Le biais de résultat

Une décision risquée produit finalement un excellent résultat. Rétrospectivement, elle paraît souvent plus intelligente qu’avant que l’issue soit connue. À l’inverse, une décision soigneusement raisonnée peut être jugée mauvaise simplement parce qu’un événement improbable a mal tourné. Le biais de résultat (*outcome bias*) désigne cette tendance à évaluer rétrospectivement la qualité d’une décision à partir de son résultat, même lorsque ce résultat dépendait en partie du hasard et que les informations disponibles au moment du choix étaient identiques.

Jonathan Baron et John Hershey ont donné en 1988 la démonstration classique du phénomène. Dans cinq études portant sur des décisions médicales et des paris monétaires, les participants disposaient des informations pertinentes qui étaient connues du décideur au moment du choix. La seule différence était l’issue obtenue. Pourtant, une décision ayant produit un résultat favorable était jugée mieux réfléchie, et son auteur plus compétent, que la même décision suivie d’un résultat défavorable. Les participants déclaraient même que l’issue ne devrait pas influencer leur jugement, tout en étant effectivement influencés par elle.

Le principe critique est donc simple mais difficile à appliquer : la qualité d’une décision et la qualité de son résultat sont deux choses différentes. Une bonne décision augmente les chances d’un bon résultat ; elle ne le garantit pas.

Une bonne décision peut échouer

Supposons qu’un médecin doive choisir entre deux traitements. Toutes les données disponibles indiquent que le traitement A offre 90 % de chances de succès et le traitement B seulement 60 %, sans autre différence importante. Le médecin choisit A. Le patient appartient malheureusement aux 10 % pour lesquels le traitement échoue.

Le résultat est mauvais. La décision ne l’était pas nécessairement.

Inversement, si le médecin avait choisi B sans justification valable et que le patient avait guéri, le résultat favorable ne transformerait pas rétroactivement une décision mal fondée en bonne décision. Le hasard peut récompenser un mauvais raisonnement et punir un bon.

Cette distinction devient essentielle dès que les décisions comportent de l’incertitude. Dans un monde parfaitement déterministe où chaque action produit un résultat certain et connu, résultat et qualité du choix seraient beaucoup plus faciles à confondre. Mais en médecine, en investissement, en stratégie d’entreprise ou dans la vie quotidienne, nous raisonnons presque toujours avec des probabilités imparfaites.

L’évaluation correcte doit donc être faite à partir de ce qui pouvait raisonnablement être connu avant l’issue.

L’expérience classique de Baron et Hershey reste robuste

L’étude de 1988 reposait notamment sur de petits échantillons, ce qui rendait utile une réplication moderne. Une réplication préenregistrée publiée récemment a repris l’expérience médicale classique avec 692 participants, contre seulement 20 dans l’expérience originale correspondante. Elle a retrouvé nettement le biais de résultat : les mêmes décisions étaient évaluées plus favorablement lorsqu’elles avaient produit une bonne issue, avec des effets allant approximativement de *d* = 0,77 à 1,10 selon les comparaisons. Même parmi les participants affirmant explicitement que le résultat ne devait pas entrer dans l’évaluation, un effet persistait.

Cela renforce la conclusion centrale : l’effet ne semble pas être seulement une curiosité issue d’une petite expérience ancienne.

Il faut toutefois rester prudent sur sa généralisation. Une expérience demande souvent aux participants d’évaluer une décision à partir d’un scénario simplifié dans lequel les chercheurs savent exactement quelles informations étaient disponibles. Dans la vie réelle, un résultat peut parfois apporter de nouvelles informations légitimes sur la qualité du processus. Si un pont s’effondre après son ouverture, par exemple, l’accident peut révéler une défaillance de conception ou de contrôle qui était inconnue auparavant. Utiliser le résultat pour enquêter n’est alors pas un biais.

Le biais apparaît lorsque nous laissons l’issue elle-même contaminer notre jugement sur ce qui était raisonnable avec les informations disponibles auparavant.

