Je suis troublé par la façon dont certains professionnels prennent une position méprisante, voire méprisante à l'égard des experts.
Les experts ont des compétences qui vont bien au-delà de tout ce que le reste d'entre nous peut faire. Ils voient des choses qui sont invisibles aux autres. Ils établissent des liens et des inférences auxquels nous n'aurions jamais pensé. Ils repèrent des problèmes qui nous manqueraient jusqu'à ce qu'il soit trop tard. Une grande partie de ma carrière tourne autour de l'étude d'experts, en essayant d'apprendre certains de leurs secrets.
Certes, les experts dans un domaine ne sont jamais parfaits. Ils peuvent être trop confiants. Ils peuvent se tromper. Il est donc raisonnable d'adopter une vision sceptique des experts, en particulier lorsque les experts sont autoproclamés, comme les experts des émissions télévisées. Un scepticisme sain invite à enquêter sur la qualité d'un expert et sur ce qu'il faut pour devenir un expert.
Ce qui me dérange, c'est une attitude qui va au-delà du scepticisme sain et du mépris absolu – que les experts dans un domaine, n'importe quel domaine, ne devraient pas être pris au sérieux.
J'ai d'abord rencontré des signes de cette attitude méprisante lorsque j'ai assisté à des conférences sur le jugement et la prise de décision. Les chercheurs de la tradition Heuristics and Biases ont rapporté avec joie des expériences montrant que même les experts étaient la proie des biais. En 1971, Tversky et Kahneman ont rapporté que les statisticiens experts faisaient de mauvais choix lorsqu'ils suivaient leur intuition de généraliser à partir de petits échantillons. McNeil et al., (1982) ont signalé que les médecins expérimentés étaient tout aussi susceptibles aux effets de cadrage sur la façon de traiter le cancer du poumon que les étudiants diplômés et les patients ambulatoires. Même les experts étaient intrinsèquement biaisés dans leurs jugements. La leçon était: vous ne pouvez pas faire confiance aux experts.
Le domaine du jugement et de la prise de décision accorde une importance particulière au travail de Paul Meehl (1954), qui a mené plusieurs études montrant que les modèles statistiques linéaires dépassaient ou correspondaient aux jugements cliniques des experts, suggérant qu'il valait mieux remplacer les jugements. des experts avec ceux des modèles statistiques. (Ce qui ne suscite pas beaucoup d'attention, c'est que les facteurs chargés dans les modèles statistiques linéaires proviennent des experts eux-mêmes, le principal avantage des statistiques étant d'accroître la cohérence.)
Dans un article de Kahneman et Klein (2009), il est clair que «les chercheurs de l'heuristique et de la polarisation, qui considèrent les experts, sont fondamentalement sceptiques. Ils sont formés pour chercher des occasions de comparer la performance des experts avec la performance au moyen de modèles ou de règles formels et de s'attendre à ce que les experts fassent de mauvais résultats dans de telles comparaisons. »(P.518)
J'ai donc remarqué cette attitude méprisante à l'égard des experts pendant de nombreuses années, mais il y a quelques mois, il s'est passé quelque chose qui m'a vraiment alarmé.
Un de mes collègues, Joseph Borders, a été approché par un directeur d'une très grande entreprise pétrochimique pour la mise en place d'un programme de formation aux compétences cognitives pour les opérateurs de panneaux qui contrôlent des unités massives dans une usine de fabrication. Ces opérateurs de panneau travaillent sous un stress énorme. S'ils arrêtent inutilement une usine, les coûts d'une production manquée peuvent atteindre des millions de dollars. Mais s'ils ne parviennent pas à arrêter une usine défaillante, ils peuvent déclencher une explosion qui a des conséquences encore plus importantes en termes de dollars et de vies. Joey et moi pouvions voir pourquoi le directeur d'usine voudrait acquérir une expertise dans les opérateurs de panneau.
Cependant, le projet n'est jamais sorti. Quelques mois plus tard, le directeur nous a expliqué que le plan visant à renforcer l'expertise des exploitants de centrales avait été bloqué par un membre supérieur qui a expliqué que l'usine n'avait pas besoin de ses administrateurs pour prendre de meilleures décisions. Au lieu de cela, il avait l'intention de prendre la décision de leurs mains et de s'appuyer sur une sorte d'Intelligence Artificielle à la place.
Évidemment, j'étais stupéfait par cette explication. Non seulement la confiance de l'exécutif dans l'intelligence artificielle a été déplacée (la connaissance tacite nécessaire pour repérer des indices subtils peut prendre des années à se développer), mais la méfiance de l'exécutif vis-à-vis des panelistes semblait une attitude très dangereuse. Et si les dirigeants des usines pétrochimiques agissent maintenant sur leurs craintes de partialité chez leurs exploitants de panneaux, cela suggère à quel point la campagne pour discréditer les experts est venue.
D'où vient cette peur des experts? Largement de la communauté Heuristics and Biases, et les études montrant que les experts démontrent les mêmes types de biais que les novices. Ces constatations portent atteinte à la réputation des experts.
