Vous êtes sur la page 1sur 333

PSYCHOSUP

Jean-Marc Meunier

Raisonnement,

résolution de problèmes

et prise de décision

Illustration de couverture :

Franco Novati

Composition : Soft Office

© Dunod, 2016

5 rue Laromiguière, 75005 Paris

www.dunod.com

ISBN 978-2-10-072911-1

Table des matières

INTRODUCTION

1. Le raisonnement à visée épistémique

2. Le raisonnement à visée pragmatique

2
3. La prise de décision

CHAPITRE 1

LE RAISONNEMENT DÉMONSTRATIF

1. Notions de base

1.1 Précisions terminologiques et conventions de notation

1.2 Les méthodes d’étude du raisonnement

2. Le raisonnement démonstratif

13

2.1 Le raisonnement propositionnel

15

2.2 Les théories du raisonnement propositionnel

25

3. Le raisonnement catégorique

32

3.1 Les inférences immédiates


33

3.2 Les figures syllogistiques

35

3.3 Les biais de raisonnement

36

3.4 Les théories du raisonnement catégorique

39

CHAPITRE 2

LE RAISONNEMENT NON DÉMONSTRATIF

55

1. L’induction

57

1.1 Les méthodes d’étude de l’induction

58

1.2 L’identification de concepts

59

1.3 Le rôle des connaissances dans l’induction

61

1.4 Le test d’hypothèse

64
1.5 La tâche 2-4-6

64

1.6 Biais ou stratégie ?

65

2. L’abduction

67

2.1 La formulation d’hypothèses causales

69

2.2 Hasard et causalité

70

oute reproduction non autorisée est un délit.

2.3 L’attribution causale

74

© Dunod. T

2.4 Les biais dans l’attribution causale

75

VI

Raisonnement, résolution de problèmes et prise de décision

3. Le raisonnement analogique

75
3.1 Les différentes formes d’analogie

76

3.2 Les méthodes d’étude de l’analogie

77

3.3 Les sources du raisonnement analogique

79

3.4 Les phases du raisonnement analogique

82

3.5 Les théories du raisonnement analogique

84

CHAPITRE 3

LA RÉSOLUTION DE PROBLÈME

95

1. Les approches théoriques

97

1.1 L’approche béhavioriste

98

1.2 L’approche gestaltiste

100

1.3 L’approche cognitiviste


101

2. Les classifications des problèmes

101

2.1 Des points de vue variés

101

2.2 La nature d’un problème

102

3. L’interprétation du problème

104

3.1 La notion d’espace-problème

104

3.2 Des problèmes isomorphes

106

3.3 La construction de l’interprétation

108

4. Les mécanismes de résolution

115

4.1 La simplification du problème

115

4.2 L’utilisation des heuristiques


117

4.3 Les inférences

122

5. Les modèles de résolution de problèmes

125

5.1 Un modèle probabiliste

126

5.2 Les modèles à base de règles

128

5.3 Le modèle des contraintes

130

CHAPITRE 4

LA PRISE DE DÉCISION

139

1. Des probabilités à l’utilité

141

1.1 L’espérance mathématique de gain

141

1.2 L’utilité espérée

142
Table des matières

VII

1.3 L’utilité espérée subjective

144

1.4 Les probabilités subjectives

145

2. Heuristiques et biais

151

2.1 La remise en cause de l’utilité espérée

151

2.2 Les heuristiques de jugement

152

2.3 La boîte à outils adaptative

157

3. Les modèles de la prise de décision

158

3.1 Les réseaux bayésiens

158

3.2 La théorie fonctionnelle de la cognition

160
4. Prise de décision et diagnostic et contrôle de l’activité

164

4.1 Le modèle de Rasmussen

164

4.2 Des niveaux de diagnostic

165

4.3 Des niveaux de prise de décision

167

CORRIGÉS DES EXERCICES

175

BIBLIOGRAPHIE

177

INDEX DES NOTIONS

191

Introduction

Dans de multiples activités de la vie quotidienne, nous sommes

amenés à raisonner sur un ensemble de faits et de croyances pour tirer

de nouvelles propositions qui enrichiront notre représentation de l’envi-

ronnement. Les activités de raisonnement interviennent dans l’appren-

tissage, dans la communication, notamment l’argumentation, mais aussi


dans la compréhension, la résolution de problèmes, la planification de

l’action et la prise de décision. Aussi n’est-il pas étonnant que la psychologie


se soit intéressée très tôt au raisonnement et consacre une large

part de sa littérature à ces mécanismes. Dans cet ouvrage, nous allons

en aborder plusieurs formes.

1.

Le raisonnement à visée épistémique

Le premier est le raisonnement orienté vers l’élaboration de nouveau

savoir. Dans cette catégorie, nous pouvons distinguer les raisonnements

démonstratifs et les raisonnements non démonstratifs.

Les raisonnements démonstratifs consistent à appliquer une règle à une


situation particulière. Dans ce cas, l’information contenue dans la conclusion
découle de manière certaine des propositions de départ. On parle

aussi de raisonnement déductif. Ce raisonnement conduit à une conclu-

sion certaine, sous réserve que les prémisses soient vraies. L’être humain a
également une capacité à raisonner sur des mondes possibles, voire

connus pour être faux, comme dans le cas du raisonnement par l’absurde.

Il faut donc distinguer la validité d’un raisonnement de l’adéquation de

la conclusion à la réalité ; ne pas confondre logique et preuve. La première


renvoie à la bonne utilisation des règles de raisonnement, la seconde à

l’adéquation avec le réel. Nous verrons l’importance de cette dialectique dans


les mécanismes de raisonnement humain. Les deux sous-catégories
de raisonnement démonstratifs correspondent à des raisonnements qui

se fondent sur des propositions (S’il pleut alors je sors un parapluie ; il pleut
donc je sors un parapluie) ou sur la relation entre des catégories

(Toutes les pommes sont vertes ; quelques fruits dans ce panier sont des

pommes, donc quelques fruits dans ce panier sont verts).

oute reproduction non autorisée est un délit.

L’autre grande classe de raisonnement est constituée des raisonne-

ments non démonstratifs. Il faut distinguer, parmi ceux-ci, ceux dont les
prémisses sont ou non certaines. Nous nous limiterons dans cet ouvrage

© Dunod. T

Raisonnement, résolution de problèmes et prise de décision

aux raisonnements fondés sur les prémisses certaines. Le raisonnement

sur des prémisses incertaines a également été très étudié en psychologie

surtout dans le diagnostic et la prise de décision. Nous les traiterons dans le


chapitre consacré à ces activités. Parmi ces raisonnements incertains, nous
traiterons trois sous-catégories.

La première sous-catégorie consiste à généraliser des connaissances à un


ensemble de situations. Dans ce cas, le raisonnement est amplifiant.

Il part de faits particuliers pour arriver à une conclusion générale. Les


propositions de départ ne suffisent donc pas à garantir la vérité de la

conclusion. On parle alors de raisonnement inductif.


La deuxième sous-catégorie de raisonnement a pour finalité l’élabora-

tion d’une règle. Comme dans l’induction, les propositions de départ ne


permettent pas de garantir la vérité de la conclusion. Il s’agit dans cette forme
de raisonnement, de trouver une règle explicative permettant de

mettre en relation des faits connus, en formulant une hypothèse la plus

plausible possible. On parle alors d’abduction.

La troisième catégorie de raisonnement incertain est le raisonnement

analogique. Cette forme de raisonnement consiste à transposer le savoir

d’un domaine sur un autre. C’est un mécanisme de pensée fondamental

présent dans de nombreuses activités mentales comme la compréhen-

sion et la résolution de problème, mais il a été également étudié pour

lui-même dans le cadre du raisonnement.

2.

Le raisonnement à visée pragmatique

Le raisonnement sert aussi à agir. Ce raisonnement orienté vers l’action

est celui qui est mis en œuvre lors de la résolution de problèmes. Un

problème est une tâche un peu particulière dans la mesure où l’indi-

vidu ne dispose pas de procédure pour parvenir au but. La difficulté du

problème peut s’avérer très variable en fonction de ses caractéristiques

mais aussi de celles du sujet. Après une revue des principales approches

en psychologie de la résolution de problèmes, nous préciserons dans ce


chapitre la notion de problème et les typologies qui en ont été proposées.

Résoudre un problème, c’est d’abord comprendre la situation dans

laquelle on se trouve et le but qu’on veut atteindre. Ces deux préa-

lables sont indispensables à la recherche de solution. Il existe plusieurs


processus qui concourent à la construction de l’interprétation de la situation.
Nous en distinguerons trois : l’analogie, l’application de schémas et

Introduction

l’interprétation. Dans le contexte de la résolution de problèmes, l’ana-

logie consiste à emprunter des solutions à une situation jugée similaire.

C’est typiquement le cas lorsque, ayant résolu un premier problème,

on se sert de ce qui a été appris pour résoudre un autre problème qui

lui ressemble. Dans d’autres situations, nous disposons de schémas de

résolution. Ces derniers sont des structures abstraites qu’il faut adapter à la
situation pour résoudre le problème. Les schémas de résolution des

problèmes arithmétiques en constituent un exemple typique. Lorsque

nous n’avons ni situation analogue, ni schéma, l’interprétation de la

situation doit être construite de toutes pièces. Il faut alors mettre en

œuvre des mécanismes d’interprétation plus coûteux en ressources cogni-

tives. Résoudre un problème, c’est aussi construire des solutions. Avec

l’analogie et les schémas, elles sont fournies, mais nous verrons que des
adaptations sont nécessaires. Nous disposons par ailleurs de mécanismes

généraux de résolution que sont les heuristiques et les inférences.

3.

La prise de décision

La troisième forme d’inférences que nous traiterons dans ce cours est

la prise de décision. Décider, c’est faire des choix parmi plusieurs options.

