Citer
Imprimer
Partager

Les biais cognitifs à l’ère du numérique

  • Résumé
    La recherche d'information sur Internet est une démarche qui place l'individu (consommateur, utilisateur, manager) dans une situation de réception et d'acceptation d'une quantité massive de données parfois contradictoires et souvent non validées sur le plan scientifique ou technique. Une telle situation peut par conséquent être génératrice de biais et conduire à commettre des erreurs d'analyse et de jugement. Hogarth et Makridakis (1981) et Horgath (1980) ont identifié plus d’une trentaine de biais cognitifs, afin de comprendre nos décisions et comportements irrationnels. L’objectif de cet article est de recenser les principaux biais cognitifs qui peuvent intervenir à différentes étapes du processus de sélection et de traitement des informations sur Internet (réseaux sociaux, sites web, blogs, forums, messageries…) et produire des informations partielles ou faussées mises en avant par des “bots”. On entend ici par “biais cognitif” celle donnée par Le Ny (1991) : « un biais est une distorsion (déviation systématique par rapport à une norme) que subit une information, en entrant dans le système cognitif ou en sortant », à partir d’une sélection des informations ou des réponses proposées.
    Citation : Meier, O. (Juin 2022). Les biais cognitifs à l’ère du numérique. Management et Datascience, 6(2). https://management-datascience.org/articles/20180/.
    L'auteur : 
    • Olivier Meier
       (olivier.meier@iutsf.org) - UPEC
    Copyright : © 2022 l'auteur. Publication sous licence Creative Commons CC BY-ND.
    Liens d'intérêts : 
    Financement : 
    Texte complet

    Ce travail de sensibilisation et de précaution est d’autant plus important que les internautes n’ont pas toujours conscience des risques de manipulations et d’erreurs causés par des acteurs malveillants utilisant des « bots » et des robots logiciels avec de faux profils. D. Kahneman et A. Tversky (1982) ont d’ailleurs montré, dans leurs travaux, l’importance des émotions (peur, craintes, inquiétude, plaisir…) et des biais cognitifs (raccourcis mentaux) dans les domaines relatifs au traitement de l’information et aux processus de décision.

    Sur internet, le risque en matière de biais est particulièrement élevé, en raison du principe de liberté d’expression propre à nos sociétés démocratiques, l’effet Twitter et à l’apparition de critères de notoriété et d’attractivité (nombre de likes et de commentaires, nombre de partages) qui peuvent venir altérer notre jugement critique sur le contenu des messages produits.

    Les biais cognitifs jouent par conséquent un rôle majeur dans la propagation virale des informations incomplètes ou fausses sur les réseaux sociaux (jugements de valeur, préjugés, rumeurs, fake news). Il convient par conséquent de les identifier pour mieux les contrôler. Nous proposons dans cet article de nous focaliser sur cinq d’entre eux particulièrement répandus dans la sphère des réseaux sociaux:

    Le biais de disponibilité

    L’heuristique de disponibilité est l’un des biais majeurs que favorise le développement des réseaux sociaux, en donnant accès facilement à une masse d’informations, sans qu’il y ait eu au préalable le moindre contrôle dans la recherche et la sélection de l’information proposée. Appliqué au domaine d’internet, le biais de disponibilité peut se définir comme le mécanisme consistant à juger comme élément causal les objets ou les faits les plus saillants, les plus fréquents ou les plus facilement observables (illustrations, graphiques, infographies, images, icônes ). L’heuristique de disponibilité décrit ainsi le fait que « la probabilité estimée d’un événement est fonction de la facilité avec laquelle peuvent être évoqués des exemples de cet événement » (Le Ny 1999), en ayant par exemple recours aux images, photos ou vidéos (“Picture superiority effect”). Selon le Professeur Allan Paivio, docteur en psychologie de l’université McGill, ce phénomène s’explique par la supériorité en termes d’impact de l’image par rapport au texte et au pouvoir symbolique des images en termes de mémorisation. En effet, en 1971, ce chercheur canadien élabore une théorie qui rend compte de la supériorité de l’image sur le mot (texte ou phrase). Selon lui, le dessin d’un objet serait codé et stocké en mémoire sous deux formes pouvant l’une et l’autre être utilisées lors de la restitution de l’information : une forme verbale qui correspond au mot désignant l’objet et une forme imagée qui reflète ses caractéristiques figuratives. Selon la théorie du “double codage” (Dual Coding Theory), les textes sont traités et encodés seulement dans le système verbal, alors que les images le sont également dans le système visuel. Cette analyse pourrait ainsi expliquer que les textes avec images favorisent davantage la mémorisation en raison de l’existence d’un double codage.

