Expériences sur l’effet de surconfiance – Sarah Lichtenstein et Baruch Fischhoff

L’histoire de la psychologie cognitive et de la théorie de la décision a été marquée au cours du dernier quart du vingtième siècle par une remise en question profonde des capacités de l’esprit humain à évaluer sa propre clairvoyance. Alors que la pensée économique orthodoxe postulait l’existence d’un individu rationnel, capable de jauger avec discernement les probabilités de son environnement et la pertinence de ses propres déductions, les recherches empiriques conduites à partir des années 1970 ont révélé une faille structurelle dans notre architecture mentale : l’incapacité chronique à mesurer les limites réelles de notre savoir. Au cœur de cette révolution conceptuelle se trouvent les travaux séminaux menés par Sarah Lichtenstein et Baruch Fischhoff, dont les expériences rigoureuses sur le calibrage du jugement ont démontré que la certitude humaine dépasse de manière systématique l’exactitude des faits.

Travaillant dans le sillage immédiat des découvertes d’Amos Tversky et de Daniel Kahneman sur les heuristiques de jugement, Sarah Lichtenstein et Baruch Fischhoff ont déplacé le centre de gravité de l’analyse expérimentale. Plutôt que de s’intéresser uniquement à la manière dont les individus estiment la survenue d’événements extérieurs incertains, ils ont examiné la façon dont le sujet évalue la validité de ses propres connaissances déclaratives. Leurs protocoles d’étalonnage probabiliste ont mis au jour un phénomène d’une robustesse déconcertante : l’effet de surconfiance (ou overconfidence effect). Lorsqu’une personne affirme être sûre à cent pour cent de la véracité d’une proposition factuelle, son taux d’erreur effectif avoisine fréquemment quinze à vingt pour cent, mettant en lumière une asymétrie dramatique entre l’assurance métacognitive ressentie et la réalité empirique du monde objectif.

Ce traité exhaustif se propose d’explorer en profondeur la genèse, l’architecture expérimentale, les formalisations statistiques et les répercussions épistémologiques de l’œuvre conjointe de Lichtenstein et Fischhoff. En décortiquant les protocoles de choix forcé à deux alternatives, l’effondrement des intervalles de confiance subjectifs, l’énigme du hard-easy effect, ainsi que les débats passionnés suscités par l’approche écologique de Gerd Gigerenzer, nous analyserons comment ces recherches pionnières ont refondé notre compréhension de la métacognition. De la finance comportementale contemporaine à la calibration des modèles d’apprentissage automatique en passant par la décision médicale, les leçons de Lichtenstein et Fischhoff demeurent le socle indispensable de toute réflexion critique sur l’inévitable condition de notre propre faillibilité.

1. Introduction historique aux expériences sur l’effet de surconfiance de Lichtenstein et Fischhoff

1.1 Émergence du paradigme des heuristiques et biais dans les années 1970

L’émergence des travaux sur la surconfiance s’inscrit au sein d’une rupture épistémologique majeure qui a ébranlé les sciences sociales et cognitives au début des années 1970. Jusqu’alors, les sciences économiques ainsi que de larges pans de la psychologie appliquée demeuraient sous l’emprise théorique de la théorie du choix rationnel, héritée des axiomes formels développés par John von Neumann et Oskar Morgenstern. Selon ce modèle de l’Homo economicus, l’agent décideur était présumé posséder un système ordonné de préférences, intégrer de manière optimale les flux d’informations disponibles et réviser ses croyances probabilistes en stricte conformité avec le théorème de Bayes. Les écarts par rapport à cette norme computationnelle étaient relégués au rang d’erreurs aléatoires, de bruits de mesure ou de manquements passagers attribuables à des facteurs émotionnels périphériques.

Cette vision normative d’une rationalité substantive a toutefois été contestée de front par les contributions fondatrices d’Amos Tversky et de Daniel Kahneman. À travers leur programme de recherche consacré aux heuristiques et biais cognitifs, ils ont démontré que l’esprit humain, confronté à la complexité informationnelle et aux contraintes computationnelles intrinsèques de son système nerveux, ne recourt pas à des algorithmes probabilistes rigoureux. Il s’en remet plutôt à des raccourcis mentaux hautement automatisés, tels que l’heuristique de représentativité, de disponibilité ou d’ancrage et ajustement. Bien que ces heuristiques soient fonctionnellement économiques et généralement adaptatives dans la vie courante, elles induisent des déviations systématiques, prévisibles et structurelles par rapport aux lois formelles de la probabilité et de la logique.

C’est dans cette perspective rénovée que s’est opérée la pénétration des jugements probabilistes dans l’analyse de la cognition humaine. L’intérêt ne portait plus seulement sur la résolution de problèmes logico-déductifs purs, mais sur la manière dont les individus quantifient numériquement leur propre degré de croyance face à des propositions factuelles ou des prédictions concrètes. Le concept de rationalité limitée, originellement formalisé par Herbert Simon, a trouvé dans l’exploration de ces déviations métacognitives un champ d’application empirique sans précédent, au sein duquel Sarah Lichtenstein et Baruch Fischhoff allaient bâtir l’un des volets les plus influents de la psychologie du jugement.

1.2 Trajectoires académiques de Sarah Lichtenstein et Baruch Fischhoff

L’éclosion des expériences sur le calibrage du jugement est indissociable du creuset intellectuel unique formé à Eugene, dans l’Oregon. Au cours des années 1970, l’Oregon Research Institute (puis, ultérieurement, le centre indépendant Decision Research fondé en 1976) a constitué l’épicentre mondial de l’étude psychologique de la décision et de l’évaluation du risque. C’est dans ce cadre institutionnel stimulant que Sarah Lichtenstein, psychologue de formation dotée d’une rigueur méthodologique et statistique aiguë, et Baruch Fischhoff, fraîchement diplômé de l’Université hébraïque de Jérusalem sous la direction conjointe d’Amos Tversky et de Daniel Kahneman, ont amorcé une collaboration scientifique prolifique.

Leur travail s’est initialement articulé autour de collaborations étroites avec le psychologue Paul Slovic. Ensemble, Slovic, Lichtenstein et Fischhoff ont constitué un triumvirat intellectuel qui a révolutionné la perception sociale du risque technologique et environnemental. Fischhoff venait d’accomplir des recherches pionnières en démontrant empiriquement l’existence du biais rétrospectif (hindsight bias), c’est-à-dire la propension systématique des individus à surestimer la prévisibilité d’un événement une fois que celui-ci s’est produit. De son côté, Lichtenstein avait développé une expertise méthodologique pointue sur l’évaluation des paris, les inversions de préférences (preference reversals) et l’utilisation de règles mathématiques de notation (scoring rules) pour inciter les sujets à exprimer leurs véritables croyances probabilistes.

Leur alliance intellectuelle est née d’une volonté commune de dépasser les descriptions qualitatives du doute ou de l’assurance intellectuelle pour élaborer une métrique expérimentale précise de la certitude. Il ne s’agissait plus de demander à des sujets s’ils se sentaient confiants de manière générale, mais de quantifier l’adéquation exacte entre la certitude subjective numériquement déclarée et la réalité objectivement vérifiable des faits. Ce projet ambitieux impliquait de conjuguer la rigueur de la psychométrie classique avec les perspectives ouvertes par l’épistémologie probabiliste bayésienne, conférant à leurs protocoles une solidité scientifique qui allait résister à des décennies de controverses méthodologiques.

1.3 Problématique initiale : la précision métacognitive de l’individu

La question fondatrice qui a animé les investigations de Lichtenstein et Fischhoff peut être formulée avec une simplicité déroutante : dans quelle mesure nos degrés de croyance subjectifs reflètent-ils fidèlement l’état réel de nos connaissances ? Cette interrogation touche au cœur même de la précision métacognitive, c’est-à-dire de la capacité d’un système cognitif à surveiller, réguler et évaluer la véracité de ses propres opérations intellectuelles. Le concept central qui a permis d’opérationnaliser cette problématique est celui de calibration (ou étalonnage du jugement).

Par définition, un individu est dit parfaitement calibré ou étalonné lorsque, pour l’ensemble des affirmations auxquelles il assigne une probabilité subjective donnée $p$ d’être vraies, la proportion exacte de ces affirmations qui s’avèrent effectivement vraies est égale à $p$. Ainsi, si un décideur énonce une série de cent prédictions ou réponses factuelles en déclarant, pour chacune d’elles, être sûr à 70 % (soit $p = 0,70$), un calibrage parfait exige qu’exactement soixante-dix de ces réponses soient correctes. Si la proportion empirique de succès s’établit à seulement 50 %, l’individu manifeste une surconfiance caractérisée : son sentiment de certitude excède substantiellement son niveau de maîtrise factuelle. À l’inverse, si 85 % de ses réponses s’avèrent exactes, il fait preuve d’une sous-confiance relative.

L’hypothèse inaugurale de Lichtenstein et Fischhoff était que l’esprit humain ne souffre pas d’une simple imprécision aléatoire dans l’estimation de sa propre compétence, mais qu’il présente une distorsion systématique et directionnelle. Les premières observations cliniques et anecdotiques suggéraient déjà que les individus affichent une assurance disproportionnée lorsqu’ils énoncent des jugements en situation d’incertitude. La tâche de Lichtenstein et Fischhoff fut de transformer cette intuition en un paradigme scientifique standardisé, capable de mesurer mathématiquement l’écart entre la justesse factuelle et la croyance associée, et d’identifier les conditions cognitives dans lesquelles cette illusion métacognitive s’exacerbe ou, plus rarement, s’atténue.

