Pourquoi pensons-nous qu'un événement aléatoire a plus ou moins de chances de se produire s'il s'est produit plusieurs fois dans le passé ?

L'erreur du joueur

a expliqué.
Bias

Qu'est-ce que le sophisme du joueur ?

L'erreur du joueur décrit notre croyance que la probabilité qu'un événement aléatoire se produise dans le futur est influencée par les cas précédents de ce type d'événement.

Gambler's fallacy illustration

Où ce biais se produit-il ?

Prenons l'hypothèse suivante : Jeanne adore jouer au Blackjack et elle est plutôt douée dans ce domaine. Mais depuis quelques jours, elle est en train de perdre. Jane a connu plusieurs séries de défaites au cours de ses nombreuses années de jeu, et elle a remarqué une tendance : elles se terminent généralement au cinquième voyage au casino, lorsqu'elle gagne gros.

Aujourd'hui, c'est le cinquième jour de la série de défaites dans laquelle elle se trouve actuellement. Elle entre dans le casino avec un sourire, sachant qu'aujourd'hui est son jour.

Plusieurs heures et plusieurs parties de Blackjack plus tard, Jane est vaincue. Elle a perdu une énorme somme d'argent. "Comment est-ce possible ?", se demande Jane. Le cinquième jour, elle gagne toujours !

La conviction de Jane qu'elle allait réussir au casino ce jour-là, et la consternation qui a suivi son échec imprévu, sont le résultat d'un sophisme du joueur. Les habitudes de jeu de Jeanne l'ont amenée à croire qu'il y avait une forte probabilité qu'elle gagne au blackjack. Le problème, c'est qu'il n'y a pas de lien de cause à effet entre les deux. La durée de ses séries de pertes antérieures n'a aucune incidence sur la probabilité qu'elle mette fin à cette série de pertes.

Related Biases

Effets individuels

L'erreur du joueur peut conduire à une prise de décision sous-optimale. Pour prendre une décision éclairée concernant un événement futur, il faut notamment tenir compte de la relation de cause à effet qu'il entretient avec les événements passés. En d'autres termes, nous établissons un lien entre les événements qui se sont produits dans le passé et ceux qui se produiront dans le futur. Ils sont considérés comme des causes ou des indications de la manière dont l'avenir se déroulera.

Il s'agit d'une bonne pratique lorsque les deux événements sont effectivement liés par un lien de causalité. Par exemple, lorsque nous remarquons des nuages d'orage dans le ciel, il est raisonnable de supposer qu'il va pleuvoir et de décider de prendre un parapluie. L'expérience passée montre que les nuages d'orage sont de bons indicateurs de pluie parce qu'ils sont liés par un lien de causalité.

Mais cela peut poser problème lorsque deux événements ne sont pas liés par un lien de causalité, mais que nous pensons qu'ils le sont. En effet, nous fondons nos décisions concernant un événement futur sur de fausses informations. Il s'ensuit une perspective probabiliste erronée et une ignorance des véritables causes de l'événement. Prenons l'exemple d'un investisseur qui considère sa réussite comme un indicateur de la probabilité de réussite de son futur investissement. Les deux ne sont pas nécessairement liés par un lien de cause à effet. En pensant à tort que l'avenir imitera le passé, l'investisseur risque de surestimer la probabilité de réussite et de ne pas examiner attentivement ses actifs à la recherche de véritables indicateurs de leur valeur future.

Effets systémiques

Considérer l'erreur du joueur dans son ensemble peut avoir des implications indésirables pour les institutions et les professions qui s'appuient sur des projections précises et des analyses de cause à effet. Lorsqu'une institution ne reconnaît pas l'indépendance statistique des événements aléatoires, des événements ou des populations sans rapport peuvent être identifiés comme des causes à la recherche d'une explication. Prenons l'exemple d'un gouvernement qui impute un krach boursier inexplicable à un nouveau programme d'immigration et qui décide donc de fermer ses frontières. Ou encore un physicien qui ne peut pas reconnaître le mouvement aléatoire des particules et qui évoque un modèle à partir de plusieurs mouvements passés pour créer une loi scientifique qui est rapidement réfutée.

Pourquoi cela se produit-il ?

