Le biais du survivant est notre tendance à tirer des conclusions en observant principalement les personnes, les objets ou les projets qui ont réussi à franchir une sélection, tout en oubliant ceux qui ont échoué, disparu ou sont devenus invisibles.¹
Le biais du survivant est une forme particulière de biais de sélection : les cas que nous observons ne représentent pas toujours l'ensemble des cas qui existaient au départ.
Par exemple, nous pouvons étudier les habitudes de plusieurs entrepreneurs devenus milliardaires et remarquer qu’ils ont pris de grands risques, travaillé énormément ou abandonné leurs études. Nous pourrions alors conclure que ces comportements conduisent au succès.
Pourtant, de nombreuses personnes ont peut-être adopté exactement les mêmes comportements sans jamais réussir. Elles donnent rarement des conférences, n’écrivent pas de livres sur leur parcours et apparaissent peu dans les médias. Leur absence rend les caractéristiques des personnes qui ont réussi plus impressionnantes qu’elles ne le sont réellement.
Le problème n’est donc pas que les survivants nous mentent. Leur expérience peut être parfaitement authentique. Mais elle ne nous renseigne pas, à elle seule, sur les chances de réussite de toutes les personnes ayant suivi le même chemin.
L’une des illustrations les plus célèbres du biais du survivant est associée au statisticien Abraham Wald.
Pendant la Seconde Guerre mondiale, des chercheurs étudiaient les impacts de balles observés sur les avions revenus de mission. Certaines zones, notamment les ailes et le fuselage, semblaient particulièrement touchées. L’idée intuitive consistait à renforcer les endroits où les impacts étaient les plus nombreux.
Wald fit remarquer que les chercheurs n’observaient que les avions qui avaient réussi à revenir. Les zones couvertes d’impacts étaient donc précisément celles qui pouvaient être endommagées sans empêcher le retour de l’appareil.
Il fallait plutôt s’intéresser aux endroits où les impacts étaient rares, notamment autour de certaines parties vitales : les avions touchés à ces endroits avaient probablement été détruits et ne figuraient donc pas dans les données observées.²
Le biais du survivant peut apparaître chaque fois que les cas qui ont échoué, disparu ou été exclus ne sont plus pris en compte dans l'analyse.
Le biais du survivant nous rappelle qu’une absence de données n’est pas toujours anodine. Ce que nous ne voyons pas peut être aussi important que ce que nous voyons.
Références :
[1] Encyclopaedia Britannica. Survivorship bias.
https://www.britannica.com/science/survivorship-bias
[2] Mangel, M. et Samaniego, F. J. (1984) Abraham Wald’s Work on Aircraft Survivability. Journal of the American Statistical Association, 79(386), 259-267.
https://doi.org/10.1080/01621459.1984.10478038
Pour aller plus loin :
https://www.science-et-vie.com/questions-reponses/quest-ce-que-le-biais-du-survivant-63229.html
Un article de vulgarisation sur le sujet