Le modèle de choix adaptatif de stratégie (connu sous l’acronyme anglais ASCM pour Adaptive Strategy Choice Model) constitue l’un des cadres théoriques et informatiques les plus novateurs de la psychologie cognitive et du développement cognitif contemporains. Élaboré par Robert S. Siegler et Christopher Shipley au milieu des années 1990, ce modèle mathématique et conceptuel formalise la manière dont un individu sélectionne, parmi un répertoire de stratégies hétérogènes, celle qui s’avère la plus optimale pour résoudre un problème donné en fonction des contraintes de rapidité et d’exactitude. En rompant radicalement avec les conceptions développementales traditionnelles en stades linéaires, l’ASCM éclaire l’extraordinaire variabilité intra-individuelle et inter-individuelle qui caractérise la pensée humaine tout au long de la vie.
Modèle de choix adaptatif de stratégie (ASCM)
1. Définition concise
Le modèle de choix adaptatif de stratégie (ASCM) est un modèle computationnel de l’architecture cognitive humaine qui explique comment les apprenants sélectionnent dynamiquement des procédures de résolution de problèmes en fonction de l’historique d’efficacité, de précision et de rapidité associé à chaque stratégie. Il postule que la cognition opère non pas selon une séquence d’étapes rigides, mais à travers une compétition probabiliste permanente entre plusieurs stratégies coexistant au sein du répertoire de l’individu.
Dans ce cadre, la sélection d’une stratégie n’est pas nécessairement le fruit d’une délibération métacognitive consciente et laborieuse, mais émerge plutôt de mécanismes associatifs adaptatifs. Ces mécanismes évaluent en temps réel les exigences de la tâche, les caractéristiques numériques ou logiques du stimulus, et l’efficacité antérieurement démontrée de chaque méthode disponible. Le modèle rend compte avec une rare élégance formelle du double impératif d’adaptabilité et d’économie cognitive qui gouverne le traitement de l’information chez l’enfant comme chez l’adulte.
Par conséquent, l’ASCM ne constitue pas seulement un algorithme de choix décisionnel local ; il incarne une théorie générale du changement cognitif. En reliant l’expérience vécue par le sujet aux fluctuations des forces associatives internes, il décrit avec rigueur comment l’apprentissage individuel engendre à la fois l’émergence de procédures novatrices et le déclin progressif mais jamais absolu des approches plus primitives ou coûteuses.
2. Étymologie et origines linguistiques
L’appellation « modèle de choix adaptatif de stratégie » est la transposition française directe de l’expression anglo-saxonne Adaptive Strategy Choice Model (ASCM), formalisée pour la première fois par Robert S. Siegler et Christopher Shipley dans leur publication de 1995. Le vocable « modèle » provient du latin modellus, diminutif de modus signifiant « mesure », « règle » ou « manière », désignant une représentation simplifiée et opératoire d’un phénomène complexe afin d’en comprendre les régularités sous-jacentes.
Le terme « adaptatif » puise ses racines dans le verbe latin adaptare, composé du préfixe ad- (« vers ») et de l’adjectif aptus (« ajusté », « approprié »), reflétant la capacité fondamentale du système cognitif à moduler ses réponses en fonction des pressions et variations de l’environnement physique et social. Le substantif « choix », dérivé de l’ancien français choisir, d’origine gotique (kausjan, « éprouver », « goûter »), désigne l’action d’élire une voie préférentielle parmi plusieurs alternatives concurrentes.
Enfin, « stratégie » est issu du grec ancien stratēgía (στρατηγία), composé de stratos (« armée ») et d’agein (« conduire »), référant historiquement à l’art du commandement militaire avant d’être investi par les sciences cognitives pour désigner toute séquence d’opérations mentales non obligatoire mobilisée pour atteindre un but cognitif précis. L’intégration de ces racines illustre parfaitement l’essence du modèle : une formalisation scientifique de la façon dont l’esprit pilote et ajuste habilement ses manœuvres intellectuelles face aux exigences environnementales.
