Biais de représentativité

Un article de Wikipédia, l'encyclopédie libre.
Aller à : navigation, rechercher

Ce biais consiste à baser son jugement sur des informations personnalisantes plutôt que statistiques.

Le biais de représentativité est une forme de biais cognitif.

Exemple[modifier | modifier le code]

L'illustration la plus flagrante a été faite par Tversky et Kahneman (1982)[1]. Une version en français se présenterait ainsi :

Linda a 31 ans, elle est célibataire, franche et très brillante. Elle possède une maîtrise de philosophie. Étudiante, elle se montrait très préoccupée par les questions de discrimination et de justice sociale, elle participait aussi à des manifestations antinucléaires.

Selon vous, Linda a-t-elle plus de chance d'être :

  1. Enseignante dans une école primaire.
  2. Libraire et inscrite à des leçons de yoga.
  3. Active dans le mouvement féministe.
  4. Travailleuse sociale en milieu psychiatrique.
  5. Membre de la ligue des électrices.
  6. Guichetière dans une banque.
  7. Vendeuse d'assurances.
  8. Guichetière dans une banque et active dans le mouvement féministe.


La très grande majorité des gens (89 %) répond 8[2] en dépit du fait que la probabilité que deux événements se produisent « ensemble » (proposition 8) est toujours inférieure ou égale à la probabilité qu'un de ces événements se produise (propositions 3 ou 6).

Par exemple même en imaginant que la probabilité que Linda soit guichetière soit très faible, 0,05 par exemple et que la probabilité que Linda soit féministe soit très forte 0,9 par exemple, la probabilité que Linda soit à la fois guichetière et féministe, en considérant que ces deux événements sont indépendants est de 0,05*0,9=0,045.

Attention une erreur souvent commise empêchant une bonne compréhension consiste à penser que la proposition 3) était "Linda est active dans un mouvement féministe mais pas guichetière" ou encore que la proposition 6) était "Linda est guichetière dans une banque mais pas féministe". Mais ces propositions contiennent deux événements, il faut donc faire attention à ne pas interpréter ces propositions de la sorte.


Tversky et Kahneman expliquent que si la plupart des gens se trompent c'est parce qu'au lieu de construire leur réponse à partir d'un raisonnement logique et probabiliste (loi d'inclusion), la plupart des gens procèdent à un raisonnement basé sur les informations représentationnelles (le texte décrivant Linda).

Bibliographie[modifier | modifier le code]

  • Kahneman, D., Slovic, P. & Tversky, A. (Eds.). (1982). Judgment under Uncertainty: Heuristics and Biases. Cambridge, UK: Cambridge University Press. ISBN 0-521-28414-7

Liens externes[modifier | modifier le code]

Références[modifier | modifier le code]

  1. Daniel KAHNEMAN, Paul SLOVIC & Amos TVERSKY (eds), Judgment Under Uncertainty: Heuristics and Biases. New York, Cambridge University Press, 1982
  2. Tversky & Kahneman (1982, 1983)

Articles connexes[modifier | modifier le code]