La recherche du meilleur d’abord constitue un paradigme fondamental à l’intersection de la psychologie cognitive, des sciences computationnelles et de la modélisation formelle des processus de résolution de problèmes humains. En postulant qu’un agent guidé par la rationalité limitée explore préférentiellement les options semblant les plus prometteuses selon une fonction heuristique interne, ce modèle a profondément transformé notre compréhension théorique de la pensée dirigée et de la prise de décision stratégique.
Recherche du meilleur d’abord
1. Définition concise
La recherche du meilleur d’abord (communément désignée sous l’appellation anglophone best-first search) est une stratégie d’exploration arborescente ou de navigation dans un espace d’états où le cheminement est systématiquement orienté par une évaluation heuristique attribuant une valeur estimée de proximité du but à chaque alternative immédiate. Dans le champ de la psychologie cognitive et de la modélisation computationnelle de l’esprit, ce processus modélise la façon dont les individus sélectionnent délibérément l’action cognitive perçue comme la plus avantageuse parmi un ensemble d’options concurrentes.
Sur le plan conceptuel, cette approche s’oppose aux explorations exhaustives aveugles telles que le parcours en largeur ou le parcours en profondeur, lesquelles s’avèrent cognitivement inviables en raison des capacités restreintes de la mémoire de travail humaine et du coût computationnel disproportionné des environnements complexes. En hiérarchisant les étapes d’un raisonnement selon une mesure prédictive d’efficacité, la recherche du meilleur d’abord formalise le principe d’économie cognitive qui sous-tend la conduite humaine orientée vers un but explicite.
Enfin, en tant qu’architecture formelle, ce mécanisme structure l’analyse des processus de délibération dans les tâches de résolution de problèmes, qu’il s’agisse de la planification motrice, du jeu d’échecs, du diagnostic médical ou de la remémoration ciblée dans les réseaux sémantiques. Il sert d’étalon théorique pour distinguer les heuristiques sous-optimales spontanées de l’optimisation idéale sous contraintes de ressources temporelles et attentionnelles.
2. Étymologie et origines linguistiques
L’expression provient de la transposition directe du concept anglo-américain best-first search, forgé au sein des laboratoires pionniers d’intelligence artificielle et de psychologie cognitive à la fin des années 1950 et durant les années 1960, principalement sous l’impulsion de l’école de recherche de l’Université Carnegie-Mellon. Le vocable anglais associe le superlatif « best » (meilleur), l’adverbe de rang « first » (d’abord ou en premier lieu) et le substantif « search » (recherche ou exploration méthodique de l’espace des états-problèmes).
Sur le plan sémantique, le mot « recherche » dérive du bas latin circare, signifiant « parcourir en cercle, explorer méthodiquement un territoire », reflétant précisément la nature topologique de la quête d’une issue à l’intérieur d’un graphe décisionnel. L’adjectif « meilleur » procède du latin melior, traduisant une supériorité relative évaluée subjectivement ou selon une fonction de coût prédéterminée, tandis que la locution temporelle « d’abord » souligne la nature séquentielle, dynamique et impatiente de la sélection attentionnelle chez l’être humain.
Son intégration dans le corpus francophone de la psychologie cognitive s’est consolidée à mesure que les travaux de Herbert Simon et Allen Newell sur la rationalité procédurale ont été traduits et assimilés dans les sciences de l’esprit. Dès lors, le syntagme est devenu indissociable de l’analyse des protocoles de pensée à voix haute et des théories du traitement de l’information appliquée aux états de blocage et à la découverte d’itinéraires mentaux.
3. Prononciation et forme grammaticale
Sur le plan grammatical, l’expression « recherche du meilleur d’abord » est une locution nominale féminine singulière (forme plurielle théorique : « recherches du meilleur d’abord », bien que l’usage privilégie la forme générique au singulier). Dans le discours académique francophone, les chercheurs conservent également fréquemment l’acronyme ou l’emprunt lexical direct Best-First Search (souvent abrégé en BFS heuristique pour le distinguer de la Breadth-First Search ou parcours en largeur).
