Face à une incertitude complexe, l’esprit humain privilégie spontanément les détails anecdotiques au détriment des données statistiques fondamentales qui régissent pourtant la réalité objective. Ce décalage systématique entre le raisonnement intuitif et les lois formelles du calcul des probabilités constitue le cœur de l’oubli de la fréquence de base, une distorsion cognitive majeure aux répercussions profondes dans les diagnostics médicaux, les jugements judiciaires et les choix économiques contemporains.
Oubli de la fréquence de base
1. Définition concise
L’oubli de la fréquence de base (ou négligence du taux de base) est un biais cognitif par lequel un individu évalue la probabilité d’un événement en accordant une importance démesurée à des informations spécifiques, individualisantes ou stéréotypiques récentes, tout en ignorant ou en sous-estimant la prévalence statistique globale de cet événement au sein de la population de référence.
Dans le cadre de la psychologie cognitive et du jugement probabiliste, ce phénomène traduit une incapacité récurrente à intégrer le principe mathématique de la probabilité a priori formulé par le théorème de Bayes. L’évaluateur concentre son attention sur la ressemblance apparente d’un cas particulier avec un modèle mental préexistant, négligeant le fait statistique qu’une condition très rare demeure improbable, même lorsqu’un indice diagnostique ou une description descriptive semble en indiquer la présence.
Ce biais ne résulte pas d’une simple méconnaissance accidentelle des données chiffrées, mais d’une architecture cognitive orientée préférentiellement vers la saillance qualitative et la cohérence narrative plutôt que vers le traitement algorithmique des proportions numériques et des fréquences relatives.
2. Étymologie et origine linguistique
L’expression française « oubli de la fréquence de base » traduit directement le concept anglophone de base-rate fallacy ou base-rate neglect. Le terme « base » dérive du grec ancien basis (fondement, assise, point d’appui), signifiant ici le socle statistique ou le point de départ préalable à toute observation additionnelle. Le terme « fréquence » tire son origine du latin frequentia (affluence, répétition constante), désignant en métrologie et en statistique le nombre d’occurrences d’un événement rapporté à l’ensemble des observations possibles.
Le vocable « sophisme » ou « oubli » (reflétant le mot anglais fallacy, dérivé du latin fallacia, désignant la tromperie, la ruse ou le raisonnement captieux) met en exergue l’erreur d’inférence logique commise par le sujet. Le terme a été introduit dans la littérature scientifique moderne de la psychologie du raisonnement par les psychologues cognitifs Daniel Kahneman et Amos Tversky au début des années 1970, bien que des précurseurs en psychométrie clinique comme Paul Meehl eussent identifié dès les années 1950 la propension des praticiens à ignorer les taux de prévalence clinique.
3. Prononciation et forme grammaticale
En français standard, l’expression se prononce phonétiquement [u.bli də la fʁe.kɑ̃s də baz]. Sur le plan morphosyntaxique, il s’agit d’un syntagme nominal masculin singulier composé d’un nom abstrait (« oubli »), suivi d’un syntagme prépositionnel complément de nom complexe (« de la fréquence de base »).
Dans la littérature francophone spécialisée en sciences cognitives, en neurobiologie de la décision et en économie comportementale, on observe plusieurs variantes synonymiques usuelles : « négligence du taux de base », « sophisme de la fréquence de base », « négligence de la probabilité a priori » ou encore « biais du taux de base ». L’usage privilégie généralement « négligence de la fréquence de base » lorsqu’on met l’accent sur le processus attentionnel sous-jacent, et « sophisme du taux de base » lorsqu’on examine la défaillance logique formelle.
