En bref. Lorsque nous prévoyons la durée d’un projet, la survie d’une entreprise ou l’issue d’une décision, nous construisons spontanément un récit à partir des détails de notre propre cas. Daniel Kahneman et Amos Tversky ont appelé cela la vue intérieure. Le remède est la vue extérieure : avant d’examiner votre cas, demandez-vous comment les cas comparables se terminent habituellement, et partez de ce taux de base. L’écart qu’elle comble est considérable. Des étudiants qui pensaient boucler leur mémoire en 33,9 jours ont mis en moyenne 55,5 jours, et seuls 29,7 % l’ont terminé dans le délai qu’ils jugeaient le plus probable. Sur 1 603 grands projets, le coût réel a atteint en moyenne 1,39 fois l’estimation. Environ la moitié seulement des nouveaux établissements d’entreprise aux États-Unis sont encore en activité cinq ans après leur ouverture. La bonne nouvelle, c’est que la correction est peu coûteuse et s’apprend : dans des tournois de prévision géopolitique, un module de formation de moins d’une heure centré sur les classes de comparaison et les taux de base a amélioré la précision de 6 à 12 %, et les taux de base étaient le principe le plus associé à de meilleures prévisions. Ce guide vous propose une bibliothèque de taux de base vérifiés, la correction en cinq étapes sous forme de fiche de travail, et des exemples chiffrés.
Vue intérieure contre vue extérieure
Kahneman et Lovallo ont défini les deux approches dans un article paru en 1993 dans Management Science. Une prévision fondée sur la vue intérieure « s’appuie sur la connaissance des particularités du cas, des détails du plan existant, de quelques idées sur les obstacles probables et la manière de les surmonter ». La vue extérieure, à l’inverse, « est essentiellement statistique et comparative, et ne cherche en aucun cas à deviner l’histoire future dans le détail ».
L’illustration préférée de Kahneman remonte à 1976, lorsqu’il faisait partie d’une équipe chargée de rédiger un programme sur le jugement et la prise de décision pour les lycées israéliens. Après environ un an de travail, chaque membre de l’équipe a estimé le temps nécessaire pour achever le projet : les estimations allaient de 18 à 30 mois. Puis on a demandé à l’un d’eux, spécialiste de la conception de programmes, comment s’en étaient sorties des équipes comparables. Sa réponse, rapportée dans l’article de 1993 : environ 40 % d’entre elles avaient fini par abandonner, et parmi les autres, il n’en connaissait aucune qui ait terminé en moins de sept ans ou mis plus de dix ans. Il jugeait en outre leur équipe légèrement en dessous de la moyenne. Selon le récit ultérieur de Lovallo et Kahneman dans la Harvard Business Review (2003), cité par Flyvbjerg, le programme a été achevé huit ans plus tard et n’a guère été utilisé.
Personne dans l’équipe ne manquait d’intelligence ni d’information. L’information qui aurait changé la prévision était disponible dans la pièce. Elle n’a simplement pas été consultée, parce que la manière naturelle de penser un cas consiste à le regarder de l’intérieur.
Pourquoi les taux de base sont ignorés
Dans un rapport technique de 1977 devenu le fondement de ce domaine, Kahneman et Tversky distinguaient deux types d’information. L’information singulière porte sur le cas examiné. L’information distributionnelle, ou donnée de taux de base, décrit la façon dont les résultats se répartissent entre des cas similaires. Leur verdict : « La tendance dominante à sous-pondérer, voire à ignorer, l’information distributionnelle est peut-être l’erreur majeure de la prédiction intuitive. » Ce même rapport a forgé l’expression « erreur de planification » (planning fallacy) pour désigner l’habitude qui en découle : sous-estimer le temps et l’argent que demandent les choses.
La démonstration classique en laboratoire est le problème du taxi, analysé par Maya Bar-Hillel en 1980. Dans une ville, 85 % des taxis sont bleus et 15 % sont verts. Un témoin affirme que le taxi impliqué dans un délit de fuite était vert, et ce témoin a raison 80 % du temps. Quelle est la probabilité que le taxi ait été vert ? La bonne réponse, qui combine le taux de base et la fiabilité du témoin, est d’environ 41 %. La réponse médiane dans l’étude de Bar-Hillel était de 80 % ; 36 % des participants ont simplement donné la fiabilité du témoin, et seuls 10 % environ se sont approchés de 41 %. La preuve vivante et spécifique (un témoin) a évincé la preuve terne et générale (le nombre de taxis de chaque couleur).
