Le biais de survivance

J'ai découvert ce concept dans une vidéo de Cengiz Çalışkan, que j'ai vue sur la chaîne Bebar Bilim, après l'avoir entendu dans l'émission 12’de Bilim sur la chaîne Youtube de 12punto. J'ai souhaité partager ce sujet avec vous ici et vous proposer mon analyse.

L'histoire racontée dans la vidéo est très parlante : « Pendant la Seconde Guerre mondiale, les États-Unis peinent à assurer leur suprématie aérienne et subissent de lourdes pertes. De nombreux avions ne reviennent pas de mission. On perd à la fois des appareils très coûteux et des pilotes précieux. Pour résoudre ce problème, les scientifiques se mettent au travail. Les experts veulent renforcer les avions et ajouter des blindages en acier sur certaines parties, mais sans trop alourdir l'appareil. Pour déterminer où ajouter ces renforts, ils examinent les avions revenus de mission et observent les zones les plus touchées par les balles. Selon leurs observations, les impacts se concentrent généralement sur la partie arrière et le réservoir. Il n'y a aucune trace de balle sur le moteur. En concluant que les avions sont généralement touchés à ces endroits, ils décident naturellement de renforcer ces zones. Cependant, le statisticien et mathématicien hongrois Abraham Wald affirme exactement le contraire. Il soutient que l'endroit où les avions qui reviennent sont touchés n'a aucune importance. Les avions que vous examinez sont ceux qui ont réussi à revenir ; les dommages qu'ils ont subis ne les ont pas fait s'écraser. Si vous aviez la possibilité d'examiner ceux qui se sont écrasés, vous verriez très probablement que la plupart ont été touchés au niveau du moteur. Par conséquent, vous devriez renforcer les zones où les avions qui reviennent présentent statistiquement le moins d'impacts, en particulier la partie moteur. C'est ce qu'ils font, et le nombre d'avions qui reviennent augmente considérablement, permettant aux États-Unis de commencer à assurer leur suprématie aérienne. »

Comme le montre cet exemple, se concentrer uniquement sur les cas qui réussissent ou qui survivent nous amène à ignorer les données relatives à ceux qui échouent ou ne survivent pas. Cela conduit à des conclusions qui ne sont pas tout à fait exactes ou qui reposent sur des données incomplètes.

L'impact de cette erreur sur les études de communication et les recherches sociales est également considérable. Par exemple, dans l'analyse de contenus médiatiques, se concentrer uniquement sur les contenus populaires qui touchent un large public peut nous aider à comprendre pourquoi certains réussissent, mais nous amène aussi à ignorer les raisons pour lesquelles les contenus qui échouent ont échoué. Par conséquent, cela peut conduire à des orientations erronées ou incomplètes dans les stratégies médiatiques.

En résumé, prendre conscience du biais de survivance (Survivorship Bias) et éviter cette erreur nous aide à réaliser des analyses plus holistiques et plus précises. Cela nous permet de développer des stratégies plus efficaces et d'aboutir à des résultats plus justes. Dans ce contexte, il est crucial, dans les études de communication et les recherches sociales, de prendre en compte tous les aspects des données analysées et de ne pas ignorer les données manquantes. En somme, nous devons toujours prendre en compte l'autre face de la médaille et nous concentrer non seulement sur ce qui est visible, mais aussi sur ce qui ne l'est pas au premier regard.