4. Explication conceptuelle détaillée
Pour appréhender la portée de l’oubli de la fréquence de base, il est impératif de situer ce phénomène au croisement de la théorie des probabilités et de la psychologie cognitive. Selon la formule canonique de Thomas Bayes, la probabilité a posteriori qu’une hypothèse H soit vérifiée compte tenu de l’observation d’un indice ou symptôme E (notée P(H|E)) dépend rigoureusement de trois facteurs fondamentaux : la probabilité a priori de l’hypothèse P(H), la sensibilité de l’indice P(E|H), et la probabilité marginale de l’indice P(E). Mathématiquement, cela s’énonce ainsi :
P(H|E) = [P(E|H) × P(H)] / P(E)
L’erreur conceptuelle réside dans le fait que les individus traitent intuitivement la probabilité conditionnelle inverse P(E|H) comme étant égale ou très proche de P(H|E). C’est ce que les psychologues appellent la confusion de l’inverse ou la confusion transpositionnelle. Par exemple, si une maladie rare touche une personne sur mille (P(H) = 0,001) et qu’un test diagnostique présente un taux d’exactitude de 95 % (P(E|H) = 0,95) avec un taux de faux positifs de 5 %, un individu lambda estimera généralement qu’un résultat positif indique une probabilité d’environ 95 % d’être malade. Or, dans un groupe de 1 000 personnes, la seule personne réellement malade sera vraisemblablement détectée positive, mais les 999 personnes saines généreront approximativement 50 faux positifs (5 % de 999). Ainsi, sur les 51 tests positifs, un seul correspond à un patient effectivement atteint, ce qui ramène la probabilité réelle d’infection P(H|E) à environ 1 sur 51, soit moins de 2 %.
Le mécanisme psychologique à l’œuvre découle du fait que le cerveau humain traite difficilement les fractions et les espaces probabilistes abstraits lorsqu’une information individualisée concrète est disponible. Dès qu’un cas présente des attributs singuliers (un résultat de laboratoire positif, une personnalité atypique, un témoignage oculaire précis), ces attributs génèrent une focalisation attentionnelle intense. L’information descriptive acquiert alors un poids psychologique disproportionné, tandis que la fréquence statistique abstraite, perçue comme impersonnelle et générale, disparaît complètement du calcul mental intuitif.
La frontière de ce concept se délimite précisément par rapport aux pures lacunes de calcul arithmétique. L’oubli de la fréquence de base n’est pas réductible à une ignorance des mathématiques : il persiste y compris chez des individus statistiquement éduqués, des médecins chevronnés et des magistrats professionnels lorsque les problèmes sont formulés sous une forme probabiliste standard. Ce biais met ainsi en lumière une dissociation fondamentale entre les représentations sémantiques intuitives et les règles formelles de la cohérence mathématique.
5. Évolution et développement historique
La prise de conscience de l’importance des taux de base trouve ses racines historiques dans les travaux pionniers de Paul Meehl et Albert Rosen (1955). Ces derniers publièrent un article séminal dans le Psychological Bulletin démontrant que l’efficacité diagnostique des tests psychométriques ne pouvait être évaluée sans tenir compte de la fréquence de base du trouble dans la population clinique considérée. Meehl constatait avec préoccupation que les cliniciens surinterprétaient systématiquement les résultats de tests comme le MMPI en ignorant que des anomalies comportementales rares sont mathématiquement très difficiles à prédire sans générer une avalanche de faux positifs.
Au début des années 1970, l’étude expérimentale de ce phénomène connut une révolution méthodologique grâce aux recherches de Daniel Kahneman et Amos Tversky. Dans une série d’articles historiques (notamment Kahneman & Tversky, 1972, 1973), ces chercheurs introduisirent le programme de recherche sur les heuristiques et biais. À travers des expériences emblématiques, dont la fameuse étude sur le problème des ingénieurs et des avocats, ils démontrèrent expérimentalement que les participants ignoraient totalement les pourcentages initiaux de répartition dès lors qu’une brève description psychologique stéréotypée leur était soumise.
Dans les années 1980, Maya Bar-Hillel (1980) approfondit considérablement la compréhension du problème en proposant une théorie de la pertinence informationnelle. Bar-Hillel démontra que les taux de base ne sont pas arbitrairement négligés par simple distraction, mais qu’ils sont rejetés lorsque les individus ne leur attribuent aucune pertinence causale directe avec le cas individuel à évaluer. Dès lors qu’un taux de base peut être interprété comme une force causale agissante, son intégration par les sujets augmente de manière substantielle.
