Attitude face au risque

& Sciences conomiques

Laura Concina
Rdaction coordonne par Caroline Kamat

n 2014-02

Polices
Frutiger Black et Frutiger Light

Couleurs
vert fonc : C100 M45 J100 N30

a Fondation pour une culture de scurit industrielle (Foncsi) est une Fondation de Recherche reconnue dutilit publique par dcret en date du 18 avril 2005. La Foncsi finance
des projets de recherche autour des activits risque et souhaite favoriser louverture et le dialogue entre lensemble des acteurs (administrations, associations, collectivits, quipes de recherche,
entreprises, organisations syndicales, etc.).

Loriginalit de sa dmarche repose sur linterdisciplinarit de ses travaux, en France et linternational, ainsi que sur sa volont affirme dinnover et danticiper les enjeux de demain.
La Foncsi sest fix quatre missions :
 Faire merger les nouvelles ides et les pratiques innovantes
 Dvelopper, soutenir et financer la recherche

 Contribuer lessor dune communaut de recherche

 Rendre accessibles les connaissances lensemble du public

La communaut autour de la scurit industrielle est sur www.foncsi.org.

Rendez-vous sur le site web participatif de la Fondation et :
 Dcouvrez et tlchargez gratuitement lensemble des publications : Cahiers de la scurit

industrielle, Regards

 Partagez des informations appels communications et propositions scientifiques, manifes-

tations, offres demploi dans la rubrique Communaut/Rzotons

 Explorez la carte des laboratoires et chercheurs, de toutes disciplines, investis dans la scurit

industrielle et dveloppez votre rseau. Vous ntes pas rfrencs ? Cest tout simple, cliquez
ici !

 Enfin, faites connatre vos ides, entrez dans la communaut et commentez les articles, propo-

sez une Tribune

Fondation pour une culture de scurit industrielle

Fondation de recherche, reconnue dutilit publique

http ://www.foncsi.org/

6 alle mile Monso BP 34038

31029 Toulouse cedex 4
France

Tlphone: +33 (0) 534 32 32 00

Twitter: @LaFonCSI
Courriel: contact@foncsi.org

iii

dito

Aprs la collection Les Cahiers de la scurit industrielle , dont lun des objectifs
initiaux est de valoriser les rsultats de la recherche, la Fondation a le plaisir
aujourdhui de vous proposer Les Regards . Une nouvelle collection laquelle
nous tenons et croyons particulirement : il sagit l dexposer le point de vue dune
discipline sur un objet, un concept, une question lis la scurit industrielle. Sur
le retour dexprience par exemple, que diront un conomiste, un sociologue ? Sur
lincertitude, que penseront un anthropologue, un ingnieur ?
Notre volont avec ces Regards est de crer un pont entre les disciplines, de
favoriser le partage dun mme objet de recherche avec des points de vue diffrents
et complmentaires.
Enfin, avec ces Regards que nous voulons accessibles aux non-initis, agrments
dexemples et de mises en situation, nous souhaitons mettre disposition du grand
public des contenus scientifiques. Les citoyens se rvlent de plus en plus intresss
comprendre les questions et enjeux scientifiques, mieux apprhender le monde
complexe dans lequel ils voluent. La Fondation, par cette nouvelle collection, propose des regards sur notre monde, favorise la transmission de connaissances et
souhaite apporter sa petite pierre ldifice dune socit dont les femmes et les
hommes sont en mesure de prendre des dcisions claires.

Toulouse, le 15 avril 2014

Gilles Motet, Foncsi

Ce document
Titre
Mots-cls
Author
Date de publication

Attitude face au risque & Sciences conomiques

risque, incertitude, attitude face au risque, aversion au risque, got du risque,
prise de dcision, sciences conomiques comportementales, biais psychologique
Laura Concina
mai 2014

Le travail prsent dans ce document fait partie dun projet de recherche supervis par Giuseppe Attanasi
(Directeur du Laboratoire des sciences conomiques de Strasbourg) et financ par la Foncsi. Caroline Kamat
en a coordonn ldition. Elaine Seery a assur la relecture linguistique de la version originale anglaise, qui a
t traduite en franais par Dinah McCarthy. Les opinions qui y sont prsentes, en revanche, sont celles de
lauteure, seule.
Ce document est disponible dans sa version originale anglaise sur le site internet de la
Foncsi.

A propos de lauteure
aura Concina a obtenu un doctorat en sciences conomiques de luniversit
de Venise, Italie, en 2012 sur Le leadership et la coopration dans les jeux
dutilit publique . Sa recherche a pour but dexaminer linfluence dun leadership
volontaire sur la coordination de groupe. Pour rpondre cette question, elle utilise
des mthodes de collecte de donnes exprimentales : des sujets exprimentaux
sont pays et mis en situation de coordination de groupe, ceci dans le but de recrer
des conditions de motivation relles.

Pour citer ce document

Concina L. (2014). Attitude face au risque & Sciences conomiques. Number 2014-02 de la collection Les Regards,
Fondation pour une culture de scurit industrielle, Toulouse, France. Gratuitement tlchargeable sur :
http ://www.foncsi.org/.

vii

Prambule
e document a pour objet dinitier des lecteurs non-conomistes aux thories de lconomie
classique et comportementale du risque et de lincertitude. Il dcrit des rsultats gnralement
accepts en sciences conomiques qui sont dterminants dans la prise de dcision en conditions de
risque ou dincertitude et dans des situations o il est question de pertes et de gains. Pour illustrer
ce sujet, nous prsenterons une slection de rsultats thoriques, entremls dexemples de la vie
quotidienne ainsi que des travaux de recherche en sciences conomiques et en psychologie sur la
perception du risque.

Le risque et lincertitude sont constamment prsents dans la vie quotidienne, aussi bien grande qu
petite chelles (par exemple, les accidents domestiques et les catastrophes industrielles majeures).
Les sciences conomiques ont une longue tradition danalyse du risque en tant qulment majeur
et fondamental dans la prise de dcision : la plupart des dcisions conomiques ne peuvent tre
entirement prises en faisant fi de la notion de risque. Par exemple, dans la littrature financire,
lanalyse des diffrents modles de portefeuille est base sur des stratgies de diffrenciation du
risque selon lattitude de linvestisseur par rapport celui-ci. En sciences macro-conomiques, le
taux de chmage, les taux dintrts et de change, la stabilit politique et limport-export ne sont
que quelques-unes des variables conomiques instables qui influent sur lconomie globale.

Point cl

Ce document
Les dcisions en contexte risqu sont tudies en permanence par les chercheurs dans le domaine des
sciences conomiques. Ce document tente dexpliquer les thories conomiques de base ainsi que leurs
rsultats un public qui travaille en gestion du risque, ou qui est intress par le sujet. Son but est daider
chacun comprendre, selon un point de vue conomique, les compromis consentis par les individus face
au risque1 .

Comment les individus orientent-ils leurs choix lorsquils sont confronts au risque ? Si lon considre que les dcisions quils prennent sont rationnelles, leur attitude face au risque peut tre modlise. Ce sont les bases du modle rationnel standard dvelopp par les conomistes que ce Regard
vise tout dabord exposer. Cependant, petit petit en poursuivant la lecture, nous observons de
nombreux carts au modle, principalement lis des biais psychologiques. Comment les sciences
conomiques prennent-elles en compte ces paramtres qui influencent notre attitude face au risque,
qui nous conduisent prendre des dcisions qui ne sont pas celles prvues par le modle ? Cest ce
que ce Regard sattache prsenter dans ses grandes lignes et de manire accessible un public
largi.
Ainsi, nous commencerons par une brve introduction dmontrant que les sciences conomiques
sont loin dtre laffaire des seuls conomistes et que ce que nous dfinirons comme des choix
conomiques sont partout dans notre vie de tous les jours. Cest dans cet esprit que nous dcrirons
des notions conomiques de base, commencer par la dfinition, au sens large, des sujets abords
dans ce document. Nous verrons en particulier que la dfinition du risque, dun point de vue
conomique, peut paratre trs diffrente des dfinitions classiques du terme. Ensuite, au chapitre 1,
nous tracerons les lignes du modle conomique classique, qui explique lattitude rationnelle face
au risque. Nous introduirons, ainsi, la thorie de lutilit espre (note EUT pour Expected
Utility Theory en anglais) de von Neumann et Morgenstern, modle thorique de base utilis par la
plupart des conomistes. De plus, nous exposerons le modle de base dcrivant lattitude face au
risque ainsi que quelques-unes des approches utilises pour valuer les attitudes individuelles face
au risque. En dernire partie de ce chapitre, nous examinerons les critiques portes sur le modle
EUT. Par exemple, nous discuterons des situations dans lesquelles les prdictions du modle sont
errones. Au chapitre 2, nous examinerons une voie de recherche en sciences conomiques plus
rcente, qui porte sur laspect psychologique des choix individuels et sappuie sur des preuves
1

Le choix des sujets nest ni exhaustif ni reprsentatif de lintgralit de la littrature en matire de risque, mais le but est
de donner une vue densemble sur les voies de recherche existantes.

ix

exprimentales. Nous dmontrerons ainsi, au travers dexemples, que la ralit ne correspond pas
toujours ce que lon pourrait attendre dun comportement rationnel face au risque. Une thorie
alternative, appele thorie des perspectives (Prospect Theory en anglais) est alors introduite. Le
chapitre 3 prsente dautres exemples qui se dmarquent de la littrature conomique de base
ou des hypothses rationnelles. Nous examinerons des preuves empiriques et exprimentales de
dviations du comportement. En particulier, nous verrons comment la perception du risque, les
probabilits et lincertitude peuvent amener certains individus commettre des erreurs face des
choix risqus.
Il est clair que notre discussion nest pas exhaustive. Ce choix est dlibr car le but est de prsenter et de dissminer des thories conomiques de base ainsi que des preuves psychologiques du
comportement humain face au risque et lincertitude.

Table des matires

Introduction : que sont les sciences conomiques ?

Attitude rationnelle face au risque

1.1

Le risque et lesprance mathmatique . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Lattitude face au risque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3

Les prfrences et lutilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.4

La thorie de lutilit espre . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

1.5

Laversion au risque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12

1.6

Mesurer laversion au risque . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

14

1.6.1

Lanalyse conomtrique . . . . . . . . . . . . . . . . . . . . . . . . . . .

14

1.6.2

Lexprimentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

15

1.6.3

Quen est-il des anomalies ? . . . . . . . . . . . . . . . . . . . . . . . .

17

Divergences entre le modle rationnel et la ralit

19

2.1

Laversion la perte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

19

2.2

Leffet dotation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

22

2.3

Le biais du statu quo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

2.4

Une thorie gnrale : la thorie des perspectives . . . . . . . . . . . . . . . . . .

25

2.5

Laversion la perte : un comportement humain ou animal ? . . . . . . . . . . . .

27

Autres anomalies de lattitude

face au risque

29

3.1

Lincertitude / laversion lambigut . . . . . . . . . . . . . . . . . . . . . . . .

30

3.2

Lambigut dans des contextes comparables . . . . . . . . . . . . . . . . . . . . .

33

3.3

Lambigut, la confiance et loptimisme . . . . . . . . . . . . . . . . . . . . . . .

34

3.4

Linfrence baysienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

35

3.5

La loi des petits nombres . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

38

Synthse

41

Bibliographie

43

xi

Introduction : que sont les sciences

conomiques ?
Une des dfinitions traditionnelles des sciences conomiques est

Les sciences conomiques sont une science sociale qui analyse la production, la distribution et la consommation
de biens et de services2 .

Nanmoins, il existe une dfinition plus moderne et moins conventionnelle qui prend aussi en
compte des sujets plus inhabituels, tels que la politique fiscale, la production, la politique montaire,
etc. Les sciences conomiques modernes se sont intresses des sujets lis au comportement
humain et sont devenues une discipline plus large qui interagit avec beaucoup dautres domaines
scientifiques (par exemple, la sociologie, la psychologie, la biologie et la neurologie).

Une autre dfinition encore propose que les sciences conomiques dveloppent des thories bases
sur les phnomnes conomiques, cest--dire tout phnomne qui

a trait tout aspect du comportement humain li lallocation de ressources rares ; par consquent, cest un
domaine trs tendu. Par exemple, tout ce qui suit peut tre inclus dans la dfinition de phnomne conomique,
mme si, bien sr, ces phnomnes peuvent impliquer dautres disciplines : la recherche dun partenaire sexuel
sur internet, regarder un documentaire la tlvision, faire un don une uvre caritative, accompagner un
voisin en voiture pour mieux pouvoir lui demander une faveur plus tard, dcider de faire la sieste maintenant
plutt que de tondre la pelouse, apprendre son enfant jouer au tennis et aller lglise [Wilkinson 2007].

Point cl

Des choix conomiques

De ce point de vue, la question centrale en sciences conomiques est la raret. Les ressources sont
limites et les gens doivent continuellement faire des compromis entre beaucoup (ou peu) de possibilits.
Il ressort clairement des exemples ci-dessus que les phnomnes conomiques concernent non seulement
les choix montaires ou financiers au sens strict, mais aussi les situations o les options nont pas de valeur
pcuniaire. En dautres termes, des choix conomiques.

Les paragraphes prcdents donnent des exemples de phnomnes conomiques ; nous prsentons
ici le sujet qui doit dcider entre les diverses possibilits. Nous appellerons ce sujet le dcideur,
lagent conomique ou lagent. Que cet agent soit un individu, un groupe ou une socit, nous
devons faire des hypothses sur la faon dont il prend ses dcisions lorsquil est devant un choix
conomique.
La thorie conomique repose traditionnellement sur le postulat de lhomo economicus. Celui-ci est
un agent hypothtique reprsentatif qui prend des dcisions rationnelles bases sur son propre
intrt. Dans le modle conomique de base no-classique, ces dcideurs ont toujours t perus
comme :
1. purement gostes et non-concerns par les soucis des autres,
2. agissant de manire rationnelle pour maximiser leur propre profit selon linformation dont
ils disposent sur le moment,
3. capables de prdire correctement comment lenvironnement sera affect par leur choix (et
celui des autres).
Nanmoins, les modles bass sur ces hypothses ne prdisent pas toujours correctement le comportement humain dans certains contextes. Plus particulirement, ils ne prennent pas en compte divers

Source : http ://en.wikipedia.org/wiki/Economics.

Attitude face au risque & Sciences conomiques

paramtres et biais qui peuvent interfrer, tels que les prfrences des autres, la rationalit limite3 ,
des comptences limites en calcul, la difficult prdire des vnements futurs, des capacits
statistiques inadquates ou lincapacit dun agent comprendre des problmes complexes.
Les conomistes classiques et no-classiques ont bas leur travail sur des preuves empiriques.
Ils ont test leurs rsultats thoriques avec des outils conomtriques et, lorsque les rsultats ne
corroboraient pas la thorie, ils modifiaient leurs thories en fonction de leur analyse des donnes.

Dnition

Lconomtrie
Lconomtrie est ltude de lapplication des mthodes statistiques aux donnes conomiques. Elle comprend toutes les techniques statistiques et mathmatiques qui sont dveloppes pour rpondre aux problmes conomiques, analyser des donnes, tester des thories et des modles.

Pendant longtemps, il tait largement reconnu que les sciences conomiques ne pouvaient tre
une discipline exprimentale. Pendant des dcennies, la manire principale de tester le pouvoir
des thories tait dtudier de manire empirique des donnes observables, drives de lenvironnement naturel. Lenvironnement naturel est le rsultat de processus non-contrls et contient de
nombreux facteurs, qui peuvent ne pas tre observs et pourraient fausser lanalyse statistique. Les
donnes conomiques sont influences par une multitude de variables (et d interactions entre elles) ;
par consquent, bien que les techniques conomtriques permettaient de manipuler des donnes,
certaines questions ne pouvaient trouver de rponse. Lide traditionnelle que dimportants facteurs
conomiques ne peuvent tre contrls impliquait que la collecte de donnes tait le seul moyen
largement reconnu de vrifier la thorie conomique.
Plus rcemment, nombre de ces pratiques ont chang et de nouvelles approches ont t dveloppes.
Dun ct, lapproche comportementale a remis en question le postulat de lhomo economicus pour
favoriser des modles de donnes plus souples et plus mallables.

conomie
comportementale

Les modles comportementaux sont capables dinclure divers biais qui ne peuvent pas tre pris en
compte dans la thorie classique, par exemple :
 Les limites de la cognition humaine4 . Lors du processus de la prise de dcision, les humains

ne seraient peut-tre pas en mesure dassimiler toute linformation ncessaire pour prendre la
bonne dcision (cest--dire celle qui donne le meilleur rsultat pour lindividu). De plus,
dans de nombreux contextes, il serait inexact de supposer que les agents conomiques soient
entirement rationnels.

 Les biais comportementaux rcursifs. Les individus peuvent se tromper dans certaines situa-

tions et ne pas tre en mesure de modifier leur comportement. Mme en leur enseignant ou en
leur expliquant des situations complexes, ils ne parviennent pas amliorer leur raisonnement,
et certains modles tiennent compte de ces comportements errons.

Dnition

Rationalit limite
Lide de rationalit limite a t prsente pour focaliser lattention sur lcart entre la rationalit humaine
parfaite qui sous-tend la thorie conomique classique et no-classique et la ralit du comportement humain tel
quil est possible de lobserver dans la vie conomique. Lide nest pas que les gens soient sciemment et dlibrment
irrationnels, quoiquils le soient parfois, mais que ni leur savoir, ni leur pouvoir de calcul ne leur permettent
datteindre le haut niveau dadaptation optimale des moyens par rapport aux fins, chose requise en conomie
[Simon et al. 1992].

Par ailleurs, une autre rvolution appart avec la collecte de donnes exprimentales lies aux
phnomnes conomiques. Les donnes exprimentales sont des donnes

3
4

qui sont cres sciemment dans un but scientifique (ou autre) dans des conditions contrles [Friedman et
Sunder 1994, p. 3].

Le terme rationalit limite , connu aussi sous le nom de rationalit lie (bounded rationality en anglais), est dfini
ci-dessous.
Un premier pas dans ce sens a t fait par Herbert. A. Simon dans les annes cinquante.

