Amos Tversky – 1937 1996

Biographie

La trajectoire intellectuelle d’Amos Tversky (1937-1996) représente l’une des révolutions épistémologiques les plus profondes des sciences humaines et sociales de la seconde moitié du XXe siècle. Figure tutélaire de la psychologie cognitive et architecte incontournable de l’économie comportementale contemporaine, Tversky a patiemment démantelé l’édifice théorique de l’agent purement rationnel qui dominait jusqu’alors la pensée économique, la philosophie morale et les sciences de la décision. Par une combinaison virtuose de rigueur mathématique axiomatique, d’ingéniosité expérimentale et d’une lucidité phénoménologique aiguisée, il a mis au jour les principes réels qui gouvernent le jugement humain sous incertitude, substituant à la fiction normative de l’Homo œconomicus une cartographie systématique de nos heuristiques intuitives et de nos biais cognitifs.

Travaillant dans une symbiose intellectuelle légendaire avec Daniel Kahneman, mais déployant également en solitaire ou avec d’autres éminents collaborateurs des modèles formels d’une puissance analytique rare, Tversky a redéfini les frontières de la psychométrie, de la théorie du choix et de la statistique subjective. De la théorisation de la similarité asymétrique à l’élaboration de la théorie des perspectives (Prospect Theory), de la mise en évidence des effets de cadrage (framing effects) à la déconstruction statistique de la « main chaude » dans le sport, son œuvre traverse les disciplines avec une élégance et une pertinence déconcertantes. Sa démarche ne consistait point à railler la faillibilité humaine, mais à concevoir les déviations de la rationalité classique non comme des anomalies aléatoires, mais comme les signatures prévisibles de l’architecture cognitive de notre esprit.

Cet article propose une exploration intégrale et approfondie de la vie, de l’œuvre et de la postérité d’Amos Tversky. En retraçant sa formation mathématique et philosophique, sa collaboration fusionnelle avec Kahneman, l’élaboration de ses théories maîtresses et son impact indélébile sur des disciplines aussi diverses que le droit, la finance, la médecine diagnostique et l’intelligence artificielle, nous rendons hommage à un penseur d’exception dont la disparition prématurée à l’âge de 59 ans laissa la communauté scientifique orpheline de son esprit le plus incisif.

1. Introduction et trajectoire biographique : Les origines d’un pionnier des sciences cognitives

1.1 Jeunesse, formation intellectuelle et contexte israélien

Amos Nathan Tversky naît le 16 mars 1937 à Haïfa, dans ce qui est alors la Palestine sous mandat britannique, au sein d’une famille profondément investie dans la vie publique, intellectuelle et médicale de la jeune nation en gestation. Son père, Yosef Tversky, d’origine russo-juive, est un vétérinaire respecté dont la rigueur empirique marquera l’enfance du jeune Amos. Sa mère, Genia Tversky (née Ginzburg), assistante sociale de formation et militante sioniste passionnée, deviendra plus tard membre de la Knesset pour le parti Mapaï, exerçant une influence sociale et politique déterminante sur la société israélienne émergente. Élevé dans une atmosphère de débat intellectuel constant, de dévouement civique et de curiosité scientifique, Amos Tversky manifeste très tôt une acuité analytique hors du commun, tempérée par un sens de l’humour incisif et une remarquable distance critique face aux dogmes établis.

La jeunesse de Tversky est indissociable de l’histoire mouvementée de l’État d’Israël. Incorporé dans les Forces de défense israéliennes, il intègre l’élite des unités aéroportées, les parachutistes. Durant son service militaire, il fait preuve d’un courage exceptionnel qui lui vaut une distinction pour acte d’héroïsme : lors d’un exercice de tir réel où une grenade dégoupillée menace la vie de son unité, Tversky s’interpose et évacue un soldat blessé sous le feu, évitant un drame certain. Cette expérience militaire, complétée par sa participation aux conflits armés majeurs de son pays (notamment la guerre de Suez en 1956, la guerre des Six Jours en 1967 et la guerre du Kippour en 1973 en tant qu’officier de réserve), forge en lui une lucidité imperturbable face au danger, une capacité à prendre des décisions vitales sous pression extrême et une aversion viscérale pour le pathos et l’illusion héroïque.

Après son service actif, Tversky entreprend des études supérieures à l’Université hébraïque de Jérusalem. Il y poursuit un double cursus en philosophie et en psychologie, obtenant son baccalauréat universitaire en 1961. C’est durant cette période formatrice qu’il se heurte pour la première fois aux doctrines normatives de la décision, à la théorie de la logique formelle et à la philosophie analytique du langage. Déjà, l’écart entre la rigueur formelle des systèmes logiques prescriptifs et la réalité vivante, souvent chaotique, des conduites humaines suscite en lui une fascination durable. Il perçoit que la psychologie de l’époque manque d’un cadre formel d’une rigueur comparable à celle de la physique ou de l’économie mathématique, tandis que la philosophie normative et l’économie souffrent d’une totale cécité empirique quant aux limitations réelles de l’appareil cognitif de l’être humain.

1.2 Formation doctorale à l’Université du Michigan et influences initiales

Désireux d’acquérir les outils mathématiques nécessaires à la formalisation des processus mentaux, Tversky quitte Israël au début des années 1960 pour rejoindre l’Université du Michigan à Ann Arbor, alors considérée comme la capitale mondiale de la psychologie mathématique. Il y entreprend son doctorat sous la direction de Clyde Coombs, pionnier des théories de la mesure psychologique, du déploiement multidimensionnel et de l’analyse des données de préférence. L’environnement intellectuel d’Ann Arbor est alors incandescent : des chercheurs de premier plan comme Duncan Luce, William Hays et Ward Edwards y explorent les frontières entre statistiques bayésiennes, théorie de l’utilité et comportement décisionnel. Tversky s’immerge avec une aisance foudroyante dans les fondements axiomatiques de la mesure, la théorie des probabilités et la modélisation mathématique formelle.

Sous la tutelle de Coombs, Tversky développe une méthode de travail singulière qui deviendra sa signature épistémologique : une exigence déductive intransigeante couplée à un refus catégorique de la spéculation abstraite non ancrée dans l’observation empirique. Pour Tversky, un modèle mathématique n’a de valeur que s’il peut être mis à l’épreuve par des tests empiriques précis capables de falsifier ses axiomes fondateurs. Il soutient sa thèse de doctorat en 1965, jetant les bases d’une approche rigoureuse de la décision individuelle qui refuse autant le béhaviorisme radical, aveugle aux processus internes, que l’introspectionnisme non formalisé.

Dès la fin de ses études doctorales, Tversky s’attaque à l’un des piliers les plus fondamentaux de la théorie économique classique : l’axiome de transitivité des préférences. Selon cet axiome normatif, si un décideur préfère l’option A à l’option B, et l’option B à l’option C, il doit impérativement préférer A à C. Dans un article pionnier publié en 1969 dans la Psychological Review (« Intransitivity of Preferences »), Tversky démontre expérimentalement que des individus intelligents et motivés peuvent manifester des structures de choix systématiquement intransitives lorsqu’ils sont confrontés à des alternatives multidimensionnelles complexes. En faisant varier subtilement les écarts entre les critères d’évaluation, il prouve que l’intransitivité n’est pas le fruit d’une simple erreur aléatoire, mais le résultat prévisible d’un mécanisme de décision basé sur des seuils de discrimination perceptifs. Cette publication séminale alerte la communauté académique : un jeune prodige vient d’ouvrir une brèche irréparable dans l’armure de la rationalité économique classique.

1.3 Carrière académique entre Jérusalem et l’Université Stanford

Après l’obtention de son doctorat et un passage post-doctoral aux États-Unis, Tversky retourne en Israël pour intégrer le corps professoral du département de psychologie de l’Université hébraïque de Jérusalem en 1966. Il y gravit rapidement les échelons académiques, attirant autour de lui une cohorte d’étudiants brillants et engageant des collaborations fructueuses. C’est dans ce cadre géographique et institutionnel que s’amorce sa relation décisive avec Daniel Kahneman. Le département de psychologie de Jérusalem devient, durant cette décennie, l’épicentre d’un renouveau conceptuel dont les ondes de choc intellectuelles vont bientôt traverser l’Atlantique.

En 1978, face à l’ampleur planétaire de ses travaux et désireux d’évoluer au cœur des réseaux de recherche nord-américains les plus dynamiques, Amos Tversky accepte une chaire de professeur titulaire au département de psychologie de l’Université Stanford en Californie. Cette transition marque le début d’une période faste d’intégration interdisciplinaire. À Stanford, Tversky s’installe au cœur d’un écosystème d’exception, nouant des liens étroits avec des économistes de renom tels que Kenneth Arrow et Joseph Stiglitz, ainsi qu’avec des juristes, des sociologues et des statisticiens. La même année, Kahneman s’installe à l’Université de la Colombie-Britannique à Vancouver, mais la distance géographique ne brise en rien leur collaboration, entretenue par des séjours sabbatiques conjoints et d’incessants échanges téléphoniques.

Le rayonnement de Tversky est amplifié par ses séjours réguliers au prestigieux Centre d’études avancées en sciences comportementales (CASBS) situé sur les hauteurs de Stanford. Cette institution offre un sanctuaire intellectuel idéal où Tversky rencontre notamment le jeune économiste Richard Thaler, catalysant la fondation officielle de l’économie comportementale. Au fil des années 1980, les distinctions pleuvent sur Tversky : il est élu à l’Académie américaine des arts et des sciences en 1980, puis à la prestigieuse Académie nationale des sciences des États-Unis (National Academy of Sciences) en 1985. Récipiendaire de la bourse MacArthur (le fameux « prix du génie ») en 1984, il devient une figure quasi mythique du campus de Stanford, redouté pour son acuité foudroyante lors des séminaires et admiré pour sa générosité intellectuelle envers ses pairs et ses étudiants.

2. La collaboration fondatrice avec Daniel Kahneman

2.1 La rencontre de deux esprits complémentaires à Jérusalem

L’histoire de la collaboration entre Amos Tversky et Daniel Kahneman figure parmi les plus célèbres et les plus fructueuses épopées de l’histoire moderne des sciences cognitives. La genèse de cette alliance survient au printemps 1969, lorsque Kahneman invite Tversky à intervenir dans le cadre de son séminaire de psychologie appliquée à l’Université hébraïque de Jérusalem. Tversky y présente les recherches contemporaines sur la manière dont les êtres humains évaluent les probabilités et traitent l’information statistique. La discussion qui s’ensuit est électrique : Kahneman, dont la formation est ancrée dans la phénoménologie de la perception et l’étude de l’attention visuelle, soutient que les intuitions des individus ne ressemblent en rien aux calculs statistiques optimaux décrits par les théoriciens de la décision, et que même les chercheurs chevronnés commettent des erreurs grossières. Piqué au vif, Tversky accepte d’explorer empiriquement cette conjecture avec lui.

