Rationalité limitée : décider suffisamment bien
Nous ne décidons jamais avec des ressources infinies
Les modèles les plus simples de décision supposent parfois un décideur capable d’identifier toutes les options, connaître toutes leurs conséquences, attribuer correctement toutes les probabilités et calculer la meilleure solution. Cette représentation peut être utile comme idéal théorique. Mais elle décrit rarement la situation réelle. Nous disposons d’un temps limité. Certaines informations sont coûteuses ou impossibles à obtenir. Notre attention est limitée. Les problèmes complexes peuvent contenir tellement d’options qu’une comparaison exhaustive devient irréaliste.
Herbert Simon a proposé le concept de rationalité limitée pour prendre au sérieux cette situation : une théorie réaliste de la décision doit tenir compte des capacités de calcul, de l’information réellement accessible et des contraintes auxquelles le décideur est soumis. La question n’est donc plus seulement : « Quelle est la meilleure décision possible ? » Elle devient : « Quelle qualité de décision pouvons-nous raisonnablement atteindre avec les ressources dont nous disposons ? »
Le coût du raisonnement fait partie de la décision
Analyser une décision possède lui-même un coût. Lire cent études demande plus de temps qu’en lire dix. Comparer cinquante devis demande davantage d’effort qu’en comparer cinq. Construire un modèle extrêmement précis demande du personnel, des données, du calcul et du temps. Ces ressources pourraient être utilisées ailleurs.
Simon insistait précisément sur ce point : la rationalité ne peut pas être évaluée indépendamment du coût de la procédure utilisée pour décider. Une méthode produisant une solution légèrement meilleure mais nécessitant cent fois plus d’effort peut être moins adaptée qu’une méthode rapide donnant une réponse presque aussi bonne. Nous retrouvons ici la logique de la valeur de l’information : améliorer une décision n’est utile que si l’amélioration justifie le coût nécessaire pour l’obtenir.
Optimiser peut devenir impossible. Prenons un problème apparemment simple : choisir le meilleur ordinateur parmi plusieurs centaines de modèles. Pour trouver rigoureusement l’option optimale, il faudrait peut-être comparer le prix, la puissance, l’autonomie, le poids, la fiabilité, la durée de garantie, la réparabilité, la qualité de l’écran et des dizaines d’autres caractéristiques. Il faudrait ensuite prévoir nos besoins futurs et attribuer une importance relative à chaque critère. En théorie, cela peut être fait. En pratique, le coût de recherche deviendrait rapidement disproportionné par rapport à l’enjeu. Le problème devient beaucoup plus spectaculaire dans les organisations complexes, la logistique, les investissements, les politiques publiques ou les jeux stratégiques. Simon utilisait notamment les échecs pour illustrer le fait que même un environnement parfaitement défini peut contenir trop de possibilités pour permettre une exploration exhaustive. La rationalité pratique doit donc fonctionner sans examiner toutes les possibilités.
Le satisficing : chercher une solution suffisamment bonne
Simon a proposé une stratégie qu’il a appelée satisficing, terme formé à partir de *satisfy* et *suffice*. L’idée est simple. Au lieu de rechercher systématiquement la meilleure option possible, nous définissons un niveau d’aspiration : ce qu’une option doit au minimum satisfaire pour être acceptable. Nous explorons ensuite les possibilités jusqu’à trouver une solution atteignant ce niveau. Cette stratégie peut être formulée ainsi : ne pas chercher nécessairement la meilleure option imaginable ; chercher une option suffisamment bonne pour l’objectif poursuivi. Dans les modèles de satisficing, le décideur arrête ainsi sa recherche lorsqu’il rencontre une option qui atteint ou dépasse un seuil jugé acceptable.
Exemple : choisir un logement. Imaginons une personne cherchant un appartement. Ses exigences essentielles sont :
- loyer inférieur à 900 euros ;
- trajet inférieur à trente minutes ;
- au moins deux chambres ;
- quartier jugé acceptable ;
- logement en bon état.
Elle pourrait essayer de visiter tous les appartements disponibles afin de trouver le meilleur. Mais pendant ce temps, les logements intéressants peuvent être loués par d’autres personnes et la recherche consomme de nombreuses heures. Une stratégie de satisficing consiste à définir les critères minimaux, visiter les logements dans un ordre raisonnable et accepter le premier qui répond suffisamment bien à l’ensemble des exigences. Cette stratégie ne garantit pas que l’appartement choisi soit le meilleur qui aurait pu exister. Elle cherche un compromis entre qualité de la solution et coût de la recherche.
