La question
Au début des années 1970, Amos Tversky et Daniel Kahneman dressaient l’inventaire des raccourcis mentaux que nous utilisons quand nous devons deviner. L’un d’eux, ils l’ont appelé « ajustement et ancrage » : nous partons souvent d’un nombre qui se trouve à portée de main et procédons par ajustements à partir de lui pour parvenir à une réponse. Selon eux, l’ajustement s’arrête en général trop tôt, si bien que la réponse finale reste trop proche du point de départ.
Ce ne serait pas bien grave si le nombre de départ était toujours raisonnable. La question plus tranchante était : et si le nombre de départ n’avait manifestement aucun sens ? Attirerait-il quand même la réponse vers lui ?
Le déroulement
Tversky et Kahneman ont décrit deux démonstrations dans leur article de 1974 paru dans Science.
La roue de la fortune. On demandait aux participants d’estimer diverses quantités exprimées en pourcentages, par exemple le pourcentage de pays africains parmi les membres des Nations unies. Avant chaque estimation, on faisait tourner devant eux une roue graduée de 0 à 100. Ils disaient d’abord si la valeur réelle était supérieure ou inférieure au nombre indiqué par la roue, puis donnaient leur propre estimation. Les différents groupes obtenaient des nombres différents ; l’article rapporte les résultats pour deux d’entre eux, 10 et 65. Dans son livre de 2011, Système 1 / Système 2 : les deux vitesses de la pensée (Thinking, Fast and Slow), Kahneman a expliqué plus tard que la roue avait été truquée pour ne pouvoir s’arrêter que sur ces deux nombres.
La tâche de multiplication. Deux groupes de lycéens disposaient de cinq secondes pour estimer un produit. Un groupe voyait 8×7×6×5×4×3×2×1 ; l’autre voyait les mêmes nombres dans l’ordre inverse, 1×2×3×4×5×6×7×8. Cinq secondes ne suffisent pas pour finir le calcul : on fait quelques étapes et on devine le reste. La prédiction était que les premières étapes serviraient de point de départ.
L’article ne précise ni le nombre de participants ni le lieu où les études ont été menées.
Les résultats
La roue a déplacé les estimations. Le groupe qui avait vu 10 donnait une estimation médiane de 25 %. Le groupe qui avait vu 65 donnait 45 %. Un nombre que tout le monde venait de voir sortir d’une roue décalait la réponse typique de 20 points de pourcentage. Offrir de l’argent pour des réponses exactes ne faisait pas disparaître l’effet.
L’ordre des nombres comptait. Pour la suite commençant par 8, l’estimation médiane était de 2 250. Pour la suite commençant par 1, elle était de 512. Les deux étaient bien trop basses : la bonne réponse est 40 320. Le groupe qui commençait par les grands nombres estimait plus haut, et tout le monde sous-estimait, ce à quoi l’on peut s’attendre si l’on cesse d’ajuster trop tôt.
Tversky et Kahneman soutenaient aussi que l’ancrage aide à expliquer d’autres erreurs, par exemple pourquoi l’on surestime la probabilité qu’une chaîne d’événements probables se réalise en entier, et pourquoi les fourchettes que l’on donne quand on se sent très sûr de soi sont en général trop étroites.
Ce qui s’est vraiment passé (réplications et critiques)
Pourquoi cela fonctionne. L’explication de Tversky et Kahneman était un ajustement insuffisant. En 1997, Strack et Mussweiler ont proposé un autre mécanisme, qu’ils ont appelé l’accessibilité sélective. Quand vous vous demandez si une valeur pourrait être aussi élevée que l’ancre, vous cherchez dans votre mémoire des faits compatibles avec cette valeur. Ces faits sont ensuite plus faciles à retrouver quand vous formulez votre propre estimation. Dans leur première étude, menée auprès de 32 étudiants de l’université de Wurtzbourg, les participants comparaient la hauteur ou la largeur d’un monument à une ancre élevée ou basse. L’ancre déplaçait bien davantage l’estimation suivante quand elle portait sur la même dimension (la hauteur après une comparaison de hauteur) que quand elle portait sur l’autre. Un simple ajustement à partir d’un nombre explique mal cette différence. Dans une autre étude, des ancres franchement absurdes, comme comparer l’âge de Gandhi à sa mort avec 140 ou avec 9, attiraient tout de même les estimations.