La prononciation standardisée en français international est transcrite phonétiquement selon l’Alphabet Phonétique International (API) par la suite : /ʁə.ʃɛʁʃ dy mɛ.jœʁ d‿a.bɔʁ/. Le terme s’emploie principalement comme complément du nom (« algorithme de recherche du meilleur d’abord », « protocole de recherche du meilleur d’abord ») ou comme sujet agentif dans les descriptions de simulation cognitive (« la recherche du meilleur d’abord guide l’attention du sujet vers le sous-but immédiat »).
Dans la littérature spécialisée, les variantes syntaxiques incluent « exploration au meilleur d’abord » et « recherche guidée par le meilleur état », bien que ces formes restent marginales par rapport à la dénomination conventionnelle issue des neurosciences computationnelles et de l’ergonomie cognitive.
4. Explication conceptuelle détaillée
La recherche du meilleur d’abord repose sur l’hypothèse cognitive centrale selon laquelle l’esprit humain ne traite pas les choix décisionnels comme des nœuds isolés, mais comme un réseau interconnecté d’états mentaux reliant un état initial insatisfaisant à un état final désiré. Lorsque les êtres humains sont confrontés à une énigme complexe ou à une situation de crise, l’arbre combinatoire des possibilités futures explose de manière exponentielle. Face à cette prolifération de chemins potentiels, la capacité cognitive humaine refuse de procéder à une inspection aveugle et substitue une métrique d’évaluation locale et prospective.
Le fonctionnement interne de ce modèle s’articule autour d’une file d’attente à priorité cognitive : à chaque étape de la délibération mentale, le sujet identifie les alternatives immédiatement accessibles (les « nœuds ouverts »), évalue chacune d’elles à l’aide d’une fonction de jugement subjectif (notée mathématiquement f(n)), et alloue ses ressources d’attention sélective à l’alternative qui minimise la distance estimée vers le succès. Une fois cette option développée mentalement, les conséquences qui en découlent rejoignent le pool des alternatives disponibles, et une nouvelle réévaluation globale a lieu, permettant si nécessaire de délaisser la branche actuelle pour revenir à un état antérieur plus attractif.
Ce cadre permet de saisir l’essence même de l’intentionalité et de la flexibilité mentale. Contrairement à une simple réaction stimulus-réponse ou à une habitude motrice rigide, la recherche du meilleur d’abord postule une téléologie interne : chaque mouvement cognitif est guidé par l’anticipation d’une valeur future. L’espace de recherche n’est pas un territoire physique neutre, mais un paysage de gradient cognitif où l’organisme tente en permanence de maximiser son sentiment de progression vers la résolution du problème.
Toutefois, la portée de ce concept s’étend au-delà de la seule logique formelle. En psychologie générale, elle illustre la dynamique de la focalisation de l’attention sous incertitude. Lorsqu’une piste prometteuse se révèle être une impasse (effet de cul-de-sac mental ou dead end), l’architecture de la recherche du meilleur d’abord permet à l’agent de suspendre son engagement sans effacer l’historique de ses apprentissages, réorientant l’effort vers la seconde meilleure option restée en attente dans la mémoire de travail ou dans la mémoire à long terme épisodique.
Cette conceptualisation délimite également la frontière entre l’effort conscient de délibération et les processus automatiques inconscients. Alors que la recherche du meilleur d’abord nécessite un monitoring métacognitif constant pour comparer les indices d’attractivité des états, son efficacité dépend entièrement de la justesse de l’heuristique employée, laquelle est fréquemment façonnée par l’expertise passée, les intuitions perceptives ou, à l’inverse, par des biais systématiques de raisonnement.
5. Développement historique
L’histoire de la recherche du meilleur d’abord est intrinsèquement liée à la révolution cognitive des années 1950, période où les scientifiques ont délaissé le paradigme béhavioriste pour concevoir l’esprit comme un système de traitement de symboles. En 1956, lors de la célèbre conférence de Dartmouth, les prémices des heuristiques de recherche computationnelle ont été formulées par Allen Newell, J.C. Shaw et Herbert A. Simon. Leurs travaux pionniers ont rapidement conduit au développement du General Problem Solver (GPS) en 1959, un programme informatique qui cherchait explicitement à simuler la trajectoire de pensée humaine en utilisant l’analyse fins-moyens, une variante directe de la recherche guidée par l’évaluation du meilleur progrès immédiat.