« Suffisamment bon » ne signifie pas médiocre. Le mot peut donner l’impression d’un renoncement à l’exigence. Ce serait une mauvaise interprétation. Le niveau jugé suffisant dépend de l’enjeu. Pour choisir un restaurant, un critère assez grossier peut convenir. Pour sélectionner un dispositif médical implantable, les exigences de sécurité et de fiabilité doivent être beaucoup plus élevées. Le satisficing ne dit donc pas : « Prenez la première solution acceptable selon des critères faibles. » Il dit : « Définissez un niveau d’exigence proportionné à l’enjeu, puis ne dépensez pas indéfiniment des ressources pour chercher des améliorations marginales. » Une solution « suffisamment bonne » peut donc être extrêmement exigeante.
Le niveau d’aspiration doit lui-même être raisonnable
Tout repose évidemment sur la définition du seuil. S’il est trop bas, nous pouvons accepter des solutions médiocres. S’il est trop élevé, aucune option ne le satisfera et la recherche deviendra interminable. Le niveau d’aspiration peut donc devoir être ajusté. Supposons qu’une entreprise exige simultanément qu’un logiciel soit le moins cher du marché, le plus performant, parfaitement compatible avec tous ses systèmes, extrêmement simple à utiliser et disponible immédiatement. Il est possible qu’aucune option ne satisfasse toutes ces exigences. L’entreprise devra alors déterminer quels critères sont réellement indispensables et lesquels peuvent être assouplis. La rationalité limitée implique donc aussi d’accepter que nos aspirations doivent parfois s’adapter à l’espace réel des possibilités.
Les contraintes cognitives ne sont pas seulement des défauts. Nous présentons souvent les limites humaines comme des obstacles à une rationalité idéale. Elles le sont parfois. Mais certaines simplifications peuvent aussi être très efficaces. Une procédure simple peut être plus robuste qu’un modèle complexe lorsque les données sont faibles ou bruyantes. La littérature contemporaine sur la rationalité limitée souligne précisément que le compromis entre effort et précision n’implique pas toujours que davantage de complexité produise de meilleures décisions ; certaines heuristiques simples peuvent bien fonctionner dans certains environnements. Cela ne signifie pas : « Les intuitions simples sont toujours supérieures aux modèles. » La conclusion raisonnable est plus limitée : la qualité d’une méthode dépend aussi de l’environnement dans lequel elle est utilisée et du coût nécessaire pour la mettre en œuvre.
Une méthode plus complexe peut être moins performante. Supposons qu’un hôpital cherche à identifier les patients présentant un risque particulier. Un modèle complexe utilise quarante variables. Une règle plus simple n’en utilise que cinq. Sur les données historiques utilisées pour construire le modèle, le système complexe obtient une meilleure performance. Mais lorsqu’il est appliqué à de nouveaux patients, une partie de cet avantage disparaît parce que le modèle s’est trop adapté aux données initiales. Ce phénomène rappelle qu’une procédure complexe peut exploiter non seulement le signal, mais aussi le bruit. Dans certaines conditions, une règle plus simple peut donc mieux généraliser. La leçon ne concerne pas seulement les statistiques. Plus de sophistication n’est pas automatiquement synonyme de meilleure décision.
La rationalité procédurale
Simon a également insisté sur la rationalité procédurale. Une décision ne doit pas seulement être jugée d’après le résultat qu’elle produit ou l’option finalement sélectionnée. Nous pouvons aussi examiner la procédure employée pour parvenir au choix, compte tenu du temps, de l’information et des capacités disponibles. Cette idée rejoint directement une distinction déjà rencontrée dans cette catégorie. Une bonne procédure peut conduire à un mauvais résultat à cause du hasard. Une mauvaise procédure peut obtenir un excellent résultat par chance. Jugée ex ante, une décision raisonnable doit donc aussi répondre à des questions comme : Avons-nous utilisé les informations réellement importantes ? Avons-nous examiné les alternatives pertinentes ? L’effort d’analyse était-il proportionné à l’enjeu ? La procédure était-elle adaptée au temps disponible ?
Le temps disponible change la méthode rationnelle. Une décision prise en trente secondes ne peut pas être analysée comme une décision préparée pendant six mois. Imaginez un soignant confronté à une urgence vitale. Il ne peut pas consulter toutes les publications pertinentes, calculer plusieurs modèles et solliciter cinq avis avant d’agir. La méthode rationnelle doit alors exploiter :
- protocoles ;
- signes critiques ;
- connaissances déjà acquises ;
- heuristiques professionnelles ;
- actions rapidement réversibles lorsque c’est possible.
