Distinguer l'incertitude (quantifiable) de l'ignorance (non quantifiable)
Sachez quand vous pouvez attribuer une probabilité et quand la situation est si nouvelle qu'un chiffre serait fabriqué.
Why it works
La distinction de Knight entre risque (incertitude quantifiable) et incertitude (non quantifiable) compte en pratique : attribuer une probabilité de 60 % à un événement exige une classe de référence ou un modèle. Quand ni l'un ni l'autre n'existe, le chiffre est un sentiment déguisé en statistique. Distinguer les deux empêche la fausse précision de masquer une véritable ignorance, et invite la réponse honnête : « Je n'ai pas assez d'information pour mettre un chiffre calibré là-dessus. »
How to do it
- Avant d'attribuer une probabilité, demandez : « Sur quelle classe de référence ou modèle cela s'appuie-t-il ? »
- Si vous ne pouvez en nommer un, étiquetez l'estimation comme « ressenti / non quantifié » plutôt qu'une probabilité calibrée.
- En groupe, signalez explicitement quand une discussion est dans le régime « non quantifiable » pour prévenir des décisions de fausse précision.
- Pour les situations véritablement nouvelles, concentrez-vous sur les scénarios et les contingences plutôt que sur des probabilités ponctuelles.
Données probantes
Knight (1921) a distingué le risque de l'incertitude ; Ellsberg (1961) a démontré que les gens préfèrent le risque quantifiable à l'incertitude non quantifiable même quand les valeurs attendues sont égales — l'« aversion à l'ambiguïté » qui rend les gens mal à l'aise de dire « je ne sais pas ». (mechanistic)
En pratique, presque toutes les situations réelles se situent quelque part entre le risque purement quantifiable et l'inconnaissabilité complète. La catégorisation est une question de degré et de jugement.
Sources
- Knight (1921), Risk, Uncertainty and Profit
- Ellsberg (1961), "Risk, ambiguity, and the Savage axioms," Quarterly Journal of Economics
Erreur fréquente
Attribuer une probabilité à chaque question comme performance de rationalité — un confiant 50 % pour une question véritablement inconnaissable est une pire calibration que de simplement dire « je ne sais pas ».
Pratiquez cela avec IX Coach
More practices for L'entraînement à la calibration
- Pratiquer l'estimation d'intervalles de confiance
Estimez des plages pour des quantités factuelles et vérifiez à quelle fréquence la vraie valeur tombe dans votre plage.
- Maintenir un journal de prédictions noté
Enregistrez les prédictions avec des probabilités explicites et notez-les quand elles se résolvent.
- Identifier les domaines spécifiques où vous êtes le plus surconfiant
La calibration est spécifique au domaine — trouvez où votre confiance dépasse le plus votre précision.
- Ancrer votre niveau de confiance sur les taux de base, pas le ressenti
Commencez votre estimation de confiance à partir du taux de réussite historique pour ce type de prédiction, pas à partir de ce que vous ressentez.
- Pré-engager des critères de résolution avant de faire une prédiction
Définissez exactement ce qui compte comme « j'avais raison » avant que le résultat ne se produise.
- Construire des répétitions de calibration avec du trivia et des questions d'almanach à faible enjeu
Utilisez des questions de trivia factuelles comme terrain d'entraînement pour la calibration — les résultats se résolvent immédiatement et les enjeux sont nuls.
Concepts associés
- La superprévision
The habits, mindset, and calibration practices of the world’s most accurate forecasters
- La vue extérieure
Correcting inside-view optimism with base rates, history, and calibrated humility
- La prévision par classe de référence
Using base rates and outside-view anchors to forecast more honestly