Une seconde rupture théorique majeure survint dans les années 1990 avec les travaux de Gerd Gigerenzer et Ulrich Hoffrage (1995). Ces psychologues proposèrent l’approche de la rationalité écologique, postulant que l’esprit humain n’a pas évolué pour traiter des probabilités bayésiennes abstraites ou des pourcentages normalisés, mais des fréquences naturelles observées séquentiellement dans l’environnement ancestral. Gigerenzer montra que lorsque les problèmes probabilistes sont reconfigurés sous forme de décomptes concrets d’individus (par exemple, « 10 personnes sur 1 000 » au lieu de « 1 % »), l’oubli du taux de base diminue drastiquement et le raisonnement bayésien redevient spontanément accessible aux décideurs non initiés.
6. Fondements théoriques
L’explication cognitive de l’oubli de la fréquence de base s’ancre principalement dans la théorie du double processus de la cognition, formalisée par des auteurs comme Jonathan Evans et Keith Stanovich, et popularisée par Daniel Kahneman. Selon ce paradigme, la pensée humaine opère selon deux modes complémentaires :
Le Système 1 (pensée intuitive, rapide, automatique, associative et peu coûteuse en ressources cognitives) réagit immédiatement aux caractéristiques descriptives et saillantes d’une situation en recourant à l’heuristique de représentativité. Le Système 2 (pensée analytique, lente, délibérative, séquentielle et exigeante en énergie cognitive) est seul capable d’effectuer les opérations combinatoires et les calculs proportionnels exigés par le raisonnement bayésien formel. Face à un problème statistique, le Système 1 produit instantanément une réponse fondée sur la similarité narrative perçue, et le Système 2, par paresse cognitive ou par manque d’inhibition attentionnelle, avalise cette réponse intuitive sans procéder aux vérifications algorithmiques requises.
Sur le plan computationnel, le modèle s’adosse à la notion de rationalité limitée formulée à l’origine par Herbert Simon. Les agents cognitifs disposent d’une mémoire de travail et d’une capacité de traitement finies. Face à la profusion d’informations ambiantes, l’esprit optimise son effort en utilisant des règles heuristiques simples. Dans ce cadre théorique, l’information spécifique est traitée comme un signal hautement diagnostique immédiat, tandis que les taux de base sont rangés dans la catégorie des bruits de fond contextuels.
Enfin, le modèle de l’heuristique de pertinence stipule que la communication humaine obéit à des conventions implicites, telles que les maximes conversationnelles de Paul Grice. Lorsque des expérimentateurs fournissent aux participants une description de personnalité détaillée, les sujets présument légitimement, en vertu du principe de coopération conversationnelle, que cette information est pertinente et doit être déterminante pour la décision. Ce biais méthodologique des protocoles expérimentaux explique en partie la sous-utilisation apparente des paramètres probabilistes de base dans les études en laboratoire.
7. Composantes clés, types et dimensions
La déconstruction structurelle de l’oubli de la fréquence de base permet d’en identifier les paramètres cognitifs et contextuels élémentaires :
- L’insensibilité à la probabilité a priori : Tendance cognitive systématique à traiter un événement comme ayant une probabilité équiprobable ou indéterminée dès lors qu’un indice singulier est introduit dans le champ perceptif, occultant la rareté ou la banalité intrinsèque de l’état du monde étudié.
- La confusion entre sensibilité et valeur prédictive : Incapacité chronique à distinguer la probabilité d’observer un symptôme sachant que la condition existe (sensibilité : P(E|H)) et la probabilité que la condition existe sachant que le symptôme est observé (valeur prédictive positive : P(H|E)).
- La médiation par l’heuristique de représentativité : Mécanisme de substitution heuristique où la probabilité subjective d’appartenance à une catégorie est jugée uniquement sur la base du degré de ressemblance physique, comportementale ou narrative entre l’exemplaire examiné et le prototype conceptuel de cette catégorie.
- Le type de formulation informationnelle (fréquences versus pourcentages) : Dimension sémiotique démontrant que la présentation sous forme de ratios décimaux ou de pourcentages abstraits exacerbe l’oubli du taux de base, alors que l’expression en fréquences naturelles directes restaure la transparence computationnelle.
- Le statut causal du taux de base : Distinction fondamentale démontrant que les taux de base causaux (qui s’expliquent par un lien de cause à effet direct dans l’esprit du sujet) sont significativement mieux pris en compte que les taux de base purement statistiques (considérés comme de simples agrégats descriptifs sans pouvoir causal perceptible).