Introduction

Cette nouvelle approche implique une interaction entre les sciences conomiques et dautres
domaines de recherche, en particulier la psychologie. Le Prix Nobel 2002 en sciences conomiques, qui a rcompens des travaux dans les domaines mergents des sciences conomiques
exprimentales et comportementales, dmontre limportance du rapprochement entre conomie
et psychologie. En effet, il a t attribu pour moiti un psychologue, Daniel Kahneman, dont une
partie du travail appliqu aux sciences conomiques est prsente par la suite dans ce document
[Kahneman et Smith 2002 ; Roth et Shapley 2012].

conomie
exprimentale

Les domaines des sciences conomiques et de la psychologie se chevauchent sur un grand nombre
daspects du comportement individuel et de groupe. Si au dbut le fait que les psychologues critiquent le modle conomique rationnel fut mal reu par la plupart des conomistes, le regard
de la psychologie a inspir non seulement des amliorations aux thories conomiques, mais aussi le dveloppement de nouvelles mthodes (telles que la collecte de donnes conomiques par
lexprimentation).
Lintgration de la psychologie et des sciences sociales est maintenant largement accepte ; les deux
sciences sociales partagent de nombreux intrts communs et bnficient toutes deux de cette
interaction. Nanmoins, leur historique, leurs approches et leurs sujets de recherche diffrents
impliquent de clairement distinguer les objectifs et les mthodologies propres chaque discipline.
Lexprimentation en sciences conomiques reflte lintrt que portent les conomistes aux marchs, aux institutions, au comportement collectif et aux interactions entre agents conomiques et
elle est cible sur les rsultats. Une exprience typique teste les hypothses dun modle thorique
sous diffrentes conditions en regardant le rsultat final. Il est peu probable que des conomistes
remettent en question les motivations et procdures qui ont men ces rsultats. Dun autre ct, les
psychologues sintressent plus aux caractristiques individuelles et aux processus qui ont conduit
ces rsultats, en particulier dans les contextes rels.

Point cl

Question de recherche
Une question de recherche typique pose par un conomiste est Que font les individus ? , alors que les
psychologues prfreraient savoir Pourquoi les individus font-ils ce quils font ?

Il existe aussi de nettes diffrences entre les deux sciences humaines dans la manire dont sont
diriges les expriences. Les conomistes croient fortement que les personnes ragissent la motivation pcuniaire et cette posture se retrouve dans la manire dont les expriences sont effectues.
Une hypothse de base est que les individus qui nont aucune raison de dire la vrit risquent de
mentir.

Exemple

Dons une uvre caritative

Par exemple, si on demande quelquun combien il donnerait une uvre caritative, le montant quil
annonce est plus lev que le montant quil donnerait sil faisait rellement le don.

En rgle gnrale, pour viter ce type de problme, les conomistes exprimentaux paient les
personnes qui participent aux expriences, dans un effort de reproduction des motivations de la vie
relle. De leur ct, les psychologues sont intresss par des choix hypothtiques et, dans certains
cas, ils paient tous les participants au mme tarif, indpendamment des rponses quils donnent.
Avec le temps, les interactions entre les deux sciences sociales ont rendu la frontire qui les sparait
plus floue et ont multipli les recoupements mthodologiques. Aussi, les expriences et les questions
de recherche se rapprochent-elles de plus en plus. Parfois, des mots diffrents sont utiliss pour
exprimer le mme problme. Par exemple, les sciences conomiques utilisent la notion dutilit
publique et de marchandage, alors que la psychologie utilise les termes de dilemme social et de
ngociation. Pour aller plus loin sur ce point, voir larticle de [Rabin 1996].
Le cur de la thorie conomique concerne la prise de dcision en situation dincertitude ; par
consquent, nous commencerons par la description des grandes lignes de la thorie de lutilit
espre. Puis, nous prsenterons quelques-unes des caractristiques de lconomie exprimentale
et comportementale en ciblant le risque, lincertitude, la perception des pertes et des gains, et la
perception des probabilits. Nous parlerons du bien-fond des rsultats et de leurs consquences,
qui sont gnralement accepts par la communaut acadmique.

1
Attitude rationnelle face au risque
Ce chapitre traite des principales ides que nous apporte le modle conomique classique dutilit
espre sur lattitude des individus face au risque. Nous supposons que les dcideurs (individus qui
doivent faire un choix conomique) sont rationnels au sens o ils choisissent toujours de manire
parfaite ce qui sert au mieux leurs intrts. Nous commenons par la dfinition du risque en sciences
conomiques, puis nous discutons des hypothses et des thories.

Le risque et lesprance mathmatique

1.1

Deux dfinitions tmoignent de la faon dont le risque est gnralement peru :

 Risque nom commun

1. La possibilit dengendrer des pertes ou des malheurs.

2. Danger (assurance) : a. risque de perte ou autre vnement pour lequel une rclamation peut tre
faite ; b. le type dun tel vnement, tel que lincendie ou le vol ; c. le montant de la rclamation
dans le cas o un tel vnement se produit ; d. personne ou objet valu par rapport ses
caractristiques qui risqueraient dengendrer un incident assur 1 .
 Risque

Le risque, cest le potentiel quune action ou une activit choisie (y compris le choix de linaction)
amne une perte (un rsultat indsirable). La notion implique lexistence dun choix qui influerait
(ou a influ) sur le rsultat. Des pertes potentielles peuvent elles-mmes tre appeles risques. Presque
toute activit humaine comporte un risque, mais certaines sont beaucoup plus risques que dautres2 .

La dfinition du risque en sciences conomiques est autre que celles cites ci-dessus. En rgle
gnrale, le risque est peru comme ngatif. Cependant, en sciences conomiques, il peut tre
associ des effets ngatifs (comme des accidents potentiels) et des bnfices (tels que linnovation
issue de la recherche). Du point de vue des sciences conomiques, le risque est davantage associ
lincertitude qu des effets ngatifs.
Pour clarifier la terminologie, nous utiliserons la notion de risque conomique, et dfinirons les
termes esprance mathmatique (note EV pour Expected Value en anglais), vnement et
rsultat.

Dnition

Esprance mathmatique
Lesprance mathmatique dune variable alatoire est la moyenne pondre de toutes les valeurs possibles
que la variable peut prendre.

Supposons quun entrepreneur dbute une activit dont il obtient un bnfice annuel. Nanmoins,
le montant du bnfice est incertain ( bnfice est une variable) :
 lors des bonnes annes il est lev (X) avec une probabilit (p) ;

 lors des mauvaises annes il est bas (Y) avec une probabilit complmentaire de (1-p).
1
2

Source : http ://www.collinsdictionary.com/dictionary/english/risk.

Source : http ://en.wikipedia.org/wiki/Risk.

Attitude face au risque & Sciences conomiques

Ces occurrences sappellent des vnements et les bnfices associs des rsultats. Lentrepreneur
ne sait pas lavance si lanne sera bonne ou mauvaise et compte sur les probabilits p et 1-p pour
prvoir les bnfices. Il est noter que nous ne prenons en compte que deux possibilits : une bonne
ou une mauvaise anne. Il est clair que dans la ralit, il existe beaucoup de situations possibles
et la variable bnfice pourrait prendre beaucoup de valeurs diffrentes. Nanmoins, nous ne
traiterons pas les variables continues, ce qui implique que nous naurons pas faire dhypothses
au sujet de la distribution des bnfices (notamment si la distribution de probabilit est uniforme,
normale ou si elle revt une autre forme).
Pour valuer son activit, lentrepreneur doit calculer les gains futurs partir de la probabilit que
les gains possibles existent. En termes conomiques, ceci sappelle lesprance mathmatique (note
EV pour Expected Value en anglais) de lactivit et elle est calcule comme suit :
= + (1 )

Exemple

Bnfice espr dune activit

Si, par exemple, le bnfice slve 100 000 lors dune bonne anne et 60 000 lors dune mauvaise
anne, et que la probabilit que ces deux vnements se ralisent est la mme (cest--dire p=50%), le
bnfice espr est 80 000.

Lesprance mathmatique (EV) est une mesure hypothtique de la valeur future de lactivit. Elle
ne reflte pas la ralit : elle est la moyenne pondre de toutes les situations relles possibles. Il
se pourrait que lactivit ne produise jamais un bnfice futur de 80 000 ; cest tout simplement
ce que nous pouvons esprer linstant prsent3 .
Il arrive souvent que lorsque nous avons un choix faire, nous nous focalisons sur lavenir en
choisissant des options qui auront un impact sur celui-ci. Par souci de clart, nous allons maintenant
dfinir ce que nous entendons par vnement et rsultat.

Dnition

vnement et rsultat
Un vnement est une circonstance qui peut se produire, indpendamment de son importance. Dans
notre exemple, une bonne anne est un vnement ; une mauvaise anne est un autre vnement.
Bien que dans la ralit les vnements peuvent avoir des consquences importantes (par exemple, une
naissance, un accident nuclaire, un sommet du G8), lors de la discussion qui va suivre, les vnements
seront valus indpendamment de leur influence ou de leur importance.
Le rsultat dun vnement est sa ralisation (par exemple, la bonne ou la mauvaise anne). Chaque
vnement apporte des consquences qui peuvent toucher le dcideur. Par exemple, lors dune bonne
anne, les ventes sont leves, les impts sont bas, la productivit est stable, etc. On suppose que ces
caractristiques sont implicites dans le rsultat de lvnement, et peuvent tre exprimes en termes
montaires (par exemple, le bnfice net).

Pour en revenir lexemple, nous pouvons dcrire lactivit ci-dessus comme risque car elle implique des vnements et des rsultats qui sont incertains. En dautres termes, le rsultat rel
pourrait tre plus lev ou plus bas que lesprance mathmatique. Par ailleurs, une activit qui gnre 80 000 de faon rgulire chaque anne est sre . Cette activit ne comporte pas de risque
(certitude versus incertitude), car son rsultat est toujours le mme, cest--dire que la probabilit
quelle engendre un bnfice sr de 80 000 est gale 1.
Il est clair que dans le domaine des sciences conomiques, la dfinition dune activit risque est
bien plus large que celle utilise normalement. Dans le sens gnral, le mot risque est associ la
perte, aux dommages, une opportunit manque, ou une perte de gains. La diffrence principale
entre la dfinition conomique du risque et sa dfinition plus gnrale se trouve dans la connotation
ngative4 que porte cette dernire. En conomie, la notion de risque concerne un vnement qui se
produit avec une probabilit connue ou quil est possible destimer, alors quun vnement qui se
produit avec une probabilit de un ou de zro est dit sr (ou certain).
3
4

Lesprance mathmatique EV nest pas une valeur relle mais la moyenne pondre de valeurs relles ; ainsi, le nombre
moyen denfants par femme, par exemple 1.5 enfant, ne correspond pas un nombre rel denfants par femme.
Il est important de garder cette dfinition lesprit dans les discussions venir car il y a des aspects psychologiques qui
distinguent le risque dans le domaine des pertes et le risque dans le domaine des gains.

1.2. Lattitude face au risque

Point cl

Le risque en sciences conomiques

En rsum, une activit risque implique que les vnements et leurs consquences sont incertains : leur
ralisation est plus ou moins probable. Inversement, une activit sre implique que le rsultat est certain.
En sciences conomiques, le risque est associ lincertitude, que les effets soient bnfiques ou nfastes.

De la mme manire, la dfinition du risque donne par lISO 31000 intgre la vision conomique
[Motet 2009]. Cette norme dfinit le risque comme leffet de lincertitude sur latteinte des objectifs .
Trois notions importantes sont contenues dans cette dfinition :
 Le risque dpend de lindtermination ou de lincertitude des vnements, au sens o il pourrait

se raliser ou ne pas se raliser.

 Le risque doit tre gr car il a un impact sur lavenir (des modifications par rapport au statut

initial) qui touche les dcideurs.

 Le risque est pertinent seulement lorsquil est compar aux objectifs rels du dcideur dans le

contexte des dcisions qui auront un effet sur lavenir.

La question qui sensuit est naturellement :

Comment les gens ragissent-ils des vnements incertains par rapport dautres sans risque ?

Lattitude face au risque

1.2

Pour continuer avec lexemple prcdent, imaginez que vous soyez propritaire dune activit
risque R qui gnre un revenu soit de 60 000 avec une probabilit de 0,5, soit de 100 000 avec
la mme probabilit de 0,5. Dans ce cas, lesprance mathmatique (EV) de R est EV(R) et est gale
80 000 (EV(R)=80 000). Maintenant, supposons une activit sre, S, qui gnre 80 000 avec une
probabilit de 1 (EV(S) = 80 000). Bien que les deux activits aient la mme esprance mathmatique
(EV), seule la seconde est sre (cest--dire quelle fournit un revenu sr). Si elles devaient choisir
parmi ces deux activits, certaines personnes seraient indiffrentes ; dautres prfreraient lactivit
risque, R ; dautres encore choisiraient lactivit sre, S. En dautres termes, certains individus
aiment le risque et choisissent R, certains prfrent nettement les choix srs et sont attirs par
S, et dautres sont indiffrents au fait que lactivit soit sre ou risque, tant que les esprances
mathmatiques (EV) sont gales. La notion dattitude face au risque (amateur, averse et neutre)
commence ainsi merger.
Maintenant, nous allons regarder de plus prs lactivit risque R et classer les individus en fonction
du prix auquel ils accepteraient de la vendre en utilisant EV comme curseur . Les personnes
ont telle ou telle prfrence face au risque, donc leurs prfrences sont htrognes. Considrons
lactivit risque R. Si on demande un groupe dindividus :

Supposons que cette activit vous appartienne, combien demanderiez-vous quelquun pour la grer pendant
un an ?

La plupart des gens demandent un montant infrieur 80 000.

Exemple

Anne, Luc et Ned5

Supposons quAnne demande 75 000 pour vendre lactivit. Si elle la gardait, elle pourrait en obtenir
un gain faible (60 000) ou un gain lev (100 000) ; par contre, si elle vend lactivit elle est assure de
gagner 75 000. Cette transaction serait perue par beaucoup comme une bonne affaire mme si le prix
de vente est infrieur lesprance mathmatique (EV). Cela peut tre peru comme le prix payer pour
viter le risque de ne gagner que 60 000. Bien quil existe de nombreux facteurs qui dterminent les
ractions humaines face aux activits risques (psychologiques, personnels, etc.), en termes conomiques,
un individu peut tre class comme averse au risque, indiffrent au risque (neutre) ou amateur de risque
indpendamment de ce qui cause son attitude face celui-ci. Dans cet exemple, Anne serait classe comme
averse au risque car 75 000 est un montant infrieur lesprance mathmatique (EV) de lactivit.
Supposons maintenant que Luc et Ned demandent respectivement 82 000 et 80 000. Luc est un
amateur de risque car il demande plus que lesprance mathmatique (EV) ; Ned, lui, est indiffrent au
risque car le montant quil demande est le mme que lesprance mathmatique (EV).

Attitude face au risque & Sciences conomiques

Le fait que le dcideur peut donner lactivit risque une valeur qui diffre de lesprance mathmatique nous amne la notion dquivalent certain (not CE, pour Certainty Equivalent en
anglais).

Dnition

quivalent certain
Lquivalent certain dune activit risque est le montant qui est attribu la valeur de lactivit. Lquivalent
certain peut aussi tre appel prix de vente. Cest le prix fixe auquel lactivit serait vendue.

En dautres termes, lquivalent certain est le montant dargent ncessaire pour rendre lindividu
indiffrent au fait de vendre son activit ou de la conserver.
videmment, le prix de vente (quivalent certain) est donn par la rponse la question prcdente :
 lquivalent certain dAnne est de 75 000,
 celui de Ned est de 80 000

 et celui de Luc est de 82 000.

Ce qui nous amne une dfinition simple de lattitude face au risque au travers de la comparaison
entre lquivalent certain (CE) de chaque agent et lesprance mathmatique (EV) objective.

Dnition

Aversion au risque et prime de risque

Laversion au risque implique que lquivalent certain pour une activit risque est infrieur son esprance mathmatique (CE < EV), car une personne averse au risque essaiera de se dbarrasser de lactivit
risque, mme si elle renonce un gain possible (espr). La diffrence entre lesprance mathmatique et
lquivalent certain est appele la prime de risque (not RP, pour Risk Premium en anglais). La prime
de risque est positive dans le contexte dun comportement averse au risque ; cest le montant maximum
quun individu accepte de perdre pour viter le risque.

tant donne cette dfinition, Anne est averse au risque parce que son CE (75 000) est infrieur
lEV (80 000). Elle prfre renoncer une partie de son rsultat escompt (une prime de risque
de 5 000) pour viter le rsultat dune mauvaise anne. Il est noter que si Anne pouvait vendre
pour un montant suprieur son quivalent certain de 75 000, le rsultat serait encore plus lev
que celui espr.

Dnition

Amateur de risque
Lamateur de risque va dans le sens contraire : lquivalent certain dun amateur de risque est toujours
plus lev que lesprance mathmatique. Ainsi, la prime de risque est ngative et reprsente le montant
maximum que la personne est prte concder pour conserver lactivit risque. Pour les amateurs de
risque, la valeur absolue de la prime de risque reprsente le montant maximum quils sont prts perdre
lorsquils choisissent entre une activit risque et son esprance mathmatique. Ils prfrent conserver
lactivit risque que daccepter son esprance mathmatique : le risque revt un caractre positif.

Luc est prt accepter le risque et son CE (82 000) est plus lev que la valeur de lEV. Sa prime
de risque (RP) est de -2 000. Luc refuserait tout montant en dessous de 82 000 ; en revanche,
des offres suprieures 82 000 seraient acceptes.
En conclusion, les individus tels que Ned, pour qui la prime de risque est nulle (lquivalent certain
est gal lesprance mathmatique), sont indiffrents, neutres face au risque. Ned est neutre
face au risque parce que son CE est gal lEV de son activit risque. Il est indiffrent au fait
daccepter une somme sre de 80 000 ou de supporter le risque dune activit dont lesprance
mathmatique est identique.
Une autre manire de mesurer lattitude face au risque est tout simplement de demander un
individu sil prfre une activit risque une autre activit risque avec la mme esprance mathmatique mais une variabilit infrieure. Par exemple, nous pouvons demander Anne, Luc et Ned
de choisir entre deux activits :

Ces prnoms sont ceux utiliss dans la version anglaise car leurs initiales font rfrence risk averse, lover et neutral.

1.3. Les prfrences et lutilit

 celle donne dans lexemple prcdent (rendement escompt de 100 000 ou de 60 000 avec

la mme probabilit : esprance mathmatique gale 80 000).

 ou une autre activit qui peut rapporter soit 70 000 soit 90 000 avec la mme probabilit

(esprance mathmatique valant aussi 80 000).

Bien que les deux activits aient la mme esprance mathmatique EV (80 000), la variance est plus
leve pour la premire (800 ; cart-type : 28,28) que pour la seconde (variance : 200 ; cart-type :
14,14).

