i

Description

Montagnes et forêt se reflétant dans l'eau immobile d'un lac

Source

Yellowstone National Park (National Park Service) · page d’origine

Licence

PD Domaine public

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

Le faux consensus

Ce qui nous semble évident, nous supposons que tout le monde le trouve évident.

En bref

• Quoi : on surestime la part des autres qui partagent nos choix, nos opinions et nos préférences.
• Pourquoi : notre propre avis est la donnée la plus accessible ; on fréquente des gens qui nous ressemblent ; on interprète la situation comme « la » réalité.
• Détecter : « tout le monde sait que… », « personne ne voudrait… », un utilisateur type qui ressemble à l'équipe.
• Éviter : demander plutôt que supposer, sonder anonymement, tester avec de vrais utilisateurs, prévoir que l'avis contraire existe.

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. Ross, Greene et House : « Eat at Joe's » 1977
   2. Les « tapeurs » et les « auditeurs » (malédiction du savoir) 1990
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

Le faux consensus (false consensus effect) est la tendance à surestimer le degré auquel les autres partagent nos opinions, nos croyances, nos préférences et nos comportements. Il est décrit en 1977 par Lee Ross, David Greene et Pamela House (Stanford).

Ce qui définit l'effet n'est pas que l'on pense que les autres nous ressemblent un peu, ce qui peut être raisonnable, mais que l'estimation dépend de notre propre choix : deux personnes qui ont fait des choix opposés estiment chacune que son choix est le plus répandu.

Le mécanisme#

• Disponibilité. Notre avis et ceux de notre entourage sont les plus accessibles en mémoire ; ils forment l'échantillon sur lequel nous raisonnons.
• Échantillon biaisé. Nous fréquentons surtout des gens du même métier, du même milieu, du même service : leur accord nous semble représentatif.
• Interprétation de la situation. Chacun croit voir la situation « telle qu'elle est » ; si elle est évidente, les autres doivent réagir comme nous. Ross appelle cela le réalisme naïf.
• Motivation. Savoir que nous ne sommes pas seuls à penser ainsi est rassurant et justifie nos choix.

Où on le rencontre#

En conduite de projet#

• Conception d'interface : l'équipe conçoit « pour l'utilisateur » en prenant ses propres habitudes comme norme ; ce qui lui paraît intuitif ne l'est pas pour un utilisateur occasionnel (voisin de la malédiction du savoir).
• Recueil de besoins : « tout le monde veut cette fonctionnalité » signifie souvent « le sponsor et moi la voulons ».
• Décisions rapides en réunion : « c'est évident, on est d'accord ? » ; les silences sont lus comme des accords.
• Standards et règles d'équipe : une convention de nommage ou un outil sont jugés « évidemment meilleurs » parce qu'ils conviennent à ceux qui les ont choisis.
• Relation avec le client : on suppose que ses priorités, ses contraintes et ses mots sont les nôtres.

En management#

• Motivation : le manager que l'autonomie motive suppose que tout le monde l'apprécie, et supprime les points de repère qu'une partie de l'équipe voudrait.
• Communication : « tout le monde a compris » après un message d'annonce ; personne n'a posé de question, parce que chacun croit être le seul à ne pas avoir compris (ignorance pluraliste).
• Climat d'équipe : un manager sûr que « l'équipe est contente » parce que lui l'est, ou parce que ses proches collaborateurs le disent.
• Changement : le sponsor d'une réorganisation sous-estime la part de ceux qui s'y opposent, parce que son cercle y adhère.

Cas célèbres#

Signaux de détection#

• « Tout le monde sait que… », « personne ne ferait ça », « les gens veulent… » sans donnée.
• L'utilisateur « type » est un collègue, ou soi-même.
• Les silences sont lus comme des accords ; on n'a pas demandé à ceux qui se taisent.
• On est surpris par l'avis contraire : « je ne pensais pas que quelqu'un puisse penser ça ».
• Les avis différents sont attribués à de l'incompétence ou de la mauvaise foi plutôt qu'à des préférences différentes.
• Les décisions se prennent en petit comité, sans consultation, parce que « tout le monde est d'accord ».

Réflexes d'évitement#

1. Demander plutôt que supposer. Transformer « tout le monde pense que… » en question posée à un échantillon varié, avant de décider.
2. Sonder anonymement. Un sondage rapide (deux ou trois questions) donne la proportion réelle ; les réponses ne dépendent pas du rang ni de la gêne.
3. Tester avec de vrais utilisateurs. Cinq personnes qui n'ont pas conçu le produit révèlent, selon Jakob Nielsen (2000), environ 85 % des problèmes d'usage d'une interface ; elles ne remplacent pas un échantillon représentatif, mais elles corrigent l'estimation de l'équipe.
4. Chercher l'avis contraire. Demandez : « Qui, dans l'équipe ou chez le client, ne serait pas d'accord, et pourquoi ? » Désignez quelqu'un dont la tâche est d'y répondre.
5. Élargir son échantillon. Parlez à des gens d'autres métiers, d'autres niveaux, d'autres sites, de vrais clients.
6. Distinguer le silence de l'accord. Tour de table ou vote simultané, pas « quelqu'un a une objection ? ».
7. Expliciter ses hypothèses. Écrire « je pars du principe que les utilisateurs savent X » ; la phrase écrite est plus facile à vérifier que l'évidence implicite.
8. Prendre un avis contraire pour une donnée, pas pour une anomalie. S'il existe, c'est que l'effet joue : ajoutez-le à votre estimation.

Avec l'IA : détecter, remédier, atténuer#

Prompts à intégrer à vos usages#

1. Lister les hypothèses d'« évidence ». Avant une décision ou une conception.

Voici une décision ou une conception que nous envisageons : [description] pour [public concerné].
Liste toutes les hypothèses implicites sur ce que les utilisateurs ou les parties prenantes savent, veulent et feront (« tout le monde sait que… »). Pour chacune : la façon la plus simple de la vérifier (question, test ou donnée) et ce qui changerait si elle était fausse.
Classe-les de la plus risquée à la moins risquée.

2. Questionnaire neutre en trois questions. Pour mesurer plutôt que deviner.

Nous voulons savoir si [population] préfère [option A] ou [option B] pour [objet]. Rédige un questionnaire de cinq questions maximum, sans formulation qui oriente la réponse, avec des choix équilibrés et une question ouverte finale.
Explique ensuite comment constituer l'échantillon pour qu'il ne soit pas seulement composé de gens qui nous ressemblent, et ce qu'on ne pourra pas conclure d'un petit échantillon.

3. Relire un message du point de vue de quelqu'un qui ne sait pas. Pour tester un message ou une documentation.

Voici un message destiné à [destinataire, niveau de connaissance] : [texte]. Lis-le comme quelqu'un qui n'a aucun des éléments de contexte de son auteur.
Indique : les termes ou allusions qu'il ne comprendrait pas, les étapes sautées, ce qu'il pourrait comprendre de travers, et les questions qu'il se poserait sans oser les poser. Propose une version plus claire.

Comment les intégrer#

• Avant la décision : le prompt 1 rend visibles les « évidences » ; l'équipe choisit lesquelles vérifier.
• Pour mesurer : le prompt 2 aide à rédiger le sondage, que vous envoyez à de vraies personnes.
• Avant de publier : le prompt 3 sert de première relecture, suivie d'une relecture par un vrai destinataire.

Précautions#

• Un « utilisateur simulé » n'est pas un utilisateur : ne présentez jamais ses réponses comme des résultats d'enquête.
• Ne soumettez pas la question à l'IA en lui donnant d'abord votre opinion : elle vous renverra le consensus que vous cherchez.
• N'envoyez pas de données personnelles ou confidentielles à un outil non autorisé.

Limites#

• L'effet est robuste (revue de Marks et Miller, 1987), mais son interprétation est discutée : se servir de son propre avis comme indice de l'avis des autres peut être rationnel quand on n'a pas d'autre information (Dawes, 1989 ; Hoch, 1987). Le biais commence quand l'estimation ne se corrige pas avec des données.
• Krueger et Clement (1994) ont pourtant montré que l'effet persiste dans des conditions où une simple inférence raisonnable devrait le réduire : il ne s'y résume pas.
• Il varie selon le sujet : plus fort sur les opinions et préférences que sur les capacités, et plus fort quand l'avis est important pour soi.
• À ne pas confondre avec l'ignorance pluraliste, son contraire : on croit être seul à penser quelque chose que beaucoup pensent aussi, et on se tait.

Sources et vérification#

• Ross, Greene & House (1977), « The “false consensus effect”: An egocentric bias in social perception and attribution processes », Journal of Experimental Social Psychology, 13(3), 279-301
• Marks & Miller (1987), « Ten years of research on the false-consensus effect: An empirical and theoretical review », Psychological Bulletin, 102(1), 72-90
• Dawes (1989), « Statistical criteria for establishing a truly false consensus effect », Journal of Experimental Social Psychology, 25(1), 1-17.
• Krueger & Clement (1994), « The truly false consensus effect: An ineradicable and egocentric bias in social perception », Journal of Personality and Social Psychology, 67(4), 596-610
• Hoch (1987), « Perceived consensus and predictive accuracy: The pros and cons of projection », Journal of Personality and Social Psychology, 53(2).
• Nielsen, J. (2000), « Why You Only Need to Test with 5 Users », Nielsen Norman Group.
• Newton (1990), thèse de doctorat, université Stanford (titre cité sous plusieurs formes selon les sources, dont Overconfidence in the communication of intent: Heard and unheard melodies) — l'expérience des « tapeurs ».
• Heath & Heath (2007), Made to Stick: Why Some Ideas Survive and Others Die, Random House — récit de l'expérience des « tapeurs ».

Voir aussi#