3. Prononciation et forme grammaticale
En français, le terme s’énonce phonétiquement sous sa forme développée /mɔ.dɛl də ʃwa a.dap.ta.tif də stʁa.te.ʒi/ ou sous son sigle d’origine /a.ɛs.se.ɛm/. D’un point de vue morphosyntaxique, il s’agit d’un syntagme nominal masculin singulier. L’adjectif « adaptatif » s’accorde en genre et en nombre avec le nom « choix », bien que certains auteurs emploient occasionnellement la tournure « modèle de choix de stratégies adaptatives », modifiant légèrement l’ancrage morphologique sans en altérer la portée conceptuelle.
Le sigle ASCM est couramment employé avec le déterminant masculin (« le modèle ASCM », « l’ASCM »). Dans la littérature spécialisée francophone de psychologie du développement et de neurosciences cognitives, il est fréquent que les auteurs conservent l’acronyme original afin de préserver l’alignement bibliographique avec les bases de données internationales, tout en traduisant intégralement la définition conceptuelle dans le corps du texte académique.
4. Explication conceptuelle approfondie
Pour appréhender l’ASCM en profondeur, il convient d’examiner le problème épistémologique auquel il répond : le paradoxe de la variabilité cognitive. Pendant des décennies, la psychologie développementale a été dominée par une vision d’escalier ou de paliers successifs, où l’enfant était supposé utiliser une et une seule façon de penser à un âge ou un stade donné. Or, l’observation minutieuse des protocoles individuels révèle exactement l’inverse : confronté trois fois de suite au même problème à quelques minutes d’intervalle, un même enfant peut employer trois stratégies différentes, alternant entre des méthodes rudimentaires et des raccourcis conceptuels sophistiqués.
L’ASCM postule que le répertoire cognitif individuel est composé d’une constellation de stratégies concurrentes. Pour un domaine précis, comme l’arithmétique élémentaire, ce répertoire peut inclure le comptage digital, le comptage verbal à partir du premier terme, le comptage à partir du terme le plus grand (stratégie min), la décomposition numérique ou la récupération directe en mémoire à long terme. Chaque stratégie possède une force associative globale (global strength), qui reflète son efficacité moyenne historique au fil de toutes les situations passées, ainsi qu’une force associative locale spécifique aux caractéristiques exactes du problème traité.
Lorsqu’une tâche est présentée, l’architecture computationnelle de l’ASCM simule une étape d’activation : la probabilité qu’une stratégie soit sélectionnée est proportionnelle à sa force associative relative par rapport à la somme des forces associatives de toutes les stratégies du répertoire. Si une stratégie est sélectionnée, le système tente de l’exécuter. L’exécution génère une vitesse de résolution mesurable et un résultat, qui est ensuite comparé à un critère de confiance interne (confidence criterion). Si le résultat satisfait ce critère, la réponse est produite ; dans le cas contraire, une stratégie alternative plus coûteuse peut être appelée en renfort.
Le cœur battant du modèle réside dans sa boucle de rétroaction adaptative. Dès qu’un problème est résolu, la base de connaissances du modèle s’actualise automatiquement : si la stratégie choisie a produit une réponse exacte et rapide, ses forces associatives globales et locales sont incrémentées, augmentant la probabilité de sa réélection ultérieure. En revanche, si la stratégie a généré une erreur ou un temps d’exécution rédhibitoire, elle subit une pénalisation relative. Ce mécanisme adaptatif garantit que le système cognitif maximise son efficacité sans nécessiter d’homoncule ou de superviseur central omniscient : l’intelligence et la flexibilité émergent organiquement des interactions statistiques entre l’organisme et son environnement d’apprentissage.
5. Évolution et développement historique
L’émergence de l’ASCM s’inscrit en rupture avec le paradigme piagétien dominant du XXe siècle. Alors que Jean Piaget modélisait le développement de l’intelligence comme une succession d’étapes structurales homogènes (stade sensori-moteur, préopératoire, opératoire concret, opératoire formel), les travaux empiriques menés à la fin des années 1970 et durant les années 1980 ont mis en lumière une hétérogénéité massive et irréductible dans les conduites des sujets, remettant en cause l’existence même de structures d’ensemble synchrones.
Dans les années 1980, Robert Siegler accumule des données empiriques rigoureuses grâce à l’analyse microgénétique des comportements d’enfants confrontés à des additions, des soustractions et des problèmes de balance de poids. Ces observations le conduisent à formuler la théorie des vagues chevauchantes (overlapping waves theory). Selon cette perspective métaphorique, le développement ressemble non pas à une série de marches d’escalier que l’on gravit successivement, mais à un ensemble de vagues qui se chevauchent : plusieurs stratégies se développent, atteignent un pic d’utilisation, puis refluent au profit d’autres approches, sans pour autant disparaître totalement du paysage mental.
