Heuristique de représentativité (Representativeness Heuristic)

En un coup d'œil

1. Résumé rapide

L'heuristique de représentativité consiste à répondre à la question « quelle est la probabilité de cet événement ? » par « à quel point ressemble-t-il à ce que j'ai en tête ? ». Face à un inconnu réservé et plongé dans ses lectures, nous devinons un bibliothécaire plutôt qu'un agriculteur, bien que les agriculteurs soient bien plus nombreux que les bibliothécaires. Face à une pièce tombée sur face cinq fois de suite, nous avons le sentiment que pile « doit sortir ». Daniel Kahneman et Amos Tversky ont nommé cette heuristique en 1972 et ont montré qu'elle engendre toute une famille d'erreurs : ignorer les fréquences de base, se fier à de minuscules échantillons, juger une histoire détaillée plus probable qu'un récit plus vague qui l'englobe, et attendre du hasard qu'il s'auto-corrige. Ce raccourci fonctionne quand la ressemblance coïncide avec la probabilité. Les ennuis commencent lorsque la catégorie est rare, que l'échantillon est restreint ou que la description est frappante.

En clair

L'heuristique de représentativité signifie que tu décides si une chose est probable en regardant à quel point elle ressemble à ce que tu attends. Si quelque chose correspond à l'image que tu as dans la tête, tu penses que c'est forcément vrai, même quand cette image n'est pas un bon guide.

Imagine qu'un nouvel élève arrive dans ta classe. Il porte des lunettes, transporte trois livres et reste très silencieux. Quelqu'un chuchote alors qu'il s'agit sûrement d'un champion d'échecs. Tout le monde approuve, parce qu'il ressemble aux champions d'échecs que l'on voit dans les films. Pourtant, réfléchis un instant. Combien d'élèves sont de véritables champions d'échecs dans toute ton école ? Peut-être un ou deux. Et combien d'élèves sont calmes et portent des lunettes ? Beaucoup. Cet élève discret a bien plus de chances d'être simplement un enfant ordinaire un peu timide. Ton cerveau a sauté l'étape du calcul et il est allé droit à l'image.

Voici une astuce pour le repérer. Quand tu penses « il ressemble exactement à un... », pose-toi une question de plus : « Sur cent personnes comme lui, combien le sont vraiment ? » Si la réponse honnête est « seulement quelques-unes », alors l'image est en train de te piéger, et tu ferais bien de ralentir avant de décider.

2. Les bases scientifiques

2.1. Découverte et histoire

Daniel Kahneman et Amos Tversky ont introduit cette heuristique dans un article de 1972 publié dans Cognitive Psychology, « Subjective probability: A judgment of representativeness ». Leur affirmation était simple et troublante pour la vision dominante de l'époque, qui considérait les êtres humains comme des statisticiens intuitifs. Lorsqu'on leur demande d'évaluer la probabilité d'un événement, les gens ne calculent souvent rien du tout. Ils se demandent à quel point cet événement est similaire à la catégorie à laquelle il pourrait appartenir, ou dans quelle mesure un échantillon reflète le processus susceptible de l'avoir produit.

Un article de 1973 paru dans la Psychological Review, « On the psychology of prediction », a ajouté le problème des ingénieurs et des avocats, montrant qu'un court portrait psychologique pouvait balayer l'utilisation par les participants de fréquences de base connues. La synthèse publiée dans Science en 1974 a placé la représentativité aux côtés de la disponibilité et de l'ancrage comme l'une des trois heuristiques générales. En 1983, le duo a publié le problème de Linda, qui a mis en évidence l'erreur de conjonction et est devenu la démonstration la plus débattue de toute la discipline.

La critique est venue dans les années 1990 de Gerd Gigerenzer, qui a soutenu que ces « erreurs » découlaient en partie de la formulation : présentez les mêmes informations sous forme de fréquences naturelles (« 10 personnes sur 1 000 ») plutôt que sous forme de probabilités d'événements uniques (« une probabilité de 1 % »), et une proportion bien plus importante d'individus raisonne correctement. Kahneman et Tversky ont répliqué en 1996 que ces erreurs étaient bien réelles et que les effets de format constituaient un levier pour les corriger. En 2002, Kahneman et Shane Frederick ont reformulé la représentativité comme un cas particulier de substitution d'attribut : lorsqu'une question difficile (la probabilité) n'a pas de réponse immédiate, l'esprit lui substitue silencieusement une question plus facile (la similarité). La même année, Kahneman a reçu le prix de la Banque de Suède en sciences économiques en mémoire d'Alfred Nobel. Tversky était décédé en 1996.

Grandes étapes chronologiques :

• 1972 : Kahneman et Tversky publient « Subjective probability: A judgment of representativeness »
• 1973 : « On the psychology of prediction » documente l'oubli de la fréquence de base
• 1974 : La synthèse parue dans Science place la représentativité parmi les trois heuristiques fondamentales
• 1983 : Tversky et Kahneman publient le problème de Linda et nomment l'erreur de conjonction
• 1991 à 1996 : Critique de Gigerenzer sur le format fréquentiel et réponse de Kahneman et Tversky
• 2002 : « Representativeness revisited » reformule l'heuristique en termes de substitution d'attribut ; Kahneman reçoit le prix Nobel d'économie

2.2. Chercheurs clés

2.3. Études marquantes

« Subjective probability: A judgment of representativeness » (Kahneman & Tversky, 1972)

Le problème des maternités demandait quel hôpital, l'un enregistrant environ 45 naissances par jour et l'autre environ 15, compterait le plus grand nombre de jours où plus de 60 % des nouveau-nés étaient des garçons. La bonne réponse est le petit hôpital, car les petits échantillons s'écartent plus souvent de 50 %. La plupart des participants ont répondu que les deux hôpitaux obtiendraient un résultat similaire, une croyance erronée que les auteurs ont baptisée la « loi des petits nombres ». Les gens évaluent un échantillon d'après son air représentatif, et non d'après sa probabilité.

