Biais du survivant

En un coup d'œil

1. Résumé rapide

Quand nous analysons le succès, nous ne voyons que les gagnants—les entreprises qui ont prospéré, les bâtiments qui tiennent encore debout, les gens qui ont réussi. Nous ne voyons jamais les échecs car ils ont disparu. Cela crée une image dangereusement déformée de la réalité où nous surestimons nos chances de succès, identifions mal les causes du succès et tirons des conclusions à partir de données incomplètes. L'information la plus critique est presque toujours celle qui manque.

2. La science derrière tout ça

2.1. Découverte et Histoire

La reconnaissance intellectuelle du biais du survivant précède les statistiques modernes de plus de deux millénaires, bien que son traitement mathématique formel ait émergé pendant la Seconde Guerre mondiale.

Origines antiques (Ve siècle av. J.-C.) : L'observation documentée la plus ancienne vient de Diagoras de Mélos, un poète grec et athée connu. Lorsqu'on lui montra des tablettes peintes d'adorateurs ayant survécu à des naufrages comme preuve d'une intervention divine, Diagoras répondit de manière célèbre : "Je vois ceux qui ont été sauvés, mais où sont peints ceux qui ont fait naufrage ?" Cette anecdote, conservée par Cicéron dans De Natura Deorum, capture tout le mécanisme du biais—les survivants sont visibles et s'expriment ; les morts sont silencieux.

Formalisation à la Renaissance (XVIIe siècle) : Francis Bacon a intégré cette observation dans sa théorie des "Idoles de l'esprit", spécifiquement les Idoles de la tribu. Il a noté que l'intellect humain est plus ému par les affirmatives que par les négatives—les succès s'enregistrent tandis que les échecs disparaissent des mémoires.

Traitement mathématique de la Seconde Guerre mondiale (1943) : Le travail d'Abraham Wald avec le Statistical Research Group de l'Université Columbia a fourni le premier cadre mathématique rigoureux pour aborder le biais du survivant, changeant à jamais la recherche opérationnelle et la stratégie militaire.

Révolution de l'économie financière (Années 1990) : Des chercheurs tels que Brown, Goetzmann, Elton, Gruber et Blake ont quantifié l'impact du biais sur les données de performance des fonds communs de placement et des fonds spéculatifs, démontrant ses effets profonds sur l'analyse des investissements.

Philosophie populaire (Années 2000) : Nassim Nicholas Taleb a élevé le biais du survivant d'un concept statistique à une vision du monde philosophique dans Le Hasard sauvage (2001) et Le Cygne noir (2007).

2.2. Principaux chercheurs

2.3. Études marquantes

Analyse de la vulnérabilité des aéronefs (Wald, 1943)

Pendant la Seconde Guerre mondiale, le Statistical Research Group a été chargé de déterminer où placer le blindage sur les bombardiers. L'armée a présenté des données montrant les concentrations d'impacts de balles sur les avions de retour : dommages importants sur le fuselage, les ailes et la queue, mais dommages minimes sur les moteurs et le cockpit.

La conclusion intuitive de l'armée était de blinder les zones recevant le plus d'impacts. La vision contre-intuitive de Wald a complètement inversé cette recommandation : blinder les moteurs et les cockpits—les zones sans dommage observé.

Son raisonnement : les tirs ennemis étaient probablement répartis de manière aléatoire sur les avions. Les trous de balles "manquants" dans les moteurs n'étaient pas la preuve que les moteurs n'étaient pas touchés—ils étaient la preuve que les avions touchés aux moteurs ne revenaient pas. L'armée examinait les dommages surmontables, pas les dommages mortels.

Wald a formalisé cela dans son mémorandum "Une méthode d'estimation de la vulnérabilité des avions basée sur les dommages des survivants", établissant que la densité d'impacts observée sur les survivants est inversement proportionnelle à la létalité des impacts dans cette zone.

Biais du survivant des fonds communs de placement (Brown, Goetzmann, et al., 1992)

Publié dans la Review of Financial Studies, cet article a démontré que les bases de données financières standard supprimaient systématiquement les enregistrements des fonds liquidés ou fusionnés. Étant donné que les fonds sont presque toujours liquidés en raison de mauvaises performances, cette troncature créait un mirage statistique—faisant apparaître la performance moyenne des fonds meilleure que la réalité et créant de fausses corrélations entre la volatilité et les rendements qui imitaient la "compétence" là où il n'y en avait pas.

Biais du survivant et performance des fonds communs de placement (Elton, Gruber & Blake, 1996)

Cette étude historique a suivi tous les fonds communs de placement existants à la fin de 1976. Principales conclusions :

• Le biais du survivant a gonflé les rendements annuels d'environ 0,9 % (90 points de base)
• Le biais était nettement plus important pour les petits fonds que pour les grands fonds
• Les fonds qui ont fusionné (cachant souvent de mauvais résultats dans des fonds plus importants) et ceux qui ont été liquidés ont tous deux contribué au biais

Ces découvertes ont fourni un solide soutien empirique à l'hypothèse des marchés efficients une fois le biais corrigé.

2.4. Base neurologique

Le biais du survivant émerge de caractéristiques fondamentales de la cognition humaine :

Pensée du Système 1 : Le système de "pensée rapide" de Daniel Kahneman confond "facilité de rappel" avec "fréquence d'occurrence". Parce que les exemples de réussite (Steve Jobs, Bill Gates) sont facilement rappelés, nous attribuons intuitivement une probabilité plus élevée à des résultats similaires que ne le justifient les taux de base.

Heuristique de disponibilité : Le cerveau s'appuie sur des exemples immédiatement disponibles lors de l'évaluation des décisions. Les succès sont intrinsèquement plus "disponibles"—les entreprises prospères sont cotées en bourse tandis que les entreprises défaillantes sont radiées ; les bâtiments réussis tiennent debout tandis que ceux qui se sont effondrés sont remplacés.

Limites de la reconnaissance de formes : Le cerveau humain a évolué pour extraire des récits causaux à partir de données perçues, mais ne peut pas traiter les données absentes. Cette limitation fondamentale—nous ne pouvons analyser que ce que nous pouvons voir—est le fondement neuronal du biais du survivant.

