Daniel Ellsberg Les Expériences de la Théorie des Perspectives – Daniel Kahneman et Amos

L’histoire de la pensée économique et de la psychologie cognitive a été profondément marquée par la quête d’une modélisation rigoureuse du comportement humain face à l’inconnu. Pendant près de deux siècles, la construction théorique de la décision a reposé sur le postulat d’un agent économique omniscient et rationnel, capable de hiérarchiser ses préférences avec une cohérence logique inébranlable. De la formalisation initiale de l’espérance mathématique par Blaise Pascal jusqu’à la monumentale théorie de l’utilité espérée de John von Neumann et Oskar Morgenstern, la science économique s’est évertuée à réduire l’acte de décision à une optimisation algorithmique sous contraintes probabilistes. Toutefois, la réalité empirique des choix humains n’a cessé d’opposer une résistance farouche à ces édifices normatifs, révélant des paradoxes systématiques et des déviations persistantes que l’orthodoxie néoclassique a longtemps qualifiés d’anomalies résiduelles.

Deux ruptures conceptuelles majeures ont fait voler en éclats ce paradigme déterministe. La première, initiée au début des années 1960 par l’économiste et analyste stratégique Daniel Ellsberg, a démontré que l’incertitude ne peut être simplement réduite à des probabilités subjectives quantifiables. En mettant en lumière ce que l’on nomme désormais le paradoxe d’Ellsberg ou l’aversion à l’ambiguïté, le chercheur a prouvé que les individus établissent une distinction ontologique fondamentale entre le risque mesurable et l’incertitude radicale, violant de manière spectaculaire les axiomes fondamentaux de Leonard Savage. Cette découverte a ouvert une brèche épistémologique béante, démontrant que l’information probabiliste incomplète paralyse la transitivité et l’additivité des préférences chez les décideurs, fussent-ils hautement éduqués et rompus aux statistiques formelles.

La seconde révolution, plus générale et d’une portée paradigmatique incalculable, est née de la collaboration féconde entre les psychologues israéliens Daniel Kahneman et Amos Tversky au cours des années 1970. À travers leur célèbre théorie des perspectives (Prospect Theory), publiée en 1979 puis raffinée sous sa forme cumulative en 1992, Kahneman et Tversky ont transcendé la simple critique pour substituer un modèle descriptif universel à la théorie classique de l’utilité espérée. En intégrant les limites cognitives intrinsèques de l’esprit humain — telles que la dépendance au point de référence, l’asymétrie fondamentale entre les gains et les pertes, ainsi que la distorsion non linéaire des probabilités objectives —, ils ont jeté les bases de l’économie comportementale contemporaine. Ce long traité explore la filiation, les convergences et les dissonances entre les intuitions d’Ellsberg et l’armature expérimentale de Kahneman et Tversky, retraçant la métamorphose de notre compréhension de la rationalité humaine.

1. Introduction aux paradigmes décisionnels : De l’utilité espérée aux anomalies comportementales

1.1 L’hégémonie classique de la théorie de l’utilité espérée de von Neumann et Morgenstern

L’édification des sciences sociales modernes autour d’une rationalité formalisée trouve son acte de naissance méthodologique dans l’ouvrage fondateur de John von Neumann et Oskar Morgenstern, Theory of Games and Economic Behavior, paru en 1944. Avant cette contribution magistrale, le calcul économique du risque reposait encore largement sur la résolution pascalienne de l’espérance mathématique monétaire, à peine amendée par le principe de l’utilité marginale décroissante formulé par Daniel Bernoulli en 1738 pour résoudre le célèbre paradoxe de Saint-Pétersbourg. Von Neumann et Morgenstern ont accompli un saut qualitatif décisif en substituant à l’arbitrage intuitif un ensemble rigide d’axiomes universels : l’ordre complet (complétude), la transitivité, la continuité et, surtout, le pivot de tout l’édifice analytique, l’axiome d’indépendance.

L’axiome d’indépendance stipule formellement que si un individu exprime une préférence stricte pour une option de loterie A par rapport à une option B, alors tout mélange probabiliste linéaire combinant A avec une tierce option C selon une probabilité p doit impérativement rester préféré au même mélange probabiliste combinant B et C selon la même probabilité p. En d’autres termes, l’évaluation de deux perspectives concurrentes ne saurait être contaminée par l’introduction d’un événement commun neutre. Cet axiome garantit la linéarité en probabilité de la fonctionnelle d’utilité et permet d’exprimer la valeur globale d’une loterie comme la somme pondérée des utilités de chaque état du monde possible :

U(L) = ∑ p_i × u(x_i)

Cette armature formelle a ensuite été transposée de l’univers des risques objectifs — où les lois de probabilités sont données a priori — à celui de l’incertitude générale par Leonard J. Savage dans son traité magistral de 1954, The Foundations of Statistics. Savage a accompli le tour de force conceptuel d’étendre l’utilité espérée aux situations où aucune probabilité objective n’est connue du décideur. Selon Savage, tout individu rationnel confronté à l’incertitude attribue implicitement des probabilités subjectives uniques à chaque événement possible, se conformant rigoureusement aux règles du calcul des probabilités de Kolmogorov et au principe de la mise à jour bayésienne. L’axiome central de Savage, connu sous le vocable de « postulat de la chose sûre » (Sure-Thing Principle), établit que si un agent choisit une action f plutôt qu’une action g sachant qu’un événement E s’est réalisé, et qu’il préfère également f à g si l’événement contraire non-E survient, alors il doit choisir f plutôt que g même s’il ignore la réalisation effective de E.

Grâce aux synthèses de von Neumann, Morgenstern et Savage, la figure de l’Homo economicus a atteint son apogée conceptuelle. Cet agent théorique idéalisé est postulé comme possédant une capacité d’accès informationnel parfait, une faculté computationnelle infinie lui permettant de calculer instantanément les distributions de probabilités les plus complexes, et une stabilité temporelle absolue de son échelle de préférences. Les choix économiques réels — de la fixation des primes d’assurance sur les marchés financiers jusqu’aux décisions d’investissement industriel lourd — devaient dès lors tous découler de cette mécanique rationnelle sans faille.

1.2 L’émergence des paradoxes empiriques comme moteurs de révision théorique

L’hégémonie axiomatique de l’utilité espérée ne devait cependant pas tarder à se heurter violemment à la réalité expérimentale. Dès 1952, lors du colloque international d’économétrie de Paris, l’économiste français Maurice Allais porte la première estocade théorique majeure contre le modèle von Neumann-Morgenstern et Savage. À travers ce que la littérature consacre désormais sous le nom de paradoxe d’Allais, il conçoit deux choix binaires successifs proposés à des décideurs émérites. Le premier choix oppose une somme certaine d’un million de francs à une loterie offrant 89 % de chances de gagner un million, 10 % de chances de gagner cinq millions et 1 % de chances de ne rien obtenir. La majorité écrasante des individus opte pour la somme certaine, manifestant une forte aversion au risque résiduel de 1 %.

Toutefois, Allais soumet ensuite un second arbitrage entre deux loteries : l’une propose 11 % de chances de gagner un million et 89 % de chances de ne rien obtenir ; l’autre offre 10 % de chances de gagner cinq millions et 90 % de chances d’issue nulle. Dans cette seconde situation, la quasi-totalité des décideurs inverse ses préférences et choisit la perspective offrant cinq millions, bien que sa probabilité soit légèrement inférieure. Or, Allais démontre avec une implacable rigueur mathématique que cette inversion de préférences viole directement l’axiome d’indépendance de von Neumann et Morgenstern ainsi que le postulat de la chose sûre de Savage. En retranchant algébriquement une issue commune équiprobable (89 % de chances d’obtenir un million versus 89 % de chances d’obtenir zéro), les deux choix sont pourtant rigoureusement identiques sur le plan de la structure logique sous-jacente.

Cette découverte inaugure une crise épistémologique profonde. Les partisans de l’orthodoxie néoclassique tentent dans un premier temps de reléguer le résultat d’Allais au rang de simple curiosité de laboratoire ou d’erreur d’inattention sans conséquence sur les marchés réels. Ils défendent la thèse selon laquelle le modèle de l’utilité espérée conserve une validité prescriptive ou normative intégrale : même si les hommes réels commettent des bévues logiques, la théorie leur dicte la manière dont ils devraient se comporter s’ils souhaitent demeurer rationnels. Mais cette ligne de défense normative a rapidement montré ses limites épistémologiques. Une science empirique ne saurait se contenter d’édicter des règles métaphysiques déconnectées des comportements observés ; elle se doit d’élaborer des modèles descriptifs capables de prédire avec exactitude les régularités comportementales effectives.

La nécessité d’intégrer des processus psychologiques réels — perception sélective, charge cognitive, mémoire associative et affects émotionnels — s’est ainsi progressivement imposée aux chercheurs les plus lucides. L’esprit humain n’opère pas comme un calculateur probabiliste passif et neutre ; il réagit de manière discontinue, déforme les pondérations de vraisemblance, accorde un poids disproportionné aux ruptures qualitatives et souffre d’un malaise profond face à l’indétermination épistémique. C’est précisément au cœur de cette tension entre certitude probabilisée et obscurité informationnelle que s’inscrit l’œuvre séminale de Daniel Ellsberg.

2. Daniel Ellsberg et la rupture épistémologique : Le paradoxe d’Ellsberg et l’ambiguïté

2.1 La distinction fondamentale de Frank Knight : Risque probabilisé versus incertitude pure

Pour saisir la portée révolutionnaire des travaux de Daniel Ellsberg, il convient de remonter à la distinction théorique primordiale posée en 1921 par l’économiste de l’École de Chicago, Frank H. Knight, dans son ouvrage fondamental Risk, Uncertainty and Profit. Knight avait identifié une frontière conceptuelle infranchissable entre deux formes d’indétermination de l’avenir. D’une part, le « risque » caractérise les situations où l’ensemble des issues possibles est parfaitement défini et où la distribution probabiliste associée à chacune de ces issues est soit connue a priori (comme dans le cas d’un dé parfait ou d’une roulette de casino), soit calculable objectivement par une analyse statistique rigoureuse des fréquences observées sur de grands échantillons empiriques (comme les tables de mortalité utilisées par les actuaires des compagnies d’assurance).