8. Exemples et cas illustratifs
L’expérience princeps des « ingénieurs et avocats » menée par Kahneman et Tversky (1973) constitue l’exemple canonique de ce biais. Les chercheurs informèrent les participants qu’un échantillon était composé de 70 ingénieurs et de 30 avocats (pour un premier groupe), ou inversement de 30 ingénieurs et 70 avocats (pour un second groupe). On présenta ensuite la description suivante de « Jack » : « Jack est un homme de 45 ans. Il est marié et a quatre enfants. Il est généralement conservateur, méticuleux et ambitieux. Il ne s’intéresse guère aux questions politiques ou sociales et consacre la plupart de ses loisirs à ses nombreux passe-temps, qui comprennent la menuiserie, la voile et les casse-têtes mathématiques. » Les participants des deux groupes jugèrent que la probabilité que Jack soit ingénieur était supérieure à 90 %, ignorant totalement que dans l’un des groupes, la probabilité a priori n’était que de 30 %. Plus révélateur encore : lorsqu’une description complètement vide et non informative était fournie (« Jack est un homme de 30 ans marié sans enfants »), les participants attribuèrent une probabilité de 50 %, négligeant une nouvelle fois la fréquence de base de 70/30.
Dans le domaine médical, l’exemple classique du dépistage du cancer du sein par mammographie chez des femmes de 40 ans illustre les conséquences tragiques de ce biais. Supposons une prévalence de la maladie de 1 % dans cette tranche d’âge. Le test présente une sensibilité de 90 % (il détecte 90 % des cancers réels) et une spécificité de 91 % (il génère 9 % de faux positifs chez les patientes saines). Lorsqu’un médecin annonce un résultat positif à une patiente, la grande majorité des praticiens et des patientes estiment intuitivement le risque de malignité à environ 90 %. Or, sur 1 000 femmes : 10 sont malades (dont 9 seront positives) et 990 sont saines (dont 89 seront faussement positives). Le total des résultats positifs est de 98 (9 + 89). La probabilité réelle qu’une femme testée positive soit effectivement atteinte de cancer n’est donc que de 9 sur 98, soit environ 9,2 %. Ignorer le taux de base de 1 % conduit à surestimer le danger d’un facteur 10, provoquant un désarroi psychologique dévastateur et des procédures invasives inutiles.
Un autre cas emblématique est le problème du taxi de nuit, conçu par Amos Tversky et Daniel Kahneman. Dans une ville où opèrent deux compagnies de taxis — les Taxis Verts (85 % de la flotte) et les Taxis Bleus (15 % de la flotte) —, un accident nocturne implique un taxi qui prend la fuite. Un témoin identifie le véhicule comme étant un Taxi Bleu. Les tests de vision conduits dans des conditions d’obscurité identiques démontrent que le témoin identifie correctement la couleur dans 80 % des cas, mais se trompe dans 20 % des cas. Interrogés sur la probabilité que le taxi coupable soit effectivement bleu, la plupart des sujets répondent 80 %. En réalité, d’après les fréquences de base, sur 100 taxis : 85 sont verts (le témoin en jugera 17 bleus par erreur) et 15 sont bleus (le témoin en reconnaîtra 12 correctement). Parmi les 29 fois où le témoin déclare avoir vu un taxi bleu (17 + 12), il n’a raison que dans 12 cas. La probabilité réelle que le véhicule impliqué soit bleu est de 12 sur 29, soit seulement 41,4 %. La couleur la plus probable demeure le vert, contrairement à l’intuition du témoin et des jurés.
9. Mesure et évaluation
La mesure psychologique de la vulnérabilité à l’oubli de la fréquence de base s’opère par des protocoles standardisés relevant des paradigmes du raisonnement probabiliste. Le dispositif méthodologique le plus répandu consiste à soumettre aux sujets des scénarios écrits intégrant formellement une fréquence de base quantitative, un indice diagnostique assorti de son taux d’exactitude (sensibilité et taux de faux positifs), puis à leur demander d’estimer numériquement la probabilité finale sur une échelle de 0 à 100 %.
L’évaluation quantitative du biais s’établit en calculant l’écart absolu ou logarithmique entre la réponse estimée par le sujet ($P_{ ext{estimée}}$) et la valeur normative calculée via le théorème de Bayes ($P_{ ext{Bayes}}$). On classe généralement les profils de réponses selon trois stratégies cognitives typiques :
1. La stratégie normative bayésienne : réponse correspondant précisément ou s’approchant étroitement de la valeur issue de l’application de la règle de Bayes.
