Corriger la surpondération de la « victime identifiée »

Reconnaître que des histoires individuelles saisissantes semblent plus convaincantes que des statistiques identiques vous aide à allouer attention et ressources de façon plus rationnelle.

Why it works

Slovic a montré que les victimes identifiées — une seule personne nommée avec un visage et une histoire — génèrent bien plus d'affect que les victimes statistiques (« 8 morts par million »), même quand les chiffres favorisent les statistiques. L'heuristique de l'affect amplifie la réponse au cas saisissant : cela déclenche une émotion, l'émotion remplace le jugement de risque, et le résultat est une allocation de ressources follement disproportionnée. C'est le mécanisme derrière les pics de dons caritatifs pour des individus identifiés et la sous-réaction aux tragédies statistiques à grande échelle.

How to do it

  1. Quand une histoire ou un cas saisissant provoque une forte réaction, notez-le : « je réagis à un individu identifié, pas à un résumé statistique. »
  2. Cherchez le taux de base pertinent : à quelle fréquence cela arrive-t-il, et comment ce cas se compare-t-il aux autres personnes affectées ?
  3. Demandez-vous : « allouerais-je les mêmes ressources si je ne connaissais que les statistiques ? »
  4. Utilisez le cadre statistique pour calibrer la proportionnalité plutôt que de laisser la saillance piloter l'allocation.

Données probantes

Slovic (2007) a documenté l'« effondrement de la compassion » — le fait que des victimes uniques identifiables génèrent plus de dons que de multiples victimes statistiques — et a soutenu que c'est un effet direct de l'heuristique de l'affect. Le même travail rapporte la découverte contre-intuitive que les dons pour un enfant nommé ont chuté une fois qu'un deuxième enfant a été ajouté, preuve que la compassion suit l'affect saisissant plutôt que le nombre de vies en jeu. L'effet de la victime identifiée est bien répliqué dans la recherche sur les dons caritatifs et l'allocation de ressources. (observational)

Réagir davantage à des individus identifiés peut parfois être rationnel (ils sont le cas proximal) — la correction vise à ne pas allouer de façon disproportionnée aux cas saisissants plutôt que statistiques de sévérité égale.

Sources

Erreur fréquente

Utiliser cette conscience pour supprimer toute réponse émotionnelle aux cas individuels, plutôt que pour s'assurer que les besoins statistiques ne sont pas évincés par les cas saisissants.

Pratiquez cela avec IX Coach

Commencer avec IX Coach

More practices for L'heuristique de l'affect — quand les sentiments remplacent les faits

Concepts associés