Pour y parvenir, il faut évaluer les différentes options et élaborer un

critère de choix. Ces processus ont surtout été étudiés à partir de modèles
statistiques, issus notamment des mathématiques, de la théorie des jeux

et de l’étude de la prise de décision en économie. La première partie de ce


chapitre sera consacrée à la présentation des problèmes princeps comme

le problème du Chevalier Méré ou le paradoxe de Saint-Pétersbourg.

L’approche statistique fait la part belle à la notion de probabilité dont


l’application en psychologie soulève de nombreuses questions tant d’un

point de vue méthodologique (comment les évaluer ?), que d’un point

de vue épistémologique (que signifient-elles ?).

Ces difficultés ont progressivement amené les chercheurs à se

convaincre que l’être humain n’a peut-être pas la pensée probabiliste

qu’on lui prête. La prise de décision humaine semble entachée d’un

certain nombre d’erreurs appeler biais et met en œuvre des heuristiques.

Les notions de bais et d’heuristiques dans la prise de décision sont analogues


à celles qui sont utilisées dans l’étude du raisonnement et de la

oute reproduction non autorisée est un délit.

résolution de problèmes. Dans la troisième partie de ce chapitre, nous

présenterons les principales.

© Dunod. T

Raisonnement, résolution de problèmes et prise de décision

Nous verrons dans la dernière partie des exemples de modèles de prise

de décision et les relations que cette activité entretien avec l’activité de


diagnostic et le contrôle de l’activité. Dans les deux premiers, l’activité de
prise de décision est étudiée pour elle-même. Si les processus de contrôle, de
diagnostic et de prise de décision peuvent être étudiés indépendamment l’un
de l’autre, de plus en plus de recherches montrent que la prise de décision est
élaborée en interaction avec les autres processus. Cette

forme de raisonnement s’inscrit en effet dans l’activité du sujet, laquelle est


finalisée par ses objectifs et contrainte par des caractéristiques de la situation.
Dans le troisième modèle que nous présenterons, nous verrons

comment on peut rendre compte de ce fonctionnement interactif.

Cha 1

pitre

LE

RAISONNEMENT

DÉMONSTRATIF
aire

Somm

1. Notions de base .................................................................... 7

2. Le raisonnement démonstratif ........................................... 13

3. Le raisonnement catégorique ............................................. 32

1.

Notions de base

La logique formelle a constitué le premier modèle du raisonnement

humain. Dans de nombreuses recherches, le raisonnement humain est

étudié par comparaison avec ce modèle. Aussi, il nous a paru indispen-

sable de consacrer la première partie de ce chapitre à l’exposé des notions


fondamentales de la logique formelle afin de mieux comprendre ensuite

les spécificités du raisonnement humain.

1.1

Précisions terminologiques et conventions

de notation

L’unité de base du raisonnement est la proposition. La notion de proposition


est identique à celle qu’utilise la linguistique. Il s’agit de l’unité minimale de
signification. Elle est composée minimalement d’un ou

plusieurs arguments (les entités dont il est question dans la proposition) et


d’un prédicat (ce qui est dit à propos des entités). Ainsi, la proposition
suivante : « Le chien aboie » est constitué d’un prédicat (aboyer) et d’un
argument (le chien). Ils forment une proposition simple.

On peut former des propositions complexes à partir de la réunion d’au moins


deux propositions simples à l’aide de connecteurs. Elle exprime

la relation qui unit les deux propositions simples. Ainsi la proposition

complexe suivante : « Le chien aboie et la caravane passe » est constituée de


deux propositions simples reliées par le connecteur de conjonction

« et ».

Une proposition peut toujours être qualifiée de vraie ou de fausse.

C’est sa valeur de vérité. Cette valeur de vérité peut dépendre de l’état du


monde à un moment donné (« il pleut ») ou des connaissances que l’on a

sur les objets du monde (« Les éléphants sont gris »). La logique formelle ne
s’occupant que d’identifier les règles de raisonnement, la détermination de la
valeur de vérité des propositions est hors de son domaine. La

valeur de vérité attribuable à une proposition relève donc des croyances

et des connaissances de l’individu.

Les propositions qui servent de base au raisonnement sont appelées

prémisses. L’une de ces prémisses est une proposition complexe exprimant,


avec un connecteur, la relation entre deux propositions simples.

oute reproduction non autorisée est un délit.

C’est la prémisse majeure. L’autre prémisse est une proposition simple.

C’est la prémisse mineure. Ainsi, si j’ai dans mes connaissances « Le chien


aboie et la caravane passe » (majeure) et que j’entends que le chien aboie

© Dunod. T
8

Raisonnement, résolution de problèmes et prise de décision

(mineure), j’ai deux prémisses qui vont me permettre de construire une

nouvelle proposition.

La proposition élaborée à partir des prémisses est la conclusion. Dans le


précédent exemple, la conclusion la plus naturelle consiste à penser

(même si je ne l’ai pas encore vue) que la caravane passe.

L’ensemble formé des propositions par les prémisses et la conclusion

est appelé syllogisme ou argument. Un argument qui accepte une seule


conclusion est un argument valide. Un argument qui accepte plus d’une

conclusion est un argument fallacieux.

Par convention, les propositions sont désignées par des lettres et les

connecteurs sont désignés par un symbole. Les prémisses sont séparées

par un point-virgule et la conclusion est introduite par le signe « ∴ ».

Ainsi, pour l’exemple utilisé plus haut, nous avons deux propositions

élémentaires « le chien aboie » que nous noterons p et « la caravane passe »

que nous noterons q. L’argument sera noté : p & q ; p ∴ q. Une autre façon
de noter un argument consiste à présenter les propositions en colonne en
séparant les prémisses de la conclusion par un trait horizontal. Toujours sur le
même exemple, voici comment serait noté l’argument :

La négation d’une proposition, c’est-à-dire l’affirmation de sa fausseté

est notée « ¬ ». Pour exprimer par exemple qu’il est faux que « le chien

aboie », nous noterions « ¬ p »,

Pour déterminer la validité d’un argument, on utilise une table de

vérité, c’est-à-dire un tableau à double entrée présentant en colonne les trois


propositions de l’argument et en ligne l’ensemble des combinaisons

des valeurs de vérité. Le tableau 1.1 présente la table de vérité pour le


connecteur de l’implication, noté « ⇒ » et qui correspond approximativement
à l’expression « si… alors… » en langage naturel. Les deux premières
colonnes présentent les quatre combinaisons possibles des valeurs de

vérité pour les deux propositions simples. On trouve dans la troisième

colonne les valeurs de vérité de la proposition composée compte tenu

des valeurs de vérité des propositions simples. Du fait que la logique

classique est une logique bivalente, c’est-à-dire qui n’accepte que deux

valeurs de vérité, ce tableau épuise tous les cas possibles.


Le raisonnement démonstratif

Tableau 1.1 – Détermination de la valeur de vérité de q pour le modus


ponens Prenons un exemple pour montrer comment lire une table de vérité.

Si « p alors q » est vraie ; p est vraie ; quelle est la valeur de vérité de q ?

Pour déterminer la conclusion logiquement attendue, il faut chercher

la ligne où l’on retrouve à la fois p est vraie et p ⇒ q est vraie. Ces deux
propositions ne sont vraies ensemble qu’une seule fois dans la table de

vérité. On les trouve sur la ligne 1 (en gris dans le tableau 1.1). La valeur de
vérité de q s’impose : q est vraie. Lorsqu’il n’y a pas de conclusion
alternative possible, l’argument est dit « valide ». Dans le cas contraire,
l’argument est fallacieux.

Dans le raisonnement formel, celui du logicien, l’argument n’est

constitué que des propositions explicitement présentées à l’exclusion

de toutes autres prémisses. C’est ce qu’on appelle le principe de clôture des


prémisses. D’autre part, la logique classique n’envisage que deux valeurs de
vérité, le vrai ou le faux, à l’exclusion de toute autre valeur de vérité.
Elle est dite bivalente. C’est ce qu’on nomme le principe du tiers exclu.

Enfin, une proposition ne peut pas être vraie et fausse à la fois. C’est le
principe de non-contradiction.

1.2 Les méthodes d’étude du raisonnement

Dans la majorité des études expérimentales sur le raisonnement, le

paradigme général consiste à faire évaluer des arguments comportant

deux prémisses. L’expérimentateur présente aux sujets, soit les prémisses


seules, soit les prémisses et une ou plusieurs conclusions possibles. Dans le
premier cas, le sujet doit produire la conclusion. Dans le second cas, si une
seule conclusion est présentée, la tâche du sujet consiste à évaluer la
conclusion sur une échelle. Lorsque plusieurs conclusions sont présen-oute
reproduction non autorisée est un délit.

tées, il doit sélectionner celles qui sont compatibles avec les prémisses.

© Dunod. T

10 Raisonnement, résolution de problèmes et prise de décision

1.2.1 La tâche d’évaluation de la conclusion

La tâche la plus simple, utilisée dans l’étude du raisonnement,

consiste à présenter aux sujets deux prémisses et une conclusion et à leur


demander si la conclusion suit nécessairement ou non les prémisses. Il

s’agit alors pour le sujet de fournir un jugement sur le caractère nécessaire de


la conclusion proposée. Concrètement, voici comment pourrait se

présenter une telle tâche d’après un exemple de George (1997) :

La conclusion est-elle nécessairement vraie, nécessairement fausse ou

ne peut-on pas savoir ?

La formulation du format de réponse peut varier d’un auteur à un

autre. Certains auteurs proposent le format de réponse « vrai, faux, pas de


conclusion valide » mais parfois l’échelle d’évaluation comporte plus de

trois échelons. Ce format à trois réponses est cependant le plus répandu.

