Les heuristiques de jugement, concept fréquemment employé dans le domaine de la cognition sociale, sont des opérations mentales automatiques, intuitives et rapides pouvant être statistiques ou non statistiques. Ces raccourcis cognitifs sont utilisés par les individus afin de simplifier leurs opérations mentales dans le but de répondre aux exigences de l’environnement. Par exemple, les gens ont tendance à estimer le temps mis pour trouver un emploi en fonction de la facilité avec laquelle ils peuvent penser à des individus qui ont récemment été engagés, et non selon le temps moyen de recherche dans la population. Les heuristiques peuvent apparaître quotidiennement et par habitude dans la prise de décision, le jugement, l’estimation de probabilité et la prédiction de valeurs.
Les heuristiques permettent aux individus un gain de temps car en les utilisant, ils ne tiennent pas compte de toute la complexité des informations pertinentes à la situation. Cependant, elles mènent parfois à des biais et des erreurs dans la prise de décision.
Les plus développées dans la littérature sont la représentativité, la disponibilité, l’ancrage et l'ajustement. Ces dernières ont été mises en évidence par Amos Tversky et Daniel Kahneman en 1974. Les interprétations résultant des heuristiques selon Tversky et Kahneman ne font cependant pas l’unanimité auprès de la communauté scientifique. En effet, selon eux, les heuristiques mènent à des raisonnements de qualité tandis que pour d’autres auteurs, ils aboutissent à de mauvaises réflexions.
Les heuristiques sont appliquées dans de nombreux autres domaines, notamment dans le marketing, la santé publique, la politique et la justice.
Historique thumb|alt=Texte alternatif|Daniel Kahneman, prix Nobel d'économie 2002.
Herbert Simon est le premier à avoir introduit la notion d'heuristique dans un article intitulé publié dans le Quarterly Journal of Economics en 1955. Simon y propose la notion de rationalité limitée pour modéliser le comportement des humains et suggère que les individus utilisent des règles approximatives pour prendre des décisions plutôt que de considérer tous les paramètres d'un problème. Pour Simon, les heuristiques sont des règles rationnelles approximatives fournissant des réponses satisfaisantes, sans être optimales..
En 1967, Harold Kelley prolonge les travaux d'Herbert Simon en développant la théorie de la covariation aussi appelée théorie de l'attribution causale..
À partir des années 1970, la notion d'heuristique change. avec Amos Tversky et Daniel Kahneman qui en 1974. développent l’idée que les individus ne prennent pas toujours leurs décisions de manière rationnelle. Ils seraient soumis à des biais et peuvent commettre des erreurs. Leurs ressources cognitives ne leur permettant pas d’utiliser des règles rationnelles., les individus recourraient à des raccourcis cognitifs : les heuristiques, qui sont des opérations mentales « intuitives, rapides et automatiques ».. Tversky et Kahneman sont les auteurs principaux ayant étudié et développé le concept d'heuristique de jugement. Ils sont par exemple à l'origine des heuristiques de représentativité, de disponibilité et d'ancrage et d'ajustement.
Rôle et utilisation des heuristiques dans le jugement
Dans la prise de décision et le jugement, les heuristiques permettent d'effectuer plus simplement des jugements, de faire face à l’incertitude, de préserver les efforts des acteurs et de leur faire gagner du temps.. Elles servent également à généraliser et à porter des jugements abstraits.
L'humeur joue un rôle dans l'usage des heuristiques. En effet, la joie, plus que la tristesse ou la déprime favorise leurs utilisations.. Le peu d'importance d’une tâche. et ses enjeux., une grande expérience dans un domaine particulier ainsi que le développement de raccourcis mentaux dans celui-ci influencent de la même manière leur usage. Par contre, lorsque les individus doivent justifier leurs déductions, qu'ils ont réalisé des erreurs récemment ou se sont interrogés soit sur la pertinence soit sur l’exactitude de leurs cognitions, ils utilisent moins les heuristiques..
Heuristiques statistiques et non statistiques
Il existe deux catégories d'heuristiques : les statistiques et les non statistiques. Les heuristiques les plus connues, telle que la représentativité, font partie de la deuxième catégorie. Les heuristiques non statistiques sont le reflet d’une incapacité des individus à appliquer des principes statistiques de base dans la vie quotidienne. Les heuristiques statistiques, elles, sont plus ou moins des équivalents intuitifs aux principes statistiques.. Elles suggèrent que les individus ont une compréhension sommaire des statistiques. Par exemple, si une femme provient d'un échantillon dans lequel il y a 35 % de coiffeuses et que les individus supposent qu’elle a 35 % de chance de pratiquer cette profession, et ce, sans tenir compte d’informations supplémentaires telles que, par exemple, des informations stéréotypées, alors, il s’agit d’une heuristique statistique.
Exemples Heuristique de représentativité et biais associés
Tversky et Kahneman ont observé le phénomène suivant : plus une chose est typique d'une catégorie, plus les individus la classent dans cette catégorie. L’heuristique de représentativité est une règle qui «consiste à estimer la probabilité d’appartenance d’un objet à une classe d’objets à partir de sa ressemblance avec un cas prototypique de cette classe».. Selon Tversky et Kahneman, cette règle est utilisée pour répondre à des questions de probabilité comme : « Quelle est la probabilité qu'A appartienne à la classe B ? ». Si A est très représentatif de B, l’individu jugera qu'A a une forte probabilité d’appartenir à B. Ils développent l’idée que l’heuristique de représentativité est aussi utilisée pour catégoriser socialement les individus en fonction de leur ressemblance avec les stéréotypes caractérisant ces catégories. Cette règle peut expliquer certains biais de jugement.
Ignorance des probabilités a priori (ignorance du taux de base)
Un premier biais expliqué par l’heuristique de représentativité consiste à ignorer les probabilités a priori (ignorance du taux de base). En 1973. Tversky et Kahneman ont étudié ce phénomène en demandant à des sujets de lire une brève description d’un individu pris d’un groupe de 100 personnes. La moitié des sujets étaient informés que le groupe de 100 personnes était composé de 30 % d’avocats et 70 % d’ingénieurs (le taux de base) et l’autre moitié que la composition du groupe était de 70 % d’avocats et de 30 % d’ingénieurs. La description lue par les sujets correspondait au stéréotype de l’ingénieur. La tâche des participants était d’estimer la probabilité de cet individu d’être un ingénieur plutôt qu’un avocat. Quel que soit le taux de base fourni aux sujets, ceux-ci ont estimé que l’individu décrit avait une grande probabilité d’être ingénieur : il n’y avait donc pas de différence significative entre les deux groupes de participants. Par contre, lorsque les sujets n'avaient pas de description à leur disposition, ils tenaient effectivement compte du taux de base. Tversky et Kahneman en ont conclu que, lorsque les sujets disposaient d'une description de l'individu, ils avaient utilisé l’heuristique de représentativité en ignorant le taux de base fourni.
Insensibilité à la taille de l’échantillon et conception erronée du hasard
Les individus sont parfois amenés à estimer la probabilité d’observer un résultat particulier dans un échantillon (exemple : estimation de la probabilité d’une famille d’avoir 100 % d’enfants de sexe masculin). Cependant, la taille de l’échantillon a un impact sur les probabilités. Il est par exemple plus probable d’avoir 100 % de garçons dans une famille avec deux enfants que dans une famille avec huit enfants. Toutefois la taille de l’échantillon n’est généralement pas prise en compte par les individus.
Tversky et Kahneman ont observé ce phénomène à l’aide de la situation suivante. Il y a deux hôpitaux dans une ville : un grand hôpital enregistrant 45 naissances par jour, et un petit, enregistrant 15 naissances par jour. Il est évident qu’en moyenne, 50 % des bébés sont des garçons, et que ce pourcentage varie selon les jours : il est parfois inférieur, parfois supérieur. Sur un an, lequel des hôpitaux compte davantage de jours où le taux de garçons nouveau-nés dépasse les 60 % ? Il y avait trois réponses proposées : le petit - le grand - le nombre de jours est équivalent dans les deux hôpitaux. La majorité des sujets a choisi la dernière réponse alors que la réponse correcte est la première, c’est-à-dire le petit hôpital.
Selon Tversky et Kahneman., les individus ont tendance à croire que les caractéristiques d’un processus aléatoire (comme le jet d’une pièce de monnaie) sont présentes non seulement dans l’entièreté d’une séquence (un grand nombre de jets) mais aussi dans chaque petite partie de séquence (un petit nombre de jets). Par exemple, pour le jet d’une pièce de monnaie, les individus ont tendance à croire que la séquence face-pile-face-pile est plus probable que la séquence face-face-face-pile, car elle représente la probabilité générale d’avoir face dans 50 % des jets.. Il y a donc, selon les auteurs, une conception erronée du hasard.
Lorsque les individus doivent estimer la probabilité d’obtenir un résultat particulier dans un échantillon, leur réponse est donc affectée par le fait qu’ils ne tiennent pas correctement compte de la taille de cet échantillon et de leur mauvaise compréhension du hasard.
Insensibilité à la prévisibilité et illusion de validité
Tversky et Kahneman développent également l’idée que les jugements et estimations sont faits en tenant peu compte de la prédictibilité : les individus ne prennent pas en considération le fait que les informations disponibles soient fiables et permettent une prédiction précise, ou non. Ceci est expliqué par le fait que les individus n'ont qu'une compréhension sommaire des statistiques. De plus les individus ressentent une grande confiance en leurs jugements, ce que les auteurs appellent l’illusion de validité (la confiance injustifiée produite par un bon ajustement entre le résultat prédit et les informations disponibles).
Ignorance du phénomène de régression vers la moyenne
Un autre biais lié à l’heuristique de représentativité est, selon Tversky et Kahneman, l’oubli du phénomène de la régression vers la moyenne. Ce phénomène rend compte de la variabilité des résultats obtenus lorsqu’une même chose est mesurée plusieurs fois. Il a été mis en évidence par ces deux auteurs en 1973. Un exemple donné par ceux-ci est le suivant : un groupe d’enfants passe deux tests d’aptitude équivalents - mesurant la même chose - par exemple, l'intelligence. Lorsqu’on observe de plus près les 10 enfants ayant obtenu les meilleurs résultats au test A et que l’on regarde ensuite leurs résultats au test B, ceux-ci seront souvent moins bons. De même, lorsqu’on sélectionne les 10 enfants les moins bons au test A, leurs résultats au test B seront souvent meilleurs. Il s'agit du même phénomène lorsqu'on mesure la performance d'un footballeur : lors d'un match A, il peut sembler très adroit, alors qu'au match B, il parait décevant.
Lorsqu’une observation dévie de la moyenne (être très brillant ou très décevant), il faut prendre en compte l’intervention de facteurs aléatoires, comme la force du vent, la distraction des footballeurs adverses… Comme ces variables aléatoires sont différentes pour chaque mesure (chaque match), l'observation peut revenir vers la moyenne lors de la mesure suivante (être moins exceptionnel). Lorsque les individus utilisent l'heuristique de représentativité, ils n'envisagent pas que les variables aléatoires soient responsable de la différence observée. Ils ont davantage tendance à expliquer les déviations (être décevant) par exemple par un manque d'effort ou par un stress plus fort lors du second match.