La probabilité conditionnelle est un outil fondamental des statistiques qui permet d’ajuster l’estimation de la survenance d’un événement en tenant compte d’une information supplémentaire. Notée P(A|B), elle se lit « probabilité de A sachant B » et s’exprime par la formule P(A|B) = P(A∩B) / P(B), à condition que P(B) soit strictement positif. Contrairement à une probabilité classique qui suppose un cadre fixe, cette approche dynamise l’analyse en intégrant des conditions réelles. Par exemple, en médecine, la fiabilité d’un test de dépistage varie selon que la population est à haut risque ou générale. En météorologie, la probabilité de pluie change radicalement si l’on sait qu’un front froid traverse la région. Cette notion éclaire aussi les jeux de cartes : la chance de tirer un as diminue si l’on a déjà retiré plusieurs cartes sans en voir. En pratique, elle structure la prise de décision dans l’intelligence artificielle, la finance ou l’épidémiologie, où l’ajustement continu des prédictions face à de nouvelles données est essentiel.