Biais cognitifs

Au début des années 1970, à l'Université hébraïque de Jérusalem, Amos Tversky et Daniel Kahneman s'attaquent au dogme de l'homo œconomicus. Leur article de 1974 dans Science, « Judgment under Uncertainty: Heuristics and Biases », catalogue les raccourcis du jugement : la disponibilité (on estime probable ce qui vient facilement à l'esprit), la représentativité (on juge sur la ressemblance, pas sur les probabilités) et l'ancrage (le premier chiffre vu contamine l'estimation). Ces heuristiques ne sont pas des accidents : elles produisent des erreurs systématiques, donc prévisibles. Le programme vaudra à Kahneman le prix Nobel d'économie en 2002 — Tversky, disparu en 1996, ne le partagera pas.

La diffusion se fait en deux vagues. L'économie comportementale d'abord, jusqu'au « Nudge » de Thaler et Sunstein (2008) qui installe les biais dans les politiques publiques et le marketing. Le design ensuite : plus de 180 biais sont aujourd'hui documentés, et les praticiens ont appris à lire les interfaces comme des machines à cadrer la décision — un prix barré est un ancrage, un compteur de stock une rareté fabriquée, un avis client une preuve sociale. Le Nielsen Norman Group a ajouté un retournement salutaire : les concepteurs eux-mêmes sont biaisés, à commencer par leur lecture des tests utilisateurs.

La démonstration la plus parlante pour le métier vient justement du Nielsen Norman Group, qui a soumis un même résultat de test à un millier de praticiens UX sous deux formulations mathématiquement identiques : « 4 utilisateurs sur 20 n'ont pas trouvé la recherche » ou « 16 utilisateurs sur 20 l'ont trouvée ». Verdict : 51 % des répondants exposés au cadrage négatif recommandent une refonte, contre 39 % pour le cadrage positif — soit 30,7 % de soutien supplémentaire pour les mêmes données, avec une significativité écrasante (p < 0,0001). Le cadre décide, littéralement, de la décision — y compris chez ceux dont c'est le métier de le savoir.

La recherche a aussi appris la nuance. Gerd Gigerenzer conteste depuis les années 1990 la lecture « catalogue de défauts » : les heuristiques seraient des outils adaptatifs, souvent optimaux dans leur écologie réelle — juger vite avec peu d'information est une compétence, pas une panne. Le débat entre biais et rationalité limitée reste ouvert, et certaines démonstrations classiques ont été relativisées par les réplications. La leçon opérationnelle, elle, fait consensus : le contexte de présentation modifie le jugement de façon mesurable, et la frontière entre faciliter une décision et la manipuler est le vrai sujet éthique du design et du marketing.

L'IA générative change l'échelle du problème. Les modèles, entraînés sur des textes humains, héritent de nos biais — et les rejouent dans chaque page produit, chaque objet d'email, chaque variante publicitaire générée. Surtout, la personnalisation algorithmique permet de calibrer le cadrage individu par individu : l'ancre de prix, le message de rareté ou l'argument mis en avant peuvent être optimisés en continu par des tests automatisés. Le SEO génératif ajoute un étage : la façon dont une marque cadre ses propres contenus détermine ce que ChatGPT ou Perplexity diront d'elle — le cadrage n'est plus seulement une affaire de conversion, mais de réputation machine.

Le risque est l'industrialisation des dark patterns : ce qu'un designer faisait page par page, un système d'optimisation le fait sur des millions de variantes, sans conscience de la limite. L'Union européenne a déjà tranché — le Digital Services Act, applicable depuis 2023, interdit explicitement les interfaces trompeuses qui altèrent la capacité de décision des utilisateurs. L'opportunité symétrique existe : utiliser l'IA comme auditeur, en lui faisant relire parcours et argumentaires pour détecter les cadrages manipulatoires avant que le régulateur — ou la presse — ne s'en charge.