La dynamique qui s’installe rapidement entre les deux hommes repose sur une complémentarité quasi miraculeuse de tempéraments et de styles intellectuels. Daniel Kahneman est un introspectif inquiet, constamment habité par le doute, guidé par une intuition phénoménologique aiguë de la fragilité de la perception humaine et de ses distorsions subjectives. Amos Tversky est un esprit solaire, doté d’une confiance intellectuelle inébranlable, d’une rapidité d’analyse fulgurante et d’une maîtrise mathématique exceptionnelle. Là où Kahneman identifie intuitivement l’anomalie psychologique dans le tissu de l’expérience quotidienne, Tversky s’emploie à en isoler les propriétés logiques, à la dépouiller de toute ambiguïté et à la traduire dans un langage formel rigoureux susceptible de contraindre les économistes et les logiciens les plus sceptiques.

Les deux chercheurs mettent en place une méthode de co-écriture fusionnelle sans équivalent. Pendant plus d’une décennie, ils s’enferment des journées entières dans de petits bureaux à Jérusalem, puis plus tard en Californie ou au Royaume-Uni, discutant chaque phrase, chaque mot, riant énormément et vérifiant leurs hypothèses sur eux-mêmes. Leur règle d’or est simple et absolue : si une illusion cognitive ne peut être ressentie directement et immédiatement par leurs propres esprits, ils refusent de la considérer comme un fait psychologique valide. Ils choisissent délibérément de publier leurs articles conjoints en alternant l’ordre de leurs noms par tirage au sort (commençant par Tversky & Kahneman pour leur premier grand article de 1971), symbolisant l’indivisibilité totale de leur pensée commune.

2.2 Méthodologie expérimentale et exploration des anomalies cognitives

La rupture épistémologique opérée par Tversky et Kahneman tient pour une large part à leur méthodologie d’expérimentation, d’une inventivité et d’une sobriété déconcertantes. Alors que la psychologie expérimentale dominante des années 1960 et 1970 s’enlise dans des dispositifs lourds, nécessitant des appareillages complexes pour mesurer des temps de réaction millimétrés ou des réponses physiologiques, Tversky et Kahneman font le choix radical de la simplicité : ils recourent à de brèves expériences de pensée, rédigées sous forme de questionnaires narratifs percutants et soumis à des échantillons variés de participants.

Chaque problème expérimental est conçu comme un chef-d’œuvre de concision dramatique et de précision logique. Les scénarios mettent en scène des personnages quotidiens, des tirages de dés, des maladies épidémiques ou des décisions d’investissement. L’objectif méthodologique est de solliciter l’intuition brute du sujet pour la placer en porte-à-faux direct avec les axiomes de la logique classique ou du calcul des probabilités de Kolmogorov. L’élégance de la démonstration réside dans le fait que la bonne réponse logique est transparente pour quiconque prend le temps de calculer, mais que la structure du scénario déclenche de manière quasi irrésistible une réponse intuitive erronée.

Pour immuniser leurs conclusions contre les critiques traditionnelles qui imputent les erreurs de jugement à l’incompétence mathématique des profanes, Tversky et Kahneman déploient une stratégie méthodologique particulièrement audacieuse : ils interrogent des experts statisticiens, des membres de la Society of Multivariate Experimental Psychology, ainsi que des médecins et des décideurs professionnels. Leurs constats sont sans appel : confrontés à des problèmes probabilistes en contexte incertain, les experts les plus aguerris abandonnent leurs outils formels pour s’en remettre, tout comme les néophytes, à des règles heuristiques intuitives génératrices de biais systématiques. Ce choix d’étudier les déviations systématiques et reproductibles plutôt que le bruit aléatoire permet au duo de formaliser ces anomalies non comme des faiblesses accidentelles, mais comme des principes structurants de la cognition humaine.

2.3 L’ébranlement du paradigme de l’agent rationnel

L’onde de choc produite par les travaux conjoints de Tversky et Kahneman se propage bien au-delà des frontières de la psychologie, venant ébranler le cœur même de la science économique orthodoxe : le paradigme de l’Homo œconomicus. Échafaudée sur les fondations néoclassiques de Leon Walras, d’Alfred Marshall et perfectionnée par Paul Samuelson, l’économie dominante postulait que les agents économiques disposent d’une rationalité substantive sans faille, possèdent des préférences stables, ordonnées et transitives, et maximisent infailliblement leur espérance d’utilité en intégrant l’intégralité de l’information disponible selon les règles du théorème de Bayes.

Certes, l’économiste et sociologue Herbert Simon avait déjà introduit dans les années 1950 le concept séminal de « rationalité limitée » (bounded rationality), arguant que les capacités de calcul limitées de l’esprit humain et les coûts de recherche de l’information conduisent les décideurs à adopter des conduites de « satisfaction » (satisficing) plutôt que d’optimisation pure. Cependant, les idées de Simon, bien que respectées, étaient restées largement programmatiques et peinaient à s’imposer face à la modélisation mathématique néoclassique, faute d’une formalisation prédictive précise des mécanismes de substitution.

C’est précisément cette lacune fondamentale que Tversky et Kahneman parviennent à combler. En identifiant des heuristiques universelles précises et en quantifiant les biais qui en résultent, ils prouvent que l’irrationalité humaine n’est pas un chaos informe, mais un ensemble de régularités hautement prévisibles (predictably irrational). La résistance de l’orthodoxie économique est d’abord féroce. Des figures de l’École de Chicago, menées par Milton Friedman et George Stigler, arguent initialement que sur des marchés concurrentiels efficients, les forces d’arbitrage financier et la pression de la sélection concurrentielle éliminent rapidement les agents irrationnels. Tversky réplique avec son ironie coutumière, soulignant que cette défense repose sur une pétition de principe : rien dans la théorie économique ne démontre que la rationalité est immunisée contre l’impact destructeur des distorsions cognitives collectives. En fournissant les preuves empiriques irréfutables de ces violations axiomatiques, Tversky et Kahneman ouvrent la voie à une refonte copernicienne des sciences du comportement.

3. Le programme des heuristiques et biais cognitifs

3.1 L’heuristique de représentativité et l’illusion de validité

Le point d’orgue initial du programme de recherche de Tversky et Kahneman est exposé dans leur article historique de 1974 publié dans la revue Science, intitulé « Judgment under Uncertainty: Heuristics and Biases ». Le premier grand mécanisme mental qu’ils identifient est l’heuristique de représentativité. Confronté à la tâche d’évaluer la probabilité qu’un objet ou un événement A appartienne à une classe B, ou qu’un processus B génère l’événement A, l’esprit humain ne consulte pas les tables de probabilités : il évalue le degré auquel A ressemble typologiquement au stéréotype mental de B. Si la ressemblance est forte, la probabilité subjective est jugée élevée, au mépris total des facteurs mathématiques réels.

Ce mécanisme engendre des distorsions cognitives majeures, au premier rang desquelles figure la négligence des probabilités a priori (souvent désignée sous le terme de Base Rate Fallacy). Dans une expérience mémorable, Tversky et Kahneman présentent aux participants la description psychologique d’un individu nommé Jack, dressant de lui le portrait d’un homme méthodique, sans intérêt politique et passionné de puzzles mathématiques. Qu’on indique aux participants que Jack a été tiré d’un groupe composé de 70 ingénieurs et 30 avocats, ou au contraire d’un groupe de 30 ingénieurs et 70 avocats, les sujets évaluent la probabilité que Jack soit ingénieur à un niveau identique. Les probabilités a priori objectives de la population sont purement et simplement balayées par la conformité descriptive au stéréotype de l’ingénieur.

L’expression la plus spectaculaire et la plus controversée de la représentativité est l’erreur de conjonction (conjunction fallacy), immortalisée par le célèbre problème de Linda conçu par Tversky et Kahneman en 1983. Linda est décrite comme une femme de 31 ans, célibataire, franche, très brillante, diplômée de philosophie, profondément préoccupée par les discriminations et la justice sociale, et ayant participé à des manifestations antinucléaires. Les sujets doivent ensuite classer par ordre de probabilité plusieurs affirmations, parmi lesquelles :

• Linda est employée de banque (Option A) ;
• Linda est employée de banque et active dans le mouvement féministe (Option A et B).

De manière écrasante, plus de 85 % des participants — y compris des étudiants diplômés en logique et en statistiques — affirment que l’option conjointe est plus probable que l’option simple. Or, selon la règle la plus élémentaire du calcul des probabilités, la probabilité d’une intersection d’événements ne peut en aucun cas être supérieure à la probabilité de l’un de ses constituants pris isolément : $P(A \cap B) \leq P(A)$. La représentativité narrative de Linda avec le stéréotype de la féministe masque totalement l’inclusion ensembliste des classes logiques.

À cette erreur s’ajoute l’insensibilité à la taille de l’échantillon, formulée par Tversky et Kahneman dès 1971 sous le concept ironique de « croyance en la loi des petits nombres ». Les individus appliquent erronément les propriétés statistiques des grands nombres à des échantillons minuscules, s’attendant à ce qu’une séquence courte de tirages aléatoires reflète fidèlement la distribution globale du processus générateur, ce qui conduit à des généralisations diagnostiques totalement infondées.

3.2 L’heuristique de disponibilité et l’accès mnésique

La deuxième grande heuristique théorisée par le tandem est l’heuristique de disponibilité (availability heuristic). Lorsqu’un individu doit estimer la fréquence d’une classe d’événements, la prévalence d’un phénomène ou la probabilité d’un sinistre futur, il évalue cette probabilité en fonction de la facilité avec laquelle des exemples pertinents lui reviennent en mémoire. Ce raccourci cognitif s’appuie sur une corrélation empirique généralement valide dans le monde physique : les événements fréquents sont en principe mieux mémorisés que les événements rares. Toutefois, l’accès mnésique n’est pas uniquement déterminé par la fréquence statistique réelle ; il est massivement modulé par des facteurs extrinsèques tels que la saillance perceptive, la charge émotionnelle, la récence et la couverture médiatique.