L'erreur du joueur découle de notre tendance à supposer que si un événement aléatoire s'est produit plusieurs fois dans le passé, il se reproduira plus ou moins souvent à l'avenir. Nous agissons ainsi pour plusieurs raisons. L'une d'entre elles est que nous n'aimons pas le hasard. Nous essayons donc de rationaliser les événements aléatoires pour les expliquer et les rendre prévisibles.

Nous essayons de donner un sens aux événements aléatoires

Un événement aléatoire est le fruit du hasard. Il est donc imprévisible. Certaines personnes trouvent cela exaltant, mais la plupart d'entre nous le trouvent déstabilisant. Nous aimons la prévisibilité, l'ordre et l'explicabilité dans la plupart des aspects de notre vie.1 Ainsi, lorsqu'un événement aléatoire se produit ou est sur le point de se produire, nous essayons de le rationaliser en trouvant des modèles ou des indications dans l'histoire d'événements similaires, même s'ils ne sont pas réellement liés. C'est une façon naturelle pour notre esprit de donner un sens à un monde chaotique.

Nous pensons que le petit nombre représente le grand nombre

En vertu de ce que l'on appelle la "loi des petits nombres", nous prenons souvent de petits échantillons d'informations pour représenter, ou parler au nom, de la population plus large dont ils sont tirés. Les célèbres psychologues Amos Tversky et Daniel Kahneman décrivent ce phénomène comme une "insensibilité à la taille de l'échantillon "2.

Tverski et Kahneman pensent que notre insensibilité à la taille de l'échantillon peut être largement attribuée à l'"heuristique de représentativité". Les heuristiques sont des raccourcis mentaux que notre cerveau utilise pour nous aider à prendre des décisions rapidement. Selon cette heuristique, nous déterminons souvent la probabilité qu'une chose se produise en évaluant sa similitude avec des expériences passées.3

Nous choisissons souvent des expériences passées auxquelles nous voulons que les événements futurs ressemblent, ou que nous pensons représentatives d'un résultat idéal. Un joueur peut prendre quelques tours réussis à la machine à sous pour représenter une longue série de gains qui se poursuivra (comme cela a parfois été le cas dans le passé) ou, à l'inverse, pour supposer qu'il y aura une perte qui équilibrera ses gains et représentera donc ce à quoi une nuit au casino devrait ressembler.4

Tverski et Kahneman ajoutent que nous agissons de la sorte en raison de nos idées fausses sur le hasard, que nous considérons comme un processus équitable plutôt qu'aléatoire.

Nous faisons trop confiance au hasard

Nous sommes nombreux à considérer le hasard comme un "processus autocorrectif". En d'autres termes, nous pensons que le hasard vise un équilibre juste et équilibré. Les écarts par rapport à cet équilibre sont rétablis par un résultat opposé au fur et à mesure que le processus de hasard se déroule.5 Prenons l'exemple du joueur de machine à sous. Il pense peut-être qu'un tour à la machine comporte à la fois des gains et des pertes, de sorte que lorsqu'il a une série de gains, il commence à s'attendre à une perte. Ou encore un étudiant qui pense avoir entouré trop d'options "A" d'affilée dans son examen à choix multiples, et qui choisit donc un "C" pour rompre avec cette tendance suspecte.

Pourquoi c'est important

L'erreur du joueur n'affecte pas seulement ceux d'entre nous qui vont dans les casinos - cela devrait être clair maintenant. Il peut concerner n'importe lequel d'entre nous lorsque nous évaluons la probabilité d'un événement futur en examinant des événements passés similaires. C'est ce que nous faisons en permanence dans notre vie personnelle et professionnelle. Il est facile de commettre l'erreur de faire cela avec des événements qui sont causalement indépendants, ce qui peut fausser nos prédictions concernant les probabilités et les décisions qui en découlent. Nous ne voulons pas identifier à tort les caractéristiques des relations passées comme des indicateurs que nos relations actuelles suivront nécessairement la même voie. Nous ne voulons pas non plus considérer une série de refus d'emploi comme un signe que nous ne trouverons pas de travail à l'avenir.

Comment l'éviter ?