Toutefois, la métaphore des vagues chevauchantes nécessitait une formalisation computationnelle précise pour prouver sa viabilité mathématique. C’est en 1995 que Robert Siegler et Christopher Shipley publient l’architecture formelle de l’ASCM. En implémentant ce modèle sous forme de simulation informatique, ils démontrent qu’un ensemble restreint de règles associatives simples permet de reproduire fidèlement les courbes d’apprentissage, les temps de réaction et les taux d’erreur observés chez les enfants en situation scolaire réelle.
Au fil des décennies suivantes, le modèle original a été affiné et étendu. Face à certaines limites computationnelles de l’ASCM initial — notamment sa relative dépendance à l’égard de paramètres prédéfinis pour la génération de nouvelles procédures —, Siegler et ses collaborateurs ont développé le modèle SCADS (Strategy Choice and Discovery Simulation) à la fin des années 1990, puis SCADS* au début des années 2000. Ces variantes évoluées intègrent des mécanismes d’apprentissage métacognitif et de découverte heuristique, démontrant comment l’esprit humain est capable d’inventer de nouvelles stratégies conceptuelles par analyse de ses propres réussites et échecs opérationnels.
6. Fondements théoriques et épistémologiques
D’un point de vue épistémologique, l’ASCM se situe au carrefour du connexionnisme, du darwinisme neuronal et cognitif, et des approches bayésiennes du traitement de l’information. L’inspiration évolutionniste y est manifeste : le modèle transpose les principes de sélection naturelle (variation, compétition, sélection et rétention) à l’échelle des micro-opérations de la pensée humaine. La variabilité n’y est plus interprétée comme un « bruit » méthodologique ou une imperfection de performance, mais comme la condition sine qua non de l’adaptation cognitive.
Sur le plan structural, l’ASCM emprunte aux réseaux sémantiques et à la théorie des traces mnésiques. Il postule que la mémoire à long terme encode des associations bidirectionnelles entre des représentations d’items (par exemple, l’équation « 4 + 3 ») et des réponses possibles, ainsi qu’entre ces items et les procédures de calcul disponibles. L’architecture repose sur l’idée que le système cherche en permanence à optimiser un compromis coût-bénéfice entre deux impératifs souvent contradictoires :
- La précision (accuracy) : maximiser la probabilité de fournir une réponse exacte et conforme à la vérité objective ou logique de la tâche ;
- L’efficience temporelle (speed) : minimiser la durée du traitement mental et la mobilisation des ressources attentionnelles et de la mémoire de travail.
Sur le plan philosophique, l’ASCM défend une conception située et incarnée de la rationalité, proche de la théorie de la rationalité limitée (bounded rationality) conceptualisée par Herbert Simon. L’être humain n’est pas un calculateur idéal disposant de ressources illimitées pour déterminer algorithmiquement la solution parfaite. Au contraire, le système cognitif mobilise des heuristiques probabilistes qui sélectionnent la « stratégie satisfaisante » la plus économique compte tenu de la charge cognitive instantanée et de l’état d’expertise actuel du sujet.
7. Composantes clés, dimensions et mécanismes
Le modèle ASCM s’articule autour d’une série d’éléments architecturaux et d’équations de transition qui régissent la dynamique du choix cognitif. Les composantes fondamentales se déclinent comme suit :
- Le répertoire stratégique (Strategy Repertoire) : ensemble exhaustif des procédures cognitives dont dispose un individu à un moment donné de sa trajectoire pour résoudre une classe de problèmes déterminée.
- La force globale de la stratégie (Global Strength) : valeur numérique cumulative qui reflète l’efficacité générale historique de la stratégie à travers l’ensemble des problèmes auxquels elle a déjà été appliquée.
- La force spécifique au problème (Feature-based Strength) : pondération associative liant une stratégie donnée à un item particulier ou à une configuration spécifique de caractéristiques perceptives et numériques.
- Le critère de confiance (Confidence Criterion) : seuil de certitude interne exigé par le sujet avant d’émettre une réponse extérieure. Ce paramètre varie selon la personnalité (audace, perfectionnisme), les consignes contextuelles et le niveau de stress environnemental.
