Le biais de surconfiance
Une personne peut croire qu’elle réussira huit questions sur dix alors qu’elle n’en réussit que six. Elle peut estimer qu’elle est meilleure que 80 % des autres alors qu’elle se situe simplement dans la moyenne. Elle peut enfin être presque certaine d’une réponse alors que ses réponses données avec 90 % de confiance ne sont correctes que dans 70 % des cas. Ces trois situations sont souvent regroupées sous l’expression surconfiance, mais elles correspondent en réalité à des phénomènes différents.
Don Moore et Paul Healy ont proposé en 2008 une distinction devenue centrale entre surestimation (*overestimation*), surclassement relatif (*overplacement*) et surprécision (*overprecision*). La première consiste à surestimer son niveau réel de performance ; la deuxième à se situer trop haut relativement aux autres ; la troisième à exprimer davantage de certitude que les preuves ne le permettent. Ces trois formes ne varient pas nécessairement ensemble et peuvent même évoluer dans des directions opposées.
Cette distinction change profondément la manière d’aborder le sujet. Il n’existe pas un unique « biais de surconfiance » qui pousserait uniformément chacun à se croire meilleur qu’il ne l’est. Une personne peut sous-estimer sa performance tout en se croyant meilleure que les autres, ou correctement estimer son niveau tout en étant excessivement certaine de ses réponses.
Surestimation : « je pense avoir mieux réussi que ce n’est réellement le cas »
La surestimation compare une estimation personnelle à une performance objective. Si une personne pense avoir obtenu 80 % de bonnes réponses alors que son score réel est de 60 %, elle surestime sa performance.
L’idée paraît simple, mais un résultat majeur de Moore et Healy est que cette surestimation dépend beaucoup de la difficulté de la tâche. Sur les tâches difficiles, les individus ont tendance à surestimer davantage leur performance absolue. Sur les tâches faciles, le phénomène peut s’inverser : ils peuvent au contraire sous-estimer leurs performances.
Imaginons un questionnaire extrêmement difficile où presque personne ne connaît les réponses. Les participants savent que la tâche était compliquée, mais peuvent ne pas mesurer exactement l’ampleur de leurs erreurs. Leur estimation moyenne peut alors rester au-dessus de leur score réel. À l’inverse, dans une tâche si facile que presque tout le monde réussit, une personne peut envisager quelques erreurs possibles et se créditer de 90 % de réussite alors qu’elle en obtient réellement 98 %.
La surconfiance n’est donc pas simplement une tendance constante à gonfler son ego. Une partie des résultats dépend de la difficulté objective du problème et de l’incertitude dont dispose chacun sur sa propre performance.
Surclassement : « je suis meilleur que les autres »
Le surclassement relatif concerne une question différente. Il ne demande pas « combien vais-je réussir ? », mais « où est-ce que je me situe par rapport aux autres ? »
C’est ici que l’on retrouve le célèbre effet meilleur que la moyenne : les personnes peuvent se considérer comme meilleures que les autres pour certaines capacités ou caractéristiques. Mais cette tendance dépend elle aussi fortement du type de tâche.
Moore et Healy montrent un résultat apparemment paradoxal. Sur les tâches faciles, les individus peuvent sous-estimer leur score absolu tout en se croyant meilleurs que les autres. Sur les tâches difficiles, ils peuvent surestimer leur propre score mais croire malgré tout qu’ils sont relativement moins bons que les autres.
Pourquoi ? Parce que nous connaissons généralement mieux notre propre situation que celle des autres. Si une tâche nous paraît facile, nous observons directement notre facilité mais pouvons sous-estimer le fait qu’elle est également facile pour tout le monde. Si elle nous paraît extrêmement difficile, nous ressentons nos difficultés mais ne voyons pas celles des autres.
Ainsi, une même personne peut dire sans contradiction psychologique : « J’ai probablement obtenu 6/10 alors que j’en ai obtenu 4 », ce qui constitue une surestimation, et « les autres ont probablement fait encore mieux que moi », ce qui constitue un sous-classement relatif.
Parler simplement de « personnes trop confiantes » ferait disparaître cette différence essentielle.