Dans une série d’expériences élégantes, Tversky et Kahneman demandent à des sujets si la lettre « R » apparaît plus fréquemment dans les textes de langue anglaise en première position d’un mot ou en troisième position. Bien que la lettre R soit substantiellement plus fréquente en troisième position dans le lexique anglais, une écrasante majorité de répondants soutient le contraire. La raison en est purement cognitive : notre moteur de recherche mnésique indexe les mots par leur initiale avec une facilité incomparablement supérieure à celle nécessaire pour récupérer des mots par leur structure interne consonnantique. La disponibilité lexicale immédiate dicte le verdict probabiliste.

En collaboration avec Paul Slovic et Sarah Lichtenstein, les chercheurs étendent ce principe à l’évaluation des risques sociétaux et environnementaux. Les causes de mortalité spectaculaires, dramatiques et hautement médiatisées — telles que les accidents d’avion, les attaques de requins, les homicides ou les catastrophes nucléaires — bénéficient d’une vivacité imaginative extrême et sont instantanément remémorées. Par conséquent, leur fréquence est massivement surestimée par le grand public. À l’inverse, des causes de mortalité incomparablement plus dévastatrices mais silencieuses, progressives et dénuées d’attrait sensationnaliste — comme le diabète, l’accident vasculaire cérébral ou les intoxications médicamenteuses ordinaires — sont dramatiquement sous-estimées. Ce biais d’imagination exerce une influence directe sur les politiques publiques, l’allocation budgétaire des agences de sécurité sanitaire, les verdicts des jurys judiciaires et les comportements individuels de souscription d’assurances.

3.3 L’ancrage et l’ajustement numérique

Le troisième pilier du triptyque de 1974 est le mécanisme d’ancrage et d’ajustement (anchoring and adjustment). Lorsqu’ils sont appelés à formuler une estimation numérique sous incertitude — qu’il s’agisse de la valeur marchande d’une entreprise, de la durée prévisible d’un chantier, d’un cours de bourse ou de la température d’ébullition d’un métal rare —, les individus démarrent leur raisonnement à partir d’une valeur initiale disponible (l’ancre), puis ajustent cette valeur pour parvenir à leur estimation définitive. Le vice structurel de ce processus réside dans le fait que l’ajustement cognitif est presque invariablement insuffisant, laissant l’estimation finale lourdement captive de l’ancre initiale, même lorsque celle-ci est ostensiblement dénuée de tout lien informatif avec la tâche d’estimation.

Pour démontrer expérimentalement le caractère purement mécanique et arbitraire de cet effet, Tversky et Kahneman conçoivent une expérience devenue canonique. Ils installent devant des participants une roue de la fortune truquée, numérotée de 0 à 100, qui ne peut s’arrêter que sur le chiffre 10 ou sur le chiffre 65. Après avoir fait tourner la roue sous les yeux du participant, les chercheurs lui posent deux questions consécutives :

1. Le pourcentage de pays africains siégeant aux Nations unies est-il supérieur ou inférieur au nombre indiqué par la roue ?
2. Quel est exactement, selon vous, le pourcentage de pays africains siégeant aux Nations unies ?

Les résultats sont stupéfiants : les sujets ayant vu la roue s’arrêter sur le chiffre 10 estiment en moyenne le pourcentage de pays africains à 25 %, tandis que ceux confrontés au chiffre 65 avancent une estimation moyenne de 45 %. Bien que l’ancre soit manifestement générée par un tirage au sort totalement aléatoire, elle contamine de manière disproportionnée le jugement quantitatif des sujets.

Tversky approfondit les mécanismes de l’ancrage en montrant qu’il opère à la fois par une insuffisance d’effort cognitif dans l’ajustement séquentiel et par un processus d’accessibilité sélective : l’esprit teste l’hypothèse que l’ancre pourrait être la vraie valeur, activant en mémoire de manière privilégiée les informations congruentes avec ce repère numérique. L’ancrage s’impose rapidement comme un concept fondamental pour comprendre les dynamiques de négociation commerciale, la fixation des prix de transactions immobilières, l’établissement des dommages-intérêts par les magistrats et les bulles spéculatives sur les marchés financiers.

4. La théorie des perspectives (Prospect Theory) : Fondations et rupture

4.1 Les failles empiriques de la théorie de l’utilité espérée

Si le programme des heuristiques et biais documente les défaillances de l’évaluation probabiliste, Amos Tversky et Daniel Kahneman franchissent un cap théorique supérieur à la fin des années 1970 en s’attaquant au cœur mathématique de l’économie normative du risque : la théorie de l’utilité espérée (Expected Utility Theory). Énoncée au XVIIIe siècle par Daniel Bernoulli pour résoudre le paradoxe de Saint-Pétersbourg, puis formalisée sous forme axiomatique par John von Neumann et Oskar Morgenstern en 1944, cette théorie postulait qu’un agent rationnel évalue une perspective aléatoire en calculant la moyenne pondérée par les probabilités des utilités associées à chaque état de richesse finale possible :

$$U(L) = \sum_{i=1}^n p_i \cdot u(w + x_i)$$

Dans ce modèle classique, l’utilité est une fonction de la richesse totale ($w$), et la concavité de la fonction d’utilité rend compte à elle seule de l’aversion au risque de l’agent.

Tversky et Kahneman soumettent cette construction élégante à un pilonnage empirique méticuleux. Ils réexaminent notamment le célèbre paradoxe de Maurice Allais (1953) et identifient l’effet de certitude (certainty effect) : les décideurs accordent un poids psychologique démesuré aux résultats certains par comparaison avec des résultats purement probables, créant des discontinuités brutales dans les préférences qui violent frontalement l’axiome d’indépendance de von Neumann-Morgenstern. Par exemple, une réduction de la probabilité de gain de 1,0 à 0,99 engendre une baisse de désirabilité subjective considérablement plus violente qu’une réduction identique de 0,40 à 0,39, bien que l’écart mathématique absolu soit rigoureusement le même.

Plus fondamentalement encore, Tversky met en lumière l’échec systématique du principe d’invariance descriptive. En théorie économique classique, deux descriptions formellement équivalentes d’un même problème de choix doivent impérativement susciter la même décision. Or, Tversky démontre que de simples modifications dans la formulation narrative des options entraînent des renversements radicaux de préférences. Cet effondrement empirique de l’utilité espérée exigeait non pas un simple ajustement marginal, mais la création d’un tout nouveau paradigme descriptif du choix sous risque.

4.2 La fonction de valeur en forme de S et l’aversion aux pertes

En 1979, Tversky et Kahneman publient dans la prestigieuse revue Econometrica leur article magistral : « Prospect Theory: An Analysis of Decision under Risk ». Cette publication deviendra l’article le plus cité de toute l’histoire de cette revue phare de la science économique. Au cœur de la théorie des perspectives se trouve une rupture conceptuelle majeure : les individus n’évaluent pas les options en fonction des états finaux de leur richesse nette globale, mais en termes de gains et de pertes relatifs à un point de référence neutre (généralement le statu quo actuel).

La théorie introduit une fonction de valeur subjective, notée $v(x)$, qui présente trois caractéristiques structurelles fondamentales conférant à sa courbe une forme sigmoïde caractéristique en « S » :

1. Dépendance par rapport au point de référence : L’argument de la fonction n’est pas la richesse absolue, mais l’écart $x$ par rapport au repère de référence ($x = 0$).
2. Sensibilité marginale décroissante : La fonction est concave dans le domaine des gains ($v »(x) < 0$ pour $x > 0$), traduisant une aversion au risque face aux opportunités lucratives. Mais elle est convexe dans le domaine des pertes ($v »(x) > 0$ pour $x < 0$), traduisant une puissante recherche du risque face à des issues négatives. Face au choix entre une perte certaine de 500 dollars et une chance sur deux de perdre 1 000 dollars (avec 50 % de chance de ne rien perdre), la majorité écrasante des individus préfère tenter le pari risqué pour tenter d’échapper à la perte certaine.
3. Aversion aux pertes (Loss Aversion) : La pente de la fonction de valeur est considérablement plus abrupte dans le domaine des pertes que dans le domaine des gains. Psychologiquement, « les pertes font plus mal que les gains ne font de bien ». L’impact psychologique négatif d’une perte de 100 dollars est ressenti avec une intensité bien supérieure à la satisfaction positive procurée par un gain de 100 dollars.

Amos Tversky formalise ce principe d’aversion aux pertes avec une extrême précision quantitative. À travers de multiples protocoles expérimentaux, il établit le coefficient moyen d’aversion aux pertes, traditionnellement noté $lambda$, autour d’une valeur comprise entre 1,8 et 2,5 (généralement modélisé à $\lambda \approx 2,25$). Cela signifie qu’un individu rationnel selon la théorie des perspectives n’acceptera un pari équitable à 50/50 de gagner $X$ ou de perdre $Y$ que si le gain potentiel $X$ est au moins le double de la perte potentielle $Y$. Ce principe simple et élégant explique une multitude de phénomènes économiques auparavant incompris, depuis l’effet de dotation jusqu’à l’inertie des prix sur les marchés d’actifs.

4.3 La distorsion non linéaire des probabilités

L’autre pilier mathématique de la théorie des perspectives réside dans le remplacement des probabilités objectives $p$ par une fonction de pondération non linéaire des décisions, notée $\pi(p)$. Alors que la théorie de l’utilité espérée traite les probabilités comme des grandeurs linéaires parfaites où un accroissement de 0,05 a exactement le même impact quel que soit le niveau de départ, l’esprit humain procède à une distorsion psychologique systématique de l’échelle des probabilités réelles.

La fonction de pondération $\pi(p)$ identifiée par Tversky et Kahneman possède des propriétés caractéristiques bien documentées :

• Elle surpondère systématiquement les très faibles probabilités ($\pi(p) > p$ pour les valeurs de $p$ proches de 0). Les événements rarissimes mais possibles reçoivent une attention et un poids décisionnel disproportionnés dans l’esprit du sujet.
• Elle sous-pondère significativement les probabilités modérées et élevées ($\pi(p) < p$ pour les valeurs moyennes et fortes). Une probabilité objective de 0,80 est traitée comme valant psychologiquement moins que son espérance mathématique directe.
• Elle présente des discontinuités marquées aux frontières extrêmes de l’échelle probabiliste, matérialisant l’abîme psychologique séparant l’impossibilité de la simple possibilité ($p = 0$ vers $p > 0$), ainsi que la possibilité de la certitude absolue ($p < 1$ vers $p = 1$).

