John List

Lorsque John List et Steven Levitt ont suggéré pour la première fois que les expériences économiques devraient se dérouler en dehors du laboratoire, les gens ont pensé qu'ils étaient fous. Comment des expériences sur le terrain pourraient-elles offrir le même type d'environnement contrôlé nécessaire pour induire des relations occasionnelles ? Pourtant, 50 ans plus tôt, les économistes pensaient que les expériences en laboratoire étaient tout aussi farfelues lorsque Vernon Smith, un célèbre économiste, a commencé à les mener.2 Avant Smith, les économistes ne menaient pas d'expériences - ils notaient des théories et des équations mathématiques pour tenter d'expliquer le comportement sans aucune preuve réelle de la façon dont les gens agissaient réellement. L'utilisation par Smith d'expériences en laboratoire a permis aux économistes d^e mieux comprendre comment les décisions sont prises sur les différents marchés économiques. En conséquence, ces expériences sont devenues la norme jusqu'à l'arrivée de List et Levitt.2

Si les expériences en laboratoire se sont avérées plus utiles que les simples modèles économiques, List pensait qu'il était possible d'obtenir des informations encore plus uniques et plus précises en menant des expériences ^dans des environnements décisionnels réels.2 List pensait que la conception d'expériences permettant d'observer le comportement des gens au cours de leurs routines quotidiennes normales pourrait conduire ^à des informations de plus en plus précises sur le comportement humain grâce à la randomisation.2 La nécessité de la randomisation est particulièrement importante, car les expériences en labor^atoire utilisent souvent des étudiants d'université comme groupe de participants et peuvent ne pas refléter les comportements de l'ensemble de la population.3

La randomisation et le réalisme sont les caractéristiques que List a jugées les plus cruciales pour ses expériences sur le terrain. Dans les expériences de laboratoire, le fait d'obtenir des participants et de les manipuler peut parfois signifier que les résultats ne représentent pas la manière dont les gens prennent réellement leurs décisions.2 Par exemple, l'effet Hawthorne démontre que les gens on^t tendance à travailler plus dur et à obtenir de meilleurs résultats lorsqu'ils font partie d'une expérience.4

Par ailleurs, les expériences sur le terrain permettent de collecter des données à partir de comportements naturels, ce qui leur confère un certain réalisme. Étant donné que les participants ne savent pas qu'ils font partie d'un^e expérience, ils ne choisissent pas de participer à l'étude.3 Étant donné que les expériences en laboratoire exigent que les personnes acceptent de participer à une étude, le type d'individus qui se prêtent aux expériences peut ne pas avoir les mêmes comportements ou les mêmes traits de personnalité que la population en général. Cela influe à la fois sur le comportement du participant et sur les données collectées. Dans les expériences sur le terrain, un groupe aléatoire d'individus est sélectionné pour l'étude, ce qui donne aux expériences une meilleure chance de refléter la population.

Cela ne veut pas dire que List pense que les expériences en laboratoire n'ont pas de valeur. Il espère plutôt que les expériences sur le terrain peuvent contribuer à mieux prouver que les données obtenues en laboratoire imitent le comportement dans la vie réelle. Parfois, c'est le cas, mais d'autres fois, les expériences de List sur le terrain ont mis en évidence "le problème de la mise à l'échelle".2 La force des relations occasionnelles peut être affectée par la mise à l'échelle de la ^recherche à la mise en œuvre à l'échelle de la population, et certaines théories peuvent être réfutées.5

La plus grande critique des expériences de terrain est qu'il est impossible d'obtenir un consentement éclairé parce qu'elles reposent sur le fait que les gens ne savent pas qu'ils font partie d'une expérience. Certains craignent donc que les expériences de terrain soient contraires à l'éthique. En réponse à ces critiques, List proclame que le consentement éclairé est un outil créé uniquement pour protéger les gens des expériences qui pourraient mettre en danger la santé physique des participants. Étant donné que les expériences économiques de terrain de List ne mettent pas les participants en danger, il estime que le consentement éclairé n'est pas de la plus haute importance.3

List s'intéresse tout particulièrement à la manière dont les gens prennent leurs décisions en matière de charité. Les dons caritatifs sont une composante importante de l'économie nationale de chaque pays, mais peu d'organisations savent quelle est la meilleure façon de promouvoir leur cause. Au fil des ans, List a mené de nombreuses expériences sur le terrain afin d'examiner les facteurs qui influencent la prise de décision des gens en matière de charité.