    Le biais d’ancrage

    L’ancrage se définit comme la construction d’un raisonnement à partir d’un point donné fourni par l’énoncé du problème, la situation ou la pratique antérieure, fixant le cadre d’analyse initial et limitant les possibilités d’ajustement ultérieur (Evans et Lynch 1973 ; Tversky et Kahneman 1974 ; Kahneman et al. 1982). L’ancrage conduit le décideur à commettre deux types de biais pointés par Bazerman (1998, p.40): le rejet de toute information n’allant pas dans le sens de l’orientation définie (filtrage de l’information, blocage des contradicteurs) ; la sélection assumée d’informations confirmatoires (abonnement et suivi d’influenceurs en phase avec ses idées, échanges au sein d’une communauté partisane) .

    Ainsi, « toute information ne sera retenue que si elle va dans le sens des hypothèses contenues dans les schémas cognitifs des individus. Dans le cas contraire, cette information sera rejetée ou transformée pour la rendre compatible au cadre d’analyse ».

    Le biais de confirmation

    Le biais de confirmation correspond à la tendance chez l’individu à accorder une plus grande attention et un crédit nettement supérieur aux informations et événements qui permettent de renforcer ses croyances, jugements et manières de penser, et à négliger tout ce qui pourrait les remettre en question.

    Ce type de biais apparaît notamment autour de questions de nature affective ou sensible en lien avec des opinions personnelles ou des croyances établies.

    L’illusion des séries face au volume d’informations

    L’illusion des séries consiste à trouver des régularités dans une série aléatoire d’événements, en essayant d’en tirer des principes et des lois universelles. Il s’agit donc de la tendance à percevoir de petits échantillons dans des distributions aléatoires, en les considérant avec une importance disproportionnée.

    Ce biais s’explique par l’impact social et émotionnel d’internet en raison de l’accumulation des données collectées (“surcharge informationnelle”) et la volonté de donner du sens aux événements, en établissant des liens de causalité artificiels, afin de mieux “digérer” les données (phénomène de résonance inné et codé chez l’individu pour produire des modèles stables).

    Le biais d’influence sociale

    L’internet et les réseaux sociaux (Facebook, Instagram, Twitter…) contribuent à renforcer les mécanismes de l’influence sociale en montrant aux clients et utilisateurs que des personnes connues et reconnues, auxquelles ils peuvent s’identifier (phénomène d’identification et d’appartenance), utilisent et apprécient un produit ou un service. L’utilisation d’ambassadeurs et d’influenceurs sont de ce fait, une façon d’influencer une cible potentielle, en orientant ses choix et comportements par des messages de conformité en lien avec son groupe de référence (mécanismes d’approbation sociale).

    Par conséquent, si le développement des technologies numériques suscite de nombreux espoirs, force est de constater que la digitalisation renforce certaines faiblesses pour l’utilisateur, tandis qu’elle en fait naître de nouvelles. Cette contribution entend de ce fait sensibiliser le lecteur sur les risques de vulnérabilités pour l’utilisateur, en présentant les principaux biais occasionnés par un traitement de données à caractère personnel non maitrisé.

    Bibliographie

    Bazerman, M.H. (1998), Judgement in Managerial Decision Making, 4th ed, Wiley.

    Evans J., Lynch J.S. (1973), «Matching Bias in the Selection Task », British Journal of Psychology, vol. 64, p. 391-397.

    Goldstein W.M., Hogarth R.M. (1997), Research on Judgment and Decision Making, Cambridge University Press.

    Hogarth R.M. (1980), Judgment and Choice : The Psychology of Decision, John Wiley.

    Hogarth R.M, Makridakis S. (1981), «Forecasting and Planning : AnEvaluation », Management Science, vol. 27, n° 2, February, p. 115-138.

    Kahneman D., Slovic P., Tversky A. (1982), Judgement Under Uncertainty: Heuristic and Biases, Cambridge University Press.

    Le Ny J.F. (1999), «Biais », in Grand dictionnaire de la psychologie, Larousse.

    Tversky A., Kahneman D. (1974), « Judgement under Uncertainty :Heuristics and Biases », Management Science, vol. 185, p. 1124-1131.

  • Évaluation globale
    (Pas d'évaluation)

    (Il n'y a pas encore d'évaluation.)

    (Il n'y a pas encore de commentaire.)

    • Aucune ressource disponible.
    © 2022 - Management & Data Science. All rights reserved.