D’autre part, « l’incertitude » pure (ou incertitude radicale, que Knight qualifie de non mesurable) désigne les contextes décisionnels dans lesquels il est radicalement impossible d’assigner des probabilités mathématiques objectives aux différents états de la nature. Il en va ainsi des innovations technologiques disruptives, des crises géopolitiques majeures, des guerres ou des fluctuations macroéconomiques inédites. Dans un tel environnement, la rareté ou l’unicité de la situation interdit tout recours à la loi des grands nombres ou au calcul des fréquences statistiques. Knight soutenait que la véritable fonction de l’entrepreneur capitaliste et la justification économique de son profit résidaient précisément dans sa capacité à naviguer au sein de cette incertitude pure non probabilisable, et non dans la simple gestion routinière de risques mesurables.

Cependant, la construction théorique de Savage en 1954 avait délibérément oblitéré cette distinction knightienne fondamentale. En postulant que tout agent rationnel, face à une situation d’incertitude pure, forgeait instantanément une mesure de probabilité subjective unique, cohérente et additive sur l’espace des états, Savage a assimilé sans réserve l’incertitude au risque. Dans le cadre de l’utilité espérée subjective (SEU), l’agent économique traite une probabilité purement spéculative de 0,5 sur un événement géopolitique exactement de la même manière qu’une probabilité mécanique de 0,5 découlant du tirage à pile ou face d’une pièce équilibrée. Ce faisant, le paradigme néoclassique a occulté l’impact de la qualité de l’information, de son exhaustivité et de la confiance que le décideur place dans ses propres estimations statistiques.

2.2 Le protocole expérimental des urnes d’Ellsberg (1961)

En 1961, Daniel Ellsberg, alors chercheur à la RAND Corporation, publie dans le Quarterly Journal of Economics un article qui va dynamiter le consensus savégien : « Risk, Ambiguity, and the Savage Axioms ». Ellsberg y conçoit une série d’expériences de pensée d’une simplicité mathématique désarmante mais d’une redoutable puissance logique, fondées sur le tirage de boules dans des urnes scellées. Son protocole le plus célèbre est l’expérience de l’urne à trois couleurs. Une urne contient exactement 90 boules. Le décideur est formellement informé que 30 de ces boules sont de couleur rouge. Les 60 boules restantes sont un mélange de boules noires et de boules jaunes, mais la proportion exacte de chaque couleur est rigoureusement tenue secrète ; elle peut osciller de manière arbitraire entre 0 boule noire (et 60 jaunes) et 60 boules noires (et 0 jaune).

Le protocole soumet le sujet à deux arbitrages successifs de paris monétaires. Dans le premier problème, l’individu doit choisir entre parier sur le tirage d’une boule rouge (Pari A : gain de 100 dollars si rouge, 0 sinon) ou sur le tirage d’une boule noire (Pari B : gain de 100 dollars si noire, 0 sinon). De manière quasi systématique, les sujets expérimentaux sélectionnent massivement le Pari A. Leurs choix expriment le fait qu’ils connaissent avec certitude la probabilité de tirer une boule rouge (p = 30/90 = 1/3), tandis que la probabilité d’extraire une boule noire est complètement ambiguë et comprise dans l’intervalle [0, 2/3]. Dans le second problème, on demande aux mêmes sujets de choisir entre parier sur la couleur « rouge ou jaune » (Pari C : 100 dollars si rouge ou jaune, 0 sinon) et parier sur la couleur « noire ou jaune » (Pari D : 100 dollars si noire ou jaune, 0 sinon). De manière tout aussi tranchée, les décideurs optent en majorité pour le Pari D, dans lequel la probabilité d’obtenir une issue gagnante est connue avec une certitude absolue (p = (noire + jaune)/90 = 60/90 = 2/3), alors que la probabilité du Pari C est ambiguë (entre 1/3 et 1).

Or, la conjonction de ces deux préférences révèle une contradiction formelle insoluble au sein de la théorie subjective de Savage. En termes d’utilité espérée subjective, la préférence pour le Pari A sur le Pari B implique mathématiquement l’inégalité suivante sur les probabilités subjectives : P(Rouge) > P(Noire), ce qui signifie que P(Noire) < 1/3. Inversement, la préférence pour le Pari D sur le Pari C se traduit par l’inégalité : P(Noire ou Jaune) > P(Rouge ou Jaune). En vertu de l’axiome d’additivité élémentaire des probabilités sur des événements disjoints, cette relation équivaut à P(Noire) + P(Jaune) > P(Rouge) + P(Jaune), ce qui se simplifie immédiatement par soustraction en P(Noire) > P(Rouge), impliquant donc P(Noire) > 1/3. Le décideur se trouve ainsi pris en flagrant délit d’incohérence probabiliste : la probabilité subjective qu’il attribue au tirage d’une boule noire ne peut simultanément être inférieure et supérieure à 1/3.

Cette violation flagrante du postulat de la chose sûre de Savage prouve que les sujets n’attribuent pas de mesures de probabilités additives uniques aux événements incertains. Ce que démontre Ellsberg, c’est l’existence chez l’être humain d’une « aversion à l’ambiguïté » structurelle : confronté à un choix où les probabilités sont calculables avec exactitude (le risque) et un choix où l’information sur le mécanisme aléatoire est tronquée ou inaccessible (l’ambiguïté), l’agent manifeste une répulsion viscérale envers l’obscurité informationnelle. Il préfère sciemment s’en remettre à une loterie connue plutôt qu’à un pari dont la structure statistique lui échappe, quand bien même ce dernier recèlerait une espérance mathématique potentiellement supérieure.

2.3 Modélisations formelles de l’aversion à l’ambiguïté post-Ellsberg

L’onde de choc provoquée par le paradoxe d’Ellsberg a contraint les théoriciens de la décision à concevoir des modélisations mathématiques alternatives affranchies de l’axiome classique d’additivité unitaire. L’une des percées les plus significatives a été réalisée par David Schmeidler en 1989 à travers le concept d’utilité espérée de Choquet (Choquet Expected Utility). Schmeidler propose d’abandonner les probabilités standard au profit de « capacités » ou mesures de probabilités non additives, formalisées initialement par le mathématicien français Gustave Choquet. Dans ce cadre, la probabilité de l’union de deux événements mutuellement exclusifs n’est plus obligatoirement égale à la somme de leurs probabilités individuelles : pour un décideur averse à l’ambiguïté, la capacité d’une union d’événements peut excéder la somme des capacités de ces événements considérés isolément, traduisant le fait que l’union dissipe une part de l’inconnu.

Parallèlement, Itzhak Gilboa et David Schmeidler ont développé en 1989 le modèle de l’utilité espérée maxmin à a-priors multiples (Maxmin Expected Utility with Multiple Priors). Face à un événement caractérisé par un manque de clarté probabiliste, l’agent cognitif n’adopte plus une croyance bayésienne unique mais envisage un ensemble convexe de distributions de probabilités envisageables, noté C. Habité par un doute profond quant à la distribution véritable, le décideur évalue chaque action possible en se fondant systématiquement sur le pire scénario envisageable au sein de cet ensemble. L’équation décisionnelle prend la forme d’un critère prudentiel extrême :

V(f) = &min;_{p ∈ C} ∫ u(f) dp

Ce formalisme rend fidèlement compte du comportement des sujets dans l’urne d’Ellsberg : pour évaluer le pari sur la boule noire, l’individu envisage la probabilité la plus défavorable au sein de la plage envisageable, fixant ainsi son espérance au niveau plancher. Sur le plan psychologique, ces extensions mathématiques reflètent le rôle prépondérant de la compétence perçue, de l’état d’ignorance subjective et du regret anticipé. L’esprit humain répugne à la sensation d’être placé dans un état de déficit cognitif par rapport à l’expérimentateur ou à un rival potentiel. L’ambiguïté génère une charge de stress et une incertitude de second ordre (une incertitude sur la probabilité elle-même) qui altèrent directement le processus de valorisation des gains et des pertes.

3. L’émergence du programme des heuristiques et biais : Daniel Kahneman et Amos Tversky

3.1 Genèse d’une collaboration historique en psychologie cognitive

Alors que Daniel Ellsberg questionnait les frontières de la probabilité subjective depuis les cénacles de l’analyse géostratégique et militaire, une révolution parallèle germait au département de psychologie de l’Université hébraïque de Jérusalem à la fin des années 1960. Daniel Kahneman, spécialiste de la perception sensorielle, de la psychophysique et de l’attention visuelle, y fait la rencontre d’Amos Tversky, mathématicien de formation et expert des fondements de la mesure et de la décision axiomatique. Malgré des tempéraments intellectuels contrastés — l’un intuitif, perpétuellement sceptique et introspectif, l’autre doté d’une rigueur formelle chirurgicale et d’une confiance logique inébranlable —, les deux hommes nouent un partenariat scientifique dont la fécondité transformera l’histoire des sciences humaines.

Leur démarche méthodologique initiale rompt avec les canons de l’économie normative. Au lieu de postuler des règles logiques abstraites pour en déduire comment l’esprit devrait opérer, Kahneman et Tversky décident d’étudier la manière dont les individus — y compris les statisticiens professionnels formés aux meilleures universités — portent concrètement des jugements intuitifs en situation de risque. En observant leurs propres erreurs de calcul mental et leurs intuitions erronées lors de délibérations académiques quotidiennes, ils formulent l’hypothèse centrale de leur programme de recherche : l’esprit humain ne traite pas les données probabilistes selon les axiomes de la théorie classique, mais recourt à un ensemble restreint de raccourcis cognitifs simplificateurs, appelés « heuristiques de jugement ». Ces règles empiriques, généralement efficaces pour naviguer dans l’environnement écologique immédiat, conduisent néanmoins à des distorsions prédictibles et systématiques : les biais cognitifs.

Cette transition de l’étude de la perception sensorielle à celle de la cognition probabiliste est théoriquement cruciale. Kahneman et Tversky partent du postulat que le cerveau humain traite l’incertitude exactement comme il appréhende les signaux visuels ou acoustiques. De la même manière que notre système visuel est victime d’illusions d’optique irrépressibles lorsque des figures géométriques sont présentées dans un certain contexte (comme l’illusion de Müller-Lyer où deux segments de même longueur semblent inégaux en raison de l’orientation de leurs flèches), notre jugement probabiliste produit des erreurs d’estimation récurrentes sous l’influence du contexte sémantique, de la mémoire immédiate et de la mise en perspective des événements.

