Desktop versionMobile Version

La psychologie sociale : applicabilité et applications

 | 
Pascal Morchain
, 
Alain Somat

Jugement et prise de décision : état de l’art et méthodes d’aide à la décision en milieu professionnel

Gaëlle Villejoubert und Valérie Le Floch

Volltext

Jugement et décision : quelques définitions

1Les activités de jugement et de décision sont des activités quotidiennes qui ont des domaines d’application variés comme la médecine (« Quel traitement médical devrais-je suivre ? »), le recrutement (« Quel est le meilleur candidat pour ce poste ? »), ou la loi (« Qui est probablement coupable ? »). Nos jugements et décisions ont également des degrés d’importance divers (« Quel plat vais-je déguster à midi ? », « Quel crédit immobilier devrais-je choisir ? »), et touchent aussi bien la sphère privée que la sphère professionnelle. De ce fait l’étude de ces activités s’est étendue à de nombreuses disciplines scientifiques telles que la psychologie, mais également les sciences économiques, politiques, légales, ou médicales.

2L’activité de jugement renvoie aux évaluations, estimations ou prédictions que l’on peut faire à partir d’informations concernant une personne, un objet ou une situation. Ces informations peuvent être externes, c’est-à-dire disponibles dans notre environnement immédiat ; ou elles peuvent être internes, c’est-à-dire provenant de connaissances disponibles en mémoire. Le processus de jugement consiste alors à identifier puis à intégrer ces diverses informations en tenant compte de leur importance et de leur valeur afin d’établir un jugement unique. Par exemple, un médecin pourra juger la probabilité qu’il prescrive un médicament pour contrôler les lipides chez un patient diabétique en intégrant des informations telles que le niveau de cholestérol du patient, son poids, la présence d’antécédents familiaux, etc. (Harries & Dhami, 2001). L’activité de décision renvoie au processus qui consiste à choisir une option parmi un ensemble d’alternatives possibles en réponse à des besoins perçus. Ces options peuvent renvoyer à des objets, des personnes ou des actions. On distingue généralement les choix risqués (ou incertains) et les choix non-risqués. Lorsqu’un choix est risqué, les conséquences du choix d’une alternative sont multiples et la conséquence obtenue n’est pas connue à l’avance. Par exemple, en choisissant d’acheter un ticket de loto, on peut soit devenir millionnaire soit perdre le prix du ticket, mais on ne sait pas quelle conséquence se réalisera au moment de notre choix. En revanche, les choix non-risqués impliquent un choix entre différentes alternatives qui ont une conséquence connue et unique. Par exemple, en choisissant un prêt immobilier à taux fixe, on sait que l’on devra payer un montant régulier chaque mois, durant un nombre de mois prédéterminé. Les activités de jugement et de décision sont fortement liées l’une à l’autre. Les jugements forment souvent le point d’entrée (plus ou moins conscient) de nos décisions. Ainsi, l’activité de décision peut être décrite comme un processus impliquant l’intégration de deux types de jugement : un jugement de la probabilité que chacune des conséquences possibles d’une option donnée se réalise et un jugement du caractère plus ou moins désirable de chacune de ces conséquences (Harvey, 2001).

3Étant donné leur implication dans de nombreuses activités substantielles, la question de la qualité de nos jugements et de nos décisions s’est très vite imposée. Les jugements s’évaluent le plus souvent en examinant leur exactitude, c’est-à-dire leur correspondance avec un critère objectif. Ce critère peut être empirique ou théorique. Un critère empirique d’exactitude correspond à la valeur réelle de la dimension estimée. Un critère théorique correspond à la valeur calculée, à l’aide de règles mathématiques, de cette dimension. On parle de biais dans le jugement lorsque le jugement subjectif donné par un individu s’écarte de la valeur objective définie par le critère d’exactitude. Les décisions, quant à elles, s’évaluent en termes d’optimalité, c’est-à-dire de leur capacité à répondre au mieux à nos besoins en maximisant nos aspirations. La qualité de nos décisions s’évalue en comparant nos choix aux prescriptions de la théorie rationnelle du choix. Cette théorie définit les choix d’un décideur rationnel en fonction de ses préférences. De ce fait, on parle de biais dans la décision lorsque nos choix sont en contradiction avec nos préférences.

4Dans ce chapitre, nous examinerons brièvement le développement historique des recherches sur le jugement et la décision qui, après avoir défini les standards normatifs d’un jugement ou d’une décision rationnelle, se sont attachées à décrire les biais observés dans la pratique de ces activités. Nous considérerons ensuite le développement récent d’approches prescriptives permettant de dépasser ce clivage en présentant des recherches qui s’inscrivent dans une démarche de « débiaisement » visant à nous aider à formuler de meilleurs jugements et décisions adaptés à notre environnement. Enfin, nous présenterons en détail les méthodes utilisées pour améliorer jugements et décisions avant de conclure sur l’application de ces méthodes dans des contextes professionnels.

Origines de l’étude des jugements et de la prise de décisions

5La quantité et l’importance grandissante des jugements et des décisions auxquels nous faisons face sont un phénomène récent. Il y a plus de deux siècles, la plupart les décisions se limitaient à des choix élémentaires nécessaires à la survie de la famille. Depuis la révolution industrielle, cependant, le nombre de produits et de services disponibles, les changements radicaux dans les transports, les moyens de communication, le développement des sciences et des innovations ont contribué à une croissance exponentielle de la complexité et de la fréquence des jugements et des décisions auxquels les individus et les organisations modernes sont confrontés (Kleindorfer, Kunreuther & Schoemaker, 1993).

La prise de décisions

6L’étude des décisions a tout d’abord été initiée au sein des sciences économiques au début du XIXe siècle grâce aux travaux théoriques de Jeremy Bentham et de James Mill selon qui le but premier de nos actions était de rechercher le plaisir et d’éviter la souffrance. De cette idée est né le concept d’utilité d’un objet ou d’une action ; le plaisir correspondant alors à une utilité positive et la souffrance, à une utilité négative. Les mathématiciens von Neumann et Morgenstern (1944, 1947) ont ravivé l’intérêt pour ce concept qui permet de traiter de bénéfices et de pertes subjectives qu’ils définissent en termes monétaires. Cette métaphore a donné lieu à une théorie du choix rationnel dont le postulat essentiel est que les individus vont rechercher, parmi les alternatives de choix qui leur sont offertes, celle qui va leur permettre de maximiser leur utilité dans le cas de choix non risqués, ou bien leur utilité espérée dans le cas de choix risqués. L’utilité espérée est un concept mathématique qui se calcule (cf. l’exemple ci-dessous) en multipliant la valeur utile de chaque conséquence possible d’une option de choix par sa probabilité de se réaliser puis en additionnant ces produits. Elle se représente sous forme de symboles de la façon suivante :

UE = p1u1 + p2u2 + … + pnun

7 p1 représente la probabilité d’obtenir le résultat i, et u i, l’utilité associée à ce résultat. Par exemple, imaginez un médecin qui ait à choisir entre opérer un patient ou bien ne pas l’opérer en vue de le soulager d’un problème de santé. Le tableau 1 est une représentation possible des alternatives de ce choix, des résultats éventuels, des conséquences de ces résultats, ainsi que de leur probabilité de survenir et de leurs utilités respectives.

Tableau 1. – Décomposition d’une décision selon la théorie de l’utilité espérée.

8Selon cette analyse, même si les chances de décéder des suites d’une opération sont supérieures à celles de décéder si l’on ne fait rien, le patient devrait choisir de se faire opérer puisque l’utilité espérée de cette alternative (.40) est supérieure à celle de l’alternative qui consiste à ne pas opérer (–.20).

9La théorie de l’utilité espérée a été réellement introduite dans le champ de la psychologie grâce à une revue de questions de Ward Edwards, publiée en 1954 dans le journal Psychological Bulletin. La même année, Thrall, Combs, et Davis ont édité un ouvrage intitulé Les Processus de Décision regroupant des articles écrits par d’éminents chercheurs intéressés par la psychophysique, la mesure psychologique, et la modélisation mathématique en psychologie. Cet article et cet ouvrage ont fortement contribué à la naissance du champ d’étude de la psychologie de la décision, et s’est essentiellement focalisé sur l’étude des préférences de choix face au risque. Profondément ancrée dans la métaphore « la vie comme une loterie » (life is a gamble, Savage 1954), de nombreuses expériences ont alors été conduites pour étudier les décisions, en particulier les préférences de choix formalisées comme des choix entre des loteries. Ces choix de loterie nécessitaient avant tout, d’opérer un compromis entre des chances de gains ou de perte et les montants à gagner ou à perdre. Les expériences des psychologues ont mis en évidence des écarts entre les choix rationnels prescrits par la théorie de l’utilité espérée et les choix réels effectués par les individus. Ces travaux –exposés dans la Section suivante– ont amené les chercheurs psychologues à développer d’autres théories permettant de rendre compte des comportements de décision observés ; telle la théorie des « prospects » (Kahneman & Tversky, 1979 ; Tversky & Kahneman, 1992).

