Satisficing — choisir une solution suffisamment bonne
Vous cherchez un logement. Vous pourriez théoriquement visiter tous les appartements disponibles, anticiper ceux qui seront mis sur le marché dans les semaines suivantes, comparer chaque quartier, chaque trajet, chaque loyer et chaque caractéristique, puis sélectionner le meilleur logement possible. En pratique, une telle recherche pourrait durer indéfiniment.
Une autre stratégie consiste à déterminer à l’avance quelques conditions importantes : un loyer maximal, un temps de trajet acceptable, une surface minimale et peut-être deux ou trois exigences indispensables. Vous examinez ensuite les logements disponibles jusqu’à en trouver un qui satisfait suffisamment ces critères, puis vous arrêtez votre recherche.
Vous ne savez pas s’il s’agit du meilleur logement qui aurait pu être découvert. Vous savez seulement qu’il franchit un niveau que vous aviez décidé de considérer comme satisfaisant.
Herbert Simon a donné à cette stratégie le nom de satisficing, terme formé à partir de *satisfy* et *suffice*. Dans son modèle de 1955, le décideur n’évalue pas nécessairement toutes les alternatives avant de choisir : il peut les examiner séquentiellement et accepter la première qui atteint un niveau d’aspiration suffisant.
Le *satisficing* ne signifie donc pas « se contenter de médiocrité ». Il désigne une manière de décider lorsque chercher, comparer et calculer ont eux-mêmes un coût.
Optimiser exige de connaître ce que l’on pourrait choisir
Une stratégie d’optimisation vise, en principe, à sélectionner la meilleure option selon un critère défini. Cela suppose toutefois de pouvoir identifier les alternatives pertinentes et de les comparer.
Dans certains problèmes, cette condition est raisonnablement satisfaite. Si cinq offres clairement spécifiées sont posées devant nous, avec leurs prix et leurs caractéristiques, il peut être assez simple de toutes les comparer.
Mais de nombreuses décisions prennent une autre forme. Les options arrivent progressivement. Certaines n’existent pas encore. Nous ignorons combien de possibilités apparaîtront demain. Chercher davantage prend du temps et peut faire disparaître une option déjà disponible.
Dans ces situations, la question n’est pas seulement :
« quelle option est la meilleure ? »
Elle devient aussi :
« quand dois-je arrêter de chercher ? »
C’est ici que le *satisficing* devient une véritable stratégie de décision.
Il remplace la recherche d’un maximum global souvent inconnu par une règle d’arrêt : dès qu’une option atteint un niveau jugé suffisamment bon, elle peut être choisie.
Le niveau d’aspiration
La notion centrale n’est donc pas seulement « assez bien », mais assez bien par rapport à quoi ?
Simon parle d’un niveau d’aspiration : un seuil séparant les options actuellement acceptables de celles qui ne le sont pas.
Pour chercher un emploi, ce niveau peut intégrer un salaire minimal, une distance maximale et certaines conditions de travail. Pour acheter un ordinateur, il peut correspondre à un budget maximal et à quelques performances indispensables. Pour recruter, il peut prendre la forme d’un ensemble de compétences minimales.
Le seuil simplifie considérablement la décision. Au lieu d’établir un classement complet de toutes les alternatives possibles, il suffit souvent de déterminer si l’option actuelle se situe au-dessus ou en dessous d’un niveau acceptable.
La stratégie possède alors trois éléments conceptuels : un seuil d’aspiration, une recherche séquentielle et une règle d’arrêt.
La grande revue de Florian Artinger, Gerd Gigerenzer et Perke Jacobs publiée en 2022 résume précisément le *satisficing* comme la recherche d’une alternative atteignant un niveau d’aspiration sans prétendre optimiser l’ensemble des possibilités.
Un seuil peut lui-même évoluer
Un niveau d’aspiration n’est pas nécessairement fixé une fois pour toutes.
Imaginez qu’après plusieurs semaines de recherche, aucun logement ne satisfasse simultanément tous vos critères. Trois possibilités existent : continuer à chercher avec les mêmes exigences, abandonner la recherche ou modifier votre seuil.
Vous pouvez accepter un trajet légèrement plus long, augmenter votre budget ou réduire la surface minimale.