L’explication de Bar-Hillel vaut bien au-delà des taxis : nous classons les informations selon le degré de pertinence que nous leur prêtons, et laissons dominer celle qui semble la plus pertinente. Les détails de votre propre projet paraissent toujours plus pertinents que les statistiques sur les projets des autres. C’est précisément pour cela que les statistiques sont ignorées, et c’est pour cela qu’elles ont tant de valeur.
Une bibliothèque de taux de base vérifiés
La première étape pratique consiste à savoir qu’il existe des taux de base pour bon nombre des décisions que vous prenez. Le tableau ci-dessous rassemble des taux de base tirés de sources publiées et vérifiables.
Tableau 1. Taux de base vérifiés pour des prévisions courantes
| Prévision | Taux de base | Source et périmètre |
|---|---|---|
| Vais-je terminer mon projet dans le délai que j’estime le plus probable ? | 29,7 % ont terminé dans leur propre meilleure estimation ; 55,5 jours en moyenne en réalité contre 33,9 prévus | Buehler, Griffin et Ross (1994), étudiants rédigeant un mémoire de fin d’études, étude 1 (33 étudiants) |
| Vais-je terminer au moins dans le délai de mon pire scénario ? | 48,7 % ont terminé à la date de leur scénario « tout se passe aussi mal que possible » | Buehler, Griffin et Ross (1994) |
| Un grand projet respectera-t-il son budget ? | Coût réel égal en moyenne à 1,39 fois l’estimation (1 603 projets) ; routes 1,24, rail 1,40, immeubles 1,36, barrages 1,96 | Flyvbjerg (2021), Project Management Journal, coût mesuré à partir de la décision finale d’investissement, en termes réels |
| Un grand projet tiendra-t-il ses promesses de bénéfices ? | Bénéfices réels égaux en moyenne à 0,94 fois la prévision (786 projets) ; rail 0,66 | Flyvbjerg (2021) |
| Un nouvel établissement d’entreprise survivra-t-il un an ? | 77,9 % (établissements ouverts dans l’année close en mars 2024) | US Bureau of Labor Statistics, Business Employment Dynamics |
| Survivra-t-il cinq ans ? | 51,4 % (établissements ouverts dans l’année close en mars 2020) | BLS, Business Employment Dynamics |
| Survivra-t-il dix ans ? | 34,7 % (établissements ouverts dans l’année close en mars 2015) | BLS, Business Employment Dynamics |
| Un médicament entrant en essais cliniques sera-t-il approuvé ? | 13,8 % au total ; 3,4 % en oncologie ; 33,4 % pour les vaccins | Wong, Siah et Lo (2019), Biostatistics, essais de 2000 à 2015 |
| De combien faut-il majorer le budget d’un immeuble public britannique pour tenir compte du biais d’optimisme ? | Jusqu’à 24 % (immeubles standard) et 51 % (immeubles non standard) sur les dépenses d’investissement | HM Treasury, Supplementary Green Book Guidance on Optimism Bias, fondé sur Mott MacDonald (2002) |
Quelques précautions rendent ces chiffres plus utiles, pas moins :
- Le périmètre compte. Les chiffres du BLS portent sur des établissements, c’est-à-dire des implantations commerciales uniques, et non sur des start-up ; une nouvelle succursale d’une chaîne existante compte comme une ouverture. Ils offrent une vue extérieure raisonnable pour la question « ce nouveau point de vente sera-t-il encore ouvert ? », pas pour « cette start-up financée par du capital-risque réussira-t-elle ? ».
- Les petits échantillons restent petits. L’étude sur les mémoires portait sur 33 étudiants. Son résultat a été reproduit dans l’esprit à de nombreuses reprises, mais le chiffre exact de 29,7 % est celui d’une seule étude.
- Préférez les chiffres globaux quand le détail est contesté. Wong, Siah et Lo ont publié une correction de certains de leurs tableaux phase par phase ; c’est pourquoi seuls les chiffres globaux et par domaine thérapeutique sont utilisés ici.
La correction en cinq étapes
Le rapport de 1977 de Kahneman et Tversky proposait une procédure corrective en cinq étapes. Bent Flyvbjerg l’a ensuite adaptée aux grands projets sous le nom de prévision par classe de référence (reference class forecasting), et en 2004 le ministère britannique des Transports (Department for Transport) et le HM Treasury l’ont adoptée pour l’évaluation des grands projets de transport. Voici la procédure, adaptée aux décisions individuelles.