3.2 Les heuristiques fondamentales influençant le traitement probabiliste

Au cours des années 1970, à travers une série d’articles désormais classiques publiés notamment dans la prestigieuse revue Science, Kahneman et Tversky identifient trois heuristiques cognitives primordiales qui structurent et faussent le calcul intuitif des probabilités :

• L’heuristique de représentativité : Les individus évaluent la probabilité qu’un objet, un individu ou un événement appartienne à une certaine classe en mesurant son degré de ressemblance prototypique avec cette classe, plutôt qu’en se fondant sur les règles rigoureuses du calcul bayésien. L’expérience emblématique de « Linda la banquière » illustre cette défaillance. Lorsqu’on décrit Linda comme une jeune femme célibataire, brillante, diplômée en philosophie et engagée dans les luttes contre la discrimination, les sujets jugent majoritairement plus probable que Linda soit « une employée de banque féministe » plutôt que simplement « une employée de banque ». Sur le plan purement logique, cette réponse viole l’axiome fondamental de conjonction probabiliste, en vertu duquel la probabilité de deux événements conjoints (A ∩ B) ne peut jamais excéder la probabilité de l’un de ces événements pris isolément (P(A ∩ B) ≤ P(A)). Cette heuristique entraîne également l’insensibilité criante aux probabilités de base (base-rate neglect) et la croyance infondée en la loi des petits nombres.
• L’heuristique de disponibilité : La fréquence d’un événement ou la plausibilité de son apparition est estimée en fonction de la facilité et de la rapidité avec lesquelles des exemples concrets surgissent dans la mémoire consciente du sujet. Ainsi, les individus surestiment considérablement les probabilités de décès par accident d’avion, attentat terroriste ou morsure de requin, tout en sous-estimant drastiquement des risques statistiques infiniment plus létaux mais moins spectaculaires, tels que les accidents vasculaires cérébraux ou les chutes domestiques. La saillance émotionnelle, la dramatisation médiatique et la fraîcheur temporelle d’un souvenir faussent irrémédiablement l’appréciation quantitative des risques.
• L’ancrage et l’ajustement : Lors de l’estimation numérique d’une grandeur inconnue, les sujets utilisent comme point de départ une valeur initiale immédiatement accessible (l’ancre) — même si celle-ci a été générée par un processus totalement aléatoire, telle une roue de la fortune — puis procèdent à des ajustements successifs manifestement insuffisants. Le jugement probabiliste final demeure irrémédiablement biaisé par la proximité gravitationnelle de l’ancre initiale.

3.3 La remise en cause des axiomes de transitivité et d’invariance

L’accumulation de ces preuves expérimentales ne remettait pas seulement en cause la compétence calculatoire des individus ; elle attaquait les fondements logiques les plus intimes de la théorie de la rationalité économique : les axiomes de transitivité et d’invariance. La transitivité des préférences — le fait que si l’agent préfère A à B et B à C, il doive irrévocablement préférer A à C — s’avère fréquemment violée dès lors que les options proposées sont multidimensionnelles et impliquent des arbitrages subtils entre plusieurs attributs, comme l’ont démontré Tversky et d’autres chercheurs à travers des cycles de choix non transitifs.

Plus dévastatrice encore fut la pulvérisation du principe d’invariance. Ce principe méta-théorique tacite de l’économie classique postule que la préférence d’un agent entre deux options doit être totalement indépendante de la manière dont ces options sont décrites (invariance descriptive) ou de la méthode employée pour solliciter la préférence (invariance procédurale). Or, Kahneman et Tversky ont établi de façon indéniable l’omniprésence des effets de cadrage (framing effects). Une même réalité objective, découpée rigoureusement sous une forme mathématique équivalente, suscite des choix diamétralement opposés selon qu’elle est formulée en termes positifs de gains et de survie ou en termes négatifs de pertes et de mortalité.

De surcroît, l’invariance procédurale vole en éclats sous l’effet de l’inversion des préférences (preference reversals) : un individu peut simultanément choisir une loterie A plutôt qu’une loterie B lors d’un choix binaire direct, mais assigner un prix de vente minimal (son consentement à recevoir) significativement plus élevé à la loterie B qu’à la loterie A. Ce constat a forcé la communauté scientifique à admettre que les préférences ne préexistent pas de manière dormante dans l’esprit humain en attente d’être simplement révélées par le comportement : elles sont activement construites au moment même de la prise de décision, en interaction directe avec l’architecture formelle et sémantique du contexte décisionnel.

4. La théorie des perspectives (1979) : Rupture théorique et cadre conceptuel

4.1 La publication fondatrice dans Econometrica : Contexte et ambition

Forts de cette armature empirique accumulée tout au long de la décennie, Daniel Kahneman et Amos Tversky publient en mars 1979 dans la prestigieuse revue Econometrica l’article le plus révolutionnaire de l’économie contemporaine : « Prospect Theory: An Analysis of Decision under Risk ». Le choix de soumettre leur travail à Econometrica — le sanctuaire par excellence de l’économétrie mathématique et de la rigueur déductive néoclassique — était un acte d’audace calculé. Deux psychologues cognitifs pénétraient sur le territoire souverain des économistes pour en ébranler le paradigme fondateur de l’intérieur, en utilisant l’arsenal formel des loteries et de la modélisation mathématique rigoureuse.

L’article de 1979 n’est pas une simple litanie de critiques méthodologiques ; il a pour ambition de fonder un cadre théorique alternatif capable de se substituer intégralement au modèle de l’utilité espérée de von Neumann et Morgenstern sur le plan descriptif. Kahneman et Tversky y démontrent sans appel que la théorie classique échoue systématiquement à prédire le comportement d’individus confrontés à des choix monétaires concrets. Ils proposent un modèle comportemental à deux phases séquentielles distinctes, qui sépare la façon dont l’information décisionnelle est préalablement traitée par le cerveau de la manière dont les options épurées sont ensuite évaluées mathématiquement.

4.2 La phase d’édition : Structuration cognitive des options

La première étape de la prise de décision selon la théorie des perspectives est la « phase d’édition » (editing phase). Confronté à un ensemble de choix risqués, le décideur ne projette pas directement les probabilités et les valeurs dans une équation d’utilité globale ; il procède d’abord à une série d’opérations cognitives préliminaires visant à simplifier, restructurer et ordonner les perspectives qui s’offrent à lui. Cette phase se compose de plusieurs mécanismes psychologiques systématiques :

• Le codage (Coding) : Les individus ne perçoivent pas les issues potentielles en termes d’états finaux de richesse globale (comme l’exige l’orthodoxie néoclassique), mais plutôt sous la forme d’écarts relatifs — gains ou pertes — par rapport à un point de référence psychologique neutre, qui coïncide généralement avec la situation actuelle (le statu quo) ou les anticipations du sujet.
• La combinaison (Combination) : Le sujet agrège cognitivement les probabilités associées à des issues identiques afin de réduire la complexité de l’arbre décisionnel. Par exemple, une perspective offrant 100 dollars à 20 % et 100 dollars à 30 % est immédiatement transformée en une seule branche offrant 100 dollars à 50 %.
• La ségrégation (Segregation) : L’esprit sépare les composantes sans risque des composantes aléatoires. Une loterie promettant 300 dollars à 80 % et 100 dollars à 20 % est décomposée en une certitude d’obtenir 100 dollars, couplée à une loterie risquée offrant 200 dollars avec une probabilité de 80 %.
• L’annulation (Cancellation) : Lorsqu’il compare plusieurs perspectives concurrentes, le décideur supprime mentalement les états de la nature qui partagent des issues strictement identiques pour concentrer son attention sur les facteurs différentiels, un processus qui induit fréquemment des violations de cohérence lorsque la structure du problème est altérée.
• La simplification et l’arrondi (Simplification) : Les probabilités et les montants monétaires hautement complexes sont arrondis à des valeurs entières intuitives. Une probabilité de 49,7 % est traitée mentalement comme 50 %, tandis qu’une probabilité infime de 0,001 % peut être soit arrondie à zéro (complètement négligée), soit au contraire grandement amplifiée en raison de sa saillance narrative.
• Le rejet de la dominance (Dominance detection) : Le décideur scanne rapidement les options pour identifier et écarter immédiatement toute perspective manifestement dominée par une autre, sans opérer d’évaluation quantitative approfondie.

4.3 La phase d’évaluation : Remplacement de l’utilité par la valeur globale

Une fois les perspectives candidates simplifiées et encodées lors de la phase d’édition, l’agent cognitif procède à leur valorisation effective au cours de la « phase d’évaluation » (evaluation phase). Kahneman et Tversky substituent à la fonction d’utilité classique une équation de la valeur globale, notée V, qui combine deux échelles subjectives distinctes :

V(x, p; y, q) = π(p) × v(x) + π(q) × v(y)

Dans cette formulation canonique pour une perspective bipolaire offrant une issue x avec une probabilité p et une issue y avec une probabilité q (le reliquat 1 – p – q n’entraînant aucun changement par rapport au point de référence) :

La composante v(x) désigne la valeur subjective de l’issue monétaire x, mesurée impérativement comme un écart positif ou négatif par rapport au point de référence initial. La valeur subjective remplace ainsi l’utilité globale de la richesse nette. La seconde innovation capitale réside dans le terme π(p), qui représente la pondération décisionnelle (decision weight) associée à la probabilité objective p. Kahneman et Tversky rompent explicitement avec le postulat fondamental de linéarité en probabilité qui sous-tendait la théorie de von Neumann et Morgenstern. Les poids décisionnels π(p) ne sont pas des probabilités ; ils ne se conforment pas aux axiomes d’additivité de Kolmogorov et ne reflètent pas simplement le degré de croyance logique de l’agent. Ils traduisent l’impact effectif de l’annonce d’une probabilité sur la désirabilité globale de la perspective. Cette distinction fondamentale permet de modéliser avec une précision inédite les distorsions extrêmes que l’esprit humain impose au calcul du risque.

5. Les protocoles expérimentaux de la Théorie des Perspectives : Conception et résultats

5.1 L’effet de certitude (Certainty Effect)

Au cœur du corpus expérimental développé par Daniel Kahneman et Amos Tversky en 1979 se trouve la mise en évidence méthodique de l’« effet de certitude » (Certainty Effect). Les auteurs soumettent des panels de sujets hautement éduqués à des choix contrôlés entre des loteries probabilistes et des issues certaines. Dans un premier test devenu célèbre, ils confrontent les répondants aux perspectives suivantes :

• Option A : 2 500 dollars avec une probabilité de 33 %, 2 400 dollars avec une probabilité de 66 %, et 0 dollar avec une probabilité de 1 %.
• Option B : 2 400 dollars garantis avec une certitude absolue (probabilité de 100 %).

Une majorité massive de 82 % des participants sélectionne l’Option B. Pourtant, un calcul élémentaire de l’espérance mathématique monétaire révèle que l’espérance de l’Option A s’élève à 2 406 dollars (0,33 × 2500 + 0,66 × 2400 + 0,01 × 0 = 825 + 1584 + 0 = 2409 dollars, selon les calibrages précis de l’article), surpassant celle de l’Option B fixée à 2 400 dollars. Les sujets consentent ainsi un sacrifice substantiel de rendement attendu pour éliminer totalement l’infime risque de 1 % de repartir les mains vides.

