Heuristique
Les heuristiques sont des raccourcis cognitifs qui peuvent être appliqués consciemment ou inconsciemment pour réduire la complexité des décisions. Initialement, la recherche a mis l’accent sur les lacunes des heuristiques. L’approche » heuristique et biais » a montré que les gens s’appuient souvent sur des règles de décision simples mais qu’ils seraient mieux lotis – en termes de précision – s’ils ne le faisaient pas. Cette approche remonte aux travaux fondamentaux de Kahneman et Tversky. Les trois heuristiques qui ont reçu le plus d’attention sont la disponibilité, la représentativité, ainsi que l’ancrage et l’ajustement. L’heuristique de disponibilité fait référence à la tendance à évaluer la probabilité d’un événement en fonction de la facilité avec laquelle des exemples de cet événement nous viennent à l’esprit. (La tendance à évaluer la probabilité d’un événement en fonction de la facilité avec laquelle des instances de cet événement viennent à l’esprit). En général, les gens surestiment la probabilité d’un événement si des instances concrètes de cet événement sont facilement accessibles en mémoire. La facilité de rappel et la fréquence d’occurrence sont souvent corrélées. Un certain nombre de facteurs qui affectent la mémoire n’ont cependant aucun rapport avec la probabilité. Par exemple, les images vives sont plus faciles à se rappeler que les images pâles. Ainsi, on se souviendra probablement mieux d’avoir été impliqué dans un grave accident de voiture que des statistiques annuelles sur la fréquence des (types d’) accidents de la circulation. Les premières sont susceptibles d’avoir plus d’impact sur les estimations de probabilité que les secondes.
L’heuristique de représentativité fait référence à la tendance à évaluer la probabilité qu’un stimulus appartienne à une classe particulière en jugeant le degré auquel cet événement correspond à un modèle mental approprié. Un exemple bien connu de la façon dont l’ignorance des probabilités antérieures peut affecter le jugement a été rapporté par Kahneman et Tversky en 1973 (voir Kahneman, 2011). Dans leur étude, les répondants ont reçu de brèves esquisses de personnalité, censées représenter des ingénieurs et des avocats. On leur a demandé d’évaluer la probabilité que chaque portrait décrive un membre de l’une ou l’autre profession. La moitié des personnes interrogées ont été informées que la population à partir de laquelle les croquis avaient été dessinés était composée de 30 ingénieurs et de 70 avocats, les autres personnes interrogées ont été informées qu’il y avait 70 ingénieurs et 30 avocats. Les résultats ont montré que les probabilités antérieures étaient essentiellement ignorées, et que les répondants estimaient la probabilité d’appartenance à une classe en jugeant à quel point chaque croquis de personnalité était similaire à leur modèle mental d’ingénieur ou d’avocat.
L’ancrage et l’ajustement font référence à un processus de jugement général dans lequel une réponse initialement donnée ou générée sert d’ancre, et d’autres informations sont insuffisamment utilisées pour ajuster cette réponse. L’heuristique d’ancrage et d’ajustement est basée sur l’hypothèse que les gens commencent souvent leur processus de jugement en se concentrant sur une certaine valeur initiale qui sert d’ancre. Les biais liés à cette heuristique proviennent de l’utilisation d’ancres non pertinentes et de la tendance à ajuster insuffisamment vers le haut ou vers le bas à partir d’une valeur initiale ou d’une ancre.
Initialement, ces trois heuristiques ont été décrites avec une douzaine de biais systématiques tels que la prédiction non régressive, la négligence de l’information sur le taux de base et l’excès de confiance. L’heuristique et les biais étaient considérés comme causant des erreurs systématiques dans les estimations de quantités connues et de faits statistiques. Kahneman et Frederick (voir Kahneman, 2011) ont révisé la première conception des heuristiques et des biais et ont proposé une nouvelle formulation – mettant en évidence un processus commun de substitution d’attributs – pour expliquer le fonctionnement des heuristiques. En outre, leur nouveau modèle comprend également un traitement explicite des conditions dans lesquelles les jugements intuitifs sont modifiés ou surévalués par des processus cognitifs plus élaborés. Dans cette nouvelle approche, le mot heuristique est utilisé dans deux sens : Le substantif fait référence au processus cognitif, et l’adjectif en attribut heuristique précise l’attribut qui est substitué dans un jugement particulier. Kahneman et Frederick ont ajouté une famille d’heuristiques de prototype dans laquelle un attribut d’un prototype est substitué à un attribut d’extension de sa catégorie ; l’exemple original d’une heuristique dite de prototype est l’utilisation de la représentativité dans la prédiction de la catégorie dont nous avons parlé précédemment. (Une heuristique dans laquelle un attribut d’un prototype est substitué à un attribut extensionnel de sa catégorie.)