Durant les années 1960 et 1970, l’formalisation mathématique s’est affinée. L’équipe du Stanford Research Institute, composée notamment de Peter Hart, Nils Nilsson et Bertram Raphael, a étendu le principe de base de la recherche du meilleur d’abord pour créer l’algorithme A* en 1968. Bien qu’initialement conçu pour la navigation robotique de l’automate Shakey, l’algorithme A* a constitué une révélation pour les psychologues expérimentalistes : il démontrait mathématiquement comment combiner la distance déjà parcourue et l’estimation du coût restant pour parvenir à un comportement optimal ou quasi-optimal tout en minimisant l’effort mental investi.
Au cours des décennies 1980 et 1990, des chercheurs comme John Anderson ont intégré des mécanismes de recherche guidée par le meilleur état dans des architectures cognitives globales telles que ACT-R (Adaptive Control of Thought-Rational). Dans ces modèles unifiés de la cognition, la sélection des règles de production neuronales et procédurales n’est plus aléatoire : elle obéit scrupuleusement à une hiérarchisation probabiliste de type meilleur d’abord, où l’utilité espérée gouverne l’accès à la conscience exécutive.
Au tournant du XXIe siècle, l’avènement des neurosciences computationnelles et de l’imagerie par résonance magnétique fonctionnelle (IRMf) a permis d’ancrer ces formulations symboliques dans le substrat neurobiologique. Les travaux sur le cortex préfrontal ventromédian et le striatum ont montré que le cerveau calcule en continu des signaux d’erreur de prédiction et des gradients de valeur d’état, validant empiriquement l’idée que le système nerveux central implémente organiquement une forme biologique de recherche du meilleur d’abord pour arbitrer entre les stratégies comportementales concurrentes.
6. Fondements théoriques
Le socle théorique principal de la recherche du meilleur d’abord en sciences psychologiques réside dans la théorie de la rationalité limitée formulée par Herbert A. Simon. Selon cette théorie, les agents vivants ne disposent ni du temps infini, ni de la puissance de calcul requise, ni d’une connaissance exhaustive de leur environnement pour maximiser leurs choix au sens de la théorie économique classique. Ils doivent par conséquent recourir au « satisficing » (terme combinant satisfaction et suffisance), processus précisément opérationnalisé par des fonctions heuristiques capables d’élaguer drastiquement les ramifications stériles d’un espace de recherche.
Un second fondement découle de la théorie de l’espace-problème énoncée par Newell et Simon dans leur ouvrage séminal de 1972, Human Problem Solving. Selon ce cadre, résoudre une énigme ou atteindre un objectif revient à transformer pas à pas une structure de connaissances par l’application d’opérateurs mentaux légaux. La trajectoire d’un individu dans cet espace n’est pas le fruit du hasard ou d’une simple rémanence associative : elle est pilotée par une fonction d’évaluation qui attribue une valence positive aux états intermédiaires réduisant le différentiel perçu entre l’état courant et l’état-cible.
En outre, la théorie du compromis vitesse-précision (speed-accuracy trade-off) et le modèle de l’allocation optimale des ressources cognitives de John Payne, James Bettman et Eric Johnson (1993) complètent cette assise. Ces chercheurs ont démontré que l’esprit humain effectue un méta-raisonnement implicite : le recours à la recherche du meilleur d’abord représente un compromis adaptatif fondamental où l’individu accepte un risque marginal d’erreur ou d’omission d’une solution idéale globale en échange d’une réduction drastique de la charge cognitive immédiate requise pour progresser.
Sur le versant connexionniste et bayésien, les théories du codage prédictif (notamment défendues par Karl Friston avec le principe de l’énergie libre) reformulent la recherche du meilleur d’abord comme une descente de gradient de surprise informationnelle. Le cerveau recherche activement les états mentaux et comportementaux qui promettent la réduction la plus rapide de l’incertitude épistémique et pragmatique, unifiant ainsi la perception sensorielle, la motricité et le raisonnement supérieur sous une même logique heuristique d’anticipation du moindre coût.