Dnition

La variance
La variance mesure la dispersion des valeurs observes. La variance est la moyenne de lcart au carr de
valeurs par rapport la moyenne.

Quand lesprance mathmatique est la mme, un individu averse au risque prfrera toujours une
activit plus sre une activit risque (celle avec une variabilit limite). Lamateur de risque, au
contraire, prfrera toujours lactivit risque (celle avec une variabilit leve). Enfin, un individu
indiffrent au risque na pas de prfrence nette : il considre que les deux sont quivalentes et est
indiffrent. Comme Anne est averse au risque, elle prfrerait la seconde activit (avec moins de
variabilit) ; Ned tant indiffrent au risque serait neutre ; et Luc, lamateur de risque, prfrerait la
premire activit (avec plus de variabilit).
Nous pouvons, par consquent, nous poser la question de savoir comment les individus font leur
choix face lincertitude et, en particulier, selon leur attitude personnelle face au risque. Dans
la partie suivante, nous dcrivons brivement les approches les plus courantes utilises par les
conomistes durant ces soixante dernires annes pour tudier la prise de dcision en prsence
de risque, notamment la thorie de lutilit espre (note EU, pour Expected Utility theory en
anglais). Cette thorie a t dveloppe par von Neumann et Morgenstern en 1944 [Von Neumann et
Morgenstern 1953] et taye par Savage [Savage 1954].

Point cl

Hypothse
La thorie de lutilit espre (EU) est base sur lhypothse quun agent qui doit prendre une dcision dans
des conditions incertaines value les bnfices drivs dvnements divers par rapport la probabilit
que ces vnements se produisent.

Les prfrences et lutilit

1.3

Des exemples supplmentaires et des dfinitions sont ncessaires pour illustrer la thorie et mieux
comprendre la discussion qui va suivre.

Exemple

La loterie
Par simplicit, appelons cette loterie L1. Chaque individu peut choisir entre deux alternatives : acheter ou
ne pas acheter un billet de loterie. Le billet offre la possibilit de gagner 100 avec une probabilit de 0,1.
Lesprance mathmatique de la loterie L1 est par consquent de 10 (100 x 0,1). Si le prix du billet est gal
lEV du L1 (de 10 donc) une personne averse au (respectivement amateur de) risque nachterait pas
(respectivement achterait) un billet. Maintenant, supposons quil y ait une autre loterie L2 ; dans ce cas
un billet cote 1 et permet de gagner 100 avec une probabilit de 0,05. Clairement, comme lesprance
mathmatique de L2 est plus leve que le cot du billet (100 x 0,05 > 1), tous ceux qui ne sont pas trs
averses au risque vont probablement tenter leur chance de gagner 100.

Si nous supposons que chaque individu ne peut acheter quun billet, il y a maintenant trois alternatives :
 acheter un billet de L1,

 acheter un billet de L2,

 ne pas acheter de billet.

En utilisant les dfinitions donnes prcdemment, chaque loterie est un vnement, parce quil
peut survenir dans le futur, indpendamment de lindividu. La ralisation du futur vnement
9

Attitude face au risque & Sciences conomiques

dterminera le rsultat pour lindividu ; par exemple une perte de 10 sil achetait un billet L1 et
perdait ; ou un gain de 99 sil achetait un billet L2 et gagnait. Nous avons donc trois vnements au
choix (not A pour alternative) A = {pas de billet, billet L1, billet L2} et cinq rsultats possibles (not
O, pour outcome en anglais) O = {pas de billet, achat L1-gagnant, achat L1-perdant, achat L2-gagnant,
achat L2-perdant}6 .
Comme dans lexemple de la loterie, nous sommes constamment face des situations o nous
devons choisir parmi plusieurs alternatives. La multitude de biens et services quun dcideur peut
se permettre dacheter constitue, par exemple, un groupe dalternatives possibles. chaque fois
quun individu consomme un bien ou un service, ou vit une exprience, il en tire une certaine
satisfaction ou plaisir et, en gnral, peut les classer par ordre de prfrence. Ainsi, il est suppos
que les individus ont des prfrences ; ils peuvent notamment classer leurs alternatives par ordre
de prfrence dcroissante.

Exemple

Anne, Luc, Ned et la loterie

Par exemple, comme Anne est averse au risque, ses prfrences pour les billets de loterie sont : acheter un
billet L2 est prfrable nacheter aucun billet, parce que L2 a une esprance mathmatique plus leve
que le prix du billet ; cependant, elle prfre ne pas acheter de billet plutt quun billet L1, parce que le prix
du billet L1 est gal son esprance mathmatique ; pour Anne, clairement, un billet L2 est prfrable un
billet L1. Les prfrences dAnne en matire de loterie peuvent tre rsumes comme suit : billet L2 > pas
de billet > billet L1. Au contraire, lamateur de risque quest Luc prfrera toujours acheter un des deux
billets plutt que dviter le risque.

En gnral, les sciences conomiques postulent que chaque individu a une ide prcise des alternatives quil prfre, cest--dire quil a un systme de prfrences. Un dcideur rationnel est un
individu qui, tant donn son systme de prfrences, peut choisir quelles alternatives il prfre
parmi un choix dalternatives possibles.
Comme ce document na pas pour but de donner une description analytique complte de la thorie
conomique, ce qui suit est un simple aperu de la relation de prfrence rationnelle. Nous
supposons quun dcideur est capable de classer ses prfrences pour prendre les bonnes dcisions.
Dun ct, il est toujours capable de dcrire ses prfrences : si lui sont prsentes deux alternatives
X et Y, il peut toujours dire si, pour lui, (i) X est prfrable Y, (ii) Y est prfrable X ; ou (iii) il est
indiffrent ; en sciences conomiques, ceci sappelle laxiome de compltude. Dun autre ct, les
prfrences peuvent tre tries de manire ordonne (ceci est le cur de lhypothse rationnelle) :
un individu peut dire sil prfre lalternative A la B et lalternative B la C. Rationnel, dans ce
contexte, veut dire que logiquement selon le classement de ses prfrences, il prfrera lalternative A
lalternative C (lorsquil a la possibilit de choisir entre les deux). Dans la terminologie conomique,
ceci sappelle laxiome de transitivit.
Nanmoins, pour modliser le systme de prfrences sous forme mathmatique, il nous faut
prsenter une fonction qui mesure le niveau de satisfaction, notamment le plaisir tir de la
consommation du produit, service ou exprience. La relation de prfrence rationnelle peut tre
reprsente par une fonction dutilit u(). La fonction dutilit assigne une valeur numrique (qui
reprsente le niveau de satisfaction) chaque alternative, pour pouvoir la classer par rapport aux
autres. Plus le nombre associ lalternative est lev, plus celle-ci se situe en haut du classement
des prfrences. La comparaison dutilits rvle si un individu prfre une alternative une autre.
Les prfrences peuvent varier dun individu un autre, ainsi lutilit est une mesure subjective
qui reflte le got . Nanmoins, certaines caractristiques de la fonction dutilit sont supposes
tre communes tous, telles que le principe de non-satit pour lutilit de largent. Ce principe
peut tre rsum ainsi : plus, cest mieux et moins, nest pas mieux . Dans le cas de largent, il
semble raisonnable de supposer que les individus prfrent toujours avoir plus dargent que moins
dargent. Ceci se retrouve dans la pente monotone de la fonction dutilit de largent.
Puisque tous les rsultats et prfrences peuvent tre reprsents en termes montaires, voyons
comment les prfrences individuelles peuvent tre dcrites laide de la fonction dutilit et en
utilisant lexemple de la section prcdente. Il apparat vident de postuler que chacun prfrerait
avoir une bonne anne et gagner 100 000 plutt que davoir une mauvaise anne et nen gagner
6

10

Il sagit seulement des rsultats qui nous intressent. Comme notre but nest de donner quun aperu gnral de la thorie
conomique, nous avons simplifi la liste.

1.4. La thorie de lutilit espre

que 60 000. Il nest pas besoin de dvelopper une forme explicite pour la fonction dutilit ; nous
pouvons simplement dire que : u(100 000) > u(60 000) pour tout individu. En fait, il nest pas si
important de savoir de combien u(100 000) est plus grande que u(60 000) : la seule chose qui
nous intresse est le fait que lutilit dun de ces deux rsultats soit plus grande que celle de lautre
(100 000 compar 60 000). Lutilit est ordinale : ce qui importe, cest le signe de la diffrence
u(100 000) - u(60 000) > 0 et le classement des alternatives, plutt que la valeur relle de la
diffrence. Si lchelle change, par exemple en exprimant les valeurs en dollars, lordre ne change
pas (ceci est valable avec chaque transformation monotone). De la mme faon, la valeur absolue
de lutilit nest pas aussi importante que sa valeur relative (ou autrement dit, le classement entre
utilits pour des rsultats diffrents).

Utility

U)lit

u(X)

EU(X,Y;p,1-p)

u(Y)

EV(X,Y;p,1-p)

Argent
Money

Fig. 1.1 Exemple de relation entre fonction dutilit et argent : plus la somme dargent est leve, plus lutilit u()
associe cette somme est leve

Jusqu prsent, nous avons valu la bonne anne et la mauvaise anne sparment. Dsormais,
nous souhaiterions savoir comment reprsenter un vnement risqu et quel rle joue la probabilit
dans le classement dalternatives incertaines. La section suivante rpond cette question et prsente
la thorie de lutilit espre.

1.4

La thorie de lutilit espre

La fonction dutilit nous aide classer les alternatives qui sont sres (cest--dire certaines dadvenir ;
de probabilit gale 1). Nanmoins, si les alternatives que nous devons classer sont incertaines et
ont une probabilit entre zro et un, nous pouvons rsumer lutilit drive de lactivit risque en
une mesure unique laide du calcul de lutilit espre.
Dans notre exemple, lactivit risque prsente deux rsultats possibles (une bonne et une mauvaise
anne) auxquels sont associes deux utilits possibles u(100 000) et u(60 000) selon le rsultat de
lvnement lavenir. Dfinissons X comme la somme dargent gagne lors dune bonne anne (probabilit : p), et Y la somme dargent gagne lors dune mauvaise anne (probabilit complmentaire
1-p). Dans ce cas, lactivit risque peut tre dfinie comme (X, Y ; p, 1-p). Lesprance mathmatique
(EV) de lactivit a dj t dfinie comme le rsultat espr avant que lvnement nait lieu :
(, ; , 1 ) = 0, 5 100 000 + 0, 5 60 000 = 80 000

Lesprance mathmatique peut tre trace sur labscisse du graphique en figure 1.1.
Nanmoins, le dcideur doit agir avant que le rsultat ne soit connu et a besoin dvaluer lactivit
risque lavance, au vu des probabilits quil connat ou aura correctement estimes. Lutilit
espre de lactivit risque est la moyenne des utilits drives des rsultats possibles, pondres
par la probabilit quils se produisent. Dans lexemple prcdent, lutilit espre de lactivit risque
est donne comme suit :
11

Attitude face au risque & Sciences conomiques

(, ; , 1 ) = () + (1 ) () = 0, 5 (100 000) + 0, 5 (60 000)

Ceci dmontre que les utilits des rsultats certains lors des deux annes possibles (bonne ou
mauvaise) ne contribuent lutilit espre que dans la mesure o il est probable quils se produisent.
En dautres termes, EU est lesprance dune utilit future, E(U(X, Y ; p, 1-p)). Dun point de vue
mathmatique, lutilit espre est une combinaison linaire. En fait, sur le graphique de la figure 1.1,
la ligne qui relie le point A au point B est lutilit espre pour chaque combinaison de probabilits
complmentaires possibles (p, p-1) avec les rsultats X et Y (si p=0, lutilit espre est exactement
u(Y), alors que si p=1, lutilit espre est u(X)). Lordonne du point C est lutilit espre drive
de lactivit risque avec p=0,5 et son abscisse est son esprance mathmatique.
Nous disposons maintenant dune seule mesure pour dcrire le niveau de satisfaction du maintien
de lactivit. Nous pouvons par consquent comparer, dans un contexte thorique unique, le niveau
de satisfaction que procure des activits sres et risques pour les diffrentes attitudes face au
risque que nous avons prsentes dans la section prcdente.
Nous avons dfini lquivalent certain comme le montant dargent auquel un individu attribue la
mme utilit qu lactivit risque (cest--dire celui qui a le mme niveau dutilit) :

cest--dire,

((, ; , 1 )) = (, ; , 1 )
((, ; , 1 )) = 0, 5 (100 000) + 0, 5 (60 000)

La relation entre lquivalent certain et lutilit espre dpend de lattitude face au risque de
lindividu en question.

1.5

Laversion au risque
Comme nous lavons vu, un individu averse au risque prfrera toujours des activits sres des
activits risques. En dautres termes, sa fonction dutilit pour une activit risque est toujours
plus basse que lutilit drive dune activit avec la mme esprance mathmatique mais sans le
risque. Ceci implique que lquation suivante peut tre applique tout agent averse au risque et
toute activit risque :
((, ; , 1 )) > (, ; , 1 )

Ceci correspond la dfinition mathmatique exacte dune fonction concave, cest--dire :

Une fonction relle f sur un intervalle (ou, plus gnralement, un ensemble convexe situ en espace vectoriel)
est dite concave si, pour toute valeur x et y dans un intervalle et pour tout t dans [0,1],
u (uu + (1 u)u) > uu (u) + (1 u)u (u) avec u u.

Nous pouvons conclure que la fonction dutilit pour un individu averse au risque peut toujours
tre reprsente par une fonction concave.
Retournons notre exemple prcdent. Pour Anne, lingalit suivante est toujours valable :
(0, 5 100 000 + 0, 5 60 000) > 0, 5 (100 000) + 0, 5 (60 000)

De plus, puisque ((, ; , 1 )) = 0, 5(100 000)+0, 5(60 000), nous pouvons aussi dire
que u(80 000) > u(CE). Comme lesprance mathmatique de lactivit est toujours plus leve que
lutilit espre de lactivit, nous voyons une diffrence entre les ordonnes des points C et D dans
le graphique de la figure 1.2 ci-dessous. De plus, il nous est facile de retrouver lquivalent certain
en utilisant une analyse graphique. Sachant combien un individu paierait pour une mme utilit,
nous pouvons dterminer lquivalent certain partir du montant qui correspond lutilit espre
des deux vnements incertains (par exemple, u (100 000, 0,5 ; 60 000, 0,5) = 50% * u (100 000) +
50% * u (60 000) = u(CE)). Dans cet exemple particulier, lquivalent certain dAnne tait CE (X, Y ;
p, 1 p) = 75 000 et de fait, lutilit de 80 000 est toujours plus leve que lutilit de 75 000.
12

1.5. Laversion au risque

Comme nous lavons expliqu prcdemment, la prime de risque est la diffrence entre lesprance
mathmatique et lquivalent certain (donc 5 000 pour Anne). Nous notons que la prime de risque
est une mesure pertinente de laversion au risque : plus la prime de risque est leve, plus le montant
auquel lagent est prt renoncer pour viter le risque et aller vers des options plus sres est lev.
Par ailleurs, cette mesure se reflte dans la concavit de la fonction dutilit, autrement dit, plus la
fonction est concave, plus lagent est averse au risque.

Utility

U)lit

u(X)
D
u(EV)
u(CE)=EU(X,Y;p,1-p)

u(Y)

CE

EV

Money

Argent

Fig. 1.2 Fonction dutilit dun agent averse au risque

De la mme manire, les prfrences dun amateur de risque peuvent tre reprsentes par une
fonction convexe car, pour ce dernier, lutilit de lquivalent certain est toujours plus leve que
lutilit de lesprance mathmatique. Les prfrences des agents neutres face au risque peuvent
tre dcrites par des fonctions dutilit linaires : comme dfinie ci-dessus, lutilit espre est une
combinaison linaire dutilits, pondres en fonction de leurs probabilits ; ainsi, il est clair que la
seule fonction pour laquelle lquivalent certain est gal lutilit espre est la fonction linaire.

Point cl

Thorie de lutilit espre

Nous pouvons rsumer la thorie de lutilit espre comme suit :
1. Il est possible de mesurer lutilit pour des sommes dargent connues ; plus la somme est leve, plus
lutilit mesure sera leve ;
2. Il est possible de mesurer lutilit espre dune activit risque en pondrant lutilit drive des
valeurs connues des rsultats possibles par la probabilit de leur occurrence ;
3. Les individus averses au (respectivement amateurs de) risque prfrent toujours (respectivement
jamais) des sommes sres que des sommes quivalentes mais incertaines et ceci peut tre reprsent
graphiquement par une fonction dutilit concave (respectivement convexe).

Jusqu prsent, nous avons vu comment reprsenter les prfrences individuelles en termes dutilit
et aussi comment la thorie de lutilit peut classer les vnements qui ont une issue incertaine. En
ce qui concerne le choix en situation de risque et dincertitude, la thorie conomique classique
suppose que tout individu raisonnable suit les axiomes de lutilit espre et quune majorit se
comporte tel que le prdit la thorie. De la mme manire, nombre dconomistes soutiendraient
que le bon choix dans des circonstances risques devrait tre cohrent avec la thorie.

13

Attitude face au risque & Sciences conomiques

Mesurer laversion au risque

1.6

Les situations conomiques impliquent le plus souvent des consquences risques. Cest pour cela
quil est important, pour une multitude de raisons, de connatre lattitude de chacun face au risque
car cela a des consquences sur lconomie, les niveaux dinvestissement, les choix dassurances
individuels et la politique publique. Mieux comprendre le comportement humain au niveau individuel implique de sintresser laversion au risque du point de vue de lindividu dune part ; dautre
part, comprendre les comportements densemble est une manire utile de tenter de rpondre des
questions plus gnrales et de tester la validit des modles. Par exemple, une analyse de march
requiert la connaissance de lattitude face au risque de lensemble de la population, et la mise en
uvre de la politique nationale implique que les gouvernements doivent prendre en compte le
niveau gnral daversion au risque, plutt que le niveau individuel.

1.6.1

Lanalyse conomtrique
Les tudes conomtriques qui tentent dvaluer lattitude gnrale face au risque sappuient sur
des ensembles de donnes provenant de secteurs ou dactivits particuliers. Par exemple, il est
bien connu que les ouvriers effectuant des tches semblables, mais qui sont exposs des niveaux
de dangers diffrents, ont des salaires qui refltent le risque quils prennent. En mesurant cette
diffrence et limportance du risque, nous pouvons valuer le niveau daversion au risque : un agent
trs averse au risque devrait demander un salaire lev pour travailler dans un environnement
risqu.