Pour démontrer l’irrationalité formelle de ce comportement, Kahneman et Tversky soumettent immédiatement aux mêmes individus un second problème dont la structure est décalée :

• Option C : 2 500 dollars avec une probabilité de 33 %, et 0 dollar avec une probabilité de 67 %.
• Option D : 2 400 dollars avec une probabilité de 34 %, et 0 dollar avec une probabilité de 66 %.

Dans cette seconde configuration, 83 % des répondants optent pour l’Option C. Or, la comparaison algébrique de ces deux structures démontre une contradiction logique flagrante avec l’axiome de substitution de la théorie de l’utilité espérée. Le problème C-D s’obtient en retranchant rigoureusement une probabilité de 66 % de gagner 2 400 dollars aux deux branches du problème A-B. Selon la théorie classique, cette opération neutre n’aurait dû en aucun cas altérer l’ordre des préférences. Ce résultat prouve que les individus surpondèrent de manière catégorique et disproportionnée les événements certains par rapport aux événements simplement très probables. Une réduction de probabilité de 100 % à 99 % provoque une chute drastique d’attractivité psychologique, sans commune mesure avec une réduction identique de 34 % à 33 %.

Kahneman et Tversky illustrent magnifiquement cette discontinuité psychologique par la parabole de la roulette russe : la plupart des gens sont prêts à payer une somme considérablement plus colossale pour retirer l’unique balle logée dans le barillet d’un revolver (passant ainsi la probabilité de mort de 1/6 à 0, élimination absolue du risque) que pour retirer une balle d’un barillet qui en contiendrait quatre (passant la probabilité de mort de 4/6 à 3/6, réduction équivalente de 1/6 du risque). Bien que la diminution quantitative de danger statistique soit rigoureusement identique, le passage à la certitude absolue déclenche une décharge psychologique d’apaisement que la théorie néoclassique linéaire est intrinsèquement incapable de formaliser.

5.2 L’effet de réflexion (Reflection Effect)

La seconde découverte expérimentale majeure de l’article de 1979 concerne l’inversion radicale des profils de risque lorsque les perspectives basculent du domaine des gains vers celui des pertes : c’est l’effet de réflexion (Reflection Effect). L’orthodoxie économique avait toujours postulé que l’attitude face au risque d’un individu était une caractéristique stable de sa fonction d’utilité, généralement dominée par une aversion globale au risque dictée par la concavité de la courbe d’utilité de la richesse totale.

Kahneman et Tversky pulvérisent ce postulat en soumettant leurs sujets à des problèmes rigoureusement symétriques en miroirs. Dans le domaine des gains, on propose aux sujets le dilemme suivant :

• Option A : Gagner 4 000 dollars avec une probabilité de 80 %, et 0 dollar à 20 % (Espérance = +3 200 dollars).
• Option B : Gagner 3 000 dollars avec une certitude absolue de 100 % (Espérance = +3 000 dollars).

Face à ce choix, 80 % des sujets sélectionnent prudemment l’Option B, manifestant l’aversion classique au risque.

Cependant, lorsque les mêmes chercheurs soumettent le dilemme symétrique transposé dans le territoire négatif des pertes financières directes :

• Option C : Perdre 4 000 dollars avec une probabilité de 80 %, et 0 dollar à 20 % (Espérance = -3 200 dollars).
• Option D : Perdre 3 000 dollars avec une certitude absolue de 100 % (Espérance = -3 000 dollars).

Le résultat est spectaculaire : 92 % des répondants rejettent la perte certaine et choisissent délibérément l’Option C. Le même individu, frileux et averse au risque dès lors qu’il s’agit de sécuriser un gain financier, se métamorphose instantanément en un joueur audacieux et téméraire (risk-seeking) dès lors qu’il s’agit d’échapper à une perte certaine. Il préfère s’exposer à une perte potentielle considérablement plus lourde (-4 000 dollars) dans l’espoir désespéré de 20 % de ne rien perdre du tout.

Ce phénomène d’inversion des préférences démantèle l’hypothèse néoclassique d’une concavité universelle de la fonction d’utilité. Il établit que l’attitude envers le risque n’est pas une constante psychologique unitaire attachée à la personne de l’agent, mais dépend de façon critique de la polarité de l’issue par rapport au point de référence : l’être humain est universellement averse au risque dans le domaine des gains, mais en quête active de risque (propice au risque) dans le domaine des pertes.

5.3 L’effet d’isolation et l’illusion de cadrage

Le troisième pilier expérimental du programme de Kahneman et Tversky met en lumière l’« effet d’isolation » (Isolation Effect) et l’effondrement de l’invariance descriptive à travers la manipulation délibérée des cadres sémantiques. L’effet d’isolation traduit la tendance spontanée de l’esprit humain à ignorer les composantes structurellement partagées par différentes options afin de concentrer toute son énergie cognitive sur les aspects différentiels saillants. Dans des jeux en deux étapes (two-stage games), Kahneman et Tversky démontrent comment cet effet conduit des décideurs à des choix strictement incohérents avec leurs propres préférences déclarées sur des loteries équivalentes à une seule étape.

L’apothéose expérimentale de cette démonstration est atteinte en 1981 avec la publication dans Science du célèbre « problème de la maladie asiatique » (Asian Disease Problem). Kahneman et Tversky demandent à un échantillon de professionnels et d’étudiants d’imaginer que les États-Unis se préparent à affronter l’éclosion d’une maladie infectieuse rare qui devrait provoquer la mort de 600 personnes. Deux programmes concurrents d’intervention médicale sont formulés.

Dans le Cadre 1 (formulé en termes de vies sauvées) :

• Si le Programme A est adopté, 200 personnes seront sauvées avec certitude.
• Si le Programme B est adopté, il y a 1/3 de probabilité que les 600 personnes soient sauvées, et 2/3 de probabilité que personne ne soit sauvé.

Face à ce libellé, 72 % des sujets choisissent le Programme A : la perspective de sauver avec certitude 200 vies humaines mobilise puissamment l’effet de certitude et l’aversion au risque.

Un groupe expérimental équivalent est alors confronté au Cadre 2 (formulé en termes de décès) :

• Si le Programme C est adopté, 400 personnes mourront avec certitude.
• Si le Programme D est adopté, il y a 1/3 de probabilité que personne ne meure, et 2/3 de probabilité que les 600 personnes meurent.

Dans cette seconde formulation, 78 % des répondants sélectionnent le Programme D. Pourtant, un examen analytique basique montre que le Programme A est rigoureusement identique au Programme C (sauver 200 personnes sur 600 équivaut exactement à constater la mort de 400 personnes), tandis que le Programme B est la réplique parfaite du Programme D. En modifiant un seul mot sémantique — substituer le concept de « décès » à celui de « survie » —, les expérimentateurs ont fait basculer la majorité des choix de l’aversion prudente vers la spéculation risquée. Ce résultat a démontré de manière irréfutable que les décideurs réels ne choisissent pas entre des options objectives réelles, mais entre les représentations mentales et lexicales qui leur sont soumises.

6. La fonction de valeur : Mathématisation et composantes psychologiques

6.1 La dépendance au point de référence

Pour modéliser l’ensemble de ces anomalies empiriques, Kahneman et Tversky conçoivent une formalisation mathématique novatrice de la perception de la valeur : la fonction de valeur subjective, notée v(x). La première caractéristique ontologique de cette fonction est sa dépendance stricte à l’égard d’un « point de référence » (reference point). Contrairement à l’utilité classique chez Savage ou von Neumann, où l’argument de la fonction est la richesse nette absolue de l’individu u(W + x), la théorie des perspectives établit que l’appareil perceptif humain est structurellement insensible aux grandeurs d’état statiques absolues. Il réagit exclusivement aux variations de flux, c’est-à-dire aux gains positifs et aux pertes négatives définis par l’écart relatif x par rapport à un point neutre d’ancrage r :

v(x) = v(X – r)

Cette conceptualisation trouve ses racines dans la psychophysique sensorielle : notre perception de la température d’une pièce ne dépend pas de l’énergie cinétique absolue des molécules d’air mesurée en kelvins, mais de la transition thermique vécue par notre derme par rapport au milieu duquel nous sortons. De la même manière, le bien-être subjectif et l’utilité décisionnelle d’un opérateur boursier ne dépendent pas du fait que son portefeuille se monte à dix millions d’euros, mais de la trajectoire récente : s’il possédait douze millions la veille, la clôture à dix millions est violemment encodée par son cerveau comme une perte dévastatrice de deux millions, provoquant une détresse psychologique aiguë identique à celle d’un individu modeste subissant une amputation proportionnelle de son capital.

De surcroît, le point de référence n’est pas immuable dans le temps ni figé au statu quo monétaire matériel. Il peut être manipulé par les aspirations individuelles, les contrats sociaux implicites, les comparaisons interpersonnelles et les attentes subjectives. L’ajustement dynamique du point de référence explique la vitesse avec laquelle l’esprit humain s’accoutume aux améliorations matérielles (adaptation hédonique), déplaçant perpétuellement le seuil de neutralité émotionnelle et transformant d’anciens gains exceptionnels en besoins minimaux de base.

6.2 La sensibilité marginale décroissante

La deuxième composante structurelle de la fonction de valeur est le principe de « sensibilité marginale décroissante » (diminishing sensitivity). Ce principe stipule que l’impact marginal d’une unité monétaire supplémentaire s’érode à mesure que l’on s’éloigne — dans une direction positive ou négative — du point de référence. La formalisation mathématique de cette propriété psychophysique se traduit par une courbure asymétrique en forme de « S » :

• La fonction de valeur est strictement concave dans le domaine des gains : v »(x) < 0 pour tout x > 0. La différence subjective entre un gain de 100 dollars et un gain de 200 dollars paraît considérablement plus vaste et gratifiante que la différence subjective entre un gain de 1 100 dollars et un gain de 1 200 dollars, bien que le différentiel objectif soit de 100 dollars dans les deux occurrences.
• La fonction de valeur est strictement convexe dans le domaine des pertes : v »(x) > 0 pour tout x < 0. Le passage d’une perte de 0 dollar à une perte sèche de 100 dollars provoque une morsure psychologique cuisante, alors que le passage d’une perte de 1 000 dollars à une perte de 1 100 dollars est ressenti avec une pénibilité marginale fortement atténuée.