Les jugements

10Contrairement aux travaux sur les décisions qui ont tous été initialement conçus dans le but de tester la valeur descriptive de la théorie de l’utilité espérée, les recherches sur les jugements ont des origines plus hétéroclites. Les premiers travaux ont été stimulés par la publication de l’ouvrage de Paul Meehl en 1954 et intitulé Les Prédictions Cliniques Versus Statistiques. Dans cet ouvrage, Meehl expose une méta-analyse d’une vingtaine d’études examinant des prédictions cliniques et démontre que les prédictions subjectives des juges faites à partir d’un ensemble d’informations sont quasiment toujours plus erronées que celles qui sont construites à partir de simples combinaisons statistiques de ces mêmes informations. C’est un résultat polémique puisqu’il indique que, même après des années d’expérience, les prévisions des professionnels sont toujours moins satisfaisantes que celles d’une simple analyse statistique à la portée de tous qui, de plus, ignore l’individualité des cas traités. À la suite de cette publication, de nombreux chercheurs se sont intéressés à la façon dont les individus combinent des informations provenant de sources diverses pour émettre un jugement comme les chances de survie d’un patient, aux vues de ses symptômes et de ses caractéristiques personnelles. Ces recherches ont pris un tournant décisif dans les années 1970 sous l’impulsion des travaux de Tversky et Kahneman (par ex., Tversky & Kahneman, 1974), que nous développons plus en avant dans la section suivante.

Exposé chronologique des recherches sur le jugement et la décision

Nos décisions sont-elles rationnelles ?

11Les premières recherches sur la décision visaient à tester la rationalité des choix en comparant les choix des individus aux prescriptions de la théorie de l’utilité subjective espérée. Les premiers tests expérimentaux consistaient à présenter un ensemble de décisions afin d’évaluer les utilités et les probabilités subjectives des sujets, et éventuellement de se baser sur ces choix pour prédire de nouveaux choix (par ex., Edwards, 1955 ; Tversky, 1967). Les données obtenues grâce à ces recherches ont, dans un premier temps, été probantes : de façon générale, les choix des individus étaient en accord avec les prescriptions de la théorie (Goldstein & Hogarth, 1997). Au début des années 1970, les chercheurs ont commencé à s’intéresser plus particulièrement aux axiomes de la théorie. Ces recherches ont révélé que, bien que les choix des sujets étaient généralement transitifs (une conséquence du principe de faible ordonnance décrit plus haut), des déviations systématiques pouvaient également être observées (par ex., Tversky, 1969). De même, comme pressenti par le mathématicien français, Maurice Allais (1953), de nombreux sujets ne respectent pas le principe d’indépendance lorsqu’on leur présente les loteries suivantes :

12Que préférez-vous, A ou B ?

Loterie A

(i) 10 % de chances de gagner 500 € ; (ii) 1 % de chances de ne rien gagner ; (iii) 89 % de chances de gagner 5 €.

Loterie B

(i) 5 € à coup sûr.

13Que préférez-vous A’ ou B’ ?

Loterie A’

(i) 10 % de chances de gagner 500 € ; (ii) 90 % de chances de ne rien gagner.

Loterie B’

(i) 11 % de chances de gagner 5 € ; (ii) 89 % de chances de ne rien gagner.

14Environ 40 % des sujets interrogés préfèrent B à A mais préfèrent A’ à B’(MacCrimmon, 1968, cité par Rapoport & Wallsten, 1972, p. 137). Rappelons que, d’après le principe d’indépendance, une préférence de choix ne devrait pas être influencée par la présence d’une conséquence identique avec la même probabilité de se réaliser. C’est le cas des loteries présentées ci-dessus, si on réécrit les conséquences de la façon suivante :

Loterie A

(i) 10 % de chances de gagner 500 € ; (ii) 1 % de chances de ne rien gagner ; (iii) 89 % de chances de gagner 5 €.

Loterie B

(i) 10 % de chances de gagner 5 € ; (ii) 1 % de gagner 5 € ; (iii) 89 % de chances de gagner 5 €.

Loterie A’

(i) 10 % de chances de gagner 500 € ; (ii) 1 % de chances de ne rien gagner ; (iii) 89 % de chances de ne rien gagner.

Loterie B’

(i) 10 % de chances de gagner 5 € ; (ii) 1 % de gagner 5 € ; (iii) 89 % de chances de ne rien gagner.

15Ainsi, le choix entre A et B ne dépend pas des conséquences A-iii et B-iii puisqu’elles sont identiques. De même, le choix entre A’ et B’ ne dépend pas des conséquences A’-iii et B’-iii, elles aussi identiques. Si on élimine ainsi les conséquences redondantes, alors le choix entre A et B est absolument identique au choix entre A’ et B’ ; donc, un individu « rationnel » au sens de la théorie de l’utilité subjective espérée, devrait préférer B’ à A’ s’il préférait B à A.

16De nombreux autres écarts avec la théorie de l’utilité subjective espérée ont ensuite été reportés. Par exemple, Lichtenstein et Slovic (1971) ont démontré que l’on pouvait observer des renversements de préférences simplement en changeant la méthode utilisée pour mesurer ces préférences. Par exemple, si vous deviez choisir, à laquelle des deux loteries suivantes préféreriez-vous jouer ?

Loterie A

(i) 95 % de chances de gagner 3 $ ; (ii) 5 % de chances de perdre 2 $.

Loterie B

(i) 50 % de chances de gagner 6,50 $ ; (ii) 50 % de chances de perdre 1 $.

17Maintenant, imaginez que vous possédez un billet pour la loterie A, quel est le prix minimum auquel vous accepteriez qu’on vous rachète ce billet ? Et à quel prix accepteriez-vous de vendre un billet pour la loterie B ?

18Plus de 40 % des sujets interrogés par Slovic et Lichtenstein ont choisi la loterie A mais seulement 5 % ont également estimé qu’un billet pour la loterie A avait plus de valeur qu’un billet pour la loterie B. Autrement dit, la plupart des sujets qui avaient choisi la loterie A, ont ensuite renversé leur préférence en faveur de la loterie B lorsqu’on leur a demandé d’évaluer la valeur d’un billet de loterie. Ce résultat va à l’encontre du principe de base de la théorie de l’utilité subjective espérée, le principe de faible ordonnance, selon lequel les individus ont des préférences stables. Un autre exemple de renversement de préférences a été mis en lumière par Kahneman et Tversky (1979 ; Tversky & Kahneman, 1981), connu sous le nom d’effet de cadrage (framing effect), et selon lequel les individus préfèrent une alternative risquée plutôt qu’une alternative certaine si on cadre les choses en termes de pertes, et inversement si on cadre les choses en termes de gains. Ainsi, Tversky et Kahneman (1981) ont montré que, présentés avec 600 individus infectés par un virus potentiellement mortel, la majorité des sujets préfèreraient administrer un traitement associé avec 33 % de chances que personne ne meure et 66 % de chances que tous les individus meurent, plutôt qu’un traitement entraînant la mort certaine de 400 personnes infectées. Cependant, lorsque les mêmes traitements sont présentés en termes de gains (33 % de chances que tous les individus survivent et 66 % qu’aucun individu ne survive versus 200 individus ayant la vie sauve à coup sûr), la majorité des individus préfèrent ne pas prendre de risque et optent pour le second traitement.