7. Composantes clés, types et dimensions
Pour comprendre la recherche du meilleur d’abord dans son application aux sciences cognitives, il convient de décomposer son architecture fonctionnelle en plusieurs éléments constitutifs et de distinguer ses variantes structurelles :
- L’espace des états mentaux : L’ensemble de toutes les configurations de pensée concevables dans une situation donnée, incluant l’état initial (la situation perçue), les états intermédiaires possibles et l’état terminal (l’objectif atteint).
- La liste ouverte (frontière d’exploration active) : Représentation mnésique des options d’actions ou de réflexions qui ont été envisagées mais pas encore explorées en détail. Dans l’esprit humain, cette liste est sévèrement contrainte par la mémoire de travail (typiquement limitée à 3 ou 4 blocs informationnels majeurs).
- La liste fermée (mémoire des impasses et des états explorés) : Registre épisodique des situations déjà visitées et évaluées, empêchant la rumination mentale stérile et les cycles infinis de redondance cognitive.
- La fonction heuristique d’évaluation : Métrique psychologique ou modèle interne qui pondère la valeur subjective d’un état. Elle peut être décomposée en heuristique pure (estimation directe de la distance au but) ou en heuristique composite intégrant l’effort cognitif déjà consenti.
- La recherche gloutonne (Greedy Best-First Search) : Variante myope qui ne prend en considération que le gain perçu au pas de temps suivant, ignorant le coût accumulé pour parvenir à cet état. En psychologie, elle modélise l’impulsivité, l’attirance immédiate pour la récompense ou le raisonnement sous forte contrainte temporelle.
- La recherche A* cognitive : Variante équilibrée qui somme le coût déjà consenti (dépense énergétique, temps investi) et l’estimation heuristique du coût restant. Ce type correspond aux comportements de planification réfléchie chez les individus experts qui intègrent le coût d’engagement préalable tout en maintenant la flexibilité du but final.
8. Exemples et cas illustratifs
Un exemple paradigmatique de la recherche du meilleur d’abord dans les études psychologiques est la résolution de la Tour de Hanoï ou de la Tour de Londres, fréquemment utilisées en neuropsychologie pour évaluer les fonctions exécutives. Face au problème de réarranger des disques ou des boules selon une configuration cible, le participant novice n’envisage pas toutes les permutations physiques possibles : il sélectionne à chaque tour le déplacement qui rend la configuration physique la plus visuellement similaire à l’image du but désiré. L’évaluation visuo-spatiale sert d’heuristique du « meilleur d’abord ».
Un autre cas concret concerne l’expertise échiquéenne, brillamment étudiée par Adriaan de Groot puis par William Chase et Herbert Simon. Lorsqu’un grand maître d’échecs contemple un échiquier, son œil n’inspecte pas aléatoirement les cases : il extrait instantanément des configurations globales (« chunks ») qui déclenchent l’exploration mentale de deux ou trois coups candidats seulement. Ces coups constituent le sommet de sa liste de recherche du meilleur d’abord. Le maître approfondit la variante la plus incisive ; si celle-ci résiste à l’examen critique, il l’exécute, illustrant un élagage heuristique d’une efficacité spectaculaire.
Dans la vie quotidienne, la navigation spatiale en environnement inconnu fournit une analogie vivante. Imaginez un voyageur pédestre cherchant à rejoindre la flèche d’une cathédrale visible au loin à travers les méandres d’une cité médiévale. À chaque intersection, le piéton opte instinctivement pour la rue qui semble s’orienter le plus précisément dans l’axe de la flèche. S’il aboutit à une ruelle sans issue, il rebrousse chemin jusqu’à la dernière bifurcation et s’engage dans la seconde rue la mieux orientée, appliquant scrupuleusement la logique d’une recherche du meilleur d’abord ancrée dans la perception sensorielle.