- Choisir une classe de référence. De quel groupe de cas passés votre cas fait-il partie ? La règle de Flyvbjerg : assez large pour être statistiquement significatif, assez étroit pour être réellement comparable.
- Trouver la distribution de cette classe. Quel est le résultat moyen, et quelle est la dispersion des résultats ?
- Faire votre estimation intuitive. Maintenant, et seulement maintenant, mobilisez tout ce que vous savez de votre cas particulier.
- Évaluer la prévisibilité. Dans quelle mesure des estimations comme la vôtre prédisent-elles réellement les résultats ? Kahneman et Tversky l’expriment sous forme de corrélation entre 0 (l’information sur votre cas ne prédit rien) et 1 (elle prédit parfaitement).
- Corriger vers le taux de base. Ne vous éloignez du taux de base en direction de votre estimation intuitive qu’en proportion de cette prévisibilité.
Sous forme de formule, l’étape 5 s’écrit :
Estimation corrigée = taux de base + prévisibilité x (estimation intuitive – taux de base)
L’exemple de Kahneman et Tversky : l’intuition d’un éditeur lui dit qu’un livre se vendra à 12 000 exemplaires ; les livres de sa catégorie en vendent 4 000 en moyenne ; le jugement de l’éditeur a une prévisibilité d’environ 0,6. La prévision corrigée est de 4 000 + 0,6 x (12 000 – 4 000) = 8 800 exemplaires.
La formule a deux extrêmes utiles. Si l’information sur votre cas ne prédit rien (prévisibilité 0), retenez le taux de base. Si elle prédit parfaitement (prévisibilité 1), retenez votre intuition. La réalité se situe presque toujours entre les deux, et la plupart des gens se comportent comme s’ils étaient à 1.
La fiche de travail de la vue extérieure, avec des exemples chiffrés
La fiche ci-dessous applique les cinq étapes à quatre décisions courantes. Les taux de base proviennent du tableau 1 ; les estimations intuitives et les valeurs de prévisibilité sont des choix illustratifs que vous remplaceriez par les vôtres.
Tableau 2. Fiche de travail de la vue extérieure : quatre exemples chiffrés (cadre éditorial CEOtudent)
| Décision | Classe de référence et taux de base | Estimation intuitive | Prévisibilité (illustrative) | Estimation corrigée |
|---|---|---|---|---|
| Ventes d’un livre (exemple de Kahneman et Tversky) | Moyenne de la catégorie : 4 000 exemplaires | 12 000 exemplaires | 0,6 | 8 800 exemplaires |
| Ma nouvelle boutique sera-t-elle encore ouverte dans cinq ans ? | Nouveaux établissements d’entreprise aux États-Unis : 51,4 % survivent cinq ans | 90 % | 0,3 | 63,0 % |
| Quel budget prévoir pour un projet immobilier que j’estime à 200 000 dollars ? | Grands projets immobiliers : coût réel égal à 1,36 fois l’estimation, soit un budget vue extérieure de 272 000 dollars | 200 000 dollars | 0,5 | 236 000 dollars |
| Combien de temps prendra mon projet si je pense qu’il faut 30 jours ? | Les étudiants en mémoire ont mis 55,5 jours contre 33,9 prévus, soit un ratio de 1,64, d’où une durée vue extérieure d’environ 49 jours | 30 jours | 0,3 | Environ 43 jours |
Le tableau 2 relève du cadre éditorial CEOtudent. Les taux de base sont les chiffres publiés du tableau 1 ; les estimations intuitives et les valeurs de prévisibilité sont illustratives, et chaque estimation corrigée applique la formule ci-dessus. Les calculs ont été vérifiés par script. Pour les lignes budget et durée, le taux de base est exprimé comme un chiffre vue extérieure propre à ce cas (votre estimation multipliée par le ratio de la classe de référence) avant la correction.
Le choix de la valeur de prévisibilité étant la partie la plus délicate, voici un guide pratique :
- Autour de 0 à 0,2 : vous n’avez aucun historique dans ce type de décision, ou le résultat dépend surtout de facteurs hors de votre contrôle (un nouveau marché, une première entreprise).
