Élimination par aspects — réduire progressivement les options

Vous devez choisir un ordinateur parmi vingt modèles. Comparer simultanément le prix, l’autonomie, le poids, la mémoire, la qualité de l’écran, la réparabilité et les performances de chacun devient rapidement difficile. Une stratégie naturelle consiste à réduire progressivement l’ensemble : éliminer d’abord tous les appareils dépassant le budget, puis ceux dont l’autonomie est insuffisante, puis ceux qui ne possèdent pas une caractéristique importante. Après quelques étapes, il ne reste plus qu’un nombre limité d’options.

Cette manière de procéder évoque l’élimination par aspects (*Elimination by Aspects*, EBA), modèle proposé par Amos Tversky en 1972. Mais cette présentation pédagogique demande une précaution : le modèle original n’est pas simplement une méthode consciente consistant à rédiger une liste de critères éliminatoires dans un ordre fixe. Il s’agit d’un modèle probabiliste de choix séquentiel dans lequel les alternatives sont représentées par des ensembles d’« aspects ». À chaque étape, un aspect est sélectionné avec une probabilité liée à son importance, puis toutes les options ne possédant pas cet aspect sont éliminées. Le processus continue jusqu’à ce qu’une seule alternative demeure.

L’idée générale reste cependant extrêmement intuitive : plutôt que de calculer une valeur globale pour toutes les options, réduire progressivement l’espace de décision en utilisant certaines caractéristiques jugées importantes.

Choisir sans attribuer un score global à chaque option

De nombreux modèles de décision représentent le choix comme une comparaison de valeurs globales. Une option possède certains avantages et certains inconvénients ; ceux-ci sont pondérés puis combinés pour produire une sorte d’utilité totale.

Une stratégie d’élimination fonctionne différemment.

Supposons que trois logements soient disponibles. Le premier est bon marché mais très éloigné, le deuxième plus cher mais proche du travail, le troisième possède une grande surface mais ne dispose pas de l’équipement considéré comme indispensable.

Dans une procédure compensatoire, un défaut sur une dimension peut être compensé par un avantage sur une autre : une longue distance pourrait être acceptée si le prix est exceptionnellement faible.

Dans une procédure d’élimination, certaines caractéristiques fonctionnent au contraire comme des filtres. Si l’absence d’ascenseur constitue un critère éliminatoire, un prix excellent ne compense pas cette absence. L’option sort simplement de l’ensemble considéré.

Cette distinction entre règles compensatoires et non compensatoires est importante. Une procédure d’élimination réduit l’effort précisément parce qu’elle évite parfois de comparer toutes les dimensions de toutes les alternatives.

Ce que Tversky appelait un « aspect »

Le mot *aspect* ne correspond pas nécessairement à une variable numérique simple.

Une voiture peut posséder l’aspect « économique », une autre « sportive », deux modèles peuvent partager « faible consommation », plusieurs options peuvent appartenir à une même catégorie ou posséder une caractéristique commune.

Dans le modèle original, chaque alternative est représentée par un ensemble de tels aspects. Certains sont partagés par plusieurs options, d’autres leur sont propres.

À chaque étape du processus, un aspect pertinent est sélectionné. Sa probabilité de sélection est proportionnelle au poids qui lui est attribué. Toutes les alternatives ne possédant pas cet aspect disparaissent alors de l’ensemble de choix. Le processus recommence avec les options restantes jusqu’à l’obtention d’un choix unique.

C’est un point important parce qu’une vulgarisation du type :

« je vérifie d’abord le prix, puis l’autonomie, puis le poids »

décrit une procédure déterministe et ordonnée à l’avance.

Le modèle de Tversky est plus subtil : l’ordre dans lequel les aspects deviennent décisifs est probabiliste. Un aspect très important a davantage de chances d’intervenir tôt, sans nécessairement être sélectionné en premier à chaque décision.

Pourquoi éliminer peut être efficace

L’intérêt cognitif est évident.

Avec vingt produits évalués sur dix caractéristiques, une comparaison exhaustive demande d’examiner jusqu’à deux cents valeurs, puis de déterminer comment les pondérer.

Si un premier critère élimine quinze produits, les étapes suivantes ne portent plus que sur cinq possibilités.