Pour contrer l'effet de ce biais cognitif, nous devons reconnaître l'indépendance causale des événements en question. Ce n'est pas toujours facile, surtout lorsque nous avons un intérêt direct dans leur relation. Réfléchir au processus réel par lequel un événement se produit peut nous aider à réaliser que certains événements passés qui lui ressemblent ne jouent pas vraiment un rôle dans son déroulement.6 Il peut également être utile de réfléchir à la raison pour laquelle vous pensez qu'un événement passé a une incidence sur un événement futur, et d'évaluer la raison d'une manière qui ne donne pas trop de crédit au hasard ou à la superstition.

Comment tout a commencé

L'erreur du joueur a été publiée pour la première fois par le marquis de Laplace en 1820. Dans son Essai philosophique sur les probabilités, Laplace a remarqué que les hommes qui voulaient des fils pensaient que chaque naissance d'un garçon augmenterait la probabilité que leur prochain enfant soit une fille.7

Les croyances qui ressemblent à l'erreur du joueur ont été observées pour la première fois dans le cadre d'expériences menées dans les années 1960, lorsque les chercheurs étudiaient la manière dont l'esprit prend des décisions en fonction des probabilités. Dans ces expériences, les sujets devaient deviner laquelle de deux lumières colorées s'allumerait ensuite. Après avoir vu une succession de lumières d'une couleur, les chercheurs ont remarqué que les sujets étaient beaucoup plus enclins à deviner l'autre.8

Exemple 1 - Cotes longues

L'exemple le plus célèbre du sophisme du joueur s'est déroulé aux tables de roulette d'un casino de Monte-Carlo en 1913. Au cours des dix derniers tours de la roulette, la bille était tombée sur le noir.

Comme les joueurs pensaient qu'un rouge était attendu depuis longtemps, ils ont commencé à parier contre le noir. Mais la boule continue d'atterrir sur le noir. Comme la tendance se poursuit, les joueurs sont de plus en plus convaincus que le prochain tour tombera sur le rouge. Les foules et les paris se sont multipliés, tout comme les pertes.

Ce n'est qu'après 26 noirs consécutifs que la balle a finalement atterri sur le rouge et que la série a pris fin. À ce moment-là, les pertes sont énormes. Le casino avait fait fortune. C'est ce qu'on a appelé le "sophisme de Monte Carlo", synonyme de sophisme du joueur.9

Exemple 2 - Analyse financière

Il a été démontré que l'erreur du joueur affecte l'analyse financière. Selon les économistes Hersh Shefrin et Meir Statman, les investisseurs ont tendance à conserver les actions qui se sont dépréciées et à vendre celles qui se sont appréciées. Ils appellent cela une "disposition générale à vendre les gagnants trop tôt et à conserver les perdants trop longtemps "10.

Les investisseurs peuvent considérer la hausse continue de la valeur d'une action comme une indication qu'elle va bientôt s'effondrer, et donc décider de la vendre. De même, si une action a perdu de la valeur, cela peut être considéré comme une indication qu'elle va s'apprécier, et ils décident donc de conserver ces actions. L'erreur du joueur peut être à l'œuvre ici, car les investisseurs prennent des décisions basées sur la probabilité d'un événement relativement aléatoire (le prix de l'action) sur la base de l'histoire d'événements similaires passés (la tendance de ses points de prix précédents). Les deux ne sont pas nécessairement liés. Une action qui s'est appréciée peut très bien continuer à s'apprécier, tout comme elle peut s'effondrer. La trajectoire passée de son prix ne détermine pas en soi sa trajectoire future.11

Résumé

Qu'est-ce que c'est ?

L'erreur du joueur consiste à croire que la probabilité qu'un événement aléatoire se produise dans le futur est influencée par l'histoire passée de ce type d'événement.

Pourquoi cela se produit-il ?

Tout d'abord, nous n'aimons pas le hasard. Par conséquent, nous essayons de le rationaliser en trouvant des modèles ou des indications dans l'histoire d'événements similaires, même s'ils ne sont pas réellement liés. Deuxièmement, nous prenons souvent de petits échantillons d'informations pour représenter, ou parler au nom, de la population plus large dont ils sont tirés. Cette "insensibilité à la taille de l'échantillon" peut être largement attribuée à l'"heuristique de représentativité", par laquelle nous déterminons la probabilité qu'un événement se produise en évaluant sa similitude avec des expériences passées. Nous choisissons souvent des expériences passées auxquelles nous voulons que les événements futurs ressemblent, ou que nous pensons représentatives d'un résultat idéal. Enfin, nous sommes nombreux à considérer le hasard comme un "processus d'autocorrection". Nous pensons que le hasard vise un équilibre juste et équilibré. Les écarts par rapport à cet équilibre sont rétablis par un résultat opposé au fur et à mesure du déroulement du processus aléatoire.4