19Devant le nombre grandissant de démonstrations des écarts entre les choix prescrits par la théorie de l’utilité subjective espérée et ceux émis par les individus, les psychologues se sont posés deux questions. Premièrement, d’un point de vue théorique, certains chercheurs se sont demandés quels étaient les mécanismes qui sous-tendent les choix réels des individus. Cette problématique a donné lieu au développement de modèles descriptifs de la prise de décision visant à expliquer et à prédire les comportements (par ex. Kahneman & Tversky, 1979). Deuxièmement, d’un point de vue pragmatique, d’autres chercheurs se sont demandés comment ils pourraient aider les décideurs à prendre des décisions plus rationnelles. Ces recherches ont donné lieu au développement de méthodes et d’outils d’aide à la décision pour aborder des décisions importantes d’une manière formelle. Ce champ de recherche et d’application a donné naissance à la discipline de l’analyse de la décision (decision analysis) sous l’impulsion des travaux de Ronald A. Howard, un professeur de l’université américaine de Stanford (par ex. Howard, Matheson & Miller, 1976) et d’Howard Raiffa, un professeur à l’école de commerce de l’université d’Harvard (par ex. Raiffa, 1968).

Modèles « psychologiques » de la prise de décision

20Devant l’échec de la théorie de l’utilité subjective espérée à rendre compte des choix réels des individus, les chercheurs ont développé d’autres modèles mathématiques visant à décrire et expliquer les choix des individus tels qu’ils sont observés. Le modèle le plus influent est sans doute celui de la théorie des prospects (Kahneman & Tversky, 1979), pour lequel les auteurs ont reçu un prix Nobel en 2001. La contribution majeure de cette théorie a été de démontrer que, bien que les choix impliquent la maximisation d’une valeur espérée, les utilités et les probabilités subissent des transformations psychologiques avant d’être évaluées. D’un point de vue psychologique, la théorie distingue deux phases dans le processus de choix : une phase d’édition suivie par une phase d’évaluation des prospects, définis comme un ensemble de conséquences (par ex., des gains ou des pertes monétaires) associées à des probabilités de réalisation.

21L’édition consiste en une analyse préliminaire des prospects dont le but est d’organiser et de reformuler les conséquences en vue de simplifier leur évaluation. Durant cette phase, plusieurs opérations cognitives peuvent être appliquées sur les conséquences et leurs probabilités. Par exemple, une première opération importante est l’opération de codage qui consiste à coder les conséquences en termes de gains ou de pertes par rapport à un point de référence neutre. Lorsque ce point de référence est l’état de richesse actuel, les gains et pertes coïncident avec les montants à recevoir ou à payer. Cependant, la location du point de référence et le codage des conséquences en termes de gains et de pertes peuvent également être affectés par la formulation des prospects (comme illustré par l’effet de cadrage présenté plus haut) ou les attentes du décideur. Ces opérations d’édition permettent d’expliquer de nombreux écarts observés entre prescriptions normatives et comportements observés. Par exemple, les cas d’intransitivité observés par Tversky (1969) peuvent s’expliquer par une opération de simplification des choix proposés qui consiste à arrondir des probabilités ou des résultats ou à ignorer les conséquences extrêmement peu probables.

22La seconde phase, dite d’évaluation, consiste ensuite à évaluer chacun des prospects édités. Durant cette phase, les valeurs objectives des conséquences et les valeurs de probabilités sont déformées avant l’évaluation du prospect. Plus précisément, la valeur subjective des gains augmente de façon « concave » au fur et à mesure que les gains objectifs augmentent. Autrement dit, passer de 100 € à 200 € a plus d’impact psychologique que de passer de 1 100 € à 1 200 €. Cela explique également notre aversion pour les risques dans le domaine des gains : on préfère généralement un gain certain à un gain plus élevé mais incertain. Si l’aversion pour les risques était connue depuis le XVIIIe siècle et les travaux de Bernoulli, Kahneman et Tversky (1979, 1984) ont été les premiers à formaliser le fait cette relation ne permet pas de décrire nos préférences dans le domaine des pertes. Il y a même une sorte d’effet miroir : on va tendre à rechercher les risques dans ce domaine et préférer une perte plus élevée mais incertaine plutôt qu’une perte certaine. La symétrie n’est cependant pas parfaite : un gain de x n’aura pas autant d’impact psychologique qu’une perte de x, c’est ce que les auteurs ont appelé l’aversion pour les pertes. Cela a permis d’expliquer l’effet de dotation (Thaler, 1980 ; Kahneman, Knetsch & Thaler, 1990), selon lequel on demande plus de compensations pour ce dont on se sépare que pour ce que l’on souhaite acquérir ; ou encore l’effet de status quo, selon lequel on préfère ne rien faire plutôt que de prendre des risques (par ex. Anderson, 2003 ; Samuelson & Zeckhauser, 1988). De la même façon, la théorie des prospects indique que les décideurs transforment la probabilité d’une conséquence en « poids de décision » de telle façon que les conséquences aux faibles probabilités pèsent « plus lourd » que leur valeur objective dans le choix final (on parle de surpoids des faibles probabilités) alors que les conséquences aux probabilités moyennes ou larges pèsent moins lourd que leur valeur objective. Cela permet d’expliquer les comportements risqués avec des paris qui offrent de faibles probabilités de gains élevés (comme l’achat de tickets de loto) et l’aversion pour les situations qui présentent de faibles probabilités de conséquences négatives (comme l’achat d’assurances).

23La théorie des prospects reste, encore aujourd’hui, la théorie descriptive des choix dans l’incertain la plus influente, probablement parce qu’elle séduit aussi bien les économistes que les psychologues mathématiciens intéressés par l’étude de choix simples. D’autres psychologues se sont toutefois intéressés aux processus psychologiques qui sous-tendent les décisions et ont étudié les effets de variables externes telles que les contraintes temporelles (par ex. Svenson & Maule, 1993), ou la façon dont les individus adaptent les stratégies de choix qu’ils utilisent en fonction du nombre et de la complexité des alternatives de choix et de leur environnement (Gigerenzer & Todd, 1999 ; Klein, 1998 ; Payne, Bettman & Johnson, 1993). Lopes (1997) a mis en avant le rôle des motivations individuelles (désirs de sécurité ou au contraire d’exploiter des potentiels) et des niveaux d’aspiration selon les opportunités et les contraintes de l’environnement décisionnel. Plus récemment, des recherches ont mis en évidence le rôle des émotions telles que le regret anticipé dans la prise de décision (Connolly & Zeelenberg, 2002) ou encore les différences entre des décisions basées sur l’expérience des conséquences et de leurs probabilités plutôt que sur leur description écrite (Hertwig, Barron, Weber & Erev, 2004).

Nos jugements sont-ils corrects ?

24Deux paradigmes de recherche ont été utilisés pour étudier la révision des jugements de probabilité : Le paradigme dit « du manuel » et le paradigme du jugement social (Bar Hillel, 1983). Le paradigme du manuel étudie les jugements émis à partir de problèmes de raisonnement mathématique tel que le problème des taxis (Tversky & Kahneman, 1980). Dans ce problème, on indique aux sujets qu’un témoin affirme que le taxi impliqué dans un accident était de couleur bleu. On leur présente ensuite la probabilité numérique qu’un taxi soit bleu, celle qu’un taxi qui est effectivement bleu soit identifié comme tel, et enfin la probabilité qu’un taxi qui, en réalité, est vert, soit également identifié comme étant bleu. À partir de ces informations numériques, les sujets doivent estimer la probabilité que le taxi était effectivement bleu, sachant qu’il a été identifié comme tel par le témoin. La réponse correcte à ce type de problèmes se calcule à l’aide de la règle de Bayes, selon laquelle la probabilité qu’une hypothèse H soit vraie (plutôt que l’hypothèse alternative), sachant qu’un événement E a été observé, dénotée Pr(H | E) s’évalue de la façon suivante :

25De nombreuses études ont montré que les jugements émis par les individus s’écartent le plus souvent des prescriptions normatives de la règle de Bayes. L’erreur la plus commune étant l’erreur d’inversement. Cette erreur consiste à estimer que la probabilité que H soit vraie sachant E est égale à la probabilité d’observer E sachant que H est vraie (Villejoubert & Mandel, 2002). Du fait de cette erreur, les individus négligent la probabilité initiale que H soit vraie, dénotée Pr(H). Ce résultat a été dénommé la négligence des taux de base car Pr(H) est parfois définie comme un taux de base lorsqu’elle est assimilée à des proportions. C’est le cas, par exemple, dans le problème des taxis où la probabilité qu’un taxi soit bleu est définie comme la proportion de taxis bleus dans une ville. La négligence du taux de base a été observée avec différents scénarios, différentes valeurs numériques de probabilités, ou même lorsque le taux de base est rendu plus saillant. Après avoir clairement établi la persistance de ce biais, les chercheurs se sont intéressés aux possibles médiateurs qui permettraient une meilleure intégration de l’information sur les taux de base. Ainsi, par exemple, des jugements basés sur l’expérience du taux de base (via la présentation de cas individuels) diminuent les erreurs d’inversement (Christensen-Szalanski & Beach, 1982) sans pour autant augmenter la proportion de jugements corrects (voir Koehler, 1996 pour une revue de la littérature sur ces recherches). Il y a une dizaine d’années, les travaux sur ces jugements ont pris un tournant décisif, après la publication d’un article de recherche démontrant qu’il était possible d’améliorer significativement la proportion de jugements corrects émis par les individus en présentant les informations sous forme de fréquences issues d’échantillonnages naturels plutôt que sous forme de probabilités (Gigerenzer & Hoffrage, 1995). Depuis, la question n’est plus de savoir comment améliorer les jugements émis à partir de ces problèmes de manuel mais plutôt de savoir si les réponses correctes sont obtenues grâce à l’utilisation de fréquences pour résumer les données numériques ou bien grâce aux représentations mentales spécifiques que ces problèmes fréquentiels engendrent (voir Barbey & Sloman, 2007, pour une revue récente des recherches sur ce sujet). Nous reviendrons plus en détail sur le rôle des fréquences issues d’échantillonnages naturels dans la section suivante.