Surprécision : être trop certain de ce que l’on croit savoir
La troisième forme est peut-être la plus importante pour l’esprit critique. La surprécision apparaît lorsque nous sommes trop certains que notre estimation ou notre jugement est exact.
Supposons qu’on demande d’estimer la population d’une ville et de fournir une fourchette dans laquelle on pense avoir 90 % de chances que la véritable réponse se trouve. Si, sur une grande série de questions, la bonne réponse n’est contenue dans ces intervalles que 60 % du temps, les intervalles sont trop étroits : la personne est surprécise.
De même, si quelqu’un donne une réponse avec 90 % de confiance mais que les réponses auxquelles il attribue ce niveau de confiance ne sont correctes que 70 % du temps, sa confiance est mal calibrée.
Moore et Healy considéraient la surprécision comme plus persistante que les deux autres formes de surconfiance. Une étude de Moore, Carter et Yang publiée en 2015 montre néanmoins que son mécanisme est lui-même plus complexe qu’on ne le pensait : selon les mesures utilisées, les distributions subjectives d’incertitude ne sont pas simplement toujours « trop étroites », et expérience, cadrage et nature de l’incertitude peuvent modifier les résultats.
La leçon pratique reste particulièrement importante : avoir identifié la réponse que nous jugeons la meilleure ne nous indique pas encore à quel point nous devrions être certains qu’elle est correcte.
Confiance et exactitude ne sont pas indépendantes
Une caricature courante de cette littérature affirme que « plus quelqu’un est sûr de lui, moins il est compétent ». Ce n’est pas ce que montrent les données.
Une méta-analyse exploitant 213 jeux de données de la *Confidence Database* a examiné la relation entre la confiance moyenne des individus et leur exactitude moyenne. Elle trouve une corrélation positive d’environ r = 0,22 : les personnes plus confiantes sont, en moyenne, aussi légèrement plus exactes, même si la relation est loin d’être parfaite et varie selon les tâches. Elle est notamment plus forte dans les tâches de mémoire que dans celles de perception.
Autrement dit, la confiance contient de l’information, mais pas suffisamment pour être utilisée seule comme preuve de compétence.
Deux personnes peuvent parler avec la même assurance et posséder des niveaux de fiabilité très différents. Inversement, quelqu’un qui exprime son incertitude n’est pas nécessairement moins compétent ; il peut au contraire être mieux calibré et reconnaître plus précisément les limites de ses connaissances.
L’objectif de l’esprit critique n’est donc pas de se méfier systématiquement des personnes sûres d’elles. Il est d’apprendre à distinguer confiance exprimée, compétence réelle et calibration entre les deux.
Les experts sont-ils protégés par leur expertise ?
On pourrait penser qu’un expert, grâce à son expérience et à ses connaissances, devient naturellement bien calibré. Une revue interdisciplinaire publiée en 2023 par Carmen Sanchez et David Dunning montre une réalité plus nuancée.
Les conclusions diffèrent selon ce que l’on appelle expertise — ancienneté, titre professionnel ou performance réelle — et selon la forme de surconfiance étudiée. La revue conclut que la surprécision apparaît chez les experts avec une certaine constance ; la surestimation est plus variable et le surclassement relatif peut parfois s’inverser.
Dans le domaine clinique, une méta-analyse portant sur 36 études et 1 485 cliniciens a trouvé une corrélation positive mais faible entre confiance et exactitude, r = 0,15, avec une hétérogénéité importante entre études. Ce résultat ne signifie pas que les professionnels sont généralement incapables d’évaluer leurs propres décisions. Il montre plutôt qu’un degré élevé de confiance professionnelle n’offre pas à lui seul une garantie suffisante d’exactitude.
L’expertise peut améliorer énormément la qualité des décisions sans produire automatiquement une métacognition parfaite sur leur fiabilité.
L’effet Dunning-Kruger : un cas célèbre, mais beaucoup plus controversé que sa version populaire
La surconfiance est aujourd’hui presque systématiquement associée à l’effet Dunning-Kruger. Dans leur article de 1999, Justin Kruger et David Dunning ont étudié des performances en humour, grammaire et raisonnement logique. Les participants situés dans le quartile inférieur surestimaient fortement leur niveau relatif : dans certaines analyses, leur performance réelle se situait autour du 12e percentile alors qu’ils s’estimaient autour du 62e. Les auteurs proposaient qu’un manque de compétence puisse également limiter les capacités métacognitives nécessaires pour reconnaître ses propres erreurs.