Gigerenzer et ses collègues ont souligné le rôle adaptatif des heuristiques. Selon eux, les heuristiques sont des processus cognitifs efficaces qui ignorent une partie de l’information : De plus, la façon dont les heuristiques cognitives fonctionnent dans les décisions en situation d’incertitude est selon eux une question empirique. Gigerenzer et Gaissmaier (2011) font référence à des heuristiques simples, rapides et frugales qui » rendent les gens intelligents « . (Diverses classes d’heuristiques adaptatives que les gens utilisent pour prendre des décisions plus rapidement, plus frugalement, et/ou plus précisément). Ils présentent un aperçu des diverses heuristiques que les gens utilisent dans différents types de situations, et tentent également de répondre à la question de savoir quand les gens devraient se fier à une heuristique donnée plutôt qu’à une stratégie de décision plus complexe. Gigerenzer et ses collègues soulignent l’utilisation consciente et délibérée des heuristiques en tant que stratégies qui ignorent les informations pour prendre des décisions plus rapidement, plus économiquement et/ou plus précisément que des méthodes plus complexes. Ils font également référence à l’effet « moins c’est plus », c’est-à-dire lorsque moins d’informations ou de calculs conduisent à des jugements plus précis que plus d’informations ou de calculs. Ils sont donc en désaccord avec le point de vue de Payne et al. (1992) selon lequel les gens s’appuient sur des heuristiques parce que la recherche d’informations et le calcul coûtent du temps et des efforts, et que les heuristiques permettent d’économiser du temps et des efforts au détriment de la précision.
Une première classe d’heuristiques introduite par Gigerenzer et ses collègues peut être liée à une capacité importante de notre mémoire ; c’est-à-dire au fait qu’un sentiment de reconnaissance apparaît dans la conscience plus tôt que le souvenir. L’heuristique de reconnaissance stipule simplement que si l’une des deux alternatives est reconnue et que l’autre ne l’est pas, il faut en déduire que l’alternative reconnue a la plus grande valeur par rapport au critère. Un exemple est la reconnaissance du nom des villes, qui s’avère être un prédicteur raisonnablement valide de leur population. Plus la validité de reconnaissance (α) pour un critère donné est élevée, plus il est écologiquement rationnel de s’appuyer sur l’heuristique de reconnaissance. Pour chaque individu, α peut être calculé par α = C/(C + W) où C est le nombre d’inférences correctes que l’heuristique de reconnaissance ferait, calculé sur toutes les paires dans lesquelles une alternative est reconnue et l’autre non, et W est le nombre d’inférences erronées.
L’heuristique de fluidité stipule que si les deux alternatives sont reconnues mais qu’une est reconnue plus rapidement, alors déduire que cette alternative a la valeur la plus élevée par rapport au critère. L’heuristique de fluidité est écologiquement rationnelle si la vitesse de reconnaissance est corrélée au critère. La fluidité joue également un rôle lorsque les alternatives ne sont pas données mais doivent être générées de mémoire. Johnson et Raab (2003) ont introduit l’heuristique « take-the-first » : Choisir la première alternative qui vient à l’esprit. Ils ont testé la validité écologique de cette approche avec des joueurs de handball expérimentés lorsqu’ils choisissent comment procéder dans une situation donnée (par exemple, passer le ballon à un autre joueur ou tirer). Une troisième catégorie d’heuristique est celle des décisions dites à raison unique : une catégorie d’heuristique qui fonde les jugements sur une seule bonne raison, en ignorant les autres indices. Cette heuristique est évidemment liée à la règle de décision lexicographique : Cette dernière est définie en termes d’attribut « le plus important ». L’heuristique de l’indice unique (un exemple de prise de décision à raison unique) se concentre sur l’utilité et la valeur prédictive de l’indice sélectionné sur le résultat global du choix. De même, l’heuristique « Take-the-best » est un modèle de la façon dont les gens déduisent laquelle de deux alternatives a une valeur plus élevée sur un critère, sur la base de valeurs d’indices binaires récupérées en mémoire. La méthode « Take-the-best » comprend trois étapes : (1) rechercher les indices dans l’ordre de leur validité, (2) s’arrêter en trouvant le premier indice qui discrimine les alternatives, et (3) l’alternative avec la valeur d’indice la plus positive a la valeur de critère la plus élevée.
Karelaia (2006) a montré qu’une règle d’arrêt confirmatoire – s’arrêter après avoir trouvé deux indices qui pointent vers la même alternative – conduit à des résultats assez robustes. Cette heuristique tend à être écologiquement valide dans des situations où le décideur sait peu de choses sur la validité des indices. Cette classe d’heuristiques pondère les indices ou les alternatives de manière égale et fait donc des compromis simples. Le comptage en est un exemple. Le comptage consiste simplement à compter le nombre d’indices favorisant une alternative par rapport aux autres. En trois étapes : (1) recherche des indices, (2) règle d’arrêt : si le nombre d’indices est le même pour les deux alternatives, chercher un autre indice. Si aucun autre indice n’est trouvé, on devine. Sinon (3) décider pour l’alternative qui est favorisée par plus d’indices.
Basiquement, le travail de Gigerenzer a montré que les heuristiques ne sont pas bonnes ou mauvaises et – dans certaines circonstances – peuvent être plus précises que des stratégies plus complexes. Des recherches supplémentaires sont nécessaires sur la façon dont les gens apprennent à utiliser l’heuristique de manière adaptative, c’est-à-dire quand utiliser la stratégie appropriée de leur boîte à outils heuristique adaptative.
Dans leur article de synthèse sur la prise de décision heuristique, Gigerenzer et Gaissmaier (2011) se demandent également si les sentiments instinctifs sont basés sur l’heuristique, et si oui, sur laquelle ? Cela nous amène à la distinction entre la prise de décision intuitive et la prise de décision délibérative.
Il s’agit là d’une question de fond.