Les guerres de la rationalité : une réflexion personnelle

Gerd Gigerenzer

Institut Max-Planck pour le développement humain, Berlin, Allemagne

Résumé

Pendant la Guerre froide, la rationalité logique — axiomes de cohérence, maximisation de l’utilité espérée subjective, mise à jour des probabilités bayésiennes — est devenue le socle de l’économie et des autres sciences sociales. Dans les années 1970, la rationalité logique a subi les attaques du programme des « heuristiques et biais », qui interprétait la théorie comme une norme universelle régissant la manière dont les individus devraient prendre leurs décisions, bien qu’une telle interprétation soit absente de l’ouvrage fondateur de von Neumann et Morgenstern et rejetée par Savage. Les écarts observés entre les jugements humains et cette théorie étaient perçus comme la preuve de biais cognitifs stables, censés à leur tour sous-tendre les problèmes sociaux et justifier le paternalisme gouvernemental. Dans les années 1990, le programme de la rationalité écologique a fait son entrée sur le terrain, s’inspirant des travaux de Simon. Il dépasse les limites étroites de la rationalité logique pour analyser la façon dont les individus et les institutions prennent des décisions en situation d’incertitude et d’intraitabilité. Cette vision plus large a démontré que de nombreux soi-disant biais cognitifs sont les marques d’une forme d’intelligence plutôt que de l’irrationalité, et que les heuristiques constituent des guides indispensables dans un monde incertain. Le débat passionné qui a opposé ces trois programmes de recherche s’est fait connaître sous le nom de « guerres de la rationalité ». Proposant un bref récit depuis la « ligne de front », je montre comment les parties prenantes ont compris de manières de surcroît très différentes ce que cette guerre impliquait.

Mots-clés : rationalité écologique, guerre froide, heuristiques, biais cognitifs, guerres de la rationalité, incertitude.

Le champ de bataille des guerres de la rationalité s’est dessiné dès l’instant où l’hégémonie de la rationalité de la Guerre froide a commencé à s’éroder. Par le biais de la théorie des jeux et de la théorie du choix rationnel, la rationalité de la Guerre froide s’était imposée au premier plan après la Seconde Guerre mondiale. L’idéal d’une rationalité logique fondée sur le respect de règles incarnait l’espoir qu’un raisonnement calculatoire puisse dompter la menace immédiate d’une guerre nucléaire, servant de rempart contre les émotions imprévisibles d’un Khrouchtchev ou d’un Kennedy (Erickson et al., 2013). La rationalité logique — maximisation de l’utilité espérée subjective, axiomes de cohérence, mise à jour des probabilités bayésiennes, équilibre de Nash et induction à rebours — offrait la promesse d’un armement intellectuel capable de guider l’Occident à travers la guerre du Vietnam et la Guerre froide. Dans le même temps, elle est devenue le socle d’une grande partie de l’économie et des autres sciences sociales, et l’un des fleurons de l’esprit humain.

Dans les années 1970, la rationalité logique a été attaquée par un groupe de psychologues soutenant que la prise de décision humaine était empreinte de biais systématiques et que les comportements étaient souvent irrationnels, de façon même prévisible. L’attaque est venue des psychologues cognitifs Tversky et Kahneman, dont le programme de recherche s’est fait connaître sous le nom de programme des « heuristiques et biais » (Tversky & Kahneman, 1974). Pourtant, loin de contester la rationalité logique en tant que norme, ces chercheurs l’ont en réalité adoptée. Lorsqu’un écart était mis en évidence entre les jugements des individus et la rationalité logique, ils l’attribuaient à une faille de l’esprit humain, jamais de la norme, sans souvent mâcher leurs mots. Les intuitions humaines étaient qualifiées d’« accumulation de péchés », d’« indéfendables », d’« autodestructrices » et de « ridicules » (Tversky & Kahneman, 1971, p. 107–110).

Les psychologues sociaux ont rejoint les rangs. Les individus n’étaient pas seulement dits souvent trompés sur les causes de leur propre comportement, mais, en principe, incapables de les identifier parce qu’ils ne peuvent accéder aux processus de leur esprit (Nisbett & Wilson, 1977). La mise à sac de l’introspection s’est accompagnée d’une affirmation, rappelant l’ouvrage Par-delà la liberté et la dignité de Skinner, selon laquelle le comportement serait à 99 % automatique et facilement manipulable par l’amorçage (priming) (Bargh, 1997 ; Leys, 2024). Il en a émergé l’image générale selon laquelle l’être humain est intrinsèquement sujet à des biais irrationnels, manque de conscience et de contrôle, et a besoin d’être orienté par des politiques gouvernementales paternalistes telles que le « coup de pouce » (nudging) (Thaler & Sunstein, 2008). Je désignerai cet ensemble sous le nom de programme des biais cognitifs.

Dans les années 1990, un troisième acteur est entré en scène, sous l’impulsion de mon groupe de recherche (Gigerenzer et al., 1999, 2011). Sa philosophie repose sur les travaux de Herbert Simon (1990), qui soutenait que pour comprendre le comportement, il convient d’analyser à la fois la cognition et son environnement (qu’il comparait aux deux lames d’une paire de ciseaux), ainsi que leur adéquation. Ainsi, la nature de la rationalité n’est pas la cohérence interne, mais plutôt la fonctionnalité dans le monde réel.

Parce que la maximisation de l’utilité espérée s’appuie sur la mathématique de l’optimisation, elle ne peut traiter ni les situations mal définies d’incertitude (par exemple le lancement d’un nouveau produit) ni les situations bien définies d’intraitabilité (par exemple jouer aux échecs). Le programme de la rationalité écologique, plus général que celui de la rationalité logique, s’attaque à ces situations. Il modélise les processus heuristiques utilisés et identifie les environnements dans lesquels ils réussissent. En conséquence, de nombreux soi-disant biais cognitifs s’avèrent fonctionnels dans le monde réel (Gigerenzer, 2018).

Le programme original de Simon, qu’il avait nommé « rationalité limitée » (bounded rationality), est apparu en même temps que l’approche de la rationalité logique, mais n’a été pleinement exploré que plus tard. Le terme de Simon a plutôt été récupéré par les partisans de la rationalité logique pour désigner l’optimisation sous contraintes, et par le programme des biais cognitifs pour signifier son contraire : l’irrationalité. Face à cette double réappropriation, j’ai introduit le terme de rationalité écologique.

Le débat entre ces trois visions de la nature humaine — en tant que Homo economicus, Homer Simpson ou Homo heuristicus — a été baptisé « guerres de la rationalité » par les philosophes Samuels et al. (2002) et Sturm (2012), et « grand débat de la rationalité » par le psychologue Stanovich (2011).

De multiples lignes de front définissent ce débat, qui traverse transversalement les frontières disciplinaires. La rationalité logique est-elle une norme universelle de rationalité, applicable partout et toujours, ou son territoire est-il délimité ? Dans quelle mesure le comportement humain s’écarte-t-il de la rationalité logique, et cela a-t-il de l’importance ? Une théorie du comportement rationnel doit-elle être purement abstraite, aveugle au contexte et à l’expérience humaine, ou doit-elle refléter explicitement la structure de l’environnement et donner de la chair psychologique à des modèles décharnés ?

Dans cet article, je propose un bref récit des guerres de la rationalité. Ayant été sur la ligne de front et témoin direct de la ferveur de ces débats, ce que vous lisez est le point de vue personnel d’un combattant, non d’un observateur. Mais je ferai de mon mieux pour représenter l’ensemble des parties de manière équitable.

La rationalité de la Guerre froide

Pendant la guerre du Vietnam, le philosophe John Searle rendit visite à un ami qui occupait un haut poste au département de la Défense des États-Unis, au Pentagone. Comme le rapporte Searle (2001, p. 6) :

« J’ai essayé de le dissuader de la politique de guerre suivie par les États-Unis, en particulier la politique de bombardement du Vietnam du Nord. Il était titulaire d’un doctorat en économie mathématique. Il s’est avancé vers le tableau noir, a tracé les courbes de l’analyse microéconomique traditionnelle, puis a dit : « Là où ces deux courbes se croisent, l’utilité marginale de la résistance est égale à la désutilité marginale d’être bombardé. À ce point précis, ils sont obligés de renoncer. Tout ce que nous supposons, c’est qu’ils sont rationnels. Tout ce que nous supposons, c’est que l’ennemi est rationnel ! » »

Les Nord-Vietnamiens ont pourtant continué à se battre jusqu’au retrait des forces américaines en 1973.

Dans les années 1940 et 1950, les fondations analytiques de la rationalité logique (également appelée rationalité axiomatique ; Rizzo & Whitman, 2020, p. 52–55) ont été posées, et elle a pris de l’importance dans les années 1960. Le calendrier n’est peut-être pas tout à fait fortuit. La crise de Berlin en 1961, la crise des missiles de Cuba en 1962, l’écrasement du Printemps de Prague par l’URSS en 1968, la guerre du Vietnam de 1955 à 1975, et la menace persistante des missiles atomiques à longue portée incarnaient le climat mondial de menace nucléaire.

À partir de la conférence de Berkeley de 1964 intitulée Strategic Interaction and Conflict, un groupe d’éminents chercheurs s’est réuni à la RAND Corporation à Washington et dans diverses conférences pour discuter des moyens de sauver la planète d’une guerre nucléaire. Ce groupe de personnalités comprenait l’économiste Thomas Schelling de Harvard, l’économiste Daniel Ellsberg (qui devint célèbre par la suite en tant qu’ancien responsable du département de la Défense ayant divulgué les Pentagon Papers), l’économiste Oskar Morgenstern de l’université de Princeton, et le sociologue Erving Goffman de l’université de Californie à Berkeley. Leur objectif était de préserver la Terre non seulement de l’anéantissement nucléaire, mais aussi des périls de l’esprit humain. Selon les mots de Schelling (1960, p. 292) : « Le fait est que ce ne sont pas les accidents qui causent la guerre. Ce sont les décisions qui causent la guerre ».

