Régression vers la moyenne (Regression to the Mean)

En un coup d'œil

1. Résumé rapide

Tout score qui mêle compétence et chance revient vers sa moyenne à long terme après une valeur extrême, car la chance qui a produit cet extrême a peu de chances de se répéter. Un élève qui rate complètement un contrôle a tendance à mieux réussir le suivant ; un batteur de baseball qui tourne à une moyenne de 0,400 en avril finit par voir son rythme ralentir ; un patient qui consulte le médecin au pire jour d'une poussée se sent mieux une semaine plus tard, avec ou sans traitement. Francis Galton a mesuré cette régularité dans la taille des familles en 1886, et Kahneman et Tversky ont montré en 1973 que l'intuition humaine l'ignore. Le problème vient du fait que nous agissons face aux extrêmes : nous complimentons après la meilleure performance et nous punissons après la pire, nous administrons un traitement au plus fort des symptômes, puis nous regardons les chiffres se stabiliser et en concluons que le compliment ou le médicament en est la cause. Cette conclusion constitue le sophisme de la régression, et elle trompe aussi les statisticiens de métier.

En clair

Quand quelque chose se passe vraiment bien ou vraiment mal un jour, le jour suivant est en général plus normal. Cela arrive tout seul. La chance ne reste pas extrême très longtemps. L'erreur, c'est de croire que ce que tu as fait entre les deux a causé le changement.

Imagine que tu joues à un jeu vidéo et que tu fais ton pire score de tous les temps. Ton grand frère te dit que tu tiens mal la manette et t'oblige à changer de prise. À la partie suivante, ton score remonte. Est-ce la nouvelle prise qui a fait ça ? Peut-être. Mais un score aussi mauvais venait surtout de la malchance, et ton score suivant allait être meilleur de toute façon. Ton frère est désormais persuadé que son conseil fonctionne, et toi aussi.

Voici une astuce. Quand quelque chose s'améliore après que tu l'as changé, pose-toi une seule question : est-ce que c'était particulièrement mauvais juste avant que je change quelque chose ? Si oui, le changement n'a peut-être servi à rien du tout. Reprends l'ancienne façon pendant quelques parties et compare. C'est seulement là que tu sauras ce qui a vraiment aidé.

2. Les fondements scientifiques

2.1. Découverte et histoire

Francis Galton a d'abord remarqué cette régularité chez les pois de senteur dans les années 1870 : les descendants de graines de très grande taille étaient grands, mais moins grands que leurs parents, et les descendants de très petites graines étaient moins petits. Il a qualifié ce phénomène de « réversion » et y a vu un fait propre à l'hérédité.

Les données humaines sont apparues dans son article de 1886 intitulé « Regression towards mediocrity in hereditary stature ». Galton a recueilli la taille de 928 enfants adultes issus de 205 couples de parents et l'a rapportée à une taille combinée des deux parents, la « taille parentale moyenne ». Les parents de grande taille avaient des enfants grands, mais en moyenne, les enfants ne se situaient qu'aux deux tiers environ de l'écart séparant la moyenne de la population de la taille de leurs parents. Le terme de « médiocrité » désignait le juste milieu, et non une qualité médiocre. Galton y a d'abord vu une force propre à l'hérédité, puis a constaté que rapporter les parents aux enfants donnait le même résultat : la régression se manifeste dès lors que deux mesures sont corrélées de manière imparfaite, dans les deux sens, sans qu'aucun mécanisme biologique ne soit nécessaire.

Le sophisme a connu sa première démonstration vraiment nette en 1933, quand Horace Secrist, professeur de statistique à l'université Northwestern, a publié The Triumph of Mediocrity in Business. Il avait suivi les taux de rentabilité de centaines d'entreprises sur une décennie et constaté que les firmes les plus rentables la première année avaient glissé vers la moyenne à la dixième année, tandis que les moins rentables avaient progressé. Il y a vu l'œuvre d'une concurrence qui use l'excellence. Harold Hotelling, recensant l'ouvrage dans le Journal of the American Statistical Association, a souligné que Secrist avait redécouvert la régression, et que la dispersion des taux de profit dans ses propres données n'avait pas diminué.

Donald Campbell et Julian Stanley ont intégré cette leçon à la méthodologie de recherche en 1963, en classant la « régression statistique » parmi les menaces pesant sur la validité interne : tout groupe sélectionné sur la base d'un score extrême semblera s'améliorer après n'importe quel traitement. La psychologie s'est emparée du sujet avec l'article de Kahneman et Tversky de 1973, « On the psychology of prediction », qui a montré que les individus prédisent l'avenir comme si le lien entre indice et résultat était parfait. Kahneman a raconté plus tard l'origine de cette réflexion : un instructeur de vol de l'armée de l'air israélienne qui avait conclu de son expérience que les félicitations rendent les cadets moins bons et que les cris les rendent meilleurs.

Dates clés :

• 1877 : Galton décrit la « réversion » vers la moyenne dans la taille des graines de pois de senteur
• 1886 : L'article de Galton sur la stature met en évidence un ratio de régression d'environ deux tiers chez 928 enfants adultes
• 1933 : Dans The Triumph of Mediocrity in Business, Secrist prend la régression pour une loi de la concurrence ; la recension de Hotelling identifie l'erreur
• 1963 : Campbell et Stanley désignent la régression statistique comme une menace pour la validité interne
• 1973 : Kahneman et Tversky montrent que les prédictions intuitives sont « non régressives »
• 1999 : Campbell et Kenny publient A Primer on Regression Artifacts
• 2005 : Barnett, van der Pols et Dobson publient leur article pédagogique dans l'International Journal of Epidemiology

2.2. Principaux chercheurs

2.3. Études marquantes

« Regression towards mediocrity in hereditary stature » (Galton, 1886)

Galton a regroupé 928 enfants adultes selon la taille moyenne de leurs parents et a compilé les médianes. Les enfants dont la taille parentale moyenne dépassait de 3 pouces la moyenne de la population se situaient, en moyenne, à environ 2 pouces au-dessus ; ceux dont la taille parentale moyenne était inférieure de 3 pouces se trouvaient environ 2 pouces en dessous. Toute la portée du constat réside dans cette structure : lorsqu'une prédiction repose sur un prédicteur imparfait, la meilleure prédiction est moins extrême que le prédicteur.