1.2.2 La tâche de production de conclusion

Une autre façon de faire consiste à demander aux sujets, à partir des

deux prémisses, de produire la conclusion. Dans ce type de situation,

le sujet doit donc élaborer sa propre conclusion. Cette procédure n’est

que rarement utilisée, notamment parce qu’elle s’avère beaucoup plus

difficile et qu’on observe un nombre plus important de réponses incor-

rectes du point de vue de la logique formelle. On observe, en général

qu’il est beaucoup plus facile pour les sujets de porter un jugement sur

une conclusion que de la produire lui-même (George, 1997). Une des

raisons possibles de la plus grande difficulté à produire une conclusion

tient au fait que dans une telle procédure, le sujet ne peut adopter qu’une
stratégie qui part des prémisses pour aboutir à une conclusion. Tandis que
dans l’évaluation d’une conclusion, il peut également adopter la stratégie
inverse qui consiste à partir de la conclusion pour vérifier son adéquation
avec les prémisses. Mais la raison la plus plausible de la plus grande
difficulté de la production de conclusion tient sans doute au fait que,

partant d’un ensemble de prémisses donné, le nombre de conclusions

possibles est très important. Ce qui pose le problème de l’interprétation des


prémisses et de la pertinence, du point de vue de la communication,

de la conclusion. L’exemple précédent pourrait être présenté aux sujets

dans une telle procédure de la façon suivante :

Le raisonnement démonstratif

11

On sait que :

• Au salon, il y a Chloé ou Daniel.

• Daniel est au salon.

Que pouvez-vous conclure ?

1.2.3 La tâche de sélection de conclusion

Pour ces raisons, on peut préférer fournir aux sujets une ou plusieurs

conclusions possibles. C’est en fait la procédure la plus utilisée avec la tâche


d’évaluation de la conclusion. La tâche du sujet consiste alors à

décider laquelle des conclusions proposées est acceptable au regard des

prémisses. En voici un exemple :

On sait que :

Dans cette procédure expérimentale, on propose classiquement

la conclusion attendue, sa négation et une troisième alternative qui

exprime l’indécidabilité.

1.2.4 La tâche d’évaluation de la table de vérité

Une variante de la tâche de sélection consiste à présenter au sujet

la majeure, c’est-à-dire la proposition composée, et à lui demander,

parmi les quatre couples possibles de propositions simples, lesquels sont


compatibles avec la majeure. Cette procédure est très intéressante pour

le psychologue qui étudie le raisonnement car elle permet de se faire une idée
précise de l’interprétation de la majeure par comparaison avec la

table de vérité. Nous pouvons l’illustrer en adaptant l’exemple précédent :


Soit la règle :

« Si Chloé est au salon, alors Daniel n’est pas au salon. »

Parmi les quatre situations suivantes, quelles sont celles qui respectent oute
reproduction non autorisée est un délit.

la règle ?

© Dunod. T
12 Raisonnement, résolution de problèmes et prise de décision

q Chloé est au salon et Daniel est au salon.

q Chloé est au salon et Daniel n’est pas au salon.

q Chloé n’est pas au salon et Daniel est au salon.

q Chloé n’est pas au salon et Daniel n’est pas au salon.

1.2.5 La tâche de Wason

Wason (1960, 1968) a imaginé une variante de la tâche d’évaluation

de la table de vérité pour étudier les syllogismes conditionnels, tâche

qui a connu un grand succès, tant pour l’étude des syllogismes dans

la déduction que dans l’induction. Dans sa procédure, il présente au

sujet la majeure sous la forme d’une règle, en demandant aux sujets de

sélectionner les cas qui permettraient de savoir si la règle a ou non été


respectée. Dans la situation originale, il s’agissait d’une règle concernant la
constitution de cartes selon laquelle : « Si une carte comporte une

voyelle d’un côté, alors elle comporte un chiffre pair de l’autre côté. »

On présentait alors aux sujets quatre cartes, posées sur une table, en leur
demandant de retourner les seules cartes nécessaires pour vérifier que
la règle a été respectée. Cette tâche est difficile pour plusieurs raisons.

D’abord le matériel est très artificiel. Ensuite, l’information sur le contenu de


l’autre côté de la carte n’est pas disponible, mais doit être inférée.

De ce point de vue, le sujet ne se trouve pas dans une simple tâche de

sélection, mais doit produire une conclusion relative à la face cachée de la


carte. Enfin, il doit raisonner sur quatre arguments simultanément,

chacune des cartes constituant la prémisse mineure d’un argument.

Figure 1.1 – Les quatre cartes de Wason

Cette situation a été utilisée aussi bien pour l’étude du raisonnement

déductif que pour l’étude du raisonnement inductif (en supposant que les

cartes sont extraites d’un plus grand paquet). Nous ne l’envisagerons que
d’un point de vue déductif. Pour résoudre ce problème, car il s’agit bien d’un
problème, malgré l’apparente facilité de la tâche, il faut appliquer les deux
schémas valides dans l’implication : le modus ponens et le modus tollens.
Dans cette situation, la majeure est la règle conditionnelle fournie

Le raisonnement démonstratif

13

par l’expérimentateur. La mineure est donnée par chacune des quatre

cartes. La conclusion de chacun des quatre arguments correspond à ce

qu’on doit trouver sur la face cachée des cartes et doit être inférée par le sujet.
Le modus ponens correspond à l’affirmation de l’antécédent, dans ce cas, ce
sont les voyelles. Le modus tollens correspond à la négation du conséquent,
c’est-à-dire un chiffre non pair, autrement dit un chiffre

impair. Les deux autres arguments ne sont pas valides dans l’implication.
Cela revient à dire qu’on ne peut pas savoir ce qu’on doit trouver derrière une
consonne (négation de l’antécédent) ou un chiffre pair (affirmation du
conséquent). La réponse logiquement attendue consiste donc à

retourner, dans l’exemple de la figure 1.1, les cartes A et 7. Les résultats de


Wason, confirmés par bien d’autres recherches sur cette tâche, montrent

que la sélection logiquement attendue est faite dans à peine 10 % des

cas. Les réponses les plus fréquentes étant la sélection de la seule carte A ou
la sélection des cartes A et 4 (Wason, 1968 ; Wason et Shapiro, 1971).

Cette recherche a suscité un grand intérêt de la part de la communauté

de chercheurs qui travaillaient sur le raisonnement. Non seulement elle

remettait en cause la thèse de la logique mentale, mais elle fournissait, avec


ce paradigme un outil efficace pour approfondir l’étude du raisonnement
humain. Pour expliquer ces résultats, plusieurs hypothèses ont

été avancées que nous allons développer dans les prochains paragraphes.

2.

Le raisonnement démonstratif

Le raisonnement démonstratif ou déduction est un raisonnement

partant de prémisses réputées vraies pour construire une conclusion

dont on cherche à garantir qu’elle ne supporte pas d’alternative. On

l’appelle également parfois le « raisonnement certain » car il conduit à

une conclusion qu’on peut considérer comme certaine. Du point de vue

de la logique formelle, cette forme de raisonnement présente plusieurs


caractéristiques :

• La vérité des prémisses garantit la vérité de la conclusion. C’est la

notion de validité que nous avons exposée précédemment. Cette

notion est très importante, car c’est sur elle que repose la garantie

de la conclusion.

• Cette validité dépend exclusivement de la structure formelle et non

oute reproduction non autorisée est un délit.

du contenu. C’est donc la relation entre les propositions composant

l’argument qui détermine la validité et non le rapport des prémisses

avec la réalité. C’est pour cette raison que les règles peuvent être

© Dunod. T

14 Raisonnement, résolution de problèmes et prise de décision

exprimées avec des lettres remplaçant les propositions sans que la


validité de l’argument en soit affectée. Cette propriété est également

importante car elle fonde la possibilité de raisonner sur des propo-

sitions connues pour être fausses comme dans le raisonnement par

l’absurde ou bien sur des mondes hypothétiques.

• La conclusion n’ajoute pas d’information aux prémisses. Dans cette

forme de raisonnement, la conclusion ne nous apprend rien que

nous sachions déjà avec les prémisses. Son intérêt est de mettre en

évidence des informations implicites dans les prémisses.

• La conclusion consiste à affecter une valeur de vérité à une propo-

sition. Pour en garantir la certitude, les valeurs de vérité doivent

être discontinues et exclusives. C’est une autre façon d’exprimer

le principe du tiers exclu. Les valeurs de vérité (vrai ou faux) sont

incompatibles entre elles et sont exhaustives (il n’y a pas d’autres

valeurs possibles).

Il existe plusieurs formes de raisonnement démonstratif. Dans ce para-

graphe, nous en étudierons deux : le raisonnement propositionnel et

le raisonnement catégorique. La première catégorie se décompose en

plusieurs sous-classes en fonction du connecteur. Dans la seconde, il

faut distinguer les inférences immédiates (à partir d’une prémisse) et les


syllogismes (avec deux prémisses).
Figure 1.2 – Les différentes formes de raisonnement démonstratif

Le raisonnement démonstratif

15

2.1 Le raisonnement propositionnel

La logique classique ne s’occupe que de l’identification des règles d’en-

chaînement des propositions. Le contenu des propositions ne l’intéresse

donc pas. Ce contenu peut même être gênant compte tenu de la poly-

sémie du langage. Il en va de même pour les connecteurs. La logique a

donc dû s’inventer son propre langage pour exprimer les propositions et

les connecteurs. Ainsi les propositions sont remplacées par des variables
propositionnelles, c’est-à-dire des lettres qui symbolisent les propositions.
Les connecteurs sont également exprimés à l’aide d’un symbole

et leur sens est fixé dans une table de vérité (voir tableau 1.2).

Tableau 1.2 – Table de vérité des différents connecteurs

Le tableau 1.2 présente, pour les différents connecteurs, les valeurs de

vérité des propositions composées en fonction des valeurs de vérité des


propositions simples. Dans les deux premières colonnes, on trouve, pour

les propositions quelconques p et q, la combinatoire des valeurs de vérité.