Exemple

Fumeurs et non-fumeurs
Les travaux de Hersch et Viscusi fournissent un bon exemple [Hersch et Viscusi 2001]. Ils ont class les
ouvriers en deux groupes : les fumeurs et les non-fumeurs. Ils ont considr le fait de fumer comme tant
un choix correspondant un comportement plutt risque, et ont tudi la diffrence salariale entre
fumeurs et non-fumeurs qui occupaient des postes risque. Ils ont trouv que les fumeurs cherchaient
des postes plus risqus, mais taient moins pays que des ouvriers non-fumeurs des postes similaires.
Mme si les deux groupes douvriers taient rmunrs pour les risques quils encourraient, le niveau
de rmunration chez les fumeurs tait infrieur. Il est noter que les deux groupes douvriers (fumeurs
et non-fumeurs) taient averses au risque, parce quils taient tous les deux rmunrs pour les risques
encourus.

Selon la dfinition prsente prcdemment, un amateur de risque sattendrait tre pay moins
quune personne averse au risque pour le mme emploi risqu. Des prfrences (attitudes face au
risque) divergentes mnent des marchs de lemploi et des salaires diffrents. En utilisant cette
information et en supposant une forme gnrale de la fonction dutilit, nous pouvons valuer le
niveau daversion au risque partir de lcart salarial entre ouvriers aux caractristiques semblables
(par exemple les fumeurs) dans des situations de travail analogues, mais o la probabilit de se blesser
est diffrente. Nous nous attendons trouver que plus la diffrence de frquence des accidents du
travail est grande, plus le niveau daversion au risque est lev.
Des analyses similaires ont t ralises dans des contextes diffrents. Par exemple, Irwin Friend
et Marshall E. Blume ont utilis des donnes croises sur les biens et avoirs des mnages pour
valuer la nature de leur fonction dutilit7 [Friend et Blume 1975]. Leurs donnes comprenaient les caractristiques socio-conomiques et dmographiques habituelles des mnages. Elles comportaient
galement des informations sur les revenus et les biens, telles que la quantit et la nature des avoirs
et des passifs (comptes en banque, obligations, assurances vie, actions, fonds propres, etc.).
George G. Szpiro, lui, a utilis des donnes en sries chronologiques sur les assurances immobilires
pour tester diffrentes fonctions dutilit et dterminer celles qui correspondaient le mieux aux
donnes [Szpiro 1986]. Beaucoup de chercheurs ont considr les primes dassurance comme une
manire dvaluer la volont dun agent de souscrire une assurance et le nombre de dclarations
comme une indication sur la probabilit quun accident se produise. Le march de lassurance (par

14

Nous ne rentrons pas dans les dtails sur la forme que peut prendre une fonction dutilit, nanmoins, voici un exemple
simple : imaginons une fonction exponentielle xa . Si le coefficient a est estim a=1, la fonction est linaire, lagent a une
attitude neutre face au risque. Si a est strictement plus grand que 1, lagent est averse au risque ; ainsi, plus a est lev, plus
la fonction est concave et le niveau daversion au risque est lev. Si a < 1, alors lagent est amateur de risque.

1.6. Mesurer laversion au risque

exemple, vie, voiture ou sant) est souvent utilis comme base pour valuer les attitudes face au
risque [Friedman 1973].
En somme, la manire habituelle dvaluer lattitude face au risque est :
 premirement, de supposer une forme gnrique fonctionnelle pour la fonction dutilit, qui

peut tre convexe, concave ou linaire selon le coefficient,

 et deuximement, dvaluer le coefficient au moyen dune analyse conomtrique des dcisions

prises en situation dincertitude.

La conclusion gnrale est quune grande majorit de la population est averse au risque, aussi bien
dans des contextes gnraux que spcifiques. Ce type dtude rvle galement un fait important :
il existe des classes de personnes diffrentes pour qui le niveau daversion au risque est diffrent.
Les facteurs cls sont les donnes socio-dmographiques telles que lge, le sexe, la profession,
lducation, la fortune, la situation gographique, les sensibilits religieuses, etc. Par exemple, nous
pouvons observer les diffrences entre hommes et femmes, si le comportement risqu est influenc
par lge ou sil reste stable tout au long de lexistence de la personne, etc.

1.6.2

Lexprimentation
Une autre approche consiste mesurer les niveaux individuels de laversion au risque par lexprimentation. Ces tudes sont gnralement moins ambitieuses que lvaluation de la forme gnrale
de la fonction dutilit : elles se focalisent sur les valuations locales de niveaux daversion au risque
(cest--dire une partie de la courbe plutt que toute la courbe). Dautres tudes enqutent sur
lattitude face au risque en effectuant des tests pour voir quelle fonction dutilit correspond le
mieux aux donnes exprimentales. Abordons maintenant quelques-unes de ces mthodes utilises
pour mesurer lattitude face au risque. Elles sont axes sur lobservation du comportement dans
des situations risques et lvaluation des rponses laide de questionnaires ou dexpriences.
Charles A. Holt et Susan Laury se sont penchs sur le sujet dans une exprience base sur les loteries
[Holt et Laury 2002]. Les participants taient invits choisir parmi une liste de 10 loteries (voir
tableau 1.1), et slectionner laquelle des deux options (A ou B) ils prfraient.
Option A

1/10 of 2.00, 9/10 of 1.60

2/10 of 2.00, 8/10 of 1.60

3/10 of 2.00, 7/10 of 1.60

4/10 of 2.00, 6/10 of 1.60
5/10 of 2.00, 5/10 of 1.60
6/10 of 2.00, 4/10 of 1.60

7/10 of 2.00, 3/10 of 1.60

8/10 of 2.00, 2/10 of 1.60
9/10 of 2.00, 1/10 of 1.60

10/10 of 2.00, 0/10 of 1.60

Option B

1/10 of 3.85, 9/10 of 0.10

Diffrence entre les gains esprs

2/10 of 3.85, 8/10 of 0.10

3/10 of 3.85, 7/10 of 0.10

4/10 of 3.85, 6/10 of 0.10

1.17
0.83
0.50
0.16

5/10 of 3.85, 5/10 of 0.10

0.18

7/10 of 3.85, 3/10 of 0.10

0.85

6/10 of 3.85, 4/10 of 0.10

8/10 of 3.85, 2/10 of 0.10
9/10 of 3.85, 1/10 of 0.10

10/10 of 3.85, 0/10 of 0.10

0.51
1.18
1.52
1.85

Tab. 1.1 Dix choix de loteries associs des gains esprs faibles

Les participants taient pays selon leurs rsultats obtenus lors de la loterie choisie. Par exemple,
un participant qui choisit loption A sur la ligne 1, serait pay 2 avec une probabilit de 10%, ou
1,60 avec une probabilit de 90%. La troisime colonne montre la diffrence entre les gains esprs
(cest--dire EV (option A) EV (option B))8 . chaque fois que la diffrence est positive (les quatre

Il est important de prciser que cette dernire colonne ne faisait pas partie des instructions exprimentales.

15

Attitude face au risque & Sciences conomiques

premires loteries), un participant rationnel et neutre face au risque devrait prfrer loption A
loption B ; aussi, pour les six dernires loteries, il devrait choisir loption B, car elle produit un gain
espr suprieur loption A. De plus, pour la premire ligne, seul un amateur de risque confirm
choisirait loption B ; et dans la dernire ligne, tout le monde devrait choisir loption B, car il est
certain quelle fournit un gain plus lev que loption A.
Les auteurs ont montr que, mme avec des enjeux aussi bas (le gain maximum tait de 4), environ :
 66% des participants taient averses au risque ;
 8% taient amateurs de risque ;

 les derniers 25% taient neutres face au risque.

Ceci renforce lide que la majorit des personnes est averse au risque. Nanmoins, de nombreux
aspects sont prendre en compte ; par exemple, est-ce que le niveau daversion au risque est le mme
pour des grosses ou des petites sommes dargent ? Les participants se comportent-ils diffremment
si les questions sont seulement hypothtiques ou si elles impliquent de largent rel ?

Exemple

Faibles gains vs gros gains ; gains rels vs gains hypothtiques

Les auteurs ont effectu leurs expriences avec des valeurs plus leves en substituant 144 et 180 2
et 1,60 en option A et 346,50 et 9 en option B. Lorsque ces enjeux levs taient hypothtiques, le
niveau daversion au risque tait semblable celui bas sur les enjeux rels bas. Cependant, lorsque les
enjeux taient levs et rels, les auteurs ont observ une forte croissance dans le niveau daversion au
risque. Un tiers des participants ntaient pas prts prendre des risques du tout : ils ont choisi loption B
seulement dans la dernire question.

Une explication possible pour ce comportement pourrait tre que lorsque les gains potentiels sont
levs, nous devenons plus averses au risque. La diffrence entre un gain certain dau moins 144
et un gain potentiel de seulement 9 fait que loption B est une option risque, et que lon ne la
choisit pas allgrement. Lorsque les enjeux sont hypothtiques, les participants ont tendance tre
plus courageux et typiquement sous-estiment jusquo ils iront pour viter le risque une fois que
les enjeux seront rels.
Malgr les rsultats remarquables des expriences conomiques impliquant des rcompenses montaires, nous avons besoin, dans de nombreuses situations, dune manire bien plus simple, plus
directe et moins onreuse daccder linformation sur lattitude de chacun face au risque. Il existe
de nombreux sondages diffrents disponibles et utiliss par les chercheurs. Nanmoins, il reste
ncessaire de valider que les rponses ces questionnaires non-rmunrs et hypothtiques sont
de fidles indicateurs de comportements rels dans des situations relles.
Dohmen et al. ont ralis une tude base sur le panel socio-conomique allemand (SOEP), qui
contient un grand nombre de donnes mesurant lattitude face au risque dans diffrents contextes
(gnral, conduite routire, affaires financires, sports et loisirs, sant et carrire, etc.). Le panel
contient galement dautres informations utiles, telles que lge, le sexe, la fortune, les revenus, le
travail, lducation, lducation des parents, le nombre et lge des enfants, ltat civil, la religion, le
poids, la taille, ltat de sant et autres [Dohmen et al. 2011]. Les auteurs ont vrifi si une question
toute simple pouvait dcrire le comportement rel lors dune exprience avec une loterie, un
peu semblable celle ralise par Holt et Laury. Les rponses la loterie exprimentale (o les
participants pouvaient gagner jusqu 300) ont rvl que :
 aux alentours de 78% de la population tait averse au risque ;
 13% tait neutre ;

 9% amateur de risque9 .

Non seulement leurs rsultats concordaient avec ceux de Holt et Laury et avec dautres tudes
importantes sur lattitude face au risque, mais les auteurs ont aussi trouv que la rponse la
question de lattitude gnrale face au risque Comment ragissez-vous face au risque en gnral ?
(sur une chelle de 0 10) tait un indicateur fiable de comportement risqu dans le cas dune loterie

16

Un petit pourcentage rsiduel refltait des participants dont les rponses taient incompatibles avec les trois dfinitions
de lattitude face au risque.

1.6. Mesurer laversion au risque

enjeux rels. Il est intressant de regarder la dclinaison des rsultats la question relative
lattitude gnrale face au risque au regard des donnes disponibles concernant certaines catgories.
En rgle gnrale, les femmes sont plus averses au risque que les hommes ; laversion au risque
saccentue avec lge ; avoir des parents bien-duqus fait que chacun est plus ouvert la prise de
risque ; et le plus surprenant, cest que les personnes de grande taille ont tendance tre moins
averses au risque.

1.6.3

Quen est-il des anomalies ?

Toutes ces tudes nous permettent de comprendre comment chacun ragit face des situations
risques ; par exemple, nous pourrions attendre des femmes quelles soient plus prudentes devant
des dcisions risques. Jusqualors, la thorie conomique que nous avons dcrite suppose que les
attitudes face au risque sont htrognes, mais standardises. Par consquent, nous avons suppos
que chacun est soit toujours averse au risque, soit toujours enclin prendre des risques
indpendamment du temps ou de la situation, et notre modle thorique inclut ces lments.
La thorie de lutilit espre a t largement utilise dans toutes les branches des sciences conomiques et les conomistes ont t de fervents dfenseurs de sa validit. Malgr cela, un grand
nombre darticles dconomie exprimentale et comportementale, bass par exemple sur le travail
des psychologues Kahneman and Tversky, ont rvl que dans de nombreux cas, les prdictions de
la thorie de lutilit espre sont systmatiquement violes [Kahneman et Tversky 1979, 1984, 2000].
Ainsi, dans le chapitre suivant, nous analysons une srie de rsultats empiriques et exprimentaux
qui sloignent des prdictions de la thorie de lutilit espre. Nous nous focalisons sur les irrgularits rsultant de motivations psychologiques indpendantes du contexte (cest--dire qui sont
indpendantes dun cadre spcifique) et qui, par consquent, sont applicables dans de nombreuses
circonstances diffrentes. Nous appelons ces irrgularits des anomalies .

Dnition

Anomalie
En sciences conomiques, une anomalie est un comportement qui nest pas conforme au modle thorique
classique.

Ltude de ces anomalies par rapport la thorie de lutilit espre a conduit lapparition dune
thorie alternative, connue sous le nom de thorie des perspectives, qui sera prsente dans le
chapitre 2. Nanmoins, toutes les anomalies ne sont pas suffisamment rpandues dans la population pour tre incluses dans cette nouvelle thorie gnrale ; par consquent, au chapitre 3, nous
prsentons dautres dviations du comportement rationnel qui nont pas encore t modlises,
mais qui ont un fort impact sur la prise de dcision en situation dincertitude.

17

2
Divergences entre le modle rationnel
et la ralit
Des rsultats empiriques suggrent quen gnral les gens sont averses au risque. Une nigme intressante apparat cependant quand une mme personne prend une assurance qui cote davantage
que le risque quelle couvre (comportement averse au risque) et achte un billet de loterie qui cote
davantage que le bnfice espr (comportement amateur de risque). Si nous supposons que lattitude dun agent conomique est, par exemple, de toujours viter les risques, il ne devrait alors
jamais jouer la loterie et tout autre comportement peut tre peru comme irrationnel.
Dans le chapitre prcdent, nous avons vu le rle de laversion au risque dans la prise de dcision
en situation dincertitude. La plupart des individus rechignent assumer des risques et prfrent
les options sres quand le rsultat nest pas totalement certain.
Dans ce chapitre, nous prsentons des anomalies, et supposons nouveau que chaque fois quil y a
un risque, les probabilits des alternatives sont connues, cest--dire quil ny a aucune incertitude
sur la valeur exacte des probabilits concernes1 .

Laversion la perte

2.1

Une des anomalies les plus intressantes et rcurrentes du comportement humain face au risque
est laversion la perte. En termes dimportance en sciences conomiques et en prise de dcision
en situation dincertitude, elle est en deuxime position, juste derrire laversion au risque (vue en
section 1.5).
Laversion la perte se produit dans des situations o au moins une des possibilits alternatives
disponibles pour le dcideur entrane une diminution de sa richesse. Plus prcisment, elle suppose
que les situations dans lesquelles un individu pourrait subir une perte sont perues diffremment
que les situations qui mnent un gain. Comme Kahneman et Tversky laffirmaient, lide soutenant
laversion la perte est que

Les pertes paraissent plus menaantes que les gains quivalents [Kahneman et Tversky 1979].

En dautres termes, laffliction suite une perte est plus leve que le plaisir li un gain du mme
ordre de grandeur.

Exemple

Perception des pertes et des gains

Imaginez que vous avez gagn une voiture dune valeur de 20 000. Maintenant, imaginez que la voiture
est dtruite dans un accident. Bien que, dans les deux situations gain et perte soient du mme ordre de
grandeur, le sentiment ngatif de la perte de la voiture sera peru, en termes absolus, de manire plus
accrue que la raction positive son gain.

Ce principe psychologique gnral, qui pourrait tre li notre instinct de survie, fait que les agents
averses au risque se comportent diffremment dans la mme situation selon la faon dont elle se
prsente soit comme une perte, soit comme un gain non-ralis.
1

Nous traitons dans le chapitre suivant laversion lambigut, qui est le dsir dobtenir des informations sur des probabilits inconnues.

19

Attitude face au risque & Sciences conomiques

Prenons un exemple bas sur des remises et des majorations.

Exemple

Remise et majoration
Imaginez une situation simple : vous tes sur le point dacheter un T-shirt qui cote 20 et sur lequel
vous pensez bnficier dune remise de 20%. la caisse, vous dcouvrez quen fait, il ny a pas de remise.
Comparez cette situation celle o vous pensez acheter un T-shirt 16 et que le vendeur vous dit quil y
a une majoration du prix de larticle et quil cote maintenant 20.

Il est habituellement plus facile de se passer dune remise que daccepter une hausse de prix, mme
si la diffrence est la mme. Par consquent, dans la premire situation, vous accepteriez quand
mme, probablement, dacheter le T-shirt, alors que dans la deuxime situation, vous ne le feriez
pas.
Un autre exemple de ce type de comportement a t fourni par Kahneman, Knetsch et Thaler
[Kahneman et al. 1986]. Ils ont demand lavis de participants, par entretiens tlphoniques, sur leur
faon de juger les actions prises dans les deux situations suivantes :

Exemple

Le salaire rel et le pouvoir dachat

Une socit arrive produire un petit bnfice. Elle est situe au sein dune communaut qui traverse une
rcession avec un niveau de chmage lev, mais sans inflation. La socit dcide de rduire de 7% les
salaires et primes.
Une socit arrive produire un petit bnfice. Elle est situe au sein dune communaut qui traverse une
rcession avec un taux de chmage lev et un taux dinflation de 12%. La socit dcide daugmenter les
salaires et primes de seulement 5% cette anne.