Cette courbure en S dérive directement de la célèbre loi de Weber-Fechner en psychophysique, qui énonce que l’intensité perçue d’une sensation croît comme le logarithme de l’intensité de la stimulation physique objective. En transposant cette loi du domaine de la brillance lumineuse et de la puissance sonore à celui des transactions monétaires, Kahneman et Tversky capturent élégamment la raison pour laquelle les agents économiques manifestent une recherche effrénée du risque dans les pertes : la convexité de la fonction au-dessous du point zéro implique que la souffrance ressentie pour une perte double n’est pas deux fois plus vive que pour une perte simple, incitant mathématiquement le décideur à tenter des paris désespérés pour effacer l’ardoise.

6.3 L’aversion aux pertes (Loss Aversion)

La troisième composante, et sans doute la plus célèbre de la théorie des perspectives, est le concept d’« aversion aux pertes » (Loss Aversion). Kahneman et Tversky ont résumé cette découverte par une maxime devenue légendaire : « Les pertes blessent plus intensément que les gains ne réjouissent ». La fonction de valeur ne se contente pas d’être concave dans les gains et convexe dans les pertes ; elle présente un coude abrupt (une non-différentiabilité locale) au niveau précis du point de référence d’origine, avec une pente considérablement plus raide dans le territoire négatif que dans le territoire positif :

-v(-x) > v(x) pour tout x > 0

Pour mesurer ce phénomène, Kahneman et Tversky soumettent des individus à un tirage à pile ou face standard : si la pièce tombe sur face, le sujet gagne 100 dollars ; si elle tombe sur pile, il perd un montant Y. On demande alors aux participants d’indiquer la valeur minimale de Y pour laquelle ils acceptent de jouer. Alors que la théorie néoclassique prévoit qu’un individu neutre au risque accepterait le pari dès lors que le gain compense la perte (Y = 100), la quasi-totalité des sujets expérimentaux exige un gain potentiel de 200 à 250 dollars pour consentir à risquer une perte potentielle de 100 dollars.

Ce comportement met en lumière le coefficient d’aversion aux pertes, universellement désigné par la lettre grecque lambda (λ). Estimé empiriquement dans une fourchette médiane comprise entre 1,5 et 2,5 selon les protocoles et les enjeux, ce coefficient formalise le fait que la détresse psychologique induite par une perte financière est deux fois plus aiguë que l’extase générée par un gain monétaire strictement équivalent. L’équation canonique de la fonction de valeur proposée ultérieurement par Tversky et Kahneman en 1992 modélise cette asymétrie par une loi de puissance :

v(x) = x^α si x ≥ 0

v(x) = -λ(-x)^β si x < 0

(les paramètres de courbure α et β étant empiriquement calibrés à environ 0,88, et le paramètre d’aversion aux pertes λ ≈ 2,25).

L’économiste Richard Thaler, proche collaborateur de Kahneman et Tversky, a démontré la puissance explicative de l’aversion aux pertes à travers la théorisation de l’effet de dotation (Endowment Effect). Les individus valorisent systématiquement beaucoup plus un bien meuble lorsqu’ils en sont les propriétaires effectifs que lorsqu’ils doivent en faire l’acquisition sur le marché. Dans des expériences célèbres utilisant des tasses en céramique de l’université distribuées au hasard à la moitié d’un groupe d’étudiants, le prix de cession minimal réclamé par les détenteurs de tasses (consentement à recevoir) s’est invariablement avéré plus du double du prix d’achat maximal que les étudiants non pourvus étaient prêts à débourser pour acquérir l’objet. Dès lors qu’un objet est intégré à notre patrimoine, sa cession n’est plus traitée par notre cerveau comme la privation d’un gain futur mais comme une amputation de notre être, déclenchant l’inconfort de l’aversion aux pertes.

7. La fonction de pondération des probabilités : La distorsion non linéaire du hasard

7.1 La non-linéarité des poids décisionnels pi(p)

La seconde transformation révolutionnaire opérée par la théorie des perspectives réside dans la modélisation mathématique du traitement du hasard. Dans la théorie de l’utilité espérée de von Neumann-Morgenstern et Savage, le décideur multiplie l’utilité d’un événement par sa probabilité mathématique objective p (ou par sa probabilité subjective P(E) chez Savage). Cette relation est strictement linéaire : une augmentation de 5 % de la probabilité d’un gain a exactement le même poids marginal dans l’équation décisionnelle, que la probabilité initiale passe de 0 % à 5 %, de 20 % à 25 %, ou de 95 % à 100 %.

Kahneman et Tversky démontrent que l’esprit humain est structurellement incapable de respecter cette linéarité mathématique. Ils introduisent la fonction de pondération des probabilités π(p), qui convertit l’information stochastique en un poids décisionnel subjectif. Deux principes fondamentaux gouvernent cette fonction :

• La surpondération systématique des probabilités infinitésimales : Les événements extrêmement rares mais porteurs d’issues spectaculaires (comme gagner le gros lot à une loterie nationale ou périr dans un crash aérien) reçoivent un poids décisionnel π(p) sans commune mesure avec leur fréquence réelle (π(p) >> p pour p proche de 0). L’esprit humain refuse de traiter un risque de un sur un million comme une quasi-impossibilité mathématique ; il l’érige en une éventualité saillante chargée d’images mentales concrètes.
• La sous-pondération des probabilités intermédiaires et élevées : Dès que l’on quitte le domaine des événements rarissimes, la fonction s’affaisse en deçà de la diagonale de rationalité parfaite. Pour des probabilités comprises entre 0,15 et 0,90, les poids décisionnels sont nettement inférieurs aux probabilités objectives correspondantes (π(p) < p). De plus, l’esprit humain manifeste une insensibilité relative aux variations de probabilités dans cette vaste plage intermédiaire : une fluctuation de probabilité entre 40 % et 50 % produit un écho psychologique singulièrement plus terne qu’une fluctuation identique entre 0 % et 10 %.

7.2 La structure en forme de ‘S’ inversé

La représentation graphique de la fonction de pondération π(p) présente une allure géométrique caractéristique en « S inversé » (inverse S-shaped curve). La courbe s’amorce avec une pente extrêmement abrupte au voisinage immédiat de zéro, signifiant que le passage d’une impossibilité absolue (0) à une infime possibilité (par exemple 1 %) provoque un séisme psychologique considérable (l’effet de possibilité). Puis, la courbe s’aplatit sur tout le segment intermédiaire, révélant une insensibilité discriminatoire notable aux variations de vraisemblance statistique. Enfin, elle se redresse vertigineusement à l’approche de la certitude (1), traduisant le bond qualitatif immense ressenti lors de l’élimination du dernier pourcent d’incertitude (l’effet de certitude).

Cette géométrie non linéaire entraîne une propriété mathématique capitale formalisée par Kahneman et Tversky : la « sous-certitude » (subcertainty). Pour deux événements complémentaires p et 1 – p, la somme de leurs poids décisionnels subjectifs respectifs n’est presque jamais égale à l’unité :

π(p) + π(1 – p) < 1

Cette sous-additivité généralisée démontre que les individus sont habités par un déficit global d’engagement psychologique face aux options purement aléatoires comparées à la sécurité du monde tangible certain. L’esprit humain ne perçoit pas le continuum probabiliste de Kolmogorov comme une échelle métrique régulière, mais comme une topologie fracturée par des frontières qualitatives infranchissables entre le néant, le possible et le certain.

7.3 Le schéma à quatre profils face au risque (Fourfold Pattern)

L’interaction dynamique entre la courbure en S de la fonction de valeur subjective et la structure en S inversé de la fonction de pondération probabiliste produit l’une des prédictions les plus éclatantes et universellement confirmées de la théorie des perspectives : le schéma décisionnel à quatre profils face au risque (Fourfold Pattern of Risk Attitudes). Alors que l’orthodoxie néoclassique peinait à justifier pourquoi un même individu pouvait souscrire une police d’assurance tout en achetant des tickets de loterie, Kahneman et Tversky démontrent que ces comportements apparemment antinomiques découlent naturellement de la même mécanique mentale :

• Gains à haute probabilité : Aversion au risque. (Exemple : 95 % de chances de gagner 10 000 dollars). La sous-pondération de la haute probabilité (π(0,95) < 0,95) couplée à la concavité de la fonction de valeur dans les gains incite l’agent à préférer un accord certain inférieur à l’espérance mathématique (effet de certitude). C’est le comportement classique de sécurisation des bénéfices.
• Pertes à haute probabilité : Recherche active du risque. (Exemple : 95 % de chances de perdre 10 000 dollars). La sous-pondération psychologique de la probabilité de perte et la convexité de la fonction de valeur conduisent l’individu à refuser une perte certaine pour parier sur la faible chance d’échapper au désastre. C’est le piège de la fuite en avant financière.
• Gains à faible probabilité : Recherche active du risque. (Exemple : 1 % de chances de gagner 10 000 dollars). La surpondération spectaculaire des probabilités infinitésimales (π(0,01) >> 0,01) transforme une éventualité insignifiante en un phare d’attractivité psychologique. C’est le moteur universel des loteries nationales, des casinos et du capital-risque spéculatif, où les agents surpaient délibérément l’accès à un espoir chimérique.
• Pertes à faible probabilité : Aversion au risque. (Exemple : 1 % de chances de perdre 10 000 dollars). La surpondération de la probabilité infinitésimale de catastrophe magnifie la terreur du risque rare. L’individu accepte docilement de payer une prime d’assurance forfaitaire largement supérieure à l’espérance actuarielle de la perte pour acheter sa tranquillité d’esprit.

8. La théorie cumulative des perspectives (1992) : Perfectionnement mathématique

8.1 Les faiblesses formelles du modèle de 1979

En dépit de son accueil triomphal dans les cercles des sciences comportementales, la version originelle de la théorie des perspectives de 1979 souffrait d’une vulnérabilité théorique majeure qui la rendait inacceptable pour une partie des théoriciens de l’économie mathématique : elle pouvait violer le principe de la « dominance stochastique du premier ordre ». Dans certaines configurations spécifiques impliquant des loteries à branches multiples composées d’issues très proches, l’application directe et séparée des poids décisionnels π(p_i) à chaque issue individuelle pouvait amener le modèle à prédire qu’un individu rationnel choisirait une perspective A plutôt qu’une perspective B, alors même que l’option B offrait des gains strictement supérieurs ou égaux à A dans tous les états possibles du monde.

De surcroît, le formalisme originel de 1979 était limité aux perspectives discrètes ne comportant au maximum que deux ou trois issues monétaires explicites. Il était incapable de s’étendre naturellement aux variables aléatoires continues ou aux distributions statistiques complexes gouvernant les marchés de capitaux, le secteur de l’assurance actuarielle ou les enchères publiques. Pour que la théorie comportementale puisse rivaliser d’égal à égal avec la sophistication formelle du modèle de l’utilité espérée de Savage et Arrow-Debreu, une refondation axiomatique complète de la pondération des probabilités était impérative.