26Le second paradigme utilisé pour étudier les jugements de probabilité, le paradigme du jugement social, a lui aussi mis en lumière la négligence du taux de base. Toutefois, le type de tâche utilisée dans ce paradigme est très différent des problèmes de manuel. La tâche typique est celle des avocats et des ingénieurs (Kahneman & Tversky, 1973). Dans cette tâche on indique à un premier groupe de sujets que des psychologues ont rédigé des fiches descriptives après avoir fait passer des tests de personnalité à 30 ingénieurs et à 70 avocats. On leur présente ensuite cinq fiches décrivant un individu. Par exemple, les sujets peuvent lire : « Jacques a 45 ans […]. Il est plutôt conservateur, prudent et ambitieux. Il est très intéressé par les questions politiques et sociales. » On leur demande ensuite d’évaluer la probabilité que Jacques soit l’un des 30 ingénieurs interrogés. Un second groupe est confronté à la même tâche, à la différence près qu’on leur indique cette fois que l’échantillon interrogé comprenait 70 ingénieurs et 30 avocats. Contrairement au paradigme du manuel, dans ce paradigme du jugement social, il n’est pas possible d’évaluer l’exactitude du jugement émis par un sujet donné. Par contre, on peut comparer les jugements du groupe présenté avec un faible taux de base d’ingénieurs (30 %) et celui à qui l’on a présenté un taux de base élevé (70 % d’ingénieurs). D’un point de vue normatif, on s’attend à ce que les jugements soient en moyenne plus élevés lorsque le taux de base est de 70 % comparés aux jugements basés sur un taux de base de 30 %. Or, si on observe une différence, elle est minime et bien inférieure à ce que l’on devrait observer (Kahneman & Tversky, 1973 ; Wells & Harvey, 1978), confirmant ainsi la tendance à négliger les taux de base et à se focaliser sur l’information individualisante. Des études subséquentes ont démontré que les jugements peuvent être améliorés lorsque, par exemple, les individus peuvent manipuler et voir les 100 fiches descriptives (Gigerenzer, Hell & Blank, 1988), qu’on rende saillante les propriétés statistiques de la tâche en indiquant que les fiches ont été compilées pour un jeu de hasard (Ginossar & Trope, 1987) ou encore que l’on impose que la somme du jugement de la probabilité que Jacques soit un ingénieur et de celui de la probabilité qu’il soit un avocat soit égale à 1 (Baratgin & Noveck, 2000). De récentes recherches suggèrent que la négligence du taux de base dans ce type de problème serait la conséquence directe des processus cognitifs utilisés pour former ces jugements : d’après la théorie de l’exemplaire (Dougherty et al., 1999 ; Juslin & Përsson, 2002), les individus utilisent uniquement la fiche descriptive pour former leur jugement. Plus spécifiquement, ils chercheraient tous les exemplaires similaires qu’ils ont stockés en mémoire. Les exemplaires ainsi récupérés peuvent être des exemplaires d’avocats ou d’autres catégories. Le jugement de probabilité correspondrait alors à la similitude entre les exemplaires d’avocats et la fiche descriptive relative à la similitude entre tous les autres exemplaires récupérés et la fiche descriptive. Bien que cette explication semble rendre bien compte de nombreux jugements de probabilités (Nilsson, Olsson & Juslin, 2005), elle n’a cependant pas encore été testée expérimentalement avec des tâches à forte connotation sociale, telle que la tâche des ingénieurs et des avocats.

27Ce ne sont que deux exemples de « biais » dans les jugements de probabilités. Il ressort d’une multitude de travaux sur les jugements intuitifs de l’incertitude que nos évaluations sont le plus souvent erronées, et soumises à des illusions cognitives, en un mot : irrationnelles (Kahneman, Slovic & Tversky, 1982 ; Gilovich, Griffin & Kahneman, 2002). La plupart de ces travaux, cependant, sont menés dans une perspective de recherche fondamentale. Nous allons maintenant nous intéresser aux implications de ces recherches pour l’étude des jugements et des décisions en milieu professionnel.

Études des jugements et des décisions en milieu professionnel

28La majorité des travaux, bien que très peu nombreux dans le domaine professionnel, consiste généralement à tester l’impact de facteurs humains et situationnels pour permettre d’améliorer les jugements et/ou les décisions des professionnels (e. g., Fischhoff, 2003). Dans cette partie, loin d’être exhaustive, nous avons privilégié quelques cas simples d’études menées permettant de démontrer à quel point ces procédures, dites de « debiasing », ne sont encore qu’émergentes et source d’interrogations pour un futur psychologue. En référence aux analyses critiques de Beauvois (1990) sur les erreurs de jugement, gardons à l’esprit la nécessité de distinguer la disponibilité d’une procédure d’inférence et son application. Les gens peuvent très bien dans la vie quotidienne, ne pas appliquer des procédures dont ils sont capables. La littérature scientifique abonde d’exemples expérimentaux allant dans ce sens, mais ils préfèrent l’usage de schèmes ou d’heuristiques qui donnent lieu à des inférences dont l’évaluation se fait bien souvent en terme d’acceptabilité (sociale) plutôt que de validité scientifique (e. g., Drozda, 1995 ; Lorenzi-Cioldi, 1997). Toutefois, l’utilisation de l’acceptabilité sociale est-elle toujours adéquate pour un professionnel ? Cette partie du chapitre est construite autour de trois exemples de recherches menées en milieu professionnel permettant de montrer mais aussi de s’interroger sur « la manière d’améliorer la qualité de nos jugements et décisions professionnels ».

Un exemple lié au facteur humain : le statut d’expert

29Outre les capacités cognitives de l’être humain, une idée est largement répandue dans la vie quotidienne selon laquelle le jugement émis par un expert (en médecine, en psychologie, en justice…) est valide dans la mesure où il est partagé par les autres experts du même domaine. Quelques séries télévisées comme « les experts » en témoignent d’ailleurs. Ainsi, si vous faites appel à un expert en psychologie de la personnalité qui atteste d’une pathologie d’un présumé innocent dans le cadre d’une affaire criminelle et que ce diagnostic est conforté par d’autres experts du domaine, alors vous pouvez vous dire que le choix de votre premier expert était un bon choix, qu’il s’agit vraisemblablement d’un professionnel que vous pourrez recommander à un collègue. Cette idée correspond à une approche intuitive du problème qui peut être décrite par le raisonnement statistique suivant : si q est la probabilité (faible) qu’un expert commette une erreur, qn pour n experts est d’autant plus faible. La confrontation des réponses fournies par un candidat expert à celles d’experts déjà reconnus serait donc un bon moyen d’évaluer les compétences du premier. Il s’agit dans ce cas de mesurer un consensus entre les experts. Dans ce sens pour Einhorn (1974), le consensus est une condition nécessaire, sinon suffisante, pour valider l’expertise. Dans son étude de 1974, il mesurait le consensus entre différents médecins pathologistes chargés d’émettre un pronostic à propos de patients à partir d’un certain nombre d’informations plus ou moins déterminantes de la maladie de Hodgkin (maladie maligne du système lymphatique). Il pensait que les experts seraient capables de combiner de façon complexe les différents critères de décision et de les pondérer pour aboutir à la meilleure estimation possible de la situation pour le patient. Or, les résultats obtenus par Einhorn montrent, d’une part que le consensus obtenu entre des experts largement reconnus dans une tâche bien délimitée est relativement modeste (.56 : 1 expert sur 2 ne produit pas le même pronostic). D’autre part, certains experts, en combinant les informations de manière différente, c’est-à-dire en structurant leur raisonnement de façon différente ont obtenu des réponses similaires. Le consensus ne serait donc pas la mesure idéale de l’expertise. En ce sens, Weiss et Shanteau (2003) considèrent que le fait d’évaluer un expert sur la base de son degré d’accord avec d’autres experts ne fournit aucune indication sur la valeur des seconds et constitue, en outre, un obstacle au nécessaire questionnement des savoirs établis ainsi qu’à l’émergence de connaissances nouvelles. Shanteau (2002) avance l’idée que cette approche repose sur une conception de l’expertise dont les pré-requis sont rarement réalisés dans les situations écologiques de travail des experts. Elle suppose l’existence préalable d’une « bonne réponse », accessible mais difficile à obtenir par le commun des mortels et que les experts sont capables d’atteindre sur la base d’un savoir et de compétences détenus par eux seuls. Il rappelle enfin que ce n’est pas le consensus qui engendre la bonne réponse, si elle existe, mais bien l’inverse et qu’un accord peut s’établir sur des procédures erronées. Les biais liés aux processus de la pensée de groupe peuvent également aboutir à des décisions fortement consensuelles et néanmoins catastrophiques (pour revue en français sur les décisions groupales, voir le chapitre de Hilton & Cabantous, 2005, ou de Janis, 1972).