Cette simplification peut être parfaitement rationnelle lorsqu’un aspect constitue réellement une exigence importante.

Si votre budget maximum est de 1 000 euros, consacrer du temps à examiner en détail un produit à 3 000 euros possède peu d’intérêt. Si une fonction est indispensable à votre travail, les options qui ne la possèdent pas peuvent être retirées avant d’en analyser les détails secondaires.

La stratégie économise alors attention, temps et calcul.

Elle est particulièrement adaptée lorsque les options sont nombreuses et que quelques caractéristiques permettent de réduire rapidement l’espace pertinent.

Le coût caché de l’élimination

Cette économie possède cependant un prix : une option éliminée ne revient plus dans la comparaison.

Supposons que vous éliminiez tous les logements situés à plus de trente minutes de votre lieu de travail. Vous découvrez plus tard qu’un appartement situé à trente-deux minutes est beaucoup moins cher, nettement plus confortable et placé sur une ligne de transport particulièrement fiable.

Une méthode compensatoire aurait pu considérer que ses autres qualités justifiaient les deux minutes supplémentaires.

Une règle d’élimination l’aura rejeté avant même cette comparaison.

Le risque vient donc du caractère non compensatoire de certains filtres. Une petite faiblesse sur un critère peut éliminer définitivement une option exceptionnellement bonne sur plusieurs autres.

La stratégie devient particulièrement fragile lorsque les seuils sont arbitraires, lorsque les mesures contiennent du bruit ou lorsque plusieurs options se situent très près du seuil.

29 minutes peut alors sembler acceptable et 31 minutes inacceptable alors que cette différence possède peu de signification pratique.

Le contexte peut changer le choix

L’un des intérêts théoriques majeurs du modèle de Tversky était de mieux représenter un phénomène difficile pour certains modèles classiques : l’effet de similarité.

Imaginons un choix entre deux options très différentes, A et B. Ajoutons maintenant C, extrêmement semblable à B.

Dans certains modèles simples respectant l’indépendance des alternatives non pertinentes, l’arrivée de C devrait réduire proportionnellement les probabilités de choix de A et de B sans modifier leur rapport relatif.

Dans le comportement réel, une nouvelle option tend parfois à retirer davantage de choix à l’alternative qui lui ressemble. B et C se concurrencent en quelque sorte l’une l’autre davantage qu’elles ne concurrencent A.

Le modèle EBA peut représenter naturellement ce phénomène parce que B et C partagent des aspects. L’ajout de C modifie donc la structure du processus d’élimination plutôt que de simplement ajouter une quantité d’utilité indépendante. Cette capacité à représenter des effets de similarité fut l’une des motivations centrales de Tversky pour développer le modèle.

Cette propriété possède une conséquence importante : nos préférences observées peuvent dépendre de l’ensemble des options proposées.

Une option « non choisie » peut modifier la décision

Cette dépendance au contexte mérite d’être soulignée.

Supposons qu’un consommateur hésite entre une voiture économique et une voiture sportive. L’ajout d’une deuxième voiture sportive très ressemblante à la première peut modifier la distribution des choix, même si la nouvelle option n’est finalement presque jamais choisie.

Cela peut sembler paradoxal : pourquoi une alternative que je ne sélectionnerai probablement pas devrait-elle influencer ma préférence entre les deux options initiales ?

Parce que le choix n’est pas nécessairement produit par une comparaison indépendante de valeurs fixes. Les alternatives peuvent modifier la structure même de la comparaison.

Les travaux ultérieurs sur les effets de contexte ont identifié plusieurs phénomènes de ce type — similarité, attraction, compromis — et ont comparé différents modèles capables de les représenter. L’EBA explique particulièrement naturellement l’effet de similarité, mais n’épuise pas toute la variété des effets contextuels observés dans les choix.

Cela constitue une limite importante : un modèle capable d’expliquer un phénomène ne devient pas pour autant une théorie complète de toutes les décisions.

Le modèle original n’est pas une recette universelle de décision

L’élimination par aspects est parfois présentée dans les guides de décision comme si Tversky avait simplement conseillé :

« classez vos critères et éliminez progressivement les options qui ne les satisfont pas ».

Ce n’est pas exactement ce qu’il faisait.