- Autour de 0,3 à 0,5 : vous avez une expérience pertinente, et votre cas présente des différences réelles et mesurables par rapport à la moyenne.
- Autour de 0,6 et au-delà : vous disposez d’un historique documenté d’estimations similaires comparées aux résultats. Kahneman et Tversky suggèrent d’estimer la prévisibilité précisément à partir de tels relevés, ce qui est l’une des raisons pour lesquelles un journal de décision est rentable.
Si vous ne pouvez pas justifier un chiffre, choisissez-en un plus bas. Tout l’enseignement de l’erreur de planification est que nous surestimons ce que l’information sur notre cas nous apprend.
Quand la vue extérieure est difficile à appliquer
La méthode a de vraies limites, et les connaître la garde honnête.
- « Mais mon cas est unique. » Kahneman et Lovallo ont observé que les décideurs « ont une forte tendance à considérer les problèmes comme uniques ». Presque rien ne l’est. Même un produit réellement nouveau appartient aux classes « nouveaux produits », « projets menés par cette équipe » et « projets de cette taille ». Utilisez plusieurs classes de référence et vérifiez si elles concordent.
- La classe est trop large ou trop étroite. Trop large, elle ne dit rien de votre cas ; trop étroite, elle ne contient que trois exemples. Dans un exemple détaillé tiré de l’article de Chang et de ses collègues sur la formation du Good Judgment Project, le taux de base pour qu’un pays possède des armes de destruction massive était d’environ 13 % sur l’ensemble des pays et d’environ 17 % en se limitant au Moyen-Orient. Lorsque des classes voisines donnent des chiffres proches, vous pouvez accorder davantage de confiance à l’estimation.
- Le monde change. Les taux de base décrivent le passé. Si un véritable changement structurel est intervenu (une nouvelle technologie, une nouvelle règle), ajustez, mais nommez explicitement ce changement et demandez-vous si vous auriez accepté cet argument venant de quelqu’un d’autre.
- Les moyennes masquent les extrêmes. La vue extérieure renseigne aussi sur la variabilité. La version de Flyvbjerg élargit la fourchette d’incertitude vers celle de la classe, et pas seulement vers son point médian. Un budget juste en moyenne mais sans réserve pour les mauvais scénarios reste un mauvais budget.
Pourquoi c’est encore plus important à l’ère de l’IA
Les outils d’IA générative rendent la vue intérieure moins coûteuse que jamais. Demandez un plan et vous obtenez en quelques secondes un scénario détaillé et assuré pour votre cas. C’est utile, mais c’est exactement le type d’information dont Kahneman et Tversky avertissaient qu’il tend à dominer le jugement. La vue extérieure sert de contrepoids, et il est facile de l’intégrer à votre usage de ces outils : demandez d’abord la classe de référence et la manière dont ces cas se terminent habituellement, et seulement ensuite le plan. Vérifiez ensuite tout taux de base fourni par l’outil auprès d’une source primaire, car une statistique inventée est pire que pas de statistique du tout.
Pour l’ensemble plus large d’outils de pensée auquel celui-ci appartient, consultez notre index des modèles mentaux qui comptent vraiment à l’ère de l’IA. La vue extérieure se marie naturellement avec la pensée en paris, qui transforme les prévisions en probabilités, et avec le pre-mortem, qui met un plan à l’épreuve de l’intérieur une fois que la vue extérieure a fixé des attentes réalistes. Pour une étude de cas sur la tenue des prévisions assurées dans la durée, consultez notre bulletin d’une décennie de prédictions d’experts sur l’IA. Et si le taux de base de votre projet paraît sombre, décidez à l’avance de ce qui vous ferait arrêter : les critères d’arrêt sont la vue extérieure appliquée à l’abandon.
Le CEO et l’étudiant dans vos prévisions
La moitié CEO du prisme CEOtudent concerne l’allocation du capital. Un CEO qui financerait chaque projet selon son budget vue intérieure finirait à court d’argent ; les bons allocateurs de capital se demandent ce qu’ont rapporté des investissements similaires avant d’approuver celui-ci. Traitez votre propre temps, votre épargne et vos choix de carrière de la même manière. La moitié étudiant concerne le calibrage. Le but n’est pas de vous méfier de vous-même pour toujours, mais d’apprendre ce que vaut réellement votre connaissance du cas. Consignez vos estimations, comparez-les aux résultats et ne laissez votre valeur de prévisibilité personnelle augmenter que lorsque votre historique le justifie.