8.2 L’intégration des travaux de Quiggin : La pondération dépendante du rang

La clé de voûte de cette révision théorique est apportée par l’économiste australien John Quiggin en 1982 à travers sa théorie de l’utilité dépendante du rang (Rank-Dependent Utility). Quiggin propose une intuition mathématique brillante : plutôt que d’appliquer une distorsion probabiliste isolée à chaque événement élémentaire considéré séparément, il convient d’appliquer la fonction de transformation aux probabilités cumulées d’obtenir une issue au moins aussi avantageuse que l’issue considérée, après avoir rigoureusement ordonné l’ensemble des issues possibles du pire scénario jusqu’au meilleur.

En 1992, Amos Tversky et Daniel Kahneman unissent leurs efforts pour absorber l’approche de Quiggin et publient dans le Journal of Risk and Uncertainty leur chef-d’œuvre analytique définitif : « Advances in Prospect Theory: Cumulative Representation of Uncertainty ». Dans la Théorie Cumulative des Perspectives (Cumulative Prospect Theory ou CPT), les probabilités objectives p_i ne sont plus transformées individuellement. Les issues d’une perspective sont d’abord rangées par ordre croissant de valeur :

x_-m < … < x_-1 < x₀ = 0 < x₁ < … < x_n

Les poids décisionnels pour le domaine des gains (w⁺) et pour le domaine des pertes (w^–) sont alors définis comme les différences marginales entre les capacités transformées des distributions cumulées :

π_i⁺ = w⁺(p_i + … + p_n) – w⁺(p_i+1 + … + p_n)

π_-j^– = w^–(p_-m + … + p_-j) – w^–(p_-m + … + p_-(j+1))

Cette construction garantit avec une rigueur mathématique absolue le respect inconditionnel de la dominance stochastique du premier ordre. Le rang d’une issue devient le déterminant clé de sa pondération : les individus ne surpondèrent pas les probabilités en tant que telles, ils surpondèrent systématiquement la probabilité des issues extrêmes (la pire issue et la meilleure issue de la distribution), tout en comprimant les issues mitoyennes ordinaires. Ce cadre mathématique permet enfin d’intégrer avec élégance n’importe quel nombre fini ou continu d’issues stochastiques.

8.3 L’unification conceptuelle du risque et de l’incertitude

L’autre avancée décisive de la théorie cumulative de 1992 est son universalité d’application : elle abolit formellement la frontière entre le risque mesurable et l’incertitude sans probabilités objectives connues. En adoptant les concepts d’intégrale de Choquet et de capacités non additives, la CPT permet d’attribuer des poids décisionnels à des événements incertains pour lesquels aucune distribution statistique n’est formulable d’avance, comme la variation future des taux de change ou le résultat d’un scrutin présidentiel.

Cette percée réalise la synthèse tant attendue entre les énigmes soulevées par le paradoxe d’Ellsberg et l’armature de la théorie des perspectives. L’aversion à l’ambiguïté ne constitue plus un paradoxe isolé ou une exception exotique ; elle devient une manifestation directe de la sous-additivité des capacités cumulées appliquées à des états de la nature incertains. Dans leur article de 1992, Tversky et Kahneman mènent des campagnes d’expérimentations paramétriques poussées sur des dizaines de sujets en laboratoire, calibrant avec une précision économétrique inégalée la forme fonctionnelle des équations :

w⁺(p) = p^γ / (p^γ + (1 – p)^γ)^1/γ avec γ ≈ 0,61 pour les gains,

w^–(p) = p^δ / (p^δ + (1 – p)^δ)^1/δ avec δ ≈ 0,69 pour les pertes.

Ce calibrage quantitatif robuste a offert à la communauté des chercheurs en économie et en finance appliquée un modèle opérationnel immédiatement exploitable pour renouveler l’analyse empirique des comportements de marché.

9. Convergence et divergence : L’ambiguïté d’Ellsberg à l’aune de Kahneman et Tversky

9.1 Points d’intersection épistémologique

L’analyse comparée des trajectoires intellectuelles de Daniel Ellsberg, d’une part, et de Daniel Kahneman et Amos Tversky, d’autre part, révèle une profonde convergence épistémologique. Tous trois ont partagé le même refus viscéral de l’impérialisme axiomatique néoclassique qui postulait une rationalité déconnectée de la cognition réelle. Ellsberg comme Tversky et Kahneman ont démontré, preuves empiriques irréfutables à l’appui, que la théorie de l’utilité espérée de Leonard Savage échouait à décrire les choix effectifs des décideurs.

Le point d’intersection le plus puissant entre leurs deux édifices réside dans le rejet formel de la linéarité probabiliste et de l’additivité des croyances. L’être humain n’est pas une machine bayésienne traitant l’information avec une neutralité comptable. Ellsberg a prouvé que la nature de l’information manquante génère une altération profonde de la valorisation de l’aléa ; Kahneman et Tversky ont quant à eux montré que la simple structure formelle et contextuelle de l’aléa altère la pondération décisionnelle. Dans les deux cas, le décideur souffre d’une insécurité cognitive face à la vulnérabilité de son statut : le stress provoqué par l’inconnu non mesurable chez Ellsberg fait écho direct à l’aversion violente pour la perte chez Kahneman et Tversky.

9.2 Divergences méthodologiques et expérimentales

Toutefois, une césure conceptuelle substantielle sépare l’approche d’Ellsberg de celle du tandem Kahneman-Tversky. La démarche d’Ellsberg est fondamentalement épistémique : elle s’ancre dans l’analyse de l’ignorance, de la connaissance incomplète et du statut de la preuve empirique. Dans les urnes d’Ellsberg, la physique du tirage est délibérément dissimulée au sujet ; ce que le chercheur explore, c’est la façon dont l’esprit humain réagit à l’absence de données probabilistes objectives. L’ambiguïté pour Ellsberg n’est pas un biais cognitif ou une erreur de calcul qu’un statisticien éclairé pourrait corriger par une leçon d’algèbre ; c’est un jugement normatif raisonnable porté par un décideur qui refuse de prétendre qu’il sait ce qu’il ignore totalement.

À l’inverse, Kahneman et Tversky ont initialement déployé leur théorie des perspectives dans l’univers du « risque transparent », où toutes les probabilités numériques exactes sont explicitement communiquées aux sujets sur une feuille d’instructions. Leurs protocoles ne visent pas à tester la réaction du sujet face à l’ignorance du dispositif expérimental, mais à révéler comment l’esprit distord, filtre et réinterprète des probabilités pourtant parfaitement transparentes et connues de lui. Pour Kahneman et Tversky, les déviations observées par rapport à l’espérance rationnelle constituent des biais cognitifs universels ancrés dans l’architecture perceptive de notre cerveau reptilien et émotionnel, et non nécessairement des actes de prudence épistémique délibérée.

9.3 L’hypothèse d’évaluation comparative (Fox et Tversky, 1995)

Cette tension féconde a trouvé une résolution expérimentale magistrale dans un article fondamental publié en 1995 dans le Quarterly Journal of Economics par Craig Fox et Amos Tversky : « Ambiguity Aversion and Comparative Ignorance ». Fox et Tversky y revisitent directement le paradoxe d’Ellsberg pour en percer la véritable nature psychologique à l’aide des outils de la psychologie cognitive.

Leur découverte est sensationnelle : l’aversion à l’ambiguïté documentée par Ellsberg ne constitue pas une attitude psychologique permanente face à l’inconnu, mais un phénomène contextuel produit par la comparaison conjointe immédiate entre une option transparente et une option opaque. Lorsque l’on propose à un sujet d’évaluer isolément l’urne ambiguë d’Ellsberg (évaluation séparée) sans lui présenter simultanément l’urne à probabilités connues, son aversion à l’ambiguïté s’évanouit presque intégralement. Le sujet accepte de parier sur l’urne ambiguë à des prix pratiquement équivalents à ceux de l’urne probabilisée.

Fox et Tversky formulent alors l’« hypothèse de l’ignorance comparative » (Comparative Ignorance Hypothesis) : l’aversion à l’ambiguïté n’émerge avec force que lorsque le décideur est mis en situation de comparer une option pour laquelle il se sent compétent ou informé avec une option qui lui rappelle douloureusement son manque d’information. C’est le sentiment subjectif d’incompétence relative qui paralyse l’agent économique. Si un individu ne dispose d’aucun étalon de comparaison clair, l’ambiguïté cesse d’être vécue comme une menace discriminante. Cette synthèse a permis de rattacher l’ambiguïté d’Ellsberg au cadre plus large de la dépendance au point de référence et du cadrage comparatif théorisés par la théorie des perspectives.

10. Implications empiriques en économie comportementale, finance et politiques publiques

10.1 Anomalies des marchés financiers et énigme de la prime de risque

L’introduction des travaux d’Ellsberg, de Kahneman et de Tversky au sein de la science financière a déclenché une mutation copernicienne en donnant naissance à la « finance comportementale » (Behavioral Finance). L’un des triomphes les plus éclatants de cette approche a été la résolution par Shlomo Benartzi et Richard Thaler en 1995 de l’un des mystères les plus impénétrables de la macroéconomie moderne : l’énigme de la prime de risque des actions (Equity Premium Puzzle), identifiée pour la première fois par Mehra et Prescott en 1985.

Historiquement, les actions boursières américaines ont délivré sur un siècle un rendement annuel réel moyen supérieur d’environ 6 à 7 % à celui des obligations d’État sans risque. Dans le cadre néoclassique de l’utilité espérée, un tel écart de rendement ne pouvait s’expliquer que si l’investisseur représentatif possédait un coefficient d’aversion au risque invraisemblablement élevé (supérieur à 30), impliquant qu’il refuserait par exemple de jouer à une loterie lui offrant 50 % de chances de doubler sa fortune patrimoniale et 50 % de chances de n’en perdre que 10 %. Benartzi et Thaler démontrent que cette énigme se dissout dès lors que l’on mobilise la théorie des perspectives sous le concept de l’« aversion myope aux pertes » (Myopic Loss Aversion).

