Les mathématiques cachées derrière chaque décision que vous prenez
Je pensais autrefois que les bonnes décisions venaient de l’instinct ou d’une réflexion approfondie. Puis j’ai lu un fil viral du trader et chercheur @zodchiii qui m’a fait réaliser que j’ignorais la partie la plus simple de l’équation. La plupart des gens font de même. Nous traitons les décisions comme des questions d’opinion ou d’intuition, alors qu’il s’agit en réalité de problèmes mathématiques déguisés.
Le fil, republié sur axisofeasy.com, décompose six modèles mentaux qui expliquent pourquoi les personnes intelligentes font des choix stupides. Les modèles ne sont pas nouveaux. Les économistes et les psychologues les connaissent depuis des décennies. Mais les utiliser de manière cohérente est rare. C’est là que se trouve l’avantage.
Si vous voulez prendre de meilleures décisions au travail, dans les relations ou avec l’argent, ces six cadres changeront la façon dont vous voyez presque chaque choix.
Ce qui rend ce fil différent des autres contenus d’auto-assistance, c’est que @zodchiii n’est pas un life coach vendant un cours. C’est un trader Polymarket qui fait de vrais paris avec de l’argent réel. Ses conseils viennent du suivi des résultats, pas de la théorie. Ce bagage pratique donne à ces modèles une crédibilité que vous n’obtenez pas de quelqu’un qui ne s’est jamais trompé en public.
Expected value
L’expected value est l’outil de prise de décision le plus basique que vous utiliserez, et presque personne ne l’applique consciemment. La formule est simple : multipliez la probabilité d’un résultat par son gain, puis additionnez tous les résultats possibles.
Voici la version facile à retenir :
Expected value = (probabilité de gain × gain) - (probabilité de perte × montant de la perte)
Un lancer de pièce qui vous rapporte 2 dollars pour pile et vous coûte 1 dollar pour face a une expected value positive. Vous devriez accepter ce pari à chaque fois, même si vous perdrez la moitié des lancers. La plupart des gens refusent parce que la perte fait plus mal que le gain ne fait plaisir. C’est l’aversion à la perte en action, et c’est pourquoi les casinos gagnent de l’argent.
Dans la vie réelle, l’expected value apparaît dans les offres d’emploi, les choix d’investissement, et même pour décider d’assister à une fête. Si le potentiel positif dépasse le négatif lorsque vous tenez compte des probabilités, les mathématiques disent d’accepter. La sensation dans votre ventre n’est pas les mathématiques qui parlent.
Cela se connecte à l’ensemble plus large des pièges psychologiques qui sabotent la prise de décision. L’expected value est un moyen d’échapper à ces pièges. Au lieu de vous fier aux réactions instinctives, vous calculez si les probabilités sont en votre faveur. Avec le temps, cette petite habitude sépare les personnes qui ont de la chance de celles qui créent leur propre chance.
Voici un exemple plus pratique. Disons que vous envisagez un projet secondaire qui pourrait vous rapporter 5 000 dollars avec 30 pour cent de chance de succès, et vous coûtera 500 dollars en temps et en matériel s’il échoue. L’expected value est (0,3 × 5 000) - (0,7 × 500) = 1 150. C’est positif. Même si vous échouez sept fois sur dix, un succès paie toutes les pertes et vous laisse gagnant. La plupart des gens regardent le taux d’échec de 70 pour cent et s’en vont sans faire le calcul.
La même logique s’applique aux e-mails à froid, aux candidatures et aux rendez-vous. Si le gain est suffisamment important et le coût de l’essai est faible, l’expected value est probablement positive. Vous devez simplement être prêt à faire le calcul au lieu de faire confiance à votre peur.
Base rate neglect
Votre cerveau déteste les statistiques générales. Il préfère les histoires spécifiques. C’est le piège du base rate neglect, et il ruine plus de décisions que la plupart des autres biais.