À l’inverse, si les premières recherches révèlent beaucoup d’options dépassant facilement vos exigences, vous pouvez devenir plus sélectif.
Le *satisficing* peut donc comporter une adaptation du niveau d’aspiration à l’expérience rencontrée pendant la recherche.
Cette dynamique est importante, car une règle rigide du type « accepter le premier logement dépassant exactement ces quatre seuils immuables » ne rendrait pas compte de nombreuses décisions réelles.
Une formulation contemporaine du modèle de Simon peut ainsi être résumée de la manière suivante : définir un niveau d’aspiration, accepter la première option qui le satisfait et, si aucune option acceptable n’apparaît après suffisamment de recherche, réviser ce niveau.
« Suffisamment bon » n’est pas « mauvais »
Le vocabulaire peut facilement induire en erreur.
Dans la langue courante, dire qu’une décision est « juste assez bonne » suggère parfois que le décideur aurait pu obtenir nettement mieux s’il avait fait un effort supplémentaire.
Ce n’est pas ce que démontre le *satisficing*.
Supposons qu’il faille dix heures supplémentaires de recherche pour améliorer une décision de manière imperceptible. Si ces dix heures ont une valeur supérieure au bénéfice attendu, arrêter la recherche peut être la meilleure utilisation des ressources disponibles.
La qualité d’une décision doit alors intégrer le coût de la procédure ayant permis de la produire.
C’est un point central de la rationalité limitée : une règle de décision ne peut pas être évaluée uniquement comme si le raisonnement, l’information et le temps étaient gratuits.
Dans le monde réel, la recherche d’un optimum possède elle aussi un prix.
Risque et incertitude : une distinction importante
La littérature sur le *satisficing* contient deux traditions qui ne portent pas exactement sur les mêmes problèmes.
Artinger, Gigerenzer et Jacobs distinguent notamment les situations de risque, dans lesquelles les alternatives et leurs probabilités peuvent être suffisamment spécifiées pour permettre une optimisation formelle, et les situations d’incertitude, dans lesquelles des événements, probabilités ou options pertinentes restent inconnus. Leur revue de plus de soixante années de travaux conclut que le *satisficing* est généralement dominé par des stratégies d’optimisation dans les modèles où toutes les informations nécessaires sont déjà connues, mais qu’il peut être extrêmement efficace lorsque l’environnement est véritablement incertain.
La distinction est décisive.
Si l’on vous propose cinq investissements avec leurs distributions de rendement parfaitement connues, refuser de calculer alors que le calcul est simple peut simplement dégrader votre décision.
Mais si vous devez choisir une carrière professionnelle pour les trente prochaines années, les options futures, leurs conséquences et leurs probabilités sont loin d’être toutes connues.
Prétendre « optimiser » peut alors masquer une quantité considérable d’hypothèses incertaines.
Le *satisficing* est particulièrement intéressant dans ce second type de situation.
Chercher possède un coût, mais arrêter trop tôt aussi
Une règle d’arrêt résout un problème mais en crée immédiatement un autre : où placer le seuil ?
Un niveau d’aspiration trop bas conduit à accepter rapidement des options médiocres alors qu’une amélioration importante aurait probablement été facile à trouver.
Un niveau trop élevé conduit au problème inverse : aucune option n’est jamais assez bonne, la recherche se prolonge et son coût augmente.
Il existe donc un véritable compromis entre qualité de l’option retenue et coût de la recherche.
Prenons l’achat d’un produit relativement banal. Passer de dix minutes à une heure de comparaison peut apporter une amélioration utile. Passer de vingt à vingt et une heures pour économiser éventuellement deux euros possède probablement beaucoup moins de valeur.
Changeons maintenant l’enjeu. S’il s’agit de sélectionner un dispositif médical déterminant pour la sécurité de milliers de patients, une comparaison supplémentaire peut justifier un coût beaucoup plus élevé.
Il n’existe donc pas de niveau d’aspiration universellement rationnel.
Le seuil doit dépendre notamment de l’importance de la décision, de sa réversibilité, du coût d’une erreur et du coût de poursuivre la recherche.
Exemple réel — comment fixer le prix d’une voiture d’occasion ?
Le *satisficing* n’est pas uniquement une construction théorique.