Dans les deux cas, il y a une baisse de 7% du pouvoir dachat rel. Dans le second cas, les 5%
daugmentation des salaires initiaux ne compensent pas la perte relle de revenus due aux 12%
dinflation. Bien que ces deux situations soient quivalentes en termes rels, la faon dont elles
sont prsentes oriente la manire dont les interviews jugent lattitude de la socit : 62% des
participants ont peru la premire situation comme injuste ou trs injuste alors que seulement
22% on dit la mme chose de la deuxime situation. Une perte sche dans le premier cas (une
diminution de salaire) est compare un gain peru dans le second (une augmentation de salaire)
mme si le salaire rel et le pouvoir dachat ont diminu.
De tels comportements se retrouvent dans de nombreux autres domaines. Kahneman et Tversky
se sont penchs sur la question en organisant une exprience avec 307 participants [Tversky et
Kahneman 1981 ; Kahneman et Tversky 1984]. la moiti dentre eux (N=152) fut prsente une situation
qui impliquait une question de sant ; lautre moiti (N=155) faisait face une situation semblable
mais prsente diffremment. En voici le dtail :

Exemple

pidmie asiatique : problme 1 (N=152)

Imaginez que le pays X se prpare une pidmie asiatique rare, qui pourrait tuer 600 personnes. Deux
programmes alternatifs ont t proposs pour combattre la maladie. Supposez que les estimations scientifiques prcises des consquences des programmes sont les suivantes :

 Si le programme A est adopt, 200 personnes seront sauves ;

 Si le programme B est adopt, il y a 1/3 de chance que les 600 personnes soient sauves, et 2/3 de
chance que personne ne soit sauv.
Quel programme choisiriez-vous ?

Cette description met en valeur loccurrence dun vnement ngatif (600 personnes peuvent
dcder). Alors, les individus prfrent lalternative qui semble la plus optimiste et qui propose
la gurison certaine de 200 personnes, plutt que lalternative qui semble plus risque puisque la
probabilit de sauver tout le monde est de 1/3, mais quil y a 2 chances sur 3 que tout le monde
meure. Ainsi, 72% des participants prfrent le programme A, alors que seulement 28% choisissent
le programme B. Comme attendu, la majorit des individus ont un comportement averse au risque,
bien que le nombre espr de vies sauves soit identique pour les deux programmes.

20

2.1. Laversion la perte

Kahneman et Tversky posent la question suivante aux participants restants :

Exemple

pidmie asiatique : problme 2 (N=155)

Imaginez que le pays Y se prpare une pidmie asiatique rare, qui pourrait tuer 600 personnes. Deux
programmes alternatifs ont t proposs pour combattre la maladie. Supposez que les estimations scientifiques prcises des consquences des programmes sont les suivantes :

 Si le programme C est adopt, 400 personnes mourront ;

 Si le programme D est adopt, il y a 1/3 de chance que personne ne meure, et 2/3 de chance que 600
personnes meurent.
Quel programme choisiriez-vous ?

Le programme C est le mme que le A en termes de vies sauves ou de nombres de victimes, et le

programme D est identique au programme B en termes de probabilits. En fait, les quatre programmes sont gaux en termes de nombre espr de vies sauves. Nanmoins, les participants
confronts ce deuxime problme ont ragi diffremment : seuls 22% ont choisi le programme C
et 78% ont choisi le programme D. Clairement, ceci viole la thorie de lutilit espre qui prdit
quun agent averse au risque choisirait les programmes A et C, et un amateur de risque choisirait les
programmes B et D. En principe, les prfrences entre alternatives ne devraient pas tre sensibles
au contexte et devraient ne dpendre que des diffrences pertinentes entre alternatives (le fond)
et non pas de la manire dont elles sont prsentes (la forme). Cest ce que lon nomme le principe
dinvariance, qui se trouve, dans cet exemple comme dans de nombreux autres, mis en chec.

Dnition

Le principe dinvariance
En gnral, le principe dinvariance se rfre au fait que, dans deux situations similaires (en termes
desprance mathmatique), on considre que notre comportement ne doit pas changer, mme si par
exemples les contextes sont dcrits diffremment (gains vs pertes). On parle de violation, dchec de
linvariance lorsquen opposition la thorie, on varie / change notre choix.

Cette mystrieuse diffrence est rpandue et se retrouve dans de nombreux contextes. Comme
Kahneman et Tversky lont observ,

Lchec de linvariance est la fois ancr et largement rpandu. Il est aussi courant chez les participants duqus
que chez les plus nafs et ne disparat pas mme quand les mmes participants rpondent aux deux questions
en quelques minutes. Typiquement, les participants confronts leurs rponses conflictuelles sont perplexes.
Mme aprs relecture des problmes, ils prfrent toujours rester averses au risque avec la version affichant les
vies sauves ; ils recherchent le risque dans la version valorisant les vies perdues ; et ils souhaitent obir
linvariance et donner des rponses exactes dans les deux versions.

Par la suite, nous allons voir un exemple qui ne touche pas la vie humaine, car parler de taux
de mortalit peut avoir des consquences thiques et les participants pourraient tre rticents
prendre des dcisions concernant la mort certaine dautres tres humains.

Exemple

Dcisions simultanes (N=150)

Imaginez que vous faites face aux deux dcisions simultanes suivantes. Dabord, examinez les deux
dcisions et ensuite indiquez votre option prfre.

 Dcision (i) : choisir entre :

Option A Un gain certain de 240

Option B 25% de chance de gagner 1000 et 75% de chance de ne rien gagner.

 Dcision (ii) : choisir entre :

Option C Une perte certaine de 750

Option D 75% de chance de perdre 1000 et 25% de chance de ne rien perdre.

Pour la dcision (i), la majorit (84%) des individus ont choisi loption A et 16% ont choisi loption
B, comme prvu par la thorie daversion au risque. Nanmoins, pour la dcision (ii), 87% des
21

Attitude face au risque & Sciences conomiques

participants ont choisi loption D et peuvent tre qualifis damateurs de risque, alors que seulement
13% ont choisi une perte certaine de la mme valeur espre (option C). Puisque les mmes questions
ont t poses tous les participants, nous savons galement que 73% des participants ont choisi
les options A et D et seulement 3% ont choisi les options B et C. Ce comportement contredit les
rsultats attendus par la thorie de lutilit espre, selon laquelle les agents averses au risque
choisiraient les options A et C et les agents amateurs de risque choisiraient les options B et D. Les
24% de participants restants taient plus cohrents : ils taient soit averses au risque (ils ont choisi
les options A et C), soit amateurs de risque (ils ont choisi B et D).
La raison principale derrire la dcision (ii) semble tre

Il vaut mieux risquer de perdre 1 000 (je pourrais aussi ne rien perdre du tout) que dtre sr de perdre 750
(sans pouvoir faire quoi que ce soit pour changer ce rsultat).

Pour de nombreux lecteurs, ceci pourrait sembler raisonnable ; nanmoins, selon le principe de
lutilit espre, cette attitude nest pas du tout rationnelle.
Jusqu rcemment, la plupart des conomistes avaient des rserves sur les rsultats dexpriences
diriges par des psychologues. En particulier, ils critiquaient le fait quil ny avait pas de motivations
pcuniaires. Nanmoins, des expriences supplmentaires avec de vrais enjeux (gains et pertes,
levs et modestes) ont confirm les incohrences rvles par les travaux prcdents.
Alors, sommes-nous irrationnels ou est-ce le modle thorique qui est erron ? Si des incohrences
sont trouves dans de nombreux contextes diffrents et que lhypothse dinvariance2 nest pas
avre, il y a peut-tre dautres raisons qui se cachent derrire ce comportement humain rcurrent.
Kahneman and Tversky ont fond une nouvelle thorie qui na pas compltement rfut la thorie de lutilit espre, mais qui a pu expliquer laversion la perte et dautres manifestations de
comportements asymtriques quand une personne est confronte au gain et la perte. Avant de
prsenter plus en dtail cette nouvelle thorie (drive de laversion la perte), nous prsentons
dautres anomalies.

Leet dotation

2.2

Imaginez que vous tes invit participer une exprience toute simple : lister cinq objets que
vous avez la maison et notez le prix auquel vous seriez prt les vendre. Maintenant repensez
ces cinq objets et imaginez que vous allez les acheter doccasion. Est-ce que les prix auxquels vous
voulez les vendre sont plus levs, identiques ou plus bas que les prix auxquels vous les achteriez
doccasion ? En gnral, chacun a tendance valoriser ses propres objets et donc leur attribuer un
prix suprieur celui auquel il serait prt les acheter. Des variations sur cette exprience simple
ont t effectues par Daniel Kahneman, Jack Knetsch et Richard Thaler [Kahneman et al. 1991].

Exemple

La tasse caf
Une tasse caf a t donne un groupe dtudiants et il leur a t demand de donner le prix (entre 0,25
et 9,25) auquel ils seraient prts la vendre. On a demand un autre groupe dtudiants de prciser
le prix auquel ils seraient prts acheter cette mme tasse. Le prix mdian de vente du premier groupe
dtudiants tait de 7,12, alors que le prix mdian donn par les acheteurs tait de 3,12.

Ce type de biais contredit les prdictions de la thorie de lutilit espre : le mme objet devrait
offrir la mme utilit et par consquent tre valu au mme prix.
Cette anomalie sappelle leffet dotation. Cet cart important dans lvaluation de lobjet ne peut
sexpliquer simplement par des prfrences diffrentes. Il y a une disparit entre la valeur que nous
donnons quelque chose que nous possdons et notre valuation du mme objet lorsquil ne nous
appartient pas. Si nous imaginons notre maison ou notre fauteuil prfr, leffet dotation pourrait
sexpliquer par laffection que nous ressentons pour nos biens. Nanmoins, dautres expriences ont
t menes et ont prouv quil y a une rticence vendre des biens mme nouvellement acquis, o
laffectif naurait pas de rle jouer comme, par exemple, des tasses caf [Kahneman et al. 1991], du

22

En ce sens, la thorie est universellement correcte : un agent averse au risque vitera le risque en toutes circonstances,
indpendamment de tous gains et pertes.

2.3. Le biais du statu quo

chocolat suisse [Knetsch 1989] ou des bouteilles de vin [van Dijk et van Knippenberg 1998] avec lesquels
leffet de possession apparat instantanment.
Thaler a t le premier suggrer que chacun tenait davantage un objet sil lui appartenait que si
ce mme objet ne lui appartenait pas [Thaler 1980]. Dans sa thse, Thaler propose dautres exemples
pour tayer lhypothse de leffet dotation.

Exemple

Une bouteille de vin

M. R. acheta une caisse de bon vin la fin des annes cinquante pour peu prs 5 la bouteille. Quelques
annes plus tard, son marchand de vin lui proposa de lui racheter le vin pour 100 la bouteille. Il refusa,
mme sil na jamais pay une bouteille de vin plus de 35.

On peut interprter cet exemple en termes daversion la perte : dune part vendre ses bouteilles de
vin est peru comme une perte par M. R., mme si le prix propos par le marchand est plus lev
que celui que M. R. accepterait de payer pour acqurir les mmes bouteilles. Dautre part, lachat
dune bouteille de vin est considr comme un gain et la bouteille acheter est perue comme ayant
une moindre valeur parce quelle ne nous appartient pas (encore). Cet exemple dmontre clairement
que retirer un objet de son patrimoine est peru comme une perte, et comme en gnral, les tres
humains sont averses la perte, limpact est ngatif. Par consquent, leffet dotation peut tre vu en
tant que manifestation spcifique de laversion la perte.

Exemple

Remde et recherche mdicale

Deux questions de sondage :
(a) Supposez que vous avez t expos une maladie, qui, si elle est contracte, entrane une mort
subite et sans douleurs dans la semaine. La probabilit de contracter cette maladie est de 0,001. Quel
est le montant maximal que vous seriez prt payer pour un remde ?
(b) Supposez que la recherche sur la maladie prcdente ait besoin de volontaires. Ce qui vous est
demand vous exposerait contracter la maladie avec une probabilit de 0,001. Quel serait le montant
minimal que vous exigeriez pour vous porter volontaire pour ce programme (vous nauriez pas le
droit dacheter le remde).

En appliquant le mme raisonnement que celui que nous avons vu dans dautres exemples, les deux
questions diffrent en termes de contexte, mais dun point de vue mathmatique, elles sont similaires.
Nanmoins, pour ce deuxime exemple, un grand nombre de participants ont donn des rponses
trs diffrentes aux questions (a) et (b). Les rsultats de Thaler (ibid.) montrent quune rponse
typique pour la question (a) est 200 et 10 000 pour (b). Dune part, sexposer volontairement
une maladie est une perte certaine et le patrimoine qui est en jeu est la sant. Par consquent, les
participants potentiels demandent dnormes sommes dargent. Dautre part, le fait davoir dj
contract la maladie porte lattention sur la perte potentielle correspondant au prix payer pour
obtenir le remde.

Le biais du statu quo

2.3

Maintenant imaginez les deux problmes suivants proposs par Samuelson et Zeckhauser [Samuelson et Zeckhauser 1988] :

Exemple

Votre riche grand-oncle : problme 1

Vous tes un avide lecteur des pages financires mais jusqu rcemment, vous aviez peu dargent investir.
Puis, vous avez hrit dune somme importante de votre grand-oncle. Actuellement, vous envisagez
diffrents portefeuilles.

Vous avez le choix entre :

(a) Investir dans la socit A risque modr. Sur lanne, la valeur de leurs actions a 0,5 chance
de crotre de 30%, 0,2 chance de rester stable, et 0,3 chance de rgresser de 20%.
(b) Investir dans la socit B haut risque. Sur lanne, la valeur de leurs actions a 0,4 chance de
doubler, 0,3 chance de rester stable, et 0,3 chance de rgresser de 40%.
23

Attitude face au risque & Sciences conomiques

(c) Investir dans des obligations. Sur lanne, celles-ci fourniront un rendement quasi-certain de
9%.
(d) Investir dans des obligations municipales. Sur lanne, elles fourniront un rendement de 6%
net dimpts.

Exemple

Votre riche grand-oncle : problme 2

Vous tes un avide lecteur des pages financires mais jusqu rcemment, vous aviez peu dargent
investir. Puis, vous avez hrit dun portefeuille de liquidits et de titres de votre grand-oncle. Une partie
non-ngligeable de ce portefeuille est investie dans la socit haut risque B. Vous hsitez laisser le
portefeuille tel quel ou le changer en investissant dans dautres titres (les frais de courtage et les impts
sont drisoires).

Vous avez le choix entre :

(a) Investir dans la socit risque modr, A. Sur lanne, la valeur des actions a 0,5 chance de
crotre de 30%, 0,2 chance de rester stable et 0,3 chance de rgresser de 20%.
(b) Maintenir linvestissement dans la socit haut risque, B. Sur lanne, la valeur des actions a
0,4 chance de doubler, 0,3 chance de rester stable et 0,3 chance de rgresser de 40%.
(c) Investir dans des obligations. Sur lanne, elles fourniront un rendement quasi certain de 9%.
(d) Investir dans des obligations municipales. Sur lanne, elles fourniront un rendement de 6%
net dimpts.
Avec le problme 1, les quatre investissements sont nouveaux : le grand-oncle vous a laiss de
largent que vous pouvez investir librement parmi les quatre alternatives. Nous appellerons la
situation du problme 1 la conception neutre. Avec le problme 2, le choix (b) est le statu quo, cest
le choix qui avait t effectu par votre grand-oncle au moment o linvestissement a t fait. Dans
les deux cas, les participants sont libres de choisir parmi les quatre options (et gratuitement) mais
avec le problme 2, nombreux sont ceux qui maintiennent lalternative (b), cest--dire, la situation
actuelle, le statu quo. Ceci ressort quand nous comparons le pourcentage de participants qui ont
choisi loption (b) dans la conception neutre du problme 1 (40%) au pourcentage de participants
qui ont maintenu la situation haut risque dans la conception statu quo (56%).
Cette exprience a t reproduite avec des statu quo diffrents, dautres alternatives dinvestissement
et des cadres alternatifs (voir exemple ci-dessous [Samuelson et Zeckhauser 1988]).

Exemple

Cadre alternatif
1- La Commission pour la Scurit Routire Nationale doit dcider comment allouer son budget entre
deux programmes de recherche sur la scurit : i) amlioration de la scurit des automobiles (pare-chocs,
tlerie, configurations du rservoir dessence, ceintures de scurit) ; et ii) amlioration de la scurit des
autoroutes (barrires de scurit, aplanissement des chausses, changeurs dautoroutes et mise en place
de limitations de vitesse rduite localises).
Quatre mesures sont considres :
(a) Allouer 70% la scurit automobile et 30% la scurit routire
(b) Allouer 30% la scurit automobile et 70% la scurit routire
(c) Allouer 60% la scurit automobile et 40% la scurit routire
(d) Allouer 50% la scurit automobile et 50% la scurit routire

24

2.4. Une thorie gnrale : la thorie des perspectives

Exemple

Cadre alternatif(suite)
1- La Commission pour la Scurit Routire Nationale doit rvaluer lallocation de son budget entre
deux programmes de recherche sur la scurit : i) amlioration de la scurit des automobiles (pare-chocs,
tlerie, configurations du rservoir dessence, ceintures de scurit) ; et ii) amlioration de la scurit des
autoroutes (barrires de scurit, aplanissement des chausses, changeurs dautoroutes et mise en place
de limitations de vitesse rduite localises). Actuellement, la commission alloue peu prs 70% de ses
fonds la scurit automobile et 30% la scurit routire. Comme les dpenses globales sont plafonnes,
les options sont les suivantes (cocher une option) :
(a) Maintenir le budget actuel pour les programmes
(b) Rduire le programme automobile de 40% et augmenter le programme autoroute du mme montant
(c) Rduire le programme automobile de 10% et augmenter le programme autoroute du mme montant
(d) Rduire le programme automobile de 20% et augmenter le programme autoroute du mme montant

Lexplication pour ce type de comportement nest pas lie aux attitudes face au risque mais plutt
la tendance de chacun de vouloir rester dans la situation actuelle. Chacun prfre maintenir ses
conditions actuelles plutt que dinstaurer des changements. Ds quun changement se fait sentir,
la perception des dsavantages quitter la situation actuelle est plus aigu que tous les avantages
que pourrait procurer une nouvelle situation, et ce, mme lorsque les probabilits et les bnfices
du nouvel tat sont connus3 . Qui plus est, le statu quo est choisi dautant plus frquemment que
le nombre dalternatives est lev. Il semblerait que la confusion augmente et que la possibilit
de choisir de nouvelles alternatives rduise la volont des participants changer mme si une
alternative plus avantageuse est disponible.
Samuelson et Zeckhauser dfinissent cette position comme le biais du statu quo [Samuelson
et Zeckhauser 1988]. Elle est lie la tendance viter tout changement des conditions actuelles ;
comme acheter un nouveau bien qui nest pas en notre possession, ou vendre un bien que nous
possdons. Comme leffet dotation, ce biais peut tre reli une manifestation de laversion la
perte.

Une thorie gnrale : la thorie des perspectives

2.4

Comme nous lavons indiqu prcdemment, Kahnemann et Tversky ont propos une nouvelle
approche thorique de la prise de dcision conomique en situation dincertitude, base sur la
modification de la thorie de lutilit espre, qui est cohrente avec les preuves empiriques et
exprimentales.