Cette idée a été transformée dans la culture populaire en une affirmation beaucoup plus forte : « les plus incompétents sont les plus convaincus d’être excellents ». La littérature actuelle ne permet pas une formulation aussi simple.
Une difficulté statistique est connue depuis longtemps : lorsque l’on divise les participants en groupes en fonction de leur performance objective puis que l’on compare cette performance à une auto-évaluation imparfaitement corrélée, la régression vers la moyenne peut mécaniquement produire une partie du schéma. Si, en plus, les individus ont généralement tendance à se situer légèrement au-dessus de la moyenne, les personnes appartenant au groupe de faible performance apparaîtront nécessairement comme davantage surestimantes.
Gilles Gignac et Marcin Zajenkowski ont montré en 2020 que les analyses traditionnelles par quartiles pouvaient reproduire l’apparence d’un effet Dunning-Kruger à partir de ces mécanismes statistiques. Dans un échantillon de 929 participants, des analyses destinées à tester plus directement l’hypothèse métacognitive n’ont pas retrouvé l’effet attendu pour l’intelligence générale.
Le débat n’est toutefois pas clos. Une étude de 2023 utilisant d’autres données et les méthodes recommandées par ces critiques trouve un petit effet Dunning-Kruger significatif, tout en soulignant qu’il reste difficile de distinguer l’hypothèse métacognitive originale de plusieurs explications concurrentes. Des travaux de 2022 trouvent également des indices dans certains domaines de l’intelligence mais pas dans d’autres.
Enfin, une nouvelle analyse de Gignac publiée en 2024 conclut, pour les capacités cognitives étudiées, que la composante spécifiquement compatible avec l’hypothèse Dunning-Kruger serait beaucoup plus petite et limitée à une fraction réduite de la distribution que ne le suggèrent les graphiques populaires.
La conclusion prudente est donc claire : les personnes peu performantes peuvent surestimer leurs capacités, mais la célèbre courbe Dunning-Kruger ne doit pas être utilisée comme une loi générale selon laquelle moins quelqu’un sait, plus il est nécessairement certain de savoir.
Surtout, l’effet Dunning-Kruger n’est pas une arme pour qualifier les autres
L’usage quotidien du concept pose un problème supplémentaire. Une personne entend un adversaire exprimer une opinion très assurée avec laquelle elle est en désaccord et conclut : « c’est Dunning-Kruger ».
Ce raisonnement ne démontre rien.
Pour identifier une surconfiance, il faut disposer d’au moins deux éléments : une mesure de confiance et une référence permettant d’évaluer l’exactitude ou la compétence réelle. Le simple désaccord ne fournit ni l’une ni l’autre de manière suffisante.
Pour parler spécifiquement d’un effet Dunning-Kruger, il faudrait encore montrer que l’erreur de calibration dépend du niveau de compétence d’une manière qui dépasse les artefacts statistiques possibles. Une impression produite pendant une conversation n’en fournit évidemment pas la démonstration.
L’étiquette devient particulièrement ironique lorsqu’elle sert à déclarer sans mesure que l’autre est trop ignorant pour reconnaître son ignorance. Elle permet alors d’éviter précisément ce que l’esprit critique devrait exiger : examiner les arguments, les preuves et son propre degré d’incertitude.
La calibration est plus utile que la recherche d’une confiance « basse »
La solution à la surconfiance n’est pas de devenir systématiquement hésitant.
Une personne qui sait parfaitement une réponse mais annonce seulement 55 % de confiance n’est pas mieux calibrée qu’une personne qui est trop certaine. Elle manifeste simplement une erreur dans l’autre direction.
L’objectif est la calibration. Si une personne classe cent affirmations à 70 % de confiance, environ 70 devraient être correctes. Si ses jugements à 90 % sont corrects environ neuf fois sur dix, cette confiance élevée est parfaitement appropriée.