2. Les fondements conceptuels du biais de surconfiance selon les auteurs

2.1 Distinction entre surconfiance, surévaluation et surclassement

Pour dissiper les confusions sémantiques qui ont parfois obscurci l’étude de l’assurance humaine, la psychologie contemporaine s’est efforcée d’ordonner le champ conceptuel de la surconfiance. Des synthèses théoriques ultérieures, notamment celles formalisées par Don Moore et Paul Healy au début des années 2000, ont mis en lumière une taxonomie tripartite indispensable pour comprendre la spécificité des travaux de Lichtenstein et Fischhoff :

• La surévaluation (overestimation) : Elle renvoie à la surestimation de ses performances objectives, de son talent absolu ou de ses chances de réussite lors d’une tâche précise (par exemple, estimer que l’on a réussi 80 questions sur 100 alors que l’on n’en a réussi que 55).
• Le surclassement (overplacement) : Mieux connu sous l’appellation d’effet « supérieur à la moyenne » (better-than-average effect), il correspond à la croyance erronée que l’on se situe à un rang relatif plus élevé que ses pairs au sein d’une distribution donnée (par exemple, le constat récurrent que 90 % des automobilistes affirment conduire mieux que la moyenne des conducteurs).
• La sur-précision (overprecision) : Elle désigne la certitude excessive accordée à la précision de ses propres croyances ou l’estimation injustifiée d’un niveau d’incertitude artificiellement réduit lors de jugements probabilistes ou d’intervalles de confiance.

Les programmes de recherche de Sarah Lichtenstein et Baruch Fischhoff ont porté leur effort théorique et empirique de manière prioritaire sur cette troisième dimension : la sur-précision épistémique. Contrairement à l’optimisme comparatif qui relève souvent de dynamiques motivationnelles ou d’auto-préservation de l’estime de soi, la sur-précision mise en lumière par Lichtenstein et Fischhoff constitue un biais cognitif froid. Elle s’observe y compris dans des contextes neutres, dépourvus de tout enjeu d’auto-valorisation narcissique, signalant un dérèglement fondamental dans l’appareil de traitement de l’information lui-même.

2.2 La théorie du réalisme probabiliste subjectif

L’armature théorique mobilisée par Lichtenstein et Fischhoff repose sur l’approche de la probabilité subjective, issue des travaux épistémologiques de Frank Ramsey, Bruno de Finetti et Leonard Savage. Selon cette tradition, une probabilité ne représente pas uniquement une propriété physique objective inhérente à la répétition indéfinie d’un phénomène aléatoire (la conception fréquentiste), mais quantifie l’état de croyance d’un agent rationnel rationnellement informé face à une proposition dont l’issue lui est inconnue ou dont la valeur de vérité lui est inaccessible.

Lichtenstein et Fischhoff postulent que les êtres humains attribuent spontanément ou explicitement des poids probabilistes à leurs représentations mentales. Lorsqu’un sujet affirme : « Je pense que la capitale de la Nouvelle-Zélande est Wellington, et j’en suis sûr à 80 % », cette valeur numérique constitue une mesure directe de son réalisme probabiliste subjectif. Elle traduit la force de l’assentiment épistémique conféré à cette représentation interne. Dès lors, le baromètre de la rationalité normative ne réside pas dans l’omniscience du sujet (l’individu a parfaitement le droit de se tromper sur un fait géographique), mais dans la cohérence de son système de calibration.

Dans ce cadre normatif, la rationalité épistémique exige une concordance rigoureuse entre la confiance affichée et le taux de succès observé à long terme. La probabilité subjective devient une monnaie intellectuelle : promettre un niveau de certitude élevé oblige l’agent à fournir, dans les faits, une exactitude correspondante. L’étalonnage fonctionne comme l’indicateur par excellence de cette probité cognitive. Une mauvaise calibration révèle que l’individu manipule sa propre échelle d’incertitude de manière viciée, se privant par là même de la possibilité de prendre des décisions adaptées aux aléas du monde réel.

2.3 L’illusion de validité et la structure des connaissances déclaratives

Pour expliquer l’origine cognitive de cette sur-précision, Lichtenstein et Fischhoff ont analysé la structure même de la mémoire sémantique et la manière dont les connaissances déclaratives sont récupérées et évaluées par la métacognition. Le phénomène d’« illusion de validité », décrit initialement par Kahneman et Tversky, trouve dans leurs écrits une explicitation détaillée liée aux mécanismes de recherche interne et d’arrêt de traitement.

Lorsqu’un individu est confronté à une interrogation factuelle, il extrait de sa mémoire sémantique un ensemble limité d’indices informatifs. Si les premiers éléments évoqués pointent vers une réponse donnée avec une cohérence apparente satisfaisante, le processus de recherche cognitive s’interrompt prématurément. Le sujet s’appuie sur la fluidité de traitement (processing fluency) et la consistance narrative interne des indices récupérés pour inférer la certitude de sa réponse. Or, ce mécanisme souffre d’une négligence systématique des indices disconfirmatoires : l’individu oublie que son répertoire mnésique est lacunaire, qu’il existe d’autres hypothèses plausibles qu’il n’a pas réussi à activer, et que la cohérence d’un scénario mental n’est nullement le garant de sa véracité ontologique.

Il en résulte une illusion de savoir où le sentiment de certitude n’est pas corrélé à la quantité exhaustive des données disponibles, mais à la cohérence du sous-ensemble arbitraire d’indices momentanément présents à l’esprit. L’individu construit un modèle mental simplifié de la réalité et projette une confiance absolue sur ce modèle, omettant l’incertitude inhérente aux hypothèses qu’il a implicitement rejetées ou méconnues. Ce verrouillage cognitif précoce constitue le moteur psychologique fondamental qui alimente la surconfiance dans les épreuves d’évaluation des connaissances.

3. Méthodologie expérimentale : protocoles d’évaluation probabiliste et étalonnage

3.1 Architecture des tâches de culture générale à choix forcé

Afin d’étudier ce phénomène dans un environnement empirique rigoureusement contrôlé, Lichtenstein et Fischhoff ont perfectionné l’architecture des tâches de culture générale à choix forcé à deux alternatives (désignées sous l’acronyme 2AFC pour Two-Alternative Forced Choice). Ce protocole expérimental élégant est devenu le modèle de référence dans la littérature sur l’étalonnage cognitif.

Le dispositif expérimental se déploie selon une séquence invariable soumise aux participants :

• Une question fermée est présentée, accompagnée de deux réponses mutuellement exclusives (par exemple : « Quelle ville est située le plus au nord ? (a) Rome, (b) New York » ou « L’absinthe est-elle : (a) une liqueur, (b) une pierre précieuse ? »).
• Le participant a l’obligation stricte de sélectionner l’une des deux options, même si son niveau d’indécision est total, éliminant ainsi toute échappatoire non informative.
• Immédiatement après avoir désigné l’option choisie, le sujet doit assigner un indice numérique de probabilité subjective quant à la véracité de son choix, sur une échelle graduée débutant à $0{,}5$ (ou 50 %) et s’étendant jusqu’à $1{,}0$ (ou 100 %).

L’utilisation de cette échelle spécifique (0,5 à 1,0) répond à une logique mathématique irréprochable. En présence de deux alternatives exclusives, une réponse choisie par pur hasard dispose a priori d’une chance sur deux d’être correcte. Ainsi, une probabilité subjective de 0,5 correspond à une incertitude complète (l’équivalent d’un tirage à pile ou face), tandis qu’une valeur de 1,0 signale une certitude absolue quant à la justesse de l’option sélectionnée. Toute valeur intermédiaire traduit un degré croissant de confiance subjective. En isolant l’évaluation métacognitive de tout contexte de gain pécuniaire direct ou d’artifices rhétoriques, ce protocole permet de capturer la confiance épistémique dans sa forme la plus épurée.

3.2 Formulation des questions et contrôle des variables parasites

La validité des résultats obtenus par Sarah Lichtenstein et Baruch Fischhoff reposait sur une sélection minutieuse et une standardisation extrême des stimuli expérimentaux. Pour éviter que les résultats ne soient le reflet de biais linguistiques ou de lacunes propres à un domaine hyperspécialisé, les chercheurs ont composé des banques de questions couvrant un spectre thématique très large : géographie physique et politique, histoire mondiale, littérature classique, sciences naturelles, données démographiques et culture populaire.

Un soin scrupuleux a été accordé à l’élimination des ambiguïtés sémantiques ou syntaxiques susceptibles d’induire le participant en erreur involontaire. Chaque énoncé était formulé de manière à ce qu’il n’existe qu’une seule réponse factuellement et incontestablement vraie selon les corpus encyclopédiques de référence. De surcroît, les chercheurs veillaient à alterner aléatoirement la position de la bonne réponse (option A ou option B) afin de neutraliser d’éventuels biais de sélection spatiale.

Pour prévenir les effets d’ordre et d’épuisement cognitif, les questions étaient administrées en blocs contrebalancés. Les protocoles intégraient des cohortes volumineuses d’étudiants et d’adultes, soumettant chaque participant à des séries comptant généralement entre cinquante et deux cents items. Ce volume substantiel de données par sujet était une condition indispensable pour procéder à des regroupements statistiques stables par classe de probabilité, garantissant une puissance statistique robuste lors de la compilation des courbes d’étalonnage.

3.3 Opérationnalisation mathématique du calibrage

Pour quantifier avec rigueur la qualité métacognitive des jugements probabilistes, Lichtenstein et Fischhoff ont importé et adapté des instruments issus de la théorie de la décision et de la prévision statistique, au premier rang desquels figure le score de Brier (développé originellement par Glenn W. Brier en 1950 pour l’évaluation météorologique). Pour un ensemble de $N$ jugements, le score de Brier global ($B$) s’énonce selon la formulation mathématique suivante :

$$B = \frac{1}{N} \sum_{i=1}^{N} (r_i – c_i)^2$$

Dans cette équation, $r_i$ désigne la probabilité subjective attribuée par le participant à l’occurrence d’un événement ou à la validité d’une réponse (variant ici de 0,5 à 1,0), tandis que $c_i$ représente l’indicateur de réalisation empirique, codé $1$ si la réponse choisie est correcte et $0$ si elle s’avère erronée. Le score de Brier constitue une fonction quadratique de pénalité : plus le score est proche de zéro, plus la prévision ou le jugement de l’évaluateur est précis et bien ajusté.