30L’une des principales conditions pour que le consensus soit déterminant serait donc l’assurance d’une réelle indépendance de pensée entre les différents experts. Or, cette condition n’est que rarement remplie. Dans un domaine de connaissance donné, il est courant que les spécialistes partagent une même culture, une formation commune ou représentative d’un nombre limité d’« écoles » et se rencontrent fréquemment… Là encore, la position de Shanteau et de ses collaborateurs est que le niveau de consensus dépend de la structure du domaine de connaissance considéré. Les champs les mieux connus scientifiquement permettent une méthodologie de prise de décision fortement structurée, voire technologiquement assistée, générant du consensus. À titre d’exemple, les résultats chiffrés rapportés par Shanteau montrent en effet des niveaux de consensus allant de. 95 (pour des prévisionnistes météorologues dont la tâche est fortement informatisée) à. 32 (agents de change), les psychologues cliniciens se situant à. 40 en moyenne. Au final, l’activité d’expertise concerne deux grandes catégories de situations. Dans la première, les jugements des experts peuvent être évalués en référence à des standards externes (i. e. des bonnes réponses) reposant sur des connaissances précises et des procédures stables de prise de décisions. Ce scénario, généralement considéré comme représentatif, n’est sans doute pas le plus fréquent. Ce n’est pas non plus celui dans lequel il semble le plus utile d’évaluer la fiabilité des experts. En revanche, de nombreuses situations d’expertises concernent des champs de connaissances dynamiques ou en évolution n’offrant pas de critères aisément mobilisables pour valider les jugements émis. Or, c’est justement dans ces situations que le besoin de consulter des experts se fait sentir car leurs avis deviennent souvent les seuls standards de référence. C’est dans cette seconde catégorie que se situeraient les tâches d’évaluation des comportements humains, en particulier l’expertise psychologique.

Un exemple lié à la lecture des informations : la prise en compte des probabilités via le format de présentation de l’information

31Nous émettons des jugements et prenons des décisions en fonction des informations accessibles en mémoire, mais aussi et bien souvent en fonction de la façon dont les informations sont présentées. Imaginez un correcteur de copies d’examen, il est intuitivement clair mais expérimentalement prouvé que l’attribution d’une note sur une copie –outre la qualité des connaissances présentes– dépend aussi de la note octroyée à la copie précédente. L’ordre dans ce cas peut avoir des effets non négligeables. Pensez aussi à la cuisine, des ingrédients en tout point identiques sur deux assiettes, l’une joliment présentée avec sa corolle de petites épices autour du bord de l’assiette, l’autre : aucun effort de présentation… Comme diraient certains de nos grands cuisiniers : ça ne se bouffe pas, ça se mange ! Une assiette finement décorée ouvre davantage l’appétit. Ainsi une même information présentée différemment affecte substantiellement notre appréciation du problème.

32Des études menées dans le milieu médical, auprès de cancérologues, attestent d’un tel phénomène, dès lors qu’ils doivent poser un diagnostic concernant les risques d’avoir le cancer du sein (e. g., Casscells, Schoenberger & Graboys, 1978 ; Eddy, 1982). En effet, la mammographie est un test de dépistage qui aide le médecin à estimer que la probabilité d’une lésion du sein soit maligne. Le test n’est pas parfait : des lésions malignes peuvent être incorrectement classifiées comme étant bénignes et inversement. Pour chaque patiente (étant donné son âge, son histoire familiale…), le médecin peut assigner une probabilité à la présence éventuelle d’un cancer ; par exemple, p (Cancer) = 1 %. Ainsi, lorsqu’une patiente présente une lésion du sein, le médecin peut ordonner une mammographie au radiologue. À la vue du résultat de ce test, le médecin devra évaluer si la patiente a ou non un cancer du sein. La probabilité a priori d’avoir un cancer est de 1 %. Des données cliniques concernant les résultats d’un test de mammographie montrent que

  • si la patiente avait un cancer, il y aurait 80 % de chances que le test soit positif ;

  • si la patiente n’avait pas de cancer, il y aurait toutefois 10 % de chances que le test soit aussi positif.

33Dans notre cas, imaginez que le radiologue indique au médecin que le test est positif. Que va alors décider le médecin ? Dans les études, la grande majorité des médecins juge qu’un résultat positif indique qu’il y a 80 % de chances pour que la patiente soit effectivement atteinte d’un cancer. Or, un raisonnement statistique (ironiquement presque élémentaire !) aurait dû conduire les médecins à une autre inférence. En effet, de manière rationnelle, à la lecture d’un résultat positif, il s’agirait de « réviser » la probabilité que cette femme ait un cancer sachant que son test est positif. Voici le raisonnement : parmi l’ensemble des femmes, 1 % ont un cancer. Parmi ces 1 %, 80 % auront un test positif : soit 0,8 % du total. Parmi les 99 % de femmes restantes (qui n’ont pas de cancer), 10 % vont quand même avoir un résultat positif : soit 9,9 % du total. Ainsi, au total, 10,7 % (0,8 + 9,9) de femmes ont un test positif. Parmi ces 10,7 %, 0,8 % de femmes ont également un cancer. Donc, étant donné que la patiente du docteur a un test positif, elle a en fait 0,8 chances sur 10,7 (0,8 + 9,9) d’avoir un cancer, soit environ 8 % de chances. Ce biais de jugement encore appelé « erreur d’inversement » (Villejoubert & Mandel, 2002) résulterait de la négligence de la probabilité a priori (d’avoir un cancer) et de la probabilité d’avoir un test positif même en l’absence de cancer. Selon Gigerenzer et Hoffrage (1995), les informations présentées sous forme de probabilités (surtout lorsqu’il s’agit de combiner plusieurs types de probabilités) ne sont pas une façon « évidente » d’appréhender les situations.

Un exemple dans le recrutement

34Dans le monde du recrutement, la performance d’une évaluation devrait être identifiée par rapport à ses « qualités métriques » (Levy-Leboyer, 1996 ; Schmitd & Hunter, 1998). Les outils de recrutement ainsi que les méthodes se doivent donc d’être fidèles et valides. Or, généralement, dans la pratique professionnelle, il a été montré que 1) les profils de formation des recruteurs sont très diversifiés (du niveau bac à un diplôme en ressources humaines, psychologue…), 2) une méthodologie de l’évaluation des candidats qui n’est pas uniformisée (utilisation d’outils très différents, en particulier dès lors que l’on cherche à cerner la personnalité des candidats), 3) utilisation de procédures différentes : décision individuelle et/ou décision collective, 4) un partage des informations sur les candidats tout à fait différent : dans le meilleur des cas, les recruteurs voient toutes les informations (CV, entretien…) sur un et un seul candidat ou tous les candidats, ou les recruteurs voient un type d’information sur tous les candidats.