« On the psychology of prediction » (Kahneman et Tversky, 1973)

Les participants lisaient des descriptions de personnes et prédisaient des résultats tels que la moyenne générale universitaire. Les descriptions avaient peu de valeur diagnostique, et pourtant les prédictions étaient presque exactement aussi extrêmes que les impressions produites : un paragraphe dithyrambique entraînait la prédiction d'une moyenne universitaire brillante. Un prédicteur faible devrait aboutir à une prédiction proche de la moyenne ; les participants se sont comportés comme s'il était parfait. Les auteurs ont qualifié ce mécanisme de prédiction « non régressive » et l'ont rattaché à l'heuristique de représentativité. L'article relate également le cas de l'entraînement au vol militaire, où les instructeurs voyaient les cadets félicités moins bien piloter au vol suivant et les cadets réprimandés progresser, en tirant de ce constat une leçon causale erronée.

The Triumph of Mediocrity in Business et la recension de Hotelling (Secrist, 1933 ; Hotelling, 1933)

Secrist a classé des entreprises en déciles pour une année de référence et a suivi chaque décile tout au long des années 1920. Chaque décile supérieur a fléchi et chaque décile inférieur a progressé. Hotelling a fait remarquer que le même phénomène apparaît si l'on classe les entreprises selon leur dernière année et qu'on remonte le temps : les « meilleures » entreprises de 1930 étaient plus proches de la moyenne en 1920. Rien ne convergeait. Secrist avait sélectionné des valeurs extrêmes et observé la part d'aléa se dissiper. Dans l'échange qui a suivi, Hotelling a comparé sa méthode à une tentative de prouver la table de multiplication en alignant des éléphants en rangées et en colonnes.

2.4. Bases neurologiques

Il n'existe pas de corpus d'études par imagerie cérébrale dédié spécifiquement au sophisme de la régression, et cette section ne saurait prétendre le contraire. Ce qui existe, c'est une description bien établie des mécanismes sur lesquels repose ce sophisme.

Les systèmes d'apprentissage du cerveau déduisent la causalité à partir de la séquence temporelle : accomplir une action, observer un changement, renforcer le lien. Les neurones dopaminergiques du mésencéphale s'activent proportionnellement à l'écart entre le résultat observé et le résultat attendu (l'erreur de prédiction de la récompense documentée par Wolfram Schultz et ses collègues dans les années 1990) ; ainsi, les événements surprenants, y compris les performances extrêmes, émettent un signal d'apprentissage disproportionné. Il n'existe aucun signal équivalent pour dire « cela se serait produit de toute façon », car une référence contrefactuelle n'est pas un événement et ne génère aucune surprise. Reconnaître la régression exige de passer outre ce lien automatique par un raisonnement statistique délibéré, lent et facile à sauter.

3. Origines évolutives

Nos ancêtres n'avaient pas besoin de la notion de bruit. Ils avaient besoin d'apprendre vite quelles actions étaient suivies de quels résultats, et une règle qui traite toute séquence « action, puis changement » comme une preuve de causalité est une bonne règle quand la plupart des changements ont une cause et qu'une fausse croyance coûte peu.

La régression ne devient un problème qu'à partir d'une certaine échelle de mesure. Elle requiert une grandeur mesurée de façon répétée, une part de hasard suffisante pour peser dans le résultat, et une sélection opérée sur une valeur extrême. Les premiers humains suivaient rarement des chiffres sur de nombreuses répétitions et ne disposaient jamais d'un groupe témoin. Sur de petits échantillons, la composante aléatoire est énorme ; presque chaque variation observée pouvait donc être attribuée au dernier geste de quelqu'un, et aucun retour ne pouvait enseigner la leçon inverse.

Le sophisme repose aussi sur une pression sociale. Un chef qui agit avec fermeté au moment où la situation est au plus mal, et dont l'intervention est suivie d'une embellie, gagne en autorité. Comme les situations au plus mal finissent généralement par s'améliorer, les interventions décidées à ce moment-là sont récompensées par les circonstances, quelle que soit leur valeur. Le même mécanisme récompense la punition : une sanction infligée après le pire comportement est suivie d'un meilleur comportement, si bien que les cultures qui punissent se sentent confortées dans la punition.

4. Comment se manifeste ce biais

4.1. Dans la vie quotidienne

• Attribuer à un remède contre le rhume une guérison amorcée au pire moment du rhume, c'est-à-dire au moment où la plupart des gens prennent un remède
• Croire que le recadrage d'un enfant après un carnet de notes catastrophique a provoqué les meilleures notes obtenues ensuite
• Conclure qu'un porte-bonheur ou un rituel d'avant-match a mis fin à une mauvaise passe
• S'attendre à ce qu'un enfant ayant obtenu un score exceptionnel continue d'obtenir d'aussi bons résultats, et interpréter le résultat suivant, normal, comme un déclin

4.2. Dans le milieu professionnel

• Des évaluations de performance qui récompensent les éléments brillants du trimestre précédent et blâment les moins performants, avant de lire la convergence du trimestre suivant comme la preuve de l'efficacité des évaluations
• Des programmes de formation évalués uniquement auprès d'employés inscrits en raison de mauvais résultats, qui se seraient améliorés dans tous les cas
• Des managers qui déduisent de leur expérience que la critique fonctionne et que les compliments se retournent contre eux, parce que les personnes critiquées venaient d'échouer et que les personnes complimentées venaient de réussir

4.3. Dans les affaires et le marketing

• Des campagnes publicitaires évaluées d'après les ventes du mois suivant le lancement, alors que ce lancement a été calé sur un creux des ventes
• Des études de cas sur le « redressement » d'entreprises sélectionnées parce qu'elles étaient au plus bas au début de l'étude
• Des témoignages de clients ayant testé un produit au pic de leurs difficultés
• Des classements des magasins « les plus améliorés », qui classent surtout les magasins ayant subi la pire malchance durant la période de référence

4.4. Dans la politique et les médias

Les pouvoirs publics agissent presque par définition face aux extrêmes. Les vagues de criminalité déclenchent des plans de répression et les établissements scolaires en difficulté bénéficient de programmes ciblés ; chaque mesure part donc en position de paraître efficace, qu'elle fonctionne ou non.