Allan H. Murphy a démontré en 1973 que ce score de Brier pouvait faire l’objet d’une décomposition additive hautement éclairante en trois sous-composantes analytiques : la connaissance globale (ou incertitude environnementale intrinsèque), la résolution et la calibration (ou fiabilité). La composante de calibration mesure précisément l’écart quadratique moyen pondéré entre les probabilités subjectives moyennes assignées au sein de différentes catégories discrètes de confiance (par exemple 0,5 ; 0,6 ; 0,7 ; etc.) et les proportions réelles d’exactitude observées dans ces mêmes classes :

$$\text{Calibration} = \frac{1}{N} \sum_{k=1}^{K} n_k (\bar{r}_k – \bar{c}_k)^2$$

Ici, $K$ représente le nombre de classes de probabilité distinctes utilisées par le sujet, $n_k$ est le nombre d’occurrences au sein de la classe $k$, $\bar{r}_k$ est la probabilité subjective moyenne de cette classe, et $\bar{c}_k$ est la proportion effective d’exactitude au sein de ce groupe. Parallèlement, Lichtenstein et Fischhoff ont vulgarisé un indice synthétique plus intuitif, l’indice de surconfiance moyen ($O$), mesuré simplement par la différence arithmétique entre la confiance subjective moyenne ($\bar{r}$) et le taux de succès global empirique ($\bar{c}$) :

$$O = \bar{r} – \bar{c}$$

Un indice $O > 0$ signale une surconfiance nette, $O = 0$ atteste d’un calibrage moyen parfait, et $O < 0$ traduit une sous-confiance globale. À cet indicateur s'ajoute la résolution, qui quantifie l’aptitude métacognitive du sujet à discriminer, par des probabilités distinctes, les questions auxquelles il connaît effectivement la réponse de celles pour lesquelles il est dans l’ignorance. Ces métriques ont fourni à la psychologie expérimentale un outillage analytique d’une précision mathématique irréprochable.

4. Les tâches à deux alternatives et l’évaluation subjective de la probabilité

4.1 Résultats empiriques de l’étude séminale de Fischhoff, Slovic et Lichtenstein (1977)

L’article fondateur publié en 1977 par Baruch Fischhoff, Paul Slovic et Sarah Lichtenstein dans le Journal of Experimental Psychology: Human Perception and Performance, intitulé « Knowing with certainty: The appropriateness of extreme confidence », constitue un tournant décisif dans l’histoire des sciences cognitives. À travers une batterie d’expériences minutieusement administrées à plusieurs cohortes expérimentales, les chercheurs ont mis en évidence un constat empirique qui a stupéfait la communauté scientifique par son ampleur et sa constance.

Le résultat le plus saisissant concerne le comportement des participants lorsqu’ils affirment être parvenus au sommet de la certitude épistémique. Face à des items de culture générale binaire, lorsque les sujets sélectionnent une réponse et déclarent que la probabilité que cette réponse soit correcte est de 1,0 (soit « certain à 100 % », signifiant que l’éventualité d’une erreur est considérée par eux comme rigoureusement impossible), le taux d’erreur réel ne s’élève pas à 0 %, mais oscille de manière spectaculaire entre 15 % et 25 % selon les séries expérimentales. En moyenne, près d’une affirmation sur cinq jugée absolument irréfutable s’avérait factuellement erronée.

Ce décalage massif ne constituait pas une anomalie cantonnée au sommet de l’échelle probabiliste. Les données colligées ont révélé une surconfiance systématique et continue sur l’ensemble du spectre d’évaluation :

• Pour les assertions créditées d’une confiance de 90 % ($p = 0{,}90$), la proportion empirique de réponses correctes stagnait souvent autour de 70 % à 75 %.
• Pour les items évalués à 80 % de certitude ($p = 0{,}80$), le taux de succès avoisinait péniblement 65 %.
• Ce n’est qu’au seuil de l’incertitude complète ($p = 0{,}50$) que la courbe subjective rejoignait la ligne d’exactitude empirique, le taux de réussite oscillant alors naturellement autour des 50 % attendus par l’effet du hasard.

Cette divergence persistante a démontré sans équivoque que la métacognition humaine n’est pas simplement imprécise : elle projette un optimisme épistémique outrancier sur la fiabilité de ses propres contenus mentaux.

4.2 L’expression de la certitude absolue : analyse des réponses extrêmes

Fischhoff, Slovic et Lichtenstein ont consacré une analyse approfondie à la signification cognitive de cette assignation récurrente de probabilités extrêmes ($p = 1{,}0$). Sur le plan de la théorie formelle des probabilités, affirmer une certitude de 1,0 constitue un engagement logique radical. Une probabilité de un implique que l’on est prêt à parier sa propre existence ou des sommes monétaires astronomiques contre un gain infime, car l’événement inverse est jugé impossible.

Pour vérifier si cette surconfiance extrême relevait d’une incompréhension passagère des probabilités ou d’un engagement épistémique réel, les expérimentateurs ont soumis leurs participants à des protocoles de paris hypothétiques et réels. Ils leur proposaient des paris du type : « Si votre réponse est exacte, vous gagnez 1 dollar ; si elle est fausse, vous perdez 10, 50 ou 100 dollars ». Même sous de telles conditions de pénalité asymétrique dévastatrice, les sujets persistaient massivement à engager leur mise sur les items évalués à $p = 1{,}0$, subissant des pertes théoriques et matérielles cuisantes. Cela prouvait que les participants ne confondaient pas un simple sentiment de préférence vague avec la certitude : ils croyaient véritablement détenir la vérité absolue.

L’analyse qualitative des processus cognitifs a révélé que les sujets se révèlent incapables d’appréhender l’incomplétude structurelle de leur propre mémoire sémantique. Lorsqu’une information fausse est enregistrée en mémoire (par exemple, la conviction intime que Canberra n’est pas la capitale de l’Australie mais que Sydney l’est obligatoirement), le sujet n’a aucun signal d’alerte métacognitif interne pour signaler que cette trace mnésique est corrompue. L’absence de doute spontané est immédiatement interprétée par le système métacognitif comme une preuve positive de véracité, empêchant toute génération d’hypothèses alternatives viables.

4.3 Comparaison inter-items et homogénéité des distorsions constatées

Une préoccupation méthodologique centrale des auteurs consistait à tester la robustesse et la généralisabilité de ce décalage d’étalonnage. Les détracteurs initiaux des recherches sur les biais cognitifs suggéraient que l’effet de surconfiance pourrait n’être qu’un sous-produit artificiel généré par des questions atypiques, trompeuses ou anecdotiques, spécifiquement sélectionnées par les chercheurs pour piéger les participants.

Pour répondre à cette objection, Lichtenstein et Fischhoff ont procédé à des comparaisons systématiques en diversifiant les domaines de connaissances : faits historiques, lois physiques élémentaires, données de géographie mondiale, orthographe lexicale, questions de culture populaire et pronostics sportifs. L’effet de surconfiance est réapparu avec une stabilité remarquable à travers l’ensemble de ces domaines hétérogènes. Que l’on interroge les sujets sur la date de signature de la Magna Carta ou sur la superficie comparée de deux pays d’Asie, l’écart entre la certitude moyenne et la précision observée demeurait constant.

De surcroît, les chercheurs ont testé différentes modalités de réponse : formats d’estimation textuels, sélections d’options à choix multiples étendues (trois, quatre ou cinq alternatives) et échelles de cotes (odds) s’étendant de 1:1 jusqu’à 1 000 000:1. La distorsion persistait avec une invariance expérimentale désarmante. Les sujets se montraient tout aussi excessivement confiants lorsqu’ils devaient exprimer un ratio de cotes que lorsqu’ils utilisaient des pourcentages probabilistes conventionnels. Cette homogénéité trans-situationnelle a définitivement établi que le biais d’étalonnage ne résultait pas d’un artéfact expérimental lié à un questionnaire spécifique, mais renvoyait à une propriété générale de la métacognition humaine confrontée à l’incertitude déclarative.

5. Les intervalles de confiance et la surévaluation de la précision des connaissances

5.1 Le paradigme de l’estimation de grandeurs physiques et temporelles

Parallèlement à l’étude des tâches discrètes à choix forcé, Sarah Lichtenstein et Baruch Fischhoff, rejoints par d’autres pionniers comme Marc Alpert et Howard Raiffa, ont investigué une manifestation encore plus aiguë et spectaculaire de la surconfiance : l’estimation de variables numériques continues à travers la construction d’intervalles de confiance subjectifs (ou intervalles de crédibilité probabilistes).

Dans ce paradigme expérimental, les participants ne choisissent plus entre des options préétablies. On leur soumet une série de questions ouvertes exigeant l’estimation d’une quantité numérique continue dont la réponse leur est inconnue mais dont ils possèdent une intuition approximative. Les grandeurs sollicitées touchent à des grandeurs physiques, démographiques, économiques ou temporelles :

• « Quelle est la longueur totale du fleuve Amazone en kilomètres ? »
• « Quelle était la population officielle du Pérou lors du recensement de 1970 ? »
• « En quelle année est né le compositeur Wolfgang Amadeus Mozart ? »
• « Quelle est la distance moyenne séparant la Terre de la Lune en kilomètres ? »

La consigne requiert du sujet qu’il définisse une fourchette numérique – c’est-à-dire une borne inférieure et une borne supérieure – de telle sorte qu’il soit certain à un niveau prédéterminé (par exemple à 98 %, ou parfois à 90 % ou 80 %) que la valeur exacte recherchée soit comprise à l’intérieur de son intervalle. Pour un intervalle de confiance fixé à 98 %, le sujet doit choisir une borne basse telle qu’il estime qu’il n’y a qu’une chance sur cent ($p = 0{,}01$) que la vraie réponse soit inférieure à ce chiffre, et une borne haute telle qu’il n’y a également qu’une chance sur cent ($p = 0{,}01$) que la valeur réelle lui soit supérieure. Les deux pour cent restants représentent la marge d’incertitude résiduelle consentie (le taux de « surprise » attendu théoriquement).

