Comment transformer un énoncé touffu en un arbre de probabilité clair, lisible, qui mène presque tout seul au résultat ✅ ? Le diagramme en arbre sert précisément à cela : représenter une expérience aléatoire en plusieurs étapes sous forme de branches, avec les probabilités conditionnelles écrites directement sur chaque lien. On y voit les issues possibles, on suit chaque chemin de noeud en noeud, puis on lit la probabilité totale d’un événement en multipliant sur le chemin et en additionnant les branches qui conviennent. Entre les règles de construction, les erreurs classiques (tirages sans remise, branches qui ne s’additionnent pas à 1, confusion entre événement et issue) et les contrôles rapides, ce texte propose une véritable carte mentale : comparer les méthodes (tableau, arbre, formules), choisir la plus adaptée, construire pas à pas, puis vérifier.
Dans ce parcours, un cas fictif accompagne le lecteur : Maëlle, élève de Première, qui doit analyser des tirages successifs de lettres et des situations de type « A sachant B ». Ses hésitations servent de fil rouge pour repérer les décisions importantes : où placer une probabilité simple, où inscrire une probabilité conditionnelle, quand compléter par la formule de probabilités conditionnelles vue dans le cours, et comment vérifier qu’aucune issue n’a été oubliée. Le but n’est pas de mémoriser une recette, mais de voir comment chaque trait tracé correspond à une phrase précise de l’énoncé. Une fois cette correspondance bien installée, l’arbre de probabilité devient un outil souple, utile du Brevet à la Terminale, autant pour calculer que pour raisonner sur des événements plus abstraits.
En bref 🔍
- 🌳 Un arbre de probabilité est un diagramme qui représente une expérience aléatoire en plusieurs étapes, avec une probabilité inscrite sur chaque branche.
- 🧩 Chaque chemin reliant la racine à une issue correspond à un enchaînement d’événements, et sa probabilité se calcule par un produit de probabilités.
- ➕ La probabilité totale d’un événement se lit en additionnant les probabilités des chemins qui le réalisent.
- ♻️ Les probabilités conditionnelles se placent sur les branches de second niveau et au-delà, car elles dépendent de ce qui s’est passé avant.
- 🧪 Un bon arbre se contrôle toujours : la somme des probabilités qui partent d’un même noeud doit être égale à 1.
Arbre de probabilité : définition simple et usage en classe
Un arbre de probabilité est une représentation graphique où chaque branche porte une probabilité et où chaque feuille correspond à une issue possible de l’expérience. Pour les élèves, cette image sert autant à comprendre les liens entre événements qu’à faire un calcul de probabilités sans se perdre dans les fractions.
Au départ, on place un point, la racine, qui symbolise la situation avant toute épreuve. À partir de ce noeud, on fait partir une branche par événement possible au premier tirage, au premier lancer, ou à la première étape. Sur ces branches, on inscrit les probabilités simples associées, par exemple P(A) ou P(A̅). Puis, depuis chaque noeud de niveau 1, on trace à nouveau des branches pour la deuxième étape, cette fois avec des probabilités conditionnelles comme P(B|A) ou P(B|A̅). Ainsi, chaque chemin complet modélise un scénario précis.
Ce type de diagramme est devenu un passage obligé dans les programmes de lycée, car il relie le langage en mots (« on tire deux lettres sans remise ») aux calculs en fractions ou en pourcentages. Pour un aperçu plus formel, de nombreux cours comme ce support de probabilités en seconde rappellent les définitions utilisées ensuite dans les arbres.
Comparer arbre de probabilité, tableau et formule
Pour un même problème, faut-il préférer un diagramme en arbre, un tableau de contingence ou une formule symbolique comme P(A∩B) = P(A)×P(B|A) ❓ La réponse dépend du type de question et de la quantité de données à organiser.
Ce tableau compare rapidement les trois approches usuelles, comme Maëlle a dû le faire lors d’un devoir où l’énoncé proposait plusieurs représentations possibles.
| Outil 🔧 | Atout principal | Limite fréquente | Situations idéales ⭐ |
|---|---|---|---|
| Arbre de probabilité 🌳 | Visualise les étapes successives et les branches avec leurs probabilités | Devient lourd si on a beaucoup de niveaux ou d’issues | Tirages successifs, événements conditionnels, sans remise |
| Tableau de contingence 📊 | Regroupe les fréquences ou probabilités selon deux critères croisés | Moins intuitif pour plus de deux étapes | Étude de deux variables, indépendance, pourcentages dans un groupe |
| Formules symboliques ✏️ | Très compact pour des calculs comme la probabilité totale | Devient abstrait si la situation n’est pas d’abord schématisée | Questions du type P(A|B), théorème de Bayes, simplifications algébriques |
Pour une première approche, l’arbre de probabilité reste l’outil le plus parlant. Ensuite, lorsque la structure est maîtrisée, basculer vers les formules, par exemple via un rappel sur la formule des probabilités conditionnelles, aide à gagner en efficacité de calcul.