Voici l’exemple classique du fil : imaginez une maladie qui touche 1 personne sur 1 000. Un test pour celle-ci est précis à 99%. Vous testez positif. Quelle est la probabilité que vous ayez réellement la maladie ?
La plupart des gens disent 99%. La réponse réelle est d’environ 9%. Pourquoi ? Parce que la maladie est si rare que les faux positifs surpassent largement les vrais positifs. Votre cerveau a ignoré le taux de base (1 sur 1 000) et s’est accroché à l’information vive et personnelle (votre test positif).
Cela arrive constamment. Vous entendez parler d’un étudiant qui a abandonné l’université et a construit une entreprise d’un milliard de dollars et vous pensez qu’abandonner est un bon plan. Vous ignorez le taux de base : la plupart des abandonnants ne deviennent pas milliardaires. Vous entendez parler d’une startup qui a levé des millions et vous pensez que votre idée est la prochaine. Vous ignorez le taux de base : environ 6 startups sur 10 échouent dans les premières années.
Vous voyez aussi cela dans les décisions de santé. Un ami essaie un nouveau complément alimentaire et dit qu’il a guéri sa fatigue. Vous achetez le même complément et ne ressentez rien. L’histoire individuelle est vive, mais le taux de base vous dit que les compléments surpassent rarement le placebo pour la fatigue générale. Votre cerveau ne se soucie pas du taux de base. Il se soucie de l’histoire.
La solution est ennuyeuse mais efficace. Avant de vous enthousiasmer pour un cas spécifique, demandez ce que disent les statistiques générales. Les statistiques générales ont généralement raison. Si vous pensez à quitter votre emploi pour créer une entreprise, regardez le taux de survie des entreprises dans votre secteur, pas les publications Instagram de la seule personne qui a réussi. Cette personne est un outlier. Le taux de base est la réalité que la plupart des gens vivent.
C’est exactement le type de raisonnement exploré dans le guide de pensée critique sur la logique et les biais. La différence ici est que le base rate neglect a une correction mathématique spécifique. Vous n’avez pas besoin de devenir un expert en logique. Vous devez simplement vous rappeler de vérifier les statistiques avant de tomber amoureux d’une histoire.
Sunk cost fallacy
Vous avez acheté un billet de cinéma à 15 dollars. Vingt minutes plus tard, vous réalisez que le film est terrible. Partez-vous ou restez-vous ?
La plupart des gens restent. Ils pensent aux 15 dollars déjà dépensés et ne veulent pas les gaspiller. Ces 15 dollars sont partis quoi que vous fassiez. C’est un sunk cost. La seule question rationnelle est : étant donné où j’en suis maintenant, les 90 prochaines minutes vaudront-elles mon temps ?
La sunk cost fallacy est la raison pour laquelle les gens restent dans des emplois sans avenir, continuent à réparer des voitures qui valent moins que la facture de réparation, et conservent des investissements perdants en espérant qu’ils rebondissent. Le passé n’est pas négociable. Ce qui compte, c’est ce qui vient ensuite.
J’ai fait cela avec des abonnements. Je paie pour un service que je n’utilise pas parce que j’ai déjà payé pour l’année. L’argent est parti. La question est de savoir si les mois restants en valent la peine. Généralement non. Annuler semble être un aveu de défaite, mais c’est en réalité la décision la plus intelligente.
La sunk cost fallacy apparaît aussi dans les relations. Les gens restent dans des mariages malheureux à cause des années déjà investies. Ils restent dans des carrières qu’ils détestent à cause du diplôme pour lequel ils ont passé quatre ans. Le diplôme ne va nulle part. La question est de savoir si les cinq prochaines années en vaudront la peine. Si la réponse est non, l’investissement passé n’est pas une raison de rester. C’est une raison de partir avant d’investir davantage.
Les militaires ont une expression pour cela : “coupez vos pertes.” Ce n’est pas abandonner. C’est rediriger les ressources là où elles ont réellement une chance de rapporter. Chaque heure que vous passez sur une voie sans issue est une heure que vous ne pouvez pas passer sur un chemin qui pourrait fonctionner.