Point cl

Que nous montrent les tudes exprimentales ?

Les tudes conomiques exprimentales de lincertitude que nous avons dcrites jusqu prsent peuvent
tre rsumes en deux conclusions principales :

 Lutilit individuelle semble ne pas tre associe la richesse, ni au bien-tre, mais une variation
de cette richesse ou de ltat de ce bien-tre par rapport un point de rfrence initial.
 Les changements qui aggravent la situation initiale (pertes) semblent avoir plus de poids que les
amliorations par rapport ce mme tat initial (gains).

La premire conclusion est directement lie aux anomalies telles que le biais du statu quo et leffet
dotation. Ceci cre un point de rfrence (zro) pour chaque individu qui value une situation
risque ; cela reprsente sa richesse antrieure (cest--dire la richesse quil avait avant de prendre
la dcision). Nous appelons cet tat de rfrence 0 .
La seconde conclusion implique quil y a un changement abrupt dans la fonction dutilit ds que
lon sapproche de 0 : dans cette situation, les pertes paraissent plus importantes que les gains
correspondants. Dun point de vue mathmatique, cela se traduit par le fait que la pente de la
fonction dutilit est bien plus raide pour les pertes quelle ne lest pour les gains.
3

Un exemple de biais du statu quo et daversion lambigut est lhistoire de la vieille dame de Syracuse. linstar de ses
compatriotes, qui priaient pour la mort du tyran Dionysios, elle priait pour sa scurit parce quelle avait peur quun
nouveau chef dtat soit encore pire.

25

Attitude face au risque & Sciences conomiques

De plus, comme nous lavons vu dans les exemples prcdents, les gens ont tendance tre averses
au risque en ce qui concerne les gains, mais amateurs de risque en ce qui concerne les pertes. Le
point de rfrence spare les deux domaines et mathmatiquement la fonction dutilit doit tre
concave dans le quartier positif et convexe dans le quartier ngatif.
Le graphique 2.1 prsente une courbe typique propose pour le modle.

valeur

secteur
concave

pertes

gains/pertes
point de rfrence R0

gains
secteur
convexe

Fig. 2.1 Graphique montrant une courbe typique propose par la thorie des perspectives (base sur les travaux de
Kahnemann et Tversky)

Le graphique contient toutes les caractristiques qui apparaissent comme anomalies dans la thorie
de lutilit espre. Kahneman et Tversky suggrent que le processus que chacun utilise pour faire
des choix comporte deux tapes :
 premirement, on construit le contexte du choix ;

 puis on prend sa dcision selon les principes de bases de la thorie des perspectives.

Cette premire tape sappelle le cadrage cognitif. Le cadrage est ltape o chacun choisit son
point de rfrence partir duquel il se reprsentera les alternatives possibles. Comme nous lavons
vu, le cadrage nest pas seulement influenc par de vrais problmes (par exemple : la richesse, les
pertes ou les gains rels, ou le statu quo), mais aussi par la manire fictive dont une situation
est prsente. Modifier le taux de mortalit en taux de survie devrait tre une simple question
de style. Cependant, la perception de la personne modifie la manire dont le problme est cadr
et par consquent, son choix. Habituellement, lorsquune personne voit le contexte en termes de
pertes (taux de mortalit), elle a tendance tre amateur de risque et choisit lalternative risque.
Cependant, quand le contexte est celui de gains (taux de survie), chacun est typiquement averse au
risque et choisit lalternative la plus sre.
Il existe un cas o le processus de cadrage peut tre trs influent sur le rsultat de la dcision. Cest
lorsquil modifie le point de rfrence. Dans ce cas, il augmente linfluence du contexte et peut avoir
une grande consquence sur le dcideur. Celui-ci peut devenir soit averse au risque, soit amateur
de risque selon la position des alternatives relatives au point de rfrence.

26

2.5. Laversion la perte : un comportement humain ou animal ?

Laversion la perte : un comportement humain ou animal ?

2.5

Une question importante pose par les chercheurs dans diffrents domaines (sciences conomiques,
psychologie, anthropologie, biologie, etc.) est de savoir si ce comportement si rpandu est inn ou
si cest un biais driv de lenvironnement ou influenc par les normes sociales. Les tudes sur
les animaux de laboratoire permettent de mener des expriences contrles qui interrogent les
thories conomiques et la capacit de les reproduire avec des participants humains.
Par exemple, dans une srie darticles, Chen, Lakshminarayanan et Santos ont trouv des similitudes
qualitatives dans le comportement de primates [Chen et al. 2005, 2006 ; Lakshminaryanan et al. 2008 ;
Lakshminarayanan et al. 2011].

Exemple

Les singes capucins

Les chercheurs ont prsent des singes capucins des choix risqus semblables aux expriences que nous
avons prsentes dans ce chapitre. Les singes ont appris changer des jetons contre des morceaux de
pommes : ils pouvaient parier et ngocier, et comprenaient le concept et la valeur de largent comme
quelque chose qui pouvait tre chang contre de la nourriture. Dans leur article de 2011, Chen, Lakshinarayanan et Santos se sont penchs sur les effets du cadrage et de laversion au risque [Lakshminarayanan
et al. 2011]. Au dbut, chaque singe a reu des jetons dpenser en change de nourriture. Pour tablir le
point de rfrence, lexprimentateur avait la main une assiette avec une quantit donne de tranches de
pommes. Le primate devait mettre un jeton dans lautre main de lexprimentateur pour recevoir lassiette
(loption sre). Pour reprsenter les choix risqus, le nombre de tranches sur lassiette saccroissait ou
diminuait aprs que le paiement avait t effectu : pour les pertes, lexprimentateur enlevait quelques
tranches de lassiette ; des tranches taient rajoutes pour reprsenter les gains.

Avec ces expriences, Chen, Lakshminarayanan et Santos ont montr que

quand les capucins sont face des paris risqus, ils affichent un grand nombre de biais caractristiques du
comportement humain, y compris des choix dpendant du point de rfrence et de laversion la perte.

Ils soutiennent que ceci renforce la thorie que laversion la perte est
une fonction inne de la manire dont nos cerveaux encodent nos expriences, plutt quun comportement
acquis ou le rsultat dheuristiques mal appliques [Chen et al. 2005].

La porte de ce document nest pas de fournir une rponse dtaille la question de savoir si ce
comportement est inn ou acquis, nous invitons le lecteur intress se rfrer dautres livres et
articles, par exemple :

 Economic Choice Theory. An Experimental Analysis of Animal Behavior [Kagel et al. 1995] ;

 Animals Choices Over Uncertain Outcomes : Further Experimental Results [MacDonald et al. 1991] ;
 Great Apes Risk-Taking Strategies in a Decision Making Task [Haun et al. 2011].

Pour conclure, ce chapitre a montr comment les anomalies qui sont rpandues dans le comportement humain (et animal) peuvent tre modlises sans trop sloigner de la thorie de lutilit
espre.

Point cl

Ce qui motive une dcision

La dcision dun individu peut tre motive non seulement par les enjeux du processus de slection quand
le rsultat est incertain ; mais elle peut galement fortement et profondment tre influence par le cadre,
la situation et le statu quo.

27

3
Autres anomalies de lattitude
face au risque
Nous donnons dans ce dernier chapitre une brve description de quelques autres anomalies intressantes du comportement humain qui lloignent du modle rationnel de la thorie conomique
classique. Ces biais concernent la perception quont les agents de la probabilit, par exemple quand
leurs capacits de calcul sont limites. Des biais comportementaux apparaissent aussi lorsque les
agents sont confronts des choix dont les probabilits des vnements sont dfinies de faon
ambigu.
Une des hypothses les plus fortes de la thorie de lutilit espre et de la thories des perspectives
est celle du cadre complet de linformation : les chapitres prcdents ont systmatiquement mis
en vidence que, dans toutes les situations, nous postulons que le dcideur est conscient des probabilits des vnements quil envisage. Toutes les expriences que nous avons prsentes jusquici
ont suppos des informations prcises sur les probabilits de succs ou dchec la loterie ou sur la
frquence doccurrence dvnements risqus.
Cependant, si les mmes expriences et questionnaires sont prsents aux participants sans en donner les probabilits explicites, ou en ne donnant quune vague ide de la frquence des vnements,
la nature du problme change de faon radicale et les choix du dcideur peuvent tre diffrents.

Exemple

Loterie
Imaginez, par exemple, que vous achetez un billet de loterie avec un gain possible de 50 un prix de 1.
Si vous savez que la probabilit de gagner est de 10%, alors ( moins dtre extrmement averse au risque)
vous achterez probablement le billet (EV = 5). Cependant, si on vous dit que la probabilit de gagner peut
varier de 0 20%, alors lachat de ce billet vous semblera nettement moins intressant. De plus, si vous
navez aucune ide des probabilits, alors vous pourriez mme abandonner lide dy participer1 .

Nous appelons ambigut cette incertitude sur la probabilit quun vnement se produise. Cest,
aprs lattitude face au risque, laspect le plus important de la thorie de la dcision en prsence de
risque. Nous prsentons, dans la premire partie de ce chapitre, ce que cette ambigut implique
pour la prise de dcision.
Bien que lambigut existe dans de nombreux vnements de la vie, il nest pas irraliste de supposer
que, dune manire ou dune autre, nous pouvons correctement dduire la probabilit que ces
vnements aient lieu, particulirement lorsquil sagit dpisodes simples du quotidien. Comme
nous lavons dj soulign, il est important de connatre les probabilits de manire prcise ou au
moins de pouvoir faire une prvision sre. En rgle gnrale, nous supposons que nous sommes
capables de dduire la probabilit dun vnement parce que nous sommes en contact permanent,
direct ou indirect, avec notre environnement.

Exemple

vnements familiers
Nous pourrions, par exemple, tre srs de la probabilit dun accident de voiture sur le chemin du travail,
de la chance de gagner la loterie nationale, de la probabilit dun accident domestique ou de celle dtre
victime dun vol dans notre quartier, aussi bien que de la probabilit quil y ait un jour pluvieux mi-fvrier
dans la ville o nous avons vcu depuis des dcennies.
1

Nous ne prenons pas en compte les loteries pour des uvres de bienfaisance, car dans ce cas llment moteur de la
dcision dacheter un billet peut tre la gnrosit ou une autre forme daltruisme.

29

Attitude face au risque & Sciences conomiques

Mme si nos prvisions ne sont pas totalement correctes, nous les faisons avec confiance soit grce
notre savoir personnel, soit parce que ces vnements nous sont familiers. Ils sont faciles imaginer
et notre familiarit provient principalement de lexprience : que ce soit de manire directe ou
indirecte, nous acquerrons des informations sur notre entourage, notre milieu que nous observons
en permanence. Notre jugement et nos choix dpendent fortement de notre environnement ou de
notre histoire.
Ds lors quil manque des informations sur la frquence dun vnement risqu, lautre manire
dliminer lambigut (en dehors de la dduction et de lexprience personnelle) est de fournir les informations manquantes. Les gouvernements, les mdias et autres institutions font de grands efforts
pour rduire le niveau dambigut ou le manque de prcision concernant certains vnements.

Exemple

Accidents nuclaires
Imaginez que les personnes vivant dans le voisinage dune centrale nuclaire veuillent connatre la probabilit dun accident. Mme si elles sont informes sur ce secteur et sur les probabilits, il est toujours
possible quelles napprhendent pas le risque rel ; dabord, parce quelles manquent de confiance dans les
personnes qui fournissent ces informations ; et/ou ensuite parce quelles ont une perception incorrecte
des probabilits exactes.

Ainsi devons-nous aborder le problme de la confiance et prsenterons quelques expriences

qui introduisent des biais dans le calcul correct des probabilits. Ces questions influent sur
la manire dont les agents font un choix appropri, cest--dire celui qui va leur donner lutilit
espre la plus leve.

3.1

Lincertitude / laversion lambigut

Les situations ambigus surgissent en labsence dinformations correctes sur les probabilits. Dans
les modles de la thorie de lutilit espre et de la thorie des perspectives, les conomistes et
les psychologues supposent que le dcideur connat les probabilits subjectives et quil peut
valuer le problme auquel il fait face en agissant dune manire qui maximise lutilit la vue de ces
probabilits. Ainsi, ces modles ne tiennent absolument pas compte de la possibilit quil y ait une
aversion lincertitude (cest--dire, une aversion lambigut) tant dun point de vue descriptif
que normatif.
Or, lambigut de linformation relative au risque financier ou montaire (par exemple) a un effet
sur les dcisions conomiques. Ceci est galement vrai dans des situations concernant, par exemple,
les risques technologiques, surtout quand de nouvelles technologies sont dveloppes et que nous
navons aucune connaissance pralable sur laquelle fonder nos croyances ou nos ides. Un exemple
classique est celui des antennes de rseau mobile et de leurs possibles effets nfastes sur la sant.
Linquitude publique, en partie due lignorance, sest largement rpandue et manifeste propos
de la diffusion de nouvelles technologies pour lesquelles il ny a aucune exprience prcdente. Ce
manque de connaissances peut engendrer la peur et, en gnral, la plupart des personnes prfrent
connatre les risques.
La premire tude de ce comportement si courant a t effectue par Daniel Ellsberg2 , qui a suppos
que les agents prfraient jouer des loteries avec des probabilits connues plutt que de miser sur
des tirages avec des rsultats ambigus [Ellsberg 1961]. Son hypothse a t valide par de nombreuses
dexpriences et sest rvle transfrable dautres contextes.

30

Daniel Ellsberg est aussi connu pour avoir diffus une tude ultra-secrte du Pentagone, les Papiers du Pentagone ,
concernant la politique gouvernementale des tats-Unis pendant la guerre du Vit Nam. La tentative dEllsberg dinformer
la population, et ainsi dinfluencer lopinion publique sur la guerre, a t motive par sa croyance dans la rvlation de la
vrit (clairement conforme son travail sur lambigut). Il tait vident, partir des documents ultra-secrets, que la
victoire tait inaccessible et que le nombre de dcs attendus tait beaucoup plus lev que prvu. En 2006, Ellsberg reut
le Right Livelihood Award pour avoir privilgi la paix et la vrit ses risques et prils, et ddi sa vie inspirer les
autres suivre son exemple.

3.1. Lincertitude / laversion lambigut

Considrez le problme suivant :

Exemple

Les urnes
Il y a deux urnes devant vous, lurne I et lurne II, chacune contenant 100 boules. Les boules peuvent tre
soit rouges soit noires. Lurne I contient des boules rouges et noires. Lurne II contient 50 boules rouges et
50 boules noires.
Vous pouvez choisir lune des deux urnes dans les situations suivantes (A ou B). Aprs avoir choisi une
urne, une boule est tire de manire alatoire dans celle-ci et la couleur de la boule dtermine si vous
gagnez 100 ou 0.
Choix A. Vous devez choisir lun de ces deux paris :
a1- la boule est tire de lurne I, vous gagnez 100 si elle est rouge et 0 si elle est noire.
a2- la boule est tire de lurne II, vous gagnez 100 si elle est rouge et 0 si elle est noire.
Choix B. Vous devez choisir lun de ces deux paris :
b1- la boule est tire de lurne I, vous gagnez 100 si elle est noire et 0 si elle est rouge.
b2- la boule est tire de lurne II, vous gagnez 100 si elle est noire et 0 si elle est rouge.

La seule diffrence entre lurne I et lurne II est ce que nous savons du nombre de boules noires et
rouges. Nous savons que lurne II contient exactement le mme nombre de boules rouges et noires.
Ainsi la probabilit de tirer une couleur particulire est de 50%. Au contraire, nous ne sommes pas
srs de la distribution de probabilit des deux couleurs dans lurne I. La plupart des participants
prfrent parier avec lurne II, mme si ce pari est risqu, sa probabilit de succs est connue. En
fait, habituellement autour de 75% des participants prfrent a2 a1 et b2 b13 . Cette prfrence est
appele aversion lambigut : les participants vitent la loterie o les intrts sont les mmes
mais les probabilits sont inconnues ou vagues.

Point cl

Loption sre
Ceci montre que loption sre nest pas lie au niveau de risque associ lvnement, mais plutt la
conscience des participants du degr de risque de lvnement.

Les participants sont certains de la probabilit de 50% pour lurne II. Dans les deux cas ils prfrent
tirer une boule de cette urne, autrement dit, ils prfrent les vnements risqus connus aux
inconnus .
Laversion lambigut contredit la thorie de lutilit espre parce quelle mne un comportement irrationnel . Thoriquement, si un participant prfre (dans ce cas) loption a2 a1, il dit en
ralit quil croit que lurne II contient plus de boules rouges que lurne I et que le rsultat espr
de lurne II lui est favorable. Cependant, si on lui demande aussi de choisir entre b1 et b2, alors,
sil croit vraiment que lurne II contient plus de boules rouges que lautre, il devrait prfrer b1
b2. Cependant, laversion lambigut rend le participant trs dsireux dliminer lincertitude.
Ce comportement irrationnel nest pas compatible avec les croyances subjectives du contenu des
urnes.
Pour le lecteur intress par les dtails, ce qui suit dmontre les incohrences qui peuvent se
produire.

Lexprience dcrite ici est lgrement simplifie. Nanmoins, il y a beaucoup darticles qui soutiennent cette dcouverte, mme quand on demande aux participants sils sont indiffrents au rsultat. Les conclusions de telles tudes sont
qualitativement les mmes que celles que nous dcrivons ici.

31

Attitude face au risque & Sciences conomiques

Exemple

Les urnes : dmonstration des incohrences

Bien que la distribution de probabilits soit en fait inconnue, nous en avons des croyances subjectives. Par
exemple, nous pouvons supposer quil y a plus de boules rouges que de boules noires dans lurne I :
P(rouge | Urne I) > P(noir | Urne I)
ainsi
P(rouge | Urne I) > 50%.
Si un joueur prfre a2 > a1, nous pouvons valuer lutilit espre de son choix comme :
EU(a2) = U(100) P(Rouge | Urne II) + U(0) P(Noir | Urne II) >
EU(a1) = U(100) P(Rouge | Urne I) + U(0) P(Noir | Urne I)
U(100) P(Rouge | Urne II) + U(0) (1 - P(Rouge | Urne II)) >
U(100) P(Rouge | Urne I) + U(0) (1 - P(Rouge | Urne I))
Comme dhabitude, nous supposons U (100) > U (0)
P(Rouge | Urne II) [U(100) - U(0)] > P(Rouge | Urne I) [U(100) - U(0)]
Ce qui implique que
P(Rouge | Urne II) > P(Rouge | Urne I)
Si le mme joueur prfre b2 > b1, la mme procdure montre que
P(Rouge | Urne II) < P(Rouge | Urne I)
Ce qui est en contradiction avec a2 > a1 impliquant que
P(Rouge | Urne II) > P(Rouge | Urne I).

Dans son article, Ellsberg prsente la preuve de ces comportements courants [Ellsberg 1961]. Il dfinit
aussi laversion lambigut comme une prfrence pour la spcificit et souligne limportance
de diviser lincertitude en deux catgories principales :
 lune concernant le risque ;

 lautre concernant lambigut.

Il soutient que laversion au risque et laversion lambigut sont des concepts diffrents et peuvent
amener diffrents choix dans le processus de prise de dcision. Lexemple suivant nous aidera
comprendre les implications possibles et faire des prvisions sur laversion lambigut.

Exemple

Activits risques
Supposons quil y ait deux activits risques (A et B) qui peuvent mener un gain de 10 000 ou 5 000
respectivement. Les deux probabilits sont inconnues mais nous savons que pA, savoir la probabilit
dobtenir 10 000 de lactivit A, est entre 40 et 60%. Ainsi, la probabilit complmentaire (1 - pA) dobtenir
5 000 est aussi entre 40 et 60%. De plus, nous savons que pB, la probabilit de gagner 10 000 de lactivit
B, est de lordre de 30 70%.

Bien que la probabilit moyenne que lune ou lautre activit apportera un gain de 10 000 ou 5 000
soit de 50%, une personne averse lambigut prfrera lactivit A lactivit B, parce quelle a
moins de variabilit. Notez que la mme personne prfrera une autre activit (C) A ou B si les
consquences taient les mmes, mais que les probabilits taient exactement de 50%.
La question suivante se pose alors naturellement : y-a-t-il une diffrence dans la perception de
lambigut des pertes et des gains ? Tout comme pour lattitude face au risque, bien que laversion
32

3.2. Lambigut dans des contextes comparables

lambigut soit la plus rpandue, il y a des diffrences selon que le contexte conduit des pertes
ou des gains potentiels. Cependant, la diffrence nest pas aussi claire quelle lest pour lattitude
face au risque : laversion lambigut est rpandue dans les deux contextes. Nanmoins, nous
observons que les agents ont tendance tre plus tolrants lambigut quand il y a des gains
potentiels plutt que des pertes. Cette asymtrie est plus constante quand les agents sont face de
petites probabilits plutt qu des grandes. En fait, lampleur de la probabilit a un grand impact sur
les choix faits sous ambigut. Lexemple suivant dmontre ce fait dans le cas de petites probabilits.

Exemple

Tolrance lambigut
Considrez deux urnes contenant 1 000 boules chacune. Dans lurne 1, chaque boule est numrote de 1
1 000 et la probabilit de tirer nimporte quel numro est donc 0,001. Dans lurne 2, il y a un nombre inconnu
de boules, chacune portant nimporte quel numro. Par exemple, la proportion de boules numrotes 687
pourrait varier de zro un.
Supposons quil y ait une rcompense pour tirer le numro 687 dune urne. De quelle urne prfrez-vous
tirer une boule ? Lurne 1 ou lurne 2 ? Source : [Einhorn et Hogarth 1986].

Clairement, il ny a aucune ambigut dans lurne 1, puisque nous savons que la probabilit de tirer le
numro 687 est exactement 0,1%. Au contraire, dans lurne 2, la probabilit de gagner est inconnue :
il y a ambigut puisque toutes les probabilits de gagner sont quivalentes (de 0 100%).
Les participants faisant face ce type de problme ont tendance prfrer lurne 2, ce qui contredit
les rsultats prcdents relatifs une aversion diffuse lambigut. Dautre part, nous notons que
si le problme avait t formul comme une perte, les participants auraient prfr lurne sans
ambigut (urne 1).

Lambigut dans des contextes comparables

3.2

Craig Fox et Amos Tversky ont examin laversion lambigut. Ils ont trouv que laversion
lambigut se manifeste particulirement lorsquil y a une comparaison avec un vnement
non-ambigu semblable [Fox et Tversky 1995].
Par exemple, ils ont demand aux participants destimer le prix dun billet de loterie dans lexprience
de lurne dEllsberg. Les participants devaient rpondre aux questions suivantes :

Exemple

Loterie
Le montant maximal que je serais prt payer pour un billet afin de tirer une boule de lurne I (50 boules
rouges et 50 boules noires) est :
Le montant maximal que je serais prt payer pour un billet afin de tirer une boule de lurne II ( ? boules
rouges et ? boules noires) est :

La moiti des participants a d rpondre aux deux questions en mme temps. Un quart des participants ont d rpondre seulement la premire question (le pari non-ambigu) ; le quart restant a
seulement d rpondre la question concernant le pari vague (o les probabilits sont inconnues).
Les rsultats moyens sont prsents dans le tableau suivant :
Pari clair/non-ambigu
(N=67)4

Comparatif

$24.34

Non comparatif

$17.94 (N=35)

Pari vague/ambigu
$14.85 (N=67)
$18.42 (N=39)

Tab. 3.1 Rponses des scnarios de paris ambigus et non-ambigus semblables [Fox et Tversky 1995].

Quand les agents valuent les prix des billets des deux urnes (le cas comparatif), la diffrence entre
les deux paris est trs leve (plus de 6$). Cependant, quand on demande ces personnes dvaluer
4

N est le nombre de participants.

33

Attitude face au risque & Sciences conomiques

les loteries sparment, leurs valuations sont identiques (toutes les deux environ 18$). Cest un
rsultat important parce quil fournit plus de dtail sur les motivations qui mnent certains choix
sous risque et une meilleure comprhension du comportement humain.
Selon cette hypothse qui est valide par des preuves exprimentales, laversion lambigut se
produit lorsque lagent peroit une diffrence entre sa connaissance limite dun vnement et la
connaissance plus importante quaurait quelquun dautre. Par exemple, ceci suggre que les gens
qui sont bien informs sur le sport prfrent parier sur des vnements sportifs plutt que dautres
vnements ; et que les experts financiers prfrent spculer sur des activits financires plutt
que de parier sur les rsultats dlections. Un agent qui se voit comme un expert dans un champ
spcifique est plus tolrant lambigut dans son domaine. Cependant, quand le contexte change
ou sils doivent comparer entre des situations semblables avec diffrents niveaux dambigut, les
agents redeviennent averses lambigut.

Lambigut, la conance et loptimisme

3.3

Il importe de noter que laversion lambigut peut tre lie la confiance, tant individuelle que
subjective ou, dans dautres cas, au manque de confiance en dautres personnes, dans les systmes
dinformation, les institutions, etc.
La confiance est une des motivations les plus importantes dans les interactions avec les autres ; cela
vaut donc la peine dexaminer son rle dans la prise de dcision en prsence de risque. Cependant,
nous devons distinguer entre la confiance que nous accordons nos amis, parents et connaissances,
et la confiance en des trangers ou des gens inconnus. Puisquen gnral nous sommes intresss
par des situations o les agents qui interagissent ne se connaissent pas entre eux, la majorit des
expriences en sciences conomiques est base sur des interactions anonymes, pour observer ce que
ferait un individu dans un environnement qui sort de lordinaire . Il a t suggr que la dcision
davoir confiance en un agent anonyme soit associe lattitude de lindividu face au risque.
Cependant, la relation entre la confiance et lattitude face au risque na pas t largement tudie. Un
exemple notoire est le travail dEckel et Wilson qui ont essay de lier les mesures de lattitude face au
risque aux mesures de confiance en les autres. Ils nont trouv aucune corrlation entre la dcision
davoir confiance et un comportement risqu [Eckel et Wilson 2004]. Dautre part, Corcos et al. ont
examin le lien entre la confiance et laversion lambigut. Ils ont soutenu que comme la confiance
en les autres suit une procdure anonyme, le niveau dincertitude pourrait tre peru comme
ambigu : avoir confiance en une personne inconnue avec qui nous navons jamais eu dinteraction
(et nen aurons probablement jamais nouveau) est diffrent davoir confiance, par exemple, en un
ami avec qui nous interagissons rgulirement et dont nous connaissons le comportement [Corcos
et al. 2012].
La confiance peut tre mesure en utilisant une exprience bien connue : le jeu de la confiance.

Exemple

Le jeu de la confiance
Deux agents anonymes participent. Le joueur 1 possde une somme, par exemple, 10 et peut choisir den
donner nimporte quelle quantit (tout, rien ou une partie) au joueur 2. La quantit reue par le joueur 2
est triple (par exemple si le joueur 1 donne 4, le joueur 2 reoit 12). Ensuite, le joueur 2 dcide quel
montant il va garder et quel montant il va rendre au joueur. La dcision du joueur 1 est utilise par les
chercheurs comme une mesure de confiance, savoir dans quelle mesure le joueur 1 a confiance en le
joueur 2 (plus le montant est lev, plus le niveau de confiance est grand).

Les auteurs soutiennent que, bien que le jeu comporte un risque (le joueur 1 risque de ne rien recevoir
en retour), il nest pas bas sur des probabilits pures, mais implique une dimension humaine. Le
joueur 1, qui ne connat pas lautre joueur, na aucune ide de la probabilit de la rciprocit de son
offre. Cette situation est incertaine et ambigu plutt que risque et, de fait, ils ont trouv que plus
laversion lambigut est leve, plus la somme donne au joueur 2 est basse.
Ce rsultat est important dans lanalyse de la question de lambigut et de la confiance dans dautres
contextes. Peu importe la quantit dinformations que nous recevrons sur un vnement, si nous
navons pas confiance en linformateur nous ny prterons pas attention. Pour comprendre
limportance de la confiance, lexemple suivant vient du domaine des sciences conomiques. Le
lien entre la confiance et la croissance conomique a longtemps t dbattu par les universitaires

34

3.4. Linfrence baysienne

et beaucoup dtudes empiriques ont prouv quil y a une relation positive entre les deux. Un
haut niveau de confiance dans les institutions a des consquences importantes lors des choix
politiques au niveau national ; dautre part, une perception de tromperie peut rduire les niveaux
dinvestissement.
Un autre lien intressant entre les attitudes personnelles et lambigut a t trouv par Bier et
Connell en 1994. Ils ont examin un scnario mdical ambigu o les dcisions devaient tre prises
sur les options de traitement. En supposant quil y ait des diffrences dans laversion individuelle
lambigut, ils ont regard les raisons de ces diffrences. Ils ont tabli une mesure de personnalit
quils pensaient pouvoir corrler avec laversion lambigut et ont constat que les agents les plus
optimistes avaient tendance rechercher lambigut. Lexplication la plus simple de cette diffrence
dans le comportement est que les optimistes sont prts parier dans les situations incertaines,
croyant que cela leur portera profit [Bier et Connell 1994].

Linfrence baysienne

3.4

Dans les chapitres prcdents nous avons suppos que, quand les probabilits sont connues, les
agents traitent linformation quils reoivent correctement et peuvent par consquent prvoir
son effet sur les consquences futures. Mme quand un problme est ambigu, pour prendre une
dcision, nous devons supposer une sorte de distribution de probabilits (par exemple que tous
les vnements ont une chance gale de se produire une distribution uniforme). Quand nous
devons prdire si des vnements futurs auront lieu, nous avons besoin de capacits de calcul pour
valuer les rsultats futurs. Quand deux vnements sont indpendants, par exemple deux lancers
conscutifs dun d (non truqu !), loccurrence dun vnement ninflue pas sur la probabilit de
lautre. Par exemple, le premier lancer du d naffecte pas la probabilit dapparition dun nombre
pair lors du deuxime lancer. Par contre, quand deux vnements ne sont pas indpendants, le
rsultat de lun change la probabilit de lautre.

Exemple

Probabilits conditionnelles
Tirer, par exemple, sans la replacer, une carte rouge dun jeu de cartes affecte la probabilit de tirer une
autre carte rouge. Le rsultat du deuxime tirage dpend de celui du premier dans ce cas parce quil y a
une carte en moins dans le jeu.

Les vnements dpendants sont lis par des probabilits conditionnelles.

Tant dans lutilit espre que pour la thorie des perspectives, nous avons utilis des probabilits
pour calculer les valeurs espres et valuer des utilits espres relatives aux diffrents choix. Nous
avons suppos que les agents sont capables dvaluer correctement les probabilits, tant pour des
vnements dpendants quindpendants les uns des autres et de mettre jour ces probabilits quand
de nouveaux rsultats arrivent ou chaque fois quils reoivent de nouvelles informations. Cependant,
quand deux vnements sont dpendants, valuer les probabilits devient une activit complexe
pour les agents qui sont peu habitus la statistique et aux probabilits. Prendre des dcisions
bases sur danciennes informations pour des vnements futurs peut savrer compliqu, mme
dans des cas relativement simples. Les modles conomiques et psychologiques supposent souvent
que les agents mettent jour leurs croyances selon les principes baysiens. On lexpliquera dans les
paragraphes suivants, mais en termes simples cela signifie quils peuvent calculer des probabilits
conditionnelles sur la base des nouvelles informations reues avant que lon ne connaisse le rsultat
de lvnement.
Prenons un exemple utilis dans une exprience bien connue qui examine la capacit des humains
valuer les probabilits dvnements dpendants [Kahneman et Tversky 1982].
Considrons la question hypothtique suivante :

35

Attitude face au risque & Sciences conomiques

Exemple

Taxis verts, taxis bleus

Un taxi a t impliqu dans un accident avec dlit de fuite la nuit. Deux entreprises de taxi, Verts et Bleus,
oprent dans la ville. On vous fournit les donnes suivantes :
(a) 85% des taxis dans la ville sont Verts et 15% sont Bleus.
(b) Un tmoin a identifi le taxi comme Bleu. La cour a test la fiabilit du tmoin dans les mmes
conditions que celles de la nuit de laccident et a conclu que le tmoin a correctement identifi la
couleur du taxi dans 80% des cas et a chou dans 20% des cas.
Quelle est la probabilit que le taxi impliqu dans laccident soit Bleu plutt que Vert ?

La rponse mdiane la question est 80%, suggrant que les gens accordent une importance plus
grande au tmoignage du tmoin, plutt quau fait que seulement un petit pourcentage de taxis
de la ville est bleu et quainsi, il est moins probable que le taxi fut bleu. Cependant, 80% est la
probabilit que le tmoin ait raison, indpendamment dautre chose. Ce nest pas la probabilit
que le tmoin ait raison en tenant compte du fait quil y a seulement 15% de taxis dans la ville qui
sont bleus. La probabilit conditionnelle est donc beaucoup plus petite que la rponse mdiane.
Ensuite, regardons comment correctement valuer la probabilit statistiquement. Le lien entre
deux vnements dpendants et leurs probabilits conditionnelles est donn par la loi de Bayes.
La loi de Bayes dit que deux probabilits conditionnelles sont lies et que nous pouvons dduire
(prvoir) lautre donne si nous connaissons lune dentre elles.
Analysons cela formellement. Supposons que A et B sont deux vnements dpendants (cest--dire
que loccurrence dun vnement est lie celle dun autre). P(A) et P(B) sont, respectivement, la
probabilit que lvnement A et que lvnement B se produisent. La probabilit conditionnelle de
A sachant B, P(A|B), reprsente la probabilit que lvnement A arrive tant donn que lvnement
B est dj arriv. Dautre part, P(B|A) est la probabilit conditionnelle de B sachant A. La rgle de
Bayes lie les deux probabilits conditionnelles :
(|) =

(|) ()
()

et (|) =

(|) ()
()

Comment donc pouvons-nous valuer la probabilit correcte dans lexemple du taxi donn cidessus ? Tout dabord, il est important de comprendre les informations fournies :
 La probabilit quun taxi dans la ville soit bleu est : P (Bleu) = 15 %

 La probabilit que le tmoin identifie correctement un taxi Bleu est : P(identifiBleu|Bleu) =

80%5

 La probabilit conditionnelle que le taxi soit Bleu, tant donn que le taxi a t identifi par le

tmoin comme Bleu, est : P(Bleu|identifiBleu)

En utilisant le thorme de Bayes, la rponse correcte est la suivante :

(| ) =

( |) ()

( |) () + ( |) ()

(| ) =

80% 15%

80% 15% + 20% 85%

= 41%

La diffrence entre la rponse correcte (41%) et la rponse mdiane (80%) est trs leve, ce qui
suggre que les agents ne peuvent pas habituellement calculer des probabilits conditionnelles Baysiennes relativement simples. Pour comprendre si cette dcouverte est indpendante du contexte,
on a demand dautres participants de rpondre une question lgrement diffrente dans laquelle
la dclaration (a) remplace la dclaration (a).
(a) Bien que les deux entreprises soient peu prs de mme taille, 85% daccidents de taxis dans la
ville sont causs par des taxis verts et 15% le sont par des taxis Bleus.
5

36

Nous pouvons aussi dduire que : u(uuuuuuu uuuuuu|uuuu) = 1 u(uuuuuuu uuuuuu|uuuu) = 100% 80% =
20% et u(uuuu) = 1 u(uuuu) = 100% 15% = 85%

3.4. Linfrence baysienne

Dans ce cas, la rponse mdiane est denviron 60%. Bien que les agents nutilisent toujours pas
la loi de Bayes, ils comptent moins sur le tmoin et se concentrent plus sur le nombre plus lev
daccidents causs par des taxis Verts.
Gerd Gigerenzer et Ulrich Hoffrage, en 1995, ont suggr que lvolution est la raison de la difficult
quont les humains avec le calcul dans ce type de problmes statistiques [Gigerenzer et Hoffrage
1995]. Les probabilits, linfrence statistique et les algorithmes sont une introduction rcente dans
lhistoire de lhumanit (ils sont apparus seulement au XVIIIme sicle) et, typiquement, les tres
humains nacquirent pas dinformations en utilisant ces notions. La faon naturelle dacqurir
des informations est base sur lexprience et la frquence qui est utilise pour mettre jour et
valuer la probabilit dvnements. Mme si on explique la loi de Bayes aux participants par des
expriences, il leur semble toujours difficile de raisonner en termes de probabilits et de trouver la
bonne rponse. Dans une srie dexpriences, Gigerenzer et Hoffrage ont montr que prsenter
le problme en termes de frquence a augment le nombre des participants qui pouvaient correctement prvoir la rponse. Comme le cerveau humain est habitu aux frquences, il comprend
mieux le problme en termes de nombre de fois que le tmoin peut correctement ou incorrectement
identifier un taxi.
Pour nous faire une ide plus prcise, nous pouvons reprsenter lexemple du taxi en termes de
frquences (voir la figure 3.1 ci-dessous). Supposons quil y ait 1 000 taxis dans la ville ; 850 sont verts
et 150 bleus. Si nous demandons au tmoin didentifier les 1 000 taxis, il identifiera correctement
680 des 850 taxis Verts et les 170 restants seront identifis comme Bleus (parce quil na raison que
80% du temps). Puis, parmi les 150 taxis bleus, il en identifiera correctement 120 comme tant Bleus
et les 30 restants comme tant Verts. Ainsi, le tmoin identifierait un total de 710 taxis Verts et 290
Bleus.