Construire un arbre de probabilité : méthode pas à pas
Pour construire un arbre fiable, la stratégie gagnante tient en quatre décisions successives : identifier les étapes de l’expérience aléatoire, distinguer les événements au premier niveau, choisir des probabilités cohérentes (simples ou conditionnelles) puis contrôler chaque noeud.
Cas fictif de départ pour Maëlle : un sac contient 11 lettres, avec 1 M, 4 I, 4 A et 2 autres lettres. Elle tire deux lettres sans remise. Les fractions associées au 1er tirage auront donc un dénominateur 11, car il y a 11 lettres au départ. Au 2e tirage, comme la lettre n’est pas remise dans le sac, les probabilités seront sur 10.
Étape 1 : repérer les issues au premier tirage
Premier choix, Maëlle liste les événements possibles au 1er tirage : tirer M, tirer I, tirer A, ou tirer une « autre » lettre. Cela produit quatre branches qui partent de la racine. Sur ces branches, elle inscrit :
- 🔹 P(M) = 1/11
- 🔹 P(I) = 4/11
- 🔹 P(A) = 4/11
- 🔹 P(Autre) = 2/11
Un premier contrôle s’impose : la somme de ces quatre probabilités doit faire 1. On vérifie que 1/11 + 4/11 + 4/11 + 2/11 = 11/11, ce qui valide la répartition de départ. Cette vérification sur le premier noeud évite déjà plusieurs erreurs en cascade.
Étape 2 : placer les probabilités conditionnelles au deuxième tirage
Au niveau suivant, on s’intéresse au 2e tirage, qui dépend du résultat du 1er. C’est là que les probabilités conditionnelles entrent en jeu. Elles expriment des phrases du type « probabilité de tirer I au 2e tirage sachant que M a été tirée au 1er ».
Puisque le tirage se fait sans remise, il reste 10 lettres. Le dénominateur des fractions devient donc 10. Les numérateurs ne changent pas, sauf pour la lettre qui a déjà été tirée. Par exemple, si la première lettre tirée est I, il ne restera plus que 3 I dans le sac, donc P(I au 2e tirage | I au 1er) = 3/10.
Étape 3 : exemple détaillé de branches pour deux tirages
Pour illustrer, Maëlle construit les branches de deuxième niveau dans quelques cas particuliers :
- 🟢 Cas « M puis I » : P(M au 1er) = 1/11, puis P(I au 2e | M au 1er) = 4/10, donc P(MI) = (1/11)×(4/10).
- 🟡 Cas « I puis I » : P(I au 1er) = 4/11, puis P(I au 2e | I au 1er) = 3/10, donc P(II) = (4/11)×(3/10).
- 🔴 Cas « M puis M » : P(M au 1er) = 1/11, puis la probabilité sur la 2e branche est 0/10, car il ne reste plus de M dans le sac.
Ce dernier exemple est précieux pédagogiquement : la branche existe dans le diagramme, mais la probabilité est 0. L’issue correspondante est théoriquement décrite, mais impossible dans l’expérience aléatoire. L’arbre permet de visualiser immédiatement cette impossibilité.
Étape 4 : contrôler les noeuds de chaque niveau
Une fois les branches de deuxième niveau tracées, Maëlle regroupe les probabilités qui partent d’un même noeud pour vérifier qu’elles s’additionnent bien à 1. Par exemple, après avoir tiré I au 1er tirage, les probabilités du 2e tirage doivent satisfaire :
(1/10) + (3/10) + (4/10) + (2/10) = 10/10.
Cette règle, « la somme des branches issues d’un même noeud vaut 1″, est le garde-fou le plus solide. Lorsqu’elle n’est pas respectée, l’erreur vient souvent d’un oubli d’issue ou d’un décompte faux du nombre de lettres restantes.
Lire un arbre de probabilité pour calculer une probabilité totale
Une fois l’arbre construit, le vrai travail devient de lecture. Chaque question de type « calculer la probabilité que… » se traduit en « choisir certains chemins et additionner leurs probabilités ». C’est précisément ce que l’on appelle une probabilité totale.
Formellement, lorsqu’un événement E peut se produire via plusieurs chemins incompatibles, la probabilité totale P(E) s’obtient en additionnant les probabilités de ces chemins. Dans un arbre, la probabilité d’un chemin unique est le produit des probabilités inscrites sur les branches qui le composent.