Cette interaction sophistiquée entre la fonction de valeur en « S » et la fonction de pondération non linéaire donne naissance au célèbre modèle décisionnel à quatre volets (fourfold pattern of risk attitudes), qui constitue l’une des réalisations explicatives les plus brillantes de la psychologie économique :

D’un seul geste conceptuel unifié, Tversky résout ainsi l’un des plus vieux mystères de la théorie économique : comment un même individu peut-il rationnellement acheter des billets de loterie (comportement d’amateur de risque) tout en souscrivant des polices d’assurance coûteuses (comportement d’ennemi du risque) ? La théorie des perspectives démontre que ces deux comportements ne sont pas contradictoires, mais découlent mécaniquement de la surpondération des événements improbables combinée à l’asymétrie de la fonction de valeur.

4.4 La théorie cumulative des perspectives (Cumulative Prospect Theory)

Malgré le triomphe empirique de la version de 1979 de la théorie des perspectives, le modèle mathématique initial souffrait d’une vulnérabilité théorique formelle identifiée par les théoriciens de la décision : il pouvait, dans des configurations probabilistes complexes impliquant plus de deux issues incertaines, violer le principe de dominance stochastique du premier ordre. Selon ce principe fondamental, si une loterie A offre des perspectives systématiquement supérieures ou égales à une loterie B en tout point de probabilité, A doit rigoureusement être préférée à B. La pondération séparée de chaque issue pouvait conduire le modèle de 1979 à prédire que l’agent préférerait paradoxalement B à A.

Conscient de cette limitation mathématique intolérable pour son sens de la rigueur formelle, Amos Tversky s’attelle avec Daniel Kahneman à une refonte complète de l’appareil axiomatique de leur théorie. En 1992, ils publient dans le Journal of Risk and Uncertainty un article capital intitulé « Advances in Prospect Theory: Cumulative Representation of Uncertainty ». S’inspirant des travaux révolutionnaires de l’économiste australien John Quiggin sur l’utilité dépendante du rang (Rank-Dependent Utility), Tversky intègre la pondération décisionnelle non plus aux probabilités individuelles des états de la nature, mais aux probabilités cumulatives de la distribution ordonnée des gains et des pertes.

Dans la théorie cumulative des perspectives (Cumulative Prospect Theory – CPT), les issues sont classées par ordre croissant d’attractivité. Le décideur applique des fonctions de transformation séparées pour la distribution cumulative des gains d’une part, et pour la distribution cumulative des pertes d’autre part :

$$V(f) = \sum_{i=-m}^n \pi_i v(x_i)$$

Les poids de décision $\pi_i$ sont définis comme les différences marginales entre les capacités cumulatives successives. Cette formulation mathématique d’une sophistication remarquable permet à la théorie de traiter sans aucune contradiction logique des loteries comportant un nombre infini d’issues, des distributions de probabilité continues et des choix multidimensionnels complexes, tout en garantissant mathématiquement le respect absolu de la dominance stochastique. L’apport personnel d’Amos Tversky dans cette formalisation d’une pureté axiomatique totale est immense : il parvient à doter la psychologie descriptive d’une armature analytique qui rivalise en majesté avec les plus grandes réussites de la microéconomie mathématique.

5. Le rôle des effets de cadrage (Framing Effects) dans la prise de décision

5.1 Le dilemme de la maladie asiatique et la formulation des choix

L’exploration des failles de la rationalité classique atteint son zénith démonstratif en 1981, lorsque Tversky et Kahneman publient dans Science leur article séminal « The Framing of Decisions and the Psychology of Choice ». Ils y mettent en scène ce qui deviendra l’expérience la plus célèbre de toute la littérature sur la décision : le problème de la maladie asiatique. Le protocole confronte deux groupes équivalents de décideurs à une situation de crise sanitaire imminente :

« Imaginez que les États-Unis se préparent à faire face à une épidémie d’une maladie asiatique inhabituelle qui devrait causer la mort de 600 personnes. Deux programmes alternatifs pour lutter contre la maladie ont été proposés avec les estimations scientifiques suivantes. »

Au premier groupe, les options sont formulées dans un cadre de survie (gains) :

• Programme A : 200 personnes seront sauvées.
• Programme B : 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 choix, 72 % des participants optent pour le Programme A. Les individus manifestent une nette aversion au risque : la certitude de sauver 200 vies l’emporte largement sur le pari probabiliste, bien que l’espérance mathématique des deux programmes soit strictement identique ($600 \times 1/3 = 200$).

Au second groupe de participants, Rigoureusement identique par sa composition démographique, les mêmes options sont soumises dans un cadre de mortalité (pertes) :

• Programme C : 400 personnes vont mourir.
• Programme D : Il y a 1/3 de probabilité que personne ne meure, et 2/3 de probabilité que 600 personnes meurent.

Sous cette formulation, les résultats s’inversent de façon spectaculaire : 78 % des participants choisissent le Programme D ! Cette fois, confrontés à la perspective explicite de voir 400 individus mourir de manière certaine, les décideurs fuient la certitude de la perte et deviennent amateurs de risque pour tenter d’éviter la tragédie.

L’aspect dévastateur de cette expérience pour la théorie du choix rationnel tient à ce que le Programme A est rigoureusement identique sur le plan ontologique et logique au Programme C (si 200 personnes sont sauvées sur 600, 400 meurent nécessairement), tout comme le Programme B est identique au Programme D. Une simple variation lexicale dans l’emballage verbal suffit à métamorphoser des agents timorés en parieurs audacieux, démontrant que les préférences ne préexistent pas de manière stable dans l’esprit de l’agent, mais sont activement et passivement construites par le cadre linguistique du dilemme.

5.2 Mécanismes psychologiques sous-jacents au cadrage

Pour Amos Tversky, l’existence des effets de cadrage (framing effects) illustre une vérité fondamentale sur la machinerie cognitive : l’esprit humain ne perçoit pas le monde de manière neutre ou décontextualisée, mais à travers des prismes perceptifs analogiques à des illusions d’optique. L’esprit est fondamentalement impuissant à maintenir l’invariance descriptive dès lors que la charge sémantique des descriptions déplace le point de référence interne du décideur.

Dans le dilemme de la maladie asiatique, la formulation « 200 personnes seront sauvées » fixe le point de référence mental à zéro vie épargnée ; toute vie sauvée est alors enregistrée cognitivement comme un gain, déclenchant la concavité de la fonction de valeur (recherche de la prudence). En revanche, la mention « 400 personnes vont mourir » ancre instantanément le point de référence au total des 600 personnes vivantes ; chaque décès anticipé est alors encodé comme une perte directe, activant la convexité de la fonction de valeur dans le domaine négatif (recherche du risque).

Tversky analyse également les effets de cadrage par le prisme de la pseudo-certitude et de l’isolation cognitive. Les êtres humains ont une propension irrésistible à isoler les sous-problèmes les uns des autres au lieu de les intégrer dans un calcul d’ensemble global (phénomène que Richard Thaler nommera plus tard la comptabilité mentale). En segmentant ainsi la réalité, l’architecture du choix manipule ce que le sujet perçoit comme certain ou contingent. Tversky compare fréquemment l’effet de cadrage aux lois de la Gestalt : tout comme nous ne pouvons nous empêcher de voir une figure réversible de Necker sous une perspective plutôt qu’une autre en fonction de la mise en valeur des contours, le décideur ne peut résister à la résonance affective du cadre verbal dans lequel la proposition est coulée.

5.3 Portée pratique en politique publique, bioéthique et économie

Loin de constituer une curiosité confinée aux laboratoires de psychologie, les démonstrations de Tversky sur les effets de cadrage trouvent des applications immédiates et cruciales dans le monde réel. L’un des terrains d’investigation les plus frappants est celui de la médecine clinique. En 1982, Tversky s’associe à Barbara McNeil, Stephen Pauker et Harold Sox pour une étude publiée dans le prestigieux New England Journal of Medicine. Ils soumettent à des chirurgiens expérimentés, des radiologues et des patients le choix entre deux traitements du cancer du poumon : la chirurgie invasive et la radiothérapie.

Lorsque les données statistiques sont présentées sous l’angle du taux de survie (« Le taux de survie à un mois est de 90 % »), 84 % des médecins recommandent la chirurgie. Mais lorsque les mêmes données, strictement identiques, sont formulées en termes de taux de mortalité (« Il y a un taux de mortalité de 10 % au cours du premier mois »), la part des médecins préconisant la chirurgie s’effondre à 50 % ! Cette étude provoque un électrochoc dans le monde médical : elle prouve que des praticiens chevronnés, prenant des décisions de vie ou de mort, sont tout aussi vulnérables aux artifices de cadrage que des profanes naïfs, ce qui bouleverse les protocoles d’obtention du consentement éclairé des malades.

Dans la sphère de l’économie publique et fiscale, Tversky démontre que l’acceptabilité sociale des politiques d’ajustement dépend crucialement du cadrage : une majoration d’impôt présentée comme une « surtaxe sur les célibataires » suscite un rejet massif, tandis que la même mesure présentée comme une « déduction fiscale accordée aux familles avec enfants » rencontre un consensus approbateur immédiat, bien que leurs implications financières nettes soient parfaitement superposables.

Cette mise en évidence formelle de la malléabilité des choix constitue le berceau intellectuel de la théorie du nudge (« coup de pouce ») et de l’architecture du choix, conceptualisées ultérieurement par Richard Thaler et Cass Sunstein. Puisque aucun problème de décision ne peut être présenté dans un vide lexical absolu et qu’un cadre doit nécessairement être adopté par le régulateur ou le concepteur d’un système, l’analyse de Tversky impose de concevoir consciemment les environnements décisionnels pour guider les citoyens vers les issues les plus favorables à leur propre bien-être, sans pour autant interdire d’options.

6. La théorie de la similarité et le modèle de comparaison des traits

6.1 Remise en cause des modèles spatiaux géométriques de la psychométrie

Parallèlement à ses recherches sur le choix sous risque avec Kahneman, Amos Tversky accomplit en solitaire une révolution théorique tout aussi magistrale dans le champ de la psychométrie et de la modélisation cognitive des concepts. Depuis les travaux séminaux de Roger Shepard et l’avènement du positionnement multidimensionnel (Multidimensional Scaling – MDS), la psychologie cognitive modélisait traditionnellement le jugement de similarité entre deux objets ou stimuli sous la forme d’une distance géométrique dans un espace métrique euclidien ou non euclidien. Selon cette approche spatiale dominante, deux concepts sont jugés similaires si la distance mathématique qui sépare leurs coordonnées dans un espace vectoriel continu est faible.

