Errorless Irrationality: A unified computational account of the inverse base-rate effect across predictive, observational, and unsupervised procedures

Le Mystère de la Mauvaise Intuition

Imaginez que vous êtes un détective tentant de résoudre une affaire, mais que les indices sont trompeurs. Vous avez un suspect qui commet habituellement des crimes les mardis (un événement courant) et un autre qui ne frappe que lors de rares fêtes spécifiques (un événement rare). Imaginez maintenant que vous trouviez un indice qui pourrait appartenir à l'un ou l'autre. La plupart des gens, face à cette ambiguïté, devineraient logiquement le suspect commun car il est statistiquement plus susceptible d'être impliqué. Mais voici la partie étrange : le cerveau humain fait souvent l'inverse. Face à un mélange confus d'indices, nous avons l'habitude irrationnelle et obstinée de parier sur l'événement rare. Ce phénomène étrange est appelé l'Effet d'Inversion du Taux de Base (EITB). C'est une bizarrerie dans la façon dont nous apprenons et prenons des décisions qui intrigue les scientifiques depuis des décennies.

Pendant longtemps, la théorie dominante était que cette erreur se produit à cause des « erreurs de prédiction ». Voyez cela comme un jeu vidéo où vous obtenez un écran « Game Over » lorsque vous faites une mauvaise supposition. La théorie suggérait que nos cerveaux apprennent en essayant d'éviter ces écrans « Game Over ». Lorsque nous choisissons le suspect commun et que nous nous trompons, notre cerveau reçoit un choc, prête une attention particulière aux indices rares et surcorrige, ce qui nous amène à choisir le suspect rare la fois suivante. Mais que se passe-t-il s'il n'y a pas d'écran « Game Over » ? Et si nous regardions simplement un film, ou un puzzle sans réponse juste ou fausse ? Notre cerveau fait-il toujours la même erreur irrationnelle ? Cette question est au cœur d'une nouvelle étude qui plonge dans les mécanismes de l'apprentissage humain, demandant si notre « irrationalité » est un bug dans le traitement de l'information, ou s'il s'agit d'une caractéristique qui existe même quand nous ne sommes pas évalués.

La Grande Expérience du « Sans Feedback »

Dans cet article, les chercheurs Lenard Dome et Andy J. Wills ont décidé de tester les limites de cette théorie de l'erreur de prédiction. Ils voulaient voir si l'Effet d'Inversion du Taux de Base se produirait encore si l'on supprimait l'enseignant, la note et le buzzer de la « mauvaise réponse ». Ils ont mené deux expériences ingénieuses pour éliminer les conditions d'apprentissage habituelles.

Dans la première expérience, ils ont mis en place un scénario d'apprentissage par observation. Imaginez que vous êtes assis dans une salle d'attente, lisant des dossiers de patients. Vous voyez un patient avec de la fièvre et une éruption cutanée, et le dossier indique : « Cette personne souffre de la Maladie Z ». Ensuite, vous voyez un autre avec un mal de tête et une éruption cutanée, et le dossier indique : « Cette personne souffre de la Maladie L ». Vous ne faites que lire ; on ne vous demande pas de deviner, et on ne vous dit pas si vous avez raison ou tort. Les indices (symptômes) et les réponses (maladies) apparaissent ensemble, il n'y a donc pas de moment de « supposition et d'échec ». Malgré l'absence de tout feedback ou de moments « Game Over », les participants ont tout de même montré le biais irrationnel. Lorsqu'on leur a demandé plus tard de deviner quelle maladie un patient présentait en fonction d'un mélange de symptômes, ils penchaient toujours vers la maladie rare, tout comme dans les tests traditionnels.

Dans la seconde expérience, ils sont allés encore plus loin en supprimant tout indice de cause à effet. Ils ont remplacé les récits médicaux par des formes géométriques. Imaginez un puzzle où vous voyez un carré et un cercle, et on vous dit de mémoriser que cette combinaison appartient au « Groupe X ». Plus tard, vous voyez juste un carré et un triangle. Il n'y a pas d'histoire de maladies ou de symptômes ; ce ne sont que des formes. Il n'y a pas de « professeur » pour vous donner la réponse. Même dans ce monde totalement abstrait et non supervisé, où personne ne juge vos suppositions, les participants ont fait le même choix « irrationnel », favorisant la catégorie rare face à un mélange de formes confus.

La Nouvelle Théorie : OSCAR

Puisque l'ancienne théorie (selon laquelle nous apprenons de nos erreurs) ne pouvait pas expliquer pourquoi le biais se produisait sans enseignant, les auteurs ont proposé un nouveau modèle appelé OSCAR. Vous pouvez considérer OSCAR comme un cerveau numérique qui ne se contente pas de prédire l'avenir ; il tente de reconstruire l'image complète.

Imaginez que vous regardez un puzzle, mais que certaines pièces manquent. Au lieu de simplement deviner quelle est la pièce manquante, votre cerveau essaie d'imaginer l'image entière, y compris les parties que vous ne voyez pas. OSCAR fonctionne de la même manière. Il prend les indices qu'il voit (les caractéristiques) et tente de « compléter le motif » en devinant à quoi devrait ressembler l'ensemble des indices, y compris l'étiquette de la catégorie. Si la supposition du cerveau sur l'image entière ne correspond pas à l'image réelle qu'il voit, il crée un « signal d'erreur » interne. Ce signal ne provient pas d'un enseignant ; il provient de la propre tentative du cerveau pour combler les lacunes.

Les auteurs ont découvert que ce modèle de « complétion de motif » pouvait expliquer parfaitement les résultats. Cela a montré que le cerveau n'a pas besoin d'un enseignant externe pour produire l'Effet d'Inversion du Taux de Base. Au contraire, l'effet est un effet secondaire naturel de la façon dont notre cerveau organise l'information : nous prêtons une attention particulière aux indices qui nous aident à distinguer le commun du rare, et cette attention est biaisée de telle sorte que nous surestimons les événements rares lorsque les choses deviennent confuses.

Ce que cela signifie

L'étude confirme que ce biais « irrationnel » n'est pas seulement le résultat de notre tentative d'éviter de nous tromper dans un cadre scolaire. C'est une partie fondamentale de la façon dont nos cerveaux traitent les motifs, même lorsque nous ne faisons que regarder ou mémoriser des formes. Les chercheurs ont utilisé des simulations informatiques pour montrer que leur nouveau modèle, OSCAR, pouvait reproduire exactement le même comportement humain à travers les trois types d'expériences (la traditionnelle, l'observationnelle et l'unsupervised/non supervisée).

De plus, le modèle a été capable d'expliquer des données complexes issues d'études d'oculométrie (eye-tracking). Les théories précédentes ne pouvaient pas expliquer pourquoi les gens regardaient certains indices plus longtemps pendant l'entraînement, mais les regardaient de manière égale pendant le test. OSCCAR, avec sa capacité à déplacer l'attention en fonction de la combinaison spécifique d'indices, a réussi à recréer ces modèles de mouvement oculaire.

En résumé, l'article suggère que notre « irrationalité » n'est pas un bug causé par un mauvais enseignement ; c'est une caractéristique d'un cerveau qui cherche constamment à compléter l'image, même quand l'image est incomplète. Le biais envers l'événement rare est une propriété émergente d'un système qui est très doué pour apprendre des motifs, même quand personne ne corrige ses devoirs.