Exemple numérique : calcul de P(A̅C̅), P(A̅C), P(AB̅), P(AB)
Considérons une expérience à deux étapes, avec l’événement A au premier niveau et C ou B au second. On dispose des valeurs suivantes :
- 🔹 P(A̅) = 2/3
- 🔹 P(A) = 1/3
- 🔹 P(C̅ | A̅) = 2/5 et P(C | A̅) = 3/5
- 🔹 P(B̅ | A) = 1/4 et P(B | A) = 3/4
Sur l’arbre, on place donc au premier niveau deux branches de probabilités 2/3 (pour A̅) et 1/3 (pour A). Puis, au second niveau, on ajoute pour chaque noeud les probabilités conditionnelles correspondantes. Les probabilités des différents chemins s’obtiennent par produit :
- ✅ P(A̅C̅) = (2/3) × (2/5)
- ✅ P(A̅C) = (2/3) × (3/5)
- ✅ P(AB̅) = (1/3) × (1/4)
- ✅ P(AB) = (1/3) × (3/4)
Ces quatre chemins sont incompatibles et couvrent toutes les issues possibles de l’expérience. Leur somme donne donc 1, ce qui fournit un contrôle global sur l’arbre déjà construit.
Utiliser l’arbre pour retrouver une formule de probabilité totale
À partir du même exemple, Maëlle peut retrouver la formule abstraite. Par exemple, si l’événement E est « C se produit », il correspond aux chemins A̅C et AC (si le schéma précis prévoit aussi C sous A). Dans l’arbre, P(E) = P(A̅C) + P(AC). En factorisant, on retrouve une formule du type :
P(E) = P(A̅)×P(C|A̅) + P(A)×P(C|A).
Ce passage du dessin à la formule est un excellent entraînement au raisonnement symbolique. Il prépare aussi les usages plus poussés en Terminale, lorsqu’intervient une écriture plus condensée des probabilités conditionnelles comme P(A|B). Des ressources comme cette fiche sur P(A sachant B) montrent ces passages sous une forme plus théorique.
Probabilités conditionnelles et arbre pondéré : articuler les deux langages
L’expression « probabilité pondérée » désigne souvent un arbre où chaque branche est étiquetée par la probabilité correspondante. Ces étiquettes traduisent des phrases du cours sur les probabilités conditionnelles dans un langage visuel.
Dans les exercices de lycée, cette traduction se fait dans les deux sens : l’énoncé donne parfois un arbre qu’il faut interpréter en termes de P(A|B), P(B), P(A∩B), et parfois l’inverse, une liste de probabilités qu’il faut organiser en branches puis en noeuds cohérents.
Construire les probabilités conditionnelles depuis un texte
Pour guider Maëlle, on peut suivre trois questions successives :
- 📌 Quels événements jouent le rôle de « condition » (ce qui s’est passé avant) et lesquels jouent le rôle d’issue conditionnelle (ce qui vient après) ?
- 📌 Peut-on identifier directement des probabilités du type « parmi ceux qui… » qui seront placées sur les branches secondaires de l’arbre ?
- 📌 Les données se rapportent-elles à des effectifs ou déjà à des probabilités (pour éviter de mélanger les unités) ?
Une fois ces points clarifiés, les branches du deuxième niveau se remplissent presque mécaniquement. Cela rend visible la différence entre P(A∩B) (un chemin complet) et P(B|A) (une seule branche au deuxième niveau à partir du noeud A).
Lire les probabilités conditionnelles sur un arbre existant
Lorsqu’un arbre est fourni dans l’énoncé, la tâche consiste à reconnaître quels nombres représentent des probabilités conditionnelles. Tout nombre placé sur une branche de niveau 2 ou plus, partant d’un noeud spécifique, s’interprète comme une probabilité conditionnelle par rapport à l’événement correspondant à ce noeud.
Par exemple, dans l’arbre du paragraphe précédent, la valeur 3/5 écrite sur une branche étiquetée « C » qui part de A̅ se lit immédiatement comme P(C|A̅) = 3/5. Ce type de lecture est crucial dans les exercices où l’on demande de déterminer P(A∩B) ou P(A|B) sans refaire tous les calculs initiaux, simplement en exploitant le diagramme.
Étude d’un cas sans remise : où se cachent les erreurs courantes ?
Les tirages sans remise, comme ceux des lettres du mot IMAGINAIRE dans le sac de Maëlle, sont un terrain fertile pour les erreurs. Pourtant, toutes ces erreurs racontent quelque chose sur la compréhension de l’arbre de probabilité et sur la logique de l’expérience aléatoire.
L’un des pièges les plus fréquents consiste à oublier de modifier le dénominateur au 2e tirage, ou à ne pas adapter les numérateurs pour la catégorie déjà tirée. Résultat : les sommes au niveau des noeuds dépassent 1, ou certains produits de probabilités dépassent eux aussi les bornes plausibles.