Dans le domaine clinique, le raisonnement diagnostique d’un médecin urgentiste illustre ce processus sous pression. Devant un tableau sémiologique flou, le praticien génère une hypothèse principale basée sur la sévérité et la plausibilité épidémiologique (l’état le plus « saillant »). Il ordonne les examens complémentaires prioritaires pour tester cette voie. Si les analyses réfutent l’hypothèse de départ, l’urgentiste bascule immédiatement vers l’étiologie alternative qui figurait au second rang de son diagnostic différentiel mental, démontrant une gestion hiérarchisée des probabilités cliniques.
9. Mesure et évaluation
La mise en évidence et l’évaluation de la recherche du meilleur d’abord chez l’humain s’opèrent à travers une pluralité de protocoles expérimentaux sophistiqués, alliant la psychométrie classique aux méthodologies chronométriques contemporaines :
L’analyse des protocoles de pensée à voix haute (think-aloud protocols), formalisée par K. Anders Ericsson et Herbert Simon, demeure l’un des instruments privilégiés. En demandant aux sujets de verbaliser en continu le flux de leurs réflexions lors de la résolution de puzzles cryptarithmétiques ou de casse-têtes logiques, les expérimentateurs transcrivent l’arborescence des idées émises. On quantifie alors la fréquence à laquelle le sujet saute d’une branche conceptuelle à une autre dès lors que l’indice de satisfaction d’une sous-solution diminue, ce qui permet de tracer fidèlement le graphe d’exploration heuristique.
L’oculométrie (eye-tracking) constitue un vecteur de mesure non invasif particulièrement rigoureux. L’enregistrement des fixations visuelles et des saccades oculaires permet d’identifier l’ordre de priorité dans lequel l’information environnementale est échantillonnée. Une concentration soutenue du regard sur les stimuli spatialement ou fonctionnellement congruents avec le but final, entrecoupée de retours visuels vers des zones alternatives laissées en suspens, fournit une signature empirique directe de l’actualisation de la liste ouverte d’un algorithme de recherche du meilleur d’abord.
Sur le plan neuropsychologique, des tests standardisés comme la Tour de Londres (Shallice, 1982) ou le test des labyrinthes de Porteus mesurent le temps de latence avant le premier mouvement (temps de planification préalable) et le nombre de ruptures d’itinéraire. Ces métriques permettent d’évaluer dans quelle mesure un patient cérébrolésé frontal conserve la capacité de suspendre une action séduisante localement mais globalement délétère, révélant la défaillance des fonctions d’évaluation heuristique de bas niveau.
Enfin, la modélisation mathématique inverse par ajustement bayésien permet d’estimer les paramètres de la fonction d’utilité des participants. En confrontant les choix réels des sujets dans des tâches de bandit manchot ou de labyrinthes virtuels à des simulations d’algorithmes (comparant recherche gloutonne, recherche A* et recherche en profondeur), les algorithmes d’estimation statistique déterminent le degré d’adhérence du comportement humain aux axiomes théoriques de la recherche du meilleur d’abord.
10. Applications et portée pratique
Les applications pratiques de ce paradigme conceptuel transcendent largement le cadre expérimental de laboratoire et irriguent de multiples secteurs appliqués de la psychologie et des technologies cognitives :
En ergonomie et conception d’interfaces utilisateurs (UI/UX), la compréhension de la recherche du meilleur d’abord guide l’architecture informationnelle des logiciels et des sites web. Sachant que l’utilisateur navigue sur un écran selon un principe de « piste olfactive de l’information » (information foraging theory de Peter Pirolli), les concepteurs disposent les éléments de guidage de manière à maximiser la saillance heuristique des chemins vertueux, évitant ainsi la surcharge cognitive et les retours en arrière frustrants.
Dans le domaine de l’éducation et de l’ingénierie pédagogique, ce modèle éclaire l’apprentissage des mathématiques et des sciences. Les élèves en situation d’échec utilisent souvent une recherche gloutonne sous-optimale : ils manipulent les équations pour obtenir un résultat immédiat sans mesurer la cohérence globale de leur démarche. Enseigner explicitement des heuristiques de recherche du meilleur d’abord adaptées aide les apprenants à développer un contrôle métacognitif, leur permettant d’évaluer la qualité d’une étape intermédiaire avant de s’y engager aveuglément.