Le problème des ingénieurs et des avocats (Kahneman & Tversky, 1973)

Les participants ont été informés que des psychologues avaient interrogé 100 professionnels, soit 70 ingénieurs et 30 avocats (ou, pour un autre groupe, 30 ingénieurs et 70 avocats). Ils lisaient ensuite le portrait de « Jack », un homme conservateur, méticuleux et ambitieux, qui consacre ses loisirs à la menuiserie, à la voile et aux énigmes mathématiques, puis devaient estimer la probabilité qu'il soit ingénieur. Les groupes 70/30 et 30/70 ont donné des estimations quasiment identiques. Face à une description délibérément non informative, les participants ont estimé la probabilité à 50 %, quelles que soient les proportions initiales annoncées. Ce n'est qu'en l'absence totale de portrait qu'ils ont pris en compte les fréquences de base.

« Extensional versus intuitive reasoning: The conjunction fallacy » (Tversky & Kahneman, 1983)

Linda est présentée comme une femme de 31 ans, célibataire, franche, très brillante, diplômée en philosophie, profondément engagée en faveur de la justice sociale et ayant participé à des manifestations antinucléaires. Les participants devaient classer différentes affirmations à son sujet, parmi lesquelles « Linda est employée de banque » et « Linda est employée de banque et militante féministe ». Environ 85 % des personnes interrogées ont jugé la seconde proposition plus probable que la première. C'est une impossibilité logique : toute employée de banque féministe est une employée de banque, si bien que la conjonction ne peut jamais être plus probable que l'une de ses parties. Des étudiants de troisième cycle formés aux statistiques ont eux aussi commis cette erreur, à un taux plus faible.

« How to improve Bayesian reasoning without instruction: Frequency formats » (Gigerenzer & Hoffrage, 1995)

Sur quinze problèmes relatifs à des tests médicaux, les participants auxquels les données étaient présentées sous forme de probabilités d'événements uniques sont parvenus à la réponse bayésienne exacte dans environ 16 % des cas. En revanche, ceux qui recevaient les mêmes données sous la forme de fréquences naturelles (« 8 femmes sur 1 000 sont atteintes de la maladie ; parmi elles, 7 obtiennent un test positif ; parmi les 992 femmes restantes, 70 obtiennent également un test positif ») ont trouvé la bonne réponse dans environ 46 % des cas. Barbey et Sloman (2007) ont ensuite soutenu que l'amélioration tenait à la clarté de la structure des sous-ensembles imbriqués, que les nombres soient exprimés en fréquences ou non. Quoi qu'il en soit, l'erreur dépend fortement de la manière dont le problème est posé.

2.4. Bases neurologiques

La littérature en imagerie cérébrale consacrée précisément à la représentativité est mince, et la majeure partie des études examine l'oubli de la fréquence de base comme cas d'école des théories du double processus. Personne n'a découvert de « région de la représentativité » dans le cerveau, et personne ne devrait s'y attendre.

Ce qui existe reste néanmoins instructif. Wim De Neys et ses collègues (2008) ont soumis des participants à des problèmes du type ingénieur/avocat sous scanner IRMf, certains où la description et la fréquence de base concordaient, d'autres où elles entraient en conflit. Lors des essais conflictuels, l'activité augmentait dans le cortex cingulaire antérieur, une zone associée à la détection d'une concurrence entre réponses, y compris lorsque le participant finissait par fournir la réponse fondée sur le stéréotype. Les participants qui surmontaient le stéréotype affichaient une activité supplémentaire dans le cortex préfrontal latéral droit, associé à l'inhibition d'une réponse prépondérante. Le cerveau perçoit souvent que quelque chose cloche ; ce qui fait défaut, c'est l'étape coûteuse en effort qui consiste à agir sur ce signal.

Le mécanisme global découle des connaissances établies en matière de catégorisation. Les travaux d'Eleanor Rosch dans les années 1970 ont montré que les êtres humains structurent leurs catégories autour de prototypes et évaluent l'appartenance à un groupe par la similarité. La similarité se calcule rapidement et de manière automatique ; les fréquences de base et les tailles d'échantillons doivent être recherchées en mémoire et combinées par un effort délibéré. Un système qui répond avec la grandeur qu'il a déjà sous la main répondra par la similarité.

3. Origines évolutives

Juger d'après la ressemblance ne constitue pas un défaut de conception. Durant la majeure partie de l'histoire humaine, ce fut le seul moteur d'inférence disponible.

La catégorisation est la compétence fondamentale de survie. Un ancêtre qui apercevait une silhouette dans les hautes herbes devait déterminer, en une fraction de seconde, si elle appartenait à la catégorie des « prédateurs ». Le seul indice exploitable était le degré de ressemblance entre cette forme et le souvenir des prédateurs déjà rencontrés. Rassembler des données statistiques sur la densité locale des prédateurs aurait été fatal.

La ressemblance est généralement un bon indicateur. Dans un environnement stable, les éléments qui se ressemblent ont tendance à se comporter de la même façon. Les situations où la similarité et la probabilité divergent (catégories rares, échantillons minuscules et descriptions construites) sont pour l'essentiel propres au monde moderne.

Les petits échantillons étaient les seuls échantillons disponibles. Un chasseur-cueilleur ne rencontrait qu'une poignée d'occurrences de quoi que ce soit. Considérer trois observations comme un guide fiable était la meilleure stratégie disponible.

Attendre un rééquilibrage était souvent judicieux. La météo, les populations de gibier et les ressources alimentaires reviennent effectivement vers la moyenne après des épisodes extrêmes. Un esprit réglé pour anticiper une régression prédisait bien la nature et ne se trompe que lorsqu'il se retrouve devant une table de roulette.

Les environnements dans lesquels nous prenons aujourd'hui des décisions à fort enjeu (dépistage médical, recrutement, finance et justice) sont précisément ceux où les fréquences de base sont extrêmes et où les échantillons sont trompeurs. L'heuristique n'a pas changé. Le monde, si.