Or, pour qu’une fonction de distance géométrique $d(x, y)$ soit formellement valide dans un espace métrique au sens mathématique strict de Fréchet, elle doit impérativement satisfaire à trois axiomes fondamentaux :

1. Minimité et réflexivité : $d(a, b) \geq d(a, a) = 0$ (la distance d’un objet avec lui-même est nulle et minimale).
2. Symétrie : $d(a, b) = d(b, a)$ (la distance de $a$ vers $b$ est rigoureusement identique à la distance de $b$ vers $a$).
3. Inégalité triangulaire : $d(a, c) \leq d(a, b) + d(b, c)$ (la distance directe entre deux points ne peut excéder la somme des distances intermédiaires passant par un troisième point).

Dans son article d’anthologie publié en 1977 dans la Psychological Review (« Features of Similarity »), Amos Tversky prouve de manière empirique et axiomatique que ces trois postulats métriques sont systématiquement et massivement violés par les jugements de similarité humains. La distance psychologique subjective ne se comporte pas et ne s’est jamais comportée comme une distance spatiale physique.

6.2 Le modèle de comparaison des traits (Feature Matching Model, 1977)

Pour remplacer les modèles spatiaux défaillants, Tversky invente une alternative théorique révolutionnaire : le modèle de comparaison des traits (Feature Matching Model), également connu sous le nom de modèle de contraste (Contrast Model). Au lieu de représenter les stimuli comme des points continus dans un espace géométrique, Tversky postule que les entités conceptuelles sont encodées par l’esprit humain sous la forme d’ensembles discrets de traits qualitatifs ou d’attributs. Soit $A$ l’ensemble des traits caractérisant l’objet $a$, et $B$ l’ensemble des traits caractérisant l’objet $b$.

Tversky formalise l’indice de similarité psychologique $S(a, b)$ entre $a$ et $b$ à travers une équation linéaire d’une formidable élégance :

$$S(a, b) = \theta \cdot f(A \cap B) – \alpha \cdot f(A – B) – \beta \cdot f(B – A)$$

Dans cette équation fondamentale :

• $A cap B$ représente l’ensemble des traits communs partagés par les deux objets ;
• $A – B$ représente l’ensemble des traits distinctifs qui appartiennent à $a$ mais n’appartiennent pas à $b$ ;
• $B – A$ représente l’ensemble des traits distinctifs qui appartiennent à $b$ mais n’appartiennent pas à $a$ ;
• $f$ est une mesure d’échelle qui quantifie la saillance cognitive subjective ou le poids attentionnel de chaque ensemble de traits ;
• $\theta$, $\alpha$ et $\beta$ sont des paramètres positifs qui reflètent les pondérations relatives attribuées respectivement aux attributs communs et aux attributs spécifiques en fonction du contexte de la tâche d’évaluation.

Ce modèle formel permet d’expliquer pourquoi la réflexivité métrique s’effondre : la similarité perçue d’un objet avec lui-même n’est pas constante pour tous les objets. Un stimulus complexe riche en traits saillants (par exemple la Joconde) présente une auto-similarité perçue $S(a,a)$ bien plus puissante qu’un stimulus pauvre en traits (comme une simple forme géométrique unicolore), car la valeur de $f(A cap A) = f(A)$ est considérablement plus vaste dans le premier cas.

6.3 Asymétrie cognitive et focalisation attentionnelle

La découverte la plus spectaculaire permise par le modèle de contraste de Tversky est la démonstration empirique de la non-symétrie radicale des jugements de similarité : il arrive fréquemment que $S(a, b) \neq S(b, a)$. Dans le modèle de Tversky, si le sujet grammatical $a$ de la comparaison est moins proéminent ou moins saillant que le référent $b$, le paramètre $\alpha$ (poids des traits distinctifs du sujet) l’emporte sur $\beta$ (poids des traits distinctifs du référent).

Tversky démontre ce phénomène par des expériences frappantes :

• Une immense majorité d’individus affirme que « La Corée du Nord est plus similaire à la Chine » que « La Chine est similaire à la Corée du Nord ».
• De même, les sujets jugent qu’une ellipse ressemble à un cercle bien plus qu’un cercle ne ressemble à une ellipse, ou qu’un enfant ressemble à son père bien plus que le père ne ressemble à son enfant.

Dans une comparaison de type « $a$ ressemble à $b$ », l’attention du sujet se focalise prioritairement sur le sujet de la phrase ($a$). Les traits distinctifs de $a$ sont passés au crible par rapport au profil du référent paradigmatique $b$, tandis que les traits spécifiques du référent sont largement ignorés. Comme la Chine possède d’immenses attributs globaux que la Corée du Nord n’a pas, comparer la Chine à la Corée du Nord met en lumière l’immense ensemble $A – B$, détruisant la similarité. Inversement, comparer la Corée du Nord à la Chine focalise l’attention sur les quelques traits satellites de la Corée du Nord, dont presque tous sont inclus dans le profil massif de la Chine ($A cap B$).

Cette avancée révolutionne la linguistique, les théories de la métaphore, la catégorisation sémantique et la vision par ordinateur. Elle prouve que les concepts prototypiques (le prototype d’une catégorie) agissent comme des attracteurs gravitationnels cognitifs asymétriques dans notre réseau conceptuel, fournissant une modélisation mathématique rigoureuse là où régnait le flou intuitif.

7. La théorie de la décision éliminatoire par aspects (Elimination by Aspects – EBA)

7.1 Principes des choix multicritères non compensatoires

Dès le début des années 1970, Amos Tversky s’attaque à un autre dogme de la théorie du choix rationnel : la nature des arbitrages multicritères. Dans les modèles microéconomiques classiques et les approches psychométriques traditionnelles de la décision, le décideur était supposé opérer selon des modèles linéaires compensatoires. Dans ce type d’approche (incarnée par l’utilité multi-attributs), un agent évalue chaque alternative en attribuant une note pondérée à tous ses attributs constitutifs (prix, qualité, confort, durabilité), puis fait la somme de ces notes. Une faiblesse rédhibitoire sur un attribut (un prix exorbitant) peut toujours, selon cette logique, être mathématiquement compensée par une force exceptionnelle sur un autre attribut (un confort luxueux).

Tversky observe que cette vision compense les limites cognitives humaines par une complexité calculatoire invraisemblable dès que le nombre d’options et de dimensions augmente. Face à un catalogue dense d’options, les êtres humains abandonnent les calculs compensatoires impossibles et mobilisent des heuristiques de filtrage séquentiel. En 1972, dans un article majeur publié dans la Psychological Review intitulé « Elimination by Aspects: A Theory of Choice », Tversky formalise un modèle probabiliste non compensatoire d’une puissance inédite : l’élimination par aspects (Elimination by Aspects – EBA).

Dans le modèle EBA, chaque alternative est représentée comme un ensemble d’aspects discrets (qualités, attributs ou contraintes). Le processus de décision n’est pas une sommation globale d’utilité, mais un algorithme dynamique séquentiel d’exclusion impitoyable.

7.2 Dynamique algorithmique et dépendance du contexte

Le fonctionnement de l’algorithme EBA formulé par Tversky repose sur une mécanique élégante en plusieurs étapes :

1. Le décideur sélectionne mentalement un aspect (un critère ou une caractéristique) parmi l’ensemble des attributs possibles. La sélection de cet aspect est probabiliste : la probabilité de choisir un critère particulier est directement proportionnelle à son importance relative ou à son utilité subjective aux yeux du décideur.
2. Toutes les alternatives en lice qui ne possèdent pas cet aspect requis sont instantanément et définitivement éliminées de l’ensemble de choix.
3. Ce processus d’élimination sélective est réitéré de manière itérative avec un nouvel aspect sélectionné parmi ceux restants, et ainsi de suite jusqu’à ce qu’il ne subsiste qu’une seule alternative unique, qui est alors adoptée comme le choix final.

Le modèle EBA est dit non compensatoire parce qu’aucune excellence ultérieure ne peut racheter l’absence d’un aspect éliminatoire : si une voiture ne rentre pas dans le budget maximal fixé comme premier filtre de sélection, elle est éliminée sans que sa motorisation ou son esthétique exceptionnelle ne puissent intervenir dans le calcul.

L’une des prouesses mathématiques de Tversky dans l’élaboration de l’EBA est de démontrer comment ce modèle rend compte avec précision de la violation d’un principe sacro-saint de la rationalité : l’indépendance des alternatives non pertinentes (formulée par Kenneth Arrow et Duncan Luce). Ce principe postule que l’introduction d’une nouvelle option dans un ensemble de choix ne devrait pas altérer le ratio de préférence relatif entre deux options préexistantes. Tversky montre que l’EBA prédit avec exactitude l’effet d’attraction (decoy effect) et l’effet de compromis : l’adjonction d’une option asymétriquement dominée modifie la probabilité de sélection des aspects critiques, redistribuant les probabilités de choix d’une manière totalement dépendante du contexte du menu de décision.

7.3 Implications pour le marketing et le comportement du consommateur

La théorie de l’élimination par aspects transforme radicalement la recherche en marketing, les sciences de gestion et la modélisation du comportement du consommateur. Elle offre la première justification théorique rigoureuse au phénomène de paralysie face au choix ou de surcharge informationnelle : confrontés à un trop grand nombre d’alternatives complexes, les consommateurs ne maximisent pas ; ils adoptent des filtres EBA ultra-drastiques, souvent arbitraires, pour réduire drastiquement l’effort cognitif d’analyse.

Tversky fournit ainsi la clé de compréhension de la navigation des usagers dans les grands catalogues marchands. Les concepteurs de systèmes d’information, les premiers architectes des moteurs de recherche en ligne et les développeurs de plateformes de commerce électronique contemporaines (telles qu’Amazon, les comparateurs de vols ou les sites immobiliers) structurent leurs interfaces précisément sur la logique de l’algorithme EBA : l’internaute se voit proposer une série de filtres à facettes (prix maximum, localisation, nombre d’étoiles, marque) qui éliminent séquentiellement les résultats non conformes avant tout examen approfondi des alternatives survivantes.

8. L’illusion des séries et la perception du hasard : La « main chaude »

8.1 L’étude séminale sur la Hot Hand dans le basketball (1985)

En 1985, Amos Tversky publie, en collaboration avec Thomas Gilovich et Robert Vallone dans la revue Cognitive Psychology, un article iconoclaste qui va secouer le monde du sport professionnel et passionner les statisticiens : « The Hot Hand in Basketball: On the Misperception of Random Sequences ». L’étude se donne pour objectif de tester scientifiquement une croyance quasi religieuse partagée par les joueurs de basketball, les entraîneurs de la NBA, les commentateurs et les supporters : la théorie de la « main chaude » (Hot Hand). Selon ce dogme universel, un joueur qui vient de réussir deux ou trois tirs consécutifs entre dans une transe d’efficacité motrice et possède une probabilité significativement accrue de réussir son prochain tir (« il est en feu », « il ne peut plus rater »).

