- Description
- Des rangées de sièges de bois vides dans une salle d'attente de gare.
- Source
- 須田拓樹 · page d’origine
- Licence
- CC0 Domaine public
L'effet de contraste
Après un candidat brillant, le suivant paraît médiocre ; après un candidat faible, le même paraît excellent.
En bref
- Quoi : la valeur perçue d'une chose dépend de ce à quoi on la compare juste avant ; la même chose paraît meilleure ou pire selon son voisin.
- Pourquoi : l'esprit juge par différences, pas par valeurs absolues ; le dernier exemple devient la référence.
- Détecter : des notes qui varient avec l'ordre de passage, un « moins bien que le précédent » dans les commentaires.
- Éviter : une grille fixée avant, noter chaque candidat ou livrable seul, mélanger l'ordre, espacer les évaluations.
Définition#
Illustration inspirée de la personne
Illustration fictiveL'effet de contraste est le renforcement des différences perçues entre deux éléments examinés l'un après l'autre (ou côte à côte) : après un stimulus de haut niveau, un stimulus moyen est jugé plus bas ; après un stimulus faible, il est jugé plus haut. La perception est relative : on n'évalue pas une chose, on l'évalue par rapport à la précédente.
Le phénomène est ancien et général : un seau d'eau tiède paraît chaud après la glace et froid après l'eau brûlante, et des expériences de psychophysique l'ont montré avec des poids soulevés (Sherif et coll., 1958). En psychologie sociale, Douglas Kenrick et Sara Gutierres (1980) l'ont montré sur le jugement d'attractivité : des étudiants qui venaient de regarder un feuilleton mettant en scène des femmes très séduisantes jugeaient moins attirante la photo d'une femme d'apparence moyenne, comparée à des étudiants qui avaient regardé un autre programme.
Il est proche de l'ancrage, où la référence est un chiffre, et de l'effet de cadrage, où elle est une formulation. Ici, c'est l'élément précédent qui fait référence.
Le mécanisme#
- Un jugement relatif. Le cerveau n'a pas d'échelle absolue pour la plupart des qualités (compétence, charme, prix, difficulté) : il compare à ce qui est disponible en mémoire immédiate.
- La référence est la dernière. Le dernier exemple vu occupe la mémoire de travail ; il devient l'étalon implicite de l'élément suivant.
- Une échelle qui se déplace. Après plusieurs éléments faibles, on ajuste vers le bas la « normale » ; la même copie paraît alors bonne, et une copie correcte paraît excellente. L'inverse se produit après plusieurs éléments excellents.
- Un besoin d'étaler. Quand on évalue plusieurs éléments à la suite, on a tendance à répartir les notes sur toute l'échelle, même si les éléments sont proches : on exagère les écarts.
Uri Simonsohn et Francesca Gino (2013) ont étudié dix années d'entretiens d'admission dans un programme de MBA (plus de 9 000 entretiens). Les entretiens d'une même journée étaient menés l'un après l'autre : un candidat avait moins de chances d'être jugé favorablement s'il passait juste après de bons candidats, et plus de chances s'il passait après de moins bons, alors que rien n'indiquait que l'ordre fût lié à leur valeur. Les auteurs parlent d'un « bracketing » étroit : chaque journée est traitée comme un petit ensemble à équilibrer. Ils jugent le contraste perceptif peu probable comme explication ; l'exemple illustre donc surtout la dépendance du jugement à ce qui précède, voisine de l'effet de contraste.
Même candidat, deux jugements (illustratif)
Chargement du graphique…
Voir les données
| Après un brillant | Évalué seul | Après un faible | |
|---|---|---|---|
| Après un candidat brillant | 2.5 | - | - |
| Évalué seul (grille) | - | 3 | - |
| Après un candidat faible | - | - | 3.5 |
Où on le rencontre#
En conduite de projet#
- Comparaison d'offres : trois offres de prestataires ; l'une, manifestement trop chère, rend les deux autres « raisonnables » (voir aussi l'ancrage). L'ordre de lecture des dossiers de réponse modifie les notes.
