i

Description

Un amphithéâtre

Source

Cherie Cullen · page d’origine

Licence

PD Domaine public

Photo d’origine, non retouchée. L’arrière-plan en est une version stylisée par le site.

L'effet de simple exposition

À force de croiser quelqu'un ou quelque chose, on l'apprécie davantage, et on prend cette familiarité pour de la qualité.

En bref

• Quoi : la simple répétition d'une exposition à un stimulus (personne, nom, outil, marque) augmente l'appréciation qu'on en a.
• Pourquoi : ce qui est familier est traité plus facilement, et cette facilité est ressentie comme agréable et sûre.
• Détecter : on choisit « celui qu'on connaît », « celui qu'on voit tout le temps », sans comparaison avec d'autres.
• Éviter : critères fixés à l'avance, comparer au moins une option inconnue, rendre visible le travail de ceux qu'on voit peu.

Sur cette page

1. Définition
2. Le mécanisme
3. Où on le rencontre
   1. En conduite de projet
   2. En management
4. Cas célèbres
   1. Zajonc et les mots sans signification 1968
   2. Les quatre étudiantes de l'amphithéâtre 1992
5. Signaux de détection
6. Réflexes d'évitement
7. Avec l'IA : détecter, remédier, atténuer
   1. Détecter
   2. Remédier
   3. Atténuer
   4. Prompts à intégrer à vos usages
   5. Comment les intégrer
   6. Précautions
8. Limites
9. Sources et vérification
10. Voir aussi
    1. Se combine avec, ou renforce
    2. Biais voisins
    3. Contrepoids et réflexes associés

Définition#

Illustration fictive

L'effet de simple exposition (mere-exposure effect) est l'augmentation de l'appréciation d'un stimulus du seul fait qu'on y a été exposé à plusieurs reprises, sans autre information ni récompense. L'effet a été décrit par le psychologue Robert Zajonc en 1968 : des mots sans signification, des idéogrammes chinois ou des photographies de visages vus plus souvent sont jugés plus agréables que ceux vus rarement ou jamais, sans que les participants sachent que la fréquence variait.

Dans les organisations, il prend la forme du « je le connais » : le prestataire habituel, l'outil de toujours, la collègue vue chaque jour en réunion paraissent plus fiables et plus compétents que des alternatives que l'on voit peu. Le slogan « personne n'a jamais été licencié pour avoir acheté IBM » en est la version commerciale, parfois citée pour décrire la préférence des acheteurs pour le fournisseur familier et rassurant.

Le mécanisme#

• Fluence de traitement. Ce qu'on a déjà rencontré est reconnu et traité plus vite ; cette facilité est ressentie comme une impression positive, que l'esprit attribue à l'objet lui-même.
• Un signal de sécurité. Rien de mauvais n'est arrivé lors des rencontres précédentes : la répétition sans conséquence apprend à l'organisme que l'objet est sans danger.
• Souvent à l'insu de la personne. L'effet joue même quand l'exposition est trop brève pour être reconnue : Kunst-Wilson et Zajonc (1980) ont présenté des figures pendant une milliseconde ; les participants ne reconnaissaient pas celles déjà vues, mais les préféraient.
• Une courbe en cloche. L'effet croît d'abord, puis plafonne ou s'inverse : une surexposition (répétition lassante) peut déclencher l'agacement, en particulier pour des stimuli simples et des expositions rapprochées.

La méta-analyse de Bornstein (1989), qui porte sur plus de deux cents expériences, confirme que l'effet est robuste. Elle montre aussi qu'il est plus fort quand l'exposition est brève ou ne peut pas être reconnue, et qu'il ne se limite pas aux stimuli visuels.

Où on le rencontre#

En conduite de projet#

• Choix d'un prestataire ou d'un outil : l'éditeur déjà présent dans la maison l'emporte sur une alternative meilleure sur le papier, sans que la comparaison ait lieu. Il se combine avec le biais du statu quo.
• Choix techniques : le langage ou le cadre que l'équipe voit tous les jours paraît « plus sûr » qu'un autre qu'elle connaît peu.
• Estimations : une tâche de type connu paraît moins risquée qu'une tâche qu'on n'a jamais faite, même quand le risque réel est comparable.
• Sous-traitance et fournisseurs : les fournisseurs en contact fréquent avec le chef de projet sont mieux notés que ceux qui livrent sans bruit ; la visibilité récompense la fréquence des échanges, non les résultats.
• Arbitrages d'architecture : on reconduit les solutions de la dernière fois, qui « ont marché », sans étudier celles qui ne sont pas passées par l'équipe.

En management#

• Promotions et missions : on confie les tâches importantes à ceux qu'on voit le plus souvent, en présentiel, en réunion ou sur la messagerie, au détriment de ceux qui travaillent à distance ou discrètement.
• Télétravail : la visibilité devient un critère implicite (proximity bias) ; les collaborateurs sur site sont perçus comme plus engagés.
• Recrutement : un candidat dont le nom, l'école ou l'ancienne entreprise sont connus est préféré à un candidat inconnu.
• Cercle de confiance : le manager délègue toujours aux deux ou trois mêmes personnes, qui deviennent plus « sûres » à mesure qu'on leur confie des tâches, tandis que les autres n'ont pas l'occasion de se montrer.
• Réunions : celui qui intervient souvent est jugé plus compétent que celui qui parle moins mais juste.