Tversky et ses coauteurs procèdent à une analyse statistique exhaustive des données de tir des 76ers de Philadelphie durant la saison 1980-1981 de la NBA, ainsi qu’aux séries de lancers francs des Celtics de Boston et à des protocoles de tirs contrôlés menés avec les équipes universitaires de Cornell. Ils calculent scrupuleusement la probabilité conditionnelle qu’un tireur réussisse un tir après avoir réussi un tir ($P(\text{Réussite} mid \text{Réussite})$), après en avoir réussi deux ($P(\text{Réussite} mid \text{Réussite, Réussite})$), ou après en avoir raté un ($P(\text{Réussite} mid \text{Échec})$).

Le résultat de l’analyse est un choc absolu : la « main chaude » n’existe tout simplement pas. Les données démontrent sans équivoque que la performance d’un tireur d’élite de la NBA est statistiquement indépendante de l’issue de ses tirs immédiatement précédents. Un joueur qui sort de trois tirs réussis a exactement la même probabilité de réussir le tir suivant que sa moyenne générale de réussite en carrière, et parfois même une probabilité légèrement inférieure (en raison du renforcement défensif adverse ou d’une sélection de tirs plus difficiles). Les séries de tirs réussis se conforment parfaitement à un modèle de tirages indépendants de Bernoulli (similaire à une succession de lancers de pièce équilibrée).

8.2 L’illusion de regroupement et l’attente d’alternance locale

La question fascinante posée par Amos Tversky n’est pas seulement statistique, mais profondément psychologique : pourquoi l’humanité entière, des entraîneurs de légende aux spectateurs chevronnés, est-elle intimement convaincue de l’existence de la main chaude alors qu’il s’agit d’une pure chimère statistique ? La réponse réside dans un dysfonctionnement structurel de notre perception du hasard : l’illusion de regroupement (clustering illusion).

L’esprit humain est une machine programmée pour détecter des motifs réguliers (pattern-seeking device). Face à un processus véritablement aléatoire, notre intuition attend une alternance rapide et symétrique entre les issues possibles. Si nous lançons une pièce de monnaie dix fois, notre cerveau estime intuitivement qu’une séquence aléatoire typique devrait ressembler à « P-F-P-P-F-P-F-F-P-F ». Lorsqu’un processus aléatoire authentique produit, par le simple jeu des lois de la probabilité, une séquence temporaire de quatre ou cinq réussites consécutives (« P-P-P-P-P »), le cerveau humain refuse d’y voir le fruit du hasard. Il infère immédiatement une cause causale sous-jacente — un état de grâce psychologique, le destin ou la « main chaude ».

Ce biais est le jumeau direct de l’erreur du parieur (gambler’s fallacy). Alors que l’erreur du parieur consiste à croire qu’après cinq « noirs » à la roulette, le « rouge » est dû pour rétablir l’équilibre du monde, l’illusion de la main chaude consiste à croire que la séquence de réussites va s’auto-alimenter. Dans les deux cas, Tversky démontre que la racine cognitive est l’heuristique de représentativité : l’incapacité humaine à comprendre que le hasard réel produit naturellement des agrégats et des séquences répétitives dépourvues de toute signification causale.

8.3 Controverses statistiques et validité contemporaine de l’étude

La publication de l’étude déclenche une tempête de réactions passionnées. Les légendes du sport rejettent les conclusions avec violence : le célèbre entraîneur des Celtics de Boston, Red Auerbach, déclare ironiquement lors d’une interview : « Qui est ce gars Tversky ? Il a fait une étude ? Eh bien, je m’en fiche complètement. Il n’a jamais joué au basket ! » L’idée que l’expertise sportive puisse être prise en défaut par des psychologues armés de carnets de statistiques est perçue comme un sacrilège.

Sur le plan académique, la controverse resurgit plus de trois décennies plus tard avec une acuité mathématique remarquable. En 2018, les économistes Joshua Miller et Adam Sanjurjo publient un article remarqué dans Econometrica (« Surprised by the Hot Hand Fallacy? A Truth in the Law of Small Numbers »), dans lequel ils démontrent l’existence d’un subtil biais de sélection dans l’échantillonnage fini au sein de la méthodologie de Gilovich, Vallone et Tversky. Miller et Sanjurjo prouvent mathématiquement que si l’on prend une séquence finie de tirages de Bernoulli équilibrés et que l’on calcule la probabilité de réussite immédiatement après une réussite, le résultat espéré n’est pas de 50 %, mais légèrement inférieur (autour de 42 % pour des séquences courtes de 4 tirs), en raison d’un effet mécanique de conditionnement sur l’échantillon fini.

Par conséquent, en découvrant que les joueurs de la NBA maintenaient un taux de réussite rigoureusement identique après un tir réussi qu’après un échec, Tversky et ses collègues observaient en réalité une performance légèrement supérieure à la référence théorique corrigée de Miller et Sanjurjo, ce qui pourrait accréditer l’existence d’un effet positif très faible de la main chaude ! Cette joute intellectuelle posthume illustre l’extraordinaire fécondité du travail de Tversky : même lorsque ses postulats méthodologiques sont réévalués avec les outils mathématiques les plus sophistiqués du XXIe siècle, le problème qu’il a formulé continue de faire progresser les frontières de la théorie statistique et de la psychologie cognitive.

9. La théorie du support et la formalisation des croyances subjectives

9.1 Fondements de la théorie du support (Support Theory, 1994)

Dans la dernière phase de sa vie intellectuelle, Amos Tversky, collaborant étroitement avec son disciple Derek Koehler, accomplit une avancée majeure dans la modélisation formelle du raisonnement bayésien subjectif : la théorie du support (Support Theory), dévoilée dans un article magistral de 1994 dans la Psychological Review (« Support Theory: A Nonextensional Representation of Subjective Probability »). Cette théorie s’attaque à l’un des axiomes implicites les plus solides de la théorie des probabilités classique : le caractère extensionnel des événements.

En logique probabiliste orthodoxe (depuis Kolmogorov), la probabilité est une mesure définie sur des ensembles d’états du monde (des extensions). Par conséquent, deux descriptions linguistiques distinctes qui désignent rigoureusement le même ensemble d’événements physiques doivent impérativement se voir attribuer la même probabilité subjective. Tversky et Koehler démontrent que cette hypothèse extensionnelle est radicalement fausse du point de vue psychologique : la probabilité n’est pas attachée à des événements du monde réel, mais à des hypothèses, c’est-à-dire à des descriptions linguistiques et cognitives particulières de ces événements.

Dans la théorie du support, chaque hypothèse $A$ possède une valeur de support subjectif, notée $s(A)$, qui représente la force de l’argumentation, de la saillance mnésique ou de la preuve intuitive en faveur de cette hypothèse dans l’esprit du sujet. La probabilité subjective $P(A, B)$ que l’hypothèse $A$ soit vraie plutôt que l’hypothèse alternative $B$ est alors modélisée comme le rapport du support de $A$ sur la somme des supports de $A$ et de $B$ :

$$P(A, B) = \frac{s(A)}{s(A) + s(B)}$$

9.2 Le phénomène de sous-additivité implicite et explicite

La découverte empirique centrale prédite et formalisée par la théorie du support est le phénomène universel de sous-additivité (subadditivity). Selon le principe d’additivité élémentaire des probabilités, si une hypothèse générale $A$ est l’union disjointe de sous-hypothèses mutuellement exclusives $A_1$ et $A_2$, alors la probabilité attribuée à $A$ doit égaler la somme exacte des probabilités attribuées séparément à $A_1$ et $A_2$ : $P(A) = P(A_1) + P(A_2)$.

Tversky et Koehler démontrent expérimentalement que la cognition humaine viole systématiquement cette règle par ce qu’ils baptisent l’effet de déballage (Unpacking Effect) : déballer, énumérer ou expliciter les composantes d’une catégorie générale accroît substantiellement le support subjectif total alloué à cette catégorie. Le support de l’hypothèse globale non déballée est presque toujours strictement inférieur à la somme des supports de ses sous-catégories déballées :

$$s(A) \leq s(A_1 \cup A_2) \leq s(A_1) + s(A_2)$$

Tversky administre des preuves saisissantes de cette anomalie dans des contextes réels :

• Lorsqu’on demande à des médecins d’évaluer la probabilité qu’un patient souffre d’une « maladie infectieuse virale, bactérienne ou parasitaire » (catégorie globale déballée), la probabilité moyenne accordée est significativement plus élevée que lorsqu’on leur demande la probabilité que le patient souffre d’une « maladie infectieuse » (même catégorie non déballée).
• De même, dans des enquêtes de prédiction de sinistres, la probabilité perçue de mourir d’un « accident de la route, d’une chute, d’une noyade ou d’un incendie » surpasse massivement la probabilité estimée de mourir d’un « accident » global.

L’explication cognitive de Tversky réside dans la mémoire associative : l’évocation d’un terme abstrait général laisse dans l’ombre une multitude de cas de figure que l’esprit omet spontanément de récupérer. Le déballage linguistique rend chaque éventualité accessible, vivace et saillante, injectant artificiellement du support psychologique dans l’évaluation quantitative globale.

9.3 Aversion au regret et inertie décisionnelle

Au-delà de la théorie du support, Amos Tversky consacre des réflexions pénétrantes à la phénoménologie des émotions décisionnelles, et en particulier à l’interaction entre probabilité subjective, responsabilité perçue et aversion au regret. En 1982, Tversky et Kahneman analysent la structure asymétrique du regret contrefactuel dans un essai retentissant sur la psychologie des scénarios hypothétiques (« The Simulation Heuristic »).

Ils mettent en scène deux individus fictifs, Paul et George, qui subissent tous deux une perte financière identique de 1 200 dollars sur les marchés financiers. Paul possédait des actions de l’entreprise X et a envisagé d’acheter des actions de l’entreprise Y, mais il n’a rien fait (décision d’omission / statu quo). George, quant à lui, possédait des actions de l’entreprise Y et a décidé activement de les vendre pour acheter des actions de l’entreprise X (décision de commission / action délibérée). Interrogés sur l’intensité de la détresse émotionnelle des deux hommes, une écrasante majorité de sujets affirme que George ressentira un regret immensément plus violent que Paul.

