Distinguer les données observables de l'interprétation
Séparer ce qu'une caméra aurait enregistré de ce que vous en avez fait.
Why it works
La première erreur, et la plus fondamentale, sur l'échelle est de traiter des interprétations comme s'il s'agissait d'observations. « Elle a été distante » est une interprétation ; « elle n'a pas répondu aux deux derniers e-mails et a écourté la réunion de quinze minutes » est une donnée. Les interprétations peuvent être fausses ; les données peuvent être vérifiées. Les confondre transforme des désaccords d'interprétation en désaccords qui semblent porter sur des faits, bien plus difficiles à résoudre.
How to do it
- Quand vous décrivez une situation, demandez-vous : qu'aurait capté une caméra vidéo ici ?
- Écrivez les événements observables séparément de votre interprétation de ceux-ci.
- Vérifiez si deux observateurs aux préjugés différents verraient les mêmes « données » ou des données différentes.
- En cas de conflit avec quelqu'un, trouvez l'échelon le plus bas sur lequel vous êtes d'accord avant de discuter de l'interprétation.
Données probantes
La distinction entre description et évaluation est fondamentale dans la recherche sur le feedback comportemental et dans les cadres de communication non violente. Réduire le langage évaluatif dans les situations conflictuelles est associé à une baisse de la défensivité, conformément à la recherche sur l'impact du comportement étiqueté par rapport au comportement décrit. (mechanistic)
Une séparation parfaite entre observation et interprétation est impossible — toute perception est chargée de théorie à un certain niveau. La pratique vise une meilleure séparation, pas une objectivité pure.
Sources
- Rosenberg (2003), Nonviolent Communication — observation vs evaluation as a foundational step
Erreur fréquente
Croire que parce que quelque chose paraît manifestement observable, cela l'est — « elle était hostile » paraît aussi concret que « elle a élevé la voix », mais le premier est un jugement.
Pratiquez cela avec IX Coach
More practices for L'échelle d'inférence
- Remarquer quelles données vous avez sélectionnées — et lesquelles vous avez ignorées
Vos conclusions reposent sur un échantillon des données disponibles — demandez-vous ce que cet échantillon a exclu.
- Mettre au jour et examiner vos hypothèses
Nommez les hypothèses qui comblent l'écart entre les données sélectionnées et l'interprétation à laquelle vous êtes parvenu.
- Tester les conclusions avant d'agir
Traitez votre conclusion comme une hypothèse et trouvez une preuve qui la confirmerait ou l'infirmerait.
- Redescendre l'échelle ensemble en cas de désaccord
En conflit, cessez de débattre des conclusions et redescendez ensemble au niveau des données.
- Ralentir la boucle réflexive
Vos croyances actuelles façonnent les données que vous sélectionnez, se renforçant elles-mêmes — interrompez délibérément cette boucle.
Concepts associés
- Système 1, Système 2, rendus utilisables
Two systems, the biases they create, and when to slow down
- Le rasoir de Hanlon : ne jamais attribuer à la malveillance ce que la bêtise peut expliquer
The charitable-attribution heuristic and why it usually serves you better
- La carte n'est pas le territoire
Mental models are tools, not truths — how to use them without being captured by them
- Le recadrage cognitif, en pratique
How reappraisal changes emotion, the common distortions, and how to do it without toxic positivity