Une origine de l’optimisme !

22 mai 2018
écrit par

Nous sommes des êtres fondamentalement optimistes. Dès lors que nous nous projetons dans notre vie future, nous avons une forte tendance à surestimer la probabilité que des événements positifs nous arriveront et, inversement, à sous-estimer la probabilité de vivre des évènements malheureux.

Par exemple, si l’on interroge des jeunes mariés à la sortie de la Mairie et qu’on leur demande s’ils pensent divorcer, ils sont unanimes : jamais ils ne se sépareront ! Pourtant la plupart des gens savent qu’environ un mariage sur deux termine malheureusement en divorce… [1]. De la même manière, quand on interroge les étudiants fraîchement diplômés sur leur premier salaire, ils se voient en moyenne gagner plus d’argent que leurs camarades [2].

Autrement dit, quand bien même nous serions exposés aux limites et aux aléas de l’existence, il semble que nous ayions une tendance naturelle à envisager notre avenir de façon optimiste. Comment expliquer ce paradoxe ? D’où provient cette tendance ?

 

Nous sommes naturellement optimistes !

Nos croyances, à un moment donné, sont le résultat du regard que nous portons sur nos expériences passées. Si je suis fumeur et qu’on me demande d’estimer le risque que j’ai de mourir prématurément, je vais, dans mon calcul, donner beaucoup plus d’importance à mon grand-père centenaire et pourtant fumeur qu’à son meilleur ami pourtant mort à 65 ans d’un cancer du poumon fulgurant. Les informations qui m’arrangent, qui vont dans mon sens optimiste, vont avoir plus de poids que celles qui me déplaisent [4].

 

Être optimiste influence notre manière d’apprendre de nos expériences.

Si nous portons effectivement un regard biaisé sur nos expériences passées, se pourrait-il que ce biais influence activement la manière dont nous apprenons de nos expériences au quotidien ? C’est ce que des chercheurs du Laboratoire de Neurosciences Cognitives de l’ENS ont voulu expérimenter [3]. Pour cela, ils ont fait passer à des participants une tâche très simple d’apprentissage par renforcement.

 

L’apprentissage par renforcement est une manière simple d’étudier comment nous apprenons de nos réussites et de nos échecs. Pourquoi cela ? Parce que dans notre vie, nous sommes sans cesse amenés à prendre des décisions, à faire des choix entre différentes options. Certains de nos choix nous procurent de la satisfaction, tandis que d’autres nous apportent de la déception. Au fil de notre expérience, nous rencontrons les mêmes situations plusieurs fois, ce qui nous permet d’affiner notre savoir sur ce qui doit être le bon choix.

Imaginons que tous les jours, je déjeune à la cantine de mon école ou de mon entreprise et que je déteste attendre avant d’être servi. En fonction de l’heure à laquelle je me rends à la cantine, il y a plus ou moins de monde. Si je descends à 13h et qu’il y a beaucoup de monde, je suis mécontent. Si je descends à 12h et qu’il n’y a personne, je suis satisfait. Au fur et à mesure des jours, par essais-erreurs, succès-échecs, j’ai appris quel était le meilleur moment pour minimiser le temps d’attente et déjeuner tranquillement. Nous apprenons quotidiennement par renforcement.

Afin de mieux comprendre comment fonctionne cet apprentissage par renforcement, les chercheurs de l’étude ont soumis des participants à une tâche de prise de décision, une sorte de jeu d’ordinateur dans lequel les sujets devaient apprendre par succès-échecs à maximiser des gains monétaires.

Les participants de l’étude devaient, de manière répétée, choisir un symbole parmi deux. Certains d’entre eux pouvaient faire gagner des points (récompense), alors que d’autres pouvaient en faire perdre (punition). Les participants devaient donc apprendre à choisir les symboles qui maximisaient leurs gains et minimisaient leurs pertes. L’intérêt de l’étude était alors de regarder avec quelle rapidité les participants apprenaient, par essai-erreur, à choisir le bon symbole.

Les chercheurs ont observé un biais dans la manière dont les participants traitent les récompenses et les punitions reçues. En effet, il s’est avéré que, dans leur apprentissage, les participants accordaient aux “bonnes nouvelles” deux fois plus d’importance en moyenne qu’aux “mauvaises nouvelles”. Le fait qu’un symbole choisi apporte une récompense inattendue avait deux fois plus d’importance dans l’apprentissage que le fait qu’un symbole choisi apporte une perte inattendue. Un biais d’optimisme était donc présent dans l’apprentissage pour plus de la moitié des participants : ils apprenaient mieux les bonnes nouvelles que les mauvaises !