L’investisseur contemporain typique combine deux caractéristiques comportementales : il est averse aux pertes (une perte boursière lui fait deux fois et demie plus mal qu’un gain équivalent ne le réjouit) et il consulte la valorisation de son portefeuille financier avec une fréquence compulsive (horizon d’évaluation myope : quotidien, mensuel ou annuel). Or, sur un horizon de temps infinitésimal, la volatilité boursière mécanique fait osciller la rentabilité des actions entre gains et pertes avec une probabilité de perte proche de 45 à 48 %. En évaluant perpétuellement ses positions, l’investisseur myope subit de plein fouet la morsure psychologique de l’aversion aux pertes. Pour accepter de porter des actifs volatils qui lui infligent cette souffrance émotionnelle répétée, il exige des marchés une prime de rendement exorbitante par rapport aux obligations stables. Parallèlement, l’effet de disposition (Disposition Effect) formalisé par Terrance Odean — où les investisseurs vendent prématurément leurs actions gagnantes pour cristalliser un gain rassurant (aversion au risque dans les gains) tout en conservant indéfiniment leurs positions déficitaires dans l’attente désespérée d’un rebond (recherche du risque dans les pertes) — trouve sa justification parfaite dans la fonction de valeur en S de Kahneman et Tversky.

10.2 Comportements de santé et souscription aux assurances

Le schéma à quatre profils face au risque prédit avec une fidélité chirurgicale les dysfonctionnements observés dans l’économie de la santé et les marchés assurantiels. L’une des manifestations les plus frappantes est l’appétence démesurée des consommateurs pour les garanties prolongées et les micro-assurances couvrant les appareils électroménagers ou électroniques de faible valeur. Alors que la théorie financière classique démontre qu’il est rationnellement absurde de payer des primes exorbitantes pour assurer des biens dont la perte monétaire n’entame en rien la solvabilité globale du ménage, la surpondération des probabilités infimes d’accident (π(p) >> p) combinée à l’aversion aux pertes pousse les individus à dilapider des sommes considérables pour éliminer ce micro-risque.

Dans le domaine médical et des campagnes de santé publique, les effets de cadrage de Kahneman et Tversky se sont avérés déterminants pour modifier les comportements d’observance thérapeutique et de prévention. Les recherches empiriques de Rothman et Salovey ont démontré que l’efficacité des messages préventifs dépend de l’alignement entre le cadrage discursif et la nature psychologique de l’acte médical requis :

• Pour les comportements de détection d’une maladie (mammographies, dépistage du cancer colorectal, tests de dépistage du VIH) — des actes perçus par le patient comme porteurs d’un risque élevé de découvrir une mauvaise nouvelle —, les messages cadrés en termes de pertes (« Si vous ne faites pas ce dépistage, vous perdez la chance d’interrompre une tumeur à temps ») sont significativement plus incitatifs, car ils mobilisent la recherche du risque face à une issue négative imminente.
• Pour les comportements de prévention pure (application de crème solaire, port du préservatif, port du casque à vélo) — des actes perçus comme sécurisants et sans danger immédiat —, les messages cadrés en termes de gains (« Porter un casque préserve votre sécurité et protège votre avenir ») s’avèrent infiniment plus persuasifs en activant l’aversion au risque protectrice.

En matière d’hésitation vaccinale, l’interaction entre l’aversion à l’ambiguïté d’Ellsberg et l’effet de certitude joue un rôle délétère. Le risque infime mais hautement médiatisé d’effets secondaires indésirables liés à un vaccin nouveau est encodé par l’esprit comme un risque ambigu provoqué par une commission active (action délibérée de se faire injecter un produit), tandis que le risque statistique beaucoup plus élevé mais abstrait de contracter la maladie virale naturelle est minimisé par l’illusion de contrôle et l’omission passive.

10.3 L’architecture du choix et le paternalisme libertarien

L’aboutissement institutionnel des recherches de Kahneman et Tversky a pris corps dans la théorie des « Nudges » (les coups de pouce incitatifs) et le concept de « paternalisme libertarien », popularisés à l’échelle planétaire par Richard Thaler et le juriste Cass Sunstein dans leur ouvrage éponyme de 2008. L’axiome fondamental de l’architecture du choix repose sur un constat d’évidence dérivé de la théorie des perspectives : la neutralité institutionnelle est une illusion. Dès lors que la formulation d’un problème ou l’ordre des options conditionne inévitablement le choix effectif des décideurs, la puissance publique a la responsabilité éthique de structurer l’environnement décisionnel de manière à orienter les citoyens vers les arbitrages les plus favorables à leur propre bien-être à long terme, tout en préservant scrupuleusement leur liberté de dérogation.

L’application la plus célèbre réside dans la modification des options par défaut (Default Options) pour l’adhésion aux régimes d’épargne retraite par capitalisation (comme le programme Save More Tomorrow déployé aux États-Unis). Dans les systèmes classiques où l’employé devait remplir activement un formulaire pour adhérer au plan (opt-in), le taux de participation stagnait souvent autour de 30 à 40 % en raison de la procrastination cognitive et de la perception de l’épargne comme une perte immédiate de revenu disponible. En inversant simplement la règle par défaut (opt-out) — l’employé est automatiquement inscrit dès son embauche, sauf démarche volontaire explicite de sa part pour en sortir —, le taux d’adhésion a instantanément grimpé à plus de 85 %. Le statu quo ayant été transformé en référence mentale neutre, renoncer au régime devient désormais encodé comme la perte d’un avantage futur acquis, neutralisant la résistance au changement par le biais de la propre aversion aux pertes des salariés.

Le même mécanisme a révolutionné les politiques de prélèvement et de don d’organes à travers le monde. Les nations européennes qui appliquent le principe du consentement présumé (où chaque citoyen décédé est réputé donneur par défaut sauf inscription explicite sur un registre national des refus) affichent des taux de disponibilité des greffons supérieurs à 90 %, alors que les pays exigeant une démarche proactive d’enregistrement atteignent péniblement des taux oscillant entre 15 et 25 %, sauvant ainsi des milliers de vies supplémentaires sans recours à aucune contrainte coercitive.

11. Les bases neurobiologiques du risque et de l’incertitude

11.1 Substrats cérébraux distincts pour le risque et l’ambiguïté

L’avènement de la neuroéconomie à l’orée du XXIe siècle, propulsée par le développement fulgurant de l’imagerie par résonance magnétique fonctionnelle (IRMf), a permis de soumettre les modèles d’Ellsberg et de Kahneman-Tversky à l’épreuve des substrats neurobiologiques cérébraux. Longtemps suspectée d’être un artifice conceptuel abstrait, la distinction knightienne entre risque probabilisé et ambiguïté a reçu une confirmation empirique éclatante au niveau anatomique.

Dans une étude pionnière publiée dans la revue Science en 2005, Colin Camerer, George Loewenstein et Ming Hsu ont placé des sujets sous scanner IRMf pendant qu’ils effectuaient des arbitrages entre des choix risqués (loteries de type roulette à probabilités transparentes) et des choix ambigus (urnes d’Ellsberg à compositions occultées). Les résultats ont révélé que le risque et l’ambiguïté engagent des réseaux neuronaux distincts :

• Face à une situation de risque mesurable, l’activité neuronale prédomine dans le striatum dorsal et ventral — structures cérébrales primitives étroitement associées au système de récompense mésolimbique et au codage dopaminergique —, ainsi que dans le cortex pariétal postérieur, impliqué dans le calcul numérique et le traitement spatial quantitatif. L’organisme traite le risque comme un jeu de prédiction statistique fluide et d’anticipation de gratification motrice.
• Face à une situation d’ambiguïté (incertitude knightienne), le cerveau désactive partiellement ces circuits de calcul pour activer massivement l’amygdale — le centre névralgique de détection des menaces, de la vigilance et de la peur inconditionnée — ainsi que le cortex orbitofrontal latéral et l’insula antérieure, zones mobilisées lors des états de dégoût viscéral et de conflit émotionnel aigu.

L’imagerie cérébrale a confirmé que des patients souffrant de lésions focales bilatérales de l’amygdale ou du cortex orbitofrontal ne manifestent plus aucune aversion à l’ambiguïté face aux urnes d’Ellsberg : incapables de ressentir le signal émotionnel d’alerte déclenché par le manque d’information, ils traitent l’ambiguïté avec la même neutralité qu’un simple tirage au sort équilibré. L’aversion à l’ambiguïté n’est donc pas le produit d’un calcul rationnel défaillant, mais une réaction d’inhibition neuro-affective archaïque destinée à protéger l’organisme contre les prédateurs invisibles et les environnements non maîtrisés.

11.2 La neurobiologie de l’aversion aux pertes

De même, les composantes fondamentales de la fonction de valeur de Kahneman et Tversky ont trouvé leur ancrage somatique précis dans le système nerveux central. Dans une étude d’anthologie parue en 2007 dans Science, Sabrina Tom, Craig Fox, Christopher Trepel et Russell Poldrack ont mesuré l’activité hémodynamique cérébrale de décideurs confrontés à des loteries mixtes de type pile ou face impliquant des gains et des pertes d’argent réel.

Les chercheurs ont mis en évidence un mécanisme baptisé « sensibilité neuronale différentielle » (Neural Loss Aversion). Aucune région cérébrale unique n’est dédiée exclusivement au traitement des pertes financières. En réalité, un réseau commun de structures dopaminergiques incluant le striatum ventral et le cortex préfrontal ventromédian (VMPFC) module son activité de manière asymétrique : l’augmentation de l’activité métabolique pour un gain de 10 dollars est systématiquement surclassée par l’ampleur de la désactivation (décroissance d’activité en deçà de la ligne de base) observée pour une perte monétaire de 10 dollars. La chute du signal dopaminergique consécutive à une perte est deux fois plus brutale que son élévation lors d’un gain.

De plus, l’anticipation d’une perte financière recrute simultanément l’insula antérieure et le cortex cingulaire antérieur, les structures mêmes qui composent la matrice somatosensorielle de la douleur physique. Perdre cent euros active littéralement les mêmes réseaux nociceptifs que ceux qui signalent une brûlure cutanée ou un coup traumatique. Mieux encore, les neurobiologistes ont établi une corrélation directe et statistiquement robuste entre le coefficient individuel d’aversion aux pertes comportemental (λ) mesuré par les questionnaires de la théorie des perspectives et le ratio d’asymétrie de réactivité fronto-striatale mesuré sous IRMf. La courbure en S et l’aversion aux pertes modélisées par Kahneman et Tversky traduisent ainsi avec une fidélité mathématique stupéfiante la manière dont notre cerveau biologique encode la douleur et le plaisir matériel.