35Néanmoins, une méthode souvent utilisée pour évaluer les candidatures se réfère au « trio classique » qui suppose de prendre en compte 3 sources d’informations à propos des candidats : le CV, l’entretien et la prise de références. Pour chacune des ces trois sources, on pourrait penser qu’une méthode explicite de l’analyse des informations a été validée… et pourtant, comment analyse-t-on un CV ? Un CV par définition apporte des informations sur la biographie du candidat (ses réalisations passées) mais aussi ses expériences professionnelles et ses formations. Dans la littérature scientifique sur le domaine, il est considéré que l’absence de « règles et de principes » pour interpréter le CV est à l’origine de la faible fidélité. Owens (1976) suggère que l’analyse se fait essentiellement à partir de la « cohérence comportementale ». L’objectif du recruteur consiste alors à établir une « continuité intelligible », à trouver le « fil rouge » entre le passé du candidat et le comportement professionnel à venir. L’entretien constitue l’évaluation la plus utilisée (dans 98 % des recrutements). Sa pratique est très variée (individuelle ou collective, de 5 minutes à deux heures, l’interviewer peut chercher : à mettre à l’aise le candidat/à le déstabiliser), et présente deux fonctions distinctes : il s’agit d’obtenir des informations précises (c’est-à-dire les réalisations passées du candidat) et de se former une impression sur le candidat : tâche particulièrement difficile. Plusieurs méta analyses (e. g., Hunter & Hunter, 1984 ; Wiesner & Chronshow, 1998) montrent que la validité de l’entretien est équivalente en moyenne à. 38 ! Au mieux quand l’entretien est structuré (c’est-à-dire les mêmes questions pour tous les candidats), cette validité peut atteindre. 54, dans ce cas, il est considéré alors comme un prédicteur honorable. Enfin, les» prises de références » que l’on appelle encore l’« effet réputation » sont utilisées dans de nombreuses décisions concernant le personnel. Il s’agit d’une recherche d’informations concernant une candidature, qui a pour objectifs : de vérifier les renseignements donnés par le candidat sur ses diplômes, ses activités antérieures… et d’appeler l’ancien employeur pour obtenir l’opinion de quelqu’un qui connaît bien le candidat et qui est capable de pronostiquer ses chances de réussir sur le poste (Munchinsky, 1979). Inutile de rajouter dans ce cas, à quel point cette prise de références peut être biaisée, selon les rapports entretenus avec l’ancien employeur. Py, Le Floch et Sakulwongsa (2007) ont testé l’influence relative de ces trois informations dans le cadre d’une décision collective réalisée par 54 recruteurs (tous professionnels expérimentés – 5 ans d’expérience – exerçant dans des sociétés internationales de travail) et répartis en groupe de 3. Cette décision collective a été calibrée suivant 2 standards possibles : 1) chacun des recruteurs possède un seul type d’information évaluative sur l’ensemble des candidats ; 2) chaque recruteur a toutes les informations sur un seul candidat. Les travaux menés par Stasser et Titus (1985) montrent que la manière dont les individus partagent des informations sur autrui aboutit à des décisions collectives différentes. Il s’agissait donc de sélectionner, le meilleur candidat parmi 3 possibles, postulant à un emploi de technicien supérieur de maintenance. Les recruteurs devaient donner pour chacun des postulants une note de « recrutabilité » sur une échelle allant de 0 (pas du tout recrutable) à 11 (tout à fait recrutable). Ces 3 candidatures présentaient chacune deux évaluations « performantes » et une évaluation « peu performante ». Se distinguaient ainsi des candidats « faibles en CV » (mais « performants » sur l’entretien et les prises de références), « faibles en entretien » (mais « performants » en CV et réputation) et « faibles en réputation » (mais « performants » en CV et entretien). Chaque recruteur prenait connaissance des informations sur le ou les candidats, pendant 10 minutes. Ils avaient ensuite 30 minutes pour prendre collectivement leur décision. Les résultats ont montré que lorsque les recruteurs ont à leur disposition toutes les informations sur un seul candidat, les candidats ont plus de chances d’être recrutés que lorsque les recruteurs ont un seul type d’information sur 3 candidats. Ils montrent aussi que la candidature « faible en entretien » est mieux évaluée que la candidature « faible en CV », puis la candidature « faible en réputation ». Le critère déterminant est la réputation du candidat, critère pourtant non prédicteur (dans l’analyse de Hunter & Hunter, 1984, ce critère a une validité de. 13) de la compétence du candidat !

Vers une méthodologie pour l’aide au jugement et à la décision en psychologie sociale appliquée

En réponse au problème du consensus des experts : un calcul d’indice : le CWS (Cochran, Weiss et Shanteau)

36La critique des approches classiques menée par Shanteau et ses collaborateurs (Shanteau, Weiss, Thomas & Pounds, 2003 ; Weiss & Shanteau, 2001) concernant l’utilisation du consensus conduit ces auteurs à formuler des propositions alternatives pour affiner l’évaluation du statut d’expert. Ils retiennent la notion de consistance interne des jugements comme un critère nécessaire (mais non suffisant) de validité. Ce critère consiste à vérifier que les jugements des professionnels sont identiques à différents moments. Ainsi, par exemple, on montre une première fois, un ensemble de radiographies d’amygdales d’enfants. Les médecins doivent évaluer si les enfants ont besoin d’être opérés. Quelques semaines plus tard, on présente à nouveau ces radiographies et les médecins se prononcent une nouvelle fois, sur chacun des cas. Il est donc aisé de repérer si le pronostic est le même. Ainsi, ces auteurs considèrent que le fait qu’un expert porte des jugements différents sur des situations identiques ne peut être que de nature à jeter le doute sur ses performances. Malgré les difficultés d’opérationnalisation de sa mesure, le critère de consistance apparaît donc comme incontournable dans une procédure de validation de l’expertise. Weiss et Shanteau (2003) avancent qu’un second critère est indispensable pour témoigner de la qualité d’un expert : sa capacité de discrimination. Il s’agit là de l’habileté de l’expert à distinguer finement des cas similaires mais non identiques et à tenir compte de cette distinction dans son jugement. Ces deux critères nécessaires mais non suffisants pourraient déterminer ensemble la qualité d’une expertise en l’absence de standard de référence. Reprenant un mode de calcul établi par Cochran (1943), ils proposent d’intégrer ces deux critères dans un indice (le CWS pour Cochran, Weiss & Shanteau, 2001). Cet indice consiste en un ratio de variances calculées sur une série de jugements livrés par le même expert ; certains de ces jugements portant, à l’insu du sujet, sur des cas répliqués. L’expert ayant eu à se prononcer sur un nombre suffisant de cas, la variance de ses réponses sur des cas différents rendra compte de sa capacité à discriminer, alors que la variance des réponses à des cas identiques témoignera de son inconsistance. Le ratio Discrimination/Inconsistance s’élèvera alors en fonction de la qualité de l’expertise. Outre la difficulté à opérationnaliser la mesure de la consistance, cet indice offre d’intéressantes possibilités tout en présentant certaines contraintes d’utilisation et d’interprétation. Il s’agit d’un indice relatif et individuel qui ne permet donc pas de comparer entre eux des experts de domaines différents mais seulement des individus (ou le même individu dans des conditions différentes) à condition que la mesure soit réalisée sur la même série de stimuli. Il est adapté à tout type de mesure : les auteurs proposent un mode de calcul spécifique pour les échelles nominales ainsi qu’une procédure d’estimation de la significativité des différences entre deux indices (procédure de Schuman-Bradley). Cette approche peut être, cependant, faillible dans la mesure où un expert utilisant une règle de décision consistante mais erronée, pourrait obtenir un indice élevé. Néanmoins, au-delà de la simple évaluation des experts, cette approche rend, par exemple, envisageable l’observation de la qualité des expertises en fonction des procédures employées ou des formations suivies par les professionnels.

