i

Description

Un bocal de verre rempli de billes de couleurs diverses, sur fond noir.

Source

Anneke from Groningen · page d’origine

Licence

PD Domaine public

Photo d’origine, non retouchée. L’arrière-plan en est une version stylisée par le site.

L'aversion à l'ambiguïté

Entre un risque qu'on sait chiffrer et un risque qu'on ne sait pas chiffrer, on choisit le premier, y compris quand rien ne le justifie.

En bref

• Quoi : à gain égal, on évite l'option dont les probabilités sont inconnues au profit de celle dont elles sont connues.
• Pourquoi : l'inconnu laisse craindre qu'on nous cache quelque chose ou qu'on se trompe ; on se sent plus compétent sur ce qu'on sait chiffrer.
• Détecter : « on prend celui qu'on connaît », « on n'a pas assez de recul », un choix justifié par la familiarité plutôt que par les chiffres.
• Éviter : transformer l'ambiguïté en fourchette, tester petit, comparer les deux options dans les mêmes termes.

Sur cette page

1. Définition
2. Le mécanisme
3. Où on le rencontre
   1. En conduite de projet
   2. En management
4. Cas célèbres
   1. Le paradoxe d'Ellsberg 1961
   2. Parier sur ce qu'on croit connaître 1991, 1995
5. Signaux de détection
6. Réflexes d'évitement
7. Avec l'IA : détecter, remédier, atténuer
   1. Détecter
   2. Remédier
   3. Atténuer
   4. Prompts à intégrer à vos usages
   5. Comment les intégrer
   6. Précautions
8. Limites
9. Sources et vérification
10. Voir aussi
    1. Se combine avec, ou renforce
    2. Biais voisins
    3. Contrepoids et réflexes associés

Définition#

Illustration fictive

Illustration fictive

L'aversion à l'ambiguïté est la tendance à préférer les options dont les probabilités sont connues à celles dont elles sont inconnues, même lorsque l'espérance est identique ou meilleure pour la seconde. Elle est décrite par Daniel Ellsberg en 1961, dans un article devenu célèbre sous le nom de paradoxe d'Ellsberg.

On distingue, depuis l'économiste Frank Knight (1921), le risque (les probabilités sont connues : un dé, une urne dont on connaît le contenu) de l'incertitude ou ambiguïté (elles ne le sont pas). Presque tout projet informatique relève de la seconde catégorie, alors que nous raisonnons comme s'il relevait de la première, ou nous évitons purement et simplement ce qui en relève.

Le mécanisme#

• La crainte d'être dupé. Une probabilité inconnue peut avoir été choisie par quelqu'un qui en sait plus que nous. On se protège en choisissant l'option transparente.
• Le sentiment de compétence. Heath et Tversky (1991) ont montré qu'on est prêt à parier sur ce qu'on croit connaître, au point de payer pour le faire, et qu'on lui préfère un pari à probabilité connue dans les domaines où l'on se sent ignorant.
• L'ignorance comparative. Fox et Tversky (1995) ont observé que l'aversion apparaît surtout quand on compare directement l'option connue et l'option floue ; évaluée seule, chacune est jugée à peu près pareil. C'est la mise côte à côte qui rend l'inconnu inconfortable.
• Le coût d'une erreur attribuée. Se tromper avec une option inhabituelle se justifie mal ; se tromper avec la solution standard, beaucoup mieux.

Où on le rencontre#

En conduite de projet#

• Choix d'un fournisseur : le prestataire dont on connaît les défauts est préféré à un nouvel entrant moins cher et plus prometteur, dont on ne sait pas chiffrer les risques. « Personne n'a jamais été renvoyé pour avoir choisi la solution du leader » en est la version populaire.
• Choix d'une technologie : un framework établi, aux limites connues, l'emporte sur un outil récent dont les limites sont encore à découvrir, même si ce dernier réglerait des problèmes réels.
• Migration : on reporte un changement de plateforme parce que « les risques sont mal connus », alors que ceux de la situation actuelle (support qui se termine, dette) sont tout aussi flous mais familiers.
• Chiffrage : une tâche de découverte (« on ne sait pas ce qu'il y a dedans ») est évitée ou repoussée en fin de projet, au lieu d'être explorée tôt.

En management#

• Recrutement et promotion : on choisit le profil dont on connaît le parcours plutôt que le profil atypique dont on ne sait pas estimer les chances de réussite.
• Délégation : on confie un sujet à celui qui « a déjà fait » plutôt qu'à quelqu'un dont on ne connaît pas le niveau, et l'on ne découvre jamais les compétences des autres.
• Innovation : les initiatives dont le rendement est incertain sont refusées, au profit d'améliorations dont le gain est chiffrable, mais plus faibles.