En psychologie organisationnelle et prise de décision managériale, l’analyse des processus de recherche oriente la gestion des crises et les choix d’investissement innovants. Les comités d’orientation stratégique fonctionnent souvent comme un système collectif de recherche du meilleur d’abord, analysant les projets selon des scores synthétiques de rentabilité et de faisabilité, tout en maintenant un portefeuille d’options de secours destinées à être activées si le scénario privilégié rencontre un obstacle dirimant.
Dans le champ de la santé mentale et des thérapies comportementales et cognitives (TCC), ce cadre conceptuel permet d’analyser les mécanismes sous-jacents aux troubles anxieux et au trouble obsessionnel-compulsif (TOC). L’évitement anxieux peut être modélisé comme une recherche du meilleur d’abord altérée où la fonction d’évaluation surpondère massivement la réduction immédiate de la détresse émotionnelle aux dépens des buts existentiels à long terme, conduisant le patient à s’enfermer dans des boucles comportementales inadaptées mais perçues localement comme les plus rassurantes.
11. Recherches et preuves empiriques
La validation empirique de la recherche du meilleur d’abord comme approximation valide de la cognition humaine a fait l’objet d’un corpus d’études expérimentales particulièrement robuste tout au long des cinquante dernières années :
Les travaux fondateurs d’Amos Tversky et Daniel Kahneman au cours des années 1970 et 1980 sur l’heuristique de représentativité et l’accessibilité cognitive ont mis en lumière comment la saillance psychologique d’un indice gouverne la priorité d’exploration mentale. Leurs expériences sur le jugement probabiliste ont révélé que les sujets n’évaluent pas l’intégralité des combinaisons statistiques, mais arrêtent leur délibération sur le scénario qui correspond le mieux à leur stéréotype mental interne, corroborant le principe d’interruption précoce typique des recherches heuristiques de type « premier meilleur état ».
Plus récemment, dans une étude marquante publiée en 2015 dans la revue Nature Neuroscience, Daw, Gershman et leurs collaborateurs ont investigué la manière dont le cerveau humain arbitre entre l’élaboration arborescente exhaustive et la sélection heuristique simplifiée. En utilisant l’IRMf couplée à des modèles computationnels d’apprentissage par renforcement, ils ont isolé le rôle prépondérant du cortex préfrontal dorsolatéral dans la mémorisation des états prometteurs non explorés, fournissant un substrat neuronal précis à la notion computationnelle de liste ouverte d’attente.
Dans le champ de l’étude de l’expertise, Fernand Gobet et Herbert Simon (1996) ont développé le modèle des « gabarits » (template theory), dérivé de simulations informatiques confrontées aux performances réelles de joueurs d’échecs de différents niveaux. Leurs conclusions démontrent sans ambiguïté que ce n’est pas le nombre de coups analysés par unité de temps qui distingue le maître du novice (les deux groupes évaluent un volume de positions étonnamment similaire), mais l’adéquation de la fonction heuristique qui injecte dès le départ dans l’entonnoir d’exploration les coups intrinsèquement supérieurs.
De surcroît, les recherches menées par Thomas Griffiths et ses collègues de l’Université de Californie à Berkeley sur la cognition computationnelle optimale démontrent que le comportement humain est remarquablement aligné avec des principes de rationalité limitative par les ressources. En calculant le rapport optimal entre le coût métabolique de la recherche mentale et la valeur de la récompense décisionnelle, ces chercheurs prouvent que la recherche du meilleur d’abord constitue la politique algorithmique presque mathématiquement idéale pour un cerveau biologique soumis aux rigueurs de la sélection naturelle.