Ces manifestations comprennent notamment :

• Des plans anti-délinquance annoncés lors d'un pic de délinquance et créditées de la baisse qui s'ensuit
• Des dispositifs d'évaluation scolaire dans lesquels les établissements les moins bien classés affichent les plus fortes « progressions » et les mieux classés des « régressions »
• Des radars installés aux carrefours ayant connu leur pire année d'accidents, dont l'amélioration ultérieure exagère l'effet du radar
• Des récits de sondages qui traitent un sondage atypique comme une tendance et le retour vers la moyenne comme un « effondrement »

4.5. Dans le domaine de la santé

C'est en médecine que ce sophisme cause le plus de dégâts, car les patients consultent quand leurs symptômes sont au plus fort et que les maladies fluctuent. Barnett, van der Pols et Dobson (2005) citent l'exemple de la tension artérielle : recrutez des patients sur la foi d'une seule mesure élevée, et la moyenne du groupe diminuera dès la mesure suivante avant le moindre traitement, car certaines valeurs étaient hautes en partie par hasard. Bland et Altman ont souligné le même constat dans le BMJ en 1994. Une part importante de ce que l'on attribue à l'effet placebo dans les études non contrôlées relève en réalité de la régression vers la moyenne associée à l'histoire naturelle de la maladie ; c'est l'une des raisons pour lesquelles la méta-analyse menée en 2001 par Hróbjartsson et Gøtzsche a trouvé si peu de différence entre les bras placebo et les bras sans traitement.

Implications concrètes :

• Les affections évoluant par crises (douleurs dorsales, migraines, eczéma, épisodes dépressifs) font paraître efficace presque tout traitement entamé au sommet d'une crise
• Les thérapies alternatives prospèrent sur ce schéma, car les patients y recourent après l'échec perçu de la médecine conventionnelle au plus fort des symptômes
• Les médecins peuvent déduire de leur pratique qu'un traitement fonctionne alors qu'ils ne l'ont observé qu'aux extrêmes
• Les patients qui interrompent un traitement parce que leur état s'est amélioré abandonnent peut-être le médicament qui les a aidés, ou un médicament qui n'a rien fait

4.6. Dans la finance et l'investissement

• Courir après les fonds d'investissement les plus performants de l'année écoulée, qui afficheront en moyenne un rendement plus proche de la normale l'année suivante
• Renvoyer un gestionnaire de portefeuille après une mauvaise année pour en recruter un autre après une année faste, ce qui revient à acheter au plus haut et vendre au plus bas
• Interpréter le trimestre record d'une entreprise comme un nouveau palier plutôt que comme un tirage haut dans une distribution bruitée
• Attribuer à une banque centrale le rebond des marchés ayant suivi un creux de panique

5. Études de cas réels

Cas concret 1 : Les instructeurs de vol

• Contexte : Dans les années 1960, Daniel Kahneman, alors jeune psychologue en Israël, donnait des conférences devant des instructeurs de vol de l'armée de l'air israélienne pour leur expliquer que la récompense favorise davantage l'apprentissage des compétences que la punition.
• Ce qui s'est passé : Un instructeur chevronné a protesté. Chaque fois qu'il félicitait un cadet pour une manœuvre impeccable, l'essai suivant était généralement moins bon ; chaque fois qu'il criait sur un cadet après une mauvaise manœuvre, l'essai suivant était généralement meilleur. Son expérience lui montrait, affirmait-il, que les félicitations nuisent et que la punition aide.
• Le biais à l'œuvre : L'instructeur décrivait fidèlement ce qu'il avait observé, mais se trompait sur la cause. Une manœuvre suffisamment réussie pour mériter des louanges comportait une part de chance, de sorte que la suivante serait probablement plus ordinaire ; une manœuvre suffisamment ratée pour provoquer une réprimande résultait en partie d'un manque de réussite, rendant la suivante probablement meilleure. Kahneman en a fait la démonstration immédiate : chaque instructeur a lancé deux pièces vers une cible située derrière son dos, et ceux qui avaient obtenu les meilleurs lancers au premier tour ont pour la plupart fait moins bien au second, sans aucun retour.
• Conséquences : Kahneman a qualifié cette prise de conscience de l'une des plus gratifiantes de sa carrière. Parce que nous récompensons les bons résultats et punissons les mauvais, nous sommes, selon ses propres termes, statistiquement punis pour avoir récompensé et récompensés pour avoir puni.
• Leçons apprises : L'expérience seule ne permet pas de distinguer une intervention efficace d'une intervention appliquée à un cas extrême. Seule la comparaison avec l'absence d'action le permet.

Cas concret 2 : La malédiction de la couverture de Sports Illustrated

• Contexte : Depuis les années 1950, les amateurs de sport croient qu'apparaître en couverture du magazine Sports Illustrated porte malheur. Eddie Mathews, des Milwaukee Braves, figurait sur le premier numéro en 1954 ; la série de victoires de son équipe s'est interrompue peu après et le joueur s'est fracturé la main.
• Ce qui s'est passé : En janvier 2002, le magazine a enquêté sur sa propre « malédiction ». Le journaliste Alexander Wolff a passé en revue chaque couverture et a constaté qu'un peu plus d'un tiers des sportifs en couverture avaient subi une baisse mesurable de performance, une blessure ou un revers de fortune peu de temps après. Le numéro portait en couverture un chat noir, aucun athlète n'ayant accepté de poser pour l'occasion.
• Le biais à l'œuvre : Les sportifs arrivent en couverture à un sommet, et un sommet est le point à partir duquel la mesure suivante a le plus de chances d'être inférieure. Si l'on ajoute qu'une saison normale succédant à une année record ressemble à une contre-performance, ce taux de « malédiction » d'un tiers ne nécessite aucune malédiction. La « malédiction Madden » et le « passage à vide de la deuxième saison » sont le même artefact sous d'autres noms.
• Conséquences : Les équipes prolongent des contrats au sommet et recrutent des joueurs au terme d'une saison exceptionnelle, avant de payer le prix fort de la régression. Des analystes comme Bill James, qui a baptisé ce phénomène le « principe du Plexiglas », ont bâti des modèles prévisionnels qui ramènent les saisons récentes hors normes vers le niveau établi de chaque joueur.
• Leçons apprises : Lorsque le critère pour remarquer une performance est son caractère exceptionnel, l'observation suivante sera presque toujours plus modérée. Toute explication de ce recul doit faire mieux que celle qui ne requiert aucune cause.