12. Bilan critique, débats contemporains et postérité académique

12.1 La querelle naturaliste et adaptative : L’école de Gigerenzer

Malgré l’immense triomphe académique du programme de Kahneman et Tversky, leur paradigme a suscité de vigoureuses controverses scientifiques, au premier rang desquelles figure la critique menée depuis les années 1990 par l’école de psychologie évolutionniste de l’Institut Max Planck de Berlin, dirigée par Gerd Gigerenzer. Gigerenzer reproche au programme des « heuristiques et biais » d’avoir diffusé une image dégradée et caricaturale de l’intelligence humaine, réduisant l’esprit à un assemblage défectueux d’outils cognitifs produisant des erreurs systématiques par rapport aux règles formelles de la logique formelle occidentale.

Gigerenzer avance le concept concurrent de « rationalité écologique » (Ecological Rationality). Selon cette approche, l’esprit humain n’a pas évolué au cours du Pléistocène pour résoudre des énigmes de probabilités conditionnelles formulées sous forme de pourcentages abstraits dans un laboratoire universitaire stérile, mais pour survivre au sein d’environnements naturels incertains et instables. Dans un monde caractérisé par une incertitude knightienne irréductible, les règles de la logique bayésienne et de l’optimisation mathématique s’avèrent inefficaces, lentes et sujettes au surapprentissage (overfitting). Les heuristiques rapides et frugales (Fast and Frugal Heuristics) — comme la règle du « Take The Best » ou le recours au conformisme social — ne sont pas des défaillances de calcul ; ce sont des adaptations cognitives hautement sophistiquées qui permettent d’aboutir à des décisions plus robustes, plus résilientes et plus rapides que n’importe quel algorithme d’optimisation classique.

De plus, Gigerenzer a démontré expérimentalement que lorsque l’on reformule les problèmes probabilistes classiques de Kahneman et Tversky (comme le problème de Linda ou le diagnostic médical bayésien) en substituant des « fréquences naturelles » concrètes (« 10 femmes sur 1 000 ») aux pourcentages abstraits (« 1 % de la population »), la quasi-totalité des biais de conjonction et d’insensibilité aux probabilités de base s’évanouit spontanément. Le cerveau humain s’avère parfaitement apte au calcul bayésien intuitif dès lors que les données lui sont présentées sous le format informationnel séquentiel pour lequel son architecture mnésique a été forgée au fil des millénaires.

12.2 Défis de réplication et extensions empiriques modernes

À l’ère de la crise de la réplicabilité qui a secoué la psychologie sociale et les sciences du comportement au cours de la dernière décennie, la théorie des perspectives a fait l’objet d’examens métrologiques d’une sévérité sans précédent. De gigantesques consortiums internationaux de chercheurs, tels que le projet Many Labs, ont répliqué les expériences séminales de Kahneman et Tversky sur des dizaines de milliers d’individus répartis sur tous les continents.

Ces réplications massives ont confirmé de manière éclatante la robustesse indiscutable des effets centraux : l’effet de cadrage, l’effet de certitude, l’effet de réflexion et la surpondération des probabilités infinitésimales demeurent des invariants psychologiques universels transcendant les frontières géographiques et culturelles. Cependant, des nuances méthodologiques substantielles ont été documentées :

• L’intensité du coefficient d’aversion aux pertes (λ) fait preuve d’une variabilité contextuelle beaucoup plus marquée qu’anticipé initialement. Dans des marchés professionnels hyper-compétitifs où les acteurs sont soumis à des incitations monétaires colossales et à une rétroaction continue, l’aversion aux pertes tend à s’atténuer notablement par apprentissage adaptatif.
• Une anomalie fondamentale a émergé à travers l’identification du fossé expérience-description (Description-Experience Gap) par Ido Erev et Ralph Hertwig. La surpondération des événements rares modélisée par la théorie des perspectives s’observe principalement lorsque le risque est communiqué au décideur sous forme de description textuelle formelle (« Vous avez 1 % de chances de perdre »). Lorsque les sujets découvrent les probabilités de manière empirique en échantillonnant eux-mêmes activement la distribution par essais successifs (apprentissage par l’expérience vécue), l’effet s’inverse : les individus ont alors tendance à sous-pondérer les probabilités rares, se comportant comme si les événements jamais rencontrés lors de leur phase d’échantillonnage n’existaient tout simplement pas.
• À l’ère contemporaine, le formalisme de la Théorie Cumulative des Perspectives trouve des champs d’application vertigineux dans le développement des algorithmes d’apprentissage automatique (Machine Learning) et de l’intelligence artificielle incarnée, où l’on dote les agents autonomes de fonctions d’utilité comportementales non linéaires pour leur permettre d’interagir de manière prédictive et harmonieuse avec les réactions irrationnelles de leurs utilisateurs humains.

12.3 L’héritage intellectuel conjoint d’Ellsberg, Kahneman et Tversky

Le couronnement académique de cette épopée scientifique a retenti le 9 octobre 2002, lorsque l’Académie royale des sciences de Suède a décerné le prix de la Banque de Suède en sciences économiques en mémoire d’Alfred Nobel à Daniel Kahneman « pour avoir intégré les acquis de la recherche psychologique à la science économique, en particulier en ce qui concerne le jugement humain et la prise de décision en situation d’incertitude ». Amos Tversky, emporté prématurément par un mélanome en juin 1996 à l’âge de 59 ans, n’a pu recevoir cette consécration suprême que les statuts de la fondation Nobel interdisent d’attribuer à titre posthume, mais son nom et son génie mathématique demeurent indissociables de cet honneur planétaire.

L’héritage conjoint de Daniel Ellsberg, d’Amos Tversky et de Daniel Kahneman constitue une métamorphose paradigmatique irréversible. Ensemble, ils ont affranchi l’étude de la décision humaine du carcan dogmatique de l’apriorisme normatif pour la hisser au rang d’une véritable science descriptive, expérimentale et interdisciplinaire. En cartographiant avec une honnêteté scientifique implacable les failles de notre rationalité, la peur viscérale que nous inspire l’inconnu non mesurable et la vulnérabilité de nos esprits face aux miroirs aux alouettes du cadrage linguistique, ils n’ont pas simplement révolutionné l’économie et la psychologie : ils ont redéfini en profondeur notre condition humaine.

Références

• Allais, M. (1953). Le comportement de l’homme rationnel devant le risque : critique des postulats et axiomes de l’école américaine. Econometrica, 21(4), 503–546. https://doi.org/10.2307/1907921
• Benartzi, S., & Thaler, R. H. (1995). Myopic loss aversion and the equity premium puzzle. The Quarterly Journal of Economics, 110(1), 73–92. https://doi.org/10.2307/2118511
• Bernoulli, D. (1738). Specimen theoriae novae de mensura sortis. Commentarii Academiae Scientiarum Imperialis Petropolitanae, 5, 175–192. Traduction anglaise : Bernoulli, D. (1954). Exposition of a new theory on the measurement of risk. Econometrica, 22(1), 23–36. https://doi.org/10.2307/1909829
• Camerer, C., Loewenstein, G., & Prelec, D. (2005). Neuroeconomics: How neuroscience can inform economics. Journal of Economic Literature, 43(1), 9–64. https://doi.org/10.1257/0022051053737843
• Choquet, G. (1954). Theory of capacities. Annales de l’Institut Fourier, 5, 131–295. https://doi.org/10.5802/aif.53
• Ellsberg, D. (1961). Risk, ambiguity, and the Savage axioms. The Quarterly Journal of Economics, 75(4), 643–669. https://doi.org/10.2307/1884324
• Fox, C. R., & Tversky, A. (1995). Ambiguity aversion and comparative ignorance. The Quarterly Journal of Economics, 110(3), 585–603. https://doi.org/10.2307/2946693
• Gigerenzer, G. (1991). How to make cognitive illusions disappear: Beyond “heuristics and biases”. European Review of Social Psychology, 2(1), 83–115. https://doi.org/10.1080/14792779143000033
• Gilboa, I., & Schmeidler, D. (1989). Maxmin expected utility with non-unique prior. Journal of Mathematical Economics, 18(2), 141–153. https://doi.org/10.1016/0304-4068(89)90018-9
• Hertwig, R., & Erev, I. (2009). The description–experience gap in risky choice. Trends in Cognitive Sciences, 13(12), 517–523. https://doi.org/10.1016/j.tics.2009.09.004
• Hsu, M., Bhatt, M., Adolphs, R., Tranel, D., & Camerer, C. F. (2005). Neural systems responding to degrees of uncertainty in human decision-making. Science, 310(5754), 1680–1683. https://doi.org/10.1126/science.1115327
• Kahneman, D. (2011). Thinking, fast and slow. Farrar, Straus and Giroux.
• Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263–291. https://doi.org/10.2307/1914185
• Knight, F. H. (1921). Risk, uncertainty and profit. Houghton Mifflin.
• Odean, T. (1998). Are investors reluctant to realize their losses? The Journal of Finance, 53(5), 1775–1798. https://doi.org/10.1111/0022-1082.00072
• Quiggin, J. (1982). A theory of anticipated utility. Journal of Economic Behavior & Organization, 3(4), 323–343. https://doi.org/10.1016/0167-2681(82)90008-7
• Rothman, A. J., & Salovey, P. (1997). Shaping perceptions to motivate healthy behavior: The role of message framing. Psychological Bulletin, 121(1), 3–19. https://doi.org/10.1037/0033-2909.121.1.3
• Savage, L. J. (1954). The foundations of statistics. John Wiley & Sons.
• Schmeidler, D. (1989). Subjective probability and expected utility without additivity. Econometrica, 57(3), 571–587. https://doi.org/10.2307/1911053
• Thaler, R. H. (1980). Toward a positive theory of consumer choice. Journal of Economic Behavior & Organization, 1(1), 39–60. https://doi.org/10.1016/0167-2681(80)90051-7
• Thaler, R. H., & Sunstein, C. R. (2008). Nudge: Improving decisions about health, wealth, and happiness. Yale University Press.
• Tom, S. M., Fox, C. R., Trepel, C., & Poldrack, R. A. (2007). The neural basis of loss aversion in decision-making under risk. Science, 315(5811), 515–518. https://doi.org/10.1126/science.1134239
• Tversky, A., & Kahneman, D. (1973). Availability: A heuristic for judging frequency and probability. Cognitive Psychology, 5(2), 207–232. https://doi.org/10.1016/0010-0285(73)90033-9
• 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
• Tversky, A., & Kahneman, D. (1981). The framing of decisions and the psychology of choice. Science, 211(4481), 453–458. https://doi.org/10.1126/science.7455683
• Tversky, A., & Kahneman, D. (1992). Advances in prospect theory: Cumulative representation of uncertainty. Journal of Risk and Uncertainty, 5(4), 297–323. https://doi.org/10.1007/BF00122574
• von Neumann, J., & Morgenstern, O. (1944). Theory of games and economic behavior. Princeton University Press.