La limitation du temps ne fait pas disparaître la rationalité. Elle modifie la procédure rationnelle disponible. À l’inverse, invoquer l’urgence alors que des semaines étaient disponibles pour préparer une décision peut être une manière de justifier une improvisation évitable.
Décider dans l’urgence
Une urgence modifie plusieurs paramètres simultanément. Le coût de l’attente augmente. La quantité d’information accessible diminue. Le temps consacré à comparer les options devient lui-même dangereux. Nous pouvons alors accepter une stratégie en plusieurs étapes : stabiliser d’abord ; comprendre davantage ensuite. Une équipe médicale peut appliquer immédiatement une procédure destinée à préserver les fonctions vitales, puis affiner le diagnostic une fois le patient stabilisé. Un système informatique attaqué peut être isolé avant que l’origine exacte de l’incident soit connue. Une population peut être évacuée provisoirement avant la fin d’une expertise lorsque le coût du délai est potentiellement très élevé. La décision d’urgence cherche souvent moins l’optimalité finale que la préservation des possibilités futures.
L’expertise peut rendre certaines décisions rapides. Décider rapidement ne signifie pas toujours décider superficiellement. Une personne expérimentée peut reconnaître rapidement des configurations qu’un novice devrait analyser beaucoup plus longuement. Un médecin, un pompier, un pilote ou un technicien expérimenté dispose de schémas acquis par l’entraînement. Cette rapidité peut être extrêmement utile dans les environnements où les régularités sont suffisamment stables et où l’expérience fournit un retour de qualité. Mais l’expertise possède des limites. Une intuition entraînée dans un environnement régulier ne doit pas être automatiquement transférée à une situation nouvelle et imprévisible. La catégorie consacrée aux heuristiques et aux systèmes de pensée examine ces mécanismes plus en détail. Ici, la leçon est simplement que le coût raisonnable de la délibération dépend aussi de la compétence disponible.
Une checklist peut être plus rationnelle qu’un raisonnement improvisé. La rationalité limitée explique aussi pourquoi nous construisons des outils externes. Nous utilisons :
- listes de contrôle ;
- protocoles ;
- tableaux ;
- logiciels ;
- procédures ;
- systèmes d’alerte.
Ces dispositifs compensent certaines limites de mémoire et d’attention. Une checklist ne rend pas une personne « moins intelligente ». Elle évite de dépendre inutilement de sa mémoire dans des situations où l’oubli est prévisible. Les organisations rationnelles ne cherchent donc pas seulement à recruter des individus capables de mieux réfléchir. Elles construisent des environnements qui rendent les bonnes décisions plus faciles et certaines erreurs plus difficiles.
Réserver l’analyse coûteuse aux décisions qui la méritent
Nous pouvons appliquer un principe très simple : toutes les décisions ne méritent pas le même budget cognitif. Consacrer trente minutes à choisir un yaourt serait excessif. Consacrer trente minutes à choisir un traitement médical majeur peut être très insuffisant. La quantité raisonnable d’analyse dépend notamment :
- de l’importance des conséquences ;
- de l’incertitude ;
- de la réversibilité ;
- du coût de l’information ;
- du temps disponible.
Cette règle permet de lutter simultanément contre la précipitation et la suranalyse.
Cas pratique — Acheter un téléphone
Une personne cherche un téléphone à environ 400 euros. Elle commence par comparer les principaux modèles. Après deux heures, elle en retient trois dont les performances sont très proches. Elle pourrait continuer : comparer vingt tests photographiques, vérifier de minuscules différences de puissance, lire des centaines d’avis. Cette recherche peut finir par consommer plus de valeur en temps et en attention que la différence réelle entre les appareils. Une stratégie raisonnable pourrait consister à définir quelques critères indispensables — prix maximal, autonomie, durée de support logiciel, stockage — puis prendre l’une des options répondant correctement à ces critères. Ce n’est pas un appel à acheter au hasard. C’est reconnaître que l’optimisation elle-même possède un coût.
Cas pratique — Choisir un équipement hospitalier
Le même principe s’applique différemment lorsque l’enjeu augmente. Un hôpital doit acheter un équipement coûteux destiné à être utilisé pendant dix ans. Une recherche beaucoup plus approfondie devient raisonnable. Mais même ici, analyser chaque caractéristique imaginable n’est pas nécessairement utile. Les responsables peuvent définir : des contraintes obligatoires — sécurité, conformité, capacité ; des critères importants — fiabilité, maintenance, ergonomie ; des critères secondaires — différences mineures sans conséquence clinique notable. Cette hiérarchie concentre l’attention sur ce qui peut réellement changer la décision. Le satisficing ne réduit donc pas l’exigence. Il la dirige vers ce qui compte.
Quand faut-il arrêter la recherche ?