Exemple historique : The Triumph of Mediocrity in Business (1933)

Horace Secrist était un statisticien reconnu et l'auteur de manuels lorsqu'il a publié The Triumph of Mediocrity in Business après une dizaine d'années de travail. Il avait classé des entreprises de dizaines de secteurs industriels selon leurs ratios de rentabilité lors d'une année de référence, puis avait suivi chaque groupe sur plusieurs centaines de pages de tableaux. Les graphiques étaient monotones : les groupes les plus performants déclinaient vers la moyenne du secteur, tandis que les moins performants remontaient. Secrist en a déduit que la concurrence elle-même érode l'excellence et relève l'échec.

Harold Hotelling a compris tout de suite qu'il s'agissait d'une régression vers la moyenne, et de rien d'autre. L'éventail des taux de profit entre entreprises, qui aurait dû se resserrer si la médiocrité l'emportait, n'avait pas diminué. Secrist a défendu sa thèse dans le courrier des lecteurs, et Hotelling lui a répondu par la comparaison avec les éléphants, qui a survécu au livre.

Cet épisode demeure un cas d'école dans l'enseignement des statistiques, car la personne tombée dans le piège était un professionnel rigoureux s'appuyant sur une profusion de données. Sélectionner un échantillon sur un critère extrême garantit l'apparition de l'artefact, quel que soit le volume de données accumulé.

6. Le coût de ce biais

6.1. Coûts personnels

• Des sommes dépensées dans des remèdes, des compléments alimentaires ou des formations qui n'ont « fonctionné » que parce qu'ils ont été testés au pire moment
• Des relations interpersonnelles où la critique passe pour efficace et la bienveillance pour contre-productive
• Des enfants soumis à une discipline plus sévère que celle que leurs parents choisiraient autrement

6.2. Coûts professionnels

• Des promotions et des licenciements décidés d'après un seul trimestre extrême, suivis de déceptions face à l'employé « vedette » et d'étonnement devant le redressement du collaborateur « à problème »
• Des budgets de formation dépensés dans des programmes jamais comparés à un groupe témoin
• Une perte de crédibilité lorsqu'une certitude affirmée (« cela fonctionne ») s'effondre lors d'une évaluation rigoureuse

6.3. Coûts sociétaux

• Des fonds publics alloués à des politiques qui ne semblaient efficaces que parce qu'elles avaient été instaurées au paroxysme d'un problème
• Des systèmes éducatifs qui classent et pénalisent des établissements sur des variations annuelles qui relèvent surtout du bruit
• Des traitements et des thérapies alternatives entretenus par les témoignages de patients soignés au plus fort de leur crise
• Une érosion de la confiance dans l'évaluation lorsque des programmes aux effets « évidents » échouent lors d'essais randomisés

6.4. Impact statistique

• Le ratio de régression calculé par Galton pour la taille humaine était d'environ deux tiers : les enfants de parents s'écartant de 3 pouces de la moyenne s'en écartaient en moyenne d'environ 2 pouces
• La régression attendue est proportionnelle à un moins le coefficient de corrélation entre les deux mesures ; avec une corrélation de 0,5, une première mesure extrême devrait perdre la moitié de son écart à la moyenne lors de la seconde
• La méta-analyse menée en 2001 par Hróbjartsson et Gøtzsche n'a trouvé que peu de différences entre les groupes sous placebo et les groupes sans aucun traitement pour la majorité des critères de jugement, ce qui laisse penser qu'une grande part de « l'amélioration sous placebo » dans les études non contrôlées relève en fait de la régression et de l'évolution naturelle de la pathologie

7. Les avantages cachés

Pour qui le comprend, le phénomène de régression n'est que bénéfice. C'est un instrument de prévision gratuit : lorsque vous devez prédire une mesure future à partir d'un chiffre récent parasité par le bruit, ajustez votre estimation vers la moyenne et vous surpasserez la plupart des intuitions. Le sophisme en lui-même entraîne des effets secondaires qui ne sont pas tous négatifs :

• Il pousse à persévérer : La conviction qu'une intervention fonctionne, même lorsque l'effet observé relève de la simple régression, incite les patients à poursuivre leur traitement, les managers à former leurs équipes et les parents à s'investir. L'alternative, c'est l'impuissance acquise.

• Il apporte un réconfort inoffensif : Les porte-bonheur et les récits de remontées spectaculaires redonnent aux individus le sentiment de garder le contrôle dans les moments difficiles. Lorsque le coût reste dérisoire, un faux sentiment de maîtrise au creux de la vague peut valoir plus que la vérité.

• Il coïncide souvent avec un effet réel : De nombreuses mesures prises face à des situations extrêmes sont réellement efficaces : des antibiotiques contre une grave infection, une franche discussion avec un adolescent en difficulté. Le sophisme exagère l'effet, mais l'orientation de l'action est souvent la bonne.

Ces bénéfices ne durent que jusqu'à ce que les enjeux montent. En médecine, dans l'action publique et dans la finance, le coût de prendre du bruit pour un signal utile dépasse de très loin le réconfort de se sentir maître des événements.

8. Auto-évaluation : présentez-vous ce biais ?

8.1. Liste des signes d'alerte

• Quand une situation s'améliore juste après une modification de votre part, vous tenez pour acquis que votre changement a causé l'amélioration
• Vous croyez à un remède, un complément ou un rituel à cause d'une seule guérison spectaculaire
• D'après votre expérience, les reproches fonctionnent mieux sur autrui que les félicitations
• Vous vous attendez à ce qu'une personne qui vient de signer sa meilleure performance historique se maintienne durablement à ce niveau
• Vous vous attendez à ce qu'une personne qui vient d'enregistrer son pire résultat historique reste durablement à ce niveau
• Vous vous demandez rarement « la situation était-elle exceptionnellement mauvaise juste avant mon action ? » pour juger de son efficacité
• Vous seriez prêt à juger un nouveau programme en comparant les chiffres avant et après, sans groupe de comparaison
• Vous changez de fonds d'investissement, de fournisseur, de médecin ou de stratégie après une seule mauvaise période
• Vous êtes plus enclin à tester une nouveauté quand la situation est au plus bas, et à lui en attribuer ensuite le mérite
• Vous pouvez citer plusieurs interventions qui ont « redressé la barre », mais peu qui aient été comparées à l'inaction

