Entrenchment in Human Exploration: A Future-Path Model of Early Convergence

Les êtres humains sont constamment confrontés à un choix fondamental : devons-nous nous en tenir à ce que nous savons fonctionner, ou devrions-nous essayer quelque chose de nouveau pour voir si c'est mieux ? Ce dilemme, connu des scientifiques sous le nom de compromis exploration-exploitation, est le moteur de l'apprentissage. Lorsque nous explorons, nous recueillons des informations sur le monde ; lorsque nous exploitons, nous utilisons ces informations pour obtenir la meilleure récompense. Idéalement, nous équilibrons ces deux pulsions, en échantillonnant suffisamment pour trouver la meilleure option, puis en nous installant pour en profiter. Cependant, dans de nombreuses situations, les gens semblent arrêter de chercher trop tôt. Ils se verrouillent sur un choix qui n'est pas réellement le meilleur et continuent de le faire, même lorsque de meilleures options sont disponibles. Cette persistance obstinée, que les chercheurs appellent « enracinement », suggère que nos cerveaux pourraient simuler l'avenir d'une manière qui nous piège dans des habitudes sous-optimales.

Une nouvelle étude de Shinji Nakazato, de l'Université des sciences de Tokyo, propose une explication inédite à ce phénomène. La recherche propose que, lorsque nous évaluons nos choix actuels, nous ne regardons pas seulement la récompense immédiate. Au lieu de cela, nous lançons une simulation mentale de nos propres décisions futures, en imaginant ce que nous ferons ensuite. Crucialement, l'étude suggère que nous effectuons cette simulation tout en maintenant nos croyances actuelles fixes, comme si nous n'allions jamais apprendre ou mettre à jour nos opinions à l'avenir. Ce raccourci mental crée un type spécifique d'incertitude concernant notre chemin futur. Le modèle montre que lorsque l'horizon temporel est long — c'est-à-dire que nous avons beaucoup de décisions à prendre — l'incertitude simulée devient assez grande pour nous faire abandonner la meilleure option connue et dériver vers des options moins bonnes. Les conclusions remettent en question l'idée selon laquelle les humains cherchent toujours à maximiser leurs récompenses, suggérant plutôt que nos propres simulations internes du futur peuvent nous égarer.

Pour tester cette idée, le chercheur a analysé les données de deux types différents d'expériences où les participants jouaient à des jeux impliquant des choix répétés. Dans un premier ensemble d'expériences, connu sous le nom de tâche de Wilson, les participants faisaient face à un jeu simple à deux options. Les chercheurs contrôlaient soigneusement le jeu pour que les connaissances des participants sur les options soient identiques au début d'une décision, mais le nombre de tours futurs qu'ils devaient jouer variait. Dans certains cas, les participants savaient qu'il ne leur restait qu'un seul tour ; dans d'autres, ils savaient qu'il leur restait six tours. Si les gens cherchaient simplement la meilleure option, leur comportement devrait être le même dans les deux cas puisque leurs connaissances étaient les mêmes. Cependant, les données ont montré une différence claire : lorsque les participants savaient qu'ils avaient plus de tours restants, ils étaient significativement plus susceptibles de choisir l'option qui n'était pas la meilleure. Ce résultat était si fort qu'il ne pouvait être expliqué par les théories standards de l'apprentissage humain, ni par l'idée qu'ils étaient simplement plus prudents ou curieux. Le seul modèle capable de reproduire ce schéma spécifique était celui basé sur la simulation du « chemin futur », où le décideur imagine ses choix futurs sans anticiper qu'il apprendra quoi que ce soit de nouveau.

L'étude est allée plus loin pour distinguer ce comportement d'autres formes d'exploration. Parfois, les gens choisissent délibérément une option moins bonne pour recueillir plus d'informations sur la meilleure option possible ; c'est ce qu'on appelle l'exploration dirigée. Pour voir si les choix obstinés de l'étude étaient une forme d'exploration intelligente ou simplement un blocage, le chercheur a examiné un second jeu, plus complexe, joué sur une grille avec de nombreux emplacements possibles. Dans ce jeu, le meilleur emplacement réel était connu des chercheurs. L'analyse a révélé que lorsque les gens faisaient des choix non optimaux dans les situations à long horizon, ils se dirigeaient massivement vers des emplacements qui étaient véritablement moins bons, et non vers le meilleur emplacement. Ils n'exploraient pas pour trouver l'optimum ; ils en dérivaient. Cela a confirmé que le comportement était bien un « enracinement », une boucle auto-renforcée où une personne reste coincée sur un choix sous-optimal parce que sa simulation mentale du futur rend ce choix plus attrayant qu'il ne l'est réellement.

La recherche a également examiné comment la taille de l'ensemble de choix affecte ce comportement. Dans le jeu de la grille, les participants devaient choisir entre 30 ou 121 emplacements différents. Le modèle prédisait que le fait d'avoir plus d'options augmenterait l'incertitude dans la simulation mentale du futur, rendant encore plus probable le fait que les gens restent bloqués sur un mauvais choix. Les données ont soutenu cela : à mesure que le nombre d'options disponibles augmentait, le taux de maintien d'un choix non optimal augmentait également. De plus, l'étude a constaté que lorsque la différence de valeur entre la meilleure option et la deuxième meilleure option était très claire, les gens étaient moins susceptibles de rester bloqués. Mais lorsque l'écart était faible, ou quand le futur semblait lointain, la tendance à persister dans un choix médiocre devenait plus forte.

Ces conclusions brossent le portrait d'une prise de décision humaine qui relève moins du calcul froid que des limites de notre imagination. L'étude suggère que nos cerveaux ne cherchent pas toujours à regarder devant eux pour optimiser l'avenir ; parfois, ils regardent devant eux et voient un brouillard de possibilités qui fait que le chemin actuel, familier, semble plus sûr, même s'il ne mène nulle part. En simulant nos futurs moi comme si nous n'allions jamais changer d'avis, nous créons par inadvertance une barrière à l'apprentissage. La recherche ne prétend pas qu'il s'agit d'une faille de l'intelligence humaine, mais plutôt d'une caractéristique structurelle de la façon dont nous traitons le temps et l'incertitude. Elle montre que le mécanisme même que nous utilisons pour planifier nos vies — imaginer ce que nous ferons ensuite — peut parfois être ce qui nous empêche de trouver le meilleur chemin à suivre. Les résultats étaient robustes sur des milliers d'essais et se sont maintenus même lorsque les chercheurs ont écarté d'autres explications, telles que de simples erreurs ou une préférence générale pour la variété.

Enfin, l'article fournit un cadre mathématique qui capture ce type spécifique de blocage. Il montre que la probabilité de faire un choix non optimal augmente à mesure que le temps restant croît et que le nombre d'options s'élargit. C'est l'inverse de ce que prédisent les théories traditionnelles de l'apprentissage rationnel, qui suggèrent que disposer de plus de temps devrait aider les gens à trouver la meilleure solution. L'étude confirme que, pour les apprenants humains, avoir plus de temps peut en fait nous rendre plus susceptibles de nous contenter de moins. La recherche laisse ouverte la question de savoir comment exactement le cerveau calcule cette incertitude future, mais elle établit fermement que la façon dont nous imaginons nos choix futurs est un moteur puissant de notre comportement présent, capable de nous enfermer dans des schémas qui ne sont pas dans notre intérêt.