Des recherches menées sur le marché des voitures d’occasion ont étudié la manière dont des concessionnaires déterminent leurs prix dans un environnement où la valeur exacte à laquelle une voiture particulière sera finalement vendue reste incertaine.
Une étude portant sur des concessionnaires BMW a constaté qu’une très grande majorité utilisait une stratégie correspondant à une heuristique de niveau d’aspiration : choisir un prix initial à partir du marché de véhicules comparables, maintenir ce prix pendant une certaine période puis le réduire si la voiture ne trouvait pas d’acheteur. Une publication ultérieure sur ces données rapporte que 97 % des 628 concessionnaires étudiés utilisaient ce type de règle et que les paramètres étaient adaptés aux conditions locales du marché.
Le concessionnaire ne calcule donc pas nécessairement le prix théoriquement optimal parmi tous les prix possibles et tous les comportements futurs des acheteurs.
Il fixe plutôt un niveau acceptable, observe le marché et ajuste sa règle si le résultat attendu ne se produit pas.
Ce cas est particulièrement intéressant parce que la stratégie simple ne constitue pas seulement une approximation psychologique. Les auteurs trouvent également des éléments indiquant qu’elle peut générer, dans cet environnement incertain, de meilleures performances que la stratégie d’optimisation servant de comparaison dans leur modèle.
Cela ne signifie évidemment pas que le *satisficing* domine généralement l’optimisation.
Cela montre que la supériorité d’une procédure dépend du problème auquel elle est appliquée.
Cas pratique — chercher la meilleure décision jusqu’à ne plus décider
Un patient doit choisir entre plusieurs établissements pour une intervention programmée. Il dispose déjà de deux possibilités répondant aux critères médicaux essentiels, mais continue à rechercher des informations.
Chaque nouvelle recherche ouvre de nouveaux critères : classement général, réputation d’un praticien, avis en ligne, distance, confort des chambres, délai de rendez-vous, nombre d’interventions annuelles, technologies disponibles.
À mesure qu’il cherche à optimiser son choix, le nombre de dimensions à comparer augmente.
Cette recherche supplémentaire peut être parfaitement raisonnable si elle révèle une différence importante de qualité ou de sécurité.
Mais elle peut aussi arriver à un point où les nouvelles informations deviennent marginales, contradictoires ou très bruitées tandis que la décision est continuellement repoussée.
Une stratégie de *satisficing* oblige à définir auparavant ce qui est réellement indispensable : critères médicaux, niveau d’expérience pertinent, délai acceptable et éventuellement quelques préférences personnelles importantes.
Une fois qu’une option atteint suffisamment ces critères, poursuivre la recherche doit pouvoir être justifié par la valeur attendue de l’information supplémentaire, et non simplement par l’idée abstraite qu’« il existe peut-être mieux ».
Le *satisficing* sert ici de protection contre une recherche devenue elle-même coûteuse.
Le problème des critères multiples
Dans les exemples simples, un seul seuil suffit : prix inférieur à 500 euros, temps de trajet inférieur à quarante minutes, salaire supérieur à une certaine valeur.
Les décisions réelles comportent souvent plusieurs dimensions.
Une option peut être excellente sur un critère et médiocre sur un autre.
Il faut alors préciser la structure du *satisficing*.
Certains critères peuvent être non négociables : une option qui ne les satisfait pas est rejetée. D’autres peuvent autoriser des compromis. Une troisième catégorie peut servir seulement à départager plusieurs options déjà satisfaisantes.
Cela rapproche le *satisficing* d’autres stratégies de décision que nous examinerons ensuite, notamment l’élimination par aspects.
La différence conceptuelle importante est que le *satisficing* insiste surtout sur l’existence d’un seuil acceptable et sur l’arrêt de la recherche, tandis que l’élimination par aspects décrit plus précisément une manière de filtrer successivement un ensemble d’options selon différents critères.
Les frontières entre les stratégies peuvent donc parfois être moins nettes dans les comportements réels que dans les modèles.
Un individu peut-il se tromper sur son propre niveau d’aspiration ?
Oui.
Définir un seuil n’est pas automatiquement rationnel.