Résultats :

• 0 à 2 cases cochées : Faible sensibilité
• 3 à 5 cases cochées : Sensibilité modérée
• 6 à 8 cases cochées : Forte sensibilité
• 9 à 10 cases cochées : Très forte sensibilité

8.2. Questions d'autoréflexion

1. Pensez au dernier traitement ou à la dernière méthode que vous avez recommandés parce qu'ils « avaient marché pour vous ». Dans quel état étiez-vous quand vous avez commencé ?
2. Dans votre travail, qui reçoit des compliments ou des reproches, et à quel moment ? Ce moment est-il lié à un résultat extrême ?
3. La dernière fois que vous avez jugé une initiative d'après des chiffres avant-après, à quoi aurait ressemblé le chiffre « après » si vous n'aviez rien changé ?
4. Vous souvenez-vous d'une baisse de régime qui a pris fin d'elle-même ? À quel élément avez-vous été tenté d'attribuer ce dénouement ?
5. Quand un collaborateur ou un élève signe une performance exceptionnelle, considérez-vous le résultat suivant, plus ordinaire, comme une anomalie à corriger ?

8.3. Scénario diagnostique rapide

Scénario : Le score de satisfaction client de votre équipe, qui oscille d'ordinaire autour de 7,5 sur 10, a chuté à 6,1 le mois dernier. Vous avez organisé un atelier de deux heures sur la qualité de service. Ce mois-ci, le score remonte à 7,4.

Comment réagiriez-vous ?

• A) Déployer l'atelier auprès de toutes les équipes ; il a fait progresser le score de plus d'un point → Forte sensibilité
• B) Considérer l'atelier comme un succès probable, tout en surveillant les chiffres du mois prochain → Sensibilité modérée
• C) Remarquer que 6,1 était un score anormalement bas, de sorte qu'un retour à 7,4 était l'issue la plus probable quoi qu'il arrive ; tester l'atelier sur la moitié des équipes avant d'en tirer la moindre conclusion → Faible sensibilité

9. Identifier ce biais chez les autres

9.1. Indicateurs comportementaux

• Agit avec le plus de fermeté aux extrêmes et cite l'embellie qui suit comme preuve
• Conserve une liste de remèdes ou de méthodes qui « ont marché », sans la moindre comparaison avec ce qui se serait passé sans intervention
• Interprète chaque classement des « plus fortes progressions » comme un catalogue d'interventions réussies
• Réagit à un mauvais résultat isolé par des bouleversements majeurs et à un bon résultat isolé par des engagements majeurs
• Privilégie la sanction par rapport aux encouragements sur la base de « ce que j'ai vu »

9.2. Signaux d'alerte dans la conversation

Expressions typiques d'une personne sous l'emprise de ce biais :

• « J'ai testé cette méthode alors que j'étais au plus bas, et en une semaine tout allait mieux. »
• « Chaque fois que je le félicite, il se relâche ; chaque fois que je le recadre fermement, il se reprend. »
• « Les chiffres étaient désastreux, nous avons fait appel aux consultants, et regardez les résultats aujourd'hui. »
• « La délinquance a baissé de 20 % après le renforcement des patrouilles. Que vous faut-il de plus comme preuve ? »

Types d'arguments avancés :

• Des comparaisons avant-après sans groupe témoin et sans mention de l'élément déclencheur de l'intervention
• Des témoignages recueillis auprès de personnes ayant sollicité de l'aide au moment où leurs difficultés atteignaient un pic

Questions qu'ils évitent de poser :

• « Que se serait-il passé si nous n'avions rien fait ? »
• « À quel point le résultat qui a motivé notre intervention initiale était-il inhabituel ? »

9.3. Déclencheurs situationnels

• Toute décision motivée par un chiffre exceptionnellement élevé ou bas
• Les dispositifs qui sélectionnent des bénéficiaires sur la foi d'un score extrême (classes de rattrapage, listes de patients à risque, employés dits « en difficulté »)
• Les affections fluctuantes telles que les douleurs, l'humeur, les allergies et les problèmes dermatologiques
• Les situations de crise, qui surviennent lors de pics et sont suivies d'une accalmie

10. Stratégies de débiaisage cognitif

10.1. Techniques immédiates

• La question du « Pourquoi maintenant ? » : Avant d'attribuer un mérite à un changement, demandez-vous pourquoi l'action a été engagée à ce moment précis. Si la réponse est « parce que la situation était anormalement mauvaise (ou bonne) », partez du principe qu'une part de l'évolution suivante relève de la régression.
• Réduire la prévision vers la moyenne : Lors d'une prévision basée sur un résultat extrême isolé, partez de la moyenne à long terme et ne faites qu'une partie du chemin vers ce résultat. Plus le lien entre le passé et l'avenir est faible, moins vous vous déplacez.
• Inverser le classement : Faites ce que Hotelling a fait à Secrist. Sélectionnez les valeurs extrêmes à la fin de la période et observez leur trajectoire passée. Si elles semblent également issues du milieu de la distribution, vous avez affaire à une régression.

10.2. Stratégies à long terme

• Comprendre le mécanisme plutôt que le slogan : Prenez le temps de décortiquer un exemple chiffré (les deux tiers de Galton, ou une corrélation de 0,5 appliquée à une valeur extrême) jusqu'à ce que l'absence de cause dans la régression devienne une évidence intuitive.
• Tenir un carnet de prévisions pour les extrêmes : Chaque fois qu'un résultat sort de l'ordinaire, notez par écrit votre prédiction pour l'observation suivante. Faites le bilan chaque trimestre. La plupart des gens constatent que leurs prévisions péchaient par excès dans le sens du dernier résultat.
• Séparer la sélection de l'évaluation : Si vous devez sélectionner sur une mesure, évaluez sur une autre, ou sur une mesure ultérieure prise une fois l'effet de sélection dissipé.