Résultat et processus doivent être évalués séparément

Une manière utile de raisonner consiste à imaginer deux évaluations distinctes.

La première porte sur le processus de décision : quelles informations ont été recherchées ? Les alternatives pertinentes ont-elles été envisagées ? Les probabilités et conséquences ont-elles été correctement évaluées ? Les incertitudes ont-elles été reconnues ? La décision était-elle cohérente avec les objectifs ?

La seconde porte sur le résultat : qu’est-il effectivement arrivé ? Quels bénéfices ou dommages ont été produits ? Que peut-on apprendre de cette issue pour la prochaine décision ?

Ces deux évaluations sont indispensables, mais elles ne répondent pas à la même question.

Une organisation qui ne regarde que les processus risque de répéter une méthode qui produit constamment de mauvais résultats. Une organisation qui ne regarde que les résultats risque au contraire de récompenser la chance et de sanctionner les personnes qui ont pris des décisions solides mais ont rencontré un événement improbable.

L’enjeu n’est donc pas de « ne jamais regarder le résultat », mais de ne pas l’utiliser comme substitut à l’analyse du processus.

Le biais de résultat n’est pas le biais rétrospectif

Les deux phénomènes sont très proches et seront volontairement placés l’un à côté de l’autre dans cette rubrique, mais ils ne sont pas identiques.

Le biais de résultat concerne l’évaluation d’une décision : « puisque cela a bien fini, c’était une bonne décision ».

Le biais rétrospectif concerne plutôt notre reconstruction de ce qui semblait prévisible avant l’événement : « maintenant que cela s’est produit, il paraît évident que cela allait arriver ».

Les deux peuvent évidemment se renforcer. Après un accident, le résultat négatif peut rendre le danger rétrospectivement plus prévisible ; si nous croyons ensuite que le décideur « aurait dû savoir », nous jugeons sa décision plus sévèrement.

Une série de dix expériences préenregistrées publiée en 2023 avec 2 043 participants illustre précisément cette articulation dans le domaine de la négligence et de la responsabilité. Un dommage réel conduisait les participants à juger rétrospectivement le risque plus probable, ce qui augmentait ensuite les attributions de négligence et de culpabilité. Les auteurs concluent que, dans leur paradigme, une partie importante de l’effet du résultat sur ces jugements passait par une distorsion rétrospective de la probabilité perçue.

Cela montre pourquoi il faut séparer conceptuellement les deux biais tout en étudiant leurs interactions.

La chance peut être transformée en « compétence »

Le biais de résultat ne touche pas seulement les décisions abstraites ; il peut aussi modifier la manière dont nous évaluons les personnes.

Une expérience économique a montré que, même lorsque l’effort d’un agent était observable, un résultat chanceux pouvait conduire les évaluateurs à le considérer comme plus travailleur ou de meilleur « type » que quelqu’un ayant fourni le même effort mais obtenu un résultat malchanceux. Les auteurs parlent d’une tendance à attribuer à la compétence ou à l’effort ce qui provient en partie d’un événement aléatoire.

Ce mécanisme est particulièrement problématique lorsque les performances dépendent fortement d’un environnement incertain. Un investisseur peut être célébré après une série favorable qui doit beaucoup au hasard ; un autre peut être jugé médiocre après une période défavorable malgré une stratégie plus solide. Un manager peut être récompensé pour une hausse du marché qu’il n’a pas provoquée, tandis qu’un autre subit les conséquences d’un choc extérieur.

Une étude publiée en 2026 sur les entraîneurs remplacés en cours de saison dans les cinq grands championnats européens de football entre 2017-2018 et 2024-2025 trouve justement que les clubs semblent réagir fortement aux résultats récents des matchs, alors que des indicateurs sous-jacents de performance permettent parfois de distinguer davantage le hasard du niveau de jeu. L’auteur interprète cette sensibilité comme une forme de biais de résultat dans l’évaluation managériale.