Cette manière de raisonner transforme la confiance en une grandeur susceptible d’être testée dans le temps. Au lieu de demander « suis-je quelqu’un de trop sûr de moi ? », on peut demander : « lorsque je dis être certain à 80 %, à quelle fréquence ai-je effectivement raison ? »
Les professionnels peuvent utiliser la même logique. Un diagnostic annoncé avec « forte confiance » devrait avoir une fréquence d’exactitude plus élevée qu’un diagnostic accompagné d’une confiance modérée. La calibration peut ainsi devenir un outil de retour d’expérience plutôt qu’une critique morale de l’assurance personnelle.
Les questions elles-mêmes peuvent fabriquer une apparence de surconfiance
Une partie des anciennes recherches sur la confiance reposait sur des questionnaires de culture générale construits par les expérimentateurs. Peter Juslin a montré en 1994 que la manière de sélectionner les questions pouvait fortement influencer l’apparence d’une mauvaise calibration.
Lorsqu’on choisit volontairement des questions comportant des réponses alternatives particulièrement trompeuses, les participants peuvent apparaître fortement surconfiants. Lorsque les éléments sont échantillonnés plus naturellement dans l’environnement étudié, la calibration peut devenir nettement meilleure.
Cela ne signifie pas que la surconfiance serait un artefact général. Cela montre que la mesure du biais dépend elle-même de l’échantillon de problèmes utilisé.
On retrouve un principe maintenant familier dans cette rubrique : pour comprendre un biais cognitif, il faut examiner non seulement la réponse des participants, mais également la manière dont l’expérience construit la tâche et son critère de correction.
Cas pratique — « Je suis sûr à 95 % »
Un professionnel examine une situation complexe et annonce : « Je suis sûr à 95 % que mon diagnostic est correct. »
Cette phrase peut être extrêmement informative si le professionnel est bien calibré. Supposons qu’on retrouve cent décisions antérieures auxquelles il attribuait environ 95 % de confiance et que 94 se soient révélées correctes. Son niveau d’assurance est alors remarquablement approprié.
Supposons au contraire que seules 70 de ces cent décisions aient été correctes. Il existe une surprécision importante, même si le professionnel reste objectivement beaucoup plus performant qu’un novice.
Cet exemple montre pourquoi expertise et surconfiance ne sont pas opposées. Une personne peut être excellente dans son domaine et néanmoins surestimer la fiabilité de ses propres conclusions.
La correction ne consiste pas à lui demander de « manquer davantage de confiance ». Elle consiste à fournir un retour régulier permettant de comparer confiance annoncée et fréquence réelle de réussite.
Comment réduire la surconfiance
La première méthode consiste à préciser quelle forme de surconfiance on cherche à corriger. Si une personne surestime systématiquement son score, il faut lui fournir un retour objectif sur sa performance. Si elle se classe trop haut par rapport aux autres, il faut disposer de données comparatives réelles. Si elle est surprécise, il faut travailler sur la calibration de ses probabilités ou de ses intervalles.
Le feedback est particulièrement utile lorsqu’il est fréquent, précis et relié directement à la décision. Une personne qui reçoit continuellement le résultat de ses prédictions dispose de meilleures possibilités d’ajuster sa confiance qu’une personne dont les erreurs restent longtemps invisibles ou ambiguës.
Pour les décisions importantes, produire plusieurs hypothèses concurrentes peut également limiter la surprécision. Au lieu de demander seulement « pourquoi mon explication est-elle vraie ? », on peut demander « quelles autres explications seraient compatibles avec les mêmes observations ? ». L’existence d’alternatives plausibles fournit une raison concrète d’élargir l’incertitude.
Il est aussi utile de transformer les expressions vagues — « presque sûr », « très probable », « quasiment certain » — en probabilités approximatives, puis de conserver un historique. Une telle pratique permet d’apprendre si nos 70 %, 80 % ou 90 % correspondent réellement aux fréquences observées.
Enfin, les organisations peuvent protéger leurs décisions en séparant autorité et certitude. Un expert doit pouvoir dire « je ne sais pas », « j’estime cette hypothèse à 60 % » ou « les données ne permettent pas encore de départager » sans que cette précision soit interprétée comme un manque de compétence.