10.3. Aménagement de l'environnement

• Des groupes témoins par défaut : Tout programme qui peut d'abord être déployé sur la moitié des entités éligibles devrait l'être. La moitié non traitée est la seule base de comparaison honnête.
• Mesures multiples de référence : Exigez deux ou trois mesures préalables avant d'inscrire quiconque sur la base d'un score extrême. Faire la moyenne de ces observations élimine la majeure partie de l'aléa lors de la sélection.
• Intervalles de confiance sur les classements : Tout palmarès ou tableau d'honneur des « plus fortes progressions » devrait afficher la marge de fluctuation normale, afin qu'un mouvement à l'intérieur de cette marge ne soit pas lu comme un changement.

10.4. Quand solliciter un avis extérieur

• Lorsqu'un programme ou un traitement a été déclenché par un chiffre extrême et que vous vous apprêtez à le généraliser
• Lorsque vous tirez une leçon sur les gens (louanges, sanctions, primes) à partir de votre observation personnelle de la performance suivante
• Lorsqu'une comparaison avant-après constitue votre unique preuve alors que les enjeux sont élevés
• Lorsque vous observez que tout ce que vous tentez semble fonctionner

Qui consulter : un spécialiste de la méthodologie expérimentale ou un épidémiologiste, qui s'enquerra des biais de sélection et des groupes témoins avant même de s'intéresser à l'ampleur de l'effet. Formulez votre demande ainsi : « dites-moi comment ce résultat aurait pu apparaître sans aucun effet réel ».

11. Exercices pratiques

Exercice 1 : L'instructeur et le lancer de pièces

• Objectif : Faire l'expérience concrète de la régression de vos propres mains, là où aucune explication causale n'est concevable
• Temps requis : 20 minutes
• Matériel nécessaire : Deux pièces de monnaie, une cible (un gobelet posé au sol), une feuille de résultats, au moins quatre participants
• Niveau de difficulté : Débutant
• Instructions :
  1. Chaque participant se place dos à la cible et lance deux pièces par-dessus son épaule dans sa direction. Notez chaque lancer en fonction de la distance à la cible.
  2. Enregistrez le score de chaque personne pour le premier tour.
  3. Sans donner le moindre retour ni conseil, répétez l'opération pour le second tour et notez de nouveau les scores.
  4. Classez les participants selon leur score du premier tour et comparez les résultats du second tour entre la moitié supérieure et la moitié inférieure. Les meilleurs du premier tour ont pour la plupart régressé et les moins bons ont pour la plupart progressé, sans que rien n'ait été fait entre les deux manches.
• Questions d'autoréflexion :
  • Si un entraîneur avait félicité la première moitié et réprimandé la seconde entre les deux tours, quelle conclusion en aurait-il tirée ?
  • Dans quels aspects de votre propre vie les retours d'expérience prennent-ils une forme similaire ?
• Fréquence : Une fois, puis à répéter sous forme de démonstration chaque fois que vous devez expliquer ce concept à une équipe

Exercice 2 : La prévision ramenée vers la moyenne

• Objectif : S'exercer à formuler des prédictions régressives à partir de résultats extrêmes
• Temps requis : 15 minutes par séance
• Matériel nécessaire : Un carnet et une source quelconque de mesures répétées (scores sportifs, chiffres de ventes, nombre de pas quotidiens)
• Niveau de difficulté : Intermédiaire
• Instructions :
  1. Repérez un résultat récent qui se détache nettement par son niveau anormalement haut ou bas.
  2. Notez par écrit votre prédiction intuitive pour la mesure suivante.
  3. Calculez la moyenne historique sur les dix observations précédentes ou davantage.
  4. Estimez approximativement la force avec laquelle une mesure permet d'en prédire une autre (proche de zéro pour un tirage à pile ou face, proche de un pour une caractéristique stable). Ajustez votre prédiction en partant de la moyenne et en vous déplaçant vers la valeur extrême d'une fraction équivalente à cette force.
  5. Notez les deux prédictions. Lors de l'observation suivante, constatez laquelle était la plus proche de la réalité.
• Questions d'autoréflexion :
  • Quel était l'écart entre votre prédiction intuitive et la prédiction corrigée par la régression ?
  • Sur une série de dix essais, quelle méthode a obtenu le plus souvent le résultat le plus juste ?
• Fréquence : Une fois par semaine pendant deux mois

Exercice 3 : L'audit de sélection

• Objectif : Débusquer la régression dissimulée au cœur de vos certitudes actuelles sur ce qui fonctionne
• Temps requis : 45 minutes
• Matériel nécessaire : Papier et stylo
• Niveau de difficulté : Intermédiaire
• Instructions :
  1. Listez dix choses que vous croyez efficaces parce que vous les avez vues fonctionner : remèdes, techniques de management, méthodes d'éducation, règles d'investissement.
  2. Pour chacune, notez ce qui vous a poussé à l'essayer. La situation était-elle anormalement mauvaise, ou anormalement bonne, à cet instant précis ?
  3. Pour chacune, notez si vous avez déjà observé le même dénouement sans cette intervention, dans des circonstances analogues.
  4. Cochez chaque élément pour lequel l'étape 2 indique « extrême » et l'étape 3 indique « non ». Ce sont les croyances que la régression pourrait expliquer entièrement.
  5. Choisissez-en une et concevez le test rigoureux le moins coûteux possible : une période de comparaison, ou la recherche d'un essai clinique en bonne et due forme.
• Questions d'autoréflexion :
  • Combien de vos dix croyances ont résisté à cet audit ?
  • Quelle était la croyance qu'il vous a été le plus difficile de remettre en question ?
• Fréquence : Deux fois par an

Pratique quotidienne

Le réflexe « La situation était-elle extrême ? »

Une fois par jour, dès que vous entendez ou formulez l'affirmation qu'un événement a provoqué une amélioration ou un déclin, demandez-vous si le point de départ était anormalement haut ou bas.

• Durée suggérée : 1 minute chaque fois qu'une affirmation avant-après est évoquée
• Meilleur moment de la journée : Quand vous lisez les actualités, analysez des résultats ou entendez dire que « cela a marché »
• Comment suivre vos progrès : Tenez le décompte des affirmations vérifiées et notez combien prenaient leur source dans un résultat extrême

Défi hebdomadaire

Prédire le retour à la normale

Chaque semaine, choisissez une personne, une équipe, une action en bourse ou une statistique qui vient de signer un résultat spectaculaire, et formulez pour son observation suivante une prédiction plus proche de sa moyenne historique. Vérifiez le résultat la semaine suivante.