1000

Green

vert
850

Correctly
identified
Iden,ca,on
as Green

correcte : vert

Blue

bleu
150

Wrongly

Iden,ca,on
identified
errone
: bleu
aslieu
Bluede vert
au

Wrongly
identified as
Green

Correctly
identified
Iden,ca,on
as Blue: bleu
correcte

Iden,ca,on

errone : vert
au lieu de bleu
680

170

30

120

Fig. 3.1 Application du thorme de Bayes au calcul de probabilits conditionnelles

Si nous voulons valuer combien de fois le tmoin identifie correctement un taxi Bleu quand il est
Bleu, nous devons savoir le nombre de cas o le taxi est Bleu et est correctement identifi comme
tel (120), et le nombre de fois o il est identifi comme Bleu bien qutant Vert (170). Autrement
dit, nous avons besoin de compter toutes les fois que le tmoin a, tort ou raison, identifi un
taxi Bleu (120 + 170) et toutes les fois o il avait raison (120). Ainsi, la probabilit conditionnelle est
simplement :
(| ) =

&

& + &

=
37

Attitude face au risque & Sciences conomiques

(| ) =

120

170 + 120

= 41%

Regarder la frquence dvnements peut donc tre beaucoup plus intuitif que les approches statistiques classiques.

Point cl

Traduire en termes de frquence

La leon retenir est quil est important denseigner aux gens traduire des problmes prsents en
termes de probabilit en des approches exprimes en termes de frquence pour amliorer lexactitude des
infrences et des prvisions.

La loi des petits nombres

3.5

Dans cette dernire section, nous prsentons une limite supplmentaire du raisonnement humain
lie au calcul des probabilits. Nous commenons par lexemple dune exprience mene par Kahneman et Tversky [Kahneman et Tversky 1982].

Exemple

Hpitaux
Une certaine ville possde deux hpitaux. Dans lhpital le plus grand, environ 45 bbs naissent chaque
jour, et dans lhpital le plus petit, environ 15 bbs naissent chaque jour. Comme vous le savez, environ
50% de tous les bbs sont des garons. Cependant, le pourcentage exact varie de jour en jour. Parfois il
peut tre plus lev que 50%, parfois plus bas.
Sur une anne, chaque hpital a enregistr les jours durant lesquels plus de 60% de bbs ns taient des
garons.
Quel hpital, pensez-vous, a enregistr le plus grand nombre de ces jours ?

Lors de lexprience, 22% de participants ont rpondu que le plus grand hpital allait plus probablement enregistrer le plus grand nombre de tels jours ; 56% dentre eux ont pens que les deux
hpitaux avaient la mme probabilit ; et seulement 22% ont donn la rponse correcte, qui est quil
est beaucoup plus probable que le petit hpital ait plus de jours durant lesquels plus de 60% de
garons soient ns.
Pour comprendre pourquoi le petit hpital va plus probablement dvier de la moyenne, nous avons
besoin de prsenter la loi des grands nombres.

Dnition

La loi des grands nombres

Dans la thorie des probabilits, la loi des grands nombres dclare que, si nous excutons un grand nombre
de tests exprimentaux, le rsultat moyen devrait tre proche des valeurs attendues ; plus le nombre de
tests est lev, plus les rsultats se rapprocheront des valeurs attendues.

Imaginez jeter une pice de monnaie (non-truque) quatre fois. Le rsultat prvu est quelle tombe
sur face la moiti du temps et sur pile lautre moiti du temps. Cependant, vous pouvez obtenir
trois faces et un pile, et si vous calculez alors la frquence laquelle la pice tombe sur face (75%), la
valeur est loin de la valeur attendue de 50%. Cependant, il est moins probable que vous obteniez
75% de face avec 200 lancers de la pice de monnaie : en augmentant le nombre de tests, il est plus
probable que vous obteniez un nombre gal de faces et de piles.
Dans lexemple hospitalier cependant, les gens ont tendance compter sur la loi des petits nombres.
Un grand nombre de personnes pensent que mme dans de petits chantillons, les probabilits sont
semblables celles de la population entire. Rabin explique :

38

La loi des petits nombres implique que chacun exagre la probabilit quun petit nombre de jets dune pice de
monnaie (non-truque) conduira environ au mme nombre de faces que de piles. Ce quon appelle communment
lerreur du joueur est la manifestation de ce biais : si une pice de monnaie (non-truque) na pas (par
exemple) prsent de pile pendant un certain temps, alors sur le jet suivant, elle devrait tomber sur pile
parce quune squence de jets devrait avoir autant de piles que de faces. Quand la distribution de probabilit
sous-jacente gnrant des squences observes est incertaine, lerreur du joueur amne les participants

3.5. La loi des petits nombres

surestimer la distribution de probabilit dune squence courte. Parce que nous exagrons combien il est
probable quun mauvais analyste financier prononant trois prvisions se trompe pour au moins lune dentre
elles, nous exagrons la vraisemblance quun analyste est bon si il a raison trois fois de suite [Rabin 1996].

39

Synthse
Le risque et lincertitude sont des variables importantes des dcisions que nous prenons dans
notre vie quotidienne. Lenvironnement dans lequel nous vivons est plutt indtermin et nos
dcisions sont influences par notre perception du risque et notre tendance agir de faon sre ou
risque. Dans ce document, nous avons dcrit dimportants rsultats thoriques conomiques de la
prise de dcision en situation dincertitude. Nous avons catgoris les individus en trois groupes
et nous nous sommes concentrs sur les diffrences entre ceux qui sont amateurs ou averses au
risque dans le but de mieux comprendre leurs comportements diffrents face un mme problme.
Une thorie gnrale permet de classer une population par rapport son attitude face au risque,
de comprendre les dterminants du niveau daversion au risque (comme lge ou le sexe) et de
prvoir par exemple lefficacit dune politique gouvernementale. Bien quil soit important davoir
un modle thorique gnral qui peut prvoir le comportement de divers types dagents, parfois
les prvisions sont biaises par des hypothses qui sont trop strictes, ou par le fait que chacun peut
changer son comportement selon le contexte dans lequel il se trouve.
Dans une premire tape, un modle gnral a t prsent au chapitre 1. Dans le chapitre 2, le modle
standard est revisit, prenant en compte des preuves empiriques et exprimentales. Les attitudes
individuelles face au risque changent selon que les personnes font face une perte ou un gain. En
gnral, laversion la perte, leffet dotation et le statu quo sont des biais qui forment les trois facettes
du mme problme : les tres humains ont tendance viter le risque alors quils pourraient obtenir
un gain ; dautre part, quand des pertes pourraient survenir, leurs actions sont plus risques. Ceci est
contradictoire avec les prvisions du modle classique. De plus, ce comportement se retrouve dans
des contextes diffrents (de la vie quotidienne ou lors dvnements sporadiques) et dans toutes
les catgories de la population. Ces conclusions ont conduit proposer un autre modle thorique
gnral, connu sous le nom de thorie des perspectives.
Aprs notre prsentation de ces deux piliers de la modlisation thorique en sciences conomiques,
le chapitre 3 a t consacr la dmonstration exprimentale des limites des tres humains dans
lvaluation des probabilits et des prises de dcisions en situation dincertitude. Les perceptions
du risque et lvaluation des probabilits sont importantes non seulement pour lindividu seul qui
doit juger une situation risque et valuer quelle action prendre, mais aussi pour les dcideurs
qui doivent stratgiquement prvoir lefficacit dune politique et la manire dont elle doit tre
prsente aux citoyens.
Pour conclure, ce document na pas pour but dtre une description exhaustive du sujet de la prise
de dcisions face au risque ou lincertitude ; sa vocation est de donner un aperu de quelques
lments importants des sciences conomiques et de la psychologie qui sont lis au risque et
lincertitude.

41

Bibliographie
Bier, V. M. et Connell, B. L. (1994). Ambiguity seeking in multi-attribute decisions : Effects of optimism and
message framing. Journal of Behavioral Decision Making, 7(3) :169182. doi : 10.1002/bdm.3960070303.
Chen, M. K., Lakshminarayanan, V., et Santos, L. (2005). The evolution of our preferences : evidence from
capuchin-monkey trading behavior. Cowles foundation for research in economics discussion papers, 1524.
Chen, M. K., Lakshminarayanan, V., et Santos, L. R. (2006). How basic are behavioral biases ? Evidence
from capuchin monkey trading behavior. Journal of Political Economy, 114(2) :517537. Disponible http :
//www.anderson.ucla.edu/faculty/keith.chen/papers/Final_JPE06.pdf.
Corcos, A., Pannequin, F., et Bourgeois-Gironde, S. (2012). Is trust an ambiguous rather than a risky decision ?
Economics Bulletin, 32(3) :22552266. Disponible http ://hal.archives-ouvertes.fr/docs/00/73/45/63/PDF/is_trust_
an_ambiguous_decision.pdf.
Dohmen, T., Falk, A., Huffman, D., Sunde, U., Schupp, J., et Wagner, G. G. (2011). Individual risk attitudes :
Measurement, determinants, and behavioralconsequences. Journal of the European Economic Association,
9(3) :522550. doi : 10.1111/j.1542-4774.2011.01015.x.
Eckel, C. C. et Wilson, R. K. (2004). Is trust a risky decision ? Journal of Economic Behavior and Organization,
55(4) :447465. doi : 10.1016/j.jebo.2003.11.003.
Einhorn, H. et Hogarth, R. (1986). Decision making under ambiguity. The Journal of Business, 59(4) :S225S250.
Ellsberg, D. (1961). Risk, ambiguity, and the Savage axioms. The Quarterly Journal of Economics, 75(4) :643669.
Disponible http ://www.jstor.org/stable/1884324.
Fox, C. R. et Tversky, A. (1995). Ambiguity aversion and comparative ignorance. The Quarterly Journal of
Economics, 110(3) :585603. doi : 10.2307/2946693.
Friedman, B. (1973). Consumer response to incentives under alternative health insurance programs. Inquiry,
10(3) :3135.
Friedman, D. et Sunder, S. (1994). Experimental Methods : A Primer for Economists. Cambridge University Press.
isbn : 978-0521456821, 248 pages.
Friend, I. et Blume, M. E. (1975). The demand for risky assets. The American Economic Review, 65(5) :900922.
Disponible http ://darp.lse.ac.uk/PapersDB/Friend-Blume_(AER_75).pdf.
Gigerenzer, G. et Hoffrage, U. (1995). How to improve bayesian reasoning without instruction : Frequency
formats. Psychological Review, 102(4) :684704. doi : 10.1037/0033-295X.102.4.684.
Haun, D., Nawroth, C., et Call, J. (2011). Great apes risk-taking strategies in a decision making task. PLoS ONE,
6. doi : 10.1371/journal.pone.0028801.
Hersch, J. et Viscusi, W. K. (2001). Cigarette smokers as job risk takers. The Review of Economics and Statistics,
83(2) :269280. doi : 10.1162/00346530151143806.
Holt, C. A. et Laury, S. (2002). Risk aversion and incentive effects. Andrew Young School of Policy Studies Research
Paper Series, pages 0612.
Kagel, J. H., Battalio, R. C., et Green, L. (1995). Economic Choice Theory. An Experimental Analysis of Animal
Behavior. Cambridge University Press. isbn : 978-0521454889, 248 pages.
Kahneman, D., Knetsch, J. L., et Thaler, R. H. (1986). Fairness as a constraint on profit seeking : Entitlements
in the market. The American Economic Review, 76(4) :728741. doi : 10.2307/1806070.
Kahneman, D., Knetsch, J. L., et Thaler, R. H. (1991). Anomalies : The endowment effect, loss aversion, and
status quo bias. Journal of Economic Perspectives, 5(1) :193206. doi : 10.1257/jep.5.1.193.
Kahneman, D. et Smith, V. (2002). Interview with the 2002 laureates in economics. Nobel Prize in Economics documents 2002-5, Nobel Prize Committee. Interview by Professor Karl-Gustaf Lfgren and Dr
Anne-Sophie Crepin. Disponible http ://www.nobelprize.org/nobel_prizes/economic-sciences/laureates/2002/
kahneman-interview.html.
43

Kahneman, D. et Tversky, A. (1979). Prospect theory : an analysis of decision under risk. Econometrica,
47(2) :263291. Disponible http ://www.princeton.edu/~kahneman/docs/Publications/prospect_theory.pdf, doi :
10.2307/1914185.
Kahneman, D. et Tversky, A. (1982). Chapitre The simulation heuristic, dans Judgment under uncertainty : Heuristics
and biases (Kahneman, D., Slovic, P., et Tversky, A., d.), pages 201208. Cambridge University Press,
Cambridge, UK. isbn : 978-0521284141.
Kahneman, D. et Tversky, A. (1984). Choices, values and frames. American Psychologist, 39(4) :341350. doi :
10.1037/0003-066X.39.4.341.
Kahneman, D. et Tversky, A. (2000). Choices, values and frames. Cambridge University Press, New York, USA.
isbn : 978-0521627498, 860 pages.
Knetsch, J. L. (1989). The endowment effect and evidence of nonreversible indifference curves. The American
Economic Review, 79(5) :12771284.
Lakshminarayanan, V., Chen, M., et Santos, L. (2011). The evolution of decision-making under risk : Framing
effects in monkey risk preferences. Journal of Experimental Social Psychology, 47 :689693. Disponible
http ://www.anderson.ucla.edu/faculty/keith.chen/papers/Final_JESP11.pdf.
Lakshminaryanan, V., Chen, M., et Santos, L. (2008). Endowment effect in capuchin monkeys. Philosophical
Transactions of the Royal Society B : Biological Sciences, 363(1511) :38373844. Disponible http ://www.ncbi.nlm.nih.
gov/pmc/articles/PMC2581778/pdf/rstb20080149.pdf, doi : 10.1098/rstb.2008.0149.
MacDonald, D. N., Kagel, J. H., et Battalio, R. C. (1991). Animals choices over uncertain outcomes : Further
experimental results. The Economic Journal, 101(408) :10671084. doi : 10.2307/2234427.
Motet, G. (2009). La norme ISO 31000 en 10 questions. Cahiers de la Scurit Industrielle 2009-05, Fondation
pour une Culture de Scurit Industrielle, Toulouse, France. ISSN 2100-3874. Disponible http ://www.foncsi.
org/.
Rabin, M. (1996). Psychology and economics. Berkeley, University of California, Department of psychology.
Disponible http ://citeseerx.ist.psu.edu/viewdoc/download ?doi=10.1.1.42.9558&rep=rep1&type=pdf.
Roth, A. E. et Shapley, L. S. (2012). Stable allocations and the practise of market design. Scientific background on
the Sveriges Riksbank prize in economic sciences in memory of Alfred Nobel, The Royal Swedish Academy
of Sciences.
Samuelson, W. et Zeckhauser, R. (1988). Status quo bias in decision making. Journal of Risk and Uncertainty,
1(1) :759. doi : 10.1007/BF00055564.
Savage, L. (1954). Foundations of statistics. Wiley. Second dition 1972, New York, Dover.
Simon, H. A., Egidi, M., Viale, R., et Marris, R. (1992). Economics, bounded rationality and the cognitive revolution.
E. Elgar. isbn : 978-1-85278-425-6, 240 pages.
Szpiro, G. G. (1986). Measuring risk aversion : An alternative approach. The Review of Economics and Statistics,
68(1) :156159. doi : 10.2307/1924939.
Thaler, R. H. (1980). Toward a positive theory of consumer choice. Journal of Economic Behavior and Organization,
1(1) :3960. doi : 10.1016/0167-2681(80)90051-7.
Tversky, A. et Kahneman, D. (1981). The framing of decisions and the psychology of choice. Science,
211(4481) :453458. doi : 10.1126/science.7455683.
van Dijk, E. et van Knippenberg, D. (1998). Trading wine : On the endowment effect, loss aversion,
and the comparability of consumer goods. Journal of Economic Psychology, 19(4) :485495. doi :
10.1016/S0167-4870(98)00020-8.
Von Neumann, J. et Morgenstern, O. (1953). Theory of games and economic behavior. Princeton University Press,
Princeton, USA. 3rd ed. (1st ed 1944), isbn : 978-0471911852.
Wilkinson, N. (2007). An introduction to behavioral economics : A guide for students. Palgrave Macmillan. isbn :
978-0230532595, 300 pages.

Reproduction de ce document
Ce document est diffus selon les termes de la licence BY-NC-ND du Creative Commons. Vous
tes libres de reproduire, distribuer et communiquer cette cration au public selon les conditions
suivantes :
 Paternit. Vous devez citer le nom de lauteur original de la manire indique par lauteur de

luvre ou le titulaire des droits qui vous confre cette autorisation (mais pas dune manire
qui suggrerait quils vous soutiennent ou approuvent votre utilisation de luvre).

 Pas dutilisation commerciale. Vous navez pas le droit dutiliser cette cration des fins

commerciales.

 Pas de modification. Vous navez pas le droit de modifier, de transformer ou dadapter cette

cration.

Vous pouvez tlcharger ce document, ainsi que dautres dans la collection des Cahiers de la Scurit Industrielle, aux formats pdf, epub (pour liseuses lectroniques et tablettes numriques) et
mobi (pour liseuses Kindle), depuis le site web de la FonCSI. Des exemplaires papier peuvent tre
commands auprs dun service dimpression la demande.

Fondation pour une Culture de Scurit Industrielle

Fondation de recherche reconnue dutilit publique
http ://www.FonCSI.org/

6 alle mile Monso BP 34038

31029 Toulouse cedex 4
France

Tlphone: +33 534 32 32 00

Twitter: @LaFonCSI
Courriel: contact@FonCSI.org

ISSN en cours dattribution

6 alle mile Monso

ZAC du Palays - BP 34038
31029 Toulouse cedex 4 - France

www.foncsi.org

Polices
Frutiger Black et Frutiger Light

Couleurs
vert fonc : C100 M45 J100 N30
vert clair : C100 M0 J100 N20