Interaction avec le biais d'optimisme : Les circuits neuronaux associés à l'auto-évaluation tendent vers l'optimisme. Lors de la visualisation de données biaisées par la survie, ces circuits encouragent l'identification aux gagnants plutôt qu'à la majorité silencieuse des échecs, renforçant ainsi les comportements à risque.

3. Origines évolutives

Le biais du survivant est profondément ancré dans notre héritage évolutif en tant que moteurs de reconnaissance de formes opérant dans des environnements où la vitesse l'emportait souvent sur la précision.

Valeur adaptative dans les environnements ancestraux : Pour nos ancêtres, se concentrer sur les stratégies réussies était logique. Si une technique de chasse, un itinéraire de migration ou une source de nourriture produisait des survivants, cela valait la peine de l'imiter. Les échecs—ceux qui ont essayé des approches différentes et en sont morts—n'étaient pas disponibles pour être consultés. Apprendre du succès visible était une heuristique rapide et efficace.

Conservation de l'énergie : Le cerveau consomme environ 20 % de notre énergie métabolique. Analyser les données absentes—imaginer tous les échecs que nous ne pouvons pas voir—est cognitivement coûteux. L'évolution a favorisé les cerveaux qui traitaient efficacement les informations disponibles plutôt que de modéliser de manière exhaustive les alternatives invisibles.

Une fonctionnalité, pas un bug : Dans les environnements ancestraux avec des conditions relativement stables et des résultats immédiatement observables, l'apprentissage biaisé par la survie était souvent suffisant. Si votre voisin survivait à l'hiver en utilisant une conception d'abri particulière, la copier était raisonnable. Le biais ne devient problématique que dans les environnements modernes complexes où les échecs sont systématiquement cachés et où l'échantillon de "survivants" est massivement non représentatif.

Le décalage de disponibilité : Nos cerveaux ont évolué en petits groupes où la plupart des événements pertinents étaient directement observables. Dans la société moderne, nous rencontrons des informations qui ont été filtrées par de multiples couches de sélection (médias, marchés, histoire), rendant nos intuitions basées sur la disponibilité systématiquement trompeuses.

4. Comment ce biais se manifeste

4.1. Dans la vie quotidienne

"On ne fait plus les choses comme avant" : Le Panthéon romain, les meubles en acajou victorien et les appareils des années 1950 qui "fonctionnent encore" sont des valeurs aberrantes statistiques qui ont survécu à des siècles de destruction. Les logements romains mal construits qui se sont effondrés, les meubles victoriens bon marché qui ont pourri et les appareils cassés des années 1950 dans les décharges sont invisibles. Nous comparons le meilleur du passé à la moyenne du présent.

L'illusion de la musique "classique" : Les gens affirment que la musique des années 1960-70 était supérieure car "toutes les chansons de cette époque sont des classiques". Cela ignore que des milliers de chansons dérivées et mal produites ont été publiées—les stations de radio ne diffusent que les 1 % de tubes survivants. Nous comparons le meilleur filtré du passé à 100 % de la production d'aujourd'hui.

Conseils relationnels de couples heureux : Lorsque nous cherchons des conseils relationnels, nous consultons généralement des couples qui sont encore ensemble. Nous n'entendons que rarement ceux qui ont essayé les mêmes approches et ont fini par divorcer, en suivant potentiellement des conseils qui ont contribué à leur échec.

Recommandations de restaurants : Les restaurants populaires d'une ville sont, par définition, des survivants. Les milliers de restaurants qui ont fait faillite—potentiellement avec des stratégies identiques—ont fermé et ne peuvent pas nous avertir de ce qui ne fonctionne pas.

4.2. Sur le lieu de travail

Le mythe du décrocheur universitaire : Les médias mettent en avant des milliardaires comme Gates, Jobs et Zuckerberg comme preuve qu'abandonner ses études mène au succès. Cela ignore des dizaines de milliers de décrocheurs endettés et ayant des revenus inférieurs à vie. Le taux de base de réussite des décrocheurs est statistiquement inférieur à celui des diplômés ; les exemples célèbres sont des valeurs aberrantes extrêmes.

La littérature "Comment j'ai réussi" : Comme le note Nassim Taleb, les entrepreneurs en échec n'écrivent pas de livres intitulés "Comment j'ai mis ma startup en faillite". Les entrepreneurs à succès écrivent "Comment j'ai réussi", et leurs conseils (prendre de gros risques, ignorer les critiques) pourraient être exactement le comportement qui a fait échouer les autres.

Embauche basée sur des profils "réussis" : Les entreprises créent souvent des profils d'embauche basés sur les caractéristiques de leurs employés les plus performants. Mais elles manquent de données sur les candidats rejetés qui auraient pu être tout aussi performants, ou sur ceux embauchés avec des traits similaires qui ont échoué et sont partis.

Erreurs d'attribution de performance : Lorsqu'elles analysent pourquoi certains projets ont réussi, les organisations étudient les équipes performantes. Elles ne peuvent pas étudier les échecs qui ont été abandonnés, réorganisés ou dont les membres sont partis—trouvant potentiellement que les mêmes "facteurs de succès" étaient présents dans les deux.

4.3. Dans les affaires et le marketing

Les "formules de succès" de l'entrepreneuriat : L'industrie du conseil est un monopole dirigé par des survivants. "Travail acharné", "persévérance" et "obsession de la qualité" apparaissent dans les histoires des entrepreneurs à succès, mais des enquêtes sur les cimetières d'entrepreneurs échoués trouveraient probablement des traits identiques. Le différenciateur est souvent la chance, le timing ou des événements externes.

Témoignages de produits : Le marketing met en avant les clients satisfaits. Les clients insatisfaits qui ont abandonné, demandé des remboursements ou simplement disparu sont absents du récit, déformant l'efficacité perçue du produit.

Analyse comparative de la concurrence : Les entreprises se comparent à leurs concurrents prospères, apprenant de leurs stratégies. Mais les entreprises qui ont essayé des stratégies similaires et ont échoué ont été acquises, dissoutes ou ont pivoté—leurs stratégies infructueuses sont invisibles pour l'analyse.