Son objectif principal était descriptif et mathématique : construire un modèle probabiliste capable de représenter certaines structures de choix observées.

Le modèle produit des conséquences testables. Il peut donc être confronté aux comportements réels et échouer.

Une étude ancienne appliquant l’EBA à des choix risqués a par exemple observé des violations substantielles de plusieurs prédictions du modèle et conclu qu’une règle unique comme l’élimination par aspects ne pouvait rendre compte de l’ensemble des comportements de choix étudiés.

D’autres modèles ont ensuite conservé la logique séquentielle tout en autorisant des procédures plus complexes, par exemple la prise en compte simultanée de plusieurs attributs ou des opérations de sélection aussi bien que d’élimination.

Il faut donc distinguer trois choses :

le modèle formel EBA de Tversky ;

la famille plus générale des stratégies non compensatoires de filtrage ;

les méthodes pratiques que nous pouvons volontairement utiliser pour simplifier une décision.

Elles sont apparentées, mais pas identiques.

Un modèle encore vivant

L’intérêt de l’EBA ne relève pas uniquement de l’histoire de la psychologie.

Il continue d’être utilisé et développé dans la théorie contemporaine du choix. En 2026, Pedram Heydari a publié la première caractérisation axiomatique de l’EBA reposant uniquement sur les comportements de choix observables. Une particularité de ce travail est de ne pas supposer que les « aspects » sous-jacents soient directement observables : ils peuvent être traités comme des dimensions subjectives inférées à partir des choix.

Le modèle a également été appliqué à différents domaines empiriques. Des versions fondées sur l’élimination ou la sélection par aspects ont notamment été utilisées pour analyser les choix de consommateurs et des expériences de choix concernant les services de santé. Dans ce dernier domaine, permettre ce type de stratégie améliorait substantiellement l’ajustement de certains modèles aux réponses observées.

Cela ne prouve évidemment pas que les individus appliquent consciemment la procédure exacte de Tversky. Un modèle peut prédire efficacement des choix sans que le décideur exécute mentalement chaque opération formelle qu’il contient.

C’est une distinction générale en sciences cognitives : un bon modèle comportemental n’est pas automatiquement une description littérale de l’algorithme mental.

Cas pratique — sélectionner un appareil pour un service

Un service doit choisir parmi douze appareils répondant à une même fonction.

Une méthode exhaustive consisterait à donner une note à chaque appareil sur le prix, la fiabilité, la facilité d’entretien, la formation nécessaire, les consommables, la compatibilité informatique et plusieurs autres critères, puis à calculer un score pondéré.

Une stratégie par élimination pourrait commencer autrement.

La compatibilité avec l’infrastructure existante est indispensable : quatre appareils sont éliminés.

Un niveau minimal de sécurité et de certification est exigé : deux autres disparaissent.

Le coût total sur cinq ans doit rester inférieur à un seuil défini : trois appareils supplémentaires sont retirés.

Il ne reste que trois appareils. À ce stade, une comparaison détaillée peut devenir raisonnable.

Cette méthode possède un avantage évident : elle évite d’investir beaucoup d’effort dans des options qui auraient été rejetées quoi qu’il arrive.

Mais imaginons maintenant que le seuil financier ait été fixé arbitrairement à 100 000 euros et qu’un appareil coûtant 101 000 euros permette en réalité d’économiser beaucoup de temps de travail et de diminuer les pannes.

L’élimination stricte peut alors produire une décision médiocre.

Le point important n’est donc pas simplement de disposer de filtres. Il faut savoir quels critères méritent réellement d’être non compensatoires.

Tous les critères ne doivent pas être éliminatoires

C’est probablement la principale leçon pratique que l’on peut tirer de cette famille de stratégies.

Certaines caractéristiques correspondent à de véritables contraintes :

le dispositif doit être compatible ;

le logement doit être accessible ;

le produit ne doit pas dépasser un budget absolument maximal.

Il est logique de les utiliser comme filtres.

D’autres caractéristiques ressemblent davantage à des préférences :

j’aimerais qu’il soit léger ;

je préférerais un trajet court ;

une meilleure autonomie serait appréciable.

Les transformer artificiellement en seuils rigides peut supprimer de bonnes options.

Une démarche raisonnable peut donc combiner deux phases : utiliser l’élimination pour les contraintes réelles, puis employer une comparaison plus compensatoire pour départager les alternatives restantes.