Erreur typique : garder 11 au dénominateur au second tirage
Si Maëlle écrivait encore des fractions sur 11 pour le 2e tirage, l’arbre annoncerait implicitement que le sac contient toujours 11 lettres, donc que la lettre est remise. Le schéma ne correspondrait plus à la situation physique. C’est une erreur de cohérence entre modèle et réalité.
Pour diagnostiquer ce problème, un indice simple suffit : pour un tirage sans remise, le dénominateur doit décroître à chaque niveau de l’arbre. Si ce n’est pas le cas, le modèle décrit plutôt une expérience « avec remise », donc une autre expérience aléatoire.
Erreur subtile : oublier qu’une branche peut avoir une probabilité 0
Le cas « MM » dans l’exemple des lettres illustre une seconde confusion possible. Certains élèves suppriment purement et simplement la branche lorsque la probabilité est nulle. Cela fausse alors la vision globale de l’arbre, qui ne montre plus toutes les issues conceptuellement possibles.
En gardant la branche, mais en y écrivant la probabilité 0/10, l’arbre garde une description complète des scénarios logiques, tout en rappelant que ce scénario ne se produit jamais. Sur le plan du calcul, la contribution de ce chemin est nulle lors d’un calcul de probabilité totale, mais sa présence rend le schéma plus cohérent.
Arbre de probabilité et générateurs en ligne : appui ou béquille ?
Des outils en ligne récents proposent de tracer automatiquement des arbres. Certains sites permettent par exemple de créer un arbre à 2 ou 3 niveaux, orienté « de haut en bas » ou « de gauche à droite », puis d’exporter un graphique au format SVG. D’autres vont plus loin, avec une aide à la construction basée sur l’intelligence artificielle.
Concrètement, ces générateurs demandent le nombre de niveaux de l’arbre, puis la liste des événements à chaque étape, et produisent une image prête à l’emploi. Pour un enseignant, ces outils offrent un gain de temps visuel. Pour un élève, ils peuvent servir à vérifier un résultat ou à nettoyer une représentation faite au brouillon.
Garder la maîtrise du raisonnement malgré l’outil
La vraie question devient alors : qui décide des probabilités sur les branches ? Un outil peut tracer des traits, mais il ne remplace pas la compréhension du texte d’énoncé. Si Maëlle laisse l’outil choisir les valeurs, elle ne saura plus vérifier si la somme des branches qui quittent un même noeud vaut 1, ou si les fractions 1/11 puis 1/10 traduisent bien l’expérience « sans remise ».
Utiliser ces générateurs comme support graphique reste donc pertinent, à condition de garder au centre la logique de l’expérience aléatoire et la capacité à construire l’arbre soi-même sur une feuille de papier. Le dessin n’est qu’un support du raisonnement, pas l’inverse.
À quoi sert un arbre de probabilité au lycée ?
Un arbre de probabilité sert à représenter une expérience aléatoire en plusieurs étapes, comme des tirages successifs ou des tests conditionnels. Chaque branche porte une probabilité et chaque chemin complet correspond à une issue possible. L’arbre aide à calculer des probabilités totales, à travailler sur les probabilités conditionnelles et à vérifier que toutes les issues ont été prises en compte.
Comment calculer la probabilité d’une issue sur un arbre de probabilité ?
Pour une issue donnée, on suit le chemin qui relie la racine à cette feuille en passant par les branches correspondantes. La probabilité de cette issue est le produit des probabilités inscrites sur ces branches. Si un événement peut se produire par plusieurs chemins, on additionne les probabilités de ces chemins pour obtenir la probabilité totale de l’événement.
Comment reconnaître une probabilité conditionnelle sur un arbre ?
Sur un arbre de probabilité, une probabilité conditionnelle apparaît sur une branche de niveau 2 ou plus, partant d’un noeud précis. Elle se lit toujours comme la probabilité d’un événement sachant que l’on se trouve déjà dans la situation décrite par le noeud. Par exemple, une branche portant 3/5 au départ du noeud A̅ se lit P(C|A̅) = 3/5.
Comment vérifier qu’un arbre de probabilité est correct ?
On effectue plusieurs contrôles : la somme des probabilités des branches qui partent d’un même noeud doit être égale à 1, aucun chemin ne doit mener à une probabilité négative ou supérieure à 1, et la somme des probabilités de toutes les issues doit aussi être égale à 1. Enfin, les libellés des branches doivent correspondre fidèlement à la description de l’expérience aléatoire dans l’énoncé.
Peut-on utiliser un arbre de probabilité pour plus de deux étapes ?
Oui, un arbre de probabilité peut comporter trois niveaux ou davantage, avec une branche par événement possible à chaque étape. Toutefois, le diagramme devient vite volumineux si le nombre d’issues est important, ce qui limite son usage pratique. Dans ce cas, il est souvent utile de commencer par un arbre pour bien comprendre la structure, puis de poursuivre les calculs en utilisant les formules de probabilité conditionnelle et de probabilité totale.