4.4. En politique et dans les médias

Construction du récit historique : L'histoire, écrite par les survivants, présente leurs perspectives comme définitives. Les points de vue, avertissements et alternatives proposés par ceux qui ont perdu, sont morts ou ont été marginalisés sont systématiquement sous-représentés.

Survie des informations : Les médias couvrent des histoires qui survivent à la sélection éditoriale. Des milliers d'événements tout aussi dignes d'intérêt ne sont pas signalés, façonnant la perception du public sur les problèmes qui existent et les solutions qui fonctionnent.

"Leçons" de stratégie politique : Les analystes politiques étudient les campagnes gagnantes pour extraire des facteurs de succès. Mais les campagnes qui ont utilisé des stratégies identiques et ont perdu reçoivent moins d'attention, ce qui peut conduire à des recommandations stratégiques imparfaites.

4.5. Dans le domaine de la santé

Le paradoxe du casque de la Première Guerre mondiale : Lorsque les casques en acier ont été introduits pendant la Première Guerre mondiale, les hôpitaux de campagne ont signalé une augmentation dramatique des blessures à la tête. Certains ont suggéré que les casques étaient défectueux. La réalité : avant les casques, les éclats d'obus à la tête tuaient les soldats sur le coup (enregistrés comme tués au combat, n'atteignant jamais les hôpitaux). Les casques ont converti les décès en blessures traitables, rendant les blessures à la tête visibles dans les données pour la première fois.

Le syndrome du chat parachutiste : Une étude vétérinaire de 1987 a révélé que les chats tombant de plus de 7 étages avaient moins de blessures que ceux tombant de 5 à 7 étages, suggérant que les chutes plus élevées étaient "plus sûres". Le biais : l'ensemble de données n'incluait que les chats amenés chez les vétérinaires. Les chats mourant à l'impact lors de chutes de 30 étages étaient enterrés, et non traités—créant une illusion de sécurité des chutes de grande hauteur.

"L'effet du travailleur en bonne santé" : Les études montrent souvent que les travailleurs industriels ont des taux de mortalité inférieurs à ceux de la population générale—non pas parce que le travail en usine est sain, mais parce que la main-d'œuvre exclut les personnes handicapées, alitées et en phase terminale. Les travailleurs sont des survivants présélectionnés.

Statistiques de mortalité des traumatismes : Les victimes d'accidents éloignés présentent parfois une mortalité hospitalière inférieure à celle des victimes urbaines. La réalité : les patients éloignés gravement blessés meurent pendant le long transport, arrivant "morts à l'arrivée" et exclus des statistiques hospitalières. Les hôpitaux urbains reçoivent les patients critiques vivants, qui meurent ensuite à l'hôpital, gonflant les taux de mortalité urbains.

4.6. En finance et investissement

Performance des fonds communs de placement : Les bases de données standard supprimaient les enregistrements des fonds liquidés. Comme les fonds sont liquidés en raison de mauvaises performances, les bases de données purgeaient les échecs, faisant apparaître la performance moyenne des fonds comme environ 0,9 % plus élevée annuellement que la réalité.

Données des fonds spéculatifs : Les fonds spéculatifs communiquent sur une base volontaire, introduisant un double biais : la survie (les fonds en échec cessent de communiquer) et le biais de remplissage rétrospectif (les fonds prospères commencent à communiquer et comblent leurs premières années chanceuses ; les premiers fonds infructueux ne communiquent jamais et se dissolvent). Malkiel a estimé ce biais combiné à environ 4,4 % d'inflation des rendements annuels.

Tests rétrospectifs du S&P 500 : La composition de l'indice change au fur et à mesure que les entreprises en faillite sont supprimées et que les entreprises en croissance sont ajoutées. Le backtesting utilisant la liste actuelle du S&P 500 atteint des rendements irréalistes en garantissant par inadvertance une survie à 100 %—chaque entreprise qui a fait faillite pendant la période de test est exclue.

L'illusion de "la main chaude" : Les premières études suggéraient que les gestionnaires de fonds pouvaient constamment battre le marché. Lorsque Brown et Goetzmann ont corrigé le biais du survivant, une grande partie de cette compétence apparente a disparu—la "main chaude" était en grande partie la queue d'une distribution aléatoire.

5. Études de cas réels

Étude de cas 1 : La décision du blindage des bombardiers (Seconde Guerre mondiale)

• Contexte : Les lourdes pertes de bombardiers alliés sous le feu ennemi ont conduit l'armée à proposer de renforcer les avions avec des plaques de blindage. Cependant, le blindage ajoute du poids, réduisant la portée, la maniabilité et la capacité de bombardement—il devait être placé de manière optimale.

• Ce qui s'est passé : L'armée a collecté de nombreuses données sur les impacts de balles sur les bombardiers revenant de mission. Les données ont montré une forte densité de dommages sur les fuselages, les ailes et la queue, mais des dommages minimes sur les moteurs et les cockpits. Les commandants militaires ont conclu que le blindage devait aller là où les avions étaient le plus touchés.

• Le biais à l'œuvre : Abraham Wald a reconnu que les données ne représentaient que les survivants. Les avions touchés aux moteurs et aux cockpits ne revenaient pas—ils s'écrasaient dans la Manche ou dans les champs allemands. Les trous de balles "manquants" n'étaient pas la preuve que les moteurs n'étaient pas touchés ; c'était la preuve que les impacts sur les moteurs étaient fatals.

• Conséquences : Wald a recommandé de blinder les moteurs et les cockpits. Ses méthodes ont sauvé d'innombrables vies et avions, et ont continué à être utilisées pendant les guerres de Corée et du Vietnam.

• Leçons apprises : Lors de l'analyse des résultats, demandez-vous toujours : "Qu'est-il arrivé aux cas que je ne peux pas voir ?" L'absence de preuve peut elle-même être la preuve du phénomène le plus important.

Étude de cas 2 : La révélation de l'industrie des fonds communs de placement (Années 1990)

• Contexte : Pendant des décennies, le débat a fait rage sur la question de savoir si les gestionnaires de fonds actifs pouvaient constamment battre le marché ("générer de l'alpha"). Les premières études suggéraient que c'était possible.