• Résultats attendus après 4 semaines : Moins de surprise face aux « passages à vide » et aux « redressements » ; une intuition affinée du degré de correction à appliquer
• Pistes de réflexion pour votre journal :
  • Quels retours à la normale ai-je prédits avec exactitude, et quels extrêmes correspondaient à de véritables changements de niveau ?
  • Quelle explication causale les médias ont-ils avancée pour chaque fléchissement, et une telle explication était-elle seulement nécessaire ?

12. Pour des publics spécifiques

Pour les dirigeants et managers

• Gestion de la performance : Récompensez et sanctionnez sur la base de moyennes portant sur plusieurs périodes. Un trimestre unique situé au sommet ou au creux de la vague relève principalement du bruit statistique, et y réagir vous apprend que le reproche fonctionne et que la louange échoue.
• Discipline personnelle : Lorsque votre intervention est suivie d'une amélioration, dites-vous d'abord « et une part de ce progrès serait arrivée de toute façon » avant de dire quoi que ce soit d'autre.

Pour les parents et éducateurs

• Explication adaptée aux enfants : « Une très mauvaise journée est en général suivie d'une meilleure, toute seule. Alors si tu changes quelque chose un mauvais jour et que le lendemain se passe mieux, tu ne peux pas être sûr que c'est le changement. Essaie plusieurs fois pour le savoir. »
• Discipline : Une punition infligée après le pire comportement est toujours suivie d'un meilleur comportement, et c'est pourquoi la discipline sévère paraît efficace. Jugez votre méthode éducative sur des semaines et des mois, jamais sur l'heure qui suit.
• Programmes de soutien : Des élèves sélectionnés pour du soutien scolaire d'après une seule note basse progresseront au test suivant quoi qu'il arrive. Évaluez l'efficacité du dispositif lors d'un examen ultérieur, ou en comparaison avec des élèves de niveau équivalent n'ayant pas bénéficié du dispositif.

Pour les professionnels de santé

• Pratique clinique : Vous recevez la plupart des patients au pic d'affections fluctuantes, de sorte que tout traitement prescrit à ce moment précis paraîtra efficace. Fiez-vous aux essais contrôlés plutôt qu'au souvenir de patients qui se sont rétablis.
• Dépistage et inclusion : Inclure un patient sur la foi d'un résultat anormal unique garantit une amélioration à la mesure suivante. Prévoyez des mesures de référence répétées avant de poser un diagnostic ou d'intégrer un patient à un essai.
• Relation avec les patients : Lorsqu'un patient attribue sa guérison à un complément alimentaire ou à une thérapie alternative, demandez-lui à quel moment il a débuté sa prise. Expliquer avec pédagogie la régression vers la moyenne, à l'aide de l'exemple du « jour le plus pénible », passe mieux que de balayer la thérapie d'un revers de main.

Pour les professionnels de la finance

• Sélection de fonds : Le décile des fonds les plus performants de l'année passée se situera, en moyenne, plus près du milieu du classement l'année suivante. Sachez tempérer les clients qui souhaitent courir après ces performances, et réprimez ce même réflexe dans vos propres arbitrages.
• Accompagnement des investisseurs : Les clients attribueront le redressement des marchés au conseiller recruté au plus bas et rendront responsable de la baisse celui embauché au plus haut. Expliquez le mécanisme de la régression avant même qu'il ne se produise.

13. Interactions avec d'autres biais

Biais qui amplifient celui-ci

Biais qui contrecarrent celui-ci

Chaînes de biais fréquentes

Résultat extrême → Heuristique de représentativité → Intervention → Régression vers la moyenne → Corrélation illusoire → Biais de confirmation

Un résultat hors normes survient et l'heuristique de représentativité l'interprète comme un changement de niveau durable, ce qui déclenche une intervention. La mesure suivante régresse, comme elle allait de toute façon le faire. L'amélioration observée est associée à l'action entreprise, cette association s'ancre dans la mémoire alors que les cas sans effet sont oubliés, et une croyance en l'efficacité de l'intervention prend racine, renforcée par chaque nouvel extrême.

Interrompre la chaîne : Le point d'intervention le plus économique se situe dès le premier maillon. Si un résultat extrême est reconnu comme comportant une part de hasard avant toute prise de décision, l'amélioration qui suivra ne suscitera aucune surprise à expliquer. À défaut, l'instauration d'un groupe témoin au moment d'agir permet de briser la chaîne au troisième maillon.

14. Perspectives culturelles

Il existe peu de recherches interculturelles directes portant spécifiquement sur le sophisme de la régression. Le phénomène statistique est le même partout, et rien n'indique que le mécanisme qui l'interprète mal, l'apprentissage causal par séquence temporelle, varie beaucoup d'une population à l'autre. Ce qui diffère réside dans le récit que chaque culture élabore pour expliquer le reflux après un sommet ; or ces récits s'apparentent à des représentations traditionnelles de la régression attribuant une cause là où aucune n'est nécessaire.

De nombreuses sociétés mettent en garde contre le fait de louer trop vivement un enfant, une récolte ou un succès. Les croyances liées au mauvais œil dans le bassin méditerranéen, au Moyen-Orient et en Asie du Sud soutiennent que l'admiration attire le malheur, et les preuves populaires sont faciles à voir : l'admiration survient aux sommets, et les sommets sont suivis de déclins. La pensée grecque associait l'hubris à la némésis, et les proverbes chinois rappelant que l'arbre le plus haut prend le plus de vent véhiculent la même leçon. Dans le monde anglophone, la même structure prend la forme de la guigne et de la peur de « tenter le sort ».

Les attitudes culturelles envers la punition et la louange interagissent également avec ce biais. Là où une discipline stricte constitue la norme, le retour d'expérience décrit par Kahneman vient conforter cette norme chaque jour. Là où l'éducation positive par le compliment prévaut, la régression opère en sens inverse, et les éducateurs peuvent ressentir confusément que la méthode « ne marche pas » sans savoir dire pourquoi.