Bayesian thinking
Le Bayesian thinking signifie mettre à jour vos croyances lorsque vous voyez de nouvelles preuves. Les mathématiques semblent intimidantes, mais l’idée est simple : votre confiance en quelque chose devrait changer à mesure que vous en apprenez davantage.
La formule de base est :
P(croyance après preuve) = P(croyance avant preuve) × P(preuve si croyance est vraie) / P(preuve)
En termes simples : commencez par ce que vous croyez déjà, puis ajustez en fonction de ce que vous venez d’apprendre. Si vous pensez qu’une pièce est équilibrée et qu’elle tombe sur pile dix fois de suite, vous devriez mettre à jour votre croyance que la pièce est truquée.
La plupart des gens font l’inverse. Ils forment une croyance et la défendent ensuite contre toutes les preuves. C’est pourquoi la politique et la religion créent autant de débats. Le Bayesian thinking vous oblige à traiter les croyances comme des hypothèses temporaires plutôt que comme des vérités permanentes.
Le défi pratique est que mettre à jour ses croyances semble être une faiblesse. Si vous changez d’avis après avoir vu de nouvelles preuves, les gens pourraient vous traiter d’incohérent. Mais les mathématiques ne se soucient pas de votre réputation. Elles se soucient de la précision. Celui qui met à jour rapidement finit par avoir de meilleures prévisions que celui qui s’accroche à d’anciennes croyances.
Les marchés de prédiction sont une application pratique de cela. Quand des milliers de personnes parient sur un résultat, les probabilités changent à mesure que de nouvelles informations arrivent. @zodchiii appelle les marchés de prédiction une salle de sport pour votre prise de décision. Vous obtenez un retour sur la calibration de vos croyances et vous pouvez vous ajuster en temps réel.
Vous pouvez pratiquer le Bayesian thinking de petites manières. Quand un ami recommande un restaurant et que vous avez une mauvaise expérience, mettez à jour votre confiance dans le goût de cet ami. Quand une action que vous avez achetée baisse après les résultats, mettez à jour votre modèle de l’entreprise au lieu de doubler la mise. De petites mises à jour s’accumulent en un meilleur jugement avec le temps.
Survivorship bias
Le survivorship bias est l’erreur d’étudier uniquement les gagnants et de supposer que leurs habitudes expliquent la victoire. Les étudiants qui ont abandonné l’université et construit des entreprises licornes ont des biographies. Les milliers d’abandonnants qui ont échoué et travaillent maintenant dans des emplois ordinaires ne reçoivent aucune couverture.
Le fil souligne que 87 pour cent des portefeuilles Polymarket perdent de l’argent. Mais vous n’entendez parler que des gagnants qui ont publié leurs gains sur les réseaux sociaux. La même chose arrive avec les restaurants, les startups et les stratégies d’investissement. Vous voyez les 60 pour cent qui ont survécu et ignorez les 40 pour cent qui ont fermé.
Ce biais est dangereux car il fait paraître les mauvaises stratégies intelligentes. Si vous copiez les habitudes des personnes qui réussissent sans vérifier si ces habitudes ont réellement causé le succès, vous jouez. Peut-être ont-elles réussi malgré leurs habitudes, pas grâce à elles.
L’antidote est de chercher les données manquantes. Demandez-vous : qui a essayé cela et a échoué ? Où sont les personnes qui ont fait la même chose mais n’ont pas réussi ? Si vous ne pouvez pas les trouver, c’est un signal d’alarme, pas une preuve que la stratégie fonctionne.
Le survivorship bias est partout une fois que vous commencez à le chercher. Les livres d’entreprise étudient les entreprises prospères sans les comparer à celles qui ont échoué. Les influenceurs fitness montrent leurs résultats mais pas les personnes qui ont suivi le même plan et n’ont vu aucun changement. Les newsletters d’investissement se vantent de leurs trades gagnants tout en ignorant les perdants.