4. Comment ce biais se manifeste

4.1. Dans la vie quotidienne

• Deviner le métier, les opinions politiques ou la nationalité d'un inconnu d'après son apparence et en être sûr
• Supposer qu'un restaurant tape-à-l'œil sert une excellente cuisine parce qu'il ressemble aux bonnes tables dont on se souvient
• Croire qu'une série de revers annonce l'arrivée imminente de la chance (« mon tour va venir »)
• Porter un jugement sur la personnalité globale d'une nouvelle connaissance à partir d'un comportement unique qui correspond à un profil type
• Lire trois avis en ligne et les considérer comme le verdict de milliers de clients

4.2. Au travail

• Embaucher le candidat qui ressemble aux recrues performantes du passé plutôt que celui qui affiche le meilleur bilan
• Évaluer un projet d'après sa ressemblance avec d'anciens projets couronnés de succès, en oubliant que la majorité des projets échouent
• Promouvoir l'employé qui correspond à l'image mentale d'un manager au détriment de celui qui obtient de meilleurs résultats
• Supposer qu'une courte série de bons trimestres chez un nouveau collaborateur garantit une performance durable
• Interpréter les résultats d'un sondage auprès d'un petit panel de clients comme s'il représentait l'ensemble du marché

4.3. Dans les affaires et le marketing

Les spécialistes du marketing tirent parti de cette heuristique plutôt que de la combattre. Un produit qui ressemble au leader de sa catégorie emprunte sa crédibilité : un paquet de céréales aux couleurs de la marque dominante, ou un complément alimentaire présenté sous un emballage aux allures médicales. Les investisseurs n'y échappent pas non plus. Un fondateur qui présente les traits des fondateurs de réussites passées (jeune, profil technique, ayant abandonné ses études dans une université prestigieuse) bénéficie d'emblée d'un préjugé favorable, même si le taux de réussite réel parmi ces profils reste très faible.

4.4. En politique et dans les médias

Le traitement de l'actualité est une machine à produire des cas frappants et représentatifs. Un fait divers tragique impliquant un membre d'un groupe précis s'avère bien plus mémorable que n'importe quelle statistique de criminalité, et façonne l'estimation que le public se fait de la fréquence de ces infractions. Un candidat qui a l'allure et le ton d'un dirigeant est jugé plus éligible, indépendamment de son programme politique. L'heuristique alimente également la pensée complotiste à travers l'intuition qu'un événement majeur doit avoir une grande cause : un assassinat « ressemble » davantage à l'œuvre d'un complot puissant qu'à celle d'un tireur isolé, si bien que le complot paraît plus probable même lorsqu'il l'est bien moins.

4.5. Dans le domaine de la santé

Le diagnostic médical repose sur la reconnaissance de formes, et cette heuristique permet au praticien expérimenté d'agir promptement. Elle est également à l'origine d'une catégorie d'erreurs médicales largement documentée. Un patient qui présente les symptômes typiques d'une maladie rare fait souvent l'objet d'examens approfondis pour cette affection avant que soient éliminées les pathologies courantes qui produisent bien plus souvent le même tableau clinique. Le célèbre adage médical « quand vous entendez des bruits de sabots, pensez à des chevaux, pas à des zèbres » existe précisément pour contrer cette tendance spontanée. L'erreur inverse s'avère tout aussi dommageable : un patient qui ne correspond pas au prototype habituel (comme une femme jeune victime d'un infarctus du myocarde) peut être renvoyé chez lui. L'interprétation des tests constitue l'exemple le plus flagrant, comme l'illustre l'étude de cas 1.

4.6. En finance et investissement

Les investisseurs jugent une entreprise d'après son allure d'entreprise gagnante : un dirigeant charismatique, un produit dans un secteur en vogue, une courbe boursière qui rappelle les débuts d'une action de légende. On suppose que les bonnes entreprises font de bons investissements, en oubliant que le cours de l'action intègre déjà cette qualité. Un gestionnaire de fonds qui aligne trois excellentes années est perçu comme compétent, alors que trois ans ne représentent qu'un échantillon minuscule et que la fréquence de base d'une surperformance durable est faible. Après une série de pertes, les opérateurs de marché anticipent un retournement à la hausse, tandis qu'après une série de gains, ils s'attendent à ce que la dynamique se poursuive ; ces deux réactions illustrent la représentativité appliquée à une suite d'événements.

5. Études de cas réels

Étude de cas 1 : Le résultat de test positif

• Contexte : En 1978, Ward Casscells et ses collègues ont posé une question unique à 60 médecins, étudiants et internes de la Harvard Medical School. Une maladie présente une prévalence de 1 sur 1 000. Le test de dépistage associé comporte un taux de faux positifs de 5 %. Un patient obtient un test positif. Quelle est la probabilité que ce patient soit réellement atteint de la maladie ?
• Ce qui s'est passé : Seuls 11 des 60 praticiens ont donné une réponse proche du résultat exact de 2 %. La réponse la plus fréquente, formulée par 27 d'entre eux, était de 95 %.
• Le biais à l'œuvre : Un résultat positif ressemble à la situation « avoir la maladie », de sorte que l'estimation de probabilité s'est calquée sur cette ressemblance. La fréquence de base, qui indique que sur 1 000 personnes il y a environ un vrai malade pour cinquante faux positifs, a été ignorée.
• Conséquences : Surestimer la fiabilité d'un test de dépistage positif entraîne des biopsies, de l'angoisse et des traitements inutiles. Un patient à qui l'on annonce « vous avez été testé positif » sans lui préciser la fréquence de base comprend qu'il s'agit d'une quasi-certitude.
• Leçons apprises : Dès qu'un test ou un symptôme correspond à un tableau clinique, examinez la prévalence de la pathologie avant de chercher à savoir dans quelle mesure le signal concorde. Si l'on évalue la ressemblance en premier, elle éclipsera la fréquence de base.

Étude de cas 2 : Sally Clark et les 1 sur 73 millions

• Contexte : En 1999, Sally Clark, avocate anglaise (solicitor), a été jugée pour le meurtre de ses deux nourrissons, décédés subitement en 1996 et 1998. La défense soutenait qu'il s'agissait dans les deux cas du syndrome de mort subite du nourrisson (SMSN).
• Ce qui s'est passé : Le pédiatre Sir Roy Meadow a affirmé sous serment que la probabilité d'observer deux cas de mort subite du nourrisson dans une famille semblable à celle des Clark était d'environ 1 sur 73 millions, chiffre obtenu en élevant au carré l'estimation de 1 sur 8 543 pour un décès isolé. Sally Clark a été condamnée. La Royal Statistical Society a contesté publiquement ce calcul en 2001, et la condamnation a été annulée en janvier 2003 après la mise au jour d'éléments médicaux qui n'avaient pas été communiqués. Sally Clark est décédée en 2007.
• Le biais à l'œuvre : Élever au carré la probabilité d'un décès unique supposait que les deux décès étaient indépendants, ce qui ignorait les facteurs génétiques et environnementaux partagés. Plus fondamentalement, l'infime probabilité de deux morts subites du nourrisson a été assimilée à la probabilité de l'innocence de l'accusée, sans aucune comparaison avec la fréquence de base tout aussi minuscule qu'une mère assassine deux de ses enfants.
• Conséquences : Une erreur judiciaire, trois années d'emprisonnement et le réexamen de dossiers similaires. La condamnation de deux autres femmes poursuivies sur la base des expertises de Meadow a également été annulée.
• Leçons apprises : La probabilité d'observer les indices sachant une hypothèse n'est pas équivalente à la probabilité de cette hypothèse sachant les indices. Lorsqu'un événement rare sert à étayer une accusation, la fréquence de base de l'explication concurrente doit figurer à côté.