5.2 Taux d’inclusion réel versus taux d’inclusion théorique

Les résultats générés par ce protocole ont révélé un effondrement sans équivalent de la précision métacognitive. Alors que la théorie normative exige qu’un intervalle de confiance subjectivement calibré à 98 % contienne la valeur factuelle dans 98 % des cas (soit un taux d’erreur ou d’exclusion de seulement 2 %), les observations empiriques rapportées par Lichtenstein, Fischhoff et Phillips (1982) ont mis au jour des taux d’inclusion réels oscillant tragiquement entre 40 % et 60 % selon les corpus de questions.

Autrement dit, au lieu d’observer les 2 % d’erreurs tolérés par la consigne, les valeurs réelles se situaient en dehors des intervalles définis par les sujets dans 40 % à 60 % des cas. Des participants instruits, informés des enjeux statistiques du protocole, produisaient des fourchettes numériques qui manquaient leur cible vingt à trente fois plus souvent que ce qu’autorisait leur propre degré de certitude déclarée. Ce phénomène illustre de manière caricaturale la notion d’hyper-précision (overprecision) : les individus restreignent drastiquement la largeur de leurs intervalles, persuadés de localiser la vérité avec une exactitude illusoire.

Ce rétrécissement excessif des intervalles de prévision reflète une incapacité fondamentale à concevoir la profondeur de notre ignorance. L’esprit humain répugne à formuler des fourchettes immenses – qui traduiraient honnêtement son absence de savoir – parce qu’il confond l’expression d’une large incertitude épistémique avec un aveu d’incompétence dévalorisant. En prétendant savoir avec précision que la naissance de Mozart se situe nécessairement entre 1740 et 1750 (alors qu’il est né en 1756), l’individu privilégie une précision apparente flatteuse au détriment de l’exactitude normative, subissant ce que les auteurs ont qualifié d’illusion métacognitive de focalisation.

5.3 Le rôle du point d’ancrage dans la construction de l’intervalle

Pour rendre compte de cette sous-estimation phénoménale de la dispersion des grandeurs inconnues, Lichtenstein et Fischhoff ont mis en relation leurs observations avec l’heuristique d’ancrage et d’ajustement théorisée par Amos Tversky et Daniel Kahneman. Le processus cognitif par lequel un individu engendre un intervalle de confiance numérique n’est pas symétrique ni global ; il s’opère par étapes successives hautement vulnérables aux biais d’ancrage.

Face à une question numérique continue (par exemple, la longueur de l’Amazone), le participant commence par générer spontanément une estimation ponctuelle centrale – une valeur médiane subjective (le fractile 50 %) – qui lui semble intuitivement plausible, par exemple 6 000 kilomètres. Cette valeur spontanée se fige immédiatement dans son espace de travail mental sous la forme d’un point d’ancrage cognitif puissant. Dans un second temps, le sujet tente de construire ses bornes inférieure et supérieure en s’écartant de cette ancre par des ajustements successifs vers le bas et vers le haut pour tenter de couvrir les marges d’incertitude.

Cependant, conformément aux lois de l’ajustement cognitif, ce mouvement d’éloignement à partir de l’ancre s’interrompt bien trop tôt, dès que la fourchette atteint une zone de plausibilité subjective minimale superficielle. L’individu s’arrête à des bornes excessivement étroites (par exemple 5 500 et 6 500 km, alors que l’Amazone mesure environ 6 992 km selon les mesures hydrographiques récentes). L’ajustement insuffisant scelle l’échec de la calibration continue. En ancrant leur raisonnement sur leur meilleure estimation immédiate, les participants sous-estiment systématiquement la variance réelle des distributions environnementales et s’enferment dans une certitude trompeuse quant à leur propre acuité estimative.

6. Le phénomène du « hard-easy effect » identifié dans les corpus expérimentaux

6.1 Définition et caractérisation statistique du hard-easy effect

L’exploration méthodique des courbes d’étalonnage par Lichtenstein et Fischhoff a permis d’isoler une régularité empirique remarquable, désignée sous le nom de hard-easy effect (l’effet difficile-facile). Ce phénomène caractérise la relation dynamique qui s’établit entre le niveau de difficulté objective d’un corpus de questions et l’amplitude de la surconfiance métacognitive manifestée par les individus.

L’effet se résume par une asymétrie systématique :

• Lorsque les tâches ou les questionnaires présentent un niveau de difficulté élevé (items pour lesquels le taux d’exactitude moyen des participants plonge en deçà de 60 % de bonnes réponses dans un paradigme à deux choix), la surconfiance s’accroît de façon spectaculaire. Les sujets maintiennent des niveaux de certitude subjective élevés (souvent compris entre 75 % et 85 %) alors même que leur performance empirique frôle le niveau du hasard stochastique. L’écart d’étalonnage ($O = \bar{r} – \bar{c}$) atteint alors son paroxysme.
• À l’inverse, lorsque les items sont objectivement faciles ou triviaux (corpus où le taux d’exactitude effectif dépasse 80 % ou 85 % de bonnes réponses), la surconfiance diminue drastiquement, s’annule complètement, ou cède fréquemment la place à une légère sous-confiance. Les participants évaluent alors leur probabilité de succès à un niveau inférieur à leur réussite réelle (par exemple en s’estimant sûrs à 80 % tout en réussissant 92 % des questions).

Sur le plan graphique, lorsque l’on trace l’indice de surconfiance en fonction du pourcentage global d’exactitude des séries de tests, on observe une droite descendante invariante : la surconfiance est maximale à gauche du graphique (tâches ardus) et décroît de manière linéaire pour basculer vers la sous-confiance à l’extrême droite (tâches triviales). Cette observation a profondément marqué les débats sur la modélisation mathématique du jugement métacognitif.

6.2 L’explication cognitive par le modèle d’indices écologiques

Deux courants théoriques majeurs se sont affrontés pour interpréter la nature profonde du hard-easy effect. Le premier, défendu et formalisé par Baruch Fischhoff et Sarah Lichtenstein, privilégie une explication cognitive fondée sur l’utilisation et la représentativité perçue des indices diagnostiques en mémoire. Face à une question ardue, les indices sémantiques disponibles en mémoire sont rares, incomplets ou trompeurs. Cependant, l’individu continue d’appliquer les mêmes règles heuristiques de confiance que celles qu’il mobilise face à des problèmes familiers. Il traite des indices périphériques ou hautement fallacieux comme s’ils possédaient une haute valeur prédictive, s’auto-persuadant de la justesse de son choix sans percevoir que la complexité du problème dégrade la validité de ses repères usuels.

Le second courant d’explication, porté par des psychologues quantitatifs comme Ido Erev, Thomas S. Wallsten et David V. Budescu à la fin des années 1980, a suggéré que le hard-easy effect pourrait être, au moins partiellement, un artéfact statistique provoqué par la régression vers la moyenne et le bruit de mesure stochastique inhérent aux réponses humaines. L’échelle de probabilité subjective étant bornée par construction (entre 0,5 et 1,0 pour les tâches binaires), les erreurs de jugement aléatoires ne peuvent pas se distribuer de manière symétrique aux extrémités de l’échelle. Pour un item extrêmement difficile où la vraie précision est de 50 %, toute fluctuation aléatoire de la confiance subjective ne peut s’effectuer que vers le haut (entre 0,51 et 1,0), produisant mécaniquement une illusion de surconfiance statistique agrégée.

Néanmoins, les travaux expérimentaux ultérieurs ont établi que, si la régression statistique contribue effectivement à amplifier l’ampleur mathématique de l’asymétrie observée, elle ne suffit nullement à l’expliquer dans sa totalité. Il subsiste un résidu cognitif indéniable : les individus évaluent mal la difficulté intrinsèque des problèmes conceptuels et surestiment systématiquement la portée de leurs connaissances face à des énigmes complexes.

6.3 Conséquences méthodologiques pour l’échantillonnage des questions

La mise en évidence du hard-easy effect a eu des conséquences méthodologiques profondes sur la manière dont les psychologues conçoivent et calibrent leurs protocoles d’expérimentation. Lichtenstein et Fischhoff ont précocement alerté la communauté académique sur le péril que représentait le biais de sélection dans l’échantillonnage des stimuli cognitifs.

Si un expérimentateur compose arbitrairement un test de culture générale en puisant exclusivement dans des questions réputées pour leur caractère contre-intuitif, trompeur ou surprenant (des questions « pièges » conçues pour contredire le sens commun), il maximise artificiellement la difficulté objective du test tout en exploitant des croyances populaires erronées. Dans cette configuration biaisée, le taux d’exactitude s’effondre alors que le sentiment de certitude des participants demeure élevé, créant une surconfiance caricaturale qui pourrait n’être qu’un produit dérivé de la malice de l’expérimentateur.

Pour surmonter cet écueil, Lichtenstein et Fischhoff ont préconisé des protocoles d’échantillonnage rigoureux, visant une représentativité équilibrée des niveaux de difficulté. Ils ont montré que même lorsque l’on sélectionne des questions selon des règles transparentes et non trompeuses (par exemple en choisissant aléatoirement des paires de villes issues d’un annuaire géographique officiel et en demandant laquelle est la plus peuplée), la surconfiance persiste dès lors que la tâche requiert une véritable discrimination intellectuelle et ne se réduit pas à des évidences cognitives immédiates. Cette vigilance méthodologique a permis de consolider la validité empirique de l’effet de surconfiance face aux critiques relatives à l’écologie des stimuli.

7. Analyse des courbes de calibration et formalisation statistique

7.1 Construction graphique des diagrammes de calibrage

Le principal apport méthodologique de Sarah Lichtenstein et Baruch Fischhoff à la visualisation des processus métacognitifs réside dans la standardisation du diagramme de calibration (ou courbe d’étalonnage). Cet outil graphique d’une grande clarté permet de synthétiser en une seule figure la totalité des performances d’un individu ou d’un groupe expérimental face à une série d’évaluations probabilistes.