- Le mécanisme de recherche en mémoire (Retrieval Threshold) : processus probabiliste par lequel une réponse directe est extraite de la mémoire sémantique si l’activation d’une association dépasse le seuil critique défini par le critère de confiance.
- Les procédures de secours (Back-up Strategies) : ensemble des démarches algorithmiques plus explicites (ex. comptage matériel, décomposition) déployées lorsque la récupération directe en mémoire échoue ou fournit un résultat trop incertain.
- Le système d’apprentissage et de rétroaction (Feedback Loop) : algorithme d’ajustement qui réévalue les forces globales et spécifiques immédiatement après la résolution, assurant l’apprentissage incrémental et l’adaptation continue du système.
8. Exemples et illustrations empiriques
L’illustration canonique de l’ASCM concerne l’apprentissage de l’arithmétique élémentaire chez les enfants d’âge préscolaire et primaire, champ d’expérimentation historique privilégié de Siegler. Considérons un enfant de six ans confronté à l’addition simple 3 + 8. Au sein de son répertoire cognitif, plusieurs stratégies coexistent en compétition directe :
La première stratégie est la récupération directe en mémoire (dire immédiatement « 11 »). Cette stratégie est la plus rapide et la moins coûteuse en ressources cognitives. Si l’association entre « 3 + 8 » et « 11 » est solidement ancrée, la réponse émerge instantanément. Toutefois, si l’association est encore fragile, le niveau d’activation reste inférieur au critère de confiance interne de l’enfant, bloquant la production immédiate de la réponse par crainte de l’erreur.
Le modèle bascule alors vers une stratégie de secours. L’enfant peut choisir la stratégie de la somme totale (représenter 3 doigts, puis 8 doigts, et compter un à un depuis le début : 1, 2, 3… jusqu’à 11), méthode extrêmement sûre quant à l’exactitude mais lente et coûteuse. Alternativement, il peut employer la stratégie d’accès au premier terme (partir de 3 et compter huit unités : 4, 5, 6, 7, 8, 9, 10, 11). Enfin, il peut sélectionner la stratégie min (identifier le plus grand opérande, 8, et n’incrémenter que 3 unités : 9, 10, 11).
Dans le fonctionnement de l’ASCM, la découverte et l’application répétée de la stratégie min rapportent un bénéfice adaptatif massif : elle est presque aussi rapide que la récupération directe et bien plus fiable que le recomptage intégral. À chaque essai réussi avec la stratégie min, sa force associative augmente. En conséquence, les observations longitudinales montrent que l’usage du comptage intégral s’effondre progressivement au profit de la stratégie min, laquelle est à son tour graduellement supplantée par la récupération directe en mémoire à mesure que les faits numériques s’automatisent dans le réseau sémantique.
Un autre exemple concret s’observe chez l’adulte expert confronté à des opérations complexes, comme l’estimation du produit 48 × 22. L’adulte peut mobiliser une stratégie d’arrondi par défaut (40 × 20 = 800), un arrondi mixte (50 × 20 = 1000), ou une décomposition exacte ((50 – 2) × 22 = 1100 – 44 = 1056). L’ASCM prédit avec précision comment l’adulte sélectionne la stratégie la plus adaptée selon qu’on lui impose une contrainte de temps sévère de deux secondes ou qu’on lui demande une estimation d’une rigueur absolue.
9. Méthodes de mesure et évaluation empirique
Pour mesurer et valider empiriquement les mécanismes décrits par l’ASCM, les chercheurs en psychologie cognitive ne peuvent se contenter de simples tests standardisés sur papier, qui n’enregistrent que le résultat final sans révéler le cheminement cognitif. La communauté scientifique a donc recours à une combinaison de méthodologies de haute précision :
La méthode reine demeure la méthodologie microgénétique. Elle consiste à observer les individus de manière intensive tout au long de la période durant laquelle un changement cognitif se produit. Les participants sont soumis à de multiples séances de résolution rapprochées, enregistrées par vidéo et couplées à des analyses comportementales directes (observation des mouvements des lèvres, du regard, des gestes des doigts et des hésitations posturales).
