Notre Bibliographie

Les biais cognitifs jouent un rôle crucial dans la manière dont les individus traitent l'information et prennent des décisions. Daniel Kahneman, dans son ouvrage "Système 1 / Système 2", explique que notre pensée se divise en deux systèmes distincts : le Système 1, automatique et rapide, et le Système 2, lent et exigeant en termes d’effort mental. Le Système 1 repose sur des heuristiques, ou raccourcis cognitifs, qui simplifient les processus décisionnels mais peuvent mener à des erreurs systématiques. Parmi les heuristiques les plus courantes, on trouve l'heuristique de représentativité, où l'on juge la probabilité d'un événement en fonction de sa similarité à un prototype, l'heuristique de disponibilité, où l'on évalue la fréquence d'un événement par la facilité avec laquelle des exemples nous viennent à l'esprit, et l'heuristique d'ancrage et d'ajustement, où une première estimation influence les suivantes.

​

L'ouvrage "Algorithmes : Biais, Discrimination et Équité" de Patrice Bertail et al. aborde les biais introduits par les algorithmes d’apprentissage statistique. Les biais des programmeurs se retrouvent souvent dans les algorithmes qu’ils conçoivent, ce qui peut perpétuer des discriminations, comme démontré par l'exemple de l'algorithme de recrutement d'Amazon, qui pénalisait systématiquement les candidatures féminines. Pour atténuer ces biais, il est crucial d’intégrer des données sensibles et d’évaluer continuellement les algorithmes pour garantir leur équité.

​

Dans "Bias and Conflict : A Case for Logical Intuitions", Wim De Ney explore comment les individus détectent automatiquement les conflits entre réponses heuristiques et logiques. Même les jeunes enfants montrent des capacités intuitives pour résoudre des problèmes classiques, indiquant que ces intuitions logiques sont activées automatiquement et sans effort cognitif significatif. Cependant, la théorie proposée par De Ney se limite aux tâches spécifiques utilisées dans les études de raisonnement.

​

Amos Tversky et Daniel Kahneman, dans "Judgment under Uncertainty : Heuristics and Biases", approfondissent la compréhension des heuristiques et des biais cognitifs. Ils montrent comment ces raccourcis mentaux peuvent conduire à des erreurs prévisibles dans les jugements de probabilité et de prise de décision. Par exemple, la facilité avec laquelle on se rappelle des événements (heuristique de disponibilité) peut déformer notre perception de leur fréquence réelle. Les auteurs soulignent que pour que les jugements de probabilité soient rationnels, ils doivent être cohérents non seulement en interne mais aussi avec l'ensemble plus large des croyances de l'individu.

Jonathan St. B. T. Evans et Keith E. Stanovich, dans "Dual-Process Theories of Higher Cognition : Advancing the Debate", défendent la validité des théories duaux des processus de pensée contre les critiques. Ils distinguent les processus automatiques et rapides (Type 1) des processus contrôlés et lents (Type 2), en insistant sur l'importance de la mémoire de travail et de l’intelligence générale dans les processus de Type 2. Les auteurs répondent aux critiques en clarifiant les distinctions et les attributs des processus de pensée.

 

Enfin, les recherches bibliographiques de Nina Franiatte et Mathilde Cazes sur les biais cognitifs mettent en lumière la diversité et la complexité de ces distorsions mentales. Les biais cognitifs, tels que définis par Jean-François Le Ny, sont des distorsions de l'information qui influencent nos choix et décisions. Ils sont exacerbés par la surcharge d'informations et les contraintes de temps de notre environnement moderne. Les heuristiques de jugement, comme la disponibilité et la représentativité, jouent un rôle clé dans la prise de décision rapide mais peuvent conduire à des erreurs systématiques. Ces recherches soulignent également l’importance de stratégies de débiaisement pour atténuer les effets négatifs des biais cognitifs dans divers domaines.

 

En résumé, la compréhension des biais cognitifs et des systèmes de pensée permet de mieux appréhender les erreurs systématiques dans nos décisions et de développer des stratégies pour les corriger, tant dans le cadre des algorithmes que dans nos processus décisionnels quotidiens.