En 2006, List et son collègue économiste Dean Karlan ont mené une expérience sur le terrain pour voir comment les changements de prix influençaⁱent les contributions privées aux œuvres de bienfaisance.6 List et Karlan ont noté qu'habituellement, les expériences concernant le prix des dons aux œuvres de bienfaisance ne s'intéressent qu'à l'offre, par exemple pour savoir si des changements dans les déductions fiscales auraient un impact sur les dons. List et Karlan, en revanche, ont voulu examiner l'aspect de la demande. Ils ont mené une expérience visant à examiner l'impact sur les dons de charité des changements dans les taux de dons jumelés (lorsqu'un donateur s'engage à jumeler des dons à un taux donné). Les organisations caritatives avaient teⁿdance à penser que plus le taux de contrepartie était élevé, plus les dons devenaient attrayants, mais aucune preuve concrète n'est venue étayer cette hypothèse6.

Dans leur expérience, List et Karlan ont constaté que l'existence d'une offre de contrepartie augmentait la probabilité que les gens fassent un don et augmentait le montant de leurs dons. Toutefois, ils ont constaté que, contrairement à ce que l'on croit généralement, le ^ratio de la contrepartie n'avait que peu d'impact sur les dons.6 En sachant cela, les organisations caritatives peuvent se concentrer sur l'obtention d'une offre de contrepartie de la part d'un donateur important sans se préoccuper de son ampleur.

Souvent, les organisations caritatives demandent des dons sans préciser de montant, en espérant que les gens seront enclins à donner le plus possible. Parfois, cependant, les organisations donnent une indication du montant que les gens devraient donner. Dans une étude réalisée en 2013, List a collaboré avec l'économiste James Edward pour déterminer si ces montants suggérés aidaient ou entravaⁱent l'accumulation des dons.7

List et Edward ont constaté que davantage de personnes faisaient des dons lorsqu'on leur proposait un montant. Les personnes qui auraient pu être enclines à donner moins que le montant suggéré ont modifié leur don pour se rapprocher du montant suggéré, mais il y a eu très peu de dons supérie^urs au montant suggéré.7 Ces résultats peuvent aider les organisations caritatives à mieux communiquer leur besoin de dons, car ils révèlent que les suggestions sont une tactique efficace. Ces résultats peuvent aider les organisations caritatives à mieux communiquer leur besoin de dons, car ils révèlent que les suggestions sont une tactique efficace.

Le paradoxe d'Allais est un problème de choix hypothétique en économie comportementale qui montre que les humains font des choix irrationnels et incohérents. Le paradoxe d'Allais contredit la théorie de l'utilité attendue, qui suggère que dans des circonstances incertaines, les gens calculent la moyenne pondérée des résultats possibles et prennent une décision qui est la plus susceptible de leur rapporter le plus d'argent. Le paradoxe d'Allais fournit plutôt des preuves de la théorie des perspectives, qui suggère que les gens perçoivent la valeur en relation avec les pertes ou les gains potentiels plutôt qu'en termes absolus.

Dans l'expérience de List, les participants ont été confrontés aux situations hypothétiques suivantes :

Situation 1

• Option A1 : Vous gagnez 7 $ avec une certitude de 100%.
• Option B1 : Vous avez 75 % de chances de gagner 7 $, 20 % de chances de gagner 10 $ et 5 % de chances de ne rien gagner.

Situation 2

• Option A2 : vous avez 25 % de chances de gagner 7 $ et 75 % de chances de gagner 0 $.
• Option B2 : vous avez 20 % de chances de gagner 10 $ et 80 % de chances de gagner 0,8

Si les gens choisissaient les options A1 et B2, ils adhéreraient à l'utilité attendue, parce qu'ils ont le plus de chances d'obtenir de l'argent avec ces options. Cependant, le paradoxe d'Allais montre que la plupart du temps, les gens choisissent A1 et A2. Ils choisissent l'option dont la valeur attendue est la plus élevée dans la situation 1, mais décident ensuite d'être réticents au risque dans la situation 2 et choisissent l'option dont la valeur attendue est la plus faible.