2. L’oubli complet du taux de base : réponse alignée exclusivement sur la sensibilité du test ou sur le diagnostic indiciaire isolé (par exemple, répondre 80 % ou 90 %).
3. Le compromis heuristique non pondéré : estimation intermédiaire arbitraire résultant d’une tentative confuse de faire la moyenne arithmétique des pourcentages présentés dans le texte.
Sur le plan des corrélats psychométriques, la sensibilité à ce biais est régulièrement évaluée en conjonction avec des batteries mesurant les capacités cognitives générales (QI), le Cognitive Reflection Test (CRT) développé par Shane Frederick, ainsi que les échelles de numératie objective et subjective de Peters et ses collaborateurs. Les recherches montrent que des scores élevés au CRT — mesurant la capacité à inhiber une réponse intuitive impulsive pour engager un raisonnement délibératif — sont corrélés avec une réduction significative, bien que non totale, de l’oubli de la fréquence de base.
10. Applications et portée pratique
Dans la pratique médicale et l’épidémiologie clinique, l’impact de ce biais est crucial. La sous-estimation de la fréquence de base chez les praticiens conduit à des surdiagnostics massifs, à la prescription d’examens complémentaires iatrogènes et à des interventions chirurgicales superflues face à des pathologies à faible prévalence. La formation médicale contemporaine intègre désormais formellement des modules d’arbres décisionnels et de calcul de rapports de vraisemblance afin de prémunir les futurs soignants contre ce sophisme d’interprétation des analyses biologiques.
Dans le domaine judiciaire, l’oubli de la fréquence de base prend la forme dramatique de ce que les juristes nomment le « sophisme du procureur » (prosecutor’s fallacy). Lorsqu’une trace biologique (empreinte génétique ou profil ADN) retrouvée sur une scène de crime correspond à celle d’un accusé, et que l’expert médico-légal affirme que la probabilité d’une telle coïncidence par hasard n’est que de 1 sur un million, les jurés concluent fréquemment à tort que la probabilité que l’accusé soit innocent n’est que de 1 sur un million. Si le crime s’est déroulé dans une métropole de 10 millions d’habitants, environ 10 personnes innocentes porteront fortuitement le même profil génétique. Sans preuve contextuelle additionnelle, la probabilité a priori que l’accusé soit le coupable doit tempérer radicalement la portée de la preuve indiciaire.
Dans le secteur de l’intelligence artificielle et de la cybersécurité, ce biais affecte directement les analystes supervisant les systèmes de détection d’intrusion ou de dépistage de fraudes bancaires. Dans un réseau informatique traitant des millions de transactions par seconde, même un algorithme doté d’une spécificité de 99,9 % générera des milliers de fausses alertes quotidiennes si le taux de base des cyberattaques est minime (par exemple 0,0001 %). Les analystes humains finissent par développer une lassitude des alertes (alert fatigue), alternant paradoxalement entre l’oubli de la fréquence de base (paniquer à chaque alerte) et son excès inverse (ignorer toutes les alertes du fait de la surabondance de faux positifs).
11. Recherches et preuves empiriques
Depuis les travaux initiaux de Kahneman et Tversky, un corpus empirique volumineux a confirmé la robustesse et l’universalité de l’oubli de la fréquence de base. Dans une étude devenue célèbre, David Eddy (1982) soumit le cas d’une mammographie à 100 médecins américains en exercice : 95 d’entre eux estimèrent que la probabilité que la patiente ait un cancer était d’environ 75 % à 80 %, alors que la valeur bayésienne réelle calculée selon les paramètres de l’énoncé n’était que de 7,7 %. Cette recherche mit en évidence le fait que même des professionnels hautement diplômés sont structurellement vulnérables au sophisme lorsqu’ils raisonnent sous forme de probabilités conditionnelles standard.