Ce type de combinaison apparaît également dans certains modèles appliqués de choix du consommateur, où une première étape réduit l’ensemble considéré avant qu’une procédure différente ne sélectionne l’option finale.

L’ordre des filtres compte

Même lorsque plusieurs critères éliminatoires sont légitimes, leur ordre peut modifier considérablement l’effort nécessaire.

Si un premier filtre retire neuf options sur dix, il est généralement plus économique de l’appliquer avant un critère demandant une analyse complexe.

Prenons cent candidatures. Vérifier un prérequis administratif prend trente secondes ; examiner soigneusement l’expérience professionnelle prend dix minutes. Si trente candidatures ne satisfont pas le prérequis, commencer par celui-ci évite plusieurs heures de travail inutile.

Dans le modèle de Tversky, l’ordre n’est toutefois pas simplement choisi pour minimiser le coût cognitif : les aspects sont sélectionnés probabilistiquement en fonction de leurs poids.

Dans une procédure pratique délibérée, nous pouvons au contraire essayer d’ordonner les filtres de façon plus stratégique : critères très discriminants et peu coûteux d’abord, analyses coûteuses ensuite.

Cette méthode n’est plus littéralement l’EBA originale, mais elle en exploite l’intuition générale.

Le danger des seuils arbitraires

Les critères numériques présentent un problème supplémentaire.

Supposons qu’un candidat soit automatiquement éliminé en dessous d’un score de 70.

Un candidat obtient 69,8 et un autre 70,1.

Si la mesure possède une marge d’erreur de plusieurs points, traiter le premier comme absolument inacceptable et le second comme acceptable crée une précision que l’instrument ne possède pas.

Le même problème apparaît avec un budget, une distance, un âge, un classement ou une note.

Un seuil peut être administrativement nécessaire sans représenter une frontière naturelle entre deux catégories.

Plus l’incertitude autour de la mesure est grande, plus l’usage d’une règle non compensatoire rigide demande de prudence.

Une méthode utile consiste alors à distinguer zone d’élimination claire, zone acceptable et zone d’incertitude nécessitant un examen supplémentaire, plutôt que de prétendre qu’une seule décimale sépare naturellement les bonnes et les mauvaises options.

Éliminer ou sélectionner ?

Tversky décrivait essentiellement le choix comme une succession d’éliminations.

Mais le raisonnement inverse est possible : au lieu de retirer les options qui ne possèdent pas une caractéristique recherchée, sélectionner celles qui la possèdent.

Psychologiquement, les deux formulations ne sont pas nécessairement équivalentes.

Des modèles ultérieurs, comme la Selection by Aspects, ont précisément cherché à étendre le cadre en permettant des opérations de sélection ainsi que des traitements portant sur plusieurs attributs.

Cette différence rappelle une idée générale : la manière dont nous construisons un problème de choix peut déterminer quelles alternatives reçoivent notre attention.

Chercher :

« lesquelles puis-je éliminer ? »

et chercher :

« lesquelles méritent d’être conservées ? »

peuvent conduire à examiner les mêmes informations sous des angles différents.

Il serait donc excessif de supposer qu’une seule direction de filtrage constitue la bonne architecture pour toutes les décisions.

Quand cette stratégie est-elle particulièrement utile ?

L’élimination devient attractive lorsque le nombre initial d’options est élevé, que certaines contraintes sont véritablement non négociables et qu’examiner complètement chaque alternative serait coûteux.

Elle est également utile lorsque les premières dimensions sont faciles à vérifier et éliminent beaucoup d’options.

Elle devient plus dangereuse lorsque les critères sont fortement compensatoires, que les seuils sont incertains, que les options sont peu nombreuses ou que les différences proches du seuil sont minuscules.

Elle peut enfin produire des effets de contexte importants lorsque plusieurs alternatives partagent les mêmes aspects.

Comme pour le *satisficing*, sa rationalité dépend donc moins de sa simplicité que de son adéquation à la structure du problème.

Comment utiliser l’élimination sans perdre de bonnes options ?

Une première précaution consiste à séparer clairement contraintes et préférences. Un critère ne devrait devenir éliminatoire que si une très bonne performance ailleurs ne pourrait réellement pas compenser son absence.