Le résultat est évidemment important dans le sport professionnel. Mais si l’objectif est d’évaluer la compétence future d’un entraîneur, il faut essayer de distinguer ce qu’il contrôlait de ce qui relevait du bruit.

Une issue grave peut légitimement déclencher une enquête

Il serait dangereux de transformer la lutte contre le biais de résultat en règle selon laquelle le résultat ne doit jamais influencer l’évaluation.

Lorsqu’une opération médicale provoque un accident grave, l’issue justifie évidemment une analyse. Lorsqu’un logiciel de sécurité échoue, l’échec fournit de nouvelles données. Lorsqu’un investissement s’effondre, il faut vérifier si les hypothèses initiales étaient erronées.

La distinction décisive est temporelle : le résultat peut nous apprendre aujourd’hui quelque chose que nous ne savions pas hier, mais il ne doit pas nous faire prétendre que cette information était déjà disponible hier.

Prenons une décision qui avait 95 % de chances de réussir selon les meilleures informations de l’époque. Après un échec, nous découvrons qu’un paramètre important avait été négligé. Il faut alors améliorer le modèle. Mais il faut encore distinguer deux possibilités : soit ce paramètre pouvait raisonnablement être identifié avant la décision et son omission révèle une faiblesse du processus ; soit il était pratiquement impossible à connaître et l’échec correspond à l’incertitude résiduelle.

C’est précisément pourquoi les enquêtes de sécurité sérieuses cherchent à reconstruire les informations disponibles au moment des faits, et pas seulement à raconter l’événement depuis la connaissance de son issue.

Cas pratique — une décision médicale après une complication rare

Un médecin choisit un traitement recommandé par les données disponibles. Le risque de complication grave est estimé à 1 %, contre 5 % avec l’alternative. Une complication survient malgré tout.

Après coup, quelqu’un affirme : « Il n’aurait jamais dû choisir ce traitement, puisqu’il a provoqué cette complication. »

Le raisonnement confond résultat et décision. Pour évaluer le choix, il faut revenir au moment où il a été fait : quelles étaient les probabilités connues ? Le patient présentait-il des facteurs de risque particuliers ? Existait-il une alternative supérieure ? Le consentement et la surveillance étaient-ils appropriés ?

Si le traitement choisi était celui qui maximisait raisonnablement les bénéfices attendus au regard des informations disponibles, l’issue tragique ne suffit pas à rendre le choix initial mauvais.

En revanche, la complication peut révéler un nouveau facteur de risque. Celui-ci devra être intégré aux décisions futures.

La règle pratique est donc : juger la décision avec les informations d’alors, apprendre du résultat avec les informations d’aujourd’hui.

Une mauvaise décision peut réussir

L’erreur inverse est parfois encore plus dangereuse, parce qu’elle récompense les méthodes médiocres.

Une personne conduit à très grande vitesse sans accident et conclut que sa conduite était correcte. Un investisseur concentre tout son patrimoine sur une entreprise hautement spéculative et réalise un gain spectaculaire. Une entreprise lance un produit sans tests sérieux, qui rencontre malgré tout le succès.

Le bon résultat peut rendre la méthode séduisante, mais il ne prouve pas qu’elle était raisonnable.

C’est particulièrement important lorsque les décisions sont répétées. Une stratégie qui prend des risques excessifs peut produire pendant un temps des résultats remarquables avant qu’un événement rare ne provoque une perte catastrophique. Récompenser systématiquement les meilleurs résultats passés sans regarder la manière dont ils ont été obtenus peut sélectionner les décideurs les plus chanceux plutôt que les plus compétents.

Une bonne évaluation doit donc poser une question contrefactuelle : si cette même méthode était répétée de nombreuses fois dans des situations comparables, quelles performances attendrions-nous ?

Cette question ramène l’analyse du résultat unique vers la qualité probabiliste de la décision.

Comment réduire le biais de résultat

La meilleure protection consiste à documenter la décision avant de connaître son issue. Noter les informations disponibles, les hypothèses, les probabilités estimées, les alternatives et les raisons du choix permet ensuite de comparer le raisonnement initial au résultat sans reconstruire inconsciemment le passé.