Tversky formalise le principe fondamental selon lequel le regret d’action surpasse considérablement le regret d’inaction à court terme. Notre appareil cognitif engendre des pensées contrefactuelles (« si seulement je n’avais pas agi… ») avec une facilité bien plus grande lorsqu’un changement de trajectoire actif a brisé la ligne de référence par défaut. Cette dynamique émotionnelle éclaire d’un jour nouveau l’inertie décisionnelle et le biais de statu quo (théorisé avec William Samuelson et Richard Zeckhauser) : les individus choisissent fréquemment de ne rien modifier, même face à des opportunités objectivement avantageuses, précisément pour se prémunir contre la douleur psychologique insoutenable du regret potentiel associé à une action fautive.

10. L’économie comportementale : L’institutionnalisation d’un nouveau champ

10.1 L’alliance décisive avec Richard Thaler

Si la psychologie cognitive a fourni le combustible expérimental et théorique de la critique de la rationalité, l’institutionnalisation académique de l’économie comportementale (Behavioral Economics) doit son succès à une alliance stratégique forgée à la fin des années 1970 entre Amos Tversky, Daniel Kahneman et un jeune économiste hétérodoxe de l’Université de Rochester : Richard Thaler. Ayant découvert avec émerveillement les articles de Tversky et Kahneman alors qu’il désespérait des abstractions aveugles de la microéconomie standard, Thaler passe l’année universitaire 1977-1978 avec eux au CASBS de Stanford.

Cette collaboration tripartite débouche sur un projet éditorial et scientifique d’une audace inouïe : faire pénétrer les anomalies comportementales au cœur même de la citadelle économique la plus prestigieuse. De 1987 à 1991, Thaler, appuyé en coulisses par l’acuité critique et les relectures exigeantes de Tversky, tient une rubrique trimestrielle fixe dans le Journal of Economic Perspectives (la vitrine académique de l’American Economic Association), intitulée sobrement « Anomalies ».

Chaque chronique documente méthodiquement une violation empirique flagrante des prédictions des marchés efficients : l’effet de dotation (endowment effect), le paradoxe de la prime de risque sur les actions, la comptabilité mentale des ménages, la prime d’aubaine ou les comportements d’équité défiant le jeu du dictateur. Grâce au prestige mathématique incontestable d’Amos Tversky, les économistes néoclassiques ne peuvent plus balayer ces anomalies d’un revers de main en les qualifiant de bavardages psychologiques non formalisés. Tversky fournit la légitimité théorique et le contrepoids axiomatique indispensables qui permettent à Thaler d’imposer l’économie comportementale comme un champ de recherche autonome et hautement respecté.

10.2 Pénétration de la psychologie dans la théorie financière et le droit

L’onde de choc de la pensée de Tversky ne s’arrête pas à la microéconomie : elle irrigue avec fracas la finance de marché et la théorie juridique. En finance, les travaux de Tversky alimentent directement la naissance de la finance comportementale (Behavioral Finance), sous l’impulsion de chercheurs comme Werner De Bondt, Meir Statman, Richard Thaler et le futur prix Nobel Robert Shiller. En démontrant que les investisseurs sont soumis à des heuristiques de représentativité (extrapolation excessive des performances passées récentes) et d’ancrage, puis handicapés par une aversion viscérale aux pertes, l’école comportementale résout l’énigme de la volatilité excessive des cours boursiers et met à bas l’hypothèse d’efficience informationnelle d’Eugene Fama.

Sur le terrain juridique, Tversky s’allie à des juristes de haut vol pour fonder le courant de l’analyse comportementale du droit (Behavioral Law and Economics). Des théoriciens majeurs comme Cass Sunstein, Christine Jolls et Jeffrey Rachlinski mobilisent les concepts de cadrage, de rétrospection biaisée (hindsight bias) et d’ancrage pour analyser les défaillances des procédures judiciaires. Ils prouvent empiriquement que les demandes initiales de dédommagement formulées par les avocats agissent comme de puissantes ancres psychologiques qui biaisent les indemnités arbitraires fixées par les juges et les jurys, transformant durablement la pratique des contentieux civils et la régulation des contrats d’assurance.

À travers le monde, les plus prestigieuses facultés d’économie et de droit — de Harvard à Yale, de Chicago à la London School of Economics — modifient en profondeur leurs cursus universitaires pour intégrer les cours de psychologie de la décision, marquant la défaite historique du réductionnisme béhavioriste néoclassique.

10.3 La contribution de Tversky au Prix Nobel d’économie de 2002

Le 9 octobre 2002, l’Académie royale des sciences de Suède annonce l’attribution du Prix de la Banque de Suède en sciences économiques en mémoire d’Alfred Nobel (communément appelé Prix Nobel d’économie) à Daniel Kahneman « pour avoir intégré les acquis de la recherche psychologique dans la science économique, en particulier en ce qui concerne le jugement humain et la prise de décision sous incertitude » (prix partagé avec Vernon Smith).

Dans son communiqué officiel, le comité Nobel souligne avec une insistance appuyée et inédite que la distinction récompense l’œuvre fondatrice élaborée conjointement par Daniel Kahneman et Amos Tversky. La tragédie institutionnelle réside dans les statuts immuables de la Fondation Nobel, édictés en 1974, qui interdisent formellement l’attribution d’un prix Nobel à titre posthume. Ayant succombé à la maladie six ans plus tôt, Amos Tversky ne pouvait statutairement recevoir le titre de lauréat.

Lors de sa conférence de réception du Nobel à Stockholm en décembre 2002, Daniel Kahneman rend un hommage bouleversant à son complice de toujours, affirmant devant l’assemblée internationale que le prix décerné appartenait tout autant, sinon davantage, à Amos Tversky, et que l’intégralité de leur édifice théorique commun avait été conçue dans une indistinction intellectuelle absolue où chaque idée était le fruit indissociable de leur gémellité créatrice. Pour l’ensemble de la communauté scientifique mondiale, le prix Nobel de 2002 reste à jamais gravé comme le triomphe historique du duo indissociable Kahneman-Tversky.

11. Rigueur méthodologique, axiomatique formelle et philosophie de la mesure

11.1 Le traité monumental des Fondements de la mesure (Foundations of Measurement)

L’une des dimensions les plus imposantes de l’œuvre d’Amos Tversky, souvent occultée par la notoriété médiatique de ses travaux sur les biais cognitifs, réside dans sa contribution monumentale à l’épistémologie et à la théorie mathématique de la quantification : la publication du traité tripartite en trois volumes intitulé Foundations of Measurement (publié successivement en 1971, 1989 et 1990). Rédigée en collaboration avec trois géants des mathématiques et de la philosophie des sciences — David Krantz, R. Duncan Luce et Patrick Suppes —, cette œuvre titanesque est considérée comme le chef-d’œuvre absolu de la théorie de la mesure au XXe siècle.

L’objectif épistémologique du traité est d’établir avec une rigueur formelle intransigeante les conditions axiomatiques nécessaires et suffisantes qui permettent d’attribuer légitimement des nombres mathématiques à des grandeurs empiriques qualitatives, qu’il s’agisse de masse physique, de température, d’acuité sensorielle ou de préférences psychologiques subjectives. Tversky joue un rôle moteur dans le développement de la théorie du mesurage conjoint additif (Additive Conjoint Measurement), qui permet de mesurer simultanément deux ou plusieurs variables ordinales sans recourir à une métrique préexistante.

Grâce à ce socle formel gigantesque, Tversky s’assure que lorsqu’il critique l’économie néoclassique sur le terrain des préférences, il le fait avec une maîtrise de l’axiomatique de la mesure bien supérieure à celle de ses détracteurs. Foundations of Measurement demeure l’ancrage philosophique inébranlable qui préserve l’œuvre de Tversky de toute dérive spéculative : pour lui, mesurer l’esprit humain n’est pas une métaphore poétique, mais une science exacte soumise aux théorèmes mathématiques de représentation et d’unicité les plus sévères.

11.2 L’équilibre dialectique entre abstraction mathématique et esprit empirique

Ce qui caractérisait le génie singulier d’Amos Tversky dans le paysage académique mondial était son équilibre souverain entre deux talents scientifiques qui s’excluent mutuellement chez la plupart des chercheurs : une virtuosité technique dans la manipulation de l’abstraction mathématique pure et un flair empirique incomparable pour l’observation des comportements concrets les plus élémentaires.

Tversky méprisait profondément ce qu’il appelait les « mathématiques pour les mathématiques » lorsqu’elles étaient appliquées sans discernement aux sciences de l’homme. Il s’agaçait des modèles d’équilibre général ultra-complexes qui multipliaient les théorèmes sur des centaines de pages pour décrire un agent humain fictif dénué de tout ancrage biologique ou cognitif réel. Sa démarche procédait rigoureusement à l’inverse : il utilisait les outils de la déduction formelle la plus acérée pour concevoir de petits protocoles expérimentaux dépouillés, presque enfantins dans leur formulation narrative, mais capables d’abattre d’un seul coup les échafaudages axiomatiques les plus grandioses de la théorie de la décision.

Il excellait dans la formulation de ce que les épistémologues appellent des « théorèmes d’impossibilité comportementale » : prouver qu’aucune fonction mathématique continue et monotone ne peut rendre compte simultanément de deux choix observés expérimentalement chez un même individu. Sa rigueur intellectuelle ne servait jamais à masquer une faiblesse sous un déluge d’équations, mais fonctionnait comme un scalpel chirurgical destiné à mettre à nu les ressorts secrets de la pensée humaine.

11.3 Épistémologie critique du modélisateur

Sur le plan épistémologique, Amos Tversky professait une philosophie de la science résolument poppérienne, teintée d’un pragmatisme lucide. Pour lui, la vocation première d’une théorie scientifique n’était pas d’être éternellement « vraie » — aucune théorie sur des systèmes aussi complexes que l’esprit humain ne pouvant prétendre à une perfection absolue —, mais d’être résolument falsifiable et incomparablement plus féconde sur le plan prédictif que les modèles concurrents existants.

Il avait coutume de rappeler à ses étudiants de Stanford un adage épistémologique tranchant : « On ne remplace pas une théorie imparfaite par des données empiriques contradictoires ; on ne remplace une théorie imparfaite que par une meilleure théorie. » C’est la raison fondamentale pour laquelle Tversky ne s’est jamais contenté d’accumuler des catalogues de biais cognitifs ou d’anomalies amusantes : à chaque fois qu’il démolissait un axiome économique (la transitivité, l’invariance descriptive, la symétrie de la similarité), il s’imposait l’obligation intellectuelle immédiate de forger un modèle formel alternatif (l’EBA, le Contrast Model, la Prospect Theory) capable de prédire mathématiquement ces déviations avec une précision supérieure.