Comme nous n’avons que deux propositions et deux valeurs de vérité,

nous n’avons que quatre cas possibles : les deux propositions sont vraies
(VV), la première est vraie et la seconde est fausse (VF), la première est
fausse et la seconde est vraie (FV), enfin les deux sont fausses (FF). Dans les
colonnes suivantes, on trouve, pour chacun de ces quatre cas, la valeur de
vérité de la proposition composée associée à chacun des connecteurs :

La conjonction « p & q » qui se lit « p et q » n’est vraie que dans le cas où les
deux propositions simples sont vraies ensemble. Le connecteur de

conjonction est parfois noté « p . q » ou encore « p ∧ p ». Exemple : « Paul


est parti et Étienne est resté. »

La disjonction inclusive « p v q », qui signifie « p ou q ou les deux » est vraie


lorsqu’au moins une des propositions simples est vraie. Exemple :

« Dans ce panier, il y a des pommes rouges ou des pommes jaunes. »

oute reproduction non autorisée est un délit.

© Dunod. T
16 Raisonnement, résolution de problèmes et prise de décision

La disjonction exclusive ou alternative « p w q » qui signifie « p ou q mais


pas les deux » est vraie lorsqu’une seule des propositions simples

est vraie. Exemple : « Boire ou conduire, il faut choisir. »

L’implication ou conditionnel « p ⇒ q », qui se lit « si p alors q », exprime le


fait que q ne peut pas être fausse si p est vraie. Le conditionnel est parfois
noté « p ⊃ q ». Exemple : « S’il pleut alors je prends un parapluie. »

L’équivalence ou biconditionnel « p ⇔ q » se lit « si et seulement si

p alors q ». Le biconditionnel correspond à une double implication. La


proposition p implique la proposition q et q implique p. La proposition
composée n’est vraie que si les deux propositions simples ont la même
valeur de vérité. L’équivalence est parfois notée « p ≡ q ». Exemple : « Si j’ai
18 ans, alors je peux voter. »

L’incompatibilité « p I q » qui se lit « on n’a pas à la fois p et q » exprime le


fait que p et q ne peuvent pas être vraies ensemble. Exemple : « On n’a pas à
la fois le beurre et l’argent du beurre. »

Cette table de vérité permet de décrire formellement un certain nombre

de règles de raisonnement aboutissant à une conclusion certaine à partir

de prémisses particulières. Voici quelques-unes de ces règles. Elles sont


logiquement valides.

Tableau 1.3 – Principaux schémas de déduction

Le raisonnement démonstratif

17

Quoique n’admettant qu’une seule valeur de vérité pour la conclusion,

certains de ces schémas de déduction sont contre-intuitifs. Le schéma

d’élimination, par exemple, produit une conclusion qui fournit moins

d’information que la prémisse. Avec le schéma d’introduction, on voit

qu’on peut construire un nombre infini de conclusions dont bon nombre

seront sans doute sans intérêt. Ainsi, partant de la prémisse « les feuilles des
arbres sont vertes », je peux conclure que « les feuilles des arbres

sont vertes ou la montagne est haute » et bien d’autres compositions de

propositions simples qui n’ont aucune relation entre elles.

2.1.1 Le raisonnement conditionnel


C’est sur les syllogismes conditionnels que porte une très large partie

des recherches en psychologie du raisonnement déductif. Il nous a

donc paru important de traiter séparément les études sur cette forme

de raisonnement. Dans cette dernière, la majeure est une proposition

composée construite avec le connecteur de l’implication ou de l’équi-

valence. Autrement dit, la majeure est un énoncé qui correspond à une

expression de type « si… alors » articulant une première proposition,

l’antécédent, avec une seconde, le conséquent. La mineure est une des

propositions simples, antécédent ou conséquent, posée soit comme vraie,

soit comme fausse. Pour une même prémisse majeure, la combinaison des

deux propositions simples et des deux valeurs de vérité nous permet de

construire quatre arguments possibles (comme nous l’avons fait avec les

autres connecteurs les précédemment). Deux d’entre eux sont déductive-

ment valides quelle que soit l’interprétation de la majeure. Ils constituent


donc, pour la logique formelle, des règles de raisonnement et ont pour

cela conservé leur appellation latine. Les deux autres arguments ne sont

valides que dans une interprétation biconditionnelle, autrement dit avec

le connecteur de l’équivalence.

• Le modus ponens (du latin pono : affirmer ; littéralement « mode affirmatif


») qui correspond à l’affirmation de l’antécédent : p ⇒ q ; p ∴ q.

• L’affirmation du conséquent : p ⇒ q ; q ∴ PCV (pas de conclusion valide)


• La négation de l’antécédent : p ⇒ q ; ¬p ∴ PCV

• Le modus tollens (du latin tollo : nier ; littéralement « mode nié ») qui
correspond à la négation du conséquent : p ⇒ q ; ¬q ∴ ¬ p.

Rips et Marcus (1977) ont étudié de manière systématique cette forme

oute reproduction non autorisée est un délit.

de raisonnement dans une tâche d’évaluation de la conclusion. À l’aide

d’une même majeure, ils ont constitué les huit syllogismes possibles en

combinant les deux propositions simples et les deux valeurs de vérité

© Dunod. T

18 Raisonnement, résolution de problèmes et prise de décision

pour la mineure et la conclusion. Ils présentaient ensuite les arguments,


exprimés en langage naturel, aux sujets qui devaient indiquer si la

conclusion proposée était toujours vraie, parfois vraie ou jamais vraie.


La réponse « toujours vraie » correspond à une conclusion valide, « jamais
vraie », à sa négation, et la réponse parfois correspond à l’absence de

conclusion valide. Les résultats de cette expérience sont résumés dans le


tableau 1.4. Les cases grisées indiquent la réponse logiquement attendue.

Tableau 1.4 – Pourcentage des réponses pour chacune des réponses


possibles à chacun des arguments (d’après Rips et Marcus, 1977)

Pour les deux premiers arguments, correspondant au modus ponens,

on peut observer une réussite parfaite, puisque dans tous les cas, les

sujets choisissent la réponse logiquement attendue. Ces résultats sont

très proches de ceux observés par George (1997). On peut également

observer que le caractère fallacieux de la négation de l’antécédent (NA)

et de l’affirmation du conséquent (AC) est reconnu par un peu moins de

huit sujets sur dix. Une des explications avancées pour rendre compte de

ces résultats consiste à invoquer l’interprétation de la prémisse majeure.

Comme nous l’avons déjà signalée, l’expression « si… alors » peut donner

lieu à une interprétation implicative, attendue dans ce cas, ou à une

interprétation biconditionnelle. Si dans le cas de l’implication, NA et AC

sont fallacieux (il faut donc répondre « parfois »), dans le cas de
l’équivalence, ils sont parfaitement valides (et il faut répondre « toujours » ou

« jamais » selon le cas). Si certains énoncés ne prêtent pas à confusion, il en


est d’autres qui sont plus ambigus. Prenons par exemple les trois

énoncés suivants :
Le raisonnement démonstratif

19

q Si c’est un carré, alors c’est un rectangle.

q Si la glace chauffe, alors elle fond.

q Si le capuchon du stylo est rouge, alors l’encre est bleue.

Le premier énoncé est clairement une implication. Tous les carrés

qu’on peut concevoir sont bien des rectangles. En revanche, si on sait

qu’un objet est un rectangle, il n’est pas possible de déduire que c’est

un carré, ni même l’exclure, puisque certains rectangles sont carrés,

d’autres ne le sont pas. Avec le deuxième énoncé, l’équivalence ne fait pas


problème. L’augmentation de la température de la glace s’accompagne

toujours de sa fonte et la glace ne fond pas si on ne la chauffe pas. La

connaissance d’un des deux phénomènes permet de déduire l’autre sans

risque de se tromper. Dans le troisième exemple, il en va tout autrement.

Les deux interprétations sont correctes. Pour décider si la réponse du sujet


constitue une erreur du point de vue de la logique, il faut identifier son
interprétation de la prémisse.

Dans le cas du modus tollens, en revanche, l’explication de la variabilité de


l’interprétation de la majeure ne suffit pas. En effet, cet argument est valide
quelle que soit l’interprétation de la majeure. On s’attend donc

à la même réponse dans les deux cas. Le caractère affirmatif ou négatif

de l’antécédent dans la majeure pourrait être un des facteurs explicatifs.


Ainsi, Evans (1977) a trouvé que le modus tollens était bien mieux réussi
lorsque l’antécédent était nié que lorsqu’il ne l’était pas. Mais les choses
sont-elles si simples ?

2.1.2 Les facteurs déterminants

Ô La référence à la réalité

Il n’aura pas échappé aux lecteurs attentifs que la version originale de

la tâche de Wason est une situation très artificielle. Les cartes et la règle de
constitution des cartes ne font partie ni de nos connaissances, ni des situations
que nous pouvons rencontrer quotidiennement. Il s’agit d’une

tâche purement logique. C’est la raison pour laquelle, la tâche originale est
souvent appelée « version formelle », par opposition à des versions

sémantiquement plus riches. Une des premières hypothèses explicatives

des médiocres résultats dans cette tâche a justement consisté à souli-

gner son caractère artificiel et à avancer l’idée que les sujets raisonnent oute
reproduction non autorisée est un délit.

mieux sur des situations réelles. Pour tester cette hypothèse, Wason et

Shapiro (1971) ont remplacé la règle formelle par une règle plus concrète :

« Chaque fois que je vais à Manchester, je voyage en voiture. » Leurs

© Dunod. T

20 Raisonnement, résolution de problèmes et prise de décision résultats


montrent que, dans cette nouvelle situation, la sélection des

cartes logiquement pertinentes est beaucoup plus fréquente. Une autre

expérience de (Wason et Johnson-Laird, 1972) semblent confirmer


ces résultats. Dans cette expérience, les auteurs comparent la version

formelle de la tâche avec une autre version concrète. La règle de la version


concrète est la suivante : « Si une enveloppe est cachetée, alors elle est
affranchie à 50 lires ». Leurs résultats montrent que le pattern logiquement
attendu est sélectionné par plus des deux tiers des sujets contre

aucun avec la version formelle. Selon eux, c’est le caractère réaliste de la


relation entre les termes de la règle qui faciliterait la tâche.