- Revue de code : après une demande de fusion catastrophique, une demande « moyenne » paraît propre ; après un travail exemplaire, la même paraît bâclée.
- Chiffrage : une tâche à 5 jours paraît petite si elle suit une tâche à 40 jours ; elle paraît grosse après une tâche à 0,5 jour. Le planning poker sans référence stable en souffre.
- Anomalies : un défaut de gravité moyenne est classé « mineur » après un incident majeur dans la même séance de revue, « majeur » après une série de détails.
- Démonstrations et recettes : une démonstration réussie juste après une démonstration qui a échoué est jugée meilleure qu'elle n'est.
En management#
- Entretiens d'embauche à la suite : le candidat qui passe après un candidat très faible est jugé brillant, et un bon candidat qui suit une star est jugé moyen.
- Tri de candidatures : après vingt CV faibles, un CV honorable paraît remarquable ; l'inverse après une pile de profils d'exception.
- Calibrage des évaluations : un collaborateur correct, évalué juste après le meilleur élément de l'équipe, reçoit une note plus sévère. Un manager qui a une équipe forte note plus durement que celui qui a une équipe faible.
- Promotion ou recrutement interne : le candidat externe, comparé au dernier collaborateur parti, paraît meilleur ou pire selon le souvenir qu'on garde de celui-ci.
- Annonce des augmentations : une augmentation de 3 % paraît généreuse annoncée après une année gelée, et mesquine après une année de primes.
Cas célèbres#
Dix ans d'entretiens d'admission : l'ordre de passage 2013#
Biais en jeu : effet de contraste (et « bracketing » étroit des décisions).
Ce qui s'est passé. Simonsohn et Gino ont exploité les entretiens d'un programme de MBA aux États-Unis : les interviewers voient plusieurs candidats dans une même journée et leur attribuent une note d'évaluation. Les auteurs montrent que l'évaluation d'un candidat est négativement liée à celle des candidats précédents du même jour, mais pas à celle des candidats des jours précédents : comme si chaque journée avait son quota implicite de « bons » candidats. Un bon candidat est ainsi suivi d'un candidat jugé plus sévèrement. Ce schéma ressemble à un contraste, mais les auteurs l'attribuent plutôt au « bracketing » étroit : leurs analyses complémentaires écartent l'effet de contraste perceptif et un ordre de passage non aléatoire comme explications.
Ce que cela illustre
Si l'ordre de passage influence la note, la sélection dépend de qui est passé avant, non seulement de la valeur du candidat. Dans une entreprise, c'est vrai de tous les processus d'évaluation en série : entretiens, soutenances, démonstrations, revues de code d'une même séance. Évaluez chaque élément contre la grille, pas contre le précédent, et variez l'ordre.
Les décisions de libération conditionnelle : nuance obligatoire 2011-2016#
Biais en jeu : décisions successives (contraste possible) ; l'attribution à la fatigue et au contraste est discutée.
Ce qui s'est passé. En 2011, Shai Danziger, Jonathan Levav et Liora Avnaim-Pesso ont publié dans PNAS une étude largement relayée : sur environ 1 100 décisions de libération conditionnelle rendues par huit juges, la proportion de décisions favorables semblait tomber presque à zéro à la fin de chaque séance, puis remonter après une pause. L'article a été lu comme un exemple d'épuisement de la décision, parfois aussi comme une illustration des biais qui lient des décisions successives (on « équilibre » ses décisions).
Ce qui a été contesté. Dès 2011, Keren Weinshall-Margel et John Shapard ont répondu que les dossiers n'étaient pas présentés au hasard : les détenus non représentés par un avocat, dont les demandes étaient moins souvent acceptées, passaient souvent en fin de séance. En 2016, Andreas Glöckner a montré par simulation que l'ampleur de l'effet est largement surestimée dès lors qu'on tient compte d'un ordre des dossiers lié à leur gravité. Le phénomène exact (fatigue, contraste, ordre des dossiers) n'est donc pas établi.