Cette éthique intransigeante du chercheur se doublait d’un culte absolu de la clarté linguistique. Tversky traquait le jargon inutile, les euphémismes pompeux et les obscurités stylistiques, estimant que tout problème intellectuel réellement compris doit pouvoir être exposé dans une prose d’une limpidité cristalline. Ses textes académiques, rédigés dans un style anglais d’une élégance et d’une concision admirées de tous, sont aujourd’hui encore étudiés comme des modèles de rhétorique scientifique.

12. Héritage intellectuel, disparition prématurée et postérité scientifique

12.1 La disparition prématurée en 1996 et hommages de la communauté

Au début de l’année 1996, alors qu’il se trouve au sommet absolu de sa maturité intellectuelle et de sa reconnaissance académique internationale, Amos Tversky apprend qu’il est atteint d’un mélanome malin métastatique à un stade avancé. Conscient avec une lucidité stoïque que ses mois sont irrémédiablement comptés, il refuse de sombrer dans l’abattement ou de cesser le combat intellectuel. Jusqu’aux ultimes semaines précédant sa fin, il continue de recevoir ses doctorants, d’animer des discussions scientifiques passionnées depuis son domicile de Stanford et de travailler sans relâche avec Kahneman et ses collaborateurs à l’achèvement de ses articles en cours.

Le 2 juin 1996, Amos Tversky s’éteint à son domicile à l’âge prématuré de 59 ans, laissant derrière lui son épouse Barbara Tversky (elle-même éminente professeure de psychologie cognitive à Stanford et collaboratrice scientifique majeure), ses trois enfants et une communauté académique internationale en état de choc. La nouvelle de sa disparition suscite une vague d’hommages unanimes sans précédent à travers le monde des sciences humaines et sociales.

L’économiste et lauréat du prix Nobel Kenneth Arrow déclare que Tversky était tout simplement l’un des esprits les plus brillants et les plus pénétrants qu’il ait jamais rencontrés au cours de sa longue carrière, affirmant qu’aucun psychologue n’avait exercé un impact aussi révolutionnaire sur la pensée économique depuis Adam Smith. Thomas Schelling salue quant à lui un génie qui « a transformé notre vision de la manière dont nous pensons, choisissons et vivons ». Lors de ses funérailles, ses pairs célèbrent non seulement l’esprit exceptionnel du géant de Stanford, mais aussi la générosité, la modestie et l’humour étincelant d’un homme qui illuminait chaque pièce où il entrait.

12.2 Prolongements contemporains : De l’intelligence artificielle aux politiques publiques

Au XXIe siècle, la fécondité des concepts forgés par Amos Tversky ne cesse de croître, trouvant des applications révolutionnaires dans des domaines qui émergeaient à peine au moment de sa mort. Le prolongement le plus spectaculaire s’observe aujourd’hui dans l’architecture de l’intelligence artificielle contemporaine et de l’apprentissage automatique (Machine Learning). Les ingénieurs concevant des modèles de langage et des agents décisionnels autonomes intègrent désormais explicitement les biais cognitifs documentés par Tversky (ancrage, représentativité, aversion aux pertes) pour prédire les réactions humaines, modéliser l’alignement des valeurs éthiques et concevoir des interfaces d’interaction homme-machine plus fluides et ergonomiques.

Dans la sphère de la gouvernance mondiale et des politiques publiques, les découvertes de Tversky ont engendré la prolifération planétaire des agences de sciences comportementales (les fameuses Nudge Units ou Behavioral Insights Teams), inaugurées au Royaume-Uni sous David Cameron et désormais actives au sein du gouvernement fédéral américain, de la Commission européenne, de l’Organisation mondiale de la santé et de la Banque mondiale. Qu’il s’agisse de concevoir des campagnes d’incitation à la vaccination, de lutter contre l’évasion fiscale par la formulation contextualisée des courriers administratifs, ou de promouvoir la transition écologique en manipulant les choix par défaut (default options), les principes de cadrage et de comptabilité mentale de Tversky constituent la boîte à outils essentielle de l’action publique moderne.

En médecine diagnostique et en bioéthique, les enseignements de Tversky sont aujourd’hui enseignés dans toutes les facultés de santé pour immuniser les futurs médecins contre la négligence des taux de base lors de l’interprétation des tests cliniques (comme les faux positifs des mammographies ou des tests virologiques) et contre les pièges de l’heuristique de disponibilité lors des diagnostics d’urgence, sauvant ainsi des milliers de vies par an par une meilleure hygiène statistique de la pratique médicale.

12.3 La pérennité de la pensée d’Amos Tversky

Près de trois décennies après sa disparition, Amos Tversky demeure l’un des scientifiques les plus cités de tous les temps dans la littérature académique mondiale, ses articles fondateurs de 1974, 1979 et 1981 continuant d’accumuler des dizaines de milliers de citations chaque année dans des revues d’économie, de psychologie, de neurosciences, de science politique et de sociologie.

En 2016, l’écrivain et journaliste d’investigation Michael Lewis consacre à l’histoire extraordinaire de l’amitié intellectuelle unissant Tversky et Kahneman un ouvrage magistral devenu un best-seller mondial : The Undoing Project: A Friendship That Changed Our Minds (traduit en français sous le titre Le Fabuleux Projet : L’amitié qui a changé notre façon de penser). Ce livre immortalise auprès du grand public international l’épopée fascinante de ces deux universitaires israéliens dont le dialogue passionné a redéfini à jamais la carte de la conscience humaine.

Amos Tversky a légué à l’humanité bien plus qu’un ensemble de théories empiriques : il nous a transmis un avertissement philosophique salutaire et une formidable leçon d’humilité cognitive. En nous révélant que nos certitudes intuitives les plus inébranlables sont souvent le produit d’heuristiques trompeuses et d’illusions de perspective mentale, il nous a invités à pratiquer un doute méthodique vigilant. Son œuvre rappelle à chaque être humain, du dirigeant politique au simple citoyen, que la véritable rationalité ne consiste pas à prétendre à une infaillibilité divine illusoire, mais à reconnaître avec lucidité, rigueur et compassion les limites et la vulnérabilité intrinsèques de notre esprit.

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

Gilovich, T., Griffin, D., & Kahneman, D. (Eds.). (2002). Heuristics and Biases: The Psychology of Intuitive Judgment. Cambridge University Press. https://doi.org/10.1017/CBO9780511808098

Gilovich, T., Vallone, R., & Tversky, A. (1985). The hot hand in basketball: On the misperception of random sequences. Cognitive Psychology, 17(3), 295-314. https://doi.org/10.1016/0010-0285(85)90010-6

Kahneman, D. (2003). Maps of bounded rationality: Psychology for behavioral economics. American Economic Review, 93(5), 1449-1475. https://doi.org/10.1257/000282803322655392

Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.

Kahneman, D., & Tversky, A. (1972). Subjective probability: A judgment of representativeness. Cognitive Psychology, 3(3), 430-454. https://doi.org/10.1016/0010-0285(72)90016-3

Kahneman, D., & Tversky, A. (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

Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263-291. https://doi.org/10.2307/1914185

Kahneman, D., & Tversky, A. (Eds.). (2000). Choices, Values, and Frames. Cambridge University Press. https://doi.org/10.1017/CBO9780511803475

Krantz, D. H., Luce, R. D., Suppes, P., & Tversky, A. (1971). Foundations of Measurement, Vol. I: Additive and Polynomial Representations. Academic Press.

Lewis, M. (2016). The Undoing Project: A Friendship That Changed Our Minds. W. W. Norton & Company.

Lichtenstein, S., Slovic, P., Fischhoff, B., Layman, M., & Combs, B. (1978). Judged frequency of lethal events. Journal of Experimental Psychology: Human Learning and Memory, 4(6), 551-578. https://doi.org/10.1037/0278-7393.4.6.551

McNeil, B. J., Pauker, S. G., Sox, H. C., & Tversky, A. (1982). On the elicitation of preferences for alternative therapies. New England Journal of Medicine, 306(21), 1259-1262. https://doi.org/10.1056/NEJM198205273062103

Miller, J. B., & Sanjurjo, A. (2018). Surprised by the hot hand fallacy? A truth in the law of small numbers. Econometrica, 86(6), 2019-2047. https://doi.org/10.3982/ECTA14943

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

Samuelson, W., & Zeckhauser, R. (1988). Status quo bias in decision making. Journal of Risk and Uncertainty, 1(1), 7-59. https://doi.org/10.1007/BF00055564

Simon, H. A. (1955). A behavioral model of rational choice. The Quarterly Journal of Economics, 69(1), 99-118. https://doi.org/10.2307/1884852

Suppes, P., Krantz, D. H., Luce, R. D., & Tversky, A. (1989). Foundations of Measurement, Vol. II: Geometrical, Threshold, and Probabilistic Representations. Academic Press.

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. (1992). The Winner’s Curse: Paradoxes and Anomalies of Economic Life. Free Press.

Thaler, R. H., & Sunstein, C. R. (2008). Nudge: Improving Decisions About Health, Wealth, and Happiness. Yale University Press.

Tversky, A. (1969). Intransitivity of preferences. Psychological Review, 76(1), 31-48. https://doi.org/10.1037/h0026750

Tversky, A. (1972). Elimination by aspects: A theory of choice. Psychological Review, 79(4), 281-299. https://doi.org/10.1037/h0032955

Tversky, A. (1977). Features of similarity. Psychological Review, 84(4), 327-352. https://doi.org/10.1037/0033-295X.84.4.327

Tversky, A., & Kahneman, D. (1971). Belief in the law of small numbers. Psychological Bulletin, 76(2), 105-110. https://doi.org/10.1037/h0031322

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. (1983). Extensional versus intuitive reasoning: The conjunction fallacy in probability judgment. Psychological Review, 90(4), 293-315. https://doi.org/10.1037/0033-295X.90.4.293

Tversky, A., & Kahneman, D. (1991). Loss aversion in riskless choice: A reference-dependent model. The Quarterly Journal of Economics, 106(4), 1039-1061. https://doi.org/10.2307/2937956

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

Tversky, A., & Koehler, D. J. (1994). Support theory: A nonextensional representation of subjective probability. Psychological Review, 101(4), 547-567. https://doi.org/10.1037/0033-295X.101.4.547

Von Neumann, J., & Morgenstern, O. (1944). Theory of Games and Economic Behavior. Princeton University Press.