Dans les organisations, on peut également séparer l’évaluation du processus et celle de la performance observée. Un résultat défavorable doit déclencher une analyse, mais les personnes chargées de cette analyse doivent rechercher explicitement ce qui était prévisible à l’époque et ce qui ne l’était pas.

Il est utile de raisonner en séries plutôt qu’en cas isolés. Un médecin, un investisseur ou un responsable de projet ne devrait pas être jugé uniquement sur une décision unique lorsque le hasard joue un rôle important. Sur de nombreuses décisions comparables, la qualité du processus tend davantage à apparaître.

Enfin, on peut utiliser un test simple : « Si je ne connaissais pas encore le résultat, quelle note donnerais-je à cette décision ? » Si l’évaluation change radicalement une fois l’issue révélée alors qu’aucune nouvelle information sur le processus n’a été fournie, le biais de résultat devient une hypothèse sérieuse.

À retenir

Le biais de résultat consiste à utiliser l’issue d’une décision pour juger rétrospectivement sa qualité, même lorsque cette issue dépend en partie du hasard et n’apporte aucune information nouvelle sur ce que le décideur pouvait savoir au moment du choix. Baron et Hershey l’ont démontré dans leurs expériences classiques de 1988, et une réplication préenregistrée récente portant sur 692 participants a retrouvé un effet net.

Le principe central est que bonne décision et bon résultat ne sont pas synonymes. Une décision fondée sur les meilleures informations peut échouer ; une décision médiocre peut réussir.

Le biais doit cependant être distingué du biais rétrospectif, qui modifie notre perception de ce qui paraissait prévisible avant l’événement. Les deux peuvent se combiner : une mauvaise issue peut rendre le risque rétrospectivement « évident », puis cette nouvelle perception conduire à condamner plus sévèrement la décision. Les expériences de Kneer et Skoczeń montrent précisément ce type de chaîne dans les jugements de négligence et de culpabilité.

Enfin, le résultat ne doit pas être ignoré. Il constitue souvent une nouvelle donnée essentielle pour améliorer les décisions futures. La distinction à conserver est temporelle : évaluer le choix à partir des informations disponibles au moment où il a été pris, puis utiliser l’issue pour mettre à jour ce que nous savons désormais.

Sources principales

Jonathan Baron et John C. Hershey, « Outcome Bias in Decision Evaluation », *Journal of Personality and Social Psychology*, 1988. Cinq études classiques montrant qu’une même décision est jugée plus favorablement lorsque son résultat est bon, même lorsque les participants disposent exactement des informations dont disposait le décideur.

Réplication préenregistrée de l’expérience 1 de Baron et Hershey, échantillon de 692 participants. La réplication retrouve clairement le biais de résultat dans des scénarios médicaux et montre qu’il persiste même chez des participants déclarant que l’issue ne devrait pas entrer dans leur évaluation.

Markus Kneer et Izabela Skoczeń, « Outcome Effects, Moral Luck and the Hindsight Bias », *Cognition*, 2023. Dix expériences préenregistrées, N = 2 043, montrant notamment qu’une issue dommageable peut augmenter rétrospectivement la probabilité perçue du dommage, puis les jugements de négligence et de culpabilité.

Travaux expérimentaux sur l’attribution de la chance et de l’effort, montrant que des agents identiques peuvent être jugés différemment selon qu’un événement aléatoire leur produit un résultat favorable ou défavorable, même lorsque leur niveau d’effort est observable.

Jan C. van Ours, « Outcome Bias in Managerial Decisions », *Journal of Economic Psychology*, 2026. Analyse des changements d’entraîneurs dans les cinq grands championnats européens de football entre 2017-2018 et 2024-2025, mettant en évidence une forte sensibilité aux résultats récents relativement aux indicateurs sous-jacents de performance.

19 sur 39Retour à la catégorie