• Ce qui s'est passé : Les chercheurs Brown, Goetzmann, Elton, Gruber et Blake ont découvert que les bases de données financières supprimaient systématiquement les enregistrements des fonds liquidés ou fusionnés. Étant donné que les fonds ferment presque toujours en raison de mauvaises performances, les bases de données supprimaient systématiquement les échecs.

• Le biais à l'œuvre : Cette troncature a créé un mirage statistique où les fonds "survivants" restants semblaient avoir des rendements moyens plus élevés et présentaient des relations apparentes entre la volatilité et les performances qui imitaient la compétence.

• Conséquences : Une fois le biais de 0,9 % annuel corrigé, la surperformance apparente de nombreux gestionnaires actifs a disparu, offrant un soutien important à l'hypothèse des marchés efficients et révolutionnant la façon dont la recherche financière traite les données historiques.

• Leçons apprises : Tout ensemble de données comportant des abandons, des fermetures ou des disparitions doit être analysé pour le biais du survivant. Ce qui ressemble à de la compétence ou de la surperformance peut être l'artefact d'un échantillon censuré.

Exemple historique : Diagoras et les tablettes du temple

Le poète grec de l'Antiquité, Diagoras de Mélos, se vit montrer des tablettes votives dans un temple—des peintures commandées par des marins qui avaient prié les dieux et survécu à des naufrages. Son ami présenta cela comme preuve de protection divine.

La réponse de Diagoras est devenue un texte fondateur de la philosophie des probabilités : "Je vois ceux qui ont été sauvés, mais où sont peints ceux qui ont fait naufrage ?"

Les marins noyés ne pouvaient pas commander de peintures. Un observateur n'examinant que les preuves du temple conclurait que la prière garantit la sécurité en mer—une conclusion entièrement tirée d'un échantillon censuré où la capacité de fournir des preuves était corrélée à la survie.

Cette anecdote vieille de 2 500 ans résume pourquoi le biais du survivant est si pernicieux : les survivants sont les seuls à pouvoir raconter leur histoire.

6. Le coût de ce biais

6.1. Coûts personnels

Évaluation des risques faussée : En ne voyant que les preneurs de risques qui réussissent, les individus sous-estiment la probabilité d'échec. Le décrocheur universitaire qui n'est pas devenu milliardaire, l'entrepreneur qui a fait faillite "en faisant tout bien", l'investisseur qui a tout perdu sur une "valeur sûre"—leurs expériences sont invisibles, ce qui conduit les autres à prendre des risques mal calculés.

Facteurs de succès mal attribués : Les gens adoptent les comportements des survivants (persévérance, prise de risque, confiance) sans reconnaître que ces mêmes traits étaient présents chez ceux qui ont échoué. Des années peuvent être consacrées à des stratégies qui n'ont jamais été les véritables éléments différenciateurs.

Ressources gaspillées dans l'imitation : Suivre des "formules de succès" dérivées de données biaisées par les survivants conduit à des efforts investis dans des approches qui ne causent pas réellement de succès—elles sont seulement corrélées à ce succès dans l'échantillon visible.

Image de soi endommagée : Lorsque suivre les conseils dérivés des survivants ne mène pas au succès, les individus peuvent s'en vouloir plutôt que de reconnaître que les conseils étaient basés sur des données défectueuses.

6.2. Coûts professionnels

Pertes d'investissement : En finance, le biais du survivant a été quantifié à environ 0,9-4,4 % d'inflation des rendements annuels. Les investisseurs prenant des décisions sur la base de données historiques non corrigées surestiment systématiquement les rendements attendus et sous-estiment les risques.

Erreur de direction stratégique : Les stratégies commerciales dérivées de l'étude d'entreprises prospères omettent les entreprises qui ont utilisé des stratégies identiques et ont échoué. Les ressources affluent vers des approches qui semblent validées mais qui peuvent être aléatoires.

Décisions d'embauche et de talents : Les profils basés sur les employés performants ratent des candidats potentiellement excellents qui diffèrent du modèle visible, tandis que l'embauche de ceux qui correspondent au modèle peut reproduire des traits sans rapport avec les performances réelles.

Échecs du développement de produits : Apprendre des produits réussis sans étudier les produits similaires qui ont échoué conduit à des investissements dans des fonctionnalités ou des approches qui n'étaient pas réellement des facteurs de succès.

6.3. Coûts sociétaux

Incompréhension historique : L'histoire écrite par les survivants présente des perspectives asymétriques. Les points de vue perdus, les approches alternatives et les avertissements des vaincus sont systématiquement exclus de la mémoire collective.

Mauvaise orientation des politiques : Les politiques fondées sur l'étude des résultats positifs (économiques, sociaux, militaires) sans tenir compte des échecs présentant des caractéristiques similaires conduisent à des interventions imparfaites.

Fabrication de mythes culturels : Le récit du "succès par soi-même", amplifié par le biais du survivant, occulte le rôle de la chance, du timing et des circonstances, façonnant les attitudes à l'égard des inégalités et de la mobilité sociale.

Erreurs de protocole médical : Les décisions de traitement basées sur des données biaisées par les survivants peuvent ne pas tenir compte du fait que certains patients ont été sous-traités ou que des résultats positifs ont été obtenus malgré, et non à cause de, des interventions spécifiques.

6.4. Impact statistique

7. Les bénéfices cachés

Le biais du survivant n'est pas purement négatif—il a rempli des fonctions adaptatives et peut encore apporter de la valeur dans des contextes spécifiques.

Heuristique d'apprentissage efficace : Dans des environnements stables avec des résultats directement observables, apprendre des survivants est rapide et raisonnablement précis. Si la plupart des conceptions d'abris qui ont fonctionné pour vos voisins fonctionneront pour vous, copier les survivants est efficace.

Fonction motivationnelle : Une certaine exposition aux histoires de réussite fournit de la motivation et des modèles à imiter. Une conscience totale de tous les échecs pourrait être paralysante. La clé est de calibrer l'exposition, pas de l'éliminer.

Prise de décision rapide : Lorsque la vitesse compte plus que la précision, l'utilisation d'exemples disponibles (intrinsèquement biaisés par les survivants) peut être préférable à une analyse différée. Toutes les décisions ne justifient pas une enquête approfondie.