L’architecture d’un diagramme de calibrage repose sur deux axes orthogonaux :

• Sur l’axe des abscisses (axe horizontal) : Les probabilités subjectives déclarées sont regroupées en classes discrètes ou catégories d’assignation (communément les valeurs 0,5 ; 0,6 ; 0,7 ; 0,8 ; 0,9 et 1,0 pour les choix binaires). Chaque point d’abscisse représente la moyenne empirique des probabilités subjectives affectées au sein de cette catégorie spécifique ($\bar{r}_k$).
• Sur l’axe des ordonnées (axe vertical) : On reporte la proportion réelle de réponses correctes observées pour l’ensemble des items appartenant à cette même catégorie de probabilité subjective ($\bar{c}_k$).

L’élément de référence normatif fondamental du diagramme est la diagonale d’identité à 45 degrés (la bissectrice passant par les points où l’ordonnée est strictement égale à l’abscisse : $\bar{c}_k = \bar{r}_k$). Cette ligne représente l’étalon d’un calibrage idéal : chaque niveau de confiance subjective y correspond rigoureusement à son taux de validation empirique. Lorsque la courbe empirique d’un participant se situe en dessous de cette diagonale de référence normative, le sujet se trouve en état de surconfiance caractérisée (sa confiance déclarée excède son taux d’exactitude). Lorsqu’elle se situe au-dessus de la droite à 45 degrés, le sujet manifeste une sous-confiance. Dans la quasi-totalité des expériences conduites par Lichtenstein et Fischhoff, les tracés empiriques s’affaissent lourdement sous la diagonale dès que l’abscisse franchit le seuil de $0{,}60$, l’écartement s’élargissant à mesure que l’on progresse vers la certitude absolue ($1{,}0$).

7.2 Indices quantitatifs : la décomposition du score de Brier

Au-delà de l’inspection visuelle des courbes d’étalonnage, Sarah Lichtenstein et Baruch Fischhoff ont appuyé leurs démonstrations sur l’appareil mathématique formel de la décomposition du score de Brier proposée par Allan H. Murphy. Ce formalisme quantifie précisément les différentes vertus cognitives mobilisées lors du jugement probabiliste. La formulation algébrique complète de cette décomposition s’exprime comme suit :

$$B = \bar{c}(1 – \bar{c}) + \frac{1}{N}\sum_{k=1}^{K} n_k (\bar{r}_k – \bar{c}_k)^2 – \frac{1}{N}\sum_{k=1}^{K} n_k (\bar{c}_k – \bar{c})^2$$

Cette égalité structure le score global d’imprécision $B$ en trois grandeurs distinctes aux significations psychologiques et statistiques fondamentales :

1. Le terme d’incertitude environnementale ($\bar{c}(1 – \bar{c})$) : Il représente la variance inhérente à la variable cible. Ce terme est indépendant de la compétence métacognitive de l’évaluateur ; il mesure la difficulté intrinsèque de l’environnement factuel testé. Pour un taux global de réussite de 50 % ($\bar{c} = 0{,}5$), ce terme atteint son maximum statistique ($0{,}25$).
2. Le terme d’erreur de calibration ($\frac{1}{N}\sum n_k (\bar{r}_k – \bar{c}_k)^2$) : C’est la métrique reine de l’étalonnage. Elle somme de manière pondérée les écarts quadratiques entre les croyances subjectives moyennes de chaque classe ($\bar{r}_k$) et les pourcentages réels de réussite correspondants ($\bar{c}_k$). Une calibration parfaite annule intégralement ce terme ($0$). Tout écart creusé par la surconfiance vient augmenter directement cette pénalité.
3. Le terme de résolution ($\frac{1}{N}\sum n_k (\bar{c}_k – \bar{c})^2$) : Précédé d’un signe négatif dans l’équation du score, ce paramètre valorise la capacité de l’évaluateur à discriminer les cas faciles des cas ardus. Un sujet doté d’une excellente résolution sait assigner des probabilités très contrastées (proches de 1,0 pour les items qu’il maîtrise et proches de 0,5 pour ceux qu’il ignore), éloignant ainsi $\bar{c}_k$ de la moyenne globale $\bar{c}$. Plus la résolution est élevée, plus le score de Brier global s’améliore (diminue).

Ces métriques s’appuient sur les propriétés remarquables des strictly proper scoring rules (règles de notation strictement propres). En théorie mathématique de la décision, une règle de score est dite strictement propre si et seulement si l’espérance mathématique du gain d’un évaluateur est maximisée lorsqu’il déclare exactement sa probabilité subjective interne réelle, éliminant toute incitation stratégique au bluff ou à la prudence artificielle. Les protocoles de Lichtenstein et Fischhoff bénéficiaient ainsi d’une assise mathématique d’une probité indiscutable.

7.3 Différences individuelles et distribution intra-populationnelle

L’application systématique de ces outils quantitatifs a permis aux auteurs d’analyser la variance interindividuelle au sein de leurs cohortes expérimentales. Une interrogation récurrente était de déterminer si l’effet de surconfiance était le fait d’un sous-groupe minoritaire d’individus pathologiquement téméraires ou s’il constituait un invariant partagé par la structure générale de l’esprit humain.

L’examen minutieux des distributions intra-populationnelles a livré un verdict sans ambiguïté : la surconfiance est un phénomène universellement distribué. Bien que l’amplitude de l’indice de surconfiance varie modérément selon les sujets, la quasi-totalité des participants (généralement plus de 85 % à 90 % des échantillons testés) présente des courbes de calibration s’incurvant sous la diagonale idéale. Les profils spontanément et intrinsèquement bien calibrés – c’est-à-dire les individus dont le tracé épouse fidèlement la droite à 45 degrés sans entraînement spécifique préalable – représentent une anomalie statistique d’une rareté extrême, ne dépassant guère un ou deux pour cent de la population générale.

Par ailleurs, les tentatives visant à corréler le degré de surconfiance avec des traits de personnalité standardisés (tels que l’extraversion, l’anxiété ou le besoin de clôture cognitive) ont produit des corrélations faibles ou inconsistantes. La surconfiance métacognitive n’apparaît pas comme un trait de caractère individuel ou une pathologie de l’ego ; elle se révèle être une caractéristique opérationnelle par défaut du système cognitif humain lorsqu’il tente de sonder la validité de ses propres états de savoir déclaratif.

8. Les tentatives de débiaisement et les rétroactions dans les protocoles expérimentaux

8.1 Effets des avertissements explicites et des consignes pédagogiques

Face au constat de cette sur-précision omniprésente et de ses dangers potentiels pour la prise de décision, Sarah Lichtenstein et Baruch Fischhoff ont très rapidement orienté leurs investigations vers la recherche de techniques de débiaisement (debiasing). Leur ambition était d’explorer s’il était possible de restaurer la précision métacognitive des sujets par des interventions pédagogiques directes, préventives et ciblées.

Dans un premier temps, les expérimentateurs ont testé l’efficacité d’avertissements explicites préalables. Avant de soumettre les sujets aux batteries de questions de culture générale, ils leur présentaient des exposés théoriques détaillés illustrant la nature de l’effet de surconfiance. Des graphismes clairs montrant comment les participants des études précédentes s’étaient lourdement fourvoyés en affectant des probabilités de 1,0 à des propositions fausses leur étaient projetés. Les consignes enjoignaient explicitement les nouveaux participants à faire preuve d’une retenue rigoureuse dans l’attribution de leurs probabilités, en leur expliquant formellement la règle de correspondance normative entre pourcentages subjectifs et taux d’erreur attendus.

Les résultats de ces interventions par simple alerte cognitive se sont avérés décevants. Si les mises en garde incitaient certains participants à diminuer globalement leur niveau moyen de confiance affichée, cette baisse s’opérait de manière indifférenciée : les sujets réduisaient leur assurance sur les questions qu’ils maîtrisaient parfaitement tout en conservant une surconfiance résiduelle sur les questions difficiles. Dès lors que l’illusion de certitude se manifestait face à une question concrète, l’avertissement conceptuel théorique était balayé par la force de la conviction immédiate. La prise de conscience intellectuelle du biais ne conférait aucune immunité opérationnelle contre son déclenchement spontané.

8.2 Le rôle du feedback immédiat et continu

Constatant l’inefficacité des exhortations verbales désincarnées, Lichtenstein et Fischhoff ont ensuite testé l’impact de l’apprentissage expérientiel par l’administration d’un feedback immédiat, précis et continu. Dans ce dispositif d’entraînement itératif, les participants répondaient à des centaines de questions séquencées en plusieurs blocs successifs. Après chaque question – ou à la clôture de blocs de dix ou vingt items –, le système révélait instantanément la bonne réponse, calculait le taux d’erreur effectif du sujet pour chaque classe de probabilité assignée et lui affichait l’évolution de son propre diagramme de calibration en temps réel.

Cette approche par rétroaction d’apprentissage a généré des améliorations tangibles mais strictement circonscrites :

• Au cours des séries d’essais successives, les participants ont appris à restreindre considérablement l’usage des cotes extrêmes de certitude ($p = 1{,}0$), comprenant par l’expérience directe de l’échec répété que leur sentiment d’infaillibilité était régulièrement contredit par les faits.
• Le score d’erreur de calibration s’est progressivement amélioré sur le corpus de tâches entraînées, les courbes se rapprochant notablement de la diagonale idéale.

Cependant, cette amélioration a révélé une fragilité structurelle majeure : l’absence presque totale de transférabilité trans-domaine. Dès que les sujets entraînés sur des questions géographiques étaient basculés sur des questions historiques ou d’estimation financière, les vieux réflexes de surconfiance réapparaissaient instantanément. Le calibrage acquis ne s’intégrait pas sous la forme d’une compétence métacognitive globale réutilisable, mais plutôt comme un ajustement contextuel et superficiel propre à la tâche spécifique qui venait d’être exercée.