La fiche précédente donnait une première réponse : lorsqu’une information supplémentaire coûte davantage que l’amélioration attendue de la décision. La rationalité limitée ajoute un autre aspect : nous devons aussi décider comment utiliser notre propre attention. Une règle pratique peut consister à arrêter lorsque :
- une option satisfait tous les critères essentiels ;
- aucune alternative déjà identifiée ne la domine ;
- les différences restantes concernent surtout des critères secondaires ;
- rechercher davantage coûte significativement du temps ou des ressources ;
- aucune information accessible n’a de forte probabilité de changer le choix.
Ce n’est pas une démonstration mathématique d’optimalité. C’est une règle d’arrêt raisonnable.
Le risque de s’arrêter trop tôt. Le satisficing peut évidemment servir de justification à la paresse : « Cette solution marche à peu près, donc pourquoi chercher mieux ? » Le danger est particulièrement important lorsque le niveau d’aspiration est déterminé par habitude. Une organisation peut continuer à accepter un niveau de performance médiocre simplement parce qu’elle s’y est habituée. Il faut donc périodiquement réexaminer les seuils. « Suffisamment bon » par rapport à quoi ? Une solution acceptable il y a vingt ans peut devenir médiocre après l’apparition de meilleures alternatives. Le satisficing ne signifie pas figer éternellement les standards.
Le risque inverse : l’optimisation permanente. À l’inverse, une organisation peut vouloir améliorer continuellement chaque indicateur. Chaque procédure fait l’objet d’un nouveau tableau. Chaque petite différence déclenche une analyse. Chaque décision doit être justifiée par un modèle supplémentaire. Cette quête peut produire une bureaucratie considérable sans amélioration proportionnelle des résultats. Une rationalité authentique devrait également demander : « Combien coûte notre système destiné à rendre nos décisions plus rationnelles ? » La rationalité limitée s’applique aussi aux dispositifs de rationalisation.
Simplifier le problème plutôt que tout calculer. Une stratégie efficace consiste parfois à transformer une décision complexe. Supposons qu’une organisation doive comparer cent fournisseurs. Au lieu de noter précisément les cent sur vingt critères, elle peut commencer par éliminer ceux qui ne satisfont pas trois exigences indispensables. Il n’en reste peut-être que dix. Elle applique ensuite une analyse plus approfondie à ces dix options. Cette méthode en plusieurs étapes réduit énormément le coût du choix. Elle combine : seuils minimaux ; élimination rapide ; analyse détaillée des finalistes. Une grande partie des procédures réelles de décision fonctionnent ainsi.
Rationalité limitée et autonomie intellectuelle
L’autonomie intellectuelle pourrait être mal comprise comme l’obligation d’analyser personnellement tout problème jusqu’au moindre détail. Ce serait impossible. Nous dépendons constamment d’experts, d’institutions, de normes techniques, de protocoles et de connaissances accumulées. Être autonome intellectuellement ne signifie donc pas tout recalculer soi-même. Cela signifie notamment savoir :
- quand une décision mérite davantage d’examen ;
- quelles sources sont suffisamment fiables ;
- quelles questions critiques poser ;
- quelles simplifications sont acceptables ;
- quand une expertise externe est nécessaire ;
- quand nous en savons suffisamment pour agir.
L’autonomie est moins la possession de toutes les connaissances que la capacité à allouer intelligemment son attention et sa confiance.
L’environnement peut être conçu pour améliorer les décisions. Nos limites ne sont pas fixes. Une institution peut modifier l’environnement dans lequel les décisions sont prises. Elle peut présenter clairement les probabilités. Automatiser certaines vérifications. Créer une checklist. Exiger un second avis pour certaines décisions graves. Préparer des protocoles avant une urgence. Limiter les interruptions. Mettre en évidence les informations critiques. Nous pouvons ainsi transférer une partie du travail cognitif dans l’architecture de la décision. Cette idée est importante : une erreur humaine répétée ne doit pas toujours être corrigée en disant simplement aux personnes de « faire plus attention ». Il peut être beaucoup plus efficace de modifier la procédure.
La meilleure procédure dépend de l’environnement. Une règle simple peut être excellente dans un environnement et dangereuse dans un autre. Utiliser toujours le même seuil de déclenchement peut être efficace lorsque les conditions sont stables. La même règle peut devenir mauvaise lorsque les coûts ou les probabilités changent fortement. Il faut donc juger une procédure non seulement sur sa simplicité, mais sur son adéquation à l’environnement.
Cette idée a été particulièrement développée dans les recherches sur la rationalité écologique et les heuristiques : une méthode peut être performante non parce qu’elle calcule tout, mais parce qu’elle exploite efficacement certaines structures régulières du monde.
