Pourquoi féliciter un bon résultat ne semble pas fonctionner, et gronder un mauvais résultat, si ?

Un instructeur de vol chevronné a un jour expliqué à Daniel Kahneman que ses éloges rendaient les cadets moins bons et que ses cris les rendaient meilleurs. Kahneman raconte dans Système 1 / Système 2 : Les deux vitesses de la pensée (2011) que cette objection, qui semblait d’abord démonter complètement ce qu’il enseignait, lui a offert l’expérience de découverte la plus gratifiante de sa carrière.

L’objection de l’instructeur de vol

Kahneman formait des instructeurs de l’armée de l’air israélienne à la psychologie de l’entraînement efficace. Son message était celui de la recherche comportementale de l’époque : les récompenses pour les progrès sont généralement plus efficaces que les punitions pour les erreurs, une idée étayée par des décennies d’études sur les pigeons, les rats et les humains.

À la fin de son exposé, l’un des instructeurs les plus expérimentés a levé la main avec une objection précise, fondée sur sa propre expérience :

• Quand il félicitait un cadet pour avoir bien exécuté une manœuvre acrobatique, à l’essai suivant celui-ci faisait généralement moins bien.
• Quand, au contraire, il lui criait dessus dans les écouteurs après une mauvaise exécution, à l’essai suivant il s’améliorait généralement.

Pour l’instructeur, la conclusion était évidente : la théorie était fausse, la punition fonctionnait et l’éloge non.

Kahneman décrit ce moment comme une révélation : l’instructeur avait tout à fait raison sur ce qu’il avait observé, et il avait en même temps complètement tort sur l’explication qu’il en donnait.

Ce qui se passait réellement : la régression vers la moyenne

Ce que l’instructeur avait détecté, sans le savoir, était un phénomène statistique appelé régression vers la moyenne.

Quand la performance d’un cadet dans une manœuvre dépend en partie de la compétence et en partie du hasard (une brève série de bonne ou de mauvaise chance), un résultat particulièrement bon a tendance à être suivi, à l’essai suivant, d’un résultat un peu moins bon, et un résultat particulièrement mauvais d’un résultat un peu meilleur.

Non parce qu’il existerait une force compensatoire, mais simplement parce que l’extrême, par définition, a peu de chances de se répéter deux fois de suite.

L’instructeur ne félicitait un cadet que lorsque son exécution avait été meilleure que d’habitude ; il était donc statistiquement prévisible que l’essai suivant soit un peu moins bon, en toute indépendance de la félicitation.

Et il ne criait que lorsque l’exécution avait été particulièrement mauvaise ; il était donc prévisible que l’essai suivant s’améliore, là encore indépendamment de la réprimande.

L’instructeur avait confondu une fluctuation aléatoire avec une relation de cause à effet.

La démonstration improvisée avec deux pièces

Conscient qu’une explication purement statistique n’allait pas convaincre la salle, Kahneman a eu recours à une démonstration physique sur-le-champ : il a dessiné une cible au sol à la craie et a demandé à chaque officier présent de lancer, dos à la cible, deux pièces d’affilée sans regarder.

Le schéma qui est apparu au tableau était exactement celui que l’instructeur avait décrit avec les manœuvres acrobatiques :

• La plupart de ceux qui étaient tombés le plus près du centre au premier lancer ont fait moins bien au second.
• La plupart de ceux qui avaient le plus manqué au premier lancer se sont améliorés au second.

Et ici, il était évident que ni l’éloge ni la réprimande n’y étaient pour quoi que ce soit, car personne ne félicitait ni ne criait sur personne entre deux lancers : la seule explication possible était la régression vers la moyenne.

Un phénomène vieux de plus d’un siècle

Kahneman n’a pas découvert la régression vers la moyenne. C’est Francis Galton qui l’a décrite en 1886, en comparant la taille des parents et celle de leurs enfants : les enfants de parents très grands étaient grands, mais en moyenne un peu moins que leurs parents, et ceux de parents très petits étaient petits, mais un peu moins. Galton a appelé cela « régression vers la médiocrité ». On la comprend aujourd’hui comme une conséquence statistique de toute corrélation imparfaite entre deux mesures, sans qu’aucune force ne pousse vers le centre.

Ce qu’ont ajouté Kahneman et Amos Tversky, c’est la dimension psychologique. Dans leur article de 1973 sur la psychologie de la prédiction, ils ont montré que les intuitions des gens ne tiennent pas compte de la régression lorsqu’ils prédisent, et dans leur célèbre article de 1974 sur les heuristiques et les biais, ils utilisaient déjà le cas des instructeurs de vol : quand la régression apparaît, on lui invente une cause. C’est l’erreur de l’instructeur : le phénomène statistique vient de Galton, l’explication causale erronée est universelle.

Un schéma qui apparaît aussi au golf

Kahneman illustre le même principe avec un autre exemple : un tournoi de golf de haut niveau où le score moyen du premier jour est de 72 coups.

Un joueur qui réalise 66 le premier jour (bien mieux que la moyenne) a probablement un vrai talent, mais il est aussi raisonnable de penser qu’il a bénéficié ce jour-là d’une chance supérieure à la normale.

La même chose, en sens inverse, vaut pour un joueur qui réalise 77.

La prédiction la plus raisonnable pour le deuxième jour n’est pas que les deux répètent exactement leur résultat, mais qu’ils se rapprochent tous deux un peu de la moyenne : celui qui a très bien joué continuera probablement à bien jouer, mais un peu moins bien que la première fois, car il est peu probable que sa chance se répète avec la même intensité ; et celui qui a mal joué s’améliorera probablement, non parce qu’il a « tiré la leçon », mais parce que sa mauvaise passe n’a pas non plus de raison de durer.

Pourquoi cela compte au-delà du sport ou du vol

Kahneman tire de cet épisode une conclusion inconfortable sur le fonctionnement du feedback dans la vie quotidienne : comme nous avons tendance à féliciter les autres quand leur comportement nous plaît et à les réprimander quand ce n’est pas le cas, et comme la performance d’autrui fluctue naturellement autour de sa moyenne réelle, nous finissons, selon ses propres mots :

statistiquement punis pour être gentils et récompensés pour être désagréables.

Non parce que la réprimande fonctionne réellement mieux que l’éloge, mais parce que la façon même dont nous choisissons quand féliciter et quand réprimander fait que la régression vers la moyenne joue presque toujours en faveur de celui qui gronde.

Ce même type d’erreur, attribuer une cause à ce qui n’est en réalité qu’une fluctuation aléatoire, apparaît souvent dans la manière d’interpréter la performance d’une équipe ou d’une personne au travail, ce qui concerne tout style de leadership s’appuyant sur le renforcement positif ou négatif comme outil de gestion, ainsi que toute personne au profil plutôt analytique lorsqu’il s’agit d’interpréter des variations ponctuelles de performance, la sienne ou celle des autres.

Si vous souhaitez identifier votre propre façon de diriger face à ce type de situation, le test Mon style de leadership la résume en quelques minutes.

Sources

• Galton, F. (1886). Regression towards mediocrity in hereditary stature. The Journal of the Anthropological Institute of Great Britain and Ireland, 15, 246-263. https://doi.org/10.2307/2841583
• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
• Kahneman, D. et Tversky, A. (1973). On the psychology of prediction. Psychological Review, 80(4), 237-251. https://doi.org/10.1037/h0034747
• Tversky, A. et Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124-1131. https://doi.org/10.1126/science.185.4157.1124