Il faut ensuite examiner la robustesse des seuils : une petite modification raisonnable du seuil change-t-elle radicalement la sélection ?

Une troisième précaution consiste à regarder brièvement les options éliminées proches de la frontière. Cette vérification peut détecter un cas exceptionnel qui mérite d’être réintroduit.

Enfin, lorsque l’ensemble est suffisamment réduit, il peut être utile de changer de stratégie. Rien n’oblige à poursuivre l’élimination jusqu’à une unique option.

On peut utiliser des règles simples pour passer de cinquante possibilités à cinq, puis effectuer sur ces cinq une comparaison beaucoup plus complète.

L’heuristique devient alors un outil de réduction de complexité, pas un substitut universel à toute analyse.

À retenir

L’élimination par aspects est un modèle de choix proposé par Amos Tversky en 1972. Chaque alternative y est représentée par un ensemble d’aspects. À chaque étape, un aspect est sélectionné avec une probabilité proportionnelle à son poids et toutes les alternatives qui ne le possèdent pas sont éliminées. Le processus continue jusqu’à ce qu’une seule option subsiste.

Il ne faut donc pas réduire le modèle original à la méthode pratique : « je prends mes critères un par un et je supprime ce qui ne convient pas ». Cette procédure en constitue une approximation pédagogique, mais l’EBA de Tversky est un modèle probabiliste formel destiné notamment à expliquer certaines structures de choix.

Son intérêt majeur est de représenter des phénomènes comme l’effet de similarité : l’arrivée d’une option proche d’une alternative existante peut modifier davantage la probabilité de cette dernière que celle d’options plus différentes. Le modèle échappe ainsi à certaines limitations de modèles supposant l’indépendance des alternatives non pertinentes.

Comme stratégie pratique, l’élimination possède une véritable valeur lorsque les possibilités sont nombreuses et que certains critères sont réellement non négociables. Elle peut réduire énormément la quantité d’information à traiter.

Son principal risque est son caractère non compensatoire : une option éliminée pour une faiblesse ne peut plus bénéficier de ses qualités sur d’autres dimensions. Des seuils arbitraires ou des mesures incertaines peuvent donc supprimer prématurément de très bonnes possibilités.

Enfin, l’EBA reste un modèle vivant de la théorie du choix : une caractérisation axiomatique nouvelle en a encore été publiée en 2026, plus d’un demi-siècle après les travaux de Tversky.

La question critique à retenir est donc :

« Quels critères méritent réellement d’éliminer une option sans examiner ses autres qualités, et lesquels devraient plutôt entrer dans une comparaison plus globale ? »

Sources principales

Tversky, Amos. (1972). « Elimination by Aspects: A Theory of Choice », *Psychological Review*, 79(4), 281-299. DOI : 10.1037/h0032955.

Tversky, Amos. (1972). « Choice by Elimination », *Journal of Mathematical Psychology*, 9(4), 341-367. DOI : 10.1016/0022-2496(72)90011-9.

Ranyard, Rob. (1976). « Elimination by Aspects as a Decision Rule for Risky Choice », *Acta Psychologica*, 40(4), 299-310. DOI : 10.1016/0001-6918(76)90033-0.

Fader, Peter S. & McAlister, Leigh. (1990). « An Elimination by Aspects Model of Consumer Response to Promotion Calibrated on UPC Scanner Data », *Journal of Marketing Research*, 27(3), 322-332. DOI : 10.1177/002224379002700306.

Barthélemy, Jean-Pierre & Mullet, Étienne. (1992). « A Model of Selection by Aspects », *Acta Psychologica*, 79(1), 1-19. DOI : 10.1016/0001-6918(91)90070-G.

Busemeyer, Jerome R., Barkan, Rachel, Mehta, Shailendra & Chaturvedi, Alok. (2007). « Context Effects and Models of Preferential Choice: Implications for Consumer Behavior », *Marketing Theory*, 7(1), 39-58. DOI : 10.1177/1470593107073844.

Heydari, Pedram. (2026). « Elimination by (Subjective) Aspects: A Characterization », *Journal of Economic Theory*, 233, 106153. DOI : 10.1016/j.jet.2026.106153.

13 sur 17Retour à la catégorie