Apophénie

En bref

Tu perçois du sens là où il n'y en a aucun.

Les nuages ressemblent à des visages.

Définition

L'apophénie désigne la tendance humaine à percevoir des motifs, des liens ou des significations dans des données aléatoires, alors que ceux-ci n'existent pas réellement. Une sous-forme visuelle en est la paréidolie (par ex. des visages dans les nuages ou les prises de courant).

EN: Apophenia (visual subtype: Pareidolia)

Parenté

L'apophénie est étroitement liée à plusieurs autres biais et erreurs de raisonnement :

• Illusion de regroupement (clustering illusion) : des concentrations aléatoires sont prises à tort pour de véritables structures.
• Sophisme du tireur d'élite texan : tracer après coup des cibles autour de « tirs au but » déjà présents.
• Heuristique de représentativité : quelques exemples marquants paraissent « typiques » d'un motif.
• Biais de confirmation : les motifs attendus sont vus et mémorisés de préférence.
• Sophisme du joueur : des motifs illusoires dans des séries aléatoires (par ex. des lancers de pièce) suggèrent des résultats « attendus ».
• Paréidolie : forme particulière d'apophénie dans le domaine de la vision.

Exemples

Des visages partout

Les gens voient des visages dans les nuages, sur Mars, dans les prises de courant, les phares de voiture ou les tranches de pain grillé. Le cerveau est extrêmement sensible aux visages — mieux vaut une fausse alerte qu'un signal manqué.

Des motifs dans les données financières

Les courbes et les graphiques en chandeliers stimulent la reconnaissance de motifs. À partir de fluctuations aléatoires, on lit des « figures » (tête-épaules, double creux) censées prédire les mouvements futurs, alors qu'elles sont souvent statistiquement non fiables.

Des coïncidences pleines de sens

Deux personnes se croisent plusieurs fois « par hasard » en peu de temps et y voient le destin. Pourtant, ce sont souvent de simples taux de base et des trajets communs qui en sont la cause — non une causalité.

La pêche aux données dans les études

Qui teste de nombreuses variables sans hypothèse claire trouvera presque à coup sûr des motifs « significatifs ». Sans préenregistrement, corrections pour tests multiples et réplication, ce n'est souvent que du bruit.

Conséquences

• Mauvaise interprétation de données et de coïncidences prises pour des signaux pleins de sens
• Excès de confiance dans les prédictions et les pseudo-motifs
• Mauvaises décisions en science, en médecine, en investissement et au quotidien
• Terreau pour les récits complotistes et la logique de l'anecdote

Contre-stratégies

• Formuler des hypothèses au préalable et préenregistrer les études ; séparer clairement l'exploratoire du confirmatoire
• Recourir aux corrections pour tests multiples (par ex. Bonferroni), à la validation hors échantillon et aux réplications
• Faire appel à des modèles nuls, des tests de randomisation et des simulations : « À quoi ressemblerait le pur hasard ? »
• Lire les visualisations d'un œil critique ; prêter attention à l'échelle des axes, à la sélection et au regroupement a posteriori
• Rechercher délibérément des contre-exemples et intégrer les taux de base

Sources

• Wikipédia : Apophénie
• Wikipédia : Paréidolie
• Kahneman, D. (2011) : Thinking, Fast and Slow — chapitre sur la reconnaissance de motifs et le hasard.
• Taleb, N. N. (2001) : Fooled by Randomness — sur les motifs illusoires dans des données bruitées.
• Gilovich, T. (1991) : How We Know What Isn’t So — les erreurs du raisonnement quotidien.