Estimer par fourchettes, pas par valeurs ponctuelles

Au lieu de « mon estimation est 500 », dites « je pense que c'est entre 200 et 2000 ».

Why it works

Les estimations ponctuelles communiquent une fausse précision et masquent l'incertitude réellement présente. Une estimation par fourchette communique une confiance calibrée : la largeur de la fourchette reflète ce que vous savez réellement. Les experts en prévision — y compris les superprévisionnistes — surpassent constamment les novices en partie en exprimant l'incertitude sous forme de fourchettes plutôt qu'en se réduisant à des estimations ponctuelles.

How to do it

1. Après avoir calculé une estimation centrale, demandez-vous : dans quelles conditions la vraie réponse serait-elle 10 fois plus élevée ? 10 fois plus basse ?
2. Énoncez une fourchette couvrant les « résultats raisonnablement plausibles » — pas le pire scénario absolu mais l'étendue plausible.
3. Utilisez des fourchettes géométriques plutôt qu'arithmétiques pour des quantités couvrant plusieurs ordres de grandeur (par exemple, 100–10 000, pas 100–900).
4. Communiquez la fourchette et votre confiance en elle, pas seulement le point.

Données probantes

La recherche sur la calibration montre qu'exprimer les estimations sous forme de fourchettes et suivre leur précision dans le temps améliore substantiellement la calibration. Les superprévisionnistes utilisent régulièrement des intervalles de confiance et les resserrent avec les preuves. (observational)

Les gens tendent à produire des fourchettes surconfiantes (trop étroites) ; l'entraînement peut les élargir vers une calibration appropriée mais nécessite un retour sur de nombreuses prédictions.

Sources

• Tetlock & Gardner (2015), Superforecasting — range-based probabilistic estimates and calibration
• Soll, J. B., & Klayman, J. (2004). Overconfidence in interval estimates. Journal of Experimental Psychology: Learning, Memory, and Cognition, 30(2), 299-314.
• Alpert, M., & Raiffa, H. (1982). A progress report on the training of probability assessors. In D. Kahneman, P. Slovic, & A. Tversky (Eds.), Judgment under Uncertainty: Heuristics and Biases (pp. 294-305). Cambridge University Press.

Erreur fréquente

Donner une fourchette si large qu'elle en devient inutile (entre 1 et un milliard), ce qui défait l'objectif de l'estimation en évitant tout engagement.