Ce résultat permettrait d’expliquer pourquoi nous sommes si optimistes concernant les événements de notre vie : nous sommes biaisés de façon trop optimiste dans l’apprentissage, ce qui nous rendrait plus sensibles aux événements positifs et influencerait ainsi nos croyances présentes et futures.

 

Optimiste ? Oui, mais pas toujours…

Une extension intéressante de ce résultat est à chercher du côté des pathologies de l’optimisme. Prenons d’abord le cas de la dépression. Cette dernière se caractérise par un état de réalisme dépressif : le patient ne présentera plus ce biais d’optimisme dans ses apprentissages. Il aura au contraire tendance à considérer de manière froide les conséquences de ses actes et la probabilité d’occurrence des événements positifs ou négatifs possibles, ce qui modifiera les décisions qu’il prendra pour sa vie [5]. Une personne normalement optimiste surestime ses chances de succès, par exemple dans le monde professionnel. C’est ce qui la pousse à postuler à des postes, à demander des promotions, même sans grande chance de succès : ça ne coûte rien ! A l’inverse, une personne dépressive, évaluant la situation, renoncera face à une probabilité trop forte d’échec.

A l’inverse du dépressif, le joueur compulsif montre un biais d’optimisme exacerbé dans l’apprentissage, il ne tient compte que de ses succès et pas de ses échecs, expliquant pourquoi il continue à jouer malgré ses pertes.

Le test ordinateur développé par les chercheurs pourrait ainsi constituer, dans l’avenir, un outil de diagnostic précoce et précis de ces pathologies afin d’améliorer la prise en charge et le traitement d’individus présentant ce type de troubles.

Anis Najar et Marc Pichot de la Marandais

 

Cet article est le fruit d’une collaboration menée entre Cog’Innov et l’équipe de recherche de Stefano Palminteri (Département d’Etudes Cognitives de l’École Normale Supérieure, INSERM). Pendant une journée, les formateurs de Cog’Innov ont proposé plusieurs ateliers de réflexion et exercices pratiques autour des thématiques suivantes : les interactions sciences-société, la transmission des sciences cognitives et les neuromythes, les techniques de vulgarisation (orale et écrite). À l’issue de cette journée, l’équipe disposait des outils nécessaires pour vulgariser ses principales connaissances, méthodes et théories : cet article en témoigne !  

Edition

Alexandre Devaux et Judith Lenglet

Illustration

Marianne Tricot est une illustratrice scientifique formée à l’École Estienne. Elle travaille en tant que free-lance et est à l’origine des Éditions Monocyte, structure d’auto-édition de vulgarisation scientifique et de
didactique visuelle.
https://www.mariannetricot.com/

 

Références

[1] Baker, L. A., & Emery, R. E. (1993). When every relationship is above average: Perceptions and expectations of divorce at the time of marriage. Law and human behavior, 17(4), 439.

[2] Shepperd, J. A., Ouellette, J. A. & Fernandez, J. K. Abandoning unrealistic optimism: performance
estimates and the temporal proximity of self-relevant feedback. J. Pers. Soc. Psychol. 70, 844–855
(1996).     

[3] Lefebvre, G., Lebreton, M., Meyniel, F., Bourgeois-Gironde, S., & Palminteri, S. (2017). Behavioural and neural characterization of optimistic reinforcement learning. Nature Human Behaviour, 1(4), 0067.

[4] Eil, D. & Rao, J. M. The good news–bad news effect: asymmetric processing of objective information about yourself. Am. Econ. J. Microecon. 3, 114–138 (2011).

[5] Garrett, N. et al. Losing the rose tinted glasses: neural substrates of unbiased belief updating in depression. Front. Hum. Neurosci. 8, 639 (2014).

 

Licence Creative Commons
Ce(tte) œuvre est mise à disposition selon les termes de la Licence Creative Commons Attribution – Pas d’Utilisation Commerciale – Pas de Modification 4.0 International.

Qui sont les auteures ?

Marc Pichot de la Marandais
Poursuivant un double diplôme entre l'ESSEC et l'ENS Ulm en Sciences Cognitives, je cherche à mobiliser les résultats et méthodes de la recherche sur le fonctionnement de notre esprit pour améliorer la société: que ce soit dans l'entreprise ou pour construire de meilleures politiques publiques.
Anis Najar
Anis Najar est docteur en Intelligence Artificielle et Robotique et actuellement post-doctorant au Laboratoire de Neurosciences Cognitives Computationnelles de l'École Normale Supérieure. Il s'intéresse à l'apprentissage par renforcement à la fois du point de vue de l'intelligence artificielle et des neurosciences avec un intérêt particulier pour l'apprentissage social

La rédaction vous recommande

Article précédent

Article suivant