Le biais implicite est-il un concept scientifique utile?

Les scores sur les mesures directes des préjugés raciaux ont régulièrement diminué au cours des 60 dernières années, mais les disparités raciales existent toujours aux États-Unis. Comparativement aux personnes à la peau plus claire, les personnes à la peau foncée ont moins accès à des emplois de qualité, au logement, à l'éducation et aux soins de santé.

Le concept de biais implicite offre une explication. Le «biais implicite» fait référence à une variété de préjugés automatiques et non conscients dans lesquels un groupe est favorisé par rapport à un autre groupe. Les gens peuvent avoir des préjugés et discriminer les autres, même s'ils ne sont pas conscients de leurs préjugés.

La mesure la plus largement utilisée du biais implicite est le test implicite d'association (IAT), un test intelligent développé par les psychologues sociaux Anthony Greenwald et Mahzarin Banaji dans les années 1990.

La prémisse de l'IAT est assez simple. Si deux concepts sont étroitement associés ou liés dans l'esprit du testeur, ils devraient être plus faciles à associer. Si vous croyez, par exemple, que les Blancs sont meilleurs que les Noirs, alors vous devriez pouvoir jumeler les visages blancs avec des adjectifs positifs plus rapidement que vous pouvez jumeler des visages noirs avec des adjectifs positifs. Si vous le faites, vous avez un biais implicite pour Blanc = Bon et Noir = Mauvais .

Des centaines d'études ont étudié les biais implicites au cours des 20 dernières années (Banaji et Greenwald, 2016). Certaines des conclusions sont surprenantes, mais pas de la façon dont vous vous attendez probablement.

  1. Environ deux tiers des Blancs montrent un biais fort ou modéré pour Blanc = Bon . Environ la moitié des Noirs montrent également un biais pour Blanc = Bon .
  2. Un biais automatique Black = Weapons est fort parmi tous les groupes testés. L'association est la plus forte pour les Blancs et les Asiatiques, puis les Hispaniques. Même les Afro-Américains montrent le biais le plus souvent.
  3. Quatre-vingt pour cent des Américains – et une majorité d'Américains plus âgés – ont une association plus forte pour Young = Good que pour Old = Good .
  4. Environ 75% des hommes associent plus rapidement «mâle et travail» et «femme et famille» que les couples opposés, mais 80% des femmes font la même chose.

Il y a un débat en cours parmi les psychologues sociaux sur l'utilité scientifique du TAI et la signification précise du biais implicite. Une partie du débat concerne les propriétés psychométriques de l'IAT. Est-ce une mesure valide?

La fiabilité test-retest de la Race IAT n'est que de 0,42, ce qui est bien inférieur à la norme psychométrique de 0,80. Votre score sur l'IAT peut fluctuer de manière significative d'un test à l'autre. Hart Blanton, un psychologue à l'Université du Connecticut, a noté la facilité avec laquelle les gens peuvent réduire leur score de biais racial "en exposant simplement les gens à des photos d'Afro-Américains appréciant un pique-nique."

La validité des scores IAT a également été examinée. En 2013, Frederick Oswald et son équipe de recherche ont publié une méta-analyse de 46 études [1]. Ils ont constaté que les scores IAT sont de mauvais prédicteurs du comportement réel et des préférences politiques. Ils ont également constaté que les scores IAT prédisaient les comportements et les préférences politiques pas mieux que les scores sur des mesures simples de papier et de crayon de préjugés.

Peut-être que la caractéristique la plus intéressante du débat concerne la façon d'interpréter les scores IAT. Certains psychologues sociaux croient que le TAI mesure les préjugés, tandis que d'autres croient que le TAI mesure notre connaissance des stéréotypes communs.

Le préjugé est une attitude négative envers un groupe et ses membres individuels. Un stéréotype, cependant, est la croyance qu'un certain attribut est caractéristique des membres d'un groupe particulier – une croyance, par exemple, que les catholiques sont généralement opposés à l'avortement. Les stéréotypes sont acquis sans effort, et nous sommes plus susceptibles d'y faire appel lorsque la charge cognitive est élevée, c'est-à-dire lorsque nous sommes distraits, fatigués ou pressés.

En 2003, les psychologues sociaux Michael Olson et Russell Fazio ont peut-être été les premiers à affirmer que l'IAT ne mesure pas les attitudes préjudiciables. Ils croient que l'IAT mesure les stéréotypes communs qui sont appris quand on est élevé dans un milieu culturel particulier.

Leur conclusion a été renforcée par les résultats d'une étude menée en 2006 par Eric Uhlmann et ses collègues de l'Université de Yale. Dans leur expérience, les étudiants blancs ont été conditionnés à associer le groupe inventé Noffians avec des mots liés à l'oppression et à associer le groupe inventé Fasites avec des mots liés au privilège. Ils ont ensuite pris une version de la course IAT avec Noffians et Fasites remplaçant pour les noirs et les blancs, respectivement. Les étudiants ont montré un biais constant contre Noffians, non pas parce qu'ils percevaient Noffians comme mauvais mais parce qu'ils les percevaient comme mauvais.

La découverte d'Uhlmann soulève la réelle possibilité que les gens qui lient rapidement Blanc = Bon et Noir = Mauvais ne soient pas réellement prévenus contre les Noirs. Ils ne croient pas que les Noirs sont de mauvaises personnes; ils croient que les mauvaises choses arrivent aux Noirs. Selon Uhlmann, "les associations automatiques négatives des Américains blancs avec les Afro-Américains peuvent en partie résulter de l'association de membres de groupes à statut inférieur avec des circonstances injustes."

Il est quelque peu ironique que le concept de biais implicite soit plus visible aujourd'hui que jamais auparavant parce que Tony Greenwald et Mahzarin Banaji, inventeurs de l'IAT, ont reconnu l'utilité limitée de leur test. En 2015, ils ont admis que les problèmes psychométriques avec les TAI de race et d'ethnicité «les rendent problématiques à utiliser pour classer les personnes comme susceptibles de pratiquer la discrimination».

[1] La méta-analyse est une technique mathématique permettant de combiner les résultats statistiques d'un grand nombre d'études distinctes afin de générer une conclusion globale.