Biais de représentativité

Explication du biais

Le biais de représentativité est un phénomène psychologique où les individus évaluent la probabilité d’un événement ou classent des objets en se basant sur la mesure dans laquelle ces événements ou objets semblent typiques ou représentatifs d’une catégorie spécifique. Ce biais peut être comparé à l’heuristique de disponibilité, un autre biais cognitif qui implique que les gens évaluent la fréquence ou la probabilité d’un événement en fonction de la facilité avec laquelle des exemples similaires peuvent être rappelés de la mémoire. Tandis que l’heuristique de disponibilité repose sur la facilité de rappel d’informations, le biais de représentativité se concentre sur la similarité perçue avec un prototype ou un stéréotype existant.

Le biais de représentativité s’explique en partie par la tendance naturelle de l’esprit humain à simplifier la prise de décision en utilisant des raccourcis cognitifs ou heuristiques, qui peuvent être efficaces dans certains contextes mais mènent souvent à des erreurs dans d’autres. Par exemple, lorsque confrontés à la tâche d’évaluer la probabilité qu’une personne soit d’une certaine profession, les individus ont tendance à ignorer la prévalence réelle de la profession dans la population et se basent plutôt sur des stéréotypes ou des caractéristiques saillantes de la profession.

Cette tendance à privilégier la représentativité peut conduire à l’erreur de conjonction, où les individus jugent incorrectement la probabilité de la co-occurrence de deux événements comme étant plus élevée que celle d’un seul événement. Cela se produit parce que la combinaison des deux événements semble plus spécifique et donc plus représentative de certaines situations ou conditions.

Le biais de représentativité influence largement la prise de décision dans des domaines aussi divers que la finance, où les investisseurs peuvent choisir des actions en fonction de leur performance passée, qu’ils perçoivent comme représentative de performances futures, ou la justice pénale, où les jurés peuvent conclure à la culpabilité sur la base de la représentativité d’un suspect avec un criminel typique, plutôt que sur des preuves objectives.

La compréhension de ce biais est cruciale pour développer des stratégies qui permettent de minimiser son impact sur la prise de décision. Cela implique souvent de s’engager dans un raisonnement plus statistique et analytique, en prenant en compte les vraies probabilités et en évitant de se fier uniquement à des impressions superficielles ou des ressemblances frappantes avec des cas typiques.

Origine du biais

L’origine du biais de représentativité peut être tracée à des travaux pionniers en psychologie cognitive qui ont exploré comment les gens pensent, jugent et prennent des décisions. Les psychologues Amos Tversky et Daniel Kahneman sont souvent crédités d’avoir identifié et formulé ce biais dans les années 1970, dans le cadre de leur recherche révolutionnaire sur les heuristiques et les biais dans le jugement humain. Leur article de 1974, « Judgment under Uncertainty: Heuristics and Biases », a mis en lumière plusieurs biais cognitifs fondamentaux, dont le biais de représentativité.

Dans cet article, Tversky et Kahneman ont démontré comment les jugements et les décisions des individus sont souvent influencés par leur tendance à donner un poids excessif à la représentativité, c’est-à-dire à l’aptitude perçue d’un objet ou d’un événement à représenter une certaine catégorie, tout en négligeant des informations pertinentes telles que la probabilité de base. Ils ont illustré ce biais à travers diverses expériences et exemples qui montraient que même en présence de statistiques claires, les gens préfèrent souvent se fier à leur intuition sur ce qui leur semble typique ou représentatif.

La signification du biais de représentativité dans la théorie de la décision a été une contribution majeure à la psychologie comportementale et à l’économie comportementale. Il a aidé à expliquer pourquoi les gens font souvent des erreurs systématiques dans leurs prévisions et évaluations des probabilités. Par exemple, dans le célèbre « problème de Linda », Tversky et Kahneman ont montré que les participants jugeaient qu’il était plus probable que Linda soit une féministe travaillant dans une banque plutôt qu’une simple employée de banque, malgré cela étant statistiquement moins probable. Ce genre d’exemples a illustré de manière frappante comment la représentativité peut l’emporter sur l’analyse logique.

La reconnaissance du biais de représentativité a également stimulé des recherches supplémentaires sur la façon dont les stéréotypes influencent notre pensée et comment nous pouvons être vulnérables à des erreurs de jugement lorsque nous nous basons sur des impressions superficielles. De plus, cela a contribué à l’élaboration de méthodes et de formations visant à améliorer la prise de décision et le jugement critique dans divers secteurs professionnels, y compris dans les domaines de la médecine, du droit et de la finance.

Exemples

Médias

Les consommateurs de nouvelles peuvent croire que certains événements violents, tels que les attaques de requins ou les accidents d'avion, sont plus fréquents qu'ils ne le sont en réalité parce que ces événements sont hautement médiatisés et correspondent à l'image mentale d'un danger "typique".

Recrutement

Un manager pourrait préférer un candidat pour un poste de leadership parce qu'il correspond à l'image stéréotypée d'un leader, même si d'autres candidats ont de meilleures qualifications ou une expérience plus pertinente.

Médecine

Un médecin peut diagnostiquer à tort une maladie rare chez un patient parce que ses symptômes correspondent à ceux typiquement associés à cette maladie, négligeant les probabilités statistiques qui indiquent une condition plus commune.

Investissements

Les investisseurs peuvent surévaluer la probabilité de succès d'une entreprise start-up parce qu'elle ressemble à d'autres entreprises précédemment réussies, sans tenir compte du taux élevé d'échec général des start-ups.

Sommaire

Points à retenir

Explication du biais

Origine du biais

Exemples

Médias

Recrutement

Médecine

Investissements

Pour aller plus loin

Le biais de représentativité : gare aux « généralisations abusives » - Infor Jeunes

Biais de représentativité - Neuroprofiler

Biais de représentativité, éviter les pièges de la pensée - La Toupie

Découvrez d'autres biais cognitifs

Biais de disponibilité

Effet placebo

Biais d’automatisation

Paréidolie

Biais d’autorité

Biais d’ancrage

Effet d’espacement

Perception sélective

Effet de mode

Effet Barnum

Effet de positivité

Effet Dunning-Kruger