Le fil met en évidence Polymarket comme étude de cas. Tout le monde partage des captures d’écran de leurs grandes victoires. Personne ne partage des captures d’écran des comptes qui ont perdu 80 pour cent de leur valeur. Si vous ne regardez que les gagnants, vous penserez que la plateforme est de l’argent facile. Si vous regardez la distribution complète, vous réaliserez que c’est un jeu de compétence avec un avantage maison important pour les amateurs.
Pour contrer ce biais, cherchez activement des histoires d’échec. Lisez les analyses post-mortem de startups qui ont échoué. Regardez les personnes qui ont suivi le même régime et ont pris du poids. Étudiez les traders qui ont fait sauter leurs comptes. Les données manquantes sont souvent plus instructives que les données visibles.
Kelly criterion
Le Kelly criterion vous indique combien de votre bankroll parier sur une opportunité donnée. C’est une formule qui équilibre le gain contre le risque afin que vous ne fassiez pas faillite même lorsque vous avez un avantage.
La formule est :
f = (bp - qb) / b*
Où b est la cote, p est la probabilité de gagner, q est la probabilité de perdre, et f* est la fraction de votre bankroll à parier.
En pratique, la plupart des parieurs professionnels et des investisseurs utilisent une approche quarter-Kelly. Ils parient moins que ce que la formule suggère parce que la vie réelle est plus désordonnée que les mathématiques. Surestimer votre avantage est le moyen le plus rapide de tout perdre.
La leçon ici ne concerne pas le jeu. Elle concerne l’allocation des ressources. Si vous avez une bonne opportunité, combien de temps, d’argent ou d’attention devriez-vous y consacrer ? Tout miser sur un seul pari semble audacieux, mais c’est généralement imprudent. Répartir vos paris proportionnellement à votre avantage réel vous maintient dans le jeu plus longtemps.
En investissement, cela signifie ne jamais tout miser sur une seule action, peu importe votre confiance. En termes de carrière, cela signifie ne pas parier tout votre avenir sur une seule entreprise ou une seule compétence. Dans les relations, cela signifie ne pas placer tous vos besoins émotionnels sur une seule personne. Les mathématiques disent diversifiez, même quand votre instinct dit concentrez.
La plupart des gens ratent la partie quarter-Kelly. Le Kelly complet suppose que vous connaissez parfaitement votre avantage. Dans la vie réelle, vous êtes probablement trop confiant. Parier un quart du montant Kelly vous donne une marge d’erreur. Vous gagnez encore gros quand vous avez raison, mais vous survivez assez longtemps pour récolter quand vous avez tort. Ce tampon de survie est ce que la plupart des gens ratent. L’objectif n’est pas de frapper un coup de circuit une fois. C’est de continuer à jouer jusqu’à ce que les probabilités jouent en votre faveur.
Comment les 6 se connectent
Ces modèles ne sont pas des outils séparés. Ce sont des lentilles qui se corrigent mutuellement. L’expected value vous empêche de réagir de manière excessive aux pertes à court terme. Le base rate neglect vous empêche de courir après les outliers. La sunk cost fallacy vous sort des investissements passés qui ne vous servent plus. Le Bayesian thinking met à jour votre carte à mesure que le territoire change. Le survivorship bias vous rappelle de chercher les échecs que vous ne pouvez pas voir. Le Kelly criterion s’assure qu’il vous en reste assez pour jouer le prochain tour.
Utilisés ensemble, ils forment un système. Vous arrêtez de prendre des décisions basées sur ce qu’une choix fait ressentir sur le moment et commencez à les prendre basées sur si les mathématiques fonctionnent avec le temps. Ce changement est subtil mais permanent.