12. Considérations culturelles et interculturelles
Bien que la machinerie neurobiologique sous-tendant la recherche heuristique soit universelle au sein de l’espèce humaine, la formulation de la fonction d’évaluation qui détermine ce qui constitue le « meilleur » état d’un système est profondément modulée par les contextes culturels et les matrices sociologiques d’apprentissage :
Les travaux de Richard Nisbett et de ses collègues sur la cognition holistique comparée à la cognition analytique soulignent d’importantes divergences géoculturelles. Dans les sociétés occidentales industrialisées, marquées par l’individualisme méthodologique, les sujets ont tendance à concevoir la fonction heuristique sous un prisme focal et linéaire, évaluant le succès d’un état par l’isolement d’attributs distincts d’un objet central. En revanche, les populations issues d’Asie orientale (Chine, Japon, Corée) intègrent plus systématiquement des variables contextuelles et relationnelles au sein de leur fonction d’évaluation, privilégiant des états mentaux intermédiaires qui maintiennent l’harmonie globale de l’environnement plutôt qu’une progression directe agressive vers l’objectif individuel.
Le rapport temporel propre à chaque culture modifie également la dynamique de la recherche du meilleur d’abord. Dans les cultures qualifiées de monochroniques par Edward T. Hall, où le temps est envisagé comme une ressource linéaire et segmentée, l’exploration heuristique valorise la rapidité et la réduction stricte du temps de transit décisionnel. Dans les cultures polychroniques, l’évaluation mentale s’accommode plus volontiers de détours temporels et relationnels, ce qui enrichit la liste des nœuds ouverts au détriment d’une convergence unilatérale rapide.
En outre, le niveau de tolérance à l’incertitude (dimension sociétale clé identifiée par Geert Hofstede) pèse sur le seuil d’abandon d’une branche exploratoire. Dans les cultures affichant un indice élevé de contrôle de l’incertitude, les individus manifestent une réticence marquée à revenir en arrière ou à tolérer des états intermédiaires caractérisés par un score heuristique flou, préférant s’accrocher à des règles conventionnelles rigides plutôt que d’explorer des chemins séduisants mais ambigus.
13. Critiques, débats et limites
Bien que le modèle de la recherche du meilleur d’abord présente une élégance théorique indéniable, il fait l’objet de contestations et de limitations notables au sein de la psychologie contemporaine :
La critique la plus saillante concerne le piège des optimums locaux. Dès lors qu’une fonction heuristique est imparfaite, l’agent peut s’engager avec une confiance excessive dans un chemin qui semble idéal au regard des critères actuels, mais qui s’avère être une impasse tragique ou un plateau stérile (phénomène de la colline trompeuse ou foothill problem). Chez l’humain, ce phénomène engendre la fixation fonctionnelle, l’effet d’ancrage psychologique et l’escalade d’engagement, où le sujet s’obstine à réinvestir dans une démarche manifestement infructueuse parce qu’elle paraissait initialement supérieure.
Un second débat théorique oppose les partisans de la modélisation computationnelle symbolique aux défenseurs des théories de l’incarnation et de l’énaction (Francisco Varela, Andy Clark). Pour ces derniers, postuler que l’esprit maintient des listes formelles de nœuds ordonnés et calcule froidement des métriques abstraites relève d’une métaphore cartésienne désuète. L’énaction soutient que la résolution de problèmes procède d’un couplage dynamique sensori-moteur continu avec le monde physique, où l’action découle directement d’affordances écologiques immédiatement perçues plutôt que d’un calcul prospectif explicite d’arbre décisionnel.
Par ailleurs, les modèles de la recherche du meilleur d’abord peinent à rendre compte de l’intuition créative et du phénomène d’insight (« l’effet Eurêka »). Dans l’insight, la solution à un problème ne semble pas résulter d’un rapprochement progressif et mesurable le long d’une fonction d’utilité, mais d’une restructuration gestaltiste subite de l’espace du problème, souvent après une période d’incubation où la recherche active consciente avait précisément cessé.
Enfin, sur le plan écologique, Gerd Gigerenzer et son groupe de recherche ont sévèrement critiqué l’idée que le cerveau utilise des fonctions heuristiques complexes pondérées pour ordonner ses priorités. Ils défendent l’existence d’heuristiques « rapides et frugales » (telles que le modèle Take-the-Best), qui ne calculent aucune distance globale mais fondent leur décision sur un indice discriminatoire unique, contestant ainsi l’universalité des algorithmes sophistiqués inspirés de l’intelligence artificielle dans l’écologie cognitive quotidienne.