Ce que cela illustre
Cette étude célèbre est à manier avec prudence : elle illustre une question légitime, pas une preuve. Pour un manager, la leçon est double : l'ordre des dossiers peut fausser des décisions successives, mais une statistique spectaculaire sur une cause unique doit se vérifier avant d'être répétée en formation.
Signaux de détection#
- « Il est beaucoup moins bon que le précédent » : une évaluation formulée par rapport à quelqu'un d'autre.
- Les notes d'une même séance s'étalent sur toute l'échelle, alors que les travaux se ressemblent.
- La note d'un candidat change selon l'ordre dans lequel on relit les dossiers.
- Après un cas exceptionnel, tous les suivants semblent « corrects » ou « décevants » sans que la grille ait été relue.
- Un chiffrage ou un devis paraît « raisonnable » seulement parce qu'un autre, plus cher, a été vu juste avant.
- Une équipe forte juge ses nouveaux arrivants plus sévèrement que ne le ferait une équipe moyenne.
Réflexes d'évitement#
- Fixer la grille avant de voir quoi que ce soit. Critères, niveaux et exemples écrits : chaque élément est jugé contre la grille.
- Noter chaque élément seul, tout de suite. Écrire la note et les faits d'un candidat avant de passer au suivant, sans revenir sur les notes précédentes.
- Changer l'ordre. Quand c'est possible, faire varier l'ordre de lecture des dossiers ou l'ordre de passage ; dans un comité, faire tourner les évaluateurs.
- Espacer. Éviter une rafale d'entretiens ou de revues sans pause ; l'écart facilite le retour à la grille.
- Utiliser des références absolues. Échelle ancrée dans des comportements (« a livré seul un lot de bout en bout »), exemples de niveaux, historique des notes.
- Évaluer d'abord, comparer ensuite. Une comparaison entre candidats a sa place, mais après les notes individuelles ; elle tranche, elle ne note pas.
- Se méfier du « meilleur de la série ». Un élément qui domine une série médiocre n'est pas forcément bon ; vérifiez-le contre la grille.
- Faire noter à l'aveugle. Faire relire séparément par plusieurs évaluateurs, dans des ordres différents, puis comparer les notes.
Avec l'IA : détecter, remédier, atténuer#
L'IA a un avantage précieux : elle peut évaluer chaque élément isolément, dans un contexte neuf, contre une grille. Mais, comme les humains, un modèle voit son jugement influencé par ce qui précède dans la même conversation (les biais séquentiels des modèles de langage sont documentés, par exemple par Echterhoff et coll., 2024) : une série évaluée d'un seul tenant risque de la faire contraster aussi. Ouvrez une session neuve par élément.
Détecter#
- Comparer les notes à l'ordre de passage d'une série d'entretiens ou de revues pour repérer une dérive.
- Repérer, dans les commentaires, les jugements relatifs (« mieux que », « moins bon que ») sans critère.
- Mesurer l'étalement des notes d'une séance par rapport à la dispersion réelle des profils.
Remédier#
- Évaluer chaque dossier isolément, contre la grille, dans une session distincte.
- Transformer une grille vague en échelle ancrée : niveaux décrits par des comportements et des exemples.
- Produire une note indépendante à confronter à celles des évaluateurs.
Atténuer#
- Faire réordonner aléatoirement les dossiers avant relecture.
- Faire anonymiser des CV ou des livrables avant évaluation.
- Demander une seconde évaluation en ordre inversé et comparer les écarts.
Prompts à intégrer à vos usages#
1. Évaluation isolée contre une grille. Une session neuve par candidat ou par livrable ; la grille est fournie avant l'élément.