15. Mythes et idées reçues

16. Avis d'experts

« Parce que nous avons tendance à récompenser les autres lorsqu'ils réussissent et à les punir lorsqu'ils échouent, et parce qu'il existe une régression vers la moyenne, cela fait partie de la condition humaine que nous soyons statistiquement punis pour avoir récompensé les autres et récompensés pour les avoir punis. » — Daniel Kahneman, Thinking, Fast and Slow (2011), chapitre 17

« Notre esprit est fortement biaisé en faveur des explications causales et compose mal avec les “simples statistiques”. » — Daniel Kahneman, Thinking, Fast and Slow (2011)

L'écart moyen des enfants par rapport à la moyenne de la population ne représentait qu'une fraction, environ deux tiers, de l'écart de leurs parents ; les extrêmes d'une génération sont atténués dans la suivante, quelle que soit la direction temporelle dans laquelle on regarde. — Francis Galton (1886), paraphrasant la conclusion centrale de « Regression towards mediocrity in hereditary stature »

Sélectionner des personnes pour une étude sur la base d'une seule mesure extrême garantit que leur mesure suivante sera, en moyenne, moins extrême, que l'on intervienne ou non auprès d'elles ; les seules protections fiables sont un groupe témoin randomisé et des mesures initiales répétées. — Adrian Barnett, Jolieke van der Pols et Annette Dobson (2005), paraphrasant les conclusions de leur guide dans l'International Journal of Epidemiology

17. Points clés à retenir

1. Le phénomène n'est pas le biais : La régression vers la moyenne est un fait statistique qui s'applique à toute grandeur comportant une part de hasard. Le biais réside dans le sophisme de la régression, qui consiste à inventer une cause pour expliquer un retour à la moyenne qui n'en nécessitait aucune.

2. C'est aux extrêmes que nous agissons : Nous soignons au pic des symptômes, nous sanctionnons après le pire comportement et nous réorganisons une entreprise après le pire trimestre. Chacun de ces moments est tout prêt à faire paraître efficace ce qui suit.

3. Compliments et réprimandes sont tous deux faussés : Les instructeurs de vol de Kahneman ont cru que crier fonctionnait parce qu'ils ne criaient qu'après de mauvais vols. La même illusion fait paraître les éloges contre-productifs. Aucune de ces deux conclusions n'est valide.

4. Le volume de données ne protège de rien : Secrist disposait de dix ans de données sur des centaines d'entreprises et a pourtant pris la régression pour une loi économique. Sélectionner un échantillon sur un extrême garantit l'apparition de l'artefact.

5. Réduisez vos prévisions vers la moyenne : La prédiction optimale à partir d'une observation extrême se situe entre cette valeur et la moyenne historique, et d'autant plus près de la moyenne que la corrélation est faible.

6. Les groupes témoins sont le remède en matière d'évaluation : Les comparaisons avant-après portant sur des entités sélectionnées pour leurs scores extrêmes sont incapables de distinguer un programme efficace d'une mesure sans effet. La randomisation, la répétition des mesures initiales ou un groupe de comparaison le permettent.

7. Posez-vous la question « Pourquoi maintenant ? » : Avant d'attribuer un mérite à un changement, demandez-vous si l'action a été déclenchée parce que la situation était exceptionnellement mauvaise ou bonne. Si c'est le cas, admettez qu'une part de l'amélioration allait se produire de toute façon.

18. Ressources complémentaires

Articles universitaires

• Galton, F. (1886). Regression towards mediocrity in hereditary stature. Journal of the Anthropological Institute of Great Britain and Ireland, 15, 246-263.
• Kahneman, D., & Tversky, A. (1973). On the psychology of prediction. Psychological Review, 80(4), 237-251.
• Hotelling, H. (1933). Review of The Triumph of Mediocrity in Business by Horace Secrist. Journal of the American Statistical Association, 28(184), 463-465.
• Barnett, A. G., van der Pols, J. C., & Dobson, A. J. (2005). Regression to the mean: What it is and how to deal with it. International Journal of Epidemiology, 34(1), 215-220.
• Bland, J. M., & Altman, D. G. (1994). Statistics notes: Regression towards the mean. BMJ, 308(6942), 1499.
• Stigler, S. M. (1997). Regression towards the mean, historically considered. Statistical Methods in Medical Research, 6(2), 103-114.
• Hróbjartsson, A., & Gøtzsche, P. C. (2001). Is the placebo powerless? An analysis of clinical trials comparing placebo with no treatment. New England Journal of Medicine, 344(21), 1594-1602.

Ouvrages

• Campbell, D. T., & Kenny, D. A. (1999). A Primer on Regression Artifacts. Guilford Press.
• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
• Stigler, S. M. (1999). Statistics on the Table: The History of Statistical Concepts and Methods. Harvard University Press.

Chapitres d'ouvrages

• Kahneman, D. (2011). Regression to the mean. In Thinking, Fast and Slow (Chapter 17). Farrar, Straus and Giroux.
• Campbell, D. T., & Stanley, J. C. (1963). Experimental and quasi-experimental designs for research on teaching. In N. L. Gage (Ed.), Handbook of Research on Teaching (pp. 171-246). Rand McNally.

19. Fiche récapitulative

20. Glossaire des termes utilisés

21. Questions de discussion

Pour les clubs de lecture, les cours ou la réflexion personnelle :

1. Les instructeurs de vol de Kahneman étaient compétents, attentifs et honnêtes, et ont pourtant tiré une conclusion fausse de leur pratique. Quelle situation de votre propre existence présente la même structure, où le retour d'expérience n'intervient qu'après des extrêmes ?

2. Horace Secrist a travaillé pendant une décennie avec des données rigoureuses et a publié avec assurance une loi des affaires. Quelles habitudes méthodologiques au sein des institutions auraient permis de déceler son erreur plus tôt ?

3. De nombreuses cultures déconseillent d'encenser trop vivement une réussite. La croyance au mauvais œil est-elle une théorie populaire de la régression ? Que gagne-t-on et que perd-on lorsqu'une régularité statistique est traduite en superstition ?

4. Une grande part de ce qui est attribué à l'effet placebo dans les contextes non contrôlés relève en réalité de la régression et de l'histoire naturelle de la maladie. En quoi ce constat devrait-il modifier la façon dont patients et soignants discutent des remèdes qui « ont marché pour moi » ?

5. La régression peut être invoquée à tort tout comme elle est ignorée : tout rétablissement n'est pas un simple retour à la moyenne. Comment établiriez-vous, pour une politique publique ou un traitement particulier, que l'explication par l'absence de cause a été écartée ?

Dernière mise à jour : 18 octobre 2026