Une personne peut fixer un niveau irréaliste parce qu’elle surestime ce qui existe sur le marché. Elle peut accepter un niveau trop faible parce qu’elle sous-estime les alternatives disponibles. Son seuil peut être influencé par le premier exemple rencontré, par une norme sociale ou par une mauvaise compréhension du problème.
Le *satisficing* ne transfère donc pas magiquement toute la rationalité dans la phrase :
« je sais ce qui est assez bon pour moi ».
Il déplace une partie du problème vers la construction du niveau d’aspiration.
D’où vient-il ? Sur quelles données repose-t-il ? Est-il cohérent avec les objectifs de la décision ? Doit-il être révisé après avoir découvert les possibilités réelles ?
Un bon niveau d’aspiration nécessite souvent lui-même une première phase d’exploration.
Chercher quelques informations avant de fixer le seuil peut être beaucoup plus rationnel que choisir arbitrairement un critère dès le départ.
Satisficing et procrastination décisionnelle
La recherche d’une meilleure option peut parfois devenir une manière de ne pas décider.
Il serait toutefois abusif de qualifier automatiquement toute recherche approfondie de perfectionnisme irrationnel.
Lorsque les enjeux sont élevés, une analyse longue peut être pleinement justifiée.
Le problème apparaît lorsque le bénéfice probable d’une information supplémentaire devient très faible alors que les coûts de l’attente continuent d’augmenter.
On retrouve alors un principe économique très simple : ce n’est pas la quantité totale d’information qui compte seulement, mais la valeur marginale de la prochaine recherche.
La prochaine heure d’investigation devrait-elle raisonnablement modifier la décision ?
Si la réponse est presque certainement non, arrêter peut devenir rationnel.
Le *satisficing* ne dit donc pas « réfléchissez moins ».
Il fournit plutôt une règle pour savoir quand suffisamment de réflexion a déjà eu lieu.
Une stratégie particulièrement adaptée aux décisions réversibles
Toutes les décisions ne méritent pas le même effort de recherche.
Choisir un restaurant ce soir est facilement réversible : demain, nous pouvons en essayer un autre.
Une intervention chirurgicale irréversible ne l’est évidemment pas.
Plus une décision est réversible et moins son erreur éventuelle est coûteuse, plus un niveau d’aspiration relativement simple peut être suffisant.
À l’inverse, une décision difficilement réversible ou comportant des conséquences majeures justifie généralement un seuil plus exigeant et une recherche plus approfondie.
Cette différence permet d’éviter une utilisation paresseuse du concept.
Dire :
« je satisfais, je n’optimise pas »
ne constitue pas une excuse universelle pour décider vite.
Une bonne stratégie de *satisficing* doit être calibrée sur le coût réel d’une mauvaise décision.
Le niveau d’aspiration peut créer une discipline utile
Paradoxalement, définir à l’avance ce qui serait « suffisamment bon » peut parfois rendre une décision plus rigoureuse.
Sans critères préalables, le décideur risque de déplacer continuellement ses exigences au fur et à mesure qu’il rencontre de nouvelles options.
Une option paraît excellente jusqu’à ce qu’une possibilité légèrement meilleure apparaisse. Celle-ci devient à son tour insuffisante dès qu’une troisième possède une caractéristique supplémentaire.
Le choix peut alors être gouverné par la comparaison permanente plutôt que par les objectifs initiaux.
Définir un niveau d’aspiration oblige au contraire à expliciter :
qu’est-ce qui compte réellement ?
Cette question peut être beaucoup plus importante que :
quelle option possède le meilleur score absolu parmi toutes celles que j’ai vues ?
Le *satisficing* peut ainsi fonctionner non seulement comme raccourci, mais comme outil de clarification des priorités.
Satisficing et optimisation ne sont pas des ennemis
Il serait toutefois artificiel d’opposer radicalement les deux stratégies.
Une optimisation peut être effectuée à l’intérieur d’un espace déjà réduit par des seuils.
On peut d’abord éliminer tous les logements dépassant son budget et son temps de trajet maximal, puis comparer soigneusement les cinq options restantes.
Inversement, une procédure d’optimisation formelle peut servir à déterminer un niveau d’aspiration raisonnable.
Dans la pratique, les décideurs combinent souvent plusieurs méthodes.