Pensez-y comme apprendre à conduire. Au début, vous pensez à chaque changement de vitesse et vérification de rétroviseur. Finalement, les compétences deviennent automatiques. Ces six modèles fonctionnent de la même manière. Au début, vous devez consciemment effectuer les calculs. Avec la pratique, ils deviennent partie intégrante de votre vision du monde. Vous remarquerez le base rate neglect dans les gros titres. Vous vous surprendrez à justifier un sunk cost en réunion. Vous ressentirez la traction du survivorship bias quand une histoire de succès devient virale.
C’est le vrai bénéfice. Vous n’avez pas besoin d’être plus intelligent que tout le monde. Vous avez juste besoin d’avoir un système qui attrape les erreurs que tout le monde rate.
Vérité inconfortable
La vérité inconfortable du fil est que la plupart des gens ne veulent pas utiliser les mathématiques. Ils veulent que les décisions semblent justes. Ils veulent des histoires, pas des statistiques. Ils veulent croire que le travail acharné seul détermine les résultats, alors que la probabilité et la chance jouent des rôles bien plus importants que quiconque ne l’admet.
C’est pourquoi les marchés de prédiction semblent froids aux gens. Ils dépouillent le récit et vous montrent les probabilités brutes. Mais cette froideur est le but. Elle vous empêche de vous mentir sur la probabilité réelle du succès.
Si vous êtes sérieux au sujet de prendre de meilleures décisions, vous devez être à l’aise avec l’idée de vous tromper en public. Vous devez mettre à jour vos croyances quand les preuves disent que vous devriez, même si cela blesse votre ego. C’est le prix pour devenir meilleur.
Conclusion
Les mathématiques cachées derrière les décisions ne sont pas vraiment cachées. Elles sont simplement ignorées. L’expected value, les taux de base, les sunk costs, les mises à jour bayésiennes, le survivorship bias et le Kelly criterion sont toutes des idées bien documentées. L’avantage revient aux personnes qui les appliquent réellement.
Commencez petit. La prochaine fois que vous faites face à un choix, notez les probabilités et les gains. Vérifiez le taux de base avant de vous enthousiasmer pour un exemple spécifique. Demandez-vous si vous restez dans une situation parce qu’elle est encore bonne ou parce que vous avez déjà trop investi pour partir.
Si vous voulez aller plus loin, le fil recommande cinq livres qui couvrent ces idées plus en détail : Thinking Fast and Slow de Daniel Kahneman, Superforecasting de Philip Tetlock, The Signal and the Noise de Nate Silver, Fooled by Randomness de Nassim Taleb, et Fortune’s Formula de William Poundstone. Chacun élargira votre façon de penser l’incertitude et le choix.
J’ai lu les cinq, et chacun frappe différemment. Kahneman vous donne les fondations. Tetlock vous montre comment l’appliquer dans le monde réel. Silver vous apprend à penser en probabilités. Taleb vous rend paranoïaque sur le risque de la meilleure des manières. Poundstone relie les mathématiques à la gestion financière. Les lire dans cet ordre construit une image complète.
Si vous voulez voir comment les modèles mentaux s’appliquent à la stratégie, la série de modèles mentaux d’échecs montre comment les grands maîtres utilisent la reconnaissance de motifs et le calcul sélectif pour prendre des décisions à haut risque sous pression. Les principes se chevauchent avec ce que nous avons couvert ici, mais le contexte des échecs les rend concrets.
Les mathématiques ne garantiront pas de bons résultats. Rien ne le fait. Mais elles garantiront que vos décisions sont meilleures que l’alternative, qui est de deviner et d’espérer.
Si vous voulez pratiquer ces modèles ensemble, essayez cet exercice. Pendant la semaine à venir, notez chaque décision significative que vous prenez. Pour chacune, notez l’expected value, le taux de base, si vous tombez dans la sunk cost fallacy, à quel point vous êtes confiant dans votre croyance, si vous ignorez des données manquantes, et combien de vos ressources vous engagez. À la fin de la semaine, révisez vos notes. Les schémas vous surprendront.
Voilà les mathématiques cachées. Ce n’est pas de la magie. C’est juste de la cohérence. Et la cohérence est quelque chose que tout le monde peut apprendre.