Alors que des études ont montré que les agents économiques non professionnels sont souvent victimes du paradoxe d'Allais, certaines théories suggèrent que les agents économiques expérimentés, tels que les traders professionnels, sont moins susceptibles d'adopter le mêm^e comportement lorsqu'il s'agit de prendre des décisions risquées.8 List a constaté que les étudiants et les traders professionnels se comportaient de manière à confirmer le paradoxe d'Allais et qu'il n'y avait qu'^une faible diminution de la fréquence à laquelle les traders professionnels commettaient cette erreur cognitive.8

L'expérience de List a contribué à prouver le paradoxe d'Allais, qui démontre que nous ne prenons pas toujours des décisions économiques rationnelles. Non seulement nous n'adhérons pas à l'utilité attendue, mais nous ne sommes pas non plus cohérents dans nos choix : parfois, nous apprécions le risque, et d'autres fois, nous y sommes opposés. Le paradoxe d'Allais peut nous amener à prendre des décisions incohérentes lorsque nous jouons, ce qui peut nous nuire sur le plan économique.

John List est né le 25 septembre 1968 dans le Wiscoⁿsin.9 Le père de John, qui a grandi dans un foyer ouvrier de Madison, s'attendait à ce que son fils poursuive l'activité familiale de chauffeur de camion. John, jeune garçon ambitieux, rêvait plutôt de devenir gol^feur professionnel.10 Il a même obtenu une bourse d'études de golf, mais peu après son entrée à l'université du Wisconsin, il s'est rendu compte qu'il étai^t bien meilleur économiste que golfeur.9 Il a obtenu sa licence en économie en 1992 et a poursuivi ses études à l'université du Wyoming, où il a obtenu son doctorat en économie en 1996.9

List a occupé des postes de professeur d'économie dans diverses universités avant de rejoindre la faculté de l'Université de Chi^cago en 2005.9 List reconnaît que le marché devait lui être favorable lorsqu'il a posé sa candidature en 2005, car il affirme que 10 ans plus tôt, l'Université de Chicago "n'aurait pas ouvert l'enveloppe parce qu'il y avait écrit Université du Wyomi^ng sur la couverture" (38). 2

Les postes qu'il a occupés précédemment lui ont peut-être permis d'acquérir une expérience précieuse qui l'a rendu intéressant pour l'université de Chicago. En 2000, List a quitté la Floride centrale pour l'Université de l'Arizona afin de pouvoir travailler aux côtés de Vernon Smith. Malheureusement, Smith et le groupe d'économistes expérimentaux ont eu des problèm^es avec l'administration et ont déménagé peu de temps après.2 List a ensuite déménagé à l'Université de Mainland, où il travaille encore occasionnellement aujourd'hui. List se rend également de temps en temps à l'Uⁿⁱversité de Tilburg, où il travaille avec Shelby Gerking, qui a été son directeur de thèse.11 En 20¹4, List a été nommé Homer J. Livingston Distinguished Service Professor of Economics.9

En dehors de ses nominations universitaires, List a également occupé des postes très en vue dans des entreprises. En 2017, List a commandé un Uber pour l'emmener prononcer un discours à Chicago. Occupé à répéter son discours, il n'a pas remarqué que le chauffeur Uber avait tourné en rond et le déposait maintenant à son domicile, à la suite d'une erreur technique. List était contrarié qu'Uber ne lui ait jamais envoyé d'excuses. Il a appelé le (désormais ancien) directeur général d'Uber pour discuter du problème. Ce dernier lui a demandé comment il pensait qu'Uber devait s'excuser, et cette conversation a finalement conduit ^List à être nommé économiste en chef de l'entreprise.10 En analysant les données dans le cadre de ses nouvelles fonctions, List a découvert que les utilisateurs qui avaient eu une mauvaise expérience avec une application dépenseraient 10 % de moins avec l'application à l'avenir. List a testé l'impact de différents types d'excuses et a finalement découvert que des excuses associées à un code de réduction ^étaient les plus efficaces. Si List avait reçu ce bon de réduction, il ne serait peut-être jamais devenu cadre chez Uber et, plus tard, chez Lyft.10