Cas célèbres#

Signaux de détection#

• « On a toujours travaillé avec eux » ou « tout le monde les connaît » est l'argument principal d'un choix.
• Le même petit cercle reçoit les missions visibles, les promotions, les formations.
• Le candidat ou le prestataire déjà connu n'est pas comparé aux autres sur les mêmes critères.
• Les collaborateurs peu visibles (à distance, discrets, en renfort) reçoivent des évaluations plus pauvres, sans faits à l'appui.
• La confiance dans un outil ou une solution diminue dès qu'on la change, avant toute mesure de qualité.
• Les nouveaux arrivants ont du mal à être pris au sérieux « tant qu'on ne les connaît pas ».

Réflexes d'évitement#

1. Fixer des critères avant de regarder les options. Un choix de prestataire, d'outil ou de personne s'appuie sur une grille écrite, la même pour toutes les options, connues ou non.
2. Comparer au moins une option inconnue. Pas pour la choisir à tout prix, mais pour tester si la familiarité pèse : si l'option connue gagne sur la grille, le choix est justifié.
3. Séparer connaître et évaluer. « Je le connais » est une information (risque, historique), pas une preuve de qualité. Cherchez des faits : résultats, livrables, incidents.
4. Rendre visible le travail de tous. Démonstrations régulières, tableaux de livraisons, comptes rendus attribués : le résultat, plus que la présence, doit remonter.
5. Répartir les occasions. Rotation des missions visibles, des présentations, des animations de réunion ; vérifier périodiquement qui n'en a pas eu.
6. Équiper la distance. En équipe hybride, des points individuels réguliers et des faits écrits compensent la moindre visibilité.
7. Faire se rencontrer avant d'évaluer. Une exposition au candidat ou au prestataire (échange, essai, preuve de concept) dissipe l'effet de nouveauté.
8. Se méfier de la sur-exposition aussi. Un outil ou un visage vus trop souvent finissent par lasser : la familiarité n'est pas toujours un avantage.

Avec l'IA : détecter, remédier, atténuer#

Prompts à intégrer à vos usages#

1. Comparatif anonymisé d'options. Pour un choix d'outil, de prestataire ou de solution, avant de savoir « qui est qui ».

Voici des critères de choix, par ordre d'importance : [critères et poids].
Voici trois options, présentées sans nom ni marque (A, B, C) : [description de chaque option].
Évalue chaque option sur chaque critère en citant les éléments précis de la description. Si une information manque, écris « inconnu » plutôt que de la supposer.
Ne tiens compte d'aucune notoriété, ancienneté ou habitude. Termine par les questions à poser à chaque option pour combler les « inconnu ».

2. Qui voit-on, qui ne voit-on pas ?. Avant une revue des promotions ou une répartition des missions, sur des données anonymisées.

Voici la liste des missions visibles de l'année (présentations, projets clés, animations) et la liste des contributions de chaque collaborateur (tickets, livraisons) : [données anonymisées].
1. Calcule la répartition des missions visibles entre les collaborateurs et compare-la à la répartition des contributions.
2. Signale les collaborateurs dont les contributions sont élevées et la visibilité faible, et l'inverse.
3. Propose une répartition plus équilibrée pour le prochain trimestre.
Précise ce que ces données ne permettent pas de conclure.

Comment les intégrer#

• Au moment du choix : le prompt 1 fournit un comparatif à l'aveugle qui complète (sans le remplacer) l'analyse de l'équipe.
• Avant les revues de talents : le prompt 2 donne une image de la visibilité, à discuter avec les faits.
• En continu : une trace simple des contributions de chacun, tenue en équipe, nourrit ces analyses.

Précautions#

• Un modèle a un biais de notoriété : il favorise les options très citées. Demandez-lui explicitement de ne pas en tenir compte et vérifiez.
• Les données sur les personnes sont sensibles : anonymisez, n'utilisez qu'un outil autorisé, et n'en faites pas un classement automatique.
• Les recommandations d'IA sur des outils peuvent contenir des fonctions ou des références inventées : vérifiez dans la documentation officielle.

Limites#

• La familiarité n'est pas toujours un biais : un fournisseur qu'on connaît a un historique, un outil maîtrisé coûte moins cher à utiliser. Le biais commence quand elle remplace les critères.
• L'effet est plus faible quand l'objet est perçu négativement dès le départ : répéter l'exposition à un stimulus déplaisant peut renforcer la désapprobation.
• Il est surtout démontré en laboratoire, avec des stimuli simples et neutres. Son ampleur dans les décisions réelles de promotion ou de choix de fournisseurs est moins bien mesurée ; on le suppose plus qu'on ne le mesure.
• L'attribution des écarts de carrière au seul effet de visibilité est une hypothèse ; plusieurs facteurs s'y mêlent (réseau, accès aux sponsors, biais de ressemblance).

Sources et vérification#

• Zajonc (1968), « Attitudinal effects of mere exposure », Journal of Personality and Social Psychology, monograph supplement — l'étude fondatrice.
• Bornstein (1989), « Exposure and affect: Overview and meta-analysis of research, 1968-1987 », Psychological Bulletin — la méta-analyse.
• Kunst-Wilson & Zajonc (1980), « Affective discrimination of stimuli that cannot be recognized », Science — exposition sans reconnaissance.
• Moreland & Beach (1992), « Exposure effects in the classroom: The development of affinity among students », Journal of Experimental Social Psychology — les quatre étudiantes.
• Echterhoff et coll. (2024), « Cognitive Bias in Decision-Making with LLMs » — biais cognitifs des modèles de langage.

Voir aussi#