Cas célèbres#

Signaux de détection#

• « On prend celui qu'on connaît » : la familiarité est donnée comme raison, sans chiffre.
• Un nouvel entrant est écarté parce qu'il n'a « pas assez de références » ou « pas assez de recul », alors qu'on n'a pas cherché à en vérifier le risque.
• Les risques de l'option nouvelle sont listés précisément, ceux de l'option actuelle jamais.
• Les tâches de découverte sont systématiquement repoussées à plus tard.
• Un choix est justifié par « on sait au moins ce qu'on a », sans comparer l'espérance des deux options.

Réflexes d'évitement#

1. Transformer l'ambiguïté en fourchette. « Ce prestataire est un inconnu » devient « coût entre 80 et 160 jours, avec un risque d'abandon que nous évaluons entre 5 et 20 % ». Une fourchette, même large, est comparable ; un « on ne sait pas » ne l'est pas.
2. Appliquer le même formalisme aux deux options. Décrivez l'option familière avec les mêmes rubriques : coût, délai, risque, avec ses propres incertitudes (support qui se termine, personnes qui partent).
3. Réduire l'inconnu par un petit essai. Une preuve de concept d'une à deux semaines, un pilote sur un périmètre limité : l'ambiguïté devient un risque dont on connaît quelque chose.
4. Faire un pré-mortem sur chaque option. « Dans un an, le choix est un échec : pourquoi ? » pour l'option familière comme pour l'option nouvelle, afin de rétablir l'équilibre des arguments.
5. Évaluer séparément avant de comparer. Chaque option est décrite et notée par des personnes différentes, avant la mise en tableau, pour limiter l'effet de comparaison.
6. Se demander ce que coûte de ne pas essayer. Écarter l'option floue a un coût d'opportunité, rarement chiffré.
7. Prévoir la réversibilité. Une décision qu'on peut défaire (contrat à durée courte, abstraction qui isole l'outil) rend l'ambiguïté plus supportable.

Avec l'IA : détecter, remédier, atténuer#

Prompts à intégrer à vos usages#

1. Rendre l'inconnu comparable. Quand une option est écartée parce qu'on la connaît mal.

Nous hésitons entre une option familière [décrire] et une option moins connue [décrire], pour [objectif].
1. Liste les incertitudes de CHAQUE option (coût, délai, qualité, dépendances, départ de personnes, évolution du marché), sans en privilégier une.
2. Pour chacune, propose une fourchette prudente, en précisant sur quoi elle repose et ce qui la ferait changer.
3. Indique quelles incertitudes seraient levées par un essai d'une à deux semaines, et lequel.
Ne tranche pas : je veux pouvoir comparer les deux options dans les mêmes termes.

2. Pré-mortem symétrique. Avant de décider entre une option connue et une option nouvelle.

Nous avons choisi [option X] pour [objectif]. Nous sommes dans un an et le choix est un échec.
Écris les cinq causes les plus plausibles, de la plus probable à la moins probable.
Puis refais l'exercice pour [option Y] : le même choix, dans la même situation, aurait été un échec.
Compare les deux listes : quelles causes sont communes, lesquelles ne concernent qu'une option ? Quelles sont celles que nous aurions écartées par habitude sans y avoir réfléchi ?

Comment les intégrer#

• Avant le comité de choix : le prompt 1 pour chaque option litigieuse, puis un tableau commun.
• Pendant : le prompt 2 en atelier, en comparant les deux listes de causes d'échec.
• Après : conserver les fourchettes et regarder, à la fin du projet, laquelle avait raison.

Précautions#

• Une fourchette générée n'est pas une mesure : exigez la source et vérifiez-la.
• L'IA a tendance à proposer des options « sûres » et à recommander les solutions les plus citées dans ses données : elle peut amplifier la préférence pour le connu.
• Ne transmettez pas d'offres, de tarifs ni de données de fournisseurs à un outil non autorisé.

Limites#

• L'aversion n'est pas universelle : selon les synthèses, elle peut s'inverser (goût pour l'ambigu) quand la probabilité de gain est faible ou celle de perte élevée.
• Refuser l'ambiguïté peut être rationnel : un risque inconnu peut cacher un biais de sélection (celui qui propose en sait plus), et une organisation fragile peut ne pas pouvoir absorber un mauvais tirage.
• La littérature distingue l'aversion à l'ambiguïté du biais du statu quo et de l'aversion à la perte, avec lesquelles elle se mélange souvent dans la réalité.

Sources et vérification#

• Ellsberg (1961), « Risk, Ambiguity, and the Savage Axioms », The Quarterly Journal of Economics, 75(4) — le paradoxe de l'urne.
• Knight (1921), Risk, Uncertainty and Profit, Houghton Mifflin — la distinction entre risque et incertitude.
• Heath & Tversky (1991), « Preference and Belief: Ambiguity and Competence in Choice under Uncertainty », Journal of Risk and Uncertainty, 4(1).
• Fox & Tversky (1995), « Ambiguity Aversion and Comparative Ignorance », The Quarterly Journal of Economics, 110(3)
• Camerer & Weber (1992), « Recent Developments in Modeling Preferences: Uncertainty and Ambiguity », Journal of Risk and Uncertainty, 5(4) — synthèse.

Voir aussi#