Les études en neuro-imagerie fonctionnelle (fMRI), notamment celles conduites par Vinod Goel et ses collègues (2007), ont apporté un éclairage biologique précieux sur ce phénomène. Lorsque des participants parviennent à inhiber l’heuristique de représentativité pour intégrer la fréquence de base, on observe une activation élective accrue du cortex préfrontal ventrolatéral droit et du cortex cingulaire antérieur, deux structures cérébrales intimement associées à la détection des conflits cognitifs et à l’inhibition des automatismes moteurs et sémantiques. Inversement, l’oubli de la fréquence de base s’accompagne d’une absence d’activation de ce réseau de surveillance cognitive, le sujet ne percevant aucun tiraillement interne entre son intuition et la règle logique.
Sur le terrain des interventions correctives, les méta-analyses de McDowell et Jacobs (2017) ont validé empiriquement l’hypothèse des fréquences naturelles défendue par le groupe de recherche de Gerd Gigerenzer. En synthétisant des dizaines d’études indépendantes, les chercheurs ont confirmé que le passage d’une présentation en probabilités conditionnelles à une présentation en arbres de fréquences naturelles permet de faire passer le taux de réponses bayésiennes correctes de moins de 15 % à plus de 50 % chez des populations professionnelles variées sans formation statistique préalable.
12. Considérations culturelles et interculturelles
La prévalence et les manifestations de l’oubli de la fréquence de base présentent des variations intrigantes lorsqu’on les examine à travers le prisme de la diversité culturelle et des styles cognitifs. Les recherches en psychologie interculturelle menées par Richard Nisbett et ses collaborateurs ont établi des distinctions fondamentales entre la cognition holistique, prévalant historiquement dans plusieurs cultures d’Asie orientale, et la cognition analytique, dominante dans les sociétés occidentales industrialisées.
Les individus issus de traditions de pensée holistique accordent une attention spontanée accrue au contexte global, aux interconnexions systémiques et à la situation d’ensemble. En conséquence, dans certains protocoles expérimentaux écologiquement valides où le taux de base est encadré comme un élément contextuel ou historique d’une communauté, les participants orientaux montrent parfois une meilleure sensibilité à l’environnement statistique initial que leurs homologues occidentaux, lesquels ont tendance à décontextualiser l’individu pour l’isoler sous forme de profil abstrait.
Néanmoins, lorsque le problème requiert la manipulation d’énoncés mathématiques décontextualisés en laboratoire, le niveau de numératie et le type de formation mathématique institutionnelle prédominent sur les différences culturelles globales. Les systèmes éducatifs qui valorisent explicitement l’entraînement à la pensée combinatoire et à la théorie des probabilités dès le cycle secondaire amortissent considérablement l’impact de ce biais chez les étudiants, sans pour autant l’éradiquer complètement dans les situations de forte charge mentale ou émotionnelle.
13. Critiques, controverses et limites
Malgré son statut d’orthodoxie dans la littérature sur les biais cognitifs, le concept d’oubli de la fréquence de base a suscité d’intenses controverses épistémologiques et théoriques, regroupées au sein de ce que les historiens des sciences cognitives ont nommé les « guerres de la rationalité » (rationality wars).
La principale charge critique provient de l’école de la rationalité écologique emmenée par Gerd Gigerenzer. Selon cette perspective, qualifier l’esprit humain d’« irrationnel » ou de « défaillant » face à des énoncés de probabilités conditionnelles uniques repose sur une conception philosophique discutable de la rationalité, empruntée exclusivement au bayésianisme subjectiviste strict. Pour les tenants du courant fréquentiste, la probabilité d’un événement unique n’a aucun sens mathématique : seules les séries répétées d’occurrences constituent un objet probabiliste légitime. En exigeant des sujets qu’ils attribuent une probabilité à un cas isolé (comme Jack l’ingénieur), les expérimentateurs créeraient un artefact de laboratoire inadapté aux algorithmes mentaux naturels façonnés par la sélection naturelle.
Une seconde critique substantielle émane des sciences de la communication et de la linguistique pragmatique (notamment Denis Hilton et Norbert Schwarz). Ces chercheurs soutiennent que dans la quasi-totalité des interactions sociales ordinaires, fournir un descriptif détaillé d’un individu implique conventionnellement que cette information possède une pertinence prépondérante. En traitant l’information descriptive comme décisive, les participants ne commettraient pas une faute logique, mais se conformeraient rationnellement aux règles de la pragmatique conversationnelle humaine. Si l’expérimentateur juge cette information non pertinente, c’est lui qui violerait le principe de pertinence communicative, induisant délibérément le sujet en erreur.