Ce groupe espérait qu’un calcul rationnel permettrait de dompter la menace immédiate selon laquelle la malveillance, l’arrogance ou la folie humaine pourraient conduire à une guerre nucléaire globale. La rationalité se devait d’être formelle, indépendante de la personnalité et du contexte, et calculatoire. Algorithmique, optimale et impersonnelle — tel était l’idéal de la rationalité de la Guerre froide. Le calcul transformerait notre monde incertain en un monde certain, rendant l’ennemi prévisible.

L’objectif du groupe de la RAND Corporation était plus vaste encore que la guerre du Vietnam et la Guerre froide : découvrir une rationalité pure, universellement et éternellement valide, indépendante du problème posé, et idéalement utilisable de manière mécanique par un ordinateur (Erickson et al., 2013, p. 177). Cette grande vision a ajouté de nouveaux coupables inattendus à l’ancienne liste des obstacles à la raison. Pendant des siècles, les coupables étaient les passions, la pensée confuse, l’ignorance et la folie. La rationalité de la Guerre froide y a ajouté deux étranges compagnons d’infortune qui entravaient le calcul des solutions optimales : l’incertitude et l’intraitabilité (Erickson et al., 2013, p. 9).

• L’incertitude désigne l’incertitude radicale, ou les « inconnues inconnues » (unknown unknowns), pour reprendre les termes de l’ancien secrétaire américain à la Défense Rumsfeld, où l’ensemble complet des états futurs possibles et de leurs conséquences ne peut être connu.

• L’intraitabilité signifie que la ligne de conduite optimale ne peut être calculée ni par des humains ni par des ordinateurs. Elle est bien connue dans des jeux comme les échecs, mais de nombreux calculs bayésiens et leurs approximations sont également intraitables (Kwisthout et al., 2011).

Les situations d’incertitude et d’intraitabilité excluent l’optimisation et, avec elle, l’utilité de la théorie de la maximisation de l’utilité espérée subjective.

De nombreux rationalistes de la Guerre froide étaient conscients des limites de la rationalité logique. Ellsberg (1961) soutenait que les axiomes de cohérence de Savage avaient un pouvoir normatif contestable. Morgenstern a souligné que des erreurs dans le système de missiles antiballistiques étaient inévitables. Les rationalistes de la Guerre froide étaient leurs propres critiques les plus sévères, mal à l’aise face au point aveugle de la rationalité logique concernant les facteurs physiques et psychologiques.

À ce stade du débat, les premières lignes de bataille ont émergé — des lignes de front qui restent contestées à ce jour.

Lignes de bataille

Universalité

La rationalité logique est-elle universelle ou limitée ? Par un coup de force extraordinaire, la maximisation de l’utilité espérée subjective a été couronnée par Milton Friedman et d’autres spécialistes des sciences sociales comme une théorie universelle de la prise de décision rationnelle, applicable partout et toujours. Ses limites ont été balayées comme de simples « anomalies ». La critique normative d’Ellsberg a été largement oubliée et ses résultats expérimentaux abondamment cités ont été qualifiés de « paradoxe », tout comme la critique normative d’Allais auparavant.

Pourtant, ce coup de force ne correspondait pas à ce que les fondateurs de la théorie de l’utilité espérée subjective avaient en tête. Savage, qui avait axiomatisé la théorie, considérait son domaine comme très étroit, et non universel. Il avertissait ses lecteurs qu’il serait « ridicule » d’appliquer la théorie de l’utilité espérée subjective à des situations d’incertitude où des événements imprévus pourraient survenir, ou à des problèmes intraitables (Savage, 1954, p. 16). Savage estimait que la théorie n’est normative que dans les « petits mondes » (small worlds), où tous les états futurs possibles du monde et toutes les conséquences de nos actions sont connus avec certitude. De même, une interprétation normative des axiomes du choix ou de la maximisation de l’utilité espérée est absente des trois éditions de l’ouvrage fondateur de von Neumann et Morgenstern, Theory of Games and Economic Behavior (von Neumann & Morgenstern, 1944, 1947, 1953).

Objectif

La rationalité logique vise-t-elle à décrire la manière dont nous nous comportons, ou à prescrire la façon dont nous devrions nous comporter, ou encore à tout autre chose ? L’espoir de la rationalité de la Guerre froide était que la théorie décrivait la manière dont les belligérants pensaient réellement. Si la théorie n’était que normative, les passions et la folie pourraient néanmoins conduire le monde à la guerre nucléaire. Cependant, Allais et Ellsberg ont démontré que les préférences des individus, y compris les intuitions propres de Savage, s’écartent systématiquement des axiomes du choix.

Friedman (1953) a tranché en affirmant que le réalisme psychologique n’a pas d’importance ; la théorie soutient seulement que les gens se comportent comme si (as if) ils maximisaient leur utilité espérée subjective, non qu’ils le font réellement. Suivant la philosophie du comme si de Friedman, de nombreux économistes néoclassiques se sont peu intéressés au processus réel de prise de décision. Friedman (1953) a déclaré qu’une théorie ne devait être évaluée qu’« en voyant si elle produit des prédictions suffisamment bonnes pour l’usage auquel elle est destinée ou supérieures aux prédictions de théories alternatives » (p. 41).

Que valent alors ses prédictions ? L’incapacité des modèles macroéconomiques de la Réserve fédérale à prédire la crise financière de 2008 en est un exemple frappant. Mais dès 1983, l’économiste Heiner notait déjà que la liste des prédictions univoques dérivées des modèles d’optimisation est au mieux très courte (p. 561). En 2014, un groupe d’économistes a publié une revue des preuves empiriques accumulées au cours des 50 dernières années sur la capacité des fonctions d’utilité (y compris l’utilité du revenu, l’utilité de la richesse et la fonction de valeur de la théorie des perspectives) à prédire le comportement. Ils ont conclu : « Leur pouvoir de prédiction hors échantillon (out-of-sample) se situe dans une plage allant de médiocre à inexistant, et nous n’avons vu aucune victoire convaincante contre des alternatives naïves » (D. Friedman et al., 2014, p. 3).

Notez le terme « prédiction hors échantillon ». Cela signifie qu’un modèle est étalonné sur une partie des données et testé sur l’autre partie. C’est une méthodologie standard en apprentissage automatique, mais pas en économie (Artinger et al., 2022). Bien que des modèles du comme si hautement paramétrés tels que la théorie cumulative des perspectives excellent dans l’ajustement des données (data fitting), ils ne prédisent pas nécessairement bien. Toutes sortes de comportements sont compatibles avec un modèle d’utilité quelconque, sans pour autant être prédits par celui-ci.

Les deux lignes de front — La rationalité logique est-elle universelle ou étroite ? Quel est son but réel ? — continuent d’être obscurcies par le brouillard de la guerre. Comme dans un conflit réel, les positions sont loin d’être cohérentes et évoluent rapidement. Pour protéger la rationalité logique, ses modèles ont rarement été soumis à des tests de prédiction hors échantillon, ses limites sont rarement spécifiées, et elle continue d’être présentée tour à tour comme normative, descriptive, du « comme si », ou tout cela à la fois.

Ironiquement, les psychologues qui ont commencé à contester la rationalité logique dans les années 1970 l’ont prise plus au sérieux en tant que théorie universelle et normative que ne l’ont fait de nombreux économistes qui en comprenaient les limites. Contrairement à Friedman, ils ont également pris la théorie au pied de la lettre en tant que description du comportement individuel, et ont entrepris d’attaquer sa validité descriptive.

Biais cognitifs

On pourrait penser que le raisonnement statistique a toujours été un sujet central de la recherche en psychologie. Pourtant, ce n’est qu’au début de la Guerre froide que l’intérêt pour ce sujet est apparu dans les études sur la pensée humaine (Gigerenzer & Murray, 2015). En 1967, les psychologues Peterson et Beach ont passé en revue 110 articles et ont conclu que les lois de la statistique fournissent « une bonne première approximation pour une théorie psychologique de l’inférence » (p. 43). Leur article était intitulé — de manière très représentative de l’époque — « L’homme en tant que statisticien intuitif » (Man as intuitive statistician). De même, Edwards (1968) a conclu que les êtres humains sont de plutôt bons bayésiens, bien que conservateurs, et Piaget et Inhelder (1951/1975) ont conclu qu’à l’âge de 12 ans, les intuitions des enfants se rapprochent des lois de la probabilité. Il convient de noter que ces études, contrairement au programme ultérieur des heuristiques et biais, ont testé les participants sur des dispositifs physiques aléatoires réels plutôt que sur des problèmes textuels hypothétiques.

La psychologie de l’irrationalité

Quelques années après l’article de synthèse de Peterson et Beach, une thèse opposée a émergé. Tversky et Kahneman (1974) ont passé en revue quatre de leurs propres études et conclu : « les gens ne semblent pas suivre le calcul des chances ni la théorie statistique de la prédiction » (p. 237). Cet article a posé la matrice du programme des biais cognitifs, qui a commencé à dresser la liste de prétendues illusions cognitives ressemblant à des illusions d’optique, suggérant leur caractère inévitable : le biais de l’oubli de la fréquence de base (base-rate fallacy), le biais de conjonction (conjunction fallacy), les erreurs d’appréciation du hasard, le biais de surconfiance et des dizaines d’autres travers mentaux. Ariely (2010) a soutenu « que nous ne sommes pas seulement irrationnels, mais de manière prévisible irrationnels — que notre irrationalité se produit de la même façon, encore et encore » (p. xviii). Dans leur livre Nudge, Thaler et Sunstein (2008) ont comparé en plaisantant les humains au personnage de bande dessinée gauche Homer Simpson. Homo sapiens semblait désormais être une appellation impropre.

Les médias, qui n’avaient jusque-là manifesté que peu d’intérêt pour les recherches sur le statisticien intuitif, se sont emparés du nouveau message. Par exemple, Newsweek a publié un grand article concluant que la plupart des gens sont des « processeurs d’informations lamentablement confus » et que la liste des biais cognitifs de ces « pigeons » et « crédules » est si longue qu’elle « démoraliserait Salomon » (McCormick, 1987).

Dans le même ordre d’idées, une troupe de chercheurs a commencé à attribuer toutes sortes de catastrophes humaines à de préétendus biais cognitifs. Considérez la soi-disant « erreur de conjonction » — par exemple, le fait que la plupart des gens jugent plus probable que Linda soit « guichetière de banque et féministe » plutôt que simplement « guichetière de banque », lorsqu’on leur fournit une description suggérant implicitement qu’elle est féministe mais pas guichetière (Tversky & Kahneman, 1983 ; voir Rizzo & Whitman, 2020, p. 133–141). Le philosophe Stich (2012) a tiré la sonnette d’alarme : « Il est inquiétant de spéculer sur l’impact immense que cet échec inférentiel peut avoir sur l’évaluation par les gens du risque de catastrophes telles que les pannes de réacteurs nucléaires » (p. 52). La spécialiste des sciences cognitives Kanwisher (1989) a émis l’hypothèse que le biais de conjonction pourrait sous-tendre des arguments erronés dans les débats sur la politique de sécurité américaine en « surestimant les scénarios les plus extrêmes au détriment de scénarios moins spectaculaires mais plus probables » (p. 655). Et le paléontologue Gould (1992) de conclure : « nos esprits ne sont pas façonnés (pour une raison quelconque) pour fonctionner selon les règles de la probabilité » (p. 469). Aucun d’entre eux ne semblait savoir qu’Inhelder et Piaget (1951/1964, p. 101) avaient démontré que même des enfants de 12 ans comprennent la règle de conjonction : à savoir qu’un sous-ensemble ne peut pas être plus grand que l’ensemble parent (Tversky et Kahneman n’ont pas cité les résultats antérieurs contradictoires d’Inhelder et Piaget). Dès lors, la question de savoir pourquoi les enfants, mais pas les adultes, comprennent cette règle ne s’est même pas posée.

La politique de l’irrationalité

Le message de l’irrationalité a fait les affaires de certaines entreprises. Diverses addictions et catastrophes sociales ont été imputées à nos biais internes, détournant l’attention des mauvais comportements de ces entreprises elles-mêmes. Après la crise financière de 2008, Deutsche Bank Research a publié un article intitulé « Homo economicus — ou plutôt Homer Simpson ? », mettant en avant 17 biais cognitifs présentés comme les causes de la crise (Schneider, 2010). Cependant, selon le département de la Justice des États-Unis (2017), « la Deutsche Bank n’a pas seulement induit les investisseurs en erreur : elle a contribué directement à une crise financière internationale ». En 2017, la Deutsche Bank a accepté de payer 7,2 milliards de dollars pour sa conduite illégale et ses pratiques de prêt irresponsables.

Bientôt, le message de l’irrationalité s’est politisé. Le philosophe Trout (2005) a déclaré que les preuves convergent vers « une seule morale : que la vision des Lumières est profondément erronée » (p. 379), tandis que la philosophe Conley (2013) a balayé le libéralisme de John Stuart Mill parce que Mill « n’a pas correctement pris en compte la psychologie humaine, telle que nous la connaissons aujourd’hui » (p. 9). Le gouvernement britannique a créé une équipe d’enseignements comportementaux (Behavioral Insights Team), également connue sous le nom de Nudge Squad, et l’ancien président américain Obama, qui s’est défini comme un lecteur admiratif de Nudge, a engagé Cass Sunstein comme son « tsar de la réglementation » (plus formellement, directeur du White House Office of Information and Regulatory Affairs ; Ferguson, 2010). Le nudging est devenu une industrie internationale pesant plusieurs milliards de dollars. Ce nouveau paternalisme vise à protéger les individus non pas contre les imperfections des marchés ou les criminels, mais contre l’ennemi intérieur : leur propre irrationalité. Il fonde sa justification sur la soi-disant ténacité des biais cognitifs.

Nouvelles lignes de bataille

Réplicabilité

Le message de l’irrationalité a ouvert une troisième ligne de bataille concernant la réalité même des biais cognitifs. Sont-ils réplicables ? Il s’est avéré que certains ne le sont pas. Lorsque nous avons (Sedlmeier et al., 1998) mené la première (et à ce jour la seule) tentative de réplication de la célèbre étude sur la fréquence des lettres de Tversky et Kahneman (1973), nous n’avons trouvé aucun biais systématique de disponibilité.

Les effets d’amorçage (priming) ont été les victimes suivantes des études de réplication. Doyen et al. (2012) n’ont pas réussi à répliquer l’expérience emblématique de Bargh et al. (1996), dans laquelle les participants invités à trier des mots associés aux personnes âgées ralentissaient automatiquement leur démarche en quittant le laboratoire. Malgré de multiples échecs de réplication, Bargh et ses partisans ont maintenu que les biais qui les avaient rendus célèbres étaient réels et ont lancé des attaques personnelles contre ceux qui ne pouvaient les répliquer, proférant des termes tels que « police de la réplication », « petits tyrans sans vergogne », « chasse aux sorcières », « terrorisme méthodologique » ou même « la Stasi » (Lewis-Kraus, 2023). Kahneman, qui avait consacré de nombreuses pages de Système 1 / Système 2 : Les deux vitesses de la pensée aux « merveilles de l’amorçage » (2011, p. 52), a reconnu avoir souscrit de façon acritique à ces recherches et a adressé une lettre ouverte dans Nature enjoignant les chercheurs sur l’amorçage à cesser leur « déni défiant face à leur problème de réplication » (Kahneman, 2012).

Quantité

Samuels et al. (2002), qui ont nommé le débat « guerres de la rationalité », ont compris de manière très différente ce que la guerre impliquait : non pas l’universalité, l’objectif ou la réplicabilité, mais simplement la quantité. Ils se sont demandé : dans quelle mesure les humains s’écartent-ils réellement de la rationalité logique ? Pour eux, cette question descriptive délimitait l’unique ligne de front des guerres de la rationalité. Selon eux, le programme des biais cognitifs voit le verre de la rationalité à moitié vide, tandis que le programme de la rationalité écologique le voit à moitié plein. Où réside donc le désaccord ?

Dans leurs tentatives de réconciliation, Samuels et al. sont passés à côté de l’essentiel. Le différend sur ce qui constitue un bon raisonnement est fermement normatif, et non simplement descriptif. Ce qui est en jeu, c’est la nature même du contenu du verre de la rationalité, et pas seulement le niveau du liquide.

Coûts sur le bien-être

Les deux dernières lignes de front concernent les coûts réels supposés des écarts par rapport à la rationalité logique, et l’efficacité du nudging pour réduire ces coûts. Les violations de la rationalité logique sont-elles associées à des coûts dans le monde réel qui justifieraient le nouveau paternalisme ?

Arkes, Hertwig et moi-même (Arkes et al., 2016) avons cherché dans la littérature la preuve de conséquences matérielles préjudiciables, telles que des gains plus faibles, une santé détériorée ou une espérance de vie réduite. Par exemple, selon l’argument de la « pompe à fric » (money pump), une personne ayant des préférences intransitives perdra de l’argent : si vous préférez A à B, B à C, et C à A, et que vous êtes prêt à payer pour passer de A à B, et ainsi de suite, vous finissez dans un cercle vicieux et devenez une pompe à fric. Nous avons identifié plus de 100 études faisant état de violations de la transitivité, et n’avons trouvé aucune preuve que ces violations conduisent réellement à des pompes à fric. Nous avons également examiné plus de mille articles à la recherche de violations de la règle de conjonction, de l’axiome d’indépendance, d’inversions de préférences, d’effets de cadrage et d’autres biais cognitifs supposés, avec le même résultat. L’absence de preuves montrant que les violations de la rationalité logique ont un impact réel est frappante.

Efficacité du nudging

Le nudging améliore-t-il réellement la santé, la richesse et le bonheur des individus, comme on le prétend souvent ? Une méta-analyse de 212 études a fait état d’une taille d’effet faible à moyenne, tout en notant un biais de publication (Mertens et al., 2021). Un biais de publication signifie que les études ayant trouvé des effets nuls ou négatifs ne sont pas entrées dans la méta-analyse. En corrigeant ce biais de publication, des chercheurs indépendants n’ont trouvé aucun bénéfice du nudging, quel que soit le domaine (Maier et al., 2022).

L’une des raisons pour lesquelles le nudging semble fonctionner alors qu’il n’en est rien réside dans l’utilisation d’indicateurs de substitution (surrogate measures). Un récit à succès populaire prétend que le nudging sauve des vies en augmentant le taux de donneurs d’organes. Les pays disposant d’un système de consentement présumé (tout le monde est donneur sauf refus explicite / opt-out) présentent des taux de donneurs potentiels plus élevés que les pays avec consentement explicite (opt-in). Parce que la plupart des gens ont tendance à suivre le choix par défaut, Thaler et Sunstein (2008, p. 186) ont attribué la pénurie de dons à l’inertie des gens. La solution semblait être de changer simplement la valeur par défaut du consentement explicite vers le consentement présumé.

Cependant, augmenter le nombre de donneurs potentiels n’est pas la même chose qu me d’augmenter les dons réels. Lorsque 17 pays de l’OCDE à consentement présumé ont été comparés à 18 pays de l’OCDE à consentement explicite, aucune différence n’a été constatée dans les taux de dons réels (Arshad et al., 2019) ; une seconde étude suivant cinq pays qui étaient passés au consentement présumé a montré que cette transition augmentait le taux de donneurs potentiels, mais à nouveau pas celui des dons réels (Dallacker et al., 2024).

Le cas de l’Espagne — le pays affichant le taux le plus élevé de donneurs réels — montre que le problème ne réside pas dans l’inertie des esprits individuels, mais dans la structure du système. L’Espagne disposait à l’origine d’un consentement présumé, mais ce n’est qu’après l’introduction par le gouvernement de changements structurels ciblés que le taux de dons réels a augmenté de manière substantielle. Ces changements comprenaient des incitations financières suffisantes pour que les hôpitaux fournissent l’infrastructure coûteuse nécessaire, un réseau de transplantation organisant efficacement le processus, des programmes d’éducation du public et du personnel formé en psychologie pour s’entretenir avec les familles des défunts, qui prennent en grande partie la décision finale indépendamment du choix par défaut (Matesanz, 2005). Augmenter le nombre de donneurs potentiels n’est qu’un substitut à la véritable tâche, qui consiste à accroître le taux de dons réels par des modifications structurelles et par l’éducation.

Une deuxième raison pour laquelle le nudging semble fonctionner alors qu’il n’en est rien réside malheureusement dans la manipulation de données et la fraude. Selon Ariely, lorsque les individus devaient signer un engagement d’honnêteté au début d’un formulaire déclaratif de leur kilométrage annuel à leur assurance, ils étaient plus honnêtes que lorsqu’ils signaient à la fin. Après avoir examiné les données d’Ariely, Simonsohn et al. (2021) ont conclu qu’elles avaient été délibérément manipulées pour produire cet effet, et ont découvert des preuves supplémentaires de fraude de la part de la coauteure d’Ariely, Francesca Gino, qui avait contribué à une étude en laboratoire sur le thème de la malhonnêteté (Lewis-Kraus, 2023).

Pourquoi les gens étaient-ils rationnels avant 1970 et irrationnels après ?

Étonnamment, la question de savoir pourquoi les gens sont soudainement devenus irrationnels a rarement été posée. Que s’est-il passé dans les années 1970 ? Lopes (1991) a été l’une des rares personnes à poser la question et à pointer deux facteurs qui ont alimenté le nouveau message d’irrationalité : le biais de citation et le manque d’opportunités d’apprentissage.

Le biais de citation

Prenez l’article de synthèse de 110 études par Peterson et Beach (1967), qui concluait que les gens sont d’assez bons statisticiens intuitifs. En 2020, cet article avait été cité 479 fois selon Scopus, tandis que l’article de Tversky et Kahneman (1974) défendant le message opposé l’avait été plus de 15 000 fois (Lejarraga & Hertwig, 2021). Et dans la même période, l’article d’Edwards et al. (1965) concluant que les êtres humains sont des bayésiens conservateurs a été cité 214 fois, alors que l’article correspondant de Kahneman et Tversky (1972) affirment que les gens ne sont ni des bayésiens conservateurs ni des bayésiens tout court (p. 450) a été cité 5 815 fois (Lejarraga & Hertwig, 2021). Le biais de citation ne se limite pas à ces paires de publications classiques.

Considérez l’effet de cadrage (framing effect), qui a été interprété comme une erreur logique persistante : « dans leur attrait tenace, les effets de cadrage ressemblent davantage à des illusions perceptives qu’à des erreurs de calcul » (Kahneman & Tversky, 1984, p. 343). Cependant, plusieurs groupes de recherche, notamment celui de McKenzie (ex. McKenzie & Nelson, 2003 ; Sher & McKenzie, 2006) et celui de Kühberger (ex. 1995 ; Kühberger & Tanner, 2010), ont montré que le cadrage est un moyen intelligent de véhiculer des messages sous-entendus, et que l’attention portée au cadrage reflète la capacité correspondante à lire entre les lignes, conformément aux théories psycholinguistiques (Grice, 1989). Une fois de plus, cet ensemble de recherches contradictoires est rarement, voire jamais, mentionné dans la partie de la littérature qui continue d’interpréter tous les effets de cadrage comme des biais cognitifs (ex. Thaler & Sunstein, 2008 ; Kahneman, 2011).

L’ignorance massive des recherches scientifiques contradictoires s’étend à l’effet de dotation (endowment effect), à l’aversion à la perte, à la surconfiance, à l’illusion de la « main chaude » (hot hand fallacy), et à de nombreux autres biais cognitifs, maintenant la fiction selon laquelle il s’agirait d’aberrations mentales stables (Gigerenzer, 2018 ; Rizzo & Whitman, 2020, p. 408). La fiction s’étend aux spéculations sur le rôle des biais cognitifs en politique. Lorsque Kanwisher (1989) a attribué les faiblesses de la politique de sécurité américaine au biais de conjonction et à la surconfiance, ou lorsque McDermott (2002) a reproché à l’ancien président américain Reagan de s’appuyer sur l’heuristique de disponibilité au lieu de calculer rationnellement la future expansion soviétique, ils sont restés muets sur les recherches critiques de ces prétendus biais.

Le biais de citation est une forme de biais de confirmation. Il devrait faire l’objet de l’enquête scientifique, et non constituer sa méthode.

Expériences rapides, aucune opportunité d’apprentissage

Le biais de citation explique pourquoi beaucoup ignorent l’existence de recherches contradictoires, mais il n’explique pas les résultats divergents eux-mêmes. L’une des raisons de ces derniers réside dans une transformation radicale de la manière dont les expériences sont conduites. Les recherches démontrant de bonnes intuitions statistiques utilisent généralement des dispositifs aléatoires réels, tels que des urnes et des boules, et offrent aux participants l’opportunité d’apprendre par l’expérience. Par exemple, dans une expérience d’apprentissage des probabilités que Tversky a menée dans le cadre de sa thèse de doctorat sous la direction d’Edwards, chacun des 24 participants était assis devant une boîte équipée d’un dispositif aléatoire, étudié individuellement, et bénéficiait de 1 000 essais pour apprendre (Tversky & Edwards, 1966). Une session individuelle durait environ une heure.

Après que Tversky s’est associé à Kahneman, ils ont créé un nouveau type d’expérience qui remplaçait les dispositifs aléatoires par des problèmes textuels hypothétiques, substituait aux expériences contrôlées en laboratoire des questionnaires pouvant être distribués n’importe où, et n’offrait aucune opportunité d’apprentissage. Une telle expérience pouvait être menée en quelques minutes (Heukelom, 2012).

Le passage d’expériences chronophages d’apprentissage des probabilités à de rapides questions hypothétiques n’est pas neutre quant aux conclusions tirées sur la rationalité humaine. En fait, il est amplement documenté que les jugements des individus diffèrent systématiquement selon qu’ils font l’expérience directe d’une tâche ou qu’elle leur est seulement décrite. Ce décalage est connu sous le nom d’écart description-expérience (description-experience gap ; Schulze & Hertwig, 2021).

Dans le feu du débat

Les premières contestations

En 1981, le philosophe Cohen a été l’un des premiers à contester les normes de Kahneman et Tversky. Des commentateurs de son article paru dans Behavioral and Brain Sciences (BBS) ont qualifié sa « querelle » de trop polémique, regrettable et inutile, ce à quoi Cohen a répondu que personne ne peut accuser ses semblables de commettre des erreurs de raisonnement tout en prétendant être à l’abri d’accusations similaires (Cohen, 1983, p. 515).

Le théoricien de la décision Levi (1983) a rejeté la conclusion de Kahneman et Tversky selon laquelle les gens commettent le biais de la fréquence de base dans le « problème du taxi » (cab problem), faisant remarquer que le fait de ne pas ignorer les fréquences de base dans ce problème textuel ambigu constituerait précisément l’erreur. Chose inhabituelle pour BBS, dans la même section de commentaires, Kahneman et Tversky ont été autorisés à répondre aux remarques de Levi ; comme l’explique une note de la rédaction, ils avaient demandé à l’éditeur de voir le commentaire de Levi au stade des épreuves, empêchant Levi de répliquer à son tour.

Lopes (1981) soutenait que, contrairement au précepte de la théorie de l’utilité espérée, la prise de décision à court terme n’est pas identique à celle à long terme. Par exemple, les gens peuvent hésiter à accepter un pari consistant à gagner 2 000 $ ou perdre 1 000 $ sur un seul lancer de pièce non biaisée, mais accepter ce même pari s’il est répété 100 fois. Ses objections ont été réfutées par Tversky et Bar-Hillel (1983) qui défendaient la théorie de l’utilité, mais il n’y a eu aucune réponse de Lopes — ce qui violait la séquence standard article-réfutation-réplique. Lorsque j’ai demandé à Lopes pourquoi elle n’avait pas répondu à la réfutation de Tversky et Bar-Hillel, elle m’a confié qu’elle avait en réalité soumis une réplique, mais que celle-ci n’avait curieusement jamais été publiée.

Au début des années 1990, la guerre tournait au détriment des critiques du programme des biais cognitifs. Thaler (1991) déclarait que « les illusions mentales doivent être considérées comme la règle plutôt que l’exception » (p. 4). Lorsque Lopes (1991) a critiqué la « rhétorique de l’irrationalité » grandissante, bien peu l’ont écoutée. Frustrée, elle a fini par abandonner la recherche sur la prise de décision pour consacrer son grand talent à l’administration universitaire.

Souvenir personnel

Mon entrée dans le débat a eu lieu en 1989-1990, alors que j’étais chercheur invité au Center for Advanced Study de Stanford. En février 1990, j’ai été invité à donner une conférence au département de psychologie de Stanford, au sein duquel Tversky travaillait depuis des décennies. J’avais un profond respect pour ses travaux antérieurs sur la théorie de la mesure, les modèles de similitude et les modèles d’heuristiques comme l’élimination par aspects. Mais plus tard dans sa carrière, les modèles ont été remplacés par des étiquettes, et son attention s’est déplacée vers les travaux des années 1960 de Kahneman sur les erreurs cognitives.

Le psychologue Lee Ross m’a présenté ainsi : « Avant l’arrivée d’Amos, nous croyions que les gens étaient rationnels. Amos a montré que ce n’était pas le cas. Ces dernières années, des voix se sont élevées pour soutenir que les gens ne sont pas si irrationnels. » Le titre de mon exposé était : « Beyond heuristics and biases: How to make cognitive illusions disappear » (Au-delà des heuristiques et biais : comment faire disparaître les illusions cognitives). Comme le sujet était controversé à Stanford, j’ai demandé à l’auditoire de me laisser parler pendant une heure et de réserver les questions pour la fin. L’exposé comportait trois points : un normatif, un descriptif et un théorique.

Premièrement, j’ai soutenu que de nombreuses soi-disant erreurs dans le raisonnement probabiliste ne sont en réalité pas des violations de la théorie des probabilités. Le programme des heuristiques et biais s’est appuyé sur une vision normative étroite partagée par certains économistes théoriciens, mais non par les partisans de la vision fréquentiste des probabilités qui domine les départements de statistique actuels, ni même par tous les bayésiens. Mon propos est que si chacun est libre d’appliquer des probabilités subjectives à tous les événements, y compris les cas singuliers, cela ne justifie en rien d’imposer cette vision comme norme aux autres. Selon cet étalon étroit du raisonnement probabiliste, les probabilistes et statisticiens les plus éminents du $XX^e$ siècle — des figures de la carrure de von Mises et Neyman — seraient coupables de « biais » dans leur raisonnement probabiliste.

Deuxièmement, nous pouvons corriger ces normes problématiques en interrogeant les gens sur des fréquences plutôt que sur des événements isolés. Dans le problème de Linda, la question « Qu’est-ce qui est le plus probable : « Linda est guichetière de banque » ou « Linda est guichetière de banque et milite dans le mouvement féministe » ? » est ambiguë, car le terme « probable » appliqué à un événement unique peut renvoyer à n’importe quel sens non mathématique du terme, tel que ce qui est plausible ou la présence de preuves. Pour résoudre cette ambiguïté, on peut poser la question sous forme de fréquences : « Il y a 100 personnes comme Linda : Combien sont guichetières de banque ? Combien sont guichetières de banque et militent dans le mouvement féministe ? ». Ce simple passage de l’événement unique à la fréquence suffit à faire disparaître en grande partie l’erreur de conjonction (Fiedler, 1988 ; voir aussi Hertwig & Gigerenzer, 1999). Ce résultat explique également pourquoi les enfants des études d’Inhelder et Piaget ne commettaient pas la « faute » : on les interrogeait sur des fréquences, et non sur des événements isolés.

J’ai montré que le biais de surconfiance disparaît également lorsque l’on demande aux individus : « À combien des dix dernières questions pensez-vous avoir répondu correctement ? », par opposition à : « Quelle est votre confiance d’avoir bien répondu à cette question ? ».

De plus, la statistique repose sur des hypothèses. Dans un problème textuel, celles-ci doivent être clairement spécifiées par l’expérimentateur, et de façon plausible. Par exemple, dans le problème de Tom W. (Kahneman & Tversky, 1973), aucune information n’était fournie sur la manière dont le portrait de l’étudiant (hypothétique) Tom W. avait été sélectionné, que ce soit au hasard ou non. Pour le problème des ingénieurs et des avocats, où les participants recevaient une brève description suggérant qu’un individu était ingénieur, on leur disait que la description provenait d’un tirage au sort dans un groupe de 30 ingénieurs et 70 avocats. Mais en réalité, ce n’était pas le cas : la description avait été inventée de toutes pièces. Lorsque nous avons répété l’expérience en laissant les participants tirer au sort dans une vraie urne et expérimenter un véritable échantillonnage aléatoire (Gigerenzer et al., 1988), le biais de l’oubli de la fréquence de base a largement disparu et les participants ont pris en compte les fréquences de base.

Enfin, j’ai soutenu que les théories psychologiques de la prise de décision devaient cesser d’expliquer les écarts par rapport à des normes contestables, comme le faisait le programme des heuristiques et biais. Au contraire, nous devrions reconnaître les limites de la rationalité logique et accorder l’attention due aux heuristiques que les individus et les institutions utilisent, les modéliser avec précision et identifier les environnements dans lesquels elles fonctionnent ou non. J’ai esquissé un programme théorique fondé sur les deux lames des ciseaux de Simon : l’analyse de la manière dont les heuristiques exploitent les structures environnementales (voir Gigerenzer, 1991, pour une version révisée de la conférence).

Après l’exposé, une discussion vive a éclaté. Dans une déclaration remarquable, Tversky a affirmé publiquement qu’il n’avait ni théorie ni hypothèses, mais seulement des généralisations empiriques ; dès lors, ses idées ne pouvaient être réfutées.

Deux semaines plus tard, Kahneman m’a contacté : « J’ai entendu dire que vous aviez eu un séminaire très réussi à Stanford. Seriez-vous disposé à donner une ou deux conférences à Berkeley ? » J’ai finalement donné deux conférences à Berkeley, l’une pour le département de psychologie et l’autre pour le groupe de sciences cognitives. J’ai trouvé qu’il était beaucoup plus facile de débattre avec Kahneman qu’avec Tversky. Après chaque exposé, Kahneman demandait un temps de réponse de 10 minutes, à la suite duquel je répondais à sa réponse, une formule qui s’est répétée lors de la réunion de la Judgment and Decision Making Society en novembre 1992. Un échange public d’idées permet au public d’entendre simultanément les deux côtés, les arguments et contre-arguments, permettant ainsi à la science de progresser.

Pour ma part, j’ai toujours essayé de séparer le respect personnel pour Kahneman et Tversky et leurs réalisations de nos points de vue scientifiques divergents. Cela n’a pas toujours fonctionné. Comme je l’ai appris bien plus tard dans la biographie de Lewis (2017) : « Amos ne voulait pas seulement contrer Gigerenzer ; il voulait le détruire » (p. 335). Les trois philosophes qui ont forgé le terme de « guerres de la rationalité » avaient peut-être raison après tout.

En 1996, Kahneman et Tversky ont répondu à ma critique par un article dans la Psychological Review. La soumission originale s’intitulait « On the reality of cognitive illusions: A reply to Gigerenzer ». La version publiée a supprimé le sous-titre, mais a adopté un ton plus agressif, encouragé par un relecteur partisan que l’éditeur a immédiatement écarté du processus d’évaluation. (J’ai plus tard invité ce relecteur à franchir la ligne de front et à passer une semaine avec mon groupe de recherche pour observer le débat de l’autre côté. Ce fut une expérience enrichissante pour chacun.) Dans leur article, Kahneman et Tversky ont défendu leurs normes contre ma critique visant l’imposition de celles-ci à tous, qualifiant ma position d’« agnosticisme normatif ». Ils ont continué d’insister sur le fait que le défaut ne résidait pas dans leurs normes étroites, mais dans l’esprit humain. Ma réponse à leur réplique a été publiée dans Gigerenzer (1996).

Examinons à présent trois questions fondamentales pour faire progresser le débat : prendre au sérieux l’incertitude et l’intraitabilité, les modèles algorithmiques d’heuristiques, et la rationalité écologique.

Voies d’avenir

Incertitude et intraitabilité

Dans son ouvrage Risk, Uncertainty, and Profit (1921), Knight, fondateur de l’École d’économie de Chicago, a établi une distinction entre le risque et l’incertitude. Comme il le résumait, dans un monde de risque — c’est-à-dire doté d’une prévoyance parfaite — toutes les actions deviendraient mécaniques, les humains des automates, et les assureurs ne réaliseraient aucun profit. Keynes (1937) a établi une distinction similaire : « Le sens dans lequel j’utilise le terme [incertitude] est celui dans lequel la perspective d’une guerre européenne est incertaine, ou le prix du cuivre et le taux d’intérêt dans vingt ans, ou l’obsolescence d’une nouvelle invention » (p. 214).

Sous l’autorité de Friedman, la distinction entre risque et incertitude a été balayée d’un revers de main. Friedman (1963) déclarait :

« Frank Knight a établi une distinction nette entre le risque, faisant référence à une distribution de probabilité connue ou connaissable, et l’incertitude, faisant référence à des événements pour lesquels il n’était pas possible de spécifier des probabilités numériques. Je n’ai pas fait référence à cette distinction parce que je ne la crois pas valide… Nous pouvons traiter les gens comme s’ils attribuaient des probabilités numériques à chaque événement concevable. » (p. 282)

Friedman n’a pas seulement rejeté l’incertitude knightienne ; il l’a surtout dénaturée pour la réduire à de simples situations de probabilités manquantes, ignorant ainsi les deux limites majeures de la rationalité logique : l’intraitabilité et l’incertitude.

Dans leur ouvrage influent Games and Decisions (1957), Luce et Raiffa ont de la même manière utilisé le terme « incertitude » pour désigner l’« ambiguïté », éliminant ainsi toute véritable incertitude du domaine de la prise de décision. Tout comme dans la rationalité de la Guerre froide, leur idéal était une prévoyance parfaite et des décisions automatiques affranchies du jugement humain :

« il est possible d’imaginer qu’un dirigeant prévoie toutes les contingences possibles et qu’il décrive en détail l’action à entreprendre dans chaque cas… [de sorte] que la poursuite du fonctionnement de l’usine puisse être confiée à un employé ou à une machine. » (p. 6)

Le programme des heuristiques et biais a emboîté le pas à Friedman, allant jusqu’à utiliser le terme « incertitude » tant pour l’ambiguïté que pour les situations de risque (Tversky & Kahneman, 1974). Cette confusion conceptuelle a alimenté l’illusion de certitude selon laquelle tous les problèmes posés comportent exactement une réponse correcte, que toutes les autres réponses sont des erreurs, et que les heuristiques sont toujours inférieures à la rationalité logique.

Pour dissiper cette confusion terminologique, je définis ces concepts dans le Tableau 1 en utilisant la notion de « petit monde » de Savage (1954/1972), une situation où un agent possède une prévoyance parfaite de tous les états futurs possibles $S$ et de toutes les conséquences $C$. Un petit monde aux probabilités inconnues est une situation d’ambiguïté ; un petit monde aux probabilités connues est une situation de risque (Tableau 1). Des dés pipés et des machines à sous au biais non divulgué sont des exemples d’ambiguïté ; les loteries et la roulette sont des exemples de situations de risque.

Tableau 1. Risque, ambiguïté, incertitude et intraitabilité

L’incertitude, en revanche, s’applique aux « grands mondes » (large worlds) dans lesquels l’espace des états $(S, C)$ ne peut être connu. Dans ce cadre, aucune distribution de probabilités (avec des probabilités dont la somme est égale à un) ne peut être construite de manière sensée sur les événements ou les conséquences, pas même des probabilités subjectives. L’incertitude fait partie des décisions réelles les plus importantes, des problèmes de budget administratif à la planification d’une guerre.

Enfin, un problème bien défini est intraitable si la ligne de conduite optimale ne peut être calculée, même si elle existe. Envisagez un problème de tournée : étant donné $n$ villes reliées par des routes de longueur connue, trouver le trajet le plus court pour visiter chaque ville exactement une fois, en revenant au point de départ. Avec $n$ villes, il y a $(n – 1)! / 2$ parcours possibles, ce qui signifie que pour 61 villes ou plus, le nombre de parcours dépasse le nombre estimé d’atomes dans l’univers.

Le Tableau 1 cartographie le véritable territoire de la rationalité logique : les petits mondes. Des outils méthodologiques tels que les probabilités subjectives, les probabilités de second ordre et les distributions a priori uniformes permettent de traiter les situations d’ambiguïté. Mais ils ne s’appliquent pas aux situations d’incertitude où l’espace des états n’est pas intégralement connu.

Comme l’a noté Simon, il existe deux manières d’aborder une situation en contexte d’incertitude et d’intraitabilité. La première consiste à convertir le problème d’origine en un petit monde afin de calculer une conduite optimale, en espérant que la solution se généralisera au problème initial. La seconde consiste à affronter l’incertitude et l’intraitabilité, à renoncer à l’idéal d’optimisation et à étudier comment les individus et les institutions prennent réellement de bonnes décisions dans le grand monde. Dans la lignée de Friedman, la majorité des économistes néoclassiques et des théoriciens de la décision ont emprunté la première voie ; à la suite de Knight et Simon, une minorité de spécialistes des sciences sociales, dont mon propre groupe de recherche, a suivi la seconde. Mais comment prendre de bonnes décisions dans de grands mondes ?

Heuristiques

Le programme des heuristiques et biais a le mérite d’avoir attiré l’attention des chercheurs en sciences sociales sur les heuristiques. Tversky et Kahneman (1974) ont reconnu que les heuristiques sont extrêmement économiques et généralement efficaces. Cependant, un tel éloge était presque toujours suivi de mises en garde indiquant que les heuristiques peuvent conduire à des erreurs graves et systématiques. Comme l’a fait observer Lopes (1991), malgré tout le soin apporté à souligner les erreurs, Tversky et Kahneman ne citent pas un seul exemple illustrant une heuristique fonctionnant bien. C’est la conséquence directe de la rationalité logique, au sein de laquelle les heuristiques sont systématiquement considérées comme un pis-aller.

Les trois heuristiques initialement proposées — disponibilité, ancrage et représentativité — constituaient une première étape importante. Il est compréhensible qu’au début des années 1970, elles n’aient été que vaguement caractérisées. Cependant, comme je l’ai soutenu 25 ans et de nombreuses expériences plus tard (Gigerenzer, 1996), des notions comme la représentativité restent vagues, non définies et non spécifiées, tant en ce qui concerne les conditions antécédentes qui les déclenchent que les processus cognitifs qui les sous-tendent. Kahneman et Tversky (1996, p. 591) ont défendu cette imprécision en arguant que les psychologues de la Gestalt n’avaient pas non plus spécifié entièrement les règles de similitude et de bonne continuité, et qu’il serait « imprudent » d’« imposer des modèles de processus comme moyen principal de faire progresser la psychologie ». Plus de 25 ans après, le processus sous-jacent à ces trois concepts demeure nébuleux.

Dans mes propres recherches, je me suis appuyé sur les modèles algorithmiques d’heuristiques de Simon (et Tversky). Une première innovation a été de tester des modèles d’heuristiques pour les inférences, et non seulement pour les préférences comme dans le satisficing de Simon ou l’élimination par aspects de Tversky. Contrairement aux préférences, les inférences permettent de mesurer réellement l’exactitude des heuristiques. Cela a permis la découverte des effets du « moins c’est mieux » (less-is-more effects), des situations dans lesquelles des heuristiques simples prédisent de manière plus précise que des modèles linéaires complexes — et avec moins de temps et d’efforts (Gigerenzer et al., 1999).

La première objection à nos résultats fut qu’ils étaient impossibles. Les effets du « moins c’est mieux » ne sont en effet pas concevables dans les petits mondes de la rationalité logique, mais ils se produisent dans les grands mondes. Lorsque des chercheurs indépendants ont répliqué nos résultats, l’objection suivante a été de dire que si les heuristiques peuvent prédire plus précisément que des modèles linéaires, elles restent toujours inférieures aux algorithmes complexes d’apprentissage automatique. Lorsque nous avons par la suite testé des heuristiques telles que take-the-best et les arbres rapides et frugaux (fast-and-frugal trees) sur des ensembles de données d’apprentissage automatique, nous avons trouvé des jeux de données où les heuristiques prédisaient de manière aussi exacte, voire meilleure, que les forêts aléatoires (random forests) ou les machines à vecteurs de support (support vector machines), et de façon plus efficiente (Brighton & Gigerenzer, 2015 ; Katsikopoulos et al., 2020 ; Buckmann, 2024).

La découverte des effets du « moins c’est mieux » a soulevé une nouvelle question : pouvons-nous identifier les conditions dans lesquelles une classe donnée d’heuristiques réussit ou échoue ?

Rationalité écologique

L’étude de la rationalité écologique s’appuie sur l’analyse et la simulation informatique pour modéliser l’adéquation entre les heuristiques et les conditions environnementales. Lors d’une conférence en 1996, lorsque j’ai présenté le premier résultat de mon groupe de recherche, celui-ci a retenu l’attention de Reinhard Selten, qui avait reçu le prix de Banque de Suède en sciences économiques en mémoire d’Alfred Nobel deux ans plus tôt. À la fin de mon exposé, Selten a déclaré : « C’est une véritable percée ».

La condition que nous avions découverte était simple : si les poids bêta des variables sur lesquelles repose une inférence décroissent de manière exponentielle, aucun modèle linéaire ne peut effectuer de meilleures prédictions que l’heuristique take-the-best (Martignon & Hoffrage, 1999). Pour Selten, la théorie des jeux était un puzzle mathématique, qu’il ne fallait pas confondre avec une prescription ou une description de la prise de décision en incertitude, comme l’avaient espéré les rationalistes de la Guerre froide. Pour l’illustrer, il a prouvé par induction à rebours qu’une politique de prix coopérative, et non agressive, est logiquement impliquée dans le paradoxe de la chaîne de magasins (chain-store paradox). Pourtant, ajoutait-il, dans le monde réel, il ne suivrait pas la déduction logique mais se montrerait agressif pour dissuader d’autres acteurs d’entrer sur le marché (Selten, 1978, p. 132–133). La validité logique d’un argument dans un petit monde bien défini n’implique pas son caractère raisonnable dans le grand monde de la compétition économique.

La rationalité écologique signifie la fonctionnalité dans la tradition de James, Dewey et Brunswik, et non la véridicités (veridicality ; Rizzo, 2023). Le compromis biais-variance (bias-variance trade-off) implique que les heuristiques peuvent être biaisées, mais parce qu’elles présentent une faible erreur due à la variance, elles peuvent néanmoins conduire à un comportement plus précis et plus efficace que ne le font des stratégies complexes (Gigerenzer & Brighton, 2009). L’étude de la rationalité écologique donne de la consistance aux lames des ciseaux de Simon. Simon s’est réjoui de voir comment son analogie s’était développée en analyse mathématique. Dans sa recommandation pour notre ouvrage Simple Heuristics That Make Us Smart, il a écrit qu’il « offre une introduction passionnante à cette révolution dans les sciences cognitives, portant un grand coup en faveur de la raison dans l’approche de la rationalité humaine » (Simon, 1999). La découverte des effets du « moins c’est mieux » a révolutionné la compréhension de la rationalité limitée. Ce qui semblait être une négligence irrationnelle d’informations s’est révélé être écologiquement rationnel sous des conditions précises que nous avons pu déterminer.

Vernon Smith (2003) a introduit le terme de « rationalité écologique » de manière indépendante dans sa leçon d’attribution du prix Nobel, où il a reconnu sa similitude avec le concept employé dans Simple Heuristics. Pour Smith, la rationalité écologique émerge du cerveau inconscient plutôt que de l’esprit conscient, à travers les traditions, les heuristiques, les normes et d’autres processus culturels et biologiques. L’usage du terme par Smith comme le nôtre signale la nécessité d’aller au-delà du programme des biais cognitifs, bien qu’ils diffèrent également, par exemple en ce que la rationalité écologique, selon mon acception du terme, inclut l’analyse d’heuristiques utilisées de manière délibérée, comme dans le diagnostic médical et la gestion d’entreprise (Dekker & Remic, 2019 ; Reb et al., 2024).

En résumé, la rationalité logique est un outil pour les petits mondes, et les heuristiques sont des outils pour l’incertitude et l’intraitabilité. À de nombreuses reprises, j’ai été témoin d’une résistance émotionnelle face à ce message, parfois mêlée à une reconnaissance implicite de sa validité. En 2010, l’université de Bonn a célébré le 80e anniversaire de Selten, pour lequel il a invité quatre conférenciers : trois économistes (dont deux lauréats du prix Nobel) et moi-même. Après mon exposé, l’un des lauréats du prix Nobel s’est approché de moi et m’a dit : « Très intéressant, mais vous savez, je n’aime pas l’incertitude. »

Ces dernières années, cependant, un bon nombre d’économistes sont devenus curieux des modèles algorithmiques d’heuristiques et ont commencé à les étudier dans la prise de décision en incertitude. Les économistes de la Banque d’Angleterre, par exemple, en collaboration avec des chercheurs de mon groupe, ont conçu des arbres rapides et frugaux pour prédire la faillite bancaire, après avoir constaté que lorsque les données sont limitées et les risques à queues épaisses (fat-tailed risks), les heuristiques simples l’emportent sur les modèles plus complexes pour calculer les exigences de fonds propres des banques (Aikman et al., 2021). D’autres, dont Stiglitz, ont testé la capacité prédictive des heuristiques dans des situations macroéconomiques caractérisées par le changement technologique, l’information imparfaite, les obstacles de coordination et les ruptures structurelles :

« Nos résultats suggèrent que les heuristiques simples et robustes ne sont pas une option de second rang, mais plutôt des réponses « rationnelles » dans des environnements macroéconomiques complexes et changeants. » (Dosi et al., 2020, p. 1)

L’éducation plutôt que le paternalisme

Un article de Nature intitulé « Risk School » posait la question suivante : Le grand public peut-il apprendre à évaluer les risques avec précision, ou les autorités doivent-elles l’orienter vers les bonnes décisions (Bond, 2009) ? L’auteur s’est adressé aux « deux camps opposés » des heuristiques et biais et de la rationalité écologique. Le juriste Kahan y est cité affirmant que « la prise de décision en matière de risque devrait être concentrée encore davantage dans des agences d’experts isolées de la politique », Thaler soutenant que « notre capacité à éliminer les biais chez les gens est très limitée », et Kahneman déclarant qu’« il faut une quantité énorme de pratique pour modifier son intuition » (p. 1189–1192). Si personne ne conteste l’existence de mauvaises décisions, nous sommes en désaccord sur la nature de la rationalité et sur la capacité des êtres humains à apprendre et à s’améliorer.

Considérez le raisonnement bayésien, le conflit d’origine entre Edwards d’une part et Kahneman & Tversky d’autre part. En utilisant des représentations intuitives de la numérosité, la plupart des élèves de CM1 savent déjà raisonner de manière bayésienne (Gigerenzer et al., 2021). J’ai formé 1 000 gynécologues dans le cadre de leur formation médicale continue, et environ 80 % d’entre eux ne savaient pas comment interpréter les statistiques de base sur les chances qu’a une femme d’avoir un cancer du sein sachant que sa mammographie de dépistage s’est révélée positive. Pourtant, après une heure d’enseignement des mêmes outils que ceux appris par les enfants, la quasi-totalité d’entre eux a compris (Gigerenzer et al., 2007). L’apprentissage est facilité par des représentations intuitives, que la rationalité logique prend à tort pour des erreurs de cadrage. De la même manière, il est essentiel d’enseigner des heuristiques efficientes pour les situations impliquant de l’incertitude, telles que les arbres rapides et frugaux pour la répartition des patients dans les services d’urgence et pour rendre le monde de la finance plus sûr (Katsikopoulos et al., 2020).

Conclusion

La Guerre froide a pris fin, mais les guerres de la rationalité se poursuivent. Elles sont toujours alimentées par une profonde fracture conceptuelle sur la nature et la psychologie humaines. Comme me l’a expliqué un économiste réputé avec une grande assurance : « Écoutez, soit un raisonnement est rationnel, soit il est psychologique. » La rationalité sans la psychologie — tel était l’idéal commun à la rationalité de la Guerre froide et au programme des biais cognitifs, bien qu’ils apparaissent diamétralement opposés. Il est remarquable que de nombreux psychologues aient préféré marcher sous la bannière de la rationalité logique et combattre le jugement, l’intuition, l’expérience, l’émotion et tout le reste de la psychologie comme les ennemis de la raison.

La rationalité écologique n’est pas véritablement en guerre contre la rationalité logique. Je vois la rationalité écologique comme un concept plus vaste. Elle comprend non seulement l’analyse des conditions sous lesquelles une classe d’heuristiques fonctionne, mais aussi des conditions sous lesquelles s’appuyer sur la rationalité logique, comme la règle de Bayes, a des chances d’aboutir. Par exemple, la règle de Bayes exige un monde stable pour que le passé puisse fournir des distributions a priori fiables. En revanche, appliquer la règle de Bayes à un monde incertain sujet à des changements soudains peut conduire à « l’illusion de la dinde » (turkey illusion ; Taleb, 2010).

Selon moi, la rationalité implique bien plus qu’une logique froide. Elle exige du jugement et de l’expérience. Les bonnes décisions dépendent de la connaissance des environnements sociaux et physiques dans lesquels nous vivons. En conséquence, il n’existe pas une rationalité unique, tout comme il n’existe pas une méthode d’inférence statistique unique qui soit optimale pour tous les problèmes. La rationalité est écologique, dépendante du problème particulier et du contexte auquel nous faisons face. La voie à suivre est de libérer la rationalité du carcan d’une rationalité logique universelle, de prendre les heuristiques au sérieux, et de modéliser systématiquement la prise de décision dans notre monde d’incertitude et d’intraitabilité.

Références bibliographiques

Aikman, D., M. Galesic, G. Gigerenzer, S. Kapadia, K. V. Katsikopoulos, A. Kothiyal, E. Murphy, & T. Neumann (2021). « Taking uncertainty seriously: simplicity versus complexity in financial regulation », Industrial and Corporate Change, 30(2) : 317–345.

Ariely, D. (2010). Predictable Irrationality, New York : Harper.

Arkes, H. R., G. Gigerenzer, & R. Hertwig (2016). « How bad is incoherence? », Decision, 3 : 20–39.

Arshad, A., B. Anderson, & A. Sharif (2019). « Comparison of organ donation and transplantation rates between opt-out and opt-in systems », Kidney International, 95(6) : 1453–1460.

Artinger, F., G. Gigerenzer, & P. Jacobs (2022). « Satisficing: integrating two traditions », Journal of Economic Literature, 60 : 598–635.

Bargh, J. A. (1997). « The Automaticity of Everyday Life », dans R. S. Wyer, Jr (éd.), The Automaticity of Everyday Life: Advances in Social Cognition, Mahwah, NJ : Lawrence Erlbaum Associates.

Bargh, J. A., M. Chen, & L. Burrows (1996). « Automaticity of social behavior: direct effects of trait construct and stereotype activation on action », Journal of Personality and Social Psychology, 71(2) : 230–244.

Bond, M. (2009). « Risk school », Nature, 461 : 1189–1192.

Brighton, H., & G. Gigerenzer (2015). « The bias bias », Journal of Business Research, 68 : 1772–1784.

Buckmann, M. (2024). Rationality of Simple Decision Heuristics, Thèse de doctorat, Université technique de Berlin.

Cohen, L. J. (1981). « Can human irrationality experimentally demonstrated? », Behavioral and Brain Sciences, 4 : 317–331.

Cohen, L. J. (1983). « The controversy about irrationality », Behavioral and Brain Sciences, 6 : 507–515.

Conley, S. (2013). Against Autonomy. Justifying Coercive Paternalism, New York : Cambridge University Press.

Dallacker, M., L. Appelius, A. M. Brandmaier, A. S. Morais, & R. Hertwig (2024). « Opt-out defaults hardly increase organ donation », Public Health, 236 : 436–440.

Dekker, E., & B. Remic (2019). « Two types of ecological rationality: on how to best combine psychology and economics », Journal of Economic Methodology, 26 : 291–306.

Dosi, G., M. Napoletano, A. Roventini, J. E. Stiglitz, & T. Treibich (2020). « Rational heuristics? Expectations and behaviors in evolving economies with heterogeneous interacting agents », Economic Inquiry, 58(3) : 1487–1516.

Doyen, S., O. Klein, C.-L. Pichon, & A. Cleeremans (2012). « Behavioral priming: it’s all in the mind, but whose mind? », PLoS ONE, 7(1) : e29081.

Edwards, W. (1968). « Conservatism in human information processing », dans B. Kleinmuntz (éd.), Formal Representation of Human Judgment, New York : Wiley.

Edwards, W., H. Lindman, & L. D. Phillips (1965). « Emerging Technologies for Making Decisions », dans F. Barron et al. (éds.), New Directions in Psychology II, New York : Holt, Rinehart and Winston.

Ellsberg, D. (1961). « Risk, ambiguity, and the Savage axioms », Quarterly Journal of Economics, 75 : 643–699.

Erickson, P., J. Klein, L. Daston, R. Lemov, T. Sturm, & M. D. Gordin (2013). How Reason Almost Lost Its Mind. The Strange Career of Cold War Rationality, Chicago : University of Chicago Press.

Ferguson, A. (2010). « Nudge nudge, wink wink: behavioral economics – the governing theory of Obama’s nanny state », The Weekly Standard, 19 avril.

Fiedler, K. (1988). « The dependence of the conjunction fallacy on subtle linguistic factors », Psychological Research, 50 : 123–129.

Friedman, D., R. M. Isaac, D. James, & S. Sunder (2014). Risky Curves: On the Empirical Failure of Expected Utility, Londres : Routledge.

Friedman, M. (1953). Essays in Positive Economics, Chicago : University of Chicago Press.

Friedman, M. (1963). Price Theory, Réimpression, Londres : Transaction Publishers, 2007.

Gigerenzer, G. (1991). « How to Make Cognitive Illusions Disappear. Beyond « Heuristics and Biases » », dans W. Stroebe & M. Hewstone (éds.), European Review of Social Psychology, vol. 2, Chichester, UK : Wiley.

Gigerenzer, G. (1996a). « On narrow norms and vague heuristics: a reply to Kahneman and Tversky », Psychological Review, 103 : 592–596.

Gigerenzer, G. (1996b). « Reply to Kahneman and Tversky », Psychological Review, 103 : 592–596.

Gigerenzer, G. (2018). « The bias bias in behavioral economics », Review of Behavioral Economics, 5 : 303–336.

Gigerenzer, G., & H. Brighton (2009). « Homo heuristicus: why biased minds make better inferences », Topics in Cognitive Science, 1 : 107–143.

Gigerenzer, G., W. Gaissmaier, E. Kurz-Milcke, L. M. Schwartz, & S. W. Woloshin (2007). « Helping doctors and patients make sense of health statistics », Psychological Science in the Public Interest, 8 : 53–96.

Gigerenzer, G., W. Hell, & H. Blank (1988). « Presentation and content: the use of base rates as a continuous variable », Journal of Experimental Psychology: Human Perception and Performance, 14 : 513–525.

Gigerenzer, G., R. Hertwig, & T. Pachur (éds.) (2011). Heuristics: The Foundations of Adaptive Behavior, New York : Oxford University Press.

Gigerenzer, G., J. Multmeier, A. Föhring, & O. Wegwarth (2021). « Do children have Bayesian intuitions? », Journal of Experimental Psychology: General, 150 : 1041–1070.

Gigerenzer, G., & D. J. Murray (2015). Cognition as Intuitive Statistics, Psychology Revivals Series, Londres : Psychology Press.

Gigerenzer, G., P. M. Todd, & The ABC Research Group (1999). Simple Heuristics that Make Us Smart, New York : Oxford University Press.

Gould, S. J. (1992). Bully for Brontosaurus: Further Reflections in Natural History, New York : Penguin Books.

Grice, H. P. (1989). Studies in the Way of Words, Cambridge, MA : Harvard University Press.

Heiner, R. A. (1983). « The origin of predictable behavior », American Economic Review, 73 : 560–594.

Hertwig, R., & G. Gigerenzer (1999). « The « conjunction fallacy » revisited: how intelligent inferences look like reasoning errors », Journal of Behavioral Decision Making, 12 : 275–305.

Heukelom, F. (2012). « Three explanations for the Kahneman-Tversky programme of the 1970s », European Journal of the History of Economic Thought, 19 : 797–828.

Inhelder, B., & J. Piaget (1959). La genèse des structures logiques élémentaires, Neuchâtel : Delachaux et Niestlé (Trad. anglaise 1964).

Kahneman, D. (2011). Thinking Fast and Slow, Londres : Allen Lane (Trad. fr. Système 1 / Système 2 : Les deux vitesses de la pensée, Flammarion).

Kahneman, D. (2012). « A proposal to deal with questions about priming effects. Open letter », Nature, 26 septembre.

Kahneman, D., & A. Tversky (1972). « Subjective probability: a judgment of representativeness », Cognitive Psychology, 3(3) : 430–454.

Kahneman, D., & A. Tversky (1973). « On the psychology of prediction », Psychological Review, 80 : 237–251.

Kahneman, D., & A. Tversky (1984). « Choices, values, and frames », American Psychologist, 39(4) : 341–350.

Kahneman, D., & A. Tversky (1996). « On the reality of cognitive illusions », Psychological Review, 103 : 582–591.

Kanwisher, N. (1989). « Cognitive heuristics and American security policy », Journal of Conflict Resolution, 33 : 652–675.

Katsikopoulos, K., O. ?im?ek, M. Buckmann, & G. Gigerenzer (2020). Classification in the Wild, Cambridge, MA : MIT Press.

Keynes, J. M. (1937). « The general theory of employment », Quarterly Journal of Economics, 51 : 209–223.

Knight, F. H. (1921). Risk, Uncertainty, and Profit, Boston : Houghton Mifflin Co.

Kühberger, A. (1995). « The framing of decisions: a new look at old problems », Organizational Behavior and Human Decision Processes, 62 : 230–240.

Kühberger, A., & C. Tanner (2010). « Risky choice framing: task versions and a comparison of prospect theory and fuzzy-trace theory », Journal of Behavioral Decision Making, 23(3) : 314–329.

Kwisthout, J., T. Wareham, & I. von Rooij (2011). « Bayesian intractability is not an ailment that approximations can cure », Cognitive Science, 35 : 779–784.

Lejarraga, T., & R. Hertwig (2021). « How experimental methods shaped views on human competence and rationality », Psychological Bulletin, 147 : 535–564.

Levi, I. (1983). « Who commits the base rate fallacy? », Behavioral and Brain Sciences, 6 : 502.

Lewis, M. (2017). The Undoing Project, New York : Norton.

Lewis-Kraus, G. (2023). « Big little lies », The New Yorker, 9 octobre.

Leys, R. (2024). Anatomy of a Train Wreck: The Rise and Fall of Priming Research, Chicago : University of Chicago Press.

Lopes, L. L. (1981). « Decision making in the short run », Journal of Experimental Psychology: Human Learning and Memory, 7(5) : 377–385.

Lopes, L. L. (1991). « The rhetoric of irrationality », Theory & Psychology, 1 : 65–82.

Luce, R. D., & H. Raiffa (1957). Games and Decisions, New York : Wiley.

Maier, M., F. Bartoš, T. D. Stanley, D. R. Shanks, A. J. L. Harris, & E.-J. Wagenmakers (2022). « No evidence for nudging after adjusting for publication bias », PNAS, 119(31) : e2200300119.

Martignon, L., & U. Hoffrage (1999). « Why Does One-Reason Decision Making Work? A Case Study in Ecological Rationality », dans G. Gigerenzer & P. M. Todd (éds.), Simple Heuristics that Make Us Smart, New York : Oxford University Press.

Matesanz, R. (2005). « Factors influencing the adaptation of the Spanish model of organ donation », Transplant International, 16 : 736–741.

McCormick, J. (1987). « The wisdom of Solomon », Newsweek, 17 août, 62–63.

McDermott, R. (2002). « Arms control and the first Reagan administration: belief systems and policy choices », Journal of Cold War Studies, 4 : 29–49.

McKenzie, C. R. M., & D. J. Nelson (2003). « What a speaker’s choice of frame reveals: reference points, frame selection, and framing effects », Psychonomic Bulletin and Review, 10 : 596–602.

Mertens, S., M. Herberz, U. J. J. Hahnel, & T. Brosch (2021). « The effectiveness of nudging: a meta-analysis of choice architecture interventions across behavioral domains », PNAS, 119(1) : e2107346118.

Nisbett, R. E., & T. D. Wilson (1977). « Telling more than we can know: verbal reports on mental processes », Psychological Review, 84 : 231–259.

Peterson, C. R., & L. R. Beach (1967). « Man as an intuitive statistician », Psychological Bulletin, 68 : 29–46.

Piaget, J., & B. Inhelder (1951). La genèse de l’idée de hasard chez l’enfant, Paris : Presses Universitaires de France.

Reb, J., S. Luan, & G. Gigerenzer (2024). Smart Management: How Simple Heuristics Help Leaders Make Good Decisions in an Uncertain World, Cambridge, MA : MIT Press.

Rizzo, M. J. (2023). « The antipaternalist psychology of William James », Behavioural Public Policy, 1–26.

Rizzo, M. J., & G. Whitman (2020). Escaping Paternalism, Cambridge, UK : Cambridge University Press.

Samuels, R., S. Stich, & M. Bishop (2002). « Ending the Rationality Wars: How to Make Disputes About Human Rationality Disappear », dans R. Elio (éd.), Common Sense, Reasoning and Rationality, New York : Oxford University Press.

Savage, L. J. (1954). The Foundations of Statistics, 2e éd., New York : Wiley, 1972.

Schelling, T. (1960). « Meteors, mischief, and war », Bulletin of the Atomic Scientists, 16 : 292.

Schneider, S. (2010). « Homo economicus – or more like Homer Simpson? », Deutsche Bank Research.

Schulze, C., & R. Hertwig (2021). « A description-experience gap in statistical intuitions: of smart babies, risk-savvy chimps, intuitive statisticians, and stupid grown-ups », Cognition, 210 : 104580.

Searle, J. (2001). Rationality in Action, Cambridge, MA : MIT Press.

Sedlmeier, P., R. Hertwig, & G. Gigerenzer (1998). « Are judgments of the positional frequencies of letters systematically biased due to availability? », Journal of Experimental Psychology: Learning, Memory, and Cognition, 24 : 754–770.

Selten, R. (1978). « The chain-store paradox », Theory and Decision, 9 : 127–159.

Sher, A., & C. R. M. McKenzie (2006). « Information leakage from logically equivalent frames », Cognition, 101 : 467–494.

Simon, H. A. (1990). « Invariants of human behavior », Annual Review of Psychology, 41 : 1–19.

Simon, H. A. (1999). Texte de présentation (Blurb) dans G. Gigerenzer, P. M. Todd, & The ABC Research Group, Simple Heuristics that Make Us Smart, New York : Oxford University Press.

Simonsohn, U., J. P. Simmons, & L. D. Nelson (2021). « Evidence of Fraud in an Influential Field Experiment About Dishonesty », Data Colada.

Smith, V. L. (2003). « Constructivist and ecological rationality in economics », American Economic Review, 93 : 465–508.

Stanovich, K. E. (2011). Rationality and the Reflective Mind, New York : Oxford.

Stich, S. P. (2012). Knowledge, Rationality, and Morality, 1978-2010, Collected Papers, Vol. 2, New York : Oxford University Press.

Sturm, T. (2012). « The « rationality wars » in psychology: where they are and where they could go », Inquiry: An Interdisciplinary Journal of Philosophy, 55(1) : 66–81.

Taleb, N. N. (2010). The Black Swan, 2e éd., New York : Random House (Trad. fr. Le Cygne Noir, Les Belles Lettres).

Thaler, R. H. (1991). Quasi-rational Economics, New York : Russel Sage Foundation.

Thaler, R. H., & C. R. Sunstein (2008). Nudge: Improving Decisions about Health, Wealth, and Happiness, New Haven, NJ : Yale University Press (Trad. fr. Nudge : la méthode douce pour inspirer les bonnes décisions, Vuibert).

Trout, J. D. (2005). « Paternalism and cognitive bias », Law and Philosophy, 24 : 393–434.

Tversky, A., & M. Bar-Hillel (1983). « Risk: the long and the short », Journal of Experimental Psychology: Learning, Memory, and Cognition, 9(4) : 713–717.

Tversky, A., & W. Edwards (1966). « Information versus reward in binary choice », Journal of Experimental Psychology, 71 : 680–683.

Tversky, A., & D. Kahneman (1971). « Belief in the law of small numbers », Psychological Bulletin, 76 : 105–110.

Tversky, A., & D. Kahneman (1973). « Availability: a heuristic for judging frequency and probability », Cognitive Psychology, 4 : 207–232.

Tversky, A., & D. Kahneman (1974). « Judgement under uncertainty: heuristics and biases », Science, 185 : 1124–1131.

Tversky, A., & D. Kahneman (1983). « Extensional versus intuitive reasoning: the conjunction fallacy in probability judgment », Psychological Review, 90 : 293–315.

U.S. Department of Justice (2017). Deutsche Bank Agrees to Pay $7.2 Billion for Misleading Investors in Its Sale of Residential Mortgage-backed Securities, Office of Public Affairs, 17 janvier.

von Neumann, J., & O. Morgenstern (1944). Theory of Games and Economic Behavior, 2e éd. 1947, 3e éd. 1953, Princeton, NJ : Princeton University Press.

Voir tous nos articles