L’effet classique se réplique très solidement. En 2014, le premier projet Many Labs a refait 13 résultats classiques dans 36 échantillons réunissant 6 344 participants, aux États-Unis et dans neuf autres pays. Sa tâche d’ancrage reprenait une étude de 1995 de Jacowitz et Kahneman : les participants comparaient une quantité, comme la hauteur de l’Everest ou la population de Chicago, à un nombre élevé ou bas, puis donnaient leur propre estimation. Les quatre questions d’ancrage ont montré l’effet dans chacun des 36 échantillons. Elles figuraient parmi les effets les plus importants de tout le projet, dont les deux plus importants, entre 1,2 et 2,4 écarts-types environ selon la question, soit plus que l’estimation globale de l’étude originale, 0,93. L’ampleur variait d’un site à l’autre, peut-être parce que les gens connaissaient plus ou moins bien les faits en question.
Les prix sont un cas plus délicat. En 2003, Ariely, Loewenstein et Prelec ont demandé à 55 étudiants en MBA du MIT s’ils achèteraient des produits, comme un clavier sans fil ou une bouteille de vin, à un prix égal aux deux derniers chiffres de leur numéro de sécurité sociale. Ils indiquaient ensuite, avec de l’argent réel en jeu, le prix maximal qu’ils étaient prêts à payer. Les étudiants dont le numéro se situait dans le cinquième supérieur proposaient environ deux à trois fois et demie plus que ceux du cinquième inférieur : en moyenne 55,64 $ pour le clavier contre 16,09 $. Pourtant, presque tout le monde continuait d’estimer le meilleur vin au-dessus du moins bon. Les auteurs ont appelé ce mélange de niveaux arbitraires et d’ordre cohérent l’« arbitraire cohérent » (coherent arbitrariness).
Les travaux suivants n’ont pas tranché la question :
- En 2012, Drew Fudenberg, David Levine et Zacharias Maniadis n’ont trouvé qu’un ancrage très faible pour des biens courants, et aucun pour de simples loteries.
- En 2014, Maniadis, Fabio Tufano et John List ont refait une autre expérience de l’article de 2003, dans laquelle les participants indiquaient le prix auquel ils accepteraient d’écouter un son désagréable. Avec 116 étudiants à Bologne, l’effet représentait environ la moitié de l’original et n’était pas statistiquement significatif. Ils soutenaient qu’il ne faut pas se fier à un résultat frappant isolé avant des réplications indépendantes.
- Les auteurs de Data Colada (Uri Simonsohn, Leif Nelson et Joseph Simmons) ont répondu que cette réplication était trop imprécise pour exclure un effet notable, notamment parce que près de la moitié des réponses étaient de 10 cents ou moins, et ne pouvaient donc guère descendre plus bas.
- En 2019, Yoon, Fong et Dimoka ont mené trois nouvelles études et les ont regroupées avec des études antérieures. Ils ont conclu que l’ancrage du consentement à payer était robuste, mais plus faible qu’en 2003.
- En 2020, Ioannidis, Offerman et Sloof n’ont trouvé aucun ancrage lorsque 316 participants lançaient un dé pour fixer un prix de vente aléatoire pour une bouteille de vin.
Le bilan honnête : des ancres aléatoires influencent probablement ce que les gens sont prêts à payer, mais les effets de 2003 semblent se situer dans le haut de la fourchette, et certaines études ne trouvent rien.