John List déclare que sa "passion est d'utiliser des expériences sur le terrain pour explorer des questions économiques". Il considère que "les expériences sur le terrain représentent une manière unique d'obtenir des données parce qu'elles obligent le chercheur à comprendre des ph^énomènes quotidiens, sur lesquels nous tombons souvent".12

Il affirme que "la raison pour laquelle les expériences sur le terrain sont si précieuses est que l'on randomise les gens entre le traitement et le contrôle, et que ces variables inobservables sont alors équilibrées. Je ne me débarrasse pas des variables inobservables - on ne peut jamais se débarrasser des variables inobser^vables - mais je peux les équilibrer entre les cellules de traitement et de contrôle". 2

Cette passion a toujours existé en lui, car son "premier réflexe n'est pas de recueillir des données en laboratoire, mais d'aller sur le terrain". 2 Lorsqu'on lui demande pourquoi il s'est lancé dans l'économie expérimentale, List répond que "c'était l'occasion d'appliquer ce que j'apprenais à l'^université sur l'économie à une situation réelle". 13

Mais parfois, le travail sur le terrain implique de s'immerger dans d'autres cultures. Lorsqu'on lui demande quel est son moment de recherche le plus fou, List répond qu'il a "bu du sang de chèvre avec le chef d'un village patriarcal de Tanzanie au cours d'un voyage de recherche visant à étudier la petite enfance et les disparités de revenus e^ntre hommes et femmes. C'était un peu dégoûtant, mais j'en ai pris pour l'équipe". 14

Pour List, travailler pour Uber ne consistait pas seulement à aider l'entreprise à améliorer l'expérience de ses clients. Les applications de voiture disposent d'une grande quantité de donné^es, ce qui permet à List d'analyser différents types de comportement des consommateurs11 . Nous avons des millions de conducteurs. Nous avons des millions d'observations et 25 millions de semaines de conduite dans 196 villes", ce qui fait de son tr^avail un rêve devenu réalité pour un économiste qui s'intéresse au comportement dans la vie réelle.15

Lorsque List a travaillé pour la première fois avec United Airlines, cette compagnie était l'une des premières à faire appel à des universitaires pour l'aider à apporter des changements à son activité. List a identifié deux avantages pour les entreprises qui décident de se tourner plus souvent vers les universitaires. Le premier est que "les universitaires fournissent une main-d'œuvre plutôt bon marché", car ce qui intéresse les universitaires, plus que la rémunération, c'est d'obtenir les données de l'entreprise. Le second est que "si l'on observe la croissance et la disparition des entreprises au cours de l'histoire [...], si l'on examine les 500 sociétés du classement Fortune en 1955 et si l'on regarde où elles se trouvent aujourd'hui, moins de 70 d'entre elles font encore partie du classement For^tune 500 [...] On peut se demander pourquoi cela s'est produit. C'est parce que les entreprises ne se sont pas adaptées, n'ont pas changé avec le temps". Les universitaires, en particulier ceux qui aiment mener des expériences sur le terrain, comme List, peuvent apporter leur aide dans ce domaine.16

List affirme que "la ressource la plus précieuse au monde n'est plus le pétrole, mais les données. Tout comme le pétrole a besoin d'une raffinerie, les données ont également besoin d^'un raffineur, et c'est là que les universitaires entrent en jeu". 16

List est l'auteur de dizaines de publications dans divers domaines. Si vous souhaitez en savoir plus sur le travail qu'il a effectué en croisant la théorie économique et les dons de charité, vous pouvez trouver tous ses articles sur le sujet ici. Vous trouverez toutes ses autres publications ici.