Exemple historique : Le noir vingt-six fois de suite à Monte-Carlo (1913)

Le 18 août 1913, au casino de Monte-Carlo, la bille de la roulette s'est arrêtée sur la case noire vingt-six fois de suite. La probabilité d'une telle série est d'environ 1 sur 67 millions. À partir du quinzième tirage environ, les joueurs ont misé massivement sur le rouge. Chaque nouvelle sortie du noir renforçait leur conviction que le rouge « devait sortir », et ils ont augmenté leurs mises en conséquence. Lorsque la série s'est enfin interrompue, le casino aurait encaissé, dit-on, des millions de francs.

Une roulette équilibrée « devrait » produire un mélange approximatif de rouge et de noir ; une longue suite de noir ne ressemble donc pas à ce que produit une roulette équilibrée, et la réparation intuitive consiste à attendre une correction. Pourtant, chaque lancer reste strictement indépendant du précédent. La séquence qui ressemble au hasard et la séquence que produit réellement le hasard sont deux choses bien distinctes.

6. Le coût de ce biais

6.1. Coûts personnels

• Mal juger les gens sur une première impression et passer à côté d'amis, de partenaires ou de mentors qui ne correspondaient pas à un profil type
• Perdre de l'argent dans les jeux de hasard en pariant sur des séries ou des numéros « qui doivent tomber »
• Acheter des biens et services parce qu'ils ont l'air bien plutôt que parce qu'ils le sont
• Prendre des décisions médicales guidées par la ressemblance d'un symptôme avec une maladie redoutée plutôt que par sa probabilité effective
• Réagir de façon disproportionnée à de tout petits échantillons de retours (trois commentaires, un premier rendez-vous raté, un refus unique)

6.2. Coûts professionnels

• Recruter par mimétisme avec les anciens collaborateurs, ce qui reproduit l'équipe existante et écarte de meilleurs candidats
• Commettre des erreurs de diagnostic en médecine, en ingénierie ou en informatique lorsqu'un incident ressemble à un problème familier sans en être un
• Adopter des choix stratégiques fondés sur quelques cas frappants plutôt que sur la fréquence de base d'entreprises comparables
• Excès de confiance après de courtes séries de succès et surcorrection après de courtes séries d'échecs

6.3. Coûts sociétaux

• Stéréotypes et discriminations, car juger des individus d'après les prototypes d'un groupe constitue l'application directe de l'heuristique aux personnes
• Condamnations injustifiées lorsque les jurés se fient à la ressemblance de l'accusé avec l'archétype du criminel ou à l'invraisemblance apparente du récit de la défense
• Surdiagnostics et surmédicalisation provoqués par des résultats de dépistage interprétés sans tenir compte des fréquences de base
• Mouvements de panique morale bâtis sur une poignée de cas spectaculaires

6.4. Impact statistique

• Dans le problème de Linda, environ 85 % des personnes interrogées ont classé la conjonction comme plus probable que son événement constitutif
• Dans l'expérience des ingénieurs et des avocats, faire passer la proportion de base de 30 % à 70 % d'ingénieurs n'a déplacé les estimations des participants que de quelques points dès lors qu'un portrait était fourni
• Dans l'étude de Harvard de 1978, seuls 18 % des médecins et étudiants ont répondu correctement à une question élémentaire de fréquence de base ; 45 % ont répondu 95 %
• Gigerenzer et Hoffrage (1995) ont constaté que les réponses bayésiennes exactes passaient d'environ 16 % avec une présentation probabiliste à environ 46 % avec des fréquences naturelles

7. Les bénéfices cachés

Cette heuristique constitue le moteur de la catégorisation rapide, et la plupart du temps elle voit juste.

• Rapidité : Reconnaître qu'une situation ressemble à un cas connu permet aux spécialistes d'agir en quelques secondes. Un pompier qui sent qu'un bâtiment « n'a pas l'air normal » et fait sortir son équipe utilise la représentativité, et les recherches de Gary Klein sur la prise de décision experte documentent de tels sauvetages.

• Apprentissage à partir de peu d'exemples : Les enfants assimilent des catégories entières à partir d'une poignée d'occurrences parce qu'ils généralisent par similarité. Un esprit qui exigerait de grands échantillons avant de former un concept n'apprendrait presque rien.

• Erreurs sans danger : Estimer qu'un champignon ressemblant à une espèce vénéneuse est probablement dangereux est sensé, même si les champignons vénéneux sont rares, car le coût de l'erreur est asymétrique.

• Découverte de régularités : L'intuition selon laquelle « cela n'a pas l'air aléatoire », celle-là même qui alimente le sophisme du parieur, incite les scientifiques à repérer des anomalies dignes d'être étudiées. L'erreur réside dans la certitude, non dans le fait de remarquer l'anomalie.

Ces atouts valent partout où la ressemblance suit la probabilité. Tout l'art consiste à discerner dans quel type d'environnement vous évoluez.

