L’heuristique de représentativité a été inventée par Daniel Kahneman et Amos Tversky, deux des figures les plus influentes de l’économie comportementale. L’exemple classique utilisé pour illustrer ce parti pris demande au lecteur de considérer Steve, qu’une connaissance a décrit comme « très timide et retiré, toujours utile, mais avec peu d’intérêt pour les gens ou pour le monde de la réalité. Une âme douce et rangée, il a un besoin d’ordre et de structure, et une passion pour le détail. »Après avoir lu une description de Steve, pensez-vous qu’il est plus probable que Steve soit un bibliothécaire ou un agriculteur? 2 Intuitivement, la plupart d’entre nous ont l’impression que Steve doit être bibliothécaire parce qu’il est plus représentatif de notre image de bibliothécaire que de notre image d’agriculteur.

Comme pour tous les biais cognitifs et heuristiques, il y a une raison principale pour laquelle nous comptons si souvent sur la représentativité: nous avons des ressources cognitives limitées. Chaque jour, nous prenons des milliers de décisions distinctes, et notre cerveau est câblé pour le faire tout en conservant autant d’énergie que possible. Cela signifie que nous comptons souvent sur des raccourcis pour porter un jugement rapide sur le monde. Cependant, il existe une autre raison majeure pour laquelle l’heuristique de représentativité se produit. Il est enraciné dans la manière fondamentale dont nous percevons et comprenons les personnes et les objets.

Nous nous appuyons sur des prototypes pour prendre des décisions

Regrouper des choses similaires, c’est—à-dire les catégoriser, est un élément essentiel de la façon dont nous donnons un sens au monde. Cela peut sembler une évidence, mais les catégories sont plus fondamentales pour notre capacité à fonctionner que beaucoup de gens ne le pensent. Pensez à toutes les choses que vous êtes susceptible de rencontrer en une seule journée. Chaque fois que nous interagissons avec des personnes, des objets ou des animaux, nous puisons dans les connaissances que nous avons apprises sur leur catégorie afin de savoir quoi faire. Lorsque vous allez dans un parc à chiens, par exemple, vous pouvez voir des animaux dans une vaste gamme de formes, de tailles et de couleurs, mais comme vous pouvez tous les classer comme « chien”, vous savez immédiatement à peu près à quoi vous attendre d’eux: qu’ils aiment courir et chasser des choses, qu’ils aiment recevoir des friandises, et que si l’un d’eux commence à grogner, vous devriez probablement reculer.

Sans catégories, chaque fois que nous rencontrions quelque chose de nouveau, nous devions apprendre à partir de zéro ce que c’était et comment cela fonctionnait — sans parler du fait que stocker autant d’informations sur chaque entité distincte serait impossible, donnant notre capacité cognitive limitée. Notre capacité à comprendre et à nous souvenir des choses sur le monde repose sur la catégorisation. D’un autre côté, la façon dont nous avons appris à catégoriser les choses peut également affecter la façon dont nous les percevons.3 Par exemple, en russe, les nuances de bleu plus claires et plus foncées portent des noms différents (« goluboy” et « siniy”, respectivement), alors qu’en anglais, les deux sont appelés « bleu ». »Des recherches ont montré que cette différence de catégorisation affecte la façon dont les gens voient la couleur bleue: les russophones discriminent plus rapidement les bleus clairs et sombres que les anglophones.4

Selon une théorie de la catégorisation, connue sous le nom de théorie du prototype, les gens utilisent des statistiques mentales inconscientes pour déterminer à quoi ressemble le membre « moyen” d’une catégorie. Lorsque nous essayons de prendre des décisions sur des choses ou des personnes inconnues, nous nous référons à cette moyenne — le prototype — comme un exemple représentatif de l’ensemble de la catégorie. Il existe des preuves intéressantes pour soutenir l’idée que les humains sont en quelque sorte capables de calculer des membres de catégorie « moyens” comme celui-ci. Par exemple, les gens ont tendance à trouver les visages plus attrayants plus ils sont proches du visage « moyen”, tel que généré par un ordinateur.5

Les prototypes guident nos suppositions sur les probabilités, comme dans l’exemple ci-dessus sur Steve et son métier. Notre prototype pour les bibliothécaires est probablement quelqu’un qui ressemble assez étroitement à Steve – timide, soigné et ringard — tandis que notre prototype pour les agriculteurs est probablement quelqu’un de plus musclé, de plus terre-à-terre et probablement moins timide. Intuitivement, nous avons l’impression que Steve doit être bibliothécaire parce que nous sommes obligés de penser en termes de catégories et de moyennes.

Nous surestimons l’importance de la similitude

Le problème de l’heuristique de représentativité est que la représentativité n’a en fait rien à voir avec la probabilité — et pourtant, nous y accordons plus de valeur qu’aux informations pertinentes. Un de ces types d’informations est la probabilité antérieure ou les taux de base: la fréquence de quelque chose en général. Par exemple, au moins aux États-Unis, il y a beaucoup plus d’agriculteurs que de bibliothécaires. Cela signifie qu’en termes statistiques, il serait toujours incorrect de dire que Steve est « plus susceptible” d’être bibliothécaire, peu importe sa personnalité ou la façon dont il se présente.2

La taille de l’échantillon est un autre type d’information utile que nous négligeons souvent. Lorsque nous essayons de faire des estimations sur une grande population, à partir de données provenant d’un échantillon plus petit, nous voulons que notre échantillon soit le plus grand possible, car nous avons alors une image plus complète. Mais lorsque nous nous concentrons trop sur la représentativité, la taille de l’échantillon peut finir par être évincée.

Pour illustrer cela, imaginez un pot rempli de boules. of des boules sont d’une couleur, tandis que are sont d’une autre couleur. Sally tire 5 boules du pot, dont 4 rouges et 1 blanche. James tire 20 balles, dont 12 rouges et 8 blanches. Entre Sally et James, qui devrait se sentir plus confiant que les balles dans le pot sont red rouges et white blanches?

La plupart des gens disent que Sally a de meilleures chances d’avoir raison parce que la proportion de boules rouges qu’elle a dessinées est plus grande que la proportion dessinée par James. Mais c’est incorrect: James a tiré 20 balles, beaucoup plus que les 5 de Sally, il est donc mieux placé pour juger du contenu du pot. Nous sommes intuitivement tentés d’opter pour l’échantillon 4: 1 de Sally, car il est plus représentatif du rapport que nous recherchons que le 12: 8 de James, mais cela nous conduit à une erreur de jugement.