8.3 La méthode de contre-argumentation forcée (recherche de disconfirmations)

La percée méthodologique la plus spectaculaire en matière de débiaisement a été réalisée au début des années 1980 dans une étude classique codirigée par Asher Koriat, Sarah Lichtenstein et Baruch Fischhoff (1980), intitulée « Reasons for confidence ». Les chercheurs sont partis de l’hypothèse cognitive selon laquelle la surconfiance découle d’une recherche asymétrique et sélective d’arguments en mémoire : dès qu’un sujet choisit une option, son système cognitif ne mobilise que les raisons qui corroborent ce choix et néglige activement les données contradictoires.

Pour casser ce verrou cognitif, les auteurs ont instauré un protocole de contre-argumentation forcée. Avant d’évaluer sa confiance probabiliste dans la réponse sélectionnée, chaque participant était soumis à l’une des conditions expérimentales suivantes :

1. Rédiger au moins une raison explicite justifiant pourquoi la réponse choisie était correcte (condition de soutien).
2. Rédiger une raison expliquant pourquoi la réponse choisie était correcte et une raison justifiant pourquoi l’alternative opposée rejetée pouvait être la bonne (condition contradictoire équilibrée).
3. Rédiger impérativement une raison substantielle démontrant en quoi la réponse initialement préférée pouvait s’avérer fausse et l’option alternative s’avérer exacte (condition de disconfirmation pure).

Les résultats de cette manipulation expérimentale ont été éclatants. Alors que la génération d’arguments confirmatifs n’améliorait en rien le jugement et accentuait même parfois l’assurance excessive, l’obligation formelle de générer des arguments disconfirmatoires a produit une réduction substantielle, significative et robuste de la surconfiance. En forçant l’esprit à extraire de la mémoire des indices hostiles à l’hypothèse préférée, le sentiment de fluidité cognitive était brisé, le doute redevenait saillant et les probabilités subjectives s’ajustaient de manière remarquable vers les pourcentages réels d’exactitude. Cette expérience a définitivement validé l’hypothèse selon laquelle l’hyper-précision métacognitive est entretenue par l’aveuglement spontané aux hypothèses concurrentes.

9. Comparaison entre experts et novices dans les études de Lichtenstein et Fischhoff

9.1 L’expertise protège-t-elle du manque de calibrage ?

L’une des questions les plus brûlantes soulevées par les découvertes de Sarah Lichtenstein et Baruch Fischhoff concernait l’immunité présumée des professionnels et des experts. Il était séduisant de postuler que si les étudiants universitaires mobilisés dans les laboratoires faisaient preuve d’une surconfiance caractérisée face à des énigmes de culture générale, les experts chevronnés, dotés de vastes compétences techniques et habitués à trancher dans leur champ d’activité, seraient quant à eux exempts d’une telle dérive métacognitive.

Les investigations empiriques menées par Fischhoff, Lichtenstein et leurs confrères auprès de cohortes professionnelles spécialisées ont balayé cette illusion réconfortante. Loin d’éradiquer la surconfiance, l’accumulation d’expertise technique tend très fréquemment à l’exacerber. L’expert manifeste souvent ce que les auteurs ont décrit comme une confusion métacognitive pernicieuse entre l’étendue de ses connaissances encyclopédiques accumulées et la précision réelle de ses jugements probabilistes.

Possédant un répertoire conceptuel dense, l’expert génère avec une célérité remarquable un faisceau d’arguments cohérents pour justifier ses choix. Cette aisance discursive crée une illusion interne d’évidence diagnostique encore plus puissante que chez le novice. Si l’expert dispose effectivement d’un taux d’exactitude moyen supérieur à celui du profane, son sentiment de certitude s’envole bien au-delà de ses succès réels. Le gap de calibration ne se referme pas ; il se déplace vers des valeurs de certitude absolue ($p = 0{,}99$ ou $1{,}0$) où les conséquences de l’erreur peuvent s’avérer désastreuses sur les plans sociétal, financier ou sanitaire.

9.2 L’exception remarquable des prévisionnistes météorologiques

Au milieu de ce sombre tableau de l’incompétence métacognitive humaine, les travaux de Lichtenstein et Fischhoff, s’appuyant notamment sur les analyses pionnières menées par Allan H. Murphy et Robert L. Winkler (1974, 1977), ont documenté une exception devenue célèbre dans toute la littérature psychologique : les prévisionnistes du National Weather Service américain.

Lorsqu’on examine les diagrammes de calibration des météorologues professionnels formulant des prévisions locales de précipitations (par exemple, la probabilité d’occurrence de pluie dans une zone géographique au cours des douze prochaines heures), le tracé obtenu est tout simplement exceptionnel. La courbe empirique épouse la diagonale d’identité à 45 degrés avec une fidélité mathématique quasi-parfaite : lorsqu’un prévisionniste du Service météorologique énonce qu’il y a 70 % de chances qu’il pleuve, il pleut exactement sept fois sur dix sur les zones ciblées. La surconfiance y est totalement indétectable.

Sarah Lichtenstein et Baruch Fischhoff ont décortiqué les causes structurelles de cette performance métacognitive unique, identifiant trois conditions écologiques déterminantes qui font cruellement défaut à la plupart des autres domaines professionnels :

• La formulation probabiliste numérique quotidienne : Les météorologues ne s’abritent pas derrière des qualificatifs flous (comme « temps incertain » ou « averses probables ») ; ils sont contraints d’attribuer tous les jours des valeurs probabilistes chiffrées explicites.
• Le feedback immédiat, sans équivoque et exhaustif : Moins de vingt-quatre heures après l’émission de leur prédiction, le monde réel apporte une réponse incontestable (il a plu ou il n’a pas plu), ne laissant aucune place aux rationalisations rétrospectives ou aux excuses cognitives.
• Un corpus massif de données standardisées : Les prévisionnistes sont immergés dans des cycles d’apprentissage permanent s’étalant sur des dizaines de milliers d’essais validés, ce qui permet à leur appareil métacognitif d’ajuster en continu son étalonnage interne.

L’exemple des météorologues a apporté la démonstration définitive que la bonne calibration n’est pas hors de portée de l’esprit humain, mais qu’elle exige un environnement d’apprentissage hautement structuré et un feedback impitoyablement vérifiable.

9.3 Le contre-exemple des médecins et des juristes

À l’opposé diamétral des météorologues, les travaux conduits par Baruch Fischhoff et d’autres chercheurs sur le jugement médical et juridique ont mis en évidence des niveaux de surconfiance particulièrement critiques sur le plan déontologique.

Dans le secteur médical, des études d’étalonnage soumettant des praticiens cliniciens à des diagnostics d’affections complexes (par exemple le risque de pneumonie aiguë chez des patients admis aux urgences ou la nature bénigne ou maligne de lésions anatomiques) ont montré que les médecins manifestent une sur-précision alarmante. Lorsqu’un praticien affirme être « certain à 90 % ou 95 % » de son diagnostic clinique, la proportion d’adéquation diagnostique confirmée par les examens de laboratoire ou les biopsies ultérieures plafonne fréquemment entre 60 % et 70 %. L’incertitude étiologique inhérente à la variabilité biologique est systématiquement minorée, au profit d’un sentiment trompeur de maîtrise clinique.

La situation est analogue dans l’arène juridique, où avocats et magistrats doivent évaluer les probabilités d’issue de procès ou de décisions d’appel. Les avocats interrogés sur la probabilité que leur client obtienne un verdict favorable expriment des prédictions affectées d’une surconfiance massive, ancrée dans une focalisation exclusive sur les forces de leur argumentation et une négligence structurelle des pièces et plaidoyers que la partie adverse s’apprête à faire valoir. Contrairement aux météorologues, les médecins et les juristes évoluent dans des environnements d’apprentissage viciés : les délais de rétroaction sont immenses, les données de vérité terrain sont souvent inaccessibles ou ambiguës, et les mécanismes de justification rétrospective leur permettent de maquiller leurs erreurs d’appréciation (« Notre diagnostic était parfait, mais un effet secondaire imprévisible est survenu »). Ces constats ont jeté une lumière crue sur les implications sociétales de l’absence de calibrage probabiliste chez les décideurs publics majeurs.

10. Réception critique, débats théoriques et objections méthodologiques

10.1 La querelle cognitiviste avec Gerd Gigerenzer et l’école de l’écologie cognitive

L’universalité et la nature de l’effet de surconfiance tel que formalisé par Lichtenstein et Fischhoff n’ont pas manqué de susciter d’intenses débats théoriques au cours des années 1990. La contestation la plus virulente et la plus stimulante est venue de l’école de la rationalité écologique, menée par le psychologue allemand Gerd Gigerenzer et ses collègues de l’Institut Max-Planck de Berlin.

Gigerenzer a formulé une critique d’ordre à la fois méthodologique et épistémologique reposant sur deux piliers principaux :

• Le format représentationnel : Selon Gigerenzer, l’esprit humain n’a pas évolué au cours de la phylogenèse pour traiter des probabilités subjectives associées à des événements uniques (des concepts mathématiques formalisés tardivement au XVIIe siècle), mais plutôt pour comptabiliser des fréquences naturelles issues de l’échantillonnage direct de l’environnement ancestral. Lorsque l’on remplace les consignes exigeant un pourcentage pour un événement isolé par des formulations fréquentielles itératives (par exemple : « Sur cent questions similaires à celle-ci, combien pensez-vous en avoir réussi ? »), Gigerenzer a soutenu que l’effet de surconfiance s’atténue considérablement, voire disparaît.
• Le biais de sélection écologique des items : Gigerenzer a reproché aux banques de questions de Lichtenstein et Fischhoff d’être truffées d’indices écologiquement trompeurs. Si l’on échantillonne aléatoirement des objets réels dans un environnement naturel sans retenir de questions atypiques, a-t-il affirmé, l’étalonnage des participants redevient remarquablement fonctionnel.