En réponse à la question de la présentation des informations

37Si la compréhension d’un problème est difficile quand il présente des informations sous forme de probabilités, nous sommes capables d’utiliser des mécanismes qui nous permettent d’enregistrer des fréquences naturelles telles que nous les observons dans notre environnement (Gigerenzer & Edwards, 2003). Ainsi, en référence à l’étude sur le diagnostic du cancer du sein, ces auteurs ont montré que lorsque les informations étaient présentées sous un format fréquentiel plutôt que probabiliste, le jugement des médecins s’améliorait. En effet, lorsque le problème est présenté de la façon suivante : « Sur 1 000 patientes, 10 ont un cancer du sein. Sur 10 patientes qui ont un cancer, 8 ont un test positif à la mammographie. » Dans ce cas, la grande majorité des médecins jugent qu’un résultat positif au test de la mammographie indique qu’il y a moins de 10 % de chances pour que leur patiente soit effectivement atteinte d’un cancer (contrairement à 80 %, lorsque le problème est présenté en format probabiliste). Dans le même sens, une étude de Slovic, Monahan et McGregor (2000) menée auprès de médecins psychiatres devant émettre des jugements sur des patients montrent très nettement que lorsque l’on demande aux participants d’émettre des jugements sous un format de probabilités (échelle allant de 1 à 100 %), on remarque que ces évaluations sont beaucoup plus « risquées », plus élevées que dans le cas où l’on demande aux psychiatres d’émettre ces mêmes jugements à partir de fréquences (échelle de 1 à 100).

38Les résultats de ces études interrogent donc la question de la présentation des informations dans le cadre de la prévention. La prévention par la communication de fréquence aurait-elle davantage d’impact sur notre vie quotidienne ? Pour Gigerenzer (1998), les informations sous forme de fréquence (2/10 ou 20/100) seraient beaucoup plus représentatives, beaucoup plus réelles, par conséquent plus effrayantes. De ce fait, nos jugements portés sur des situations seraient plus réfléchis, plus raisonnables et plus conscients quant aux risques de les émettre. L’un des enjeux dans le domaine de la communication (par les médias en particulier) et plus particulièrement de la prévention par la communication (au niveau de la santé, de la consommation) est de réussir à transmettre des informations claires et explicites afin que les individus prennent conscience des risques qui pourraient mettre en danger leur santé (cf. actuellement les annonces sur l’impact des ondes électromagnétiques des téléphones portables sur notre santé). Si l’on présente une même information aux individus mais sous des formats différents, l’impact ne sera pas le même. Slovic, Monahan et Mc Gregor (2000) ont prouvé que les individus sont moins conscients du risque lorsqu’une information est présentée sous format de probabilité que sous format de fréquence (plus concret). Néanmoins, il semblerait que les individus prennent davantage conscience du risque quand il leur est présenté une information sous format visuel (graphique ou autre). L’information sous un format de probabilité ou de fréquence nécessiterait un traitement cognitif parfois difficile (surtout si certains facteurs comme l’âge ou le stress interviennent) pour certains individus, l’information sous format visuel permettrait une compréhension plus rapide et automatique. C’est pour ces raisons que le domaine médical préfère utiliser des images ou des graphiques afin que les individus mesurent davantage les risques qui pourraient mettre en danger leur santé. Stone et ses collaborateurs (e. g., Stone, Yates & Parker, 1997 ; Stone, Sieck, Bull, Yates, Parks & Rush, 2003) ont présenté des informations à des individus sous un format numérique et sous un format graphique, à savoir le nombre de conducteurs susceptibles de se blesser sérieusement après un éclatement de pneus sur un nombre total de conducteurs (30 sur 5 millions). La tâche des participants dans les deux conditions était de dire combien ils seraient prêts à payer pour un kit de pneus améliorant la sécurité des conducteurs et des passagers. Les participants dans la condition graphique seraient prêts à payer davantage que ceux dans l’autre condition. Chua, Yates et Shah (2006) ont répliqué l’étude de Stone et al. (1997) mais avec une information donnée sur le nombre de personnes susceptibles de développer une maladie sérieuse à cause d’un dentifrice standard (30 sur 5 000). Il était donc demandé aux participants affectés dans la condition numérique et graphique de dire combien ils seraient prêts à payer pour un dentifrice plus élaboré qui réduirait les risques de cette maladie (15 sur 5 000). Les expérimentateurs obtiennent le même pattern de résultats que celui de Stone et al. (1997). En outre, les recherches menées dans le cadre de l’appel à la peur pour construire des messages de prévention montrent des résultats très contradictoires sur les comportements adoptés (e. g., les travaux de Girandola, 2003).

En réponse à l’exemple dans le domaine du recrutement

39Selon Levy Leboyer (1996), les outils de sélection et d’évaluation doivent répondre au moins à trois conditions pour être dits scientifiques : 1) être fidèles ou constants c’est-à-dire que leur utilisation doit donner des résultats identiques dans les mêmes conditions ; 2) être discriminants ou sensibles, c’est-à-dire avoir les informations qui permettent de distinguer les candidats entre eux afin d’aider les recruteurs dans leurs décisions ; 3) être valides ou pertinents, c’est-à-dire avoir l’apport d’informations utiles en vue de la décision à prendre. Plus précisément, cela signifie, que pour n’importe quel outil utilisé (en particulier les tests dits de « personnalité »), deux indicateurs majeurs devraient être pris en compte : la fidélité intra-juges et inter-juges et la validité prédictive. La première vérifie que l’outil élaboré mesure réellement le phénomène qu’il est supposé mesurer. Ce type de validité permet d’évaluer si le contenu de la méthode d’évaluation est bien représentatif du contenu de domaine que cette méthode est censée mesurer. La seconde consiste à calculer le lien (la corrélation) entre le résultat de la méthode d’évaluation et la performance dans le monde du travail quelque temps (mois, années) plus tard. Les outils de sélection aujourd’hui utilisés par les professionnels du recrutement (tests d’intelligence, mise en situation, entretien, astrologie ou graphologie) devraient avoir ces qualités métriques afin d’être réellement efficaces et que le recrutement ne soit pas simplement une question de « feeling » ou de repérage de la « bonne mentalité » !

Conclusion

40L’application des recherches sur le jugement et la décision en milieu professionnel a souvent été initiée pour repérer si les biais du jugement et de la décision « sortaient » du laboratoire. Le milieu professionnel était en quelque sorte un « prétexte » à l’étude de la généralisation des biais. Ici ou là, des méthodes d’aide à la décision ont été élaborées, mais elles répondent davantage à une question de recherche de type « fondamental » plus qu’à une réelle demande issue du terrain, telle que la psychologie sociale l’avait connu dans les années cinquante. La question cruciale qui mériterait d’être alors posée est la suivante : quel genre de « debiasing » (c’est-à-dire de procédure de correction) voulons-nous et quelle utilité, notamment sociale, peut-il avoir pour le métier de psychologue ? Une réponse possible à cette nouvelle problématique pourrait se trouver dans l’adaptation du modèle de la démarche d’ingénierie psychosociale (Py & Somat, 2000) au problème de l’aide au jugement et à la décision. Cette adaptation du modèle se déclinerait avec plusieurs étapes successives. Tout d’abord, il s’agirait d’évaluer les pratiques décisionnelles ou les méthodes d’évaluation mises en place pour atteindre les objectifs fixés en ayant recours à des observables. Sur ce plan, comme le proposent Py et Somat, le psychologue aurait surtout recours à ses compétences méthodologiques. Ensuite, ce bilan devrait permettre d’identifier une ou plusieurs procédures de « debiasing » qui seraient les plus adaptées pour améliorer décisions et jugements parmi celles qui existent dans la littérature. Il conviendra alors de comparer, dans le cadre d’une approche expérimentale ou quasi expérimentale, l’efficacité des différentes procédures de « debiasing » possibles pour retenir celle qui permettra de mieux répondre aux objectifs initiaux. Cela devrait ensuite permettre de mettre en avant la procédure la plus adaptée en vue de systématiser son application. Finalement, il faudra envisager la mise en place d’une étape d’accompagnement des professionnels dans la mise en place de cette procédure au moyen de formations et de suivis.

Literaturverzeichnis

Références

Allais M. (1953), « Le comportement de l’homme rationnel devant le risque : Critique des postulats et axiomes de l’école américaine », Econometrica, 21, p. 503-546.

Baratgin J. & Noveck I. A. (2000), « Not only base rates are neglected on the Engineer-Lawyer problem: An investigation of reasoners’ underutilization of complementarity », Memory & Cognition, 29, p. 79-91.

Barbey A. & Sloman S. (2007), « Base-rate respect: From ecological rationality to dual processes », Behavioral and Brain Sciences, 30, p. 241-254.

Beauvois J.-L. (1990), « Des biais aux automatismes », in R. Ghiglione, C. Bonnet & J.-F Richard. (dir.), Traité de Psychologie Cognitive, tome III, p. 79-110.

Casscells W., Schoenberger A. & Grayboys T. (1978), « Interpretation by physicians of clinical laboratory results », New England Journal of Medicine, 299, p. 999-1000.