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

8.1. Liste des signaux d'alerte

• Vous devinez souvent le métier ou la personnalité d'inconnus d'après leur apparence et en êtes sûr
• Après une série de mauvais résultats, vous avez l'impression qu'un dénouement heureux « doit arriver »
• Une histoire détaillée et plausible vous semble plus probable qu'un récit court et vague
• Vous jugez un restaurant ou une entreprise principalement selon qu'elle a ou non l'allure d'un bon établissement
• Trois ou quatre exemples vous paraissent suffisants pour trancher une question
• Lorsqu'un résultat d'analyse médicale est positif, vous demandez rarement quelle est la fréquence réelle de la maladie
• Vous vous attendez à ce qu'une nouvelle recrue ayant commencé sur les chapeaux de roue maintienne ce niveau de performance
• Vous avez du mal à croire qu'un événement spectaculaire puisse avoir une cause tout à fait banale
• La suite pile-face-pile-face vous semble plus « aléatoire » que la suite pile-pile-pile-face
• Vous demandez rarement « combien de personnes correspondant à ce profil existent réellement ? » avant de classer quelqu'un dans une catégorie

Interprétation du score :

• 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'auto-réflexion

1. Pensez à une situation où vous étiez certain du milieu d'origine ou du parcours d'une personne sur la base d'une première impression, et où vous vous êtes trompé. À quoi ressemblait-elle, et qu'avez-vous omis de compter ?
2. La dernière fois que vous avez modifié vos projets à la suite d'une « série », quelle était la taille réelle de l'échantillon d'observations ?
3. Dans votre activité professionnelle, quelles décisions reposent sur la ressemblance d'un cas avec un type connu ? À quelle fréquence vérifiez-vous à quel point ce type est courant ?
4. Pouvez-vous citer une fréquence de base directement pertinente pour une décision que vous devez prendre ce mois-ci ?
5. Lorsqu'un scénario richement détaillé vous paraît plus probable qu'une hypothèse plus simple, quels éléments y ajoutez-vous, et chacun de ces ajouts rend-il le scénario plus ou moins probable ?

8.3. Scénario de diagnostic rapide

Scénario : Vous faites passer un entretien d'embauche à une candidate pour un poste commercial de haut niveau. Elle fait preuve d'une grande assurance, s'exprime avec vivacité et raconte en détail comment elle a conclu une vente colossale dans son précédent poste. Elle ressemble trait pour trait aux commerciaux d'élite que vous avez côtoyés. Pourtant, ses chiffres de vente des trois dernières années, que vous avez sous les yeux, se situent vers le milieu de son ancienne équipe.

Comment réagissez-vous ?

• A) Vous l'embauchez ; elle possède de toute évidence l'étoffe nécessaire, et ses chiffres passés reflétaient probablement une équipe peu performante → Forte sensibilité
• B) Vous l'embauchez avec une période d'essai, car l'impression est forte mais quelque chose ne colle pas → Sensibilité modérée
• C) Vous accordez plus de poids aux trois années de chiffres qu'à votre première impression, et vous comparez son profil à celui de candidats ayant de meilleurs résultats chiffrés → Faible sensibilité

9. Identifier ce biais chez les autres

9.1. Indicateurs comportementaux

• Jugements catégoriques et instantanés sur des personnes, des produits ou des situations
• Tendance à expliquer des événements spectaculaires par des causes d'une ampleur similaire
• Doublement des mises ou revirement tactique après une courte série de résultats
• Utilisation d'une anecdote frappante comme s'il s'agissait d'une preuve décisive
• Surprise et rejet lorsqu'une fréquence de base contredit une impression
• Conviction qu'un bon départ se poursuivra sans régression

9.2. Signaux d'alerte verbaux

Expressions fréquemment employées sous l'emprise de ce biais :

• « Il a exactement la tête de l'emploi. »
• « Le rouge est sorti cinq fois de suite, le noir va forcément tomber. »
• « C'est le profil type d'une arnaque, cela ne peut être que cela. »
• « Une affaire aussi énorme ne peut pas être un simple accident. »

Types d'arguments avancés :

• Raisonner à partir de l'adéquation d'un récit plutôt qu'à partir de la fréquence de la catégorie
• Confondre la probabilité d'observer les indices avec la probabilité de la conclusion tirée

Questions qu'ils évitent de poser :

• « Parmi toutes les personnes qui correspondent à cette description, combien le sont réellement ? »
• « Sur quelle taille d'échantillon repose exactement mon raisonnement ? »

9.3. Déclencheurs situationnels

• Descriptions frappantes et précises d'une personne ou d'un événement
• Catégories rares associées à des stéréotypes très marqués (génies, criminels, prodiges)
• Courtes séquences de résultats aléatoires (jeux de hasard, marchés financiers, compétitions sportives)
• Situations de diagnostic et de dépistage où un résultat « colle »
• Pression temporelle, qui privilégie le jugement immédiat par similarité
• Informations présentées sous forme de probabilités d'événements uniques plutôt que de décomptes

10. Stratégies de débiaisage cognitif

10.1. Techniques immédiates

• La fréquence de base en priorité : Avant même d'évaluer à quel point un cas correspond à une catégorie, demandez-vous quelle est la fréquence réelle de cette catégorie dans la population. Énoncez ce chiffre à voix haute si possible.
• Convertir en décomptes concrets : Reformulez « une probabilité de 1 % » en « 10 personnes sur 1 000 ». Les fréquences naturelles rendent immédiatement visibles la fréquence de base et le nombre de faux positifs.
• Le test « sur cent personnes » : Face à toute affirmation du type « il ressemble à un... », demandez-vous combien d'individus sur cent présentant cette même allure le sont véritablement.
• Retrancher les détails : Lorsqu'un scénario détaillé vous paraît probable, retirez les précisions une par une. Chaque condition ajoutée ne peut que réduire la probabilité.
• Compter les éléments de l'échantillon : Lorsqu'une série de résultats guide votre décision, notez le nombre précis d'observations. S'il y en a moins de trente, traitez-le comme une preuve faible.

10.2. Stratégies à long terme

• Apprendre les fréquences de base clés de son secteur : Les médecins doivent connaître les prévalences ; les investisseurs doivent savoir combien de fonds battent l'indice sur dix ans ; les managers doivent savoir quelle proportion de recrutements est une réussite.
• Pratiquer l'actualisation bayésienne sur papier : Entraînez-vous sur quelques cas de tests médicaux sous forme de fréquences jusqu'à ce que la structure logique devienne un automatisme. L'ouvrage de Gigerenzer Reckoning with Risk explique la méthode pas à pas.
• Tenir un carnet de pronostics et d'issues : Notez par écrit vos classifications instinctives et vérifiez-les par la suite. Constater combien de fois ce qui semblait « évidemment un X » ne l'était pas du tout constitue la leçon la plus probante.
• Intégrer le réflexe de régression vers la moyenne : Les résultats extrêmes sont généralement suivis de résultats moins extrêmes ; cessez d'attribuer ce retour à la moyenne à votre propre intervention.