La distinction théorique reste néanmoins utile parce qu’elle révèle deux manières différentes de définir le problème : chercher la meilleure option de l’ensemble ou chercher une option qui dépasse un seuil et permet d’arrêter la recherche.
La grande synthèse de 2022 insiste justement sur la nécessité de ne pas juger le *satisficing* à partir d’une seule conception de l’optimisation : son intérêt varie profondément selon que l’on étudie un problème parfaitement spécifié sous risque ou une situation ouverte sous incertitude.
Comment construire une règle de satisficing raisonnable ?
Le principe devient particulièrement utile lorsque le décideur explicite trois questions.
La première est : quels critères sont réellement indispensables ? Un critère qui ne change pratiquement rien au résultat ne mérite peut-être pas de devenir une condition d’acceptation.
La deuxième est : quel niveau est réellement suffisant ? Il faut éviter un seuil arbitraire, mais aussi une exigence impossible à satisfaire.
La troisième est : dans quelles circonstances dois-je continuer à chercher malgré qu’une option satisfasse le seuil ? Une décision à très fort enjeu peut justifier une vérification supplémentaire ; une décision courante et réversible beaucoup moins.
Une quatrième question devient nécessaire si rien n’atteint le seuil : quelle exigence doit être révisée et sur quelle base ?
Une stratégie de *satisficing* bien construite n’est donc pas l’absence de méthode.
Elle est au contraire une méthode explicite pour gérer les limites de la recherche.
À retenir
Le satisficing est une stratégie de décision introduite par Herbert Simon dans le cadre de la rationalité limitée. Au lieu de rechercher nécessairement la meilleure option parmi toutes les possibilités, le décideur définit un niveau d’aspiration, examine les alternatives et peut arrêter sa recherche lorsqu’il rencontre une option suffisamment satisfaisante.
Cette stratégie répond à une difficulté fondamentale : dans de nombreuses décisions réelles, nous ne connaissons ni toutes les options possibles ni toutes leurs conséquences, et rechercher de l’information possède lui-même un coût.
Le *satisficing* n’est donc pas synonyme de médiocrité. Une recherche d’optimisation peut elle-même devenir irrationnelle lorsqu’elle coûte davantage que l’amélioration qu’elle permet d’espérer.
Mais le *satisficing* n’est pas non plus automatiquement supérieur à l’optimisation. La grande revue de 2022 distingue précisément les situations de risque, où un problème suffisamment spécifié permet souvent à l’optimisation de faire mieux, des situations de véritable incertitude, dans lesquelles les stratégies fondées sur des niveaux d’aspiration peuvent être particulièrement efficaces.
La difficulté principale se déplace vers le choix et l’adaptation du seuil. Un niveau trop faible arrête la recherche prématurément ; un niveau trop élevé la prolonge inutilement.
La question critique devient donc :
« Qu’est-ce qui serait suffisamment bon pour atteindre réellement mon objectif, combien me coûte la recherche d’une amélioration supplémentaire, et à partir de quel moment continuer à chercher ne vaut-il plus ce que cela coûte ? »
Sources principales
Simon, Herbert A. (1955). « A Behavioral Model of Rational Choice », *The Quarterly Journal of Economics*, 69(1), 99-118. DOI : 10.2307/1884852.
Simon, Herbert A. (1956). « Rational Choice and the Structure of the Environment », *Psychological Review*, 63(2), 129-138. DOI : 10.1037/h0042769.
Simon, Herbert A. (1959). « Theories of Decision-Making in Economics and Behavioral Science », *The American Economic Review*, 49(3), 253-283.
Gigerenzer, Gerd & Selten, Reinhard (dir.) (2001). *Bounded Rationality: The Adaptive Toolbox*. MIT Press.
Artinger, Florian M. & Gigerenzer, Gerd. (2024). « How Heuristic Pricing Shapes the Aggregate Market: The “Cheap Twin Paradox” », *Industrial and Corporate Change*. DOI : 10.1093/icc/dtae025.
Artinger, Florian M., Gigerenzer, Gerd & Jacobs, Perke. (2022). « Satisficing: Integrating Two Traditions », *Journal of Economic Literature*, 60(2), 598-635. DOI : 10.1257/jel.20201396.