Enfin, plusieurs auteurs soulignent que l’oubli n’est jamais total : les individus intègrent souvent partiellement la fréquence de base, mais lui assignent un coefficient de pondération sous-optimal par rapport à la formule canonique de Bayes. Il s’agirait donc moins d’un oubli absolu que d’un sous-ajustement conservateur, dépendant intimement de la crédibilité perçue des sources émettrices des données.
14. Termes connexes et distinctions
Pour éviter toute confusion conceptuelle, il convient de différencier rigoureusement l’oubli de la fréquence de base d’autres biais et anomalies cognitives apparentés :
- L’heuristique de représentativité : C’est le processus cognitif inducteur, la cause explicative principale. L’individu juge la ressemblance avec un prototype. L’oubli de la fréquence de base est la conséquence statistique directe de cette opération mentale.
- Le sophisme du procureur : Forme juridico-légale spécifique de l’oubli de la fréquence de base, consistant à confondre la probabilité d’un indice sachant l’innocence P(E|I) avec la probabilité de l’innocence sachant l’indice P(I|E).
- L’erreur de conjonction (problème de Linda) : Autre distorsion causée par la représentativité, où un individu juge la survenue simultanée de deux événements (A et B) plus probable que la survenue de l’un d’eux isolément (A), violant le principe d’inclusion des ensembles.
- L’insensibilité à la taille de l’échantillon : Tendance à penser que de petits échantillons statistiques reflètent fidèlement les proportions de la population globale, distincte de l’ignorance de la proportion elle-même.
- L’heuristique de disponibilité : Évaluation de la probabilité d’un événement en fonction de la facilité avec laquelle des exemples viennent en mémoire, alors que l’oubli du taux de base concerne le rejet d’une proportion numérique préalablement explicitée.
15. Synthèse et points clés à retenir
L’oubli de la fréquence de base représente une des limites les plus documentées et les plus lourdes de conséquences de l’architecture cognitive humaine. Il démontre avec acuité la divergence structurelle entre nos mécanismes intuitifs de reconnaissance des formes et les lois mathématiques régissant les événements rares.
Les conclusions fondamentales à retenir comprennent :
- L’esprit humain tend systématiquement à substituer une évaluation de ressemblance narrative à un calcul formel de probabilités, traitant les cas particuliers comme déconnectés de leur population d’origine.
- Ce biais engendre une distorsion majeure des probabilités conditionnelles, menant régulièrement à confondre la sensibilité intrinsèque d’un indice avec sa valeur prédictive réelle.
- Des domaines critiques comme la santé publique, l’expertise médicolégale, la finance et le renseignement sont directement vulnérables à des décisions sous-optimales découlant de ce sophisme.
- L’atténuation de ce biais ne passe pas obligatoirement par des enseignements théoriques abstraits, mais par l’adoption systématique d’outils de visualisation cognitive, tels que les arbres de fréquences naturelles et les représentations matricielles géométriques.
Références
- Bar-Hillel, M. (1980). The base-rate fallacy in probability judgments. Acta Psychologica, 44(3), 211-233. https://doi.org/10.1016/0001-6918(80)90046-3
- Eddy, D. M. (1982). Probabilistic reasoning in clinical medicine: Problems and opportunities. In D. Kahneman, P. Slovic, & A. Tversky (Eds.), Judgment under uncertainty: Heuristics and biases (pp. 249-267). Cambridge University Press.
- Gigerenzer, G., & Hoffrage, U. (1995). How to improve Bayesian reasoning without instruction: Frequency formats. Psychological Review, 102(4), 684-704. https://doi.org/10.1037/0033-295X.102.4.684
- Kahneman, D., & Tversky, A. (1973). On the psychology of prediction. Psychological Review, 80(4), 237-251. https://doi.org/10.1037/h0034747
- Meehl, P. E., & Rosen, A. (1955). Antecedent probability and the efficiency of psychometric signs, patterns, or cutting scores. Psychological Bulletin, 52(3), 194-216. https://doi.org/10.1037/h0048070
- Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124-1131. https://doi.org/10.1126/science.185.4157.1124