Christensen-Szalanski J. J. & Beach L. R. (1982), « Experience and the base-rate fallacy », Organizational Behavior and Human Decision Processes, 29, p. 270-278.

Chua H. F., Yates J. F., Shah P. (2006), « Risk avoidance: Graphs versus Numbers », Memory and Cognition, 34 (2), p. 399-410.

Cochran W. G. (1943), « The comparison of different scales of measurement for experimental results », Annuals of Mathematical Statistics, 14, p. 205-216.

Connolly T. & Zeelenberg M. (2002), « Regret in decision making », Current Directions in Psychological Science, 11, p. 212-216.

Drozda-Senkowska E. (1995), Irrationalités collectives, Lausanne, Delachaux & Niestlé

Eddy D. M. (1982), « Probabilistic reasoning in clinical medicine: Problems and opportunities », in D. Kahneman, P. Slovic & A. Tversky (dir.), Judgment under uncertainty: Heuristic and biases, Cambridge, UK, Cambridge University Press, p. 249-267.

Edwards W. (1954), « The theory of decision making », Psychological Bulletin, 51, p. 380-417.

Einhorn H. J. (1974), « Expert judgment: Some necessary conditions and an example », Journal of Applied Psychology, 59, p. 562-571.

Fischhoff B. (2003), « Heuristics and biases in application », in T. Gilovich, D. Griffin & D. Kahneman (dir.), Heuristics and biases: The Psychology of Intuitive Judgment, Cambridge, UK, Cambridge University Press, p. 730-748.

Gigerenzer G. & Edwards A. (2003), « Simple tools for understanding risks from innumeracy to insight », British Medical Journal, 327, p. 741-744.

Gigerenzer G. & Hoffrage U. (1995), « How to improve Bayesian reasoning without instruction: Frequency formats », Psychological Review, 102, p. 684-704.

Gigerenzer G., Hell W. & Blank H. (1988), « Presentation and content: The use of base rates as a continuous variable », Journal of Experimental Psychology: Human Perception and Performance, 14, p. 513-525.

Gigerenzer G. (1998), « Ecological Intelligence: An Adaptation for Frequencies », in D. D. Cummins & A. Colins (dir.), The evolution of mind, New York, Oxford University Press.

Ginossar Z. & Trope Y. (1987), « Problem solving in judgment under uncertainty », Journal of Personality and Social Psychology, 52, p. 464-473.

Girandola F. (2003), Psychologie de la persuasion et de l’engagement, Presses universitaires de Franche-Comté.

Hertwig R., Barron G., Weber E. U. & Erev I. (2004), « Decisions from experience and the effect of rare events in risky choice », Psychological Science, 15, p. 534-539.

Hilton D. & Cabantous L. (2005), « Le décideur dans un contexte social », in B. Vidaillet, Ph. Abecassis & V. D’Estaintot, (dir.), La décision. Approche pluridisciplinaire des processus de décision, De Boeck-Wesmael, coll. « méthodes et recherches ».

Howard R. A., Matheson J. E. & Miller K. E. (1976), Readings in Decision Analysis, Menlo Park, Stanford Research Institute.

Hunter J. E. & Hunter R. F. (1984), « Validity and utility of alternate predictors of alternate predictors of job performance », Journal of Applied Psychology, 96, p. 72-98.

Janis I. L. (1972), Victim and Groupthink, Boston, Hougthon Mifflin.

Kahneman D. & Tversky A. (1974), « Judgment under uncertainty: Heuristic and Biaises », Science, 185, p. 1124-1131.

Levy-Leboyer C. (1996) Évaluation du personnel : quels objectifs ? Quelles méthodes ?, Paris, Éditions d’Organisation.

Lorenzi-Cioldi F. (1997), Questions de méthodologie en sciences sociales, Lausanne, Delachaux & Niestlé.

Muchinsky P. M. (1979), « The use of reference reports in personnel selection: a review and evaluation », Journal of occupational Psychology, 52, p. 287-297.

Py J., LE Floch V. & Sakulwongsa C. (2007, août), CV, entretien, prise de références : quel poids relatif dans les décisions collectives de recruteurs professionnels, 8e colloque international de Psychologie sociale appliquée, Besançon.

Raiffa H. (1968), « Decision Analysis: Introductory Lectures on Choice Under Uncertainty », Reading, Mass., Addison Wesley.

Schmidt F. L. & Hunter J. E. (1998), « The validity and utility of selection methods in personnel psychology: Practical and theoretical implications of 85 years of research findings », Psychological Bulletin, 124, p. 262-274.

Shanteau J. (1992), « Competence in experts: The role of task characteristics », Organisational Behavior and Human Decision Process, 53, p. 252-266.

Shanteau J. (1992), « The psychology of experts: An alternative view », in G. Wright & F. Bolger (dir.), Expertise and Decision Support, Plenum Press, NY.

Shanteau J., Weiss D. J., Thomas R. P. & Pounds J. (2003), « How can you tell if someone is an expert? Empirical assessment of expertise », à paraître dans S. L. Schneider & J. Shanteau (dir.), Emerging Perspectives on Decision Research, Cambridge, U. K, Cambridge University Press.

Slovic P., Monahan J. & Macgregor D. G. (2000), « Violence Risk Assessment and Risk Communication: the Effects of Using Actual Cases, Providing Instruction, and Employing Probability Versus Frequency Formats », Law and Human Behavior, 24 (3), p. 271-296.

Stasser G. & Titus W. (1985), « Pooling of unshared information in group decision making: Biased information sampling during group discussion », Journal of Personality and Social Psychology, 48, p. 1467-1478.

Stone E. R., Sieck W. R., Bull B. E., Yates J. F., Parks S. C. & Rush C. J. (2003), « Foreground: background salience: Explaining the effects of graphical displays on risk avoidance », Organizational Behavior & Human Decision Processes, 90, p. 19-36.

Stone E. R., Yates J. F. & Parker A. M. (1997), « Effects of numerical and graphical displays on professed risk-taking behavior », Journal of Experimental Psychology: Applied, 3, p. 243-256.

Svenson O. & Maule J. (dir.) (1993), Time pressure and stress in human judgment and decision making, New York, Plenum.

Tversky A. (1967), « Additivity, utility and subjective probability », Journal of Mathematical Psychology, 4, p. 175-202.

Tversky A. (1969), « Intransitivity of preferences », Psychological Review, 76, p. 31-48.

Villejoubert G. & Mandel D. (2002), « The inverse fallacy: An account of deviations from Bayes’s theorem and the additivity principle », Memory & Cognition, 30, p. 171-178.

von Neumann J. & Morgenstern O. (1re éd. 1944, 2e éd. 1947), Theory of games and economic behavior, Princeton, Princeton University Press.

Weiss D. J. & Shanteau J. (2001), « The vice of consensus and the virtue of consistency », in J. Shanteau, P. Johnson & C. Smith (dir.), Psychological explorations of competent decision making, NY, Cambridge University Press.

Weiss D. J. & Shanteau J. (2003), « The vice of consensus and the virtue of consistency », in J. Shanteau, P. Johnson & C. Smith (dir.), Psychological explorations of competent decision making, NY, Cambridge University Press.

Weiss D. J. & Shanteau J. (mars 2001), Do judgments alone provide sufficient information to determine the expertise of the judge who made them? Paper presented at the 11th International Symposium on Aviation Psychology. Columbus, OH.

Wiesner W. H & Cronshaw S. F. (1988), « A meta-analytic investigation of the impact of interview format and degree of structure on the validity of the employment interview », Journal of occupational Psychology, 61, p. 275-290.

Abbildungsverzeichnis

Bildunterschrift Tableau 1. – Décomposition d’une décision selon la théorie de l’utilité espérée.
URL http://books.openedition.org/pur/docannexe/image/60749/img-1.jpg
Datei image/jpeg, 72k
URL http://books.openedition.org/pur/docannexe/image/60749/img-2.jpg
Datei image/jpeg, 6,9k

Autoren

Maître de conférences, School of Social Science, Kingston (Royaume-Uni) ; affiliée au laboratoire CLLE-LTC, UMR 5263 du CNRS, université Toulouse 2.
Maître de conférences, laboratoire CLLE-LTC, UMR 5263 du CNRS, université Toulouse 2.

Der Text und andere Elemente (Illustrationen, importierte Anhänge) stehen unter OpenEdition Books License, sofern nicht anders angegeben.

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search