Une composante méthodologique essentielle réside dans le recueil des protocoles verbaux immédiats (trial-by-trial verbal reports). Immédiatement après avoir produit sa réponse, le participant est invité à expliciter comment il s’y est pris pour trouver la solution (« Comment as-tu fait pour trouver ce nombre ? »). Contrairement aux rétrospections différées qui souffrent de biais mnésiques massifs, les verbalisations essai par essai affichent un taux de validité concourante exceptionnel lorsqu’elles sont corrélées aux temps de réaction chronométriques mesurés au millième de seconde.
Plus récemment, l’appareillage expérimental s’est enrichi de l’oculométrie (eye-tracking) et des mesures d’imagerie cérébrale fonctionnelle (IRMf et électroencéphalographie à haute densité). L’oculométrie permet de suivre en continu les fixations visuelles sur les différents opérandes, révélant par exemple si l’enfant fixe d’abord le chiffre 8 avant le chiffre 3 dans l’addition « 3 + 8 », confirmant objectivement la mise en œuvre de la stratégie min avant même le début de la verbalisation ou de la réponse motrice.
10. Applications pratiques et portée éducative
Les répercussions pratiques de l’ASCM sont considérables, en particulier dans le champ de la pédagogie et des sciences cognitives appliquées aux apprentissages scolaires fondamentaux. En démontrant que la variabilité stratégique est la marque normale et saine d’un système cognitif en phase d’apprentissage actif, le modèle invite à repenser en profondeur l’enseignement des mathématiques, de la lecture et des sciences :
D’un point de vue didactique, l’ASCM démontre les limites des approches pédagogiques dogmatiques qui imposent aux élèves une « méthode unique standard » de résolution. Au contraire, les interventions éducatives guidées par l’ASCM encouragent l’explicitation collective d’une diversité de stratégies au sein de la classe. Lorsque les enseignants permettent aux élèves de confronter leurs différentes manières de résoudre un même problème arithmétique ou orthographique, ils enrichissent artificiellement le répertoire de chacun et stimulent l’évaluation comparative du coût et du bénéfice des différentes procédures.
En outre, le modèle offre une clé d’intervention majeure pour la remédiation cognitive auprès d’enfants souffrant de troubles des apprentissages, tels que la dyscalculie développementale ou les difficultés spécifiques en compréhension de texte. L’analyse révèle souvent que ces enfants ne manquent pas d’intelligence générale, mais que leur répertoire stratégique est anormalement rigide ou que leur critère de confiance interne est mal calibré : soit ils s’enferment dans des stratégies primitives très coûteuses par peur d’échouer, soit ils tentent prématurément la récupération directe en mémoire sans posséder les traces mnésiques stabilisées nécessaires, conduisant à des taux d’erreur élevés.
Dans le domaine de la conception d’environnements numériques d’apprentissage et de tuteurs intelligents, les équations de l’ASCM servent de socle computationnel pour modéliser le profil cognitif de l’apprenant. Le logiciel peut détecter en temps réel quelle stratégie l’élève utilise en analysant la latence de ses réponses et la nature de ses erreurs, et adapter dynamiquement la difficulté des exercices proposés pour guider l’élève vers des procédures plus performantes et plus abstraites.
11. Recherche empirique et preuves scientifiques
Depuis son énonciation initiale, l’ASCM et ses prolongements théoriques ont fait l’objet d’une abondante validation empirique dans une multitude de domaines cognitifs dépassant largement le seul cadre de l’arithmétique élémentaire. Les travaux pionniers de Robert S. Siegler et de ses collègues ont d’abord confirmé les prédictions du modèle dans des tâches de calcul mental chez les enfants américains, démontrant une convergence remarquable entre les simulations informatiques et les données comportementales réelles.
Dans l’espace francophone, les recherches remarquables conduites par Patrick Lemaire et ses collaborateurs au sein du Centre de Recherche en Psychologie de la Connaissance, du Langage et de l’Émotion ont étendu le paradigme du choix de stratégie à l’étude du vieillissement cognitif et de l’expertise adulte. Les travaux de Lemaire ont systématiquement exploré ce qu’il a conceptualisé comme les quatre dimensions fondamentales du comportement stratégique :
- Le répertoire stratégique : quelles stratégies sont employées ?
- La distribution stratégique : à quelle fréquence chaque stratégie est-elle mobilisée ?
- L’exécution stratégique : quelle est l’efficacité (vitesse et précision) de chaque stratégie lorsqu’elle est sollicitée ?