Bien sûr, la situation n'est peut-être pas aussi sombre que le prétendent les sceptiques. Premièrement, l'effet des biais de jugement peut être surestimé. Plusieurs études ont montré que les préjugés de jugement et de décision s'affaiblissent ou disparaissent lorsque l'on donne aux gens des tâches naturalistes plutôt que des tâches artificielles. Deuxièmement, les biais proviennent de notre utilisation d'heuristiques, et les heuristiques sont très utiles. La communauté Heuristics and Biases a effectué peu ou pas de recherche sur les avantages de l'utilisation d'heuristiques; ces avantages doivent largement l'emporter sur les inconvénients. Troisièmement, les gens qui sont le plus enclins à utiliser des heuristiques et des préjugés, et qui violent les préceptes de la statistique bayésienne, font très bien dans la vie. Berg et Gigerenzer (2010) ont rapporté qu'ils gagnaient plus d'argent et détenaient des croyances plus précises que celles qui se sont alignées sur les stratégies de choix rationnel.
Alors, où cela nous laisse-t-il? Il y a un certain nombre de raisons impérieuses pour lesquelles les gens veulent rejeter l'expertise. Je ne pense pas que ces raisons résistent bien à l'examen, mais cela n'a pas d'importance si elles ne sont pas examinées. Ce n'est pas grave si le seul message qui vient est que nous devons prendre des décisions hors des mains des experts.
Par conséquent, je pense que nous devons être plus énergiques pour transmettre un message différent, que l'expertise est importante. Nous devons mener plus de recherches et rassembler plus de preuves démontrant ce que les experts sont capables d'accomplir. Un exemple est le travail de Jim Staszewski (2008), professeur à l'Université Carnegie Mellon. L'armée américaine avait dépensé 38 millions de dollars pour développer des dragueurs de mines améliorés, mais quand ils ont été testés, ils n'ont fourni aucun avantage par rapport au modèle précédent, les deux avaient un taux de détection d'environ 20%. Staszewski et ses collègues ont localisé deux ingénieurs de l'armée qui avaient maîtrisé le nouvel équipement. Lorsqu'ils ont été testés, ces experts ont obtenu des résultats spectaculaires, avec des taux de détection supérieurs à 90%. L'équipe de recherche a ensuite construit un cours pour enseigner aux nouveaux ingénieurs de l'armée comment utiliser efficacement le nouveau type de dragueur de mines. C'est ce que les experts peuvent vous acheter.
Kahneman et Klein (2009) ont identifié les conditions nécessaires pour que les gens acquièrent une expertise intuitive: un environnement raisonnablement bien structuré plutôt qu'un environnement chaotique et la possibilité d'une rétroaction significative sur les jugements et les décisions. Nous avons conclu que, selon les termes de Kahneman, «une psychologie du jugement professionnel qui ignore les compétences intuitives est sérieusement compromise.» (P.525)
Phil Tetlock illustre le type de transition qui peut inverser la tendance. Tetlock (2005) a rapporté les résultats d'une étude sur la précision des prévisions des principaux experts et experts, compte tenu des objectifs de prévision clairs (par exemple, «Devrions-nous espérer que les dépenses de défense augmenteront, diminueront ou diminueront dans les dix prochaines années? rester le même?"). Les résultats ont été lamentables – pas beaucoup mieux que ce qui serait réalisé par un jeu de fléchettes chimpanzé. Tetlock a conclu que "l'humanité est à peine meilleure que le chimpanzé" (page 51). Naturellement, les sceptiques d'expertise étaient ravis.
Cependant, dix ans plus tard, Tetlock faisait partie d'une équipe de recherche dirigée par Barbara Mellers qui tentait de développer une expertise en prévision. Et ils ont réussi, comme décrit dans le livre Superforecasting de Tetlock et Gardner (2015). Tetlock a montré que les amateurs, qui ne font partie d'aucune agence gouvernementale, étaient capables de surpasser les prévisionnistes professionnels et de remporter un championnat de prévision. Ces superforecasters n'étaient pas seulement chanceux. Ils ont maintenu leur niveau élevé d'exactitude des prévisions sur plusieurs années. Bien sûr, 30% des superforecasters ont abandonné les premiers rangs de l'échantillon, mais 70% sont restés au sommet. Leur performance découlait de la recherche, de l'analyse, de l'autocritique et de la collecte des points de vue des autres. Ils ont travaillé dur pour développer et maintenir leur niveau d'expertise et ils ont réussi magnifiquement.
Dans le premier projet Tetlock, les experts n'étaient pas meilleurs que les chimpanzés. Dans le deuxième projet, ils étaient champions. L'appréciation de Tetlock des experts a changé pendant qu'il travaillait avec eux et les regardait dans l'action. Sa transition devrait inspirer les autres à se débarrasser de leurs préjugés sur les experts et à prendre l'expertise plus au sérieux.