Ancres fortuites et ancres informatives. Dans toutes les études ci-dessus, on demande aux gens de réfléchir à l’ancre, généralement en la comparant à la réponse. Une affirmation plus audacieuse veut que des nombres simplement présents dans l’environnement nous ancrent aussi. En 2008, Critcher et Gilovich ont rapporté, entre autres, que les gens prévoyaient des ventes différentes pour un nouveau téléphone selon qu’il s’appelait « P97 » ou « P17 », et qu’ils étaient prêts à payer davantage dans un restaurant appelé « Studio 97 » que dans un restaurant appelé « Studio 17 ». Ces résultats n’ont pas tenu. Many Labs 2 (2018) a refait l’étude du téléphone avec plus de 6 800 participants et a trouvé un effet proche de zéro. En 2020, Shanks et ses collègues ont mené trois études auprès de 1 291 participants, dont une grande étude préenregistrée, et n’ont trouvé aucun ancrage fortuit fiable. Chez les mêmes participants, l’ancrage classique par comparaison fonctionnait fortement. Leur conclusion : il faut probablement réfléchir activement à un nombre pour qu’il nous serve d’ancre.
Il existe une autre distinction. Dans la vie réelle, beaucoup d’ancres ne sont pas dénuées de sens : un prix catalogue ou la première offre d’un expert contient généralement une part d’information, et s’en laisser influencer n’est donc pas toujours une erreur. Ce qui rendait les études de 1974 frappantes, c’est que l’ancre était ouvertement dépourvue d’information.
Éthique
La roue était présentée comme aléatoire alors que, selon le récit ultérieur de Kahneman, elle ne pouvait s’arrêter que sur deux nombres. C’est une légère tromperie. Pour le reste, les tâches étaient inoffensives : deviner des pourcentages et multiplier des nombres. Aucune détresse n’a été signalée, et l’article de 1974 ne décrit pas de débriefing. Une étude de ce genre passerait sans difficulté devant un comité d’éthique aujourd’hui, avec un consentement et une brève explication à la fin.
Ce que cela signifie aujourd’hui
L’ancrage des estimations est l’un des résultats les plus fiables de la psychologie. L’ancrage par des nombres simplement entrevus ne l’est pas. La leçon pratique est donc plus étroite, et plus utile, qu’on ne la présente souvent.
Les habitudes suivantes vont au-delà de ce que ces expériences ont testé, mais elles en découlent :
- Avant de regarder le chiffre de quelqu’un d’autre (un prix, une offre de salaire, une prévision), notez d’abord votre propre estimation.
- Quand on vous a mis un nombre sous les yeux, demandez-vous s’il contient une vraie information ou s’il est simplement arrivé en premier.
- En groupe, recueillez des estimations indépendantes avant que quiconque ne prononce un nombre à voix haute.
Auriez-vous réussi ?
Bientôt disponible. Faites tourner la roue, dites si la réponse est supérieure ou inférieure, puis faites votre estimation. À la fin, vous pourrez comparer vos réponses à celles des personnes qui ont obtenu l’autre nombre, et aux médianes de 25 % et de 45 % de 1974. Une réserve : une fois que vous savez sur quoi porte l’expérience, vous risquez de corriger le tir, si bien que votre résultat ne montrera pas la force de l’effet chez ceux qui ne savent pas.
Les questions qu’on se pose
Qu’est-ce que l’effet d’ancrage ?
C’est la tendance d’une estimation à rester proche d’un nombre que l’on vient d’envisager, même quand ce nombre est arbitraire. Dans l’exemple de Tversky et Kahneman (1974), les personnes qui avaient d’abord vu 10 sur une roue de la fortune donnaient une estimation médiane de 25 % pour la part des pays africains à l’ONU ; celles qui avaient vu 65 donnaient 45 %.
L’effet d’ancrage a-t-il été répliqué ?
La version classique, où l’on compare d’abord une quantité à un nombre élevé ou bas avant de l’estimer, a été répliquée de nombreuses fois. Dans Many Labs 1 (2014), l’effet est apparu dans les 36 échantillons et a produit certains des effets les plus importants parmi les 13 résultats testés.
L’expérience du numéro de sécurité sociale a-t-elle été répliquée ?
En partie. Plusieurs études ont trouvé un ancrage du consentement à payer, mais généralement bien plus faible que chez Ariely, Loewenstein et Prelec (2003). D’autres n’ont trouvé que des effets très faibles, voire aucun. Les chercheurs ne s’accordent toujours pas sur l’ampleur réelle de l’effet.
Un nombre au hasard dans le décor, comme un prix sur une enseigne voisine, sert-il d’ancre ?
D’après les données, probablement pas, ou alors très faiblement. De grandes réplications menées en 2018 et en 2020 n’ont trouvé aucun effet fiable de nombres fortuits auxquels on n’avait pas demandé aux gens de réfléchir, alors que l’ancrage classique, fondé sur une comparaison, fonctionnait bien chez les mêmes participants.
Sources
- Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124–1131. doi:10.1126/science.185.4157.1124
- Kahneman, D. (2011). Thinking, fast and slow. Farrar, Straus and Giroux.
- Strack, F., & Mussweiler, T. (1997). Explaining the enigmatic anchoring effect: Mechanisms of selective accessibility. Journal of Personality and Social Psychology, 73(3), 437–446. doi:10.1037/0022-3514.73.3.437
- Ariely, D., Loewenstein, G., & Prelec, D. (2003). "Coherent arbitrariness": Stable demand curves without stable preferences. The Quarterly Journal of Economics, 118(1), 73–106. doi:10.1162/00335530360535153
- Fudenberg, D., Levine, D. K., & Maniadis, Z. (2012). On the robustness of anchoring effects in WTP and WTA experiments. American Economic Journal: Microeconomics, 4(2), 131–145. doi:10.1257/mic.4.2.131
- Maniadis, Z., Tufano, F., & List, J. A. (2014). One swallow doesn't make a summer: New evidence on anchoring effects. American Economic Review, 104(1), 277–290. doi:10.1257/aer.104.1.277
- Simonsohn, U., Simmons, J., & Nelson, L. (2013, November 11). [7] Forthcoming in the American Economic Review: A misdiagnosed failure-to-replicate. Data Colada. datacolada.org/7
- Yoon, S., Fong, N. M., & Dimoka, A. (2019). The robustness of anchoring effects on preferential judgments. Judgment and Decision Making, 14(4), 470–487. dlab.sauder.ubc.ca/sjdm/journal/19/190426/jdm190426.html
- Ioannidis, K., Offerman, T., & Sloof, R. (2020). On the effect of anchoring on valuations when the anchor is transparently uninformative. Journal of the Economic Science Association, 6(1), 77–94. doi:10.1007/s40881-020-00094-1
- Jacowitz, K. E., & Kahneman, D. (1995). Measures of anchoring in estimation tasks. Personality and Social Psychology Bulletin, 21(11), 1161–1166. doi:10.1177/01461672952111004
- Klein, R. A., Ratliff, K. A., Vianello, M., et al. (2014). Investigating variation in replicability: A "many labs" replication project. Social Psychology, 45(3), 142–152. doi:10.1027/1864-9335/a000178
- Critcher, C. R., & Gilovich, T. (2008). Incidental environmental anchors. Journal of Behavioral Decision Making, 21(3), 241–251. doi:10.1002/bdm.586
- Klein, R. A., Vianello, M., Hasselman, F., et al. (2018). Many Labs 2: Investigating variation in replicability across samples and settings. Advances in Methods and Practices in Psychological Science, 1(4), 443–490. doi:10.1177/2515245918810225
- Shanks, D. R., Barbieri-Hermitte, P., & Vadillo, M. A. (2020). Do incidental environmental anchors bias consumers' price estimations? Collabra: Psychology, 6(1), 19. doi:10.1525/collabra.310