Sarah Lichtenstein et Baruch Fischhoff ont défendu avec vigueur l’intégrité de leur modèle. S’ils ont admis que la formulation fréquentielle peut induire une estimation globale plus modeste de la performance globale, ils ont apporté des preuves empiriques répétées montrant que la sur-précision métacognitive demeure massive dès lors qu’un individu doit décider de son niveau d’engagement sur une proposition unique. Dans la vie professionnelle comme dans l’existence individuelle, la plupart des décisions critiques – qu’il s’agisse de lancer une offensive militaire, de financer une start-up ou d’autoriser la commercialisation d’un médicament – ne constituent pas des tirages répétitifs indéfinis mais des événements singuliers pour lesquels un jugement probabiliste unique est incontournable.

10.2 Le modèle de l’échantillonnage aléatoire et la rationalité limitée

Dans le sillage des critiques de Gigerenzer, des psychologues cognitifs comme Peter Juslin et Peter Winman ont développé au cours des années 1990 le modèle des réseaux mentaux probabilistes (Probabilistic Mental Models ou PMM / PNOT). Ce courant théorique s’est donné pour objectif de concilier les observations empiriques de Lichtenstein et Fischhoff avec une conception de l’esprit humain fondée sur une rationalité adaptée à son environnement.

Selon l’hypothèse de Juslin, la surconfiance observée en laboratoire n’est pas nécessairement l’indice d’une défaillance cognitive constitutive de l’architecture métacognitive de l’agent. Elle peut découler du fait que les individus appliquent de façon parfaitement rationnelle des indices statistiques qui possèdent une validité écologique éprouvée dans leur environnement quotidien habituel, mais dont la pertinence se trouve faussée lorsqu’ils sont transplantés au sein de corpus de questionnaires universitaires arbitraires. L’illusion métacognitive serait alors un effet de surface, généré par la discordance entre un environnement expérimental artificiel et les statistiques réelles auxquelles l’esprit est ordinairement adapté.

Toutefois, des méta-analyses approfondies conduites ultérieurement ont établi que, même en expurgeant rigoureusement tous les items soupçonnés de tromperie écologique et en recourant à des sélections d’items entièrement aléatoires au sein de bases de données réelles, l’hyper-précision et la surconfiance continuent de prévaloir sur les tâches modérément à hautement complexes. Le cadre théorique initial de Lichtenstein et Fischhoff a ainsi prouvé sa vitalité et sa résistance descriptive, conservant son statut de modèle paradigmatique de référence.

10.3 Clarification des limites intrinsèques des paradigmes originels

À travers le recul offert par quatre décennies de réplications et de raffinements théoriques, la psychologie contemporaine s’accorde aujourd’hui sur une cartographie claire des limites intrinsèques des paradigmes d’étalonnage des années 1970. Sarah Lichtenstein et Baruch Fischhoff avaient eux-mêmes posé les jalons de cette lucidité méthodologique.

L’une des limites majeures tient à la difficulté structurelle de traduire des états de croyance internes intrinsèquement vagues et continus en un nombre précis exprimé en pourcentages. Lorsqu’un individu inscrit « 80 % » sur un questionnaire, cette notation traduit-elle une estimation mathématique bayésienne rigoureusement élaborée ou n’est-elle que l’expression grossière et linguistique d’un sentiment diffus de plausibilité (« Je pense que c’est probablement vrai ») ? L’obligation imposée d’assigner une étiquette numérique introduit une rigidité formelle susceptible de générer du bruit de mesure parasitaire.

Une seconde limite concerne le degré d’implication personnelle et de motivation substantielle des sujets. Les questionnaires de laboratoire n’exposent généralement pas les étudiants à des coûts de transaction réels ou à des répercussions existentielles consécutives à leurs erreurs. Bien que l’introduction de règles de score monétairement incitatives ait montré que le biais ne disparaît pas face à des enjeux financiers modestes, la question de la transposabilité intégrale de ces résultats de laboratoire à des contextes décisionnels hautement stratégiques – où se mêlent responsabilités collégiales, réputations publiques et processus délibératifs longs – a exigé l’ouverture de nouvelles pistes d’investigation en sociologie organisationnelle et en économie comportementale.

11. Prolongements contemporains des paradigmes de Lichtenstein et Fischhoff

11.1 Intégration dans la finance comportementale et l’économie expérimentale

Si les travaux de Lichtenstein et Fischhoff sont nés au sein des départements de psychologie, leurs prolongements les plus retentissants sur le plan macro-économique se sont matérialisés au sein de la finance comportementale. Dès les années 1990, des économistes théoriciens et expérimentateurs ont compris que l’effet de sur-précision documenté par les deux chercheurs d’Eugene constituait la clé manquante pour expliquer certaines des anomalies les plus déconcertantes des marchés financiers mondiaux.

Dans des articles séminaux consacrés aux comportements d’investissement, Brad Barber et Terrance Odean ont directement mobilisé les protocoles de calibration pour analyser le volume démesuré des transactions boursières. Selon la théorie financière classique, des agents rationnels détenant des informations coûteuses ne devraient échanger des actifs financiers qu’à des fréquences très modérées. En réalité, les investisseurs individuels et institutionnels négocient des volumes astronomiques d’actions, dégradant considérablement leur rentabilité nette par des frais de courtage cumulés. Barber et Odean ont démontré que cette hyper-activité boursière s’explique par une sur-précision systématique : les opérateurs financiers croient avec certitude que leurs analyses privées ou leurs intuitions sont infiniment plus précises qu’elles ne le sont objectivement, sous-estimant la variance fondamentale des cours d’actifs.

De même, les travaux d’Itzhak Ben-David, John R. Graham et Campbell R. Harvey (2013) ont soumis des milliers de directeurs financiers (CFO) de grandes multinationales américaines aux protocoles d’intervalles de confiance de Lichtenstein et Fischhoff, en leur demandant de borner à 80 % la rentabilité future de l’indice S&P 500 à un an. Les résultats ont constitué une réplique quasi-parfaite des études de laboratoire de 1977 : les fourchettes tracées par les directeurs financiers ne contenaient la rentabilité réelle que dans 36 % des cas ! Les décisions stratégiques d’endettement, de fusion-acquisition et de dépenses d’investissement des géants industriels sont ainsi pilotées par une illusion de précision métacognitive qui expose les entreprises à des risques d’insolvabilité sévères.

11.2 Neurosciences décisionnelles et métacognition

L’avènement des techniques de neuro-imagerie fonctionnelle (IRMf) et de l’électrophysiologie au cours des deux dernières décennies a permis d’ancrer les observations comportementales de Lichtenstein et Fischhoff dans l’architecture neuronale du cerveau humain. Les neurosciences décisionnelles contemporaines traquent activement les corrélats cérébraux qui sous-tendent la dissociation entre le sentiment subjectif de certitude et la validité objective du signal perceptif ou déclaratif.

Les recherches ont mis en évidence le rôle central joué par un réseau corticostriatal spécifique dans l’évaluation métacognitive. L’évaluation de l’incertitude et la surveillance des erreurs recrutent préférentiellement :

• Le cortex préfrontal ventromédian (vmPFC) : Il semble encoder la valeur subjective globale accordée à une croyance ou à une décision, générant le sentiment subjectif de confiance qui accompagne le choix.
• L’insula antérieure et le cortex cingulaire antérieur (ACC) : Ces structures s’activent intensément lors de la détection d’un conflit cognitif, de l’ambiguïté informationnelle ou d’un risque élevé d’erreur.

Chez les individus en état de sur-précision, les études d’imagerie révèlent une hyporéactivité relative de l’insula antérieure et du cortex cingulaire antérieur au moment où ils formulent des choix hautement incertains. Le cerveau n’émet pas le signal d’alerte biologique nécessaire pour inhiber l’assurance illusoire produite par le cortex préfrontal ventromédian. Ces investigations physiologiques confirment l’intuition de Fischhoff et Lichtenstein : la surconfiance ne résulte pas d’une simulation probabiliste froide mal exécutée, mais d’une dynamique neuro-computationnelle où la cohérence interne du modèle mental inhibe l’accès aux signaux neuraux d’incertitude.

11.3 Intelligence artificielle et calibration des modèles d’apprentissage automatique

L’un des prolongements contemporains les plus surprenants et vitaux de l’œuvre de Sarah Lichtenstein et Baruch Fischhoff se déploie aujourd’hui au cœur même du développement de l’intelligence artificielle et de l’apprentissage profond (deep learning). Les ingénieurs et chercheurs en informatique découvrent avec stupeur que les réseaux de neurones artificiels modernes souffrent d’une pathologie décisionnelle identique à celle documentée chez l’être humain : la surconfiance algorithmique.

Dans un article de référence devenu célèbre dans la communauté informatique, Guo et ses collaborateurs (2017), intitulé « On Calibration of Modern Neural Networks », ont appliqué directement les métriques statistiques conçues par Lichtenstein et Fischhoff – le score de Brier, le diagramme de calibration et l’erreur d’étalonnage attendue (ECE pour Expected Calibration Error) – aux réseaux de neurones convolutifs et aux modèles de traitement du langage naturel. Le constat s’est avéré sidérant : si les anciens modèles de régression logistique des années 1990 étaient relativement bien calibrés, les réseaux profonds modernes (comme ResNet ou les architectures Transformer) présentent une sur-précision extrême. Lorsqu’un modèle de vision artificielle classe une image médicale en affirmant être certain à 99 % qu’il s’agit d’une tumeur bénigne, la fréquence empirique réelle de précision chute fréquemment à 80 %.

L’apprentissage profond optimise la minimisation de sa fonction de perte sur les données d’entraînement au détriment de son réalisme probabiliste, apprenant à saturer ses vecteurs de probabilités (la fonction softmax) vers des valeurs extrêmes de 1,0. Pour remédier à cette faille périlleuse – notamment dans les véhicules autonomes ou le diagnostic radiologique assisté par ordinateur –, les informaticiens recourent aujourd’hui à des algorithmes de recalibrage post-traitement, tels que l’étalonnage de température (temperature scaling) ou la régression isotone, directement inspirés des corrections d’étalonnage imaginées par Sarah Lichtenstein dans ses travaux fondamentaux des années 1970.