À retenir
La surconfiance n’est pas un phénomène unique. La distinction proposée par Moore et Healy sépare surestimation, lorsque nous exagérons notre performance absolue ; surclassement, lorsque nous nous situons trop haut relativement aux autres ; et surprécision, lorsque nous exprimons davantage de certitude que les preuves ne le justifient. Ces trois phénomènes peuvent apparaître dans des circonstances différentes et même évoluer en sens opposé selon la difficulté de la tâche.
La confiance elle-même n’est pas dépourvue de valeur : une analyse de 213 jeux de données trouve une association positive, quoique modeste, entre confiance moyenne et exactitude moyenne. L’objectif n’est donc pas de remplacer la confiance par le doute permanent, mais de parvenir à une confiance calibrée.
L’effet Dunning-Kruger constitue un cas beaucoup plus spécifique. L’étude originale de 1999 montrait une forte surestimation relative chez certains participants peu performants, mais les méthodes traditionnelles utilisées pour représenter le phénomène sont aujourd’hui vivement discutées parce qu’elles peuvent amplifier l’effet par régression vers la moyenne et par l’effet meilleur que la moyenne. Des travaux contemporains trouvent selon les domaines un effet faible, absent ou limité, et le débat sur son mécanisme exact reste ouvert.
La meilleure question critique n’est donc pas « suis-je confiant ? » ni « cette personne semble-t-elle trop sûre d’elle ? », mais : « lorsque ce niveau de confiance est exprimé, à quelle fréquence les jugements correspondants se révèlent-ils effectivement corrects ? »
Sources principales
Don A. Moore et Paul J. Healy, « The Trouble With Overconfidence », *Psychological Review*, 2008. Article majeur distinguant surestimation, surclassement et surprécision et montrant notamment que les deux premières peuvent varier en sens opposé selon la difficulté de la tâche.
Justin Kruger et David Dunning, « Unskilled and Unaware of It: How Difficulties in Recognizing One’s Own Incompetence Lead to Inflated Self-Assessments », *Journal of Personality and Social Psychology*, 1999. Étude originale proposant qu’une faible compétence puisse limiter à la fois la performance et la capacité métacognitive à reconnaître ses erreurs.
Gilles E. Gignac et Marcin Zajenkowski, « The Dunning-Kruger Effect Is (Mostly) a Statistical Artefact », *Intelligence*, 2020. Analyse montrant que les représentations traditionnelles par quartiles sont confondues avec la régression vers la moyenne et l’effet meilleur que la moyenne ; les méthodes alternatives utilisées par les auteurs ne retrouvent pas l’effet attendu sur leur mesure d’intelligence.
Reevaluation of the Dunning-Kruger Effect, *Intelligence*, 2023. Nouvelle analyse utilisant les méthodes proposées par les critiques et retrouvant un effet faible mais statistiquement significatif, illustrant le caractère encore débattu du phénomène et de son interprétation.
Gilles E. Gignac, « Rethinking the Dunning-Kruger Effect: Negligible Influence on a Limited Segment of the Population », *Intelligence*, 2024. Analyse concluant que la composante spécifiquement compatible avec l’hypothèse Dunning-Kruger est beaucoup plus limitée que ne le suggère sa représentation populaire dans les données cognitives examinées.
Carmen Sanchez et David Dunning, « Are Experts Overconfident? An Interdisciplinary Review », *Research in Organizational Behavior*, 2023. Revue montrant que la réponse dépend fortement de la définition de l’expertise et de la forme de surconfiance étudiée ; la surprécision apparaît particulièrement persistante, y compris parmi certains experts.
Dobromir Rahnev et collègues, « Across-Subject Correlation Between Confidence and Accuracy: A Meta-analysis of the Confidence Database », 2022. Analyse de 213 jeux de données trouvant une corrélation positive d’environ *r* = 0,22 entre confiance moyenne et exactitude moyenne, avec d’importants modérateurs selon les domaines et les tâches.
Peter Juslin, « The Overconfidence Phenomenon as a Consequence of Informal Experimenter-Guided Selection of Almanac Items », *Organizational Behavior and Human Decision Processes*, 1994. Étude montrant que la sélection des questions utilisées pour mesurer la calibration peut elle-même contribuer à certains résultats classiques de surconfiance.