Détection légitime de modèles : Parfois, les traits des survivants sont véritablement causaux, pas seulement corrélés. Dans les domaines où les modes de défaillance sont aléatoires et les facteurs de succès sont systématiques, les survivants portent des informations réelles.

L'extrême indésirable : L'élimination complète du biais du survivant nécessiterait une analyse exhaustive de tous les échecs possibles avant toute décision. C'est cognitivement impossible et concrètement paralysant. L'objectif est la prise de conscience et la correction appropriée, non l'élimination.

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

8.1. Liste des signes avant-coureurs

• Vous citez fréquemment des personnes qui ont réussi (Jobs, Gates, Musk) comme preuves pour des stratégies de vie ou de carrière
• Vous pensez que les produits/musique/artisanat du passé étaient généralement supérieurs à ceux d'aujourd'hui
• Vous avez pris des décisions importantes basées sur l'étude d'exemples de réussite uniquement
• Vous vous demandez rarement "Qu'est-il arrivé à ceux qui ont essayé cela et ont échoué ?"
• Vous faites confiance aux données de performance historiques des fonds/investissements au pied de la lettre
• Vous pensez que "le succès laisse des indices" qui peuvent être extraits de manière fiable des gagnants
• Vous rejetez la chance/le timing comme facteurs significatifs dans les histoires de réussite que vous admirez
• Vous avez donné des conseils basés sur ce qui a fonctionné pour vous sans tenir compte de ceux pour qui cela n'a pas fonctionné
• Vous trouvez les livres/podcasts "Comment j'ai réussi" très persuasifs
• Lors de l'analyse des décisions, vous vous concentrez sur les résultats plutôt que sur le processus qui y a conduit

Notation :

• 0-2 cochés : Faible susceptibilité
• 3-5 cochés : Susceptibilité modérée
• 6-8 cochés : Susceptibilité élevée
• 9-10 cochés : Susceptibilité très élevée

8.2. Questions d'auto-réflexion

1. À quand remonte la dernière fois où vous avez activement recherché des histoires d'échec avant de prendre une décision importante ?

2. Pensez à un succès que vous avez obtenu—combien d'autres ont essayé des approches similaires et ont échoué ? Le savez-vous vraiment ?

3. À quels facteurs de succès "évidents" croyez-vous ? Comment testeriez-vous si ces facteurs sont également présents dans les échecs ?

4. Lorsque vous recevez des conseils de personnes qui ont réussi, tenez-vous compte du nombre de personnes qui ont échoué et qui ont donné les mêmes conseils ?

5. Quelqu'un vous a-t-il déjà fait remarquer que vous tiriez des conclusions à partir de données incomplètes ? Comment avez-vous réagi ?

8.3. Scénario de diagnostic rapide

Scénario : Vous envisagez de créer une entreprise et lisez que 60 % des entreprises de votre secteur qui se sont concentrées sur le service client ont survécu à leurs 5 premières années. Cela semble être une preuve solide que l'orientation client est la clé de la survie.

Comment interpréteriez-vous cela ?

• A) "Super ! Je devrais certainement donner la priorité au service client—les données montrent clairement que cela fonctionne." → Forte susceptibilité
• B) "Intéressant, mais je me demande quel pourcentage d'entreprises en faillite ont également donné la priorité au service client." → Susceptibilité modérée
• C) "Cela ne me dit rien si je ne connais pas les taux de service client des entreprises en faillite. Si 60 % des échecs se sont également concentrés sur le service client, ce facteur n'a aucune valeur prédictive." → Faible susceptibilité

9. Identifier ce biais chez les autres

9.1. Indicateurs comportementaux

Dans le discours :

• Utilisation fréquente d'histoires de succès célèbres comme preuves universelles
• Généralisations à partir de petits échantillons de gagnants visibles
• Rejet des facteurs de chance/timing dans les récits de réussite
• Extrapolation à partir de "ce qui fonctionne" sans reconnaître les échecs invisibles

Dans la prise de décision :

• Dépendance excessive aux études de cas d'entreprises/personnes prospères
• Sous-pondération des taux de base et des fréquences d'échec
• Analyse comparative exclusivement par rapport à des concurrents performants
• Confiance dans les données de performances historiques sans remettre en question la collecte des données

Dans les arguments :

• Utilisation de l'existence d'exemples réussis comme preuve de la validité de la stratégie
• Argumenter que "X a marché pour Y" sans tenir compte des Z pour qui X a échoué
• Interpréter l'absence de preuve (aucun échec connu) comme preuve d'absence

9.2. Signaux d'alarme conversationnels

Phrases que les gens prononcent lorsqu'ils sont sous l'influence de ce biais :

• "Regardez [succès célèbre]—ils ont fait X, et ça a marché !"
• "Toutes les personnes qui ont réussi que je connais ont le trait Y."
• "Les données montrent que cette approche a d'excellents résultats."
• "On ne fait plus les choses comme avant."
• "Chaque grande entreprise a cette caractéristique."

Types d'arguments qu'ils avancent :

• Induction à partir du succès visible sans considération du taux d'échec
• "Preuve par l'exemple" utilisant exclusivement des cas survivants

Questions qu'ils évitent de poser :

• "Combien ont essayé cette approche et ont échoué ?"
• "Quel est le taux de base de réussite pour cette stratégie ?"
• "Pourquoi pourrions-nous ne pas voir les échecs dans cet ensemble de données ?"

9.3. Déclencheurs situationnels

Circonstances qui activent le biais :

• Accès à des histoires de réussite sélectionnées (médias, livres, conférences)
• Analyse de bases de données avec des mécanismes d'abandon/fermeture/suppression
• Toute évaluation où les échecs disparaissent de la vue
• Analyse rétrospective des leaders actuels du marché

États émotionnels qui augmentent la vulnérabilité :

• Optimisme face à une décision déjà prise
• Désir de justifier une approche
• Admiration pour une figure à succès

Contraintes de temps :

• L'urgence réduit la probabilité de rechercher des données infirmantes (échecs)
• Les délais favorisent les exemples disponibles par rapport à la recherche exhaustive

10. Stratégies cognitives de débiaisement

10.1. Techniques immédiates

La question de Diagoras : Avant toute décision basée sur des exemples de réussite, demandez-vous explicitement : "Où sont les naufragés ?" Qui a essayé cela et a échoué ? Pourquoi ne puis-je pas les voir ?

Inverser les données : Lorsqu'on vous présente des caractéristiques de survivants, construisez mentalement le "cimetière des échecs". Les cas d'échec auraient-ils aussi ces traits ? Si cela est inconnu, les données sont incomplètes.

Vérification du taux de base : Avant d'extrapoler à partir de réussites, estimez le dénominateur. "Parmi tous ceux qui ont essayé cette approche, quelle proportion a réussi ?" Si cela est inconnu, reconnaissez l'incertitude.

Inventaire des modes d'échec : Énumérez toutes les façons dont les exemples analysés auraient pu échouer et disparaître. Les constructeurs automobiles qui ont fait faillite, les restaurants qui ont fermé, les fonds qui ont été liquidés—où sont-ils allés ?

Remise en question de la source : Pour tout ensemble de données, demandez : "Quel est le mécanisme d'abandon/de suppression/de survie ?" Comment les échecs sont-ils retirés ? Cela révèle la structure du biais.

10.2. Stratégies à long terme

Étudier les échecs intentionnellement : Recherchez des analyses post-mortem, des analyses de faillite, des histoires de startups qui ont échoué. Les "Startup Failure Post-Mortems" de CB Insights et d'autres ressources similaires fournissent les preuves silencieuses qui manquent généralement.

Pratique du pré-mortem : Avant de démarrer des projets, effectuez des "pré-mortems"—imaginez que le projet a échoué et travaillez à rebours pour en identifier les causes. Cela exerce le muscle mental de la visualisation des échecs.

Calibration des probabilités : Entraînez-vous à estimer les taux de base avant de rechercher des données. Suivez votre précision. Cela permet de développer l'intuition sur la fréquence à laquelle les taux de réussite visibles surestiment les taux de réussite réels.

Contrefactuels historiques : Lors de l'étude de l'histoire, considérez activement les chemins alternatifs—ce qui a failli se passer, qui a failli réussir, quels autres résultats étaient possibles. Nassim Taleb appelle cela des "histoires alternatives".

10.3. Conception de l'environnement

Infrastructure de données : Utilisez des ensembles de données "à un instant donné" qui préservent les enregistrements des échecs au moment où ils ont existé, plutôt que des bases de données à l'état actuel qui ne montrent que les survivants.

Bibliothèques d'échecs : La gestion des connaissances organisationnelles doit archiver les projets qui ont échoué, et pas seulement ceux qui ont réussi. Les analyses post-mortem doivent être aussi accessibles que les études de cas de réussite.

Protocoles de l'avocat du diable : Institutionnaliser des rôles qui recherchent spécifiquement des preuves infirmantes et des données d'échec manquantes dans les décisions stratégiques.

Réseaux de conseil diversifiés : Incluez dans votre cercle consultatif des personnes qui ont connu l'échec. Leur point de vue fournit la "preuve silencieuse" généralement manquante.

10.4. Quand solliciter une contribution externe

Types de décisions nécessitant une validation externe :

• Investissements majeurs basés sur des données de performance historiques
• Décisions stratégiques basées sur l'analyse de la concurrence
• Décisions de carrière/vie basées sur des histoires de réussite
• Décisions médicales basées sur des données de résultats de traitements

Qui consulter :

• Des statisticiens familiers avec le biais de sélection
• Des personnes qui ont échoué dans l'approche que vous envisagez
• Des chercheurs qui étudient les taux d'échec de ce domaine spécifique
• Des avocats du diable assignés pour trouver les données manquantes

Comment formuler les demandes :

• "Quel est le dénominateur ici ?"
• "Qu'est-il arrivé à ceux qui ont essayé cela et ont échoué ?"
• "Comment ces données sont-elles collectées, et qu'est-ce qui fait disparaître les cas ?"

11. Exercices pratiques

Exercice 1 : La promenade dans le cimetière des échecs

• Objectif : Développer l'intuition pour les échecs invisibles
• Temps requis : 45 minutes
• Matériel nécessaire : Accès à Internet, carnet de notes
• Niveau de difficulté : Débutant
• Instructions :
  1. Choisissez un domaine qui vous intéresse (startups, restaurants, produits, etc.)
  2. Identifiez 5 réussites célèbres dans ce domaine
  3. Pour chaque succès, recherchez 3 contemporains qui ont essayé des approches similaires et ont échoué
  4. Notez quels traits/stratégies les échecs partageaient avec les succès
  5. Documentez pourquoi les échecs sont généralement invisibles (faillite, acquisition, suppression, etc.)
• Questions de réflexion :
  • À quel point a-t-il été difficile de trouver les échecs ?
  • Quels "facteurs de succès" sont apparus à la fois dans les réussites et les échecs ?
  • Comment cela change-t-il votre vision de ce qui a causé le succès ?
• Fréquence : Mensuelle, surtout avant des décisions majeures

Exercice 2 : Autopsie de base de données

• Objectif : Apprendre à identifier le biais du survivant dans les sources de données
• Temps requis : 60 minutes
• Matériel nécessaire : Accès à un ensemble de données que vous utilisez (données financières, commerciales, de performance)
• Niveau de difficulté : Intermédiaire
• Instructions :
  1. Sélectionnez un ensemble de données sur lequel vous vous appuyez pour vos décisions
  2. Documentez la méthodologie de collecte des données
  3. Identifiez tous les mécanismes par lesquels des enregistrements pourraient être supprimés (fermeture, fusion, suppression, non-déclaration)
  4. Estimez quel pourcentage de la population d'origine pourrait manquer
  5. Considérez en quoi les données manquantes pourraient différer des données survivantes
• Questions de réflexion :
  • Qu'est-ce qui changerait si vous pouviez voir les données manquantes ?
  • Quel niveau de confiance devriez-vous avoir dans les conclusions tirées de ces données ?
  • Quels ajustements pourraient être appropriés ?
• Fréquence : Chaque fois que vous utilisez des données historiques pour des décisions

Exercice 3 : Rituel de pré-mortem

• Objectif : Visualiser systématiquement l'échec avant qu'il ne devienne invisible
• Temps requis : 30 minutes
• Matériel nécessaire : Papier, chronomètre
• Niveau de difficulté : Avancé
• Instructions :
  1. Avant de démarrer un projet, réunissez l'équipe
  2. Réglez un chronomètre sur 20 minutes
  3. Imaginez que nous sommes dans un an et que le projet a complètement échoué
  4. Chaque personne note toutes les raisons de cet échec (d'abord de manière indépendante)
  5. Partagez et consolidez les modes de défaillance
• Questions de réflexion :
  • Quels sont les modes de défaillance les plus probables ?
  • Quels échecs ne laisseraient aucune trace pour les futurs analystes ?
  • Comment pouvez-vous éviter de devenir des données d'échec invisibles ?
• Fréquence : Au début de chaque projet important

Pratique quotidienne

La question de l'échec du soir : Chaque soir, passez en revue une décision que vous avez prise et demandez-vous : "Quels échecs ne vois-je pas et qui devraient éclairer cette décision ?"

• Durée suggérée : 5 minutes
• Meilleur moment de la journée : Soir
• Comment suivre les progrès : Notez chaque jour dans un journal une idée sur un "échec caché"

Défi hebdomadaire

La chasse aux preuves silencieuses : Chaque semaine, choisissez une croyance que vous avez fondée sur des preuves visibles et recherchez activement la "preuve silencieuse" qui pourrait la contredire.

• Résultats attendus après 4 semaines : Intuition considérablement améliorée pour demander "ce qui manque" et confiance réduite dans les conclusions tirées uniquement des données visibles
• Pistes de journalisation pour la réflexion :
  • Quelle croyance ai-je examinée cette semaine ?
  • Quelles preuves silencieuses ai-je découvertes ?
  • Comment le fait de les trouver a-t-il modifié mon niveau de confiance ?

12. Pour des publics spécifiques

Pour les dirigeants et les managers

Planification stratégique : Lors de l'analyse des succès des concurrents, exigez que les équipes de stratégie étudient également les concurrents qui ont utilisé des stratégies similaires et ont échoué. Les échecs peuvent révéler que les "facteurs de succès" observés ne sont pas causaux.

Analyse post-projet : Archivez et étudiez les projets qui ont échoué aussi rigoureusement que ceux qui ont réussi. Les enseignements tirés des échecs sont souvent plus précieux et, sans une préservation délibérée, ils disparaissent.

Décisions d'embauche : Soyez prudent concernant les profils dérivés des employés les plus performants. Demandez-vous quels candidats rejetés auraient pu réussir, et quelles recrues correspondaient au profil mais ont échoué et sont parties.

Documentation des décisions : Consignez non seulement les résultats, mais aussi les informations et les raisonnements au moment de la décision. Cela permet une évaluation honnête, même lorsque les échecs "disparaissent" suite à un départ, une restructuration ou une révision.

Construction de la culture : Célébrez et discutez ouvertement des échecs. Cela les maintient visibles dans la mémoire de l'organisation plutôt que silencieux.

Pour les parents et les éducateurs

Enseigner le concept : Utilisez l'histoire de Diagoras—elle est accessible aux enfants. Demandez : "Si nous n'entendons parler que des gens qui ont gagné, qu'est-ce que nous n'apprenons pas ?"

Équilibre des histoires de réussite : Lorsque vous partagez des histoires inspirantes, partagez également des histoires d'échec. "Beaucoup de gens ont essayé exactement ce qu'elle a fait et ça n'a pas marché. Qu'est-ce qui a pu faire la différence ?"

Éducation scientifique : Le biais du survivant est une excellente porte d'entrée pour comprendre l'échantillonnage, la sélection et la conception expérimentale. Utilisez l'exemple des bombardiers de la Seconde Guerre mondiale—il est frappant et contre-intuitif.

Modéliser l'ouverture à l'échec : Partagez vos propres échecs et ce qu'ils vous ont appris. Rendez l'échec discutable plutôt qu'invisible.

Pour les professionnels de la santé

Interprétation des essais cliniques : Soyez attentif aux modèles d'abandon. Les patients qui arrêtent le traitement peuvent différer systématiquement de ceux qui le poursuivent. L'analyse en intention de traiter résout en partie ce problème.

Évaluation des traitements historiques : Les traitements "traditionnels" qui ont "résisté à l'épreuve du temps" peuvent n'être que des survivants. Les traitements inefficaces qui ont été abandonnés ne laissent aucune preuve.

Reconnaissance de modèles diagnostiques : Les cas mémorables (les survivants de la mémoire) peuvent ne pas représenter les taux de base. Rappelez-vous activement les cas ayant des résultats différents lors de la recherche de correspondances.

Statistiques de mortalité : Comprenez comment les exclusions "mort à l'arrivée", les modèles de transfert et les pratiques de documentation créent un biais du survivant dans les données de résultats.

Pour les professionnels de la finance

Hygiène des bases de données : Utilisez toujours des bases de données exemptes du biais du survivant lorsque cela est possible. Pour les bases de données standard, appliquez les facteurs de correction connus (par exemple, ~0,9 % pour les fonds communs de placement).

Communication avec les clients : Lorsque vous présentez des performances historiques, expliquez ce qui manque. "Cet indice montre les entreprises qui existent aujourd'hui. Les entreprises qui ont fait faillite ne sont pas incluses, ce qui donne à la performance passée une apparence meilleure qu'elle ne l'était."

Scepticisme à l'égard du backtesting : Les données à un instant donné sont essentielles. Tout backtest utilisant la composition actuelle de l'indice a effectivement atteint 100 % de survie—une condition impossible.

Vérification préalable des fonds spéculatifs : Tenez compte à la fois du biais du survivant et du biais de remplissage rétrospectif. L'effet combiné (~4,4 % selon Malkiel) signifie que la performance moyenne déclarée des fonds spéculatifs surestime considérablement la réalité.

13. Interactions avec d'autres biais

Biais qui amplifient le biais du survivant

Biais qui contrebalancent le biais du survivant

Chaînes de biais communes

La cascade d'émulation du succès : Biais du survivant (ne voir que les gagnants) → Heuristique de disponibilité (les gagnants dominent la mémoire) → Illusion narrative (construire une histoire causale à partir des traits du gagnant) → Excès de confiance (croire que l'histoire explique le succès) → Biais de confirmation (rechercher des preuves étayant l'histoire) → Mauvaise calibration du risque (sous-estimer la probabilité d'échec)

Point d'interruption : La chaîne peut être brisée très tôt en demandant explicitement "Où sont les échecs ?" avant que le récit ne se forme. Une fois qu'une histoire convaincante est construite, elle devient beaucoup plus difficile à déloger.

14. Perspectives culturelles

Le biais du survivant se manifeste dans toutes les cultures mais peut être amplifié ou modéré par le contexte culturel.

Cultures individualistes vs collectivistes : Dans les cultures très individualistes (par exemple, les États-Unis), le récit du "succès par soi-même" est particulièrement proéminent, ce qui peut amplifier le biais du survivant dans les contextes de réussite personnelle. Les cultures collectivistes peuvent avoir une plus grande visibilité des échecs au sein des groupes, modérant partiellement le biais.

Cultures à forte distance hiérarchique : Dans les cultures à forte distance hiérarchique, les réussites peuvent être encore plus célébrées tandis que les échecs sont cachés pour éviter la honte, augmentant potentiellement la visibilité exclusive des résultats des survivants.

Attitudes face au risque : Les cultures ayant une tolérance au risque plus élevée peuvent être plus enclines à tirer des leçons des preneurs de risque visibles, tandis que les cultures averses au risque pourraient naturellement rechercher plus de données sur les échecs.

15. Mythes et idées fausses

16. Avis d'experts

"Je vois ceux qui ont été sauvés, mais où sont peints ceux qui ont fait naufrage ?" — Diagoras de Mélos, Ve siècle av. J.-C.

"Le cimetière des restaurants qui ont fait faillite est très silencieux. Même les plus grandes expériences de pensée et les meilleurs livres ont très peu écrit sur la façon de NE PAS échouer dans le secteur de la restauration, parce que les personnes qui échouent n'écrivent pas de livres." — Nassim Nicholas Taleb, Le Hasard sauvage

"L'intellect humain est plus ému par les affirmatives que par les négatives." — Francis Bacon, Novum Organum

"[Le SRG était] le groupe de statisticiens le plus extraordinaire jamais organisé." — W. Allen Wallis, directeur du Statistical Research Group

17. Points clés à retenir

1. Le biais du survivant est universel et ancien—reconnu par Diagoras il y a 2 500 ans, formalisé par Wald pendant la Seconde Guerre mondiale, et quantifié dans la finance moderne.

2. Le biais crée des données systématiquement trompeuses—pas seulement incomplètes, mais activement trompeuses parce que l'absence d'échecs modifie la forme de la distribution visible.

3. Ce qui manque est souvent la donnée la plus importante—l'intuition de Wald selon laquelle les trous de balles "manquants" se trouvaient sur des avions écrasés est le paradigme de toute analyse du biais du survivant.

4. L'impact financier est quantifiable—environ 0,9 % par an pour les fonds communs de placement, 4,4 % pour les fonds spéculatifs, et inconnu mais substantiel pour les erreurs de backtesting.

5. L'antidote est la recherche active de l'invisible—demander constamment "Où sont les naufragés ?" est la discipline qui protège contre ce biais.

6. Il existe des méthodes de correction—la correction de Heckman, la pondération par probabilité inverse (IPW), l'estimateur de Kaplan-Meier et les bases de données ponctuelles peuvent partiellement traiter le biais.

7. Visibilité ne signifie pas validité—la facilité avec laquelle nous voyons des exemples de réussite ne nous dit rien sur leur représentativité par rapport à l'ensemble de la population.

18. Ressources supplémentaires

Articles académiques

• Brown, S. J., Goetzmann, W., Ibbotson, R. G., & Ross, S. A. (1992). Survivorship Bias in Performance Studies. Review of Financial Studies, 5(4), 553-580.
• Elton, E. J., Gruber, M. J., & Blake, C. R. (1996). Survivorship Bias and Mutual Fund Performance. Review of Financial Studies, 9(4), 1097-1120.
• Wald, A. (1943). A Method of Estimating Plane Vulnerability Based on Damage of Survivors. Statistical Research Group Memorandum.

Livres

• Taleb, N. N. (2001). Le Hasard sauvage : Comment la chance nous trompe. Random House. [Titre original: Fooled by Randomness]
• Taleb, N. N. (2007). Le Cygne noir : La puissance de l'imprévisible. Random House. [Titre original: The Black Swan]
• Kahneman, D. (2011). Système 1 / Système 2 : Les deux vitesses de la pensée. Farrar, Straus and Giroux. [Titre original: Thinking, Fast and Slow]

Chapitres de livres

• Bacon, F. (1620). Idoles de la tribu. Dans Novum Organum.
• Cicéron. (45 av. J.-C.). De Natura Deorum [De la nature des dieux]. Livre III (contient l'anecdote de Diagoras).

19. Fiche résumé

20. Glossaire des termes utilisés

21. Questions de discussion

Pour les clubs de lecture, les salles de classe ou la réflexion personnelle :

1. Pouvez-vous identifier une décision majeure dans votre vie que vous avez prise principalement sur la base d'histoires de réussite visibles ? Quels échecs n'avez-vous pas pu voir ?

2. Wald a recommandé de blinder là où les trous de balles n'étaient pas. Quels problèmes actuels pourraient bénéficier de l'observation des endroits où les dommages n'apparaissent pas ?

3. Comment les médias sociaux, qui mettent en évidence les succès et cachent les échecs, pourraient-ils amplifier le biais du survivant dans les choix de carrière et de vie ?

4. Y a-t-il un moyen de véritablement "voir" les échecs, ou travaillons-nous toujours avec des données biaisées par les survivants ? Quelles sont les limites des méthodes de correction ?

5. Taleb soutient que les conseils des personnes qui ont réussi ne sont peut-être pas plus valables que les conseils de ceux qui ont échoué. Comment devrions-nous concevoir le mentorat et l'apprentissage par les autres compte tenu de ce biais ?