12. Implications épistémologiques et pratiques pour la prise de décision moderne

12.1 Architecture du choix et conception d’environnements décisionnels fiables

L’accumulation des preuves empiriques accumulées depuis les expériences pionnières de Lichtenstein et Fischhoff a imposé une refonte complète de ce que Richard Thaler et Cass Sunstein ont baptisé l’architecture du choix. Dès lors que l’on sait que la métacognition individuelle spontanée est structurellement viciée par une sur-précision excessive, les organisations complexes ne peuvent plus se reposer sur la seule assurance ressentie par leurs dirigeants ou leurs comités d’experts.

Pour immuniser les institutions contre les ravages décisionnels nés de la surconfiance, une série de dispositifs opérationnels formalisés a vu le jour dans les sphères militaires, industrielles et de gouvernance publique :

• L’institutionnalisation formelle du rôle de contradicteur (l’avocat du diable ou le red teaming) : Héritière directe des protocoles de contre-argumentation forcée de Koriat, Lichtenstein et Fischhoff (1980), cette technique consiste à assigner obligatoirement à un groupe indépendant la mission de démontrer la fausseté de l’option préférée par le comité exécutif et de concevoir des scénarios par lesquels le plan stratégique mènerait au désastre.
• Le protocole du premortem : Conçu par le psychologue Gary Klein, ce dispositif invite l’ensemble des décideurs d’un projet, à la veille de son lancement, à imaginer l’affirmation suivante : « Nous sommes dans cinq ans, le projet a fait une faillite retentissante et catastrophique. Prenez chacun dix minutes pour rédiger l’historique complet des causes de cet effondrement ». Cette démarche force la recherche active d’indices disconfirmatoires, désamorçant l’illusion d’infaillibilité collective.
• Le recours systématique à des distributions empiriques de référence : Plutôt que de laisser des chefs de projet borner leurs délais et budgets par des intervalles subjectifs étroits (l’approche interne), la méthodologie de prévision par classe de référence (théorisée par Bent Flyvbjerg) oblige à calibrer les prévisions sur les distributions statistiques réelles constatées historiquement sur des projets comparables.

12.2 Éducation statistique et formation au jugement probabiliste

L’une des leçons les plus durables de Sarah Lichtenstein et Baruch Fischhoff est que la compétence métacognitive ne s’improvise pas ; elle exige une formation méthodique et explicite au raisonnement probabiliste dès le cursus scolaire et universitaire. Si l’humanité a développé des capacités sophistiquées pour manipuler la géométrie spatiale et le calcul arithmétique élémentaire, notre équipement intuitif demeure démuni face à la gestion rigoureuse de l’incertitude épistémique.

Des programmes d’entraînement métacognitif inspirés des banques d’items historiques de Decision Research sont aujourd’hui intégrés dans la formation des analystes du renseignement (notamment au sein de l’IARPA aux États-Unis), des médecins légistes et des gestionnaires de risques industriels. Les participants sont soumis à des milliers d’évaluations probabilistes interactives pour lesquelles ils reçoivent un tracé immédiat de leur courbe de calibration personnelle. À force d’essais, les évaluateurs développent ce que les spécialistes nomment une sensibilité viscérale au calibrage : ils apprennent la sensation subjective de l’hésitation légitime et renoncent à l’expression de certitudes tranchées lorsque leurs fondements informationnels sont insuffisants.

Au-delà de l’apprentissage technique, cette formation vise à forger ce que les philosophes des sciences appellent l’humilité épistémique. Considérée non comme un aveu de faiblesse intellectuelle ou une timidité paralysante, mais comme une vertu opérationnelle de haute précision, l’humilité épistémique consiste à calibrer l’intensité de sa conviction sur la robustesse objective des preuves accumulées. Dans un monde hyper-complexe, savoir quantifier précisément l’étendue de sa propre ignorance constitue sans doute la forme la plus évoluée et la plus protectrice de la rationalité humaine.

12.3 L’héritage durable de Sarah Lichtenstein et Baruch Fischhoff

En inscrivant l’étude de la certitude subjective dans le cadre strict de l’expérimentation psychométrique et probabiliste, Sarah Lichtenstein et Baruch Fischhoff ont bâti un monument théorique dont l’actualité demeure éclatante. Leur œuvre conjointe a définitivement aboli la frontière artificielle qui séparait l’évaluation rationnelle de l’erreur cognitive : ils ont démontré que l’erreur n’est pas simplement l’absence de savoir, mais qu’elle s’accompagne d’une certitude ardente qui en décuple la dangerosité.

Leur corpus de recherche a fourni un langage commun et des outils de mesure mathématiques standardisés à des disciplines qui s’ignoraient mutuellement : la théorie des jeux, la microéconomie, la médecine diagnostique, la sociologie des catastrophes technologiques et l’ingénierie informatique. Ils ont révélé la tension dialectique perpétuelle qui déchire notre système cognitif, tiraillé entre le besoin rassurant d’afficher des certitudes catégoriques pour agir avec célérité et l’impératif statistique d’accepter l’incertitude fondamentale pour ne pas courir au désastre.

La portée philosophique de l’entreprise de Sarah Lichtenstein et Baruch Fischhoff rejoint en dernière analyse l’adage socratique revisité par la rigueur de la méthode expérimentale : la sagesse ne réside pas dans l’illusion de maîtriser le monde par des affirmations souveraines, mais dans l’aptitude lucide et scientifiquement mesurable à tracer les frontières exactes de notre propre faillibilité. En nous apprenant à mesurer le poids de nos illusions cognitives, ils nous ont offert les clés pour affronter l’avenir sans complaisance et avec une indispensable lucidité critique.

Références

Alpert, M., & Raiffa, H. (1982). A progress report on the training of probability assessors. In D. Kahneman, P. Slovic, & A. Tversky (Eds.), Judgment under Uncertainty: Heuristics and Biases (pp. 294–305). Cambridge University Press. https://doi.org/10.1017/CBO9780511809477.022

Barber, B. M., & Odean, T. (2001). Boys will be boys: Gender, overconfidence, and common stock investment. The Quarterly Journal of Economics, 116(1), 261–292. https://doi.org/10.1162/003355301556400

Ben-David, I., Graham, J. R., & Harvey, C. R. (2013). Managerial miscalibration. The Quarterly Journal of Economics, 128(4), 1547–1584. https://doi.org/10.1093/qje/qjt023

Brier, G. W. (1950). Verification of forecasts expressed in terms of probability. Monthly Weather Review, 78(1), 1–3. https://doi.org/10.1037/0033-295X.101.3.519

Fischhoff, B. (1975). Hindsight is not equal to foresight: The effect of outcome knowledge on judgment under uncertainty. Journal of Experimental Psychology: Human Perception and Performance, 1(3), 288–299. https://doi.org/10.1037/0096-1523.1.3.288

Fischhoff, B., Slovic, P., & Lichtenstein, S. (1977). Knowing with certainty: The appropriateness of extreme confidence. Journal of Experimental Psychology: Human Perception and Performance, 3(4), 552–564. https://doi.org/10.1037/0096-1523.3.4.552

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

Gigerenzer, G., Hoffrage, U., & Kleinbölting, H. (1991). Probabilistic mental models: A Brunswikian theory of confidence. Psychological Review, 98(4), 506–528. https://doi.org/10.1037/0033-295X.98.4.506

Guo, C., Pleiss, G., Sun, Y., & Weinberger, K. Q. (2017). On calibration of modern neural networks. In Proceedings of the 34th International Conference on Machine Learning (Vol. 70, pp. 1321–1330). PMLR. https://proceedings.mlr.press/v70/guo17a.html

Juslin, P. (1994). The overconfidence phenomenon as an artifact of heuristic random sampling of general knowledge questions. Journal of Experimental Psychology: Learning, Memory, and Cognition, 20(1), 226–241. https://doi.org/10.1037/0278-7393.20.1.226

Juslin, P., Winman, A., & Olsson, H. (2000). Naive empiricism and dogmatism in confidence research: A critical examination of the hard-easy effect and the overconfidence phenomenon. Psychological Review, 107(2), 384–396. https://doi.org/10.1037/0033-295X.107.2.384

Koriat, A., Lichtenstein, S., & Fischhoff, B. (1980). Reasons for confidence. Journal of Experimental Psychology: Human Learning and Memory, 6(2), 107–118. https://doi.org/10.1037/0278-7393.6.2.107

Lichtenstein, S., & Fischhoff, B. (1977). Do those who know more also know more about how much they know? Organizational Behavior and Human Performance, 20(2), 159–183. https://doi.org/10.1016/0030-5073(77)90001-0

Lichtenstein, S., & Fischhoff, B. (1980). Training for calibration. Organizational Behavior and Human Performance, 26(2), 149–171. https://doi.org/10.1016/0030-5073(80)90052-5

Lichtenstein, S., Fischhoff, B., & Phillips, L. D. (1982). Calibration of probabilities: The state of the art to 1980. In D. Kahneman, P. Slovic, & A. Tversky (Eds.), Judgment under Uncertainty: Heuristics and Biases (pp. 306–334). Cambridge University Press. https://doi.org/10.1017/CBO9780511809477.023

Moore, D. A., & Healy, P. J. (2008). The trouble with overconfidence. Psychological Review, 115(2), 502–517. https://doi.org/10.1037/0033-295X.115.2.502

Murphy, A. H. (1973). A new vector partition of the probability score. Journal of Applied Meteorology, 12(4), 595–600. 2.0.CO;2″>https://doi.org/10.1175/1520-0477(1974)055<1449:PFASON>2.0.CO;2

Murphy, A. H., & Winkler, R. L. (1977). Reliability of subjective probability forecasts of precipitation and temperature. Journal of the Royal Statistical Society: Series C (Applied Statistics), 26(1), 41–47. https://doi.org/10.2307/2346866

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