Ô Le rôle des connaissances

Ces résultats n’ont cependant pas toujours pu être reproduits. Cox

et Griggs (1982) par exemple observent une amélioration avec la règle

postale chez les sujets anglais et italiens, mais pas chez les sujets américains.
Or une telle règle d’affranchissement a eu cours en Italie et en

Angleterre, mais pas aux États-Unis. Ils avancent donc l’idée que ce

n’est pas le caractère réaliste de la règle qui conduit à une meilleure

performance, mais l’expérience passée de la règle. Ils recommencent

l’expérience en choisissant une réglementation familière à leurs sujets :

« Si quelqu’un boit de la bière, alors cette personne doit avoir plus de

dix-neuf ans », en demandant à leurs sujets de chercher, parmi quatre

personnages, les contrevenants. Ils observent ainsi une amélioration

massive.

L’ensemble de ces résultats remettent en cause la thèse de la logique

mentale, au moins dans sa version la plus radicale, consistant à penser


que les individus possèdent des règles de raisonnement indépendantes

du contenu des propositions. Le caractère réaliste de la majeure, son

contenu sémantique et les connaissances du sujet semblent bien jouer

un rôle primordial dans le raisonnement.

Ô L’interprétation des prémisses

Un des présupposés de la logique mentale est que le raisonnement

s’appuie sur des règles de raisonnement indépendantes du contenu. Or

les prémisses sont, dans la quasi-totalité des cas, exprimées à l’aide du


langage qui a ses particularités et ses contraintes, notamment de s’inscrire
dans une situation de communication particulière. Un des principaux

reproches fait à la thèse de la logique mentale est de ne pas tenir assez


compte de l’interprétation du contenu des prémisses et de la variabilité

possible des équivalents langagiers des connecteurs.

Le raisonnement démonstratif

21

Exprimer les connecteurs en langage naturel pose un certain nombre

de difficultés à la logique formelle, mais également aux tenants de la

logique mentale. Pour la logique formelle, la validité psychologique est

hors de son domaine. Cette discipline a donc résolu le problème en

s’inventant un système de notation ad hoc et en définissant le sens des


connecteurs par leur table de vérité. En langage naturel, certains emplois des
connecteurs peuvent correspondre à la table de vérité. On dit alors
qu’ils sont vérifonctionnels, mais ce n’est pas toujours le cas. Prenons

quelques exemples :

q Jean et Marie sont mariés.

q Il pleut et je dois sortir.

q Ouvrir le paquet et verser son contenu dans la casserole.

Les deux premiers exemples correspondent à des énoncés vérifonc-

tionnels du connecteur « et », sous réserve de s’en tenir à la conjonction des


deux propositions. Or dans le premier exemple, l’énoncé véhicule

également l’idée que Jean et Marie sont éventuellement mariés ensemble,

mais ce n’est pas sûr, de sorte que la valeur de vérité de cette proposition est
très difficile à asserter. Dans le deuxième énoncé, on peut facilement inférer
que sortir est pour moi une obligation, sinon une corvée, ce que

ne traduit pas la simple conjonction des deux propositions. La trans-

cription formelle de l’énoncé constitue donc un appauvrissement du

sens de celui-ci. Dans le dernier exemple, en revanche, l’interprétation

vérifonctionnelle n’est pas possible, parce qu’en logique formelle, p &

q est équivalent à q & p, ce qui n’est pas le cas. Je ne peux pas verser le
contenu du paquet dans la casserole sans l’avoir ouvert. Ce « et » n’est

pas commutatif. On peut également trouver des exemples d’énoncés qui

ne sont pas vérifonctionnels pour les autres connecteurs. Ainsi l’énoncé

suivant : « Si vous cherchez à me joindre, alors je serai dans mon bureau cet
après-midi » n’est pas vérifonctionnel, ni pour l’implication, ni pour
l’équivalence (même si vous ne cherchez pas à me joindre, je serai dans

mon bureau cet après-midi).

Les connecteurs employés par la logique formelle correspondent donc

à des cas très limités par rapport à la richesse du langage. Par ailleurs,
traduire un énoncé langagier à l’aide des connecteurs formels n’est

pas toujours aisé. C’est ainsi qu’un énoncé comme : « Cette voiture est

belle, mais elle est chère » sera traduit par : « Cette voiture est belle » & oute
reproduction non autorisée est un délit.

« Cette voiture est chère », faisant abstraction de l’opposition entre les deux
propositions qu’exprimais le « mais ». Par ailleurs, les connecteurs peuvent
se définir les uns les autres. Ainsi, p ⇒ q équivaut à ¬p v q ou

© Dunod. T

22 Raisonnement, résolution de problèmes et prise de décision encore à ¬(p


& ¬q). Ainsi, en logique formelle, les trois énoncés suivants sont équivalents
:

q S’il pleut alors il y a des nuages.

q Il ne pleut pas ou il y a des nuages.

q Il est faux qu’il pleut et qu’il n’y a pas de nuage.

On comprend assez aisément qu’on ne les emploiera pas de manière

interchangeable dans nos activités de communication. Ainsi, les équi-

valences entre énoncés ne seront pas toujours reconnues par les sujets.

Par exemple : « Si tu me donnes ta bourse, alors je te laisse la vie sauve »


n’est pas équivalent à : « Tu ne me donnes pas ta bourse ou je te laisse

la vie sauve. » Ce qu’on doit faire face au voleur est beaucoup plus clair dans
le premier cas que dans le second. Un autre problème posé à la

thèse de la logique formelle par l’interdéfinissabilité des connecteurs

tient au fait qu’une même inférence peut être faite de plusieurs façons,

ce qui rend la modélisation plus problématique. Les connecteurs ont un

sens beaucoup plus restreint que dans le langage et il n’est pas toujours
possible de ramener un énoncé à une écriture formelle correspondant à

un connecteur logique.

Le contenu des prémisses peut également être problématique :

• Soit parce qu’il réfère à des propositions qu’on sait manifestement fausses.

Ainsi dans « Si les poules ont des dents alors les éléphants sont

roses », ni l’antécédent, ni le conséquent ne sont vrais. On peut

également avoir une proposition indécidable comme dans le cas

du paradoxe d’Épiménide : « Je mens. »

• Soit parce que la relation entre les propositions n’est manifestement pas
informative : « La mer est salée ou Paris est la capitale de la France. »

Dans cet exemple, les deux propositions sont vraies indépendam-

ment de leur articulation à l’aide du connecteur. La relation entre

les propositions peut même paraître dénuée de sens : « Si deux et

deux font quatre, alors le Pape est réélu. » La première proposition


est vraie, mais cela ne me permet pas de conclure sur la réélection

du Pape qui est un événement impossible.

• Soit parce que l’énoncé conduit à rendre la déduction indécidable : « Si


Bizet et Verdi avaient été compatriotes, alors Bizet aurait été Italien. »

Pourquoi Verdi n’aurait-il pas été français ? Dans le même ordre

d’idée, on peut obtenir une conclusion contradictoire avec les

prémisses comme dans le cas du paradoxe du passeur : « Si tu me

dis où tu vas, je te laisserai passer ; je m’arrête ici ».

Le raisonnement démonstratif

23

2.1.3 Les caractéristiques du raisonnement humain

Tout au long de cette première partie, nous avons évoqué la thèse de

la logique mentale et montré que les résultats expérimentaux permettent

de douter de l’existence de schémas formels de raisonnement chez l’être

humain, sans pour autant vraiment pouvoir infirmer totalement cette

thèse. Ce chapitre constitue une introduction à une problématique dont

nous allons poursuivre l’exploration avec d’autres formes de raisonne-

ment comme l’induction ou l’abduction et avec d’autres approches

théoriques. Il est donc normal que le sujet ne soit pas épuisé, il ne l’est
d’ailleurs pas dans la communauté des chercheurs qui travaillent sur le

raisonnement. Nous pouvons cependant dégager maintenant un certain


nombre de caractéristiques du raisonnement humain qui permettent

de rejeter l’idée que nous raisonnons selon le modèle de la logique

formelle, même si nous ne pouvons rejeter complètement l’idée que

des schémas de raisonnement indépendants du contexte sous-tendent

le raisonnement.

Un premier point de comparaison nous a été fourni par l’interpréta-

tion des connecteurs, dont nous avons vu que, dans la logique formelle,

elle était contrainte par la table de vérité, de sorte que dans la logique
formelle, les connecteurs sont monosémiques. Dans le raisonnement

humain, ils apparaissent au contraire éminemment polysémiques.

Le second point de comparaison concerne le contenu des proposi-

tions qui est sémantiquement vide dans le cas de la logique formelle. Le

raisonnement est, en effet, construit sur des propositions quelconques

et la validité des arguments repose uniquement sur leur forme et non

sur leur contenu. Dans le raisonnement humain, au contraire, les propo-

sitions sont sémantiquement très riches et renvoient à de nombreuses

connaissances associées qui ne manquent pas d’influencer l’acceptabilité

des conclusions.

Les deux principes fondamentaux de la logique formelle que sont

le principe de clôture des prémisses (le raisonnement est limité aux


prémisses explicitement énoncées) et le principe du tiers exclu (une

proposition est soit vraie, soit fausse et une troisième valeur est exclue) ne
sont pas toujours respectés dans le raisonnement humain. Le recours à

des prémisses supplémentaires issues de nos connaissances, tout comme

le phénomène d’implicitation, nous montrent, en effet, que les prémisses

sont loin d’être closes.

oute reproduction non autorisée est un délit.

© Dunod. T

24 Raisonnement, résolution de problèmes et prise de décision

Tableau 1.5 – Différences majeures entre la logique formelle et le


raisonnement humain

Mais les deux points de comparaisons les plus fondamentaux sont

sans doute les deux derniers. La finalité du raisonnement humain n’est,

en effet, pas du tout la même que celle de la logique formelle. Si nous


raisonnons, c’est pour construire de nouvelles connaissances ; ce qui

nous importe donc, c’est la vérité des propositions ainsi construites,

c’est-à-dire leur conformité avec nos connaissances et le monde qui nous

entoure. Ce qui peut conduire un sujet à accepter une conclusion non

valide, mais conforme à ses connaissances ou au contraire à rejeter une

conclusion valide, mais incompatible avec ses connaissances (voir par

exemple le biais de croyance). L’objectif de la logique formelle est tout autre.


Il s’agit d’identifier les schémas valides. Autrement dit, la logique formelle
veut s’assurer de l’absence de conclusion alternative (voir les

tables de vérité). Cela peut conduire à certains paradoxes ou certaines

conclusions sémantiquement absurdes, comme nous l’avons vu dans les

paragraphes précédents.

Le raisonnement s’inscrit dans des activités finalisées, c’est-à-dire orientées


vers un but (apprendre, comprendre, résoudre des problèmes, etc.).

Les situations de raisonnement, même artificielles comme celles qui sont

utilisées en laboratoire pour l’étude du raisonnement, s’inscrivent dans

un contexte de communication. Les principes conversationnels ou lois

pragmatiques (à ne pas confondre avec les schémas pragmatiques) sont

donc pertinents dans le raisonnement humain, tandis qu’ils sont sans

objet dans la logique formelle.


Le raisonnement démonstratif

25

2.2 Les théories du raisonnement propositionnel

2.2.1 La thèse de la logique mentale

On peut donc se demander si la table de vérité et les règles de déduc-

tion de la logique formelle font bien partie des compétences des sujets

non spécialistes de la logique. Une première approche consiste à répondre


positivement à cette interrogation. C’est la thèse défendue par exemple

par des auteurs comme Braine (1990) ou Rips (1983, 1994). Selon cette

approche, les sujets posséderaient de manière innée un certain nombre

de règles formelles sur lesquelles ils fonderaient leur raisonnement. Cette


thèse est connue sous le nom de « logique mentale ». Les règles postulées par
les modèles de ces deux auteurs sont détaillées dans le tableau 1.6.

Ces règles comportent d’une à trois prémisses et une conclusion. Pour

être complet, il faut signaler l’existence de deux autres règles dans le

modèle de Braine dont l’écriture formelle peut s’avérer complexe et qui

sont d’une utilisation plus limitée. C’est la règle de la preuve conditionnelle


et le raisonnement par l’absurde ( reductio ab absurdum) qu’on peut formuler
ainsi en langage naturel :

• Preuve conditionnelle : supposons un ensemble de propositions qui


permettent de déduire q à partir de p, on peut conclure « si p alors q ».

• Reductio ab absurdum : supposons un ensemble de propositions qui


permettent de déduire que p conduit à une contradiction, on peut conclure que
« non p ».

Tableau 1.6 – Les règles d’inférences de Braine (1990) et de Rips (1994) oute
reproduction non autorisée est un délit.

© Dunod. T

26 Raisonnement, résolution de problèmes et prise de décision Ces règles


sont supposées être universelles et se déclencher automatiquement lorsque le
contenu des prémisses peut être apparié avec les

prémisses d’une des règles. Il faut souligner ici que l’appariement ne se fait
pas sur la forme des prémisses, mais sur son contenu sémantique. Ces
modèles prévoient donc une première phase de recodage des prémisses.

Ces modèles distinguent également un raisonnement direct, par appli-

cation d’une seule des règles et un raisonnement indirect nécessitant la

production de conclusions intermédiaires servant de prémisses aux cycles


d’inférence suivants (pour une présentation détaillée du fonctionnement

de ces modèles voir George, 1997; Rossi et Van der Henst, 2007).

Outre des différences dans le jeu de règles postulées par ces modèles,

ceux-ci se distinguent sur trois points caractéristiques de la théorie de Rips


(1994) :

• Les règles du tableau 1.6 sont complétées par des règles antérogrades

permettant une inférence de la conclusion vers les prémisses.

• La disponibilité varie selon les règles, ce qui permet de mieux rendre


compte des erreurs.

• La théorie de Rips (1994) a été étendue à la résolution des syllo-

gismes catégoriques.

Plusieurs arguments ont été avancés à l’appui de cette approche. Le

premier concerne l’évaluation des raisonnements directs mettant en

œuvre l’application d’une seule règle dont Braine, Reiser et Rumain

(1984) ont montré qu’ils étaient réalisés pratiquement sans erreur par

les adultes. Les modèles de la logique mentale permettent également

de prédire la difficulté des problèmes en fonction de la complexité

du schéma ou du nombre d’inférences nécessaires. Ce sont pour ces

problèmes que les fréquences d’erreurs les plus importantes sont obser-

vées. Enfin, il semble que ces règles soient acquises précocement accré-

ditant l’idée qu’elles constituent des habiletés élémentaires.


Les critiques sont cependant tout aussi nombreuses. La première

concerne l’incapacité de ces modèles à rendre compte des effets du

contenu thématique puisque seule la forme de la prémisse active son

application. D’autres théories permettent de rendre compte des résul-

tats observés, mais la critique la plus décisive concerne des résultats qui
étayent l’idée que des schémas élémentaires comme le modus ponens ne sont
pas appliqués dans certains contextes alors qu’ils sont supposés être
automatiques (Byrne, 1989).

La question se pose alors de savoir si les tables de vérité font ou

non partie des compétences des individus. La grande majorité des

études sur le raisonnement propositionnel s’est focalisée sur quelques


Le raisonnement démonstratif

27

connecteurs, essentiellement l’implication et l’équivalence. On doit

cependant à George et Politzer une étude portant sur la performance

des sujets pour l’ensemble des connecteurs logiques, excepté la conjonc-

tion (George, 1997) Dans leur étude, les arguments sont construits en

utilisant une même majeure pour chacun des connecteurs et en faisant

varier la mineure par affirmation ou négation de la proposition simple.

Ils obtiennent ainsi quatre paires de prémisses pour chaque argument.

Cinq connecteurs ont été étudiés : les deux disjonctions (inclusive et

exclusive), les deux conditionnelles (implication et équivalence) et le

connecteur d’incompatibilité.

Tableau 1.7 – Pourcentages de réponses pour les deux connecteurs


disjonctifs (d’après George, 1997)

Le raisonnement des sujets est évalué en utilisant la procédure de sélec-

tion d’une conclusion parmi trois possibles : une proposition, sa négation ou


« on ne peut pas savoir » (OPPS). Au total, 107 sujets sans aucune

connaissance particulière en logique ont participé à l’expérience. Afin

de limiter l’ambiguïté de la traduction en langage naturel des connec-

teurs, il était précisé dans la majeure si la disjonction était inclusive ou


exclusive ou si l’implication était conditionnelle ou biconditionnelle.
Dans ce dernier cas, une formulation ambiguë de la majeure a également

oute reproduction non autorisée est un délit.

été présentée. En effet, la confusion de l’implication et de l’équivalence dans


l’interprétation de la majeure est une explication souvent avancée

© Dunod. T

28 Raisonnement, résolution de problèmes et prise de décision

pour expliquer certains résultats avec les syllogismes conditionnels. Nous


allons présenter dans un premier temps les résultats de cette recherche

pour la disjonction (tableau 1.8). Dans ce tableau, les réponses logique-

ment attendues pour ces deux connecteurs, correspondent aux cases

grisées. On peut voir que la réponse majoritaire concerne justement les


réponses logiquement attendues. Ceci constitue un argument en faveur

de la thèse de la logique mentale. Cependant, les réponses non conformes

à la table de vérité sont non négligeables et peuvent atteindre un tiers

des réponses pour certains arguments. Par ailleurs, on peut remarquer

que pour les huit arguments disjonctifs, le taux de réponses logiquement

attendues est plus faible dans le cas d’une mineure négative que dans le

cas d’une mineure positive.

Tableau 1.8 – Pourcentages de réponses pour les connecteurs conditionnels


(d’après George, 1997)

Dans le cas des syllogismes conditionnels, les résultats sont un peu

différents. Pour l’implication, le modus ponens est bien appliqué, que la


majeure soit ou non désambiguïsée. Dans le cas du modus tollens, la
présentation « classique » de la majeure (si p alors q) s’accompagne d’une
plus grande variabilité des réponses, avec près d’un tiers des réponses

OPPS, tendance qu’on observe également pour le connecteur de l’équi-

valence. Avec la version désambiguïsée de la majeure de l’implication,

on observe des résultats qui tendent à se rapprocher d’une interpréta-

tion biconditionnelle de la majeure, puisque les deux tiers des sujets

Le raisonnement démonstratif

29

fournissent la réponse logiquement attendue dans l’équivalence. Ces


résultats sont, du point de vue de la thèse de la logique mentale, un peu
paradoxaux, dans la mesure où la formulation « p seulement si q » aurait dû
faciliter l’interprétation de la prémisse en termes d’implication. Or ils ne sont
pas très différents de ceux qu’on observe pour la version classique de la
majeure. Deux explications peuvent rendre compte de ces résultats :

• Implication et équivalence ont tendance à être confondues lorsque

le contexte n’est pas suffisamment riche pour lever l’ambiguïté.

• Les sujets ont une certaine réticence à utiliser l’option « OPPS » qui
constitue un refus de choisir.

Pour l’instant, retenons de ces résultats que globalement, les réponses

logiquement attendues sont fournies par les sujets avec une fréquence

qui varie entre 98 % et 21 %, ce qui ne permet de trancher ni en faveur,

ni à l’encontre de la thèse de la logique mentale. Il semble donc qu’un

certain nombre de schémas logiques puissent relever de la compétence

des sujets, mais ce n’est pas le cas de tous.

2.2.2 Les schémas pragmatiques

La thèse de la logique mentale est réapparue sous une version atténuée

avec la théorie des schémas pragmatiques de Cheng et Holyoak (1985).

Ces auteurs ont défendu l’idée que ce n’est pas la connaissance spécifique
d’une situation qui constitue le facteur facilitant dans ce type de tâche, mais
la possibilité de l’interpréter dans le cadre d’un type de situation sociale
comme la permission, l’obligation, l’interdiction etc. Selon ces

auteurs, les sujets posséderaient des règles de raisonnement générales


pour chaque type de situation, qu’ils ont appelé « schémas pragmatiques

de raisonnement ». Ces schémas préciseraient les conditions à satisfaire

pour réaliser une action. Ainsi, le schéma de permission comprendrait

quatre règles :

• Règle 1 : Si on veut accomplir l’action A, alors la condition C doit

être remplie.

• Règle 2 : Si on ne veut pas accomplir l’action A, alors la condition C

n’a pas besoin d’être remplie

• Règle 3 : Si la condition C est remplie, alors l’action A peut être

accomplie.

• Règle 4 : Si la condition C n’est pas remplie, alors l’action A ne doit pas


être accomplie.

oute reproduction non autorisée est un délit.

La règle 1, avec l’affirmation de l’antécédent, correspond au modus

ponens. La règle 4, avec la négation du conséquent, correspond au modus

© Dunod. T

30 Raisonnement, résolution de problèmes et prise de décision tollens. Les


deux autres règles interdisent une conclusion valide et correspondant aux
arguments NA et AC.

Cheng et Holyak ont mené plusieurs expériences pour montrer la perti-

nence psychologique de leur théorie. Dans l’une d’elles, ils comparent


la règle postale et une autre relative à un scénario d’immigration : « Si le
formulaire d’un passager porte d’un côté la mention entrée, alors l’autre côté
doit porter la mention choléra. » Pour une moitié des sujets, la règle (postale
ou immigration) est accompagnée d’une justification,

pour l’autre, aucune justification n’est donnée. Deux populations de

sujets sont étudiées : des Hongkongais, familiers de la règle postale, et des


Américains. Lorsque la règle est justifiée, la quasi-totalité des sujets fournit la
réponse logiquement attendue. En revanche, lorsque la règle

n’est pas justifiée, un peu moins d’un tiers des sujets font la sélection des
cartes logiquement pertinentes, sauf dans le cas des Hongkongais,

avec la règle postale où l’on observe une performance similaire à celle

de la règle justifiée. Selon les auteurs, ces résultats montrent que c’est la
justification de la règle qui permet le déclenchement du schéma pragmatique
de permission, que cette justification soit fournie dans la situation ou qu’elle
fasse partie des connaissances du sujet, comme dans le cas des Hongkongais
et de la règle postale.

Dans une autre expérience, il utilise une règle de permission plus

abstraite : « Si un individu exécute l’action A, alors il doit d’abord satisfaire


la condition C. » Ils demandent ensuite aux sujets d’imaginer qu’ils sont des
responsables chargés de vérifier que les gens respectent certaines
réglementations. La tâche devient alors un contrôle des individus repré-

sentés par les quatre cartes. Leurs résultats montrent que 61 % des sujets
sélectionnent le pattern logiquement attendu contre 19 % avec une

version formelle classique. Ces données semblent donc bien montrer

l’existence d’un schéma abstrait de permission, puisque dans cette situa-

tion, il n’y a aucune référence à une situation spécifique.


Cette théorie a suscité un grand intérêt, mais aussi de nombreuses

critiques. La principale d’entre elles est que cette théorie n’a été développée
que pour deux types de schémas : la permission et l’obligation

(Cheng, Holyoak, Nisbett, et Oliver, 1986). Par ailleurs, les conditions

de déclenchement des schémas ne sont pas précisées dans la théorie

et semblent dépendre du point de vue adoptée sur la situation. Ainsi,

Politzer et Nguyen-Xuan (1992) ont utilisé dans une expérience la règle

suivante : « Si l’achat dépasse 10 000 francs, le vendeur doit coller un

bon pour un cadeau au dos du ticket de caisse. » Du point de vue de

l’acheteur, cette règle représente une obligation, tandis que du point

de vue d’un directeur des ventes, c’est une permission. Selon le point

Le raisonnement démonstratif

31

de vue, les cartes sélectionnées ne devraient donc pas être les mêmes.

C’est effectivement ce qu’ils observent. Lorsqu’on demande aux sujets

d’imaginer qu’ils sont des représentants d’association de consommateurs,

ils ont tendance à plutôt choisir « p » (achat supérieur à 10 000 francs) et «


non q » (pas de bon pour un cadeau au dos du ticket de caisse). En revanche,
si on demande aux sujets d’imaginer qu’ils sont des directeurs

de ventes, chargés de s’assurer que des cadeaux ne sont pas indûment

distribués, ils ont tendance à choisir les cartes « p » (achat supérieur à 10 000
francs) et « q » (bon pour un cadeau au dos du ticket de caisse),
conformément au schéma de permission.

2.2.3 Les modèles mentaux

Initialement conçue pour les syllogismes catégoriques, Johnson-Laird

et Byrne (1991) ont proposé une application de la théorie des modèles

mentaux au raisonnement propositionnel. Prenant le contre-pied de

la thèse de la logique mentale, cette approche postule des mécanismes

de raisonnement s’appuyant sur une représentation sémantique des

prémisses et non un traitement syntaxique de celles-ci. Pour cela, les

individus sont supposés construire des représentations des différents cas


possibles, un par ligne dans la représentation que nous en faisons. Ainsi la
proposition « A et B » peut être représentée par le modèle suivant :

AB

De la même façon, la disjonction exclusive « A ou B, mais pas les deux »

sera exprimée par ces deux modèles :

[A]

[B]

La mise entre crochets exprime l’exhaustivité des modèles envisagés.

Il n’y a pas d’autres exemplaires de A envisageables que ceux qui ne

comportent pas de B et inversement. Il faut souligner que les modèles

construits se limitent aux informations nécessaires pour l’interprétation des


prémisses. La théorie prévoit que les modèles construits n’épuisent

pas tous les modèles possibles. Autrement dit lorsqu’un individu inter-

prète une proposition, la théorie ne postule pas qu’ils doivent envi-

sager tous les cas possibles. Cela permet à la fois de rendre compte de la
variabilité des interprétations et des erreurs. Dans ce cas, on indiquera
l’incomplétude des modèles construits par des points de suspension sur

la dernière ligne. Ainsi la représentation suivante correspond à une inter-oute


reproduction non autorisée est un délit.

prétation possible de l’implication « si A alors B » :

[A] B

© Dunod. T

32 Raisonnement, résolution de problèmes et prise de décision Un tel modèle


rend difficile le traitement de négation du conséquent,

faute d’avoir un modèle où B est absent, et conduit à la conclusion qu’on ne


peut pas savoir. En revanche, un modèle plus complet comme le

suivant permet de conclure correctement :

AB

¬A B

¬A

¬B

La théorie des modèles mentaux prédit que la difficulté est liée au


nombre de modèles à construire pour faire une déduction et que les

conclusions erronées correspondent à des modèles mentaux compatibles

avec les prémisses. Les données recueillies par Johnson-Laird, Byrne

et Schaeken (1992) sont conformes à ces prédictions. Cependant ces

dernières, très générales, sont dérivables à partir d’autres théories. Elle


présente cependant l’intérêt de faire l’économie de l’hypothèse de règles
formelles sans pour autant renoncer à rendre compte d’une certaine

rationalité des individus. Cette théorie présente également une valeur

heuristique indéniable et un pouvoir explicatif important. En effet, les

modèles mentaux ont pu être appliqués à d’autres domaines du raisonne-

ment comme le raisonnement relationnel probabiliste ou causal (Byrne

et Johnson-Laird, 1989; Goldvarg et Johnson-Laird, 2001; Johnson-Laird,

Girotto, Legrenzi, Legrenzi, et Caverni, 1999).

3.

Le raisonnement catégorique

Dans ce type de raisonnement, les propositions sont des énoncés affir-

mant quelque chose à propos d’un membre d’une catégorie ou affirmant

quelque chose à propos d’une catégorie à partir d’un de ces membres. Les

propositions ont toutes la forme suivante : « S est P » où S est le sujet, c’est-

à-dire l’entité dont on parle, P est le prédicat, c’est-à-dire une propriété


attribuée à l’entité. Le verbe « être » constitue ce qu’on appelle la copule,
c’est-à-dire un mot servant à mettre en relation le sujet et le prédicat. Ces
propositions catégoriques sont caractérisées par leur qualité (affirmative ou
négative) et par leur quantité (particulière ou universelle). On a donc quatre
sortes de propositions catégoriques :

• A : universelle affirmative – Tous les S sont P.

• E : universelle négative – Aucun S n’est P.

• I : particulière affirmative – Quelques S sont P.

• O : particulière négative – Quelques S ne sont pas P.

Le raisonnement démonstratif

33

Ces propositions catégoriques entretiennent des relations exprimées


dans le carré des oppositions d’Aristote.

• La relation de subalterne correspond au fait que la vérité d’une universelle


entraîne la vérité de la particulière de même qualité.

Ainsi, la vérité de A implique la vérité de I et la vérité de E implique

la vérité de O.

• La relation de contraires exprime le fait que deux propositions ne peuvent


pas être vraies ensemble. Autrement dit, la vérité de l’une

entraîne la fausseté de l’autre, mais la fausseté de l’une n’entraîne

pas fausseté de l’autre.

• Deux propositions sont dites subcontraires si elles ne peuvent être fausses


ensemble. Autrement dit, la fausseté de l’une entraîne la

vérité de l’autre, mais la vérité de l’une n’entraîne pas la fausseté

de l’autre.

• Deux propositions sont contradictoires si elles ne peuvent pas avoir la


même valeur de vérité. Dans ce cas, la vérité d’une proposition

implique la fausseté de l’autre et inversement.

Figure 1.3 – Le carré des oppositions d’Aristote

3.1 Les inférences immédiates

oute reproduction non autorisée est un délit.

Ces relations permettent de faire des inférences immédiates, c’est-à-dire de


déduire une nouvelle proposition à partir d’une seule prémisse. Ainsi,

© Dunod. T
34 Raisonnement, résolution de problèmes et prise de décision

de la prémisse « tous les S sont P », il est valide de déduire qu’« aucun S

n’est P » et « quelques S ne sont pas P » sont fausses et que « quelques S

sont P » est forcément vraie. De la même façon, de la prémisse « aucun S

n’est P », il est valide de déduire que « tous les S sont P » et « quelques S

sont P » sont des propositions fausses, mais que « quelques S ne sont pas P »
est nécessairement vraie. En revanche, des prémisses particulières, une seule
déduction immédiate est possible. Elle concerne la fausseté

de la proposition contradictoire.

Tableau 1.9 – Les inférences immédiates entre deux propositions


catégoriques (V = vrai ; F = faux ; PCV = pas de conclusion valide)

Plusieurs études ont été consacrées aux inférences immédiates qu’on

peut faire avec le carré d’Aristote. Ce type de raisonnement est bien

réussi notamment pour les inférences portant sur des relations contra-

dictoires ou contraires. Pour les énoncés subcontraires, le taux de réus-


site varie entre 65 % et 94 % Il est en revanche plus problématique pour

la relation subalterne où le pourcentage de réponses conformes à la

logique varie bien plus selon que l’expérimentateur leur demande ou

non explicitement d’interpréter les propositions I et O conformément au

carré d’Aristote. Ainsi, si on explicite aux sujets que « quelques S sont P »

signifie « quelques S sont P et éventuellement tous », le taux de réponses


correctes varie entre 63 % et 80 % (Begg et Harris, 1982). En revanche,

si on ne précise pas aux sujets comment interpréter les propositions

particulières, ce taux de réponses conformes à la logique chute entre 8 %

et 21 % (Politzer, 1990). Les propositions particulières sont, en général,


entendues de manière restrictive comme signifiant « quelques mais pas

tous ». Nous reviendrons sur ce problème dans l’étude des facteurs prag-

matiques influençant le raisonnement.

Le raisonnement démonstratif

35

3.2 Les figures syllogistiques

Dans les syllogismes catégoriques à deux prémisses, le raisonnement


fait appel à trois classes : un sujet (S), un prédicat (P) et un moyen terme (M).
La prémisse majeure énonce une relation entre le prédicat et le

moyen terme. La prémisse mineure relie le sujet et le moyen terme.

Enfin la conclusion porte sur la relation entre le sujet et le prédicat. En


combinant l’ordre des deux termes dans les deux prémisses, on obtient

quatre configurations possibles, étant entendue que l’ordre de S et de

P ne change pas dans la conclusion. Ces configurations sont appelées

« figures ».

Figure 1.4 – Les quatre figures syllogistiques

En combinant entre eux les quatre quantificateurs A, E, I et O, on

obtient 4*4 = 16 couples de quantificateurs possibles, appelés « modes ».

La combinaison des modes et des figures permet d’obtenir 4*16 = 64

couples de prémisses. La conclusion étant elle-même quantifiée, on a

au total 4*64 = 256 syllogismes possibles. Parmi eux seulement 24 sont

valides.

L’évaluation de la performance des sujets dans ce type de raisonne-

ment est en général étudiée avec une procédure de sélection de conclu-

sion ou une procédure de production de conclusion. Dans ces deux

types de tâches, les résultats montrent une importante variabilité de la

performance selon les syllogismes. Par exemple, les prémisses « tous les

P sont M » et « quelques S ne sont pas M » qui conduit logiquement à la


conclusion « quelques S ne sont pas P » est réussi par 43 % des sujets. Les
prémisses « aucun P n’est M » et « tous les M sont S », qui conduit norma-
lement à la conclusion « quelques S ne sont pas P », n’est réussi que par 2 %
des sujets. La même variabilité est observée pour des syllogismes non valides
(voir George, 1997; Politzer, 1988; Rossi et Van der Henst, 2007).

L’étude de la performance des sujets non logiciens a permis de mettre en

évidence deux types de résultats. Le premier concerne l’existence de biais


oute reproduction non autorisée est un délit.

de raisonnement, c’est-à-dire de facteurs logiquement non pertinents

qui influencent le raisonnement. Le second type de résultats a permis

© Dunod. T

36 Raisonnement, résolution de problèmes et prise de décision

de mettre en évidence l’influence de critères pragmatiques intervenants


dans l’interprétation des prémisses et notamment du quantificateur.

3.3 Les biais de raisonnement

Pour résoudre les syllogismes catégoriques, les sujets seraient influencés par
des critères logiquement non pertinents : les biais de raisonnement.

Du point de vue du logicien, ces biais constituent des erreurs de raison-

nement qui conduisent à accepter ou à rejeter une conclusion indépen-

damment de sa validité. Trois types de biais sont décrits classiquement

dans la littérature sur ce type de raisonnement.

3.3.1 L’effet figural

Dans une tâche de production de conclusion, on observe une tendance

à préférer une conclusion de type SP dans la première figure et une

tendance à plutôt conclure dans le sens PS à la quatrième figure, tandis

qu’aucun sens ne semble privilégié dans les figures 2 et 3. Cet effet affecte la
réponse, mais également le temps de réponse. Résoudre la figure 1

prend plus de temps que pour la figure 4. Observé initialement par

(Störring, 1908), l’effet a été reproduit par plusieurs auteurs (Dickstein, 1978;
Ford, 1995; Johnson-Laird et Bara, 1984). La plupart des explications
théoriques reposent, de manière plus ou moins explicite, sur l’idée que
l’identification du moyen terme est plus facile dans la figure 4 que

dans la figure 1 parce que dans le premier cas, il suffit de suivre l’ordre de
lecture des termes. L’intégration peut alors se faire directement au

cours de la lecture (Jamet et Déret, 2003).


Figure 1.5 – Intégration des prémisses dans la résolution des figures 1 et 4

Le raisonnement démonstratif

37

3.3.2 Le biais d’atmosphère

Il se manifeste par une nette préférence à choisir ou à produire une

conclusion négative (en E ou O) lorsqu’au moins une des prémisses est

négative et à choisir ou produire une conclusion particulière (en I ou O)


lorsqu’au moins une des prémisses est particulière.

Cet effet a été mis en évidence par Woodworth et Sells (1935) qui

suggèrent que la résolution des syllogismes est influencé par les carac-

téristiques linguistiques des quantificateurs dans les prémisses avec une


prépondérance du particulier sur l’universelle et des propositions négatives
sur les propositions affirmatives.
Tableau 1.10 – Pourcentages d’acceptation des conclusions non valides
observés par Sells (1936)

Pour mémoire, A = affirmative universelle ; E = affirmative particulière ; I =


négative universelle et O = négative particulière.

Dans son étude, Sells (1936) a proposé une tâche d’évaluation de la vali-

dité d’une conclusion à soixante-cinq sujets. Les énoncés sont abstraits

et le jugement se fait sous la forme d’un questionnaire à choix multiple.

Ce biais a suscité beaucoup d’intérêt et continu d’en susciter. Le pouvoir


explicatif de l’effet d’atmosphère et la relative simplicité de la formulation
ont amenés les auteurs à donner un statut explicatif et non plus

seulement descriptif à cette notion d’atmosphère (Begg et Denny, 1969;

Woodworth et Sells, 1935), mais cette théorie s’est heurtée à plusieurs

oute reproduction non autorisée est un délit.

critiques : les prédictions qui en découlent ne sont pas assez spécifiques,


d’autres théories font les mêmes (Evans, 1972; Wason et Johnson-Laird,

1972) ; elle s’appliquent également aux syllogismes valides ce qui ne

© Dunod. T
38 Raisonnement, résolution de problèmes et prise de décision

permet pas d’affirmer l’existence d’un mécanisme irrationnel (Bourne,

Dominowski, et Loftus, 1979), Enfin cette théorie ne tient pas compte

de la figure et par conséquent est incapable de rendre compte de l’effet

figural (Déret, 1998; Johnson-Laird et Bara, 1984).

3.3.3 Le biais de croyance

Dans les tâches d’évaluation de la conclusion, avec des prémisses

thématiques, on observe un taux d’acceptation plus important avec les

prémisses crédibles, c’est-à-dire correspondant aux connaissances du

sujet et ce, indépendamment de la validité du syllogisme. En voici des

exemples.

Tableau 1.11 – Trois exemples de syllogismes fallacieux inégalement


crédibles Ces trois exemples sont tous fallacieux. Dans cette expérience, une

procédure d’évaluation de la conclusion a été utilisée. Les sujets devaient dire


si oui ou non la conclusion était acceptable. Les taux d’acceptabilité parlent
d’eux-mêmes. Lorsque la conclusion est conforme aux connaissances
(exemple A) elle est bien plus acceptable que lorsqu’on doit

raisonner sur des catégories inconnues (exemple B) ou lorsque la conclu-

sion contredit nos connaissances (exemple C). Si le biais de croyance

existe avec les syllogismes invalides, il ne semble pas affecter ceux-ci de la


même manière. Evans, Barston et Pollard (1983) ont observés un taux

d’acceptabilité pour des arguments valides de 89 % pour les conclusions

crédibles contre 56 % pour les conclusions non crédibles. Avec les argu-

ments non valides, l’acceptabilité varie de 71 % à 10 %. Les hypothèses

explicatives postulent une évaluation sérielle de la crédibilité et de la validité.


Selon une première hypothèse, la validité serait évaluée après

la crédibilité et seulement si cette dernière est faible. A contrario, dans la


seconde hypothèse, la crédibilité ne serait évaluée que si l’examen de la

Le raisonnement démonstratif

39

validité n’a pas permis de trancher. Ces deux hypothèses ne permettent

pas de rendre compte des données de façon satisfaisante et doivent s’inté-

grer à une théorie plus générale comme celle des modèles mentaux de

Johnson-Laird.

Ces effets et