés convergent approximativement vers la distribution de Benford.

Mauvaise application

Employer la loi de Benford pour détecter une fraude dans des jeux de données qui ne satisfont pas ses conditions d'applicabilité (par exemple, listes d'identifiants attribués, plages restreintes ou données avec minima/maxima imposés). L'erreur est de considérer la loi comme universellement applicable plutôt que conditionnelle aux propriétés de génération des données.

Conséquence

Conséquence appliquée : la loi de Benford peut être un outil de dépistage utile pour signaler des jeux de données anormaux en vue d'une enquête plus approfondie (par ex. en audit forensique ou validation de données), mais les écarts sont seulement diagnostiques, non des preuves de manipulation ; faux positifs et faux négatifs sont possibles.

Inversion

Ne tient pas ou est faible lorsque les jeux de données sont bornés dans des plages étroites, comprennent des nombres attribués ou contraints (ID, numéros de facture), ou lorsqu'une seule échelle domine ; dans ces cas les fréquences des chiffres peuvent être uniformes ou suivre d'autres schémas.

Limite

Périmètre : mesures naturelles (grandeurs financières, mesures physiques, populations, etc.) couvrant plusieurs ordres de grandeur et non systématiquement arrondies ou tronquées. Hors périmètre : identifiants attribués par l'homme, mesures à faible étendue, ou constructions de données avec règles explicites sur les chiffres.

Tension sémantique

Tension entre la reconnaissance de motifs probabilistes (utilisation de Benford pour le dépistage) et la prudence inférentielle : s'appuyer sur Benford peut entrer en conflit avec la nécessité de preuves contextuelles substantielles lors d'allégations de manipulation.

Synthèse

La loi de Benford fournit une attente probabiliste compacte sur les chiffres initiaux, utile pour le dépistage et la compréhension des modèles ; sa valeur est d'indiquer où un examen substantiel complémentaire est nécessaire, et non de constituer une preuve concluante.