« Plus rationnel » ne signifie donc pas toujours « plus compliqué »
C’est peut-être l’une des leçons les plus importantes de cette fiche. Nous associons facilement rationalité et sophistication : davantage de données ; davantage de calculs ; davantage de critères ; davantage de modèles. Mais une procédure plus compliquée peut coûter trop cher, dépendre d’informations fragiles ou apporter une précision sans importance pratique. Une méthode rationnelle doit être aussi complexe que nécessaire, mais pas davantage simplement pour paraître rigoureuse. Cette exigence rejoint directement notre distinction entre quantification utile et précision artificielle.
Une grille pratique
Avant d’approfondir une décision, nous pouvons poser quelques questions :
| Question | Ce qu’elle permet d’évaluer |
|---|---|
| Quel est l’enjeu réel ? | Budget raisonnable d’analyse |
| Combien de temps avons-nous ? | Profondeur possible |
| La décision est-elle réversible ? | Coût d’une erreur |
| Quelles informations peuvent vraiment changer le choix ? | Priorités |
| Quels critères sont non négociables ? | Seuil minimal |
| Quelle solution serait déjà suffisamment bonne ? | Niveau d’aspiration |
| Combien coûte la recherche d’une amélioration supplémentaire ? | Rendement de l’analyse |
| Existe-t-il une procédure ou un outil éprouvé ? | Réduction de la charge cognitive |
| Quand arrêterons-nous de chercher ? | Règle d’arrêt |
Cette grille ne remplace pas l’analyse. Elle permet de décider combien d’analyse est elle-même rationnelle.
À retenir
La rationalité limitée part d’une réalité simple : les décideurs n’ont ni une information parfaite, ni un temps infini, ni une capacité de calcul illimitée. Herbert Simon a précisément développé cette approche pour remplacer l’image d’un décideur capable d’optimiser globalement par une conception plus réaliste des choix humains.
Le satisficing consiste à rechercher une option qui atteint un niveau d’exigence suffisamment élevé plutôt qu’à poursuivre indéfiniment une optimum théorique. Il ne signifie pas se contenter d’une solution médiocre : le seuil doit être adapté à l’importance de la décision. Une procédure rationnelle doit donc tenir compte à la fois de la qualité du résultat et du coût nécessaire pour l’obtenir. La règle centrale peut être formulée ainsi : il n’est pas rationnel de dépenser plus pour améliorer une décision que ce que cette amélioration peut raisonnablement nous apporter. Cette logique devient particulièrement importante dans l’urgence, lorsque le temps de délibération lui-même possède un coût. Mais une autre difficulté apparaît après la décision : une fois que nous avons commencé une stratégie, il devient parfois très difficile de l’abandonner, surtout lorsque nous y avons déjà consacré beaucoup de temps, d’argent ou d’efforts.
C’est l’objet de la prochaine fiche : « Savoir abandonner : coûts irrécupérables, escalade d’engagement et révision ». Les règles simples et le partage entre intuition et contrôle réfléchi sont approfondis dans Heuristiques et Intuition, réflexion et métacognition.
Sources et approfondissements
Herbert A. Simon, « A Behavioral Model of Rational Choice », *The Quarterly Journal of Economics*, vol. 69, no 1, 1955, p. 99-118. Article fondateur dans lequel Simon développe une conception du choix adaptée aux limites réelles d’information et de calcul des décideurs. Herbert A. Simon, *Models of Man: Social and Rational*, Wiley, 1957. Ouvrage dans lequel Simon développe la notion de bounded rationality et ses conséquences pour l’analyse des comportements humains. Stanford Encyclopedia of Philosophy, « Bounded Rationality », révision substantielle de 2024. Synthèse contemporaine des travaux sur la rationalité limitée, le compromis entre précision et effort, le *satisficing* et la rationalité écologique.
Herbert A. Simon, « From Substantive to Procedural Rationality », dans Spiro J. Latsis (dir.), *Method and Appraisal in Economics*, Cambridge University Press, 1976, p. 129-148. Simon y développe plus explicitement la distinction entre la rationalité évaluée uniquement à partir du résultat et la rationalité de la procédure employée pour décider.
Gerd Gigerenzer, Peter M. Todd et ABC Research Group, *Simple Heuristics That Make Us Smart*, Oxford University Press, 1999. Travaux influents sur les conditions dans lesquelles des règles simples peuvent être efficaces. Ces recherches ne signifient pas que les heuristiques sont toujours supérieures aux méthodes plus complexes ; leur performance dépend étroitement de la structure de l’environnement.