10.3. Conception de l'environnement

• Inscrire les fréquences de base sur les documents de travail : Les fiches de dépistage, les grilles de recrutement et les notes d'investissement peuvent comporter une ligne mentionnant d'emblée la fréquence de base pour qu'elle soit vue avant les détails du dossier.
• Structurer les données avant le récit : Lors des entretiens et des démarches diagnostiques, compilez le dossier quantitatif avant d'écouter le récit, afin que les chiffres ancrent l'évaluation.
• Exprimer le risque sous forme de fréquences : Les brochures d'information et les tableaux de bord affichant « 3 pour 1 000 » plutôt que « 0,3 % » réduisent l'oubli des fréquences de base au sein d'une organisation.
• Anonymiser pour éliminer les ressemblances parasites : Supprimer les noms, photos et établissements scolaires lors de la première phase de sélection écarte les indices superficiels qui déclenchent les jugements de similarité.

10.4. Quand solliciter un avis externe

• Lorsque la catégorie évaluée est rare et associée à un stéréotype prégnant
• Lorsqu'une décision repose sur un test, un signal ou une correspondance positifs
• Lorsque votre raisonnement s'appuie sur un échantillon que l'on pourrait compter sur les doigts d'une main
• Lorsqu'une histoire paraît trop parfaite, ou qu'un dénouement spectaculaire semble réclamer une cause tout aussi spectaculaire

À qui s'adresser : À quelqu'un qui maîtrise les fréquences de base et n'a aucun intérêt personnel dans l'histoire. Un statisticien, un actuaire, un épidémiologiste, ou un collègue disposant des données chiffrées mais sans aucune impression sur le cas. Demandez-lui « à quelle fréquence cette situation survient-elle dans l'ensemble ? » avant même de lui exposer les détails du cas particulier.

11. Exercices pratiques

Exercice 1 : Le registre des fréquences de base

• Objectif : Faire de la prise en compte des fréquences de base un réflexe plutôt qu'une réflexion tardive
• Temps requis : 10 minutes par entrée
• Matériel nécessaire : Un carnet de notes ou un tableur, l'accès à des données statistiques de référence dans votre domaine
• Niveau de difficulté : Débutant
• Consignes :
  1. Chaque fois que vous vous surprenez à juger qu'un élément « ressemble à » une catégorie, notez cette catégorie par écrit
  2. Recherchez ou estimez la fréquence de cette catégorie au sein de la population concernée
  3. Estimez combien d'éléments présentant cette allure appartiennent effectivement à ladite catégorie
  4. Inscrivez votre estimation de probabilité révisée en regard de votre impression initiale
  5. Relisez ce registre chaque mois et repérez les catégories que vous surestimez de manière récurrente
• Questions de réflexion :
  • Quelles fréquences de base vous ont le plus surpris ?
  • Pour quelles situations votre première impression était-elle la plus éloignée de l'estimation corrigée ?
  • Avez-vous tendance à surestimer les catégories rares, et si oui, lesquelles ?
• Périodicité : Pratique continue, avec un bilan mensuel pendant trois mois

Exercice 2 : La traduction en fréquences

• Objectif : Transformer des formulations probabilistes en décomptes précis afin de faire émerger les fréquences de base
• Temps requis : 20 minutes
• Matériel nécessaire : Papier, stylo, et trois énoncés de risque tirés des médias, d'une notice médicale ou d'une brochure financière
• Niveau de difficulté : Intermédiaire
• Consignes :
  1. Prenez une affirmation telle que « le test est fiable à 95 % » ou « le fonds a battu son indice de référence 7 années sur les 10 dernières »
  2. Réécrivez ce qu'il adviendrait concrètement pour 1 000 personnes ou 1 000 cas
  3. Ajoutez la fréquence de base : combien de cas sur 1 000 présentent réellement la pathologie ou relèvent d'un gérant véritablement doué
  4. Comptez distinctement les vrais positifs et les faux positifs
  5. Calculez la proportion de résultats positifs correspondant à la réalité, et comparez-la à votre impression de départ
• Questions de réflexion :
  • À quelle distance votre impression initiale se situait-elle du décompte réel ?
  • Quel chiffre manquait dans l'affirmation originale ?
  • Dans quels domaines de votre vie quotidienne vous présente-t-on des probabilités dépourvues de fréquence de base ?
• Périodicité : Hebdomadaire pendant six semaines, puis chaque fois qu'une évaluation de risque a des conséquences importantes

Exercice 3 : Le test de la séquence

• Objectif : Réétalonner votre perception de ce à quoi ressemble le véritable hasard
• Temps requis : 15 minutes
• Matériel nécessaire : Une pièce de monnaie, du papier, un proche
• Niveau de difficulté : Débutant
• Consignes :
  1. Écrivez une séquence imaginaire de vingt lancers de pile ou face en vous efforçant de lui donner une allure « bien aléatoire »
  2. Lancez une vraie pièce vingt fois et notez scrupuleusement la séquence réelle obtenue
  3. Donnez les deux séries à un proche et demandez-lui de deviner laquelle est la véritable séquence
  4. Comptez la plus longue série consécutive identique dans chaque suite ; les vraies séquences de vingt lancers comportent généralement une série de quatre lancers identiques ou davantage
  5. Recommencez l'exercice avec une deuxième séquence inventée, en y intégrant délibérément des répétitions plus longues
• Questions de réflexion :
  • Votre séquence inventée comportait-elle une alternance excessive ?
  • Votre proche a-t-il su identifier le tirage authentique, et quel indice a trahi votre série fabriquée ?
  • Dans quels aspects de votre quotidien prenez-vous une courte série pour une tendance ?
• Périodicité : À réaliser une fois, puis à renouveler dès que vous vous surprenez à miser sur une série

Pratique quotidienne

Le décompte de catégorie

Une fois par jour, lorsque vous remarquez que vous classez une personne, un événement ou un produit dans une catégorie sous prétexte qu'il en a l'apparence, posez-vous cette question : « Sur cent éléments qui présentent cette allure, combien appartiennent réellement à cette catégorie ? »

• Durée suggérée : Une minute
• Moment idéal : Dès qu'un jugement spontané surgit, le plus souvent en découvrant les actualités du matin ou durant les trajets quotidiens
• Suivi des progrès : Notez le nombre de fois où la réponse honnête était « moins que ce que je supposais »

Défi hebdomadaire

À la recherche de la fréquence de base manquante

Chaque semaine, choisissez une affirmation entendue ou lue qui reposait sur une anecdote frappante (un sujet aux informations, un argumentaire de vente, l'histoire racontée par un collègue) et identifiez la fréquence de base qui en a été omise.