Exemple 1 - Cotes longues

Un soir de 1913, aux tables de roulette d'un casino de Monte-Carlo, la roulette tombait sans cesse sur le noir. Comme les joueurs pensaient qu'un rouge était attendu depuis longtemps, ils ont commencé à parier contre le noir. Mais la boule continuait à tomber sur le noir. Comme la tendance se poursuit, les joueurs sont de plus en plus convaincus que le prochain tour sera rouge et augmentent leurs mises. Ce n'est qu'après 26 noirs consécutifs que la boule est finalement tombée sur le rouge et que la série a pris fin. Ce phénomène est connu sous le nom de "sophisme de Monte Carlo", synonyme de sophisme du joueur.

Exemple 2 - Analyse financière

Il a été démontré que l'erreur du joueur affecte l'analyse financière. Les investisseurs ont tendance à conserver les actions qui se sont dépréciées et à vendre celles qui se sont appréciées. Par exemple, ils peuvent considérer la hausse continue de la valeur d'une action comme une indication qu'elle va bientôt s'effondrer, et donc décider de la vendre. L'erreur du joueur peut être à l'œuvre ici, car les investisseurs prennent des décisions basées sur la probabilité d'un événement relativement aléatoire (le prix de l'action) en fonction de l'historique d'événements passés similaires (la tendance de ses points de prix précédents). Les deux ne sont pas nécessairement liés. La trajectoire passée du cours ne détermine pas en soi sa trajectoire future.

Comment l'éviter ?

Pour contrer l'effet de ce biais cognitif, nous devons reconnaître l'indépendance causale des événements en question. Réfléchir au processus réel par lequel un événement se produit peut nous aider à réaliser que certains événements passés qui lui ressemblent ne jouent pas vraiment un rôle dans son déroulement. Il peut également être utile de réfléchir aux raisons pour lesquelles vous pensez qu'un événement passé a une incidence sur un événement futur, et d'évaluer ces raisons sans accorder trop de crédit au hasard ou à la superstition.

Références

  1. Stevenson and Mihnea C. Moldoveanu, H. (2014, August 01). The Power of Predictability. Retrieved July 08, 2020, from https://hbr.org/1995/07/the-power-of-predictability
  2. Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1124-1131. doi:10.1126/science.185.4157.1124
  3. Effectiviology. (n.d.). Retrieved July 05, 2020, from https://effectiviology.com/gamblers-fallacy/
  4. Effectiviology. (n.d.). Retrieved July 05, 2020, from https://effectiviology.com/gamblers-fallacy/
  5. Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1124-1131. doi:10.1126/science.185.4157.1124
  6. Effectiviology. (n.d.). Retrieved July 05, 2020, from https://effectiviology.com/gamblers-fallacy/
  7. Barron, G., & Leider, S. (2010). The role of experience in the Gambler's Fallacy. Journal of Behavioral Decision Making, 23(1), 117-129. doi:10.1002/bdm.676
  8. Croson, R., & Sundali, J. (2005). The Gambler’s Fallacy and the Hot Hand: Empirical Data from Casinos. Journal of Risk and Uncertainty, 30(3), 195-209. doi:10.1007/s11166-005-1153-2
  9. Owen, A. M. (2011). The Monte Carlo fallacy. Medical Journal of Australia, 195(7), 421-421. doi:10.5694/mja11.10937
  10. Constantinides, G. M. (1985). The Disposition to Sell Winners Too Early and Ride Losers Too Long: Theory and Evidence: Discussion. The Journal of Finance, 40(3), 791. doi:10.2307/2327803
  11. Croson, R., & Sundali, J. (2005). The Gambler’s Fallacy and the Hot Hand: Empirical Data from Casinos. Journal of Risk and Uncertainty, 30(3), 195-209. doi:10.1007/s11166-005-1153-2
Notes illustration

Vous souhaitez savoir comment les sciences du comportement peuvent aider votre organisation ?