Questions fréquentes
Qu’est-ce que la vue extérieure ?
Une manière de prévoir qui part de la façon dont des cas similaires se sont terminés, plutôt que des détails de votre propre cas. Le terme vient de Kahneman et Lovallo (1993), qui l’opposaient à la vue intérieure, laquelle construit un scénario à partir des particularités du plan.
Qu’est-ce qu’un taux de base ?
La fréquence d’un résultat dans un groupe pertinent de cas passés : par exemple, la part des nouveaux établissements d’entreprise encore en activité après cinq ans (51,4 % pour les établissements américains ouverts dans l’année close en mars 2020, selon le BLS). La négligence du taux de base est la tendance à ignorer cette information au profit des détails du cas.
Qu’est-ce que la prévision par classe de référence ?
L’adaptation par Bent Flyvbjerg de la méthode de Kahneman et Tversky aux projets : identifier une classe de projets passés similaires, établir la distribution de leurs résultats et situer votre projet dans cette distribution. Le ministère britannique des Transports et le HM Treasury l’ont adoptée en 2004 pour les grands projets de transport.
Comment combiner un taux de base avec mon propre jugement ?
Partez du taux de base et rapprochez-vous de votre estimation intuitive en proportion du pouvoir prédictif que votre jugement a démontré : estimation corrigée = taux de base + prévisibilité x (estimation intuitive – taux de base). Avec un taux de base de 4 000, une intuition de 12 000 et une prévisibilité de 0,6, la réponse est 8 800.
La formation aux taux de base améliore-t-elle vraiment les prévisions ?
Oui, selon les meilleures données disponibles. Dans les tournois de prévision du Good Judgment Project, un module de raisonnement probabiliste de moins d’une heure, qui enseignait les classes de comparaison et les taux de base, a amélioré la précision (scores de Brier) de 6 à 12 % selon l’année (le résumé de l’article l’indique comme 6 à 11 %), et le recours aux classes de comparaison et aux taux de base était le principe le plus associé aux progrès.
Sources
- Kahneman, D., et Tversky, A. (1977). Intuitive Prediction: Biases and Corrective Procedures. Technical Report PTR-1042-77-6, Decision Research. Publié dans TIMS Studies in Management Science, 12 (1979), 313-327.
- Kahneman, D., et Lovallo, D. (1993). Timid Choices and Bold Forecasts: A Cognitive Perspective on Risk Taking. Management Science, 39(1), 17-31.
- Buehler, R., Griffin, D., et Ross, M. (1994). Exploring the “Planning Fallacy”: Why People Underestimate Their Task Completion Times. Journal of Personality and Social Psychology, 67(3), 366-381.
- Bar-Hillel, M. (1980). The Base-Rate Fallacy in Probability Judgments. Acta Psychologica, 44, 211-233.
- Flyvbjerg, B. (2006). From Nobel Prize to Project Management: Getting Risks Right. Project Management Journal, 37(3), 5-15.
- Flyvbjerg, B. (2021). Top Ten Behavioral Biases in Project Management: An Overview. Project Management Journal, 52(6), 531-546.
- Chang, W., Chen, E., Mellers, B., et Tetlock, P. (2016). Developing Expert Political Judgment: The Impact of Training and Practice on Judgmental Accuracy in Geopolitical Forecasting Tournaments. Judgment and Decision Making, 11(5), 509-526.
- U.S. Bureau of Labor Statistics. Business Employment Dynamics: Survival of Private Sector Establishments by Opening Year (données jusqu’à mars 2025).
- Wong, C. H., Siah, K. W., et Lo, A. W. (2019). Estimation of Clinical Trial Success Rates and Related Parameters. Biostatistics, 20(2), 273-286 ; et corrigendum, Biostatistics, 20(2), 366.
- HM Treasury. Supplementary Green Book Guidance: Optimism Bias.
Le tableau 1 présente les chiffres tels que publiés par les sources citées. Le tableau 2 relève du cadre éditorial CEOtudent : les taux de base sont des chiffres publiés, tandis que les estimations intuitives et les valeurs de prévisibilité sont illustratives.
Ce contenu a été compilé avec le soutien de l’IA à la suite d’une recherche approfondie, puis rédigé et préparé pour publication par l’équipe éditoriale de CEOtudent.
This post is also available in:
