CONNEXION
RECEVEZ LES ÉMISSIONS
XERFI CANAL GRATUITEMENT
La revue audiovisuelle de l'économie, la stratégie et du management
Newsletter #006A9E
économie #00aeef
stratégie & management #572475
business #C43031
IQSOG #F9BE13
secteurs

Secteurs

#1BB899
campus

Campus

#7030A0
chaînes partenaires

Partenaires

#BABEC4
Qui sommes-nous ?

QSN

#4198a9
https://player.vimeo.com/video/531635012?autoplay=1 Olivier-Sibony-Faire-une-meilleure-prevision-c-est-plus-de-la-chance-que-du-genie-306348035.jpg
03/06/202106:09

Connaissez-vous le principe de la « sagesse des foules » ? L’idée est simple : en général, la moyenne des estimations ou des prévisions d’un groupe est meilleure que celles de la plupart des personnes qui composent ce groupe. L’expérience originelle est celle de Francis Galton, qui, en 1906, demanda à des centaines de personnes présentes à une foire agricole de deviner le poids d’un bœuf. Personne n’avait la réponse exacte, mais la moyenne des réponses et leur médiane étaient toutes deux étonnamment proches du poids réel. Vous pouvez reproduire cette expérience même si vous n’avez pas de bœuf sous la main : si vous avez une cinquantaine de personnes dans la même pièce, présentez-leur une jarre transparente pleine de M&Ms, et demandez leur de deviner combien il y en a. Là aussi, vous constaterez que la moyenne des réponses est proche de la réponse juste, bien plus proche en tous cas que la majorité des participants.

On a pu vérifier ce phénomène sur un grand nombre de tâches d’estimation ou de prévision. Son explication est assez simple. Les erreurs de tous les participants ont une composante partagée et une composante aléatoire. L’erreur partagée, c’est le biais qui peut être présent dans les réponses : si, par exemple, vous demandez à un groupe de fans du Paris Saint Germain une prévision du nombre de points que leur équipe obtiendra en championnat, il y aura probablement une erreur partagée (dans le sens optimiste). Et la moyenne des réponses reflètera cette erreur. Mais la partie aléatoire des erreurs, elle, s’annule quand on en prend la moyenne – puisque tout le monde ne se trompe pas dans le même sens. Donc, quand on prend la moyenne d’un groupe de personnes, pourvu qu’elles ne soient pas sous l’influence de la même erreur, et à condition qu’elles ne s’influencent pas les unes les autres, on a de bonnes chances de trouver l’effet sagesse des foules.

Il y a dans cette idée quelque chose d’évident, mais aussi quelque chose de très étrange. L’idée évidente, c’est quand on vous dit, par exemple, que la moyenne des prévisions boursières faites par différents analystes est une assez bonne indication de ce qui va se produire. Vous n’en serez pas étonné : après tout, c’est ce qu’on appelle le « consensus » des économistes ou des analystes financiers. Notons au passage qu’il ne s’agit pas d’un consensus, mais de la moyenne des divergences, qui ne vaudrait rien s’il n’y avait pas – justement – du dissensus !

Mais il y aussi dans l’idée de la sagesse des foules quelque chose de très contre-intuitif. D’accord, le consensus fait mieux que l’analyste moyen. Mais la plupart des gens imaginent naturellement que, si on arrive à identifier les meilleurs, ces meilleurs-là feront mieux que le consensus. On peut même espérer en faire partie : c’est ce qui nous permet quelquefois de croire que nous avons raison contre tous. Après tout, l’intuition suggère qu’il doit y avoir des gens qui sont au-dessous de la moyenne, mais aussi des gens qui sont au-dessus.

Cette intuition apparemment évidente n’est pourtant pas forcément juste. Bien sûr, sur une prévision donnée, il y aura toujours des individus qui seront plus proches de la bonne réponse que la moyenne du groupe. Mais si ces individus ne sont pas les mêmes d’une prévision à l’autre, leur surperformance occasionnelle n’est rien d’autre qu’un coup de chance ! Pour croire qu’il est possible de faire mieux que la sagesse des foules, il faut trouver des individus qui font mieux que la foule, avec suffisamment de constance dans la performance pour démontrer que c’est le résultat de leur talent.

Est-ce le cas ? C’est une question empirique, à laquelle la réponse n’est pas forcément la même d’un domaine à l’autre. Mais dans le domaine des prévisions économiques, une étude vient d’apporter des éléments de réponse. Trois chercheurs américains ont analysé des milliers de prévisions faites par des centaines d’économistes sondés par Bloomberg sur une période de 22 ans. Leur conclusion est sans appel. Certes, beaucoup de prévisionnistes ont un vrai savoir-faire, au sens où ils font mieux que des modèles statistiques. Mais y en a-t-il qui font mieux que la sagesse des foules, c’est à dire que la moyenne des économistes sondés par Bloomberg ? Non. Encore une fois, sur chaque prévision, il y en a ; mais comme ce ne sont pas les mêmes à chaque fois, on peut conclure que c’est l’effet de la chance. Bref, dans cet exemple de la prévision économique, personne n’est réellement meilleur que la moyenne.

Il y a une conséquence de cette observation qui devrait nous faire réfléchir. Il arrive souvent que nous remarquions que – sur une question donnée – quelqu’un a eu raison « seul contre tous ». Nous en concluons que cette personne mérite notre respect, notre admiration, et surtout notre confiance pour sa prochaine prévision – même, ou surtout, si la prochaine fois, cette prévision est à nouveau très différente du consensus. C’est par exemple sur la base de ce type de raisonnement que beaucoup de gens décident de confier leur épargne à un gérant de fonds plutôt qu’un autre.

Il n’est pas impossible que dans certains domaines, ce raisonnement soit juste ; et qu’il existe des individus qui font durablement mieux que la moyenne. Mais notre hypothèse de base devrait être l’inverse : jusqu’à preuve du contraire, quand un individu fait une meilleure prévision que le consensus, nous devrions supposer que c’est l’effet de la chance, pas celui du génie. Et donc, si nous passons outre le consensus pour nous fier à une seule personne, même sur la base de ses excellents jugements passés, nous avons de fortes chances de faire une erreur.


Références :

Qu, R., Timmermann, A. A. & Zhu, Y. Do Any Economists Have Superior Forecasting Skills? SSRN Electron. J. (2019). doi:10.2139/ssrn.3479463


En savoir plus
x

CONNEXION

Pour poursuivre votre navigation, nous vous invitons à vous connecter à votre compte Xerfi Canal
Déjà utilisateur
Identifiant/email :
Mot de passe :
Rester connecté Mot de passe oublié?
Le couple email / mot de passe n'est pas valide  
 
x
Veuillez saisir l'adresse e-mail utilisée pour créer votre compte Xerfi Canal.
Email :
S'identifier