Voici une grille d'évaluation : [critères, niveaux et exemples de comportements].
Évalue l'élément ci-dessous <strong>uniquement</strong> contre cette grille. Tu ne dois comparer cet élément à aucun autre, ni à une moyenne supposée.
Pour chaque critère : la note, les faits précis du document qui la justifient, et ce qui manque pour juger. Si une information manque, ne la suppose pas.
Élément : [CV anonymisé / revue / livrable]2. Détecter un effet d'ordre. Après une série d'entretiens ou de revues, sur des données anonymisées.
Voici des notes dans l'ordre de passage, avec les critères et les commentaires associés : [tableau].
1. Calcule, pour chaque élément, la note précédente et l'écart.
2. Indique si les notes semblent liées à celle de l'élément précédent plus qu'aux faits cités dans les commentaires.
3. Cite les commentaires qui jugent par comparaison (« mieux que », « moins bien que »).
4. Dis ce que tu peux affirmer à partir de ces données et ce qui demande plus d'éléments (taille de l'échantillon, ordre non aléatoire).Comment les intégrer#
- Avant la séance : fixer la grille, éventuellement avec l'aide de l'IA pour l'ancrer en exemples.
- Pendant : chaque évaluateur note seul, avant de voir les notes des autres ; l'IA fournit une note indépendante via le prompt 1.
- Après : le prompt 2 sert de revue de processus, pas à juger les évaluateurs.
Précautions#
- Les CV et évaluations sont des données personnelles : anonymisez et n'utilisez qu'un outil autorisé ; l'évaluation automatisée de candidats est encadrée par la loi.
- Ne faites jamais évaluer deux candidats à la suite dans la même conversation.
- L'IA reproduit des biais de ses données (nom, genre, école) : elle ne remplace pas une décision humaine motivée.
- Elle peut citer des faits absents du document : vérifiez chaque justification.
Limites#
- Le contraste n'est pas toujours défavorable : comparer est parfois utile (choisir entre trois offres revient à les comparer). Le biais commence quand la comparaison remplace l'étalon.
- L'effet inverse existe : l'assimilation. Quand les éléments sont perçus comme de la même catégorie, le jugement se rapproche de la référence au lieu de s'en éloigner (Mussweiler, 2003).
- L'effet d'ordre dans les décisions successives, très commenté, est discuté (voir le cas des libérations conditionnelles) ; l'étude des entretiens MBA, elle, repose sur des données observées d'un seul programme.
- Dans certains contextes (concours, jurys), le contraste est amplifié par l'obligation de classer, qui pousse à écarter les notes.
Sources et vérification#
- Sherif, Taub & Hovland (1958), « Assimilation and contrast effects of anchoring stimuli on judgments », Journal of Experimental Psychology, 55 — les poids soulevés.
- Kenrick & Gutierres (1980), « Contrast effects and judgments of physical attractiveness: When beauty becomes a social problem », Journal of Personality and Social Psychology — l'expérience du feuilleton télévisé.
- Simonsohn & Gino (2013), « Daily horizons: Evidence of narrow bracketing in judgment from 10 years of MBA admissions interviews », Psychological Science — l'ordre de passage dans les entretiens.
- Danziger, Levav & Avnaim-Pesso (2011), « Extraneous factors in judicial decisions », PNAS — étude controversée.
- Glöckner (2016), « The irrational hungry judge effect revisited: Simulations reveal that the magnitude of the effect is overestimated », Judgment and Decision Making, 11(6) — simulation.
- Weinshall-Margel & Shapard (2011), « Overlooked factors in the analysis of parole decisions », PNAS — critique méthodologique.
- Mussweiler (2003), « Comparison processes in social judgment: Mechanisms and consequences », Psychological Review — contraste et assimilation.
- Echterhoff et coll. (2024), « Cognitive Bias in Decision-Making with LLMs » — biais cognitifs des modèles de langage.