• Résultats attendus après 4 semaines : Une capacité accrue à repérer les raisonnements dénués de fréquence de base ; une base personnelle de fréquences de référence pour les décisions les plus courantes
• Pistes d'écriture pour le carnet de bord :
  • Quelle affirmation a le plus changé de sens une fois la fréquence de base réintégrée ?
  • La fréquence de base était-elle difficile à trouver, et pour quelles raisons ?
  • Le cas particulier vous a-t-il semblé moins convaincant par la suite, ou l'attrait de l'histoire persistait-il malgré tout ?

12. Pour des publics spécifiques

Pour les dirigeants et les managers

• Recrutement : Exigez des entretiens structurés et des tests pratiques ; les entretiens informels valorisent la ressemblance avec un profil type plutôt que la compétence réelle
• Prévisions : Avant de valider un projet, demandez la classe de référence statistique : qu'est-il advenu des vingt derniers projets présentant un profil similaire ?
• Évaluation des performances : Ne distribuez ni promotions ni sanctions sur la foi d'une courte série de résultats ; attendez de disposer d'un échantillon assez large pour séparer le talent du simple aléa
• Culture d'entreprise : Faites de la question « quelle est la fréquence de base ? » une question acceptable dans toute réunion, surtout lorsqu'une anecdote emporte l'adhésion de la salle

Pour les parents et les éducateurs

• Explication adaptée aux enfants : « Parfois, quelque chose ressemble exactement à ce qu'on imagine, mais les apparences peuvent être trompeuses. Avant de décider, demande-toi : parmi toutes les choses qui ont cette apparence, combien le sont vraiment ? »
• Enseigner le dénombrement dès le plus jeune âge : Les enfants qui apprennent à demander « combien ? » apprennent à se méfier des exemples isolés
• Utiliser le jeu : Les tirages à pile ou face et les dés constituent le moyen le plus simple de montrer que les suites aléatoires comportent des séries
• Contrer les stéréotypes par les chiffres : Quand un enfant affirme que « les filles ne savent pas... » ou que « les garçons font toujours... », demandez-lui combien il en a concrètement dénombrés

Pour les professionnels de santé

• La prévalence avant tout : Avant d'interpréter un bilan, précisez la probabilité pré-test ; la valeur prédictive positive de n'importe quel test s'effondre lorsque la maladie est rare
• Des fréquences naturelles face aux patients : Dites « sur 1 000 personnes obtenant un test positif, une vingtaine sont véritablement atteintes » plutôt que d'énoncer des taux abstraits de sensibilité et de spécificité
• Vigilance face aux tableaux atypiques : Instaurez des vérifications explicites pour les patients ne correspondant pas au tableau classique, que le diagnostic par prototype tend à négliger
• Les chevaux avant les zèbres, puis les zèbres : Privilégiez d'abord les diagnostics fréquents, tout en fixant une règle précise pour le moment où la pathologie rare doit être écartée

Pour les professionnels de la finance

• Les bilans passés ne sont que des échantillons : Trois bonnes années ne prouvent pas le talent d'un gérant ; demandez combien de gérants ayant connu trois bonnes années continuent ensuite de battre leur indice
• Excellente entreprise ne veut pas dire excellente action : Dissociez la qualité d'une société du cours de son titre, car la ressemblance avec une valeur phare est déjà intégrée dans sa valorisation
• Gestion des séries : Considérez les demandes d'augmenter les positions après des pertes ou d'accumuler après des gains comme des manifestations du sophisme du parieur ou de l'illusion de la main chaude, et ralentissez le processus de décision
• Transparence par les fréquences : Présentez le risque sous une forme claire comme « sur 100 périodes de dix ans, ce portefeuille a enregistré des pertes dans 12 cas » plutôt que sous forme de pourcentage

13. Interactions avec d'autres biais

Biais qui amplifient celui-ci

Biais qui neutralisent celui-ci

Enchaînements de biais fréquents

Heuristique de représentativité → Oubli de la fréquence de base → Illusion de validité → Effet de surconfiance

Une description ressemble aux traits d'une catégorie, et l'esprit substitue la similarité à la probabilité (Heuristique de représentativité). La prévalence de la catégorie est ignorée (Oubli de la fréquence de base). La cohérence interne du récit donnant un sentiment de solidité, le jugement paraît bien fondé (Illusion de validité). La personne agit alors avec plus d'assurance que les faits ne le justifient (Effet de surconfiance). Un second enchaînement passe par les séquences : Heuristique de représentativité → Sophisme du parieur → Illusion de contrôle, dans lequel une suite courte qui ne « semble pas aléatoire » pousse à parier, ce pari étant ensuite pris à tort pour de la compétence.

Rompre l'enchaînement : Le point d'intervention le moins coûteux se situe dès le premier maillon. Exiger la fréquence de base ou la taille de l'échantillon avant même d'examiner le récit empêche la substitution de se produire. Dès lors que le jugement paraît valide, le déloger demande bien plus d'efforts.

14. Perspectives culturelles

Le mécanisme psychologique fondamental semble universel ; en revanche, les prototypes auxquels il fait appel ne le sont pas. Toutes les cultures documentées catégorisent par similarité, et l'oubli de la fréquence de base ainsi que l'erreur de conjonction ont été reproduits dans de nombreux pays. Ce qui varie, c'est le contenu même des catégories et les stéréotypes qui leur sont rattachés.

Richard Nisbett et ses collègues ont rapporté que les participants est-asiatiques ont tendance à regrouper les objets d'après leurs relations et leur contexte (« la vache va avec l'herbe »), tandis que les participants occidentaux les regroupent par catégories taxonomiques (« la vache va avec le poulet »). Si cette distinction s'applique, les prototypes sollicités par la représentativité sont structurés différemment. Ces observations portant sur la catégorisation plutôt que sur le calcul de probabilités, cette déduction reste plausible sans être directement testée. L'univers du jeu offre un éclairage plus direct : la croyance qu'un numéro ou une couleur « doit sortir » apparaît partout où existent des jeux de hasard. La conclusion honnête est que les études interculturelles sur cette heuristique sont moins fournies que celles sur l'auto-rehaussement, et la plupart des affirmations relatives aux disparités nationales reflètent des divergences de prototypes plutôt que des variations du raccourci mental lui-même.

15. Mythes et idées reçues

16. Avis d'experts

« En règle générale, ces heuristiques sont fort utiles, mais elles mènent parfois à des erreurs graves et systématiques. » — Amos Tversky et Daniel Kahneman, « Judgment under uncertainty: Heuristics and biases », Science, 1974

« Je sais bien que la troisième proposition est la moins probable, et pourtant un petit homoncule dans ma tête continue de sauter de haut en bas en me criant : “mais elle ne peut pas être seulement employée de banque ; lis la description.” » — Stephen Jay Gould, au sujet du problème de Linda, dans « The Streak of Streaks » (1988)

Paraphrase : lorsque l'esprit est confronté à une question difficile sur les probabilités et qu'aucune réponse ne s'impose, il répond à la place à une question plus simple portant sur la similarité, et cette substitution s'opère sans que nul ne s'en aperçoive. — Daniel Kahneman et Shane Frederick, « Representativeness revisited » (2002), paraphrase

Paraphrase : l'esprit humain n'a pas évolué pour manipuler des probabilités d'événements uniques ; présentez aux personnes les mêmes données sous la forme de décomptes de cas réels, et une grande part de la prétendue irrationalité s'évanouit. — Gerd Gigerenzer, issu des recherches sur le format fréquentiel des années 1990, paraphrase

17. Points clés à retenir

1. La ressemblance ne vaut pas probabilité : L'heuristique répond à la question « à quel point cela ressemble-t-il à X ? » alors que la question posée était « quelle est la probabilité de X ? ». Les deux s'accordent assez souvent pour rendre la substitution sûre en apparence, et divergent assez souvent pour la rendre dangereuse.

2. Elle est à l'origine de plusieurs erreurs répertoriées : L'oubli de la fréquence de base, l'erreur de conjonction, l'insensibilité à la taille de l'échantillon, le sophisme du parieur et la négligence de la régression vers la moyenne représentent les manifestations concrètes de la représentativité dans des situations particulières.

3. Les fréquences de base s'effacent devant les récits : Kahneman et Tversky ont montré en 1973 qu'un court portrait psychologique suffit presque à effacer l'utilisation des proportions connues d'une catégorie.

4. Plus de détails signifie moins de probabilité, tout en donnant l'illusion du contraire : Le problème de Linda montre qu'ajouter un détail qui colle rend une histoire plus représentative et moins probable en même temps.

5. Les petits échantillons ne sont pas des populations réduites : La croyance en la « loi des petits nombres » pousse les individus à accorder aux séries, aux micro-sondages et aux bilans de trois ans une confiance qui dépasse de loin ce qu'ils peuvent supporter.

6. Le format change le taux d'erreur : Gigerenzer et Hoffrage ont constaté que les fréquences naturelles triplaient à peu près la proportion de réponses exactes. L'heuristique est bien réelle, tout comme le moyen de la corriger.

7. Le remède est une question, non un sentiment : Demandez-vous « quelle est la fréquence réelle de cette catégorie ? » et « quelle est la taille de cet échantillon ? » avant de laisser s'exprimer l'impression de ressemblance.

18. Ressources complémentaires

Articles universitaires

• Kahneman, D., & Tversky, A. (1972). Subjective probability: A judgment of representativeness. Cognitive Psychology, 3(3), 430-454.
• Kahneman, D., & Tversky, A. (1973). On the psychology of prediction. Psychological Review, 80(4), 237-251.
• Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124-1131.
• Tversky, A., & Kahneman, D. (1983). Extensional versus intuitive reasoning: The conjunction fallacy in probability judgment. Psychological Review, 90(4), 293-315.
• Gigerenzer, G., & Hoffrage, U. (1995). How to improve Bayesian reasoning without instruction: Frequency formats. Psychological Review, 102(4), 684-704.
• Kahneman, D., & Tversky, A. (1996). On the reality of cognitive illusions. Psychological Review, 103(3), 582-591.
• Casscells, W., Schoenberger, A., & Grayboys, T. B. (1978). Interpretation by physicians of clinical laboratory results. New England Journal of Medicine, 299(18), 999-1001.

Livres

• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
• Kahneman, D., Slovic, P., & Tversky, A. (Eds.). (1982). Judgment under Uncertainty: Heuristics and Biases. Cambridge University Press.
• Gigerenzer, G. (2002). Reckoning with Risk: Learning to Live with Uncertainty. Penguin. (Published in the US as Calculated Risks.)

Chapitres de livres

• Kahneman, D., & Frederick, S. (2002). Representativeness revisited: Attribute substitution in intuitive judgment. In T. Gilovich, D. Griffin, & D. Kahneman (Eds.), Heuristics and Biases: The Psychology of Intuitive Judgment (pp. 49-81). Cambridge University Press.
• Tversky, A., & Kahneman, D. (1982). Judgments of and by representativeness. In D. Kahneman, P. Slovic, & A. Tversky (Eds.), Judgment under Uncertainty: Heuristics and Biases (pp. 84-98). Cambridge University Press.

19. Fiche récapitulative

20. Glossaire des termes utilisés

21. Questions de discussion

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

1. Le problème de Linda a été critiqué au motif que « probable » peut signifier dans le langage courant « plausible » ou « typique ». Cet argument disculpe-t-il les participants ayant choisi la conjonction, ou ne fait-il que décrire l'erreur sous d'autres termes ?

2. Dans quels domaines de votre activité professionnelle ou personnelle vous fiez-vous à la ressemblance pour trancher rapidement, et dans lesquelles de ces situations la fréquence de base est-elle suffisamment extrême pour que la ressemblance vous induise en erreur ?

3. Les fréquences naturelles réduisent l'oubli des fréquences de base, et pourtant la plupart des communications relatives aux risques s'expriment toujours en pourcentages. Comment expliquez-vous cette persistance, et que faudrait-il mettre en place pour changer cette habitude dans votre organisation ?

4. L'affaire Sally Clark montre comment une cour de justice a confondu l'improbabilité de l'innocence avec la preuve d'une culpabilité. Comment devrait-on accompagner les jurés pour leur permettre de comparer deux explications rares entre elles ?

5. Recruter par mimétisme avec les réussites passées reproduit l'équipe existante. Existe-t-il une version légitime de « il a l'air de bien correspondre au poste », et comment la distingueriez-vous de l'heuristique de représentativité à l'œuvre ?

Dernière mise à jour : 18 octobre 2026