- La sélection stratégique : comment le choix de la stratégie est-il modulé en fonction des caractéristiques intrinsèques de la tâche et des contraintes contextuelles ?
Les recherches empiriques en neuro-imagerie ont apporté un soutien structural décisif aux postulats de l’ASCM. Des études menées par des équipes internationales ont montré que la sélection stratégique implique une réorganisation fonctionnelle au sein du réseau fronto-pariétal. Le cortex préfrontal dorsolatéral et le cortex cingulaire antérieur sont fortement sollicités lors de la résolution de conflits entre stratégies concurrentes, tandis que les zones pariétales (notamment le sillon intrapariétal) sous-tendent les calculs procéduraux et la manipulation spatio-numérique. Ces données prouvent que le choix adaptatif de stratégie s’appuie sur une machinerie cérébrale spécialisée dans l’évaluation de la valeur et la régulation exécutive.
12. Considérations culturelles et interculturelles
L’universalité des principes computationnels de l’ASCM cohabite avec une sensibilité marquée aux influences culturelles et éducatives. Si la dynamique formelle de compétition et de renforcement associatif semble universelle, la trajectoire développementale concrète, la vitesse de transition entre stratégies et la composition même des répertoires varient considérablement d’une culture à une autre :
Les études comparatives menées entre enfants occidentaux (nord-américains et européens) et enfants d’Asie de l’Est (Chine, Japon, Taïwan) ont mis en évidence des écarts spectaculaires dans la distribution stratégique. Dès l’âge de cinq ou six ans, les enfants chinois privilégient massivement la récupération directe en mémoire et la décomposition modulaire en base 10 (la stratégie du « complément à dix »), abandonnant beaucoup plus précocement que leurs pairs occidentaux les stratégies de comptage sur les doigts. Cette avance ne s’explique pas par une différence de maturation biologique, mais par la structure linguistique hautement transparente des systèmes de numération asiatiques, couplée à un entraînement intensif précoce et à des pratiques éducatives familiales valorisant l’automatisation des faits numériques.
Par ailleurs, la valorisation culturelle de l’exactitude par rapport à la vitesse modifie directement le calibrage du critère de confiance interne modélisé dans l’ASCM. Dans certains environnements scolaires où l’erreur est sévèrement stigmatisée, les apprenants maintiennent un critère de confiance anormalement élevé, ce qui les conduit à continuer d’utiliser des stratégies d’appui manuelles et coûteuses bien au-delà de l’âge habituel, retardant la transition vers des stratégies d’abstraction plus rapides mais jugées subjectivement plus risquées.
13. Critiques, controverses et limites
Malgré sa puissance explicative et son élégance formelle, le modèle ASCM a suscité plusieurs débats scientifiques intenses au sein de la communauté des psychologues cognitivistes :
Une première critique récurrente concerne la génération de nouvelles stratégies. Dans la formulation princeps de l’ASCM de 1995, le modèle était fondamentalement un modèle de sélection et non de découverte : les différentes stratégies devaient être pré-programmées dans le répertoire initial de la simulation. Des auteurs ont fait valoir que le modèle échouait à expliquer comment un enfant, sans instruction explicite extérieure, parvient à inventer soudainement une procédure inédite et conceptuellement supérieure. C’est précisément pour lever cette objection majeure que Siegler a ultérieurement développé le modèle SCADS, doté d’un module de génération heuristique guidé par des principes d’évaluation conceptuelle.
Une seconde controverse porte sur le statut de la métacognition consciente. En attribuant la sélection stratégique à des mécanismes associatifs implicites quasi-automatiques, l’ASCM tend à reléguer au second plan la réflexion consciente, l’auto-régulation métacognitive explicite et les sentiments d’efficacité personnelle. Plusieurs théoriciens de la métacognition soutiennent que si le choix associatif explique adéquatement les micro-décisions en calcul rapide, les choix de stratégies complexes dans des contextes non répétitifs (comme la résolution de problèmes scientifiques ou la dissertation philosophique) requièrent une délibération consciente explicite que les équations de l’ASCM peinent à englober intégralement.