14. Termes connexes et distinctions
Afin d’éviter tout écueil conceptuel, il est essentiel de différencier la recherche du meilleur d’abord de notions voisines utilisées en sciences du comportement :
- Parcours en profondeur (Depth-First Search) : Stratégie aveugle qui explore une branche jusqu’à son épuisement complet avant de rétrograder, sans jamais évaluer la pertinence comparative des alternatives en cours de route. La recherche du meilleur d’abord s’en distingue par sa flexibilité métacognitive et sa capacité à abandonner précocement une voie jugée médiocre.
- Parcours en largeur (Breadth-First Search) : Exploration systématique de tous les états situés à un niveau de distance donné avant de passer au niveau supérieur. Contrairement à la recherche du meilleur d’abord, elle garantit l’optimalité formelle dans des graphes non pondérés mais souffre d’un coût mnésique intolérable pour l’esprit humain.
- Algorithme A* : Variante formelle spécifique de la recherche du meilleur d’abord qui intègre le coût exact accumulé du trajet initial en sus de l’estimation prospective. La recherche du meilleur d’abord englobe l’A*, mais comprend également des approches purement subjectives ou gloutonnes (greedy) non admissibles sur le plan logique.
- Analyse fins-moyens (Means-Ends Analysis) : Heuristique cognitive théorisée par Newell et Simon qui consiste spécifiquement à détecter les différences majeures entre l’état actuel et l’état final, puis à instaurer des sous-buts pour éliminer ces écarts. L’analyse fins-moyens constitue un moteur heuristique qui peut être mis en œuvre par un processus de recherche du meilleur d’abord.
- Ascension de colline (Hill-Climbing) : Algorithme strictement local qui choisit l’état voisin le plus élevé sans maintenir de mémoire des branches alternatives délaissées (absence de liste ouverte). La recherche du meilleur d’abord surpasse l’ascension de colline grâce à sa mémoire rétrospective lui permettant de reprendre un fil antérieur en cas de cul-de-sac.
15. Résumé et points clés
En synthèse, la recherche du meilleur d’abord représente l’un des piliers les plus solides reliant la théorie computationnelle de l’esprit à l’observation expérimentale du comportement humain. Elle démontre que la rationalité humaine n’est pas un calcul omniscient mais une navigation stratégique sous contraintes drastiques de ressources, guidée par des estimations prospectives de la valeur de nos actes mentaux.
Ses points cardinaux se résument comme suit :
- Elle formalise l’allocation sélective de l’attention en orientant préférentiellement la délibération vers l’alternative mentale présentant l’estimation heuristique la plus favorable.
- Elle opérationnalise concrètement la théorie de la rationalité limitée d’Herbert Simon en offrant un compromis adaptatif viable entre coût d’exploration et gain décisionnel.
- Elle repose sur une dynamique tripartite : un espace d’états, une liste active d’options d’attente préservées en mémoire, et une fonction heuristique d’évaluation façonnée par l’apprentissage et l’expertise.
- Elle sous-tend des comportements aussi variés que la planification stratégique, l’expertise aux échecs, le diagnostic médical, la navigation dans les interfaces numériques et la régulation métacognitive.
- Ses limites intrinsèques, notamment la vulnérabilité aux impasses locales et son incapacité relative à modéliser la fulgurance de l’insight créatif, ont stimulé l’émergence de modèles incarnés et d’heuristiques frugales complémentaires.
Références
Anderson, J. R. (1993). Rules of the mind. Lawrence Erlbaum Associates.
Chase, W. G., & Simon, H. A. (1973). Perception in chess. Cognitive Psychology, 4(1), 55-81. https://doi.org/10.1016/0010-0285(73)90004-2
Hart, P. E., Nilsson, N. J., & Raphael, B. (1968). A formal basis for the heuristic determination of minimum cost paths. IEEE Transactions on Systems Science and Cybernetics, 4(2), 100-107. https://doi.org/10.1109/TSSC.1968.300136
Newell, A., & Simon, H. A. (1972). Human problem solving. Prentice-Hall.
Simon, H. A. (1955). A behavioral model of rational choice. The Quarterly Journal of Economics, 69(1), 99-118. https://doi.org/10.2307/1884852