Utilisez des classes de référence pour ancrer les estimations personnelles dans des taux de base
Avant d'estimer comment votre situation va se dérouler, trouvez des situations passées similaires et vérifiez ce qui s'est passé.
Why it works
Les gens génèrent des prédictions principalement depuis la vue interne — leur propre modèle du cas spécifique — qui est systématiquement optimiste car elle ignore la fréquence à laquelle des plans similaires échouent en général. La prévision par classe de référence corrige cela en ancrant le préalable dans la vue externe : la distribution statistique des résultats pour des cas similaires. Les deux vues sont ensuite combinées plutôt que de laisser la vue interne dominer.
How to do it
- Définissez le type de votre situation : « C'est un projet de rénovation domiciliaire / un lancement de produit logiciel / une tentative de changement de comportement. »
- Trouvez des données sur la façon dont ce type de projet se déroule typiquement : délai, dépassements de coût, taux de succès.
- Utilisez ce taux de base comme probabilité de départ, puis ajustez pour les caractéristiques qui rendent votre cas meilleur ou pire que la moyenne.
- Ne laissez pas la vue interne augmenter votre probabilité plus que ne le justifient réellement les caractéristiques distinctives spécifiques.
Données probantes
La prévision par classe de référence a été développée par Daniel Kahneman et Amos Tversky et formalisée plus tard par Bent Flyvbjerg dans la planification de projets d'infrastructure. Les études montrent qu'elle réduit de manière fiable le biais de planification — en particulier les dépassements de coût et de temps — par rapport aux estimations de vue interne. (observational)
La prévision par classe de référence fonctionne mieux quand de bonnes données historiques de taux de base existent ; pour des situations nouvelles, la classe de référence elle-même est incertaine.
Sources
- Flyvbjerg (2006), from Nobel Prize to project management: getting risks right, Project Management Journal
- Flyvbjerg, B. (2006). From Nobel Prize to project management: Getting risks right. Project Management Journal, 37(3), 5-15.
Erreur fréquente
Choisir la classe de référence qui fait paraître votre projet le plus distinctif (donc le plus susceptible d'être exceptionnel) plutôt que la classe qui lui ressemble le plus honnêtement.
Pratiquez cela avec IX Coach
More practices for La pensée bayésienne : comment mettre à jour ses croyances rationnellement
- Énoncez votre probabilité préalable avant de voir la preuve
Avant de regarder toute donnée, engagez-vous sur une estimation numérique de la probabilité de quelque chose.
- Mettez à jour vos croyances progressivement, pas d'un coup
Une nouvelle preuve devrait déplacer votre probabilité quelque peu — rarement de 5 % à 95 % en une étape.
- Évaluez la preuve par son rapport de vraisemblance, pas par ce qu'elle vous fait ressentir
Demandez-vous à quel point cette preuve serait plus probable si vous avez raison plutôt que si vous avez tort.
- Pratiquez la calibration en suivant vos prédictions de confiance
Vos croyances à « 80 % de confiance » devraient se réaliser environ 80 % du temps — vérifiez que c'est le cas.
- Cherchez activement une preuve qui infirmerait votre croyance
Demandez-vous : « Qu'est-ce qui me ferait changer d'avis ? » puis cherchez exactement cela.
- Traduisez vos croyances en paris pour révéler votre véritable confiance
Parieriez-vous 100 $ sur cette croyance à cote égale ? La réponse révèle souvent l'écart entre confiance affirmée et confiance réelle.
Concepts associés
- Système 1, Système 2, rendus utilisables
Two systems, the biases they create, and when to slow down
- Modèles mentaux : l'approche du treillis de Charlie Munger
Building the multi-disciplinary toolkit that lets you see what single-discipline thinkers miss
- Le biais de confirmation : voir ce que l'on s'attend à voir
The most pervasive cognitive bias and the practices that actually chip away at it
- La pensée en valeur attendue : décider dans l'incertitude
The math of rational choice under uncertainty, its real limits, and how to use it anyway