M. List est également coauteur, avec Uri Gneezy, de The Why Axis, un livre qui décrit les aventures dans lesquelles M. Gneezy et M. List se sont embarqués pour trouver des réponses à toute une série de problèmes économiques. Leur périple les a menés du mont Kilimandjaro, en Tanzanie, au nord de l'Inde, en passant par les vignobles chauds de Californie et les rues froides de Chicago. Leurs réponses permettent de mieux comprendre les liens entre le comportement humain et l'économie.

List est également un invité fréquent du podcast Freakonomics, un empire fondé par Steven Levitt et Steven Dubner. Vous trouverez une liste des épisodes auxquels List a participé ici. Il a également été invité sur le BETA podcast, où il parle de l'importance des expériences sur le terrain, et sur le Big Brain podcast.

1. Comment John List a révolutionné l'économie en étudiant les gens dans le monde réel (Ep. 28). (2019, 12 août). Big Brain Podcast [épisode de podcast audio]. Nouvelles de l'université de Chicago. https://news.uchicago.edu/podcasts/big-brains/how-field-experiments-revolutionized-economics-with-john-list
2. https://www.richmondfed.org/-/media/richmondfedorg/publications/research/econ_focus/2012/q2-3/pdf/interview.pdf
3. List, J. A. (2011). Pourquoi les économistes devraient mener des expériences sur le terrain et 14 conseils pour y parvenir. SSRN Electronic Journal, 25(3), 3-16. https://doi.org/10.2139/ssrn.1915216
4. Cherry, K. (2020, 13 octobre). L'effet Hawthorne et les études comportementales. Verywell Mind. https://www.verywellmind.com/what-is-the-hawthorne-effect-2795234
5. List, J. A., Suskind, D. et Al-Ubaydli, O. (2019, 21 mai). La science de l'utilisation de la science : Vers une compréhension des menaces pesant sur les expériences de mise à l'échelle. Institut Becker Friedman. https://bfi.uchicago.edu/working-paper/the-science-of-using-science-towards-an-understanding-of-the-threats-to-scaling-experiments/
6. Karlan, D. et List, J. (2006). Does price matter in charitable giving ? Evidence from a large-scale natural Field experiment. American Economic Review, 97(5), 1774-1793. https://doi.org/10.3386/w12338
7. Edwards, J. et List, J. (2013). Vers une compréhension de la raison pour laquelle les suggestions fonctionnent dans la collecte de fonds caritatifs : Theory and evidence from a natural Field experiment. Journal of Public Economics, 114, 1-13. https://doi.org/10.3386/w19665
8. List, J. A. et Haigh, M. S. (2005). A simple test of expected utility theory using professional traders. Proceedings of the National Academy of Sciences, 102(3), 945-948.
9. Bondarenko, P. (n.d.). John A. List. Encyclopedia Britannica. Consulté le 23 décembre 2020 à l'adresse suivante : https://www.britannica.com/biography/John-A-List
10. Edmonds, D. (2020, 24 octobre). L'homme qui a appris à Uber à s'excuser. BBC News. https://www.bbc.com/news/stories-54613947
11. John A List. (2015, 4 juin). Alchetron.com. https://alchetron.com/John-A-List
12. UChicago Voices. (n.d.). Charitable giving. Consulté le 23 décembre 2020 sur https://voices.uchicago.edu/jlist/research/charitable-giving/
13. Harms, W. (n.d.). Finding new insights with experimental economics. Université de Chicago. Consulté le 23 décembre 2020 à l'adresse suivante : https://www.uchicago.edu/features/20120507_list/
14. Bianchi, L. (2019, 29 mars). John list parle à Crain's pour l'emporter. Faculté de droit de l'Université de Chicago. https://www.law.uchicago.edu/news/john-list-talks-crains-takeaway
15. Rosalsky, G. (2018, 6 février). Que peut nous apprendre Uber sur l'écart de rémunération entre les femmes et les hommes ? (Ep. 317). Freakonomics [épisode de podcast audio]. https://freakonomics.com/podcast/what-can-uber-teach-us-about-the-gender-pay-gap/
16. INSEAD. (2020, 26 janvier). John List explique comment les données sont la ressource la plus précieuse [Vidéo]. YouTube. https://www.youtube.com/watch?v=AW0owHHH4AU