Enfin, certains modélisateurs du courant connexionniste pur ont reproché à l’ASCM de conserver une ontologie symbolique où les « stratégies » sont encore définies comme des entités discrètes prédéterminées. Pour ces détracteurs, le comportement stratégique devrait être modélisé comme un état attracteur continu émergeant d’un réseau de neurones formels distribué, sans qu’il soit nécessaire d’étiqueter artificiellement des procédures isolées au sein de l’architecture logicielle.
14. Notions connexes et distinctions conceptuelles
Afin d’éviter tout écueil terminologique ou conceptuel, il est indispensable de distinguer l’ASCM d’autres cadres théoriques voisins :
- Théorie des stades de Piaget : contrairement à l’approche piagétienne qui postule des structures cognitives globales uniformes se remplaçant mutuellement par paliers, l’ASCM affirme la coexistence permanente et adaptative de multiples stratégies au sein d’un même individu.
- Théorie des vagues chevauchantes (Overlapping Waves Theory) : la théorie des vagues chevauchantes constitue le cadre théorique et métaphorique général développé par Siegler, tandis que l’ASCM en est l’implémentation algorithmique, formelle et mathématique rigoureuse.
- Modèle SCADS (Strategy Choice and Discovery Simulation) : successeur direct de l’ASCM, le SCADS intègre en plus de la sélection adaptative un mécanisme autonome de génération et de découverte de nouvelles stratégies basé sur l’analyse de sous-buts.
- Heuristique de jugement (Tversky & Kahneman) : alors que les heuristiques en économie comportementale sont souvent présentées comme des raccourcis cognitifs inducteurs de biais systématiques et d’irrationalité, les choix stratégiques dans l’ASCM sont fondamentalement adaptatifs, rationnels et optimisateurs compte tenu des contraintes d’efficience.
- Compétence métacognitive : la métacognition désigne la connaissance explicite et consciente qu’un individu possède sur ses propres processus cognitifs, alors que l’ASCM démontre que le choix stratégique peut s’opérer de façon hautement efficace par des mécanismes associatifs inconscients.
15. Synthèse et points clés à retenir
En conclusion, le modèle de choix adaptatif de stratégie (ASCM) représente une avancée fondamentale dans la compréhension de l’architecture cognitive et du développement humain. Ses contributions majeures peuvent être synthétisées ainsi :
L’ASCM a définitivement réhabilité la variabilité cognitive, démontrant qu’elle n’est pas un artefact méthodologique mais le moteur essentiel de l’apprentissage et de l’adaptation intellectuelle tout au long de la vie. L’individu dispose d’un vaste répertoire de procédures dont l’utilisation varie dynamiquement d’une minute à l’autre selon les exigences de la tâche.
Le modèle formalise le choix adaptatif comme l’émergence d’une compétition probabiliste réglée par le passé d’apprentissage du sujet. Chaque stratégie est continuellement réévaluée en termes de rapidité et de précision grâce à une boucle de rétroaction associative qui incrémente ou pénalise sa force globale et spécifique.
Par son dépassement du paradigme des stades rigides au profit de la théorie des vagues chevauchantes, l’ASCM a profondément renouvelé la psychologie du développement, les neurosciences cognitives et les pratiques éducatives. Il invite les pédagogues et les cliniciens à soutenir la flexibilité stratégique des apprenants plutôt qu’à leur imposer une voie procédurale unique et standardisée.
Références
- Lemaire, P., & Siegler, R. S. (1995). Four aspects of strategic change: Contributions to children’s learning of multiplication. Journal of Experimental Psychology: General, 124(1), 83–97. https://doi.org/10.1037/0096-3445.124.1.83
- Siegler, R. S. (1996). Emerging minds: The process of change in children’s thinking. Oxford University Press.
- Siegler, R. S., & Shipley, C. (1995). Variation, selection, and cognitive change. In G. Halford & T. Simon (Eds.), Developing cognitive competence: New approaches to process modeling (pp. 31–76). Lawrence Erlbaum Associates.
- Siegler, R. S., & Stern, E. (1998). Conscious and unconscious strategy discoveries: A microgenetic analysis. Journal of Experimental Psychology: General, 127(4), 377–397. https://doi.org/10.1037/0096-3445.127.4.377
- Shrager, J., & Siegler, R. S. (1998). SCADS: A model of children’s strategy choices and strategy discoveries. Psychological Science, 9(5), 405–410. https://doi.org/10.1111/1467-9280.00076