Que croire dans un monde de « post-vérité » ?

Vous ne pouvez apprendre que si vous êtes vraiment ouvert à la possibilité que vous pourriez avoir tort, dit le chercheur Alex Edmans. Dans une intervention instructive, il explore comment le biais de confirmation -- la tendance à n'accepter que des informations qui appuient vos croyances personnelles -- peut vous égarer sur les réseaux sociaux, en politique et au-delà. Il offre trois outils pratiques pour trouver des preuves auxquelles vous pouvez croire. (Indice : nommez quelqu'un pour jouer l'avocat du diable dans votre vie.)

Belle Gibson était une jeune
et heureuse Australienne.

Elle vivait à Perth
et adorait faire du skateboard.

Mais en 2009, Belle a appris
qu'elle avait un cancer du cerveau

et quatre mois à vivre.

Deux mois de chimio et de radiothérapie
n'ont eu aucun effet.

Mais Belle était déterminée.

Elle avait toujours été une battante.

Dès six ans, elle avait dû cuisiner
pour son frère atteint d'autisme

et sa mère atteinte
de sclérose en plaques.

Son père ne faisait pas partie du tableau.

Alors Belle s'est battue
avec du sport, de la méditation

et en abandonnant la viande
au profit des fruits et légumes.

Elle s'est complètement rétablie.

Son histoire est devenue virale.

Elle a été tweetée, bloguée, partagée
et a été vue par des millions de gens.

Elle témoignait des avantages
de fuir la médecine traditionnelle

pour un régime alimentaire et du sport.

En août 2013, Belle a lancé
une appli pour manger sain,

The Whole Pantry,

téléchargée 200 000 fois
au cours du premier mois.

Mais l'histoire de Belle
était un mensonge.

Belle n'a jamais eu de cancer.

Les gens ont partagé son histoire
sans en vérifier la véracité.

C'est un exemple classique
de biais de confirmation.

Nous acceptons une histoire
sans la contester

si elle confirme une chose
que nous aimerions être vraie.

Et nous rejetons toute histoire
qui la contredit.

Combien de fois voyons-nous cela

dans les histoires que nous partageons
et que nous ignorons ?

En politique, en affaires,
en conseils de santé.

Le mot de l'Oxford Dictionary
pour 2016 était « post-vérité ».

La reconnaissance du fait que nous vivons
dans un monde post-vérité

a mené à une insistance nécessaire
sur la vérification des faits.

Mais ma phrase clé

est que vérifier les faits ne suffit pas.

Même si l'histoire de Belle était vraie,

elle ne serait toujours pas pertinente.

Pourquoi ?

Considérons l'une des techniques
statistiques les plus fondamentales :

l'inférence bayésienne.

Une version très simple est :

ce qui nous importe c'est : « Les données
appuient-elles la théorie ? »

Les données renforcent-elles
notre croyance que la théorie est vraie ?

Au lieu de cela, nous demandons :

« Les données sont-elles
cohérentes avec la théorie ? »

Mais qu'elles soient
cohérentes avec la théorie

ne signifie pas que les données
appuient la théorie.

Pourquoi ?

A cause d'un troisième terme
crucial mais oublié --

les données pourraient être cohérentes
avec des théories rivales.

Mais du fait du biais de confirmation,

nous ne considérons jamais
les théories rivales

car nous sommes si protecteurs
envers notre théorie préférée.

Considérons cela pour l'histoire de Belle.

Ce qui nous importe : l'histoire de Belle
appuie-t-elle la théorie selon laquelle

l'alimentation soigne le cancer ?

Au lieu de cela, nous demandons :

« L'histoire de Belle est-elle cohérente

avec le fait que l'alimentation
soigne le cancer ? »

La réponse est oui.

Si l'alimentation soignait le cancer,

nous verrions des histoires
comme celle de Belle.

Mais même si l'alimentation
ne soignait pas le cancer,

nous verrions quand même
des histoires comme celle de Belle.

Une seule histoire durant laquelle
un patient se soigne apparemment seul

du fait d'un mauvais diagnostic.

Tel que, même si fumer
était mauvais pour votre santé,

vous verriez quand même un fumeur
vivre jusqu'à ses 100 ans.

(Rires)

ou que même si les études
étaient bénéfiques pour vos revenus,

vous verriez un multimillionnaire
qui n'est pas allé à l'université.

(Rires)

Le plus gros problème avec l'histoire
de Belle n'est pas qu'elle était fausse.

Mais que ce n'est qu'une seule histoire.

Il y a peut-être des milliers d'histoires
où un régime seul a échoué

mais nous ne les entendons jamais.

Nous partageons les cas particuliers
car ils sont nouveaux

et font donc la une.

Nous ne partageons jamais
les cas ordinaires.

Ils sont trop ordinaires,
c'est ce qui arrive normalement.

Ce sont les 99% vrais que nous ignorons.

Tout comme dans la société,
vous ne pouvez pas écouter seulement 1%

les cas particuliers,

et ignorer les 99%, les ordinaires.

Car c'est le deuxième exemple
de biais de confirmation.

Nous acceptons un fait
en tant que données.

Le plus gros problème n'est pas
que nous vivons dans un monde post-vérité

mais que nous vivons
dans un monde post-données.

Nous préférons une seule histoire
à des tonnes de données.

Les histoires sont percutantes,
frappantes, elles leur donnent vie.

On commence chaque intervention
avec une histoire.

Je l'ai fait.

Mais une seule histoire
est dénuée de sens et trompeuse

si elle n'est pas appuyée
par des données à grande échelle.

Même si nous avions
des données à grande échelle,

cela pourrait ne pas suffire.

Car cela serait encore cohérent
avec des théories rivales.

Laissez-moi expliquer.

Une étude classique
du psychologue Peter Wason

vous donne une série de trois nombres

et vous demande de réfléchir
à la règle qui les a générés.

Si l'on vous donne 2, 4, 6,

quelle est la règle ?

La plupart des gens penseraient
que ce sont des nombres pairs successifs.

Comment testeriez-vous cela ?

Vous proposeriez d'autres séries
de nombres pairs successifs :

4, 6, 8 ou 12, 14, 16.

Peter dirait que ces séries
fonctionnent également.

Mais savoir que ces séries fonctionnent,

savoir que des centaines de séries
de nombres pairs successifs fonctionnent

ne vous dit rien.

Peut-être que cela est cohérent
avec des théories rivales.

La règle peut être trois nombres pairs.

Ou trois nombres croissants.

C'est le troisième exemple
de biais de confirmation :

accepter les données en tant que preuve,

même si elles sont cohérentes
avec des théories rivales.

Les données ne sont
qu'une collection de faits.

Une preuve, ce sont des données appuyant
une théorie et écartant les autres.

La meilleure façon d'appuyer votre théorie

est d'essayer de la réfuter,
de se faire l'avocat du diable.

Testez quelque chose comme 4, 12, 26.

Si vous obtenez un oui,
cela réfuterait votre théorie

de trois nombres pairs successifs.

Pourtant, ce test est efficace

car si vous obtenez un non, cela réfute
« trois nombres pairs »

et « trois nombres croissants ».

Cela réfuterait les théories rivales,
mais pas votre théorie.

Mais la plupart des gens
ont trop peur de tester 4, 12, 26

car ils ne veulent pas obtenir de oui

et prouver que leur théorie
préférée est fausse.

Le biais de confirmation, ce n'est pas que
ne pas chercher de nouvelles données

mais aussi mal interpréter
les données quand vous les recevez.

Cela s'applique en dehors du labo
à des problèmes importants et réels.

En effet, Thomas Edison l'a dit :

« Je n'ai pas échoué,

j'ai trouvé 10 000 solutions
qui ne fonctionnent pas. »

Découvrir que vous avez tort

est la seule façon de découvrir
ce qui est correct.

Disons vous êtes directeur
des admissions d'une université

et votre théorie est que seuls
les bons étudiants

issus de familles riches réussissent.

Vous n'admettez que de tels étudiants.

Et ils réussissent.

Mais cela est aussi cohérent
avec la théorie rivale.

Peut-être que tous
les bons étudiants réussissent,

riches ou pauvres.

Mais vous ne testez jamais cette théorie
car vous n'admettez aucun étudiant pauvre

car vous ne voulez pas
que votre théorie soit démentie.

Qu'avons-nous appris ?

Une histoire n'est pas un fait
car elle pourrait ne pas être vraie.

Un fait ne sont pas des données,

cela pourrait ne pas être représentatif
si ce n'est qu'une seule donnée.

Et les données ne sont pas une preuve --

cela pourrait ne pas appuyer votre théorie

si c'est cohérent
avec des théories rivales.

Que faire ?

A un point d'inflexion dans votre vie :

décider d'une stratégie
pour votre entreprise,

d'une technique parentale
pour votre enfant

ou d'un régime pour votre santé,

comment vous assurer
que vous n'avez pas une histoire,

mais une preuve ?

Laissez-moi vous donner trois conseils.

Le premier est de chercher activement
d'autres points de vue.

Lisez et écoutez des gens avec lesquels
vous êtes ouvertement en désaccord.

90% de ce qu'ils disent
pourrait être faux, d'après vous.

Mais et si 10% était vrai ?

Comme l'a dit Aristote :

« C'est la marque d'un esprit cultivé

qu'être capable de nourrir une pensée

sans la cautionner pour autant. »

Entourez-vous de personnes
contestant votre opinion

et créez une culture qui encourage
activement le désaccord.

Certaines banques souffrent
de la pensée de groupe,

les employés ont trop peur de questionner
les décisions de prêt des dirigeants,

contribuant à la crise financière.

Dans une réunion,
nommez quelqu'un avocat du diable

allant à l'encontre de votre idée.

Ne faites pas qu'entendre
un autre point de vue,

écoutez-le également.

Comme l'a dit le psychologue
Stephen Covey :

« Écoutez avec l'intention de comprendre,

pas l'intention de répondre. »

Il faut apprendre
d'un point de vue divergent,

pas offrir des arguments contre.

Ce qui nous mène aux autres termes
oubliés de l'inférence bayésienne.

Car les données
vous permettent d'apprendre,

mais l'apprentissage est
relatif au point de départ.

Si vous démarriez avec la certitude
que votre théorie devait être vraie,

votre point de vue ne changera pas --

quelles que soient les données
que vous voyez.

Seulement si vous êtes vraiment ouvert
à la possibilité d'avoir tort

pouvez-vous jamais apprendre.

Comme Léon Tolstoï l'a écrit :

« Les sujets les plus difficiles

peuvent être expliqués
à l'esprit le plus lent

s'il n'en a pas déjà formé une idée ;

mais la chose la plus simple

ne peut être expliquée
à l'homme le plus intelligent

s'il est fermement
persuadé qu'il sait déjà. »

Deuxième conseil : écoutez les experts.

C'est peut-être le conseil
le plus impopulaire

que je puisse vous donner.

(Rires)

L'homme politique britannique Michael Gove
a dit que les gens dans ce pays

en avaient marre des experts.

Un sondage récent a montré

que plus de gens feraient confiance
à leur coiffeur --

(Rires)

ou à un homme dans la rue

qu'aux dirigeants de leurs entreprises,

services de santé
et organismes de bienfaisance.

Nous respectons une formule
de blanchiment des dents

découverte par une mère

ou nous écoutons l'opinion
d'une actrice sur la vaccination.

Nous aimons les gens qui disent
ce qui est, qui suivent leur instinct

et les disons authentiques.

Mais l'instinct a ses limites.

L'instinct ne vous dirait jamais de donner
de l'eau à un bébé atteint de diarrhée

car cela sortirait de l'autre côté.

Mais l'expertise vous dit le contraire.

Vous ne laisseriez pas un homme
dans la rue vous opérer.

Vous voudriez d'un expert
ayant passé des années à opérer

et connaissant les meilleures techniques.

Cela devrait s'appliquer
à toute décision majeure.

La politique, les affaires,
les conseils de santé

nécessitent de l'expertise,
comme la chirurgie.

Pourquoi se méfie-t-on tant des experts ?

Une des raisons est qu'ils semblent
coupés de la réalité.

Un PDG millionnaire ne peut pas
parler au nom d'un homme ordinaire.

Mais la vraie expertise
se trouve dans les preuves.

Les preuves soutiennent l'homme ordinaire

contre les élites.

Les preuves vous forcent
à prouver les choses.

Les preuves empêchent les élites
d'imposer leur point de vue

sans preuves.

Autre raison de la méfiance
envers les experts :

différents experts
disent des choses différentes.

Pour chaque expert affirmant

que quitter l'UE serait mauvais
pour la Grande-Bretagne,

un autre expert affirme
que cela serait positif.

La moitié de ces soi-disant
experts aura tort.

Il faut admettre que la plupart
des publications écrites par des experts

sont incorrectes.

Ou au mieux, affirment des choses
que les preuves n'appuient pas.

Nous ne pouvons pas croire un expert.

En novembre 2016, une étude
sur la rémunération des cadres

a fait la une à l'échelle nationale.

Même si aucun des journaux
ayant couvert l'étude

n'avait jamais vu l'étude.

Elle n'était pas encore publiée.

Ils ont cru en son auteur,

comme avec Belle.

Nous ne pouvons pas nous plus
choisir les études

qui appuient notre point de vue --

cela relèverait du biais de confirmation.

Cela ne signifie pas
que si sept études montrent A

et trois études montrent B,

alors A doit être vrai.

Ce qui compte, c'est la qualité

et non la quantité d'expertise.

Nous devrions faire deux choses.

Un : nous devrions
examiner de façon critique

les qualifications des auteurs.

Comme vous examineriez de façon critique

les qualifications
d'un chirurgien potentiel.

Est-il vraiment un expert sur la question

ou a-t-il un intérêt personnel ?

Deux : nous devrions prêter
une attention particulière

aux publications publiées
dans les grands journaux académiques.

On accuse souvent les chercheurs
d'être coupés du monde réel.

Mais ce détachement vous donne
des années à passer sur une étude.

Pour obtenir des résultats,

pour écarter ces théories rivales

et pour distinguer
la corrélation et la causalité.

Les journaux académiques
nécessitent un examen des pairs

où une publication
est rigoureusement examinée

(Rires)

par les plus grands esprits au monde.

Meilleur est le journal,
plus les standards sont élevés.

Les journaux les plus élitistes
rejettent 95% des publications.

Une preuve académique n'est pas tout.

Une expérience dans le monde réel
est également cruciale.

Un examen par les pairs n'est pas parfait,
des erreurs sont commises.

Mais quelque chose de vérifié est mieux

que quelque chose qui ne l'est pas.

Si l'on se fixe sur une étude
parce que l'on aime ses conclusions,

sans considérer de qui elle est
ou si elle a été vérifiée,

il y a un énorme risque
que cette étude soit trompeuse.

Ceux d'entre nous
qui affirment être des experts

devraient reconnaître les limites
de notre analyse.

Il est très rarement possible de prouver
ou de prévoir une chose avec certitude,

pourtant il est si tentant de faire
une déclaration radicale, sans réserve.

C'est plus facile d'en faire un gros titre
ou de la tweeter en 140 caractères.

Mais même des preuves
peuvent ne rien prouver.

Elles peuvent ne pas être universelles,

ne pas s'appliquer
dans tous les contextes.

Ne dites pas : « Le vin rouge
fait vivre plus longtemps »

quand le vin rouge est seulement
corrélé à une vie plus longue.

Et seulement chez des gens
qui font également du sport.

Troisième conseil : marquez une pause
avant de partager quoi que ce soit.

Le serment d'Hippocrate dit :
« En premier lieu, ne pas nuire ».

Ce que nous partageons
est potentiellement contagieux,

soyons très prudents
quant à ce que nous partageons.

Notre objectif ne devrait pas être
les j'aime ou les retweets.

Autrement, nous ne partageons
que le consensus,

nous ne remettons en question
la pensée de personne.

Autrement, nous ne partageons
que ce qui sonne bien,

peu importe qu'il y ait
des preuves ou non.

Nous devrions plutôt nous demander ceci :

si c'est une histoire, est-elle vraie ?

Si oui, est-elle appuyée
par des preuves à grande échelle ?

Si oui, de qui est-elle,
quelles sont ses qualifications ?

Est-elle publiée,
le journal est-il rigoureux ?

Posez-vous la question
à un million de dollars :

si la même étude était écrite
par les mêmes auteurs,

avec les mêmes qualifications,

mais parvenait à des résultats contraires,

seriez-vous encore prêt
à la croire et à la partager ?

Traiter tout problème -

le problème économique d'une nation
ou un problème de santé personnel -

est difficile.

Nous devons nous assurer que nous avons
les meilleures preuves pour nous guider.

Ce ne peut être un fait
que si cela est vrai.

Ce ne peut être une donnée
que si cela est représentatif.

Ce ne peut être une preuve
que si cela appuie quelque chose.

Et il n'y a qu'avec des preuves que
nous pouvons passer d'un monde post-vérité

à un monde pro-vérité.

Merci beaucoup.

(Applaudissements)