Actualiser votre prévision de façon incrémentale à mesure que de nouvelles preuves arrivent

Traitez votre prévision comme une probabilité qui devrait bouger avec chaque nouvelle preuve, pas comme un engagement qui survit à la contradiction.

Why it works

Les prévisions qui ne sont pas actualisées en réponse aux preuves ne sont pas des prévisions — ce sont des engagements déguisés. Le mécanisme d’actualisation est bayésien : les nouvelles preuves déplacent la probabilité, l’ampleur du déplacement étant proportionnelle à la valeur diagnostique de la preuve. Le mode d’échec est d’actualiser trop lentement (s’ancrer sur l’estimation d’origine) ou d’actualiser trop violemment (surpondérer les événements saillants récents).

How to do it

1. Fixez une cadence de point de contrôle planifiée pour les prévisions importantes — hebdomadaire pour l’horizon court, mensuelle pour l’horizon long.
2. À chaque point de contrôle, demandez-vous : « Quelles preuves sont arrivées depuis la dernière fois, et dans quelle direction poussent-elles ? »
3. Faites une mise à jour numérique (même légère) pour que le registre montre une décision de maintenir ou de bouger.
4. Suivez vos schémas d’actualisation dans le temps — une sous-actualisation ou une sur-actualisation systématique sont des indicateurs diagnostiques.

Données probantes

Les recherches de Tetlock sur les tournois de prévision ont trouvé que les super-prévisionnistes actualisent leurs prédictions plus fréquemment et par plus petits incréments que les prévisionnistes moyens, et maintiennent ainsi leur calibrage dans le temps. L’actualisation bayésienne est le cadre formel qui sous-tend ce comportement. (observational)

En pratique, les gens actualisent plus volontiers quand la preuve confirme leur point de vue existant. Une actualisation bayésienne disciplinée exige de résister à cette asymétrie de confirmation, ce qui est un engagement comportemental soutenu, pas une technique ponctuelle.

Sources

• Tetlock & Gardner (2015), Superforecasting
• Tetlock (2005), Expert Political Judgment

Erreur fréquente

Actualiser le récit (« la situation a changé ») mais pas l’estimation de probabilité, si bien qu’il n’existe aucun registre lisible de si l’actualisation était calibrée de façon appropriée.