Le biais de représentativité : quand un stéréotype l’emporte sur les statistiques
« Julien est calme, méticuleux, passionné d’informatique et peu à l’aise en société. Est-il plus probable qu’il soit bibliothécaire ou agriculteur ? » Face à cette description, la plupart des gens répondent « bibliothécaire » — alors qu’il y a, dans la plupart des pays, bien plus d’agriculteurs que de bibliothécaires, et donc statistiquement plus de chances que Julien soit agriculteur, même s’il correspond moins au stéréotype. C’est le biais de représentativité.
1. Juger par ressemblance plutôt que par probabilité
Ce biais a été décrit par Amos Tversky et Daniel Kahneman dans leur article fondateur de 1974, aux côtés du biais de disponibilité et du biais d’ancrage — les trois grandes heuristiques de jugement qui structurent encore aujourd’hui l’étude des biais cognitifs. L’heuristique de représentativité consiste à évaluer la probabilité qu’une chose appartienne à une catégorie en se basant sur sa ressemblance avec l’image typique de cette catégorie, plutôt que sur les fréquences réelles.
Le problème central, dans l’exemple de Julien, porte un nom : la négligence du taux de base (base rate neglect). Nous ignorons systématiquement les statistiques de fréquence générale (combien y a-t-il d’agriculteurs et de bibliothécaires en tout) au profit d’une simple correspondance avec un stéréotype.
2. La faillite de Linda
Une autre expérience de Tversky et Kahneman, restée célèbre sous le nom de « problème de Linda », illustre à quel point ce biais peut l’emporter sur la logique la plus élémentaire. On présente Linda comme brillante, engagée socialement, intéressée par les questions de justice. On demande ensuite ce qui est le plus probable : que Linda soit caissière de banque, ou qu’elle soit caissière de banque et militante féministe. Une majorité de répondants choisissent la seconde option — alors qu’elle est nécessairement moins probable, puisqu’elle ajoute une condition supplémentaire à la première.
3. Des conséquences concrètes
| Domaine | Manifestation | Conséquence |
|---|---|---|
| Médecine | Un patient présentant des symptômes « typiques » d’une maladie rare est diagnostiqué à tort, en négligeant qu’une maladie bien plus fréquente peut produire des symptômes similaires. | Erreurs de diagnostic, examens inutiles, retards de traitement. |
| Recrutement | Un candidat correspondant au profil « type » d’un bon employé est favorisé, indépendamment de ses compétences réelles mesurées objectivement. | Discriminations statistiquement injustifiées, fondées sur des stéréotypes. |
| Investissement | Une entreprise « qui ressemble » à un futur succès (jeune, tech, fondateur charismatique) est jugée plus prometteuse qu’une analyse financière rigoureuse ne le justifie. | Décisions d’investissement fondées sur l’image plutôt que sur les fondamentaux. |
4. Réintégrer le taux de base
A. Chercher systématiquement les chiffres globaux
Avant de juger sur la base d’une ressemblance ou d’un profil typique, demandez-vous quelle est la fréquence réelle de chaque catégorie possible dans la population concernée.
B. Se méfier des descriptions trop détaillées et cohérentes
Plus un scénario est riche en détails précis et cohérents entre eux, plus il paraît crédible — alors que, mathématiquement, ajouter des conditions à un scénario ne peut que réduire sa probabilité réelle, jamais l’augmenter.
En résumé
Le biais de représentativité nous fait confondre « correspond au stéréotype » et « est statistiquement probable ». C’est l’une des trois grandes heuristiques identifiées par Tversky et Kahneman, aux côtés de la disponibilité et de l’ancrage, qui structurent en profondeur notre façon de raisonner sous incertitude.
Face à un stéréotype qui vous semblait évident, avez-vous déjà découvert que les chiffres réels racontaient une tout autre histoire ?
Pour aller plus loin
Liens affiliés Amazon : en tant que Partenaire Amazon, ce site perçoit une commission sur les achats éligibles réalisés via ces liens, sans coût supplémentaire pour vous.
L’auteur y détaille lui-même les expériences fondatrices du biais de représentativité, dont le célèbre problème de Linda.
Vous allez commettre une terrible erreur !, Olivier SibonyPropose des méthodes pour réintégrer les taux de base dans les décisions stratégiques et les recrutements.
La Démocratie des crédules, Gérald BronnerAnalyse comment les stéréotypes statistiques influencent nos jugements sociaux au quotidien.
Photo : RDNE Stock project sur Pexels.
