La rationalité limitée (bounded rationality en version originale) est l'idée selon laquelle la capacité de décision d'un individu est altérée par un ensemble de contraintes comme le manque d'information, des biais cognitifs ou encore le manque de temps. Dans cette optique, les décideurs ont tendance à choisir des solutions satisfaisantes plutôt qu'optimales. Le concept a été initialement théorisé par Herbert Simon et utilisé en sociologie, en psychologie, en microéconomie ou encore en philosophie politique (par exemple chez Jon Elster).

On s'écarte de l'un des postulats premiers de la microéconomie et/ou de la théorie du choix rationnel, qui veulent que l'acteur soit pleinement rationnel concernant la situation envisagée. Gerd Gigerenzer a toutefois souligné que pour Simon, la rationalité limitée n'était pas moins bonne qu'une rationalité complète. Au contraire, elle répond selon lui aux exigences de la situation, dans laquelle nos capacités de calcul sont limitées : c'est le caractère limité de la rationalité qui permet, in fine, le choix, et donc la possibilité d'agir à bon escient et à temps. Tout cela est permis notamment par les heuristiques de jugement, développées par Amos Tversky et le Nobel d'économie Daniel Kahneman.

Cependant, certaines situations spécifiques requièrent l'utilisation de modèles classiques (donc mathématiques) dans le but de prendre une décision optimale. En ce sens, certains auteurs (notamment Edward Tsang) estiment que l'utilisation de modèles informatiques et le recours à l'intelligence artificielle permettraient de rationaliser la prise de décision et de passer outre les biais cognitifs.

Par conséquent, la théorie du choix rationnel et celle de la rationalité limitée seraient complémentaires.

Rappel des théories néo-classiques

Les théories néoclassiques définissent un acteur (homo economicus) comme étant parfaitement rationnel dans sa prise de décision, qui se fait après une période de réflexion poussée, et non par hasard. L'individu cherche à maximiser son utilité et son profit, afin de répondre à un besoin. Profitant d'une information complète et pertinente, à laquelle il a accès sans restrictions, il peut ainsi prendre des décisions optimales. Cette théorie est intéressante car elle suggère que les choix de l'acteur peuvent être analysés et anticipés, ce qui constitue une opportunité par exemple en marketing, ou dans la recherche et développement. La prise de décision se rapproche donc d'une modélisation de phénomènes du domaine de la physique.

vignette|288x288px|Graphique d'utilité retenue (en fonction d'une contrainte budgétaire)

Certains auteurs (Walras, Jevons, Menger) se sont d'ailleurs intéressés à la modélisation mathématique du niveau de satisfaction retenu à la suite de la consommation d'un bien. Cette fonction, dite d'utilité, cherche à rationaliser la prise de décision et à estimer l'impact qu'elle aura sur notre niveau d'utilité. Elle attribue donc un montant de satisfaction à un choix de consommation. C'est pourquoi les courbes d'indifférence présentent, pour un niveau d'utilité constant, les différentes combinaisons de biens X et Y possibles. En d'autres termes, notre utilité dépend de la consommation d'un panier de bien et pour ce panier on attribue un niveau d'utilité. Chaque coordonnée de la courbe d'indifférence correspond à ce niveau d'utilité. Cette utilité est cardinale. Si le panier évolue et modifie le niveau d'utilité, c'est toute la courbe qui se déplace.

Exemple :

Posons X=2Y et un niveau d'utilité de 10 pour un panier (2;4). Si on se débarrasse d'un X mais que l'on tient à maintenir un niveau d'utilité constant, il faut récupérer 2Y. Ce rapport de valeur attribué à un bien par rapport à un autre est ce qu'on appelle un TMS (Taux marginal de substitution). Ce taux correspond donc à la dérivée de notre courbe d'indifférence.

vignette|Graphique d'utilité en fonction d'un bien|288x288px

Pour finir, la fonction d'utilité est concave. Par conséquent, plus on consomme un bien X et moins on en retire de satisfaction supplémentaire. Les auteurs parlent de décroissance de l'utilité marginale (Um). Le niveau optimal de consommation est donc atteint en Um=Cm, à savoir lorsque l'utilité marginale est égale au coût requis pour consommer une unité de bien en plus (coût marginal). Sur le graphique, cet optimum est atteint lorsque la Courbe d'indifférence est tangente à la contrainte budgétaire. Cette modélisation permet donc d'optimiser notre niveau de satisfaction sous contraintes.

Cette théorie a été critiquée, notamment par Vilfredo Pareto qui préfère parler d'utilité ordinale. D'après lui, l'attribution d'un niveau de satisfaction est trop complexe et peu réaliste. A l'inverse, classer les choix de consommation semble plus facile dans la mesure où le niveau de satisfaction est relatif. Si je préfère A à B et B à C, alors je préfère A à C.

On comprend vite que ces théories ont des limites et vont nourrir de nouveaux courants notamment autour de la rationalité limitée.

Définition du concept

Origines Face aux théories néoclassiques et à ses limites, Herbert Simon, dans son Models of Man, s'intéresse au processus décisionnel de l'individu, qu'il décompose en trois phases : La perception et l'identification du problème ; La conception des solutions ; La sélection de la meilleure solution.

Toujours selon Simon, une décision peut être programmable ou non-programmable. La première est répétitive et ne nécessite pas de réajustement. La seconde quant à elle est exceptionnelle ; l'individu prend cette décision à un instant donné et ce choix ne sera pas ré-applicable en tant que tel, car les conditions ne seront pas nécessairement les mêmes.

En mettant en lien les trois phases de la décision et les théories néoclassiques, Simon explique que l'individu ne peut pas être amené à prendre une décision parfaitement rationnelle, car l'information n'est jamais complète, à cause de son processus d'obtention qui peut se révéler trop complexe ou trop long. L'identification du problème n'est donc pas optimale : pour reprendre la décision non-programmable présentée précédemment, si l'individu fait face à une situation exceptionnelle, il n'a pas pu l'anticiper et ne maîtrise donc pas son environnement. De plus, les biais cognitifs jouent le rôle de perturbateurs dans la conception des solutions, et l'optimum tel que défini par les théories néoclassiques peut ne pas être pris en considération par l'individu. Dans cette optique, la fonction d'utilité semble loin de la réalité du processus de prise de décision et définir l'impact exact de nos choix sur notre niveau de satisfaction semble impossible. L'optimum atteint en Cm=Um semble loin des possibilités cognitives de l'être humain. À partir de ce postulat, la meilleure solution d'un individu peut différer de celle d'un autre.

Pour finir, dans leur livre Nudge: Improving Decisions about Health, Wealth, and Happiness Richard Thaler et Cass Sunstein critiquent le caractère infaillible et autonome des décisions individuelles dans le sens où elles peuvent être influencées, orientées par l'environnement dans lequel l'individu évolue. Nudge, "Coup de pouce" en français fait référence à ces incitations indirectes qui sont le résultat d'heuristiques de jugement ou de biais cognitif. L'individu ne semble donc pas aussi rationnel que les auteurs néoclassiques l'entendent.

La rationalité limitée peut cependant être vu comme un facilitateur de prise de décision, grâce notamment aux heuristiques.

Développement Les limites des théories néoclassiques décrites précédemment permettent de comprendre dans quel environnement évolue l’individu. Soumis à de nombreuses contraintes et exigences, ce dernier va avoir recours à des mécanismes mentaux qui peuvent être conscients ou inconscients. Ces derniers vont nous permettre, à base de raccourcis cognitifs, de réagir plus vite à une situation et vont faciliter notre prise de décision. Ces automatismes mentaux sont appelés des heuristiques et peuvent être la conséquence d’une accumulation d’expérience dans le domaine de l’entreprise ou du social. Cela peut relever de l’intuition mais peut être également le résultat d’une activité consciente de simplification des problèmes. Par conséquent, certains auteurs dont Gerd Gigerenzer pensent qu’ils sont utiles à la prise de décision. Cette partie s’attache donc à décrire les bienfaits, souvent ignorés, des heuristiques.

Cette notion a été développée par Amos Tversky et David Kanheman dans Judgment under Uncertainty: Heuristics and Biases en 1974 puis en 1982. Dans la ligne de pensée d’Herbert Simon ces deux auteurs visualisent l’individu comme un être soumis à des émotions et prenant des décisions non rationnelles. En effet, la joie ou la tristesse d’un individu l’amèneraient à modifier ses choix et surpondérer certaines probabilités. C’est ce qu’ils appellent le « biais de représentativité ». D’après eux, les individus feraient preuve d’aversion aux pertes. En d’autres termes, une perte engendrerait une désutilité deux fois plus grande que l’utilité engendrée par un gain du même montant. En bref, l’individu pourrait être amené à faire de mauvais choix.

À travers “The adaptive Toolbox” et “Simple heuristic that make us smart”, Gerd Gigerenzer voit en ces heuristiques le moyen de prendre de bonnes décisions malgré les contraintes qui s’y rattachent. Il explique que l’individu fait face à des situations à risques et des situations d’incertitude. Si la première nécessite d’utiliser les modèles classiques par les quantités d’information qui entrent en jeu, la deuxième suggère d’utiliser les heuristiques. En effet, face à l’incertitude les probabilités et la logique ne permettent pas de prendre une décision compte tenu du manque d’information ou de temps de notre problème. Dans une de ses conférences, Gerd Gigerenzer utilise l’exemple du footballeur voulant déterminer la trajectoire du ballon. Face à ce problème, deux choix s’offrent à lui : Calculer la trajectoire de la balle. Il doit donc utiliser un modèle mathématique complexe et le résoudre dans un temps très bref. Cependant le nombre de variables incertaines (vitesse du vent, rotation de la balle, force de la frappe) est immense. La résolution, compte tenu de notre limitation cognitive, est quasi impossible. "Fixer la balle et adapter sa course de sorte que l'angle de vue reste constant" selon les paroles de Gerd Gigerenzer. En fait, si notre course est parfaite, la balle devrait paraître relativement immobile dans les airs.

Compte tenu de la contrainte de temps, il semble évident que les footballeurs choisiront la deuxième option. Ici, les heuristiques inconscientes ont permis à un agent de résoudre un problème complexe de manière très simple et ce en réduisant le nombre de variables à prendre en compte. « The less is more effect ». Autrement dit, une solution simple est la plus adaptée face à certains problèmes complexes.

Cependant, les heuristiques peuvent être mobilisées telles des outils. En cela, ce sont des mécanismes conscients. Dans “Simple heuristic that make us smart” Gerd Gigerenzer et Peter M.Todd utilisent l’exemple du diagnostic médical à la suite d’une crise cardiaque. Afin de prendre une décision optimale et « rationnelle », il faudrait récolter et recouper dix-neuf variables quantitatives, ce qui demande du temps. Or, face à l’urgence le médecin doit prendre une décision rapidement. C’est pourquoi l’hôpital a réduit le problème à trois variables dont l’âge et la tension sanguine. Le niveau de risque étant déterminé selon un montant seuil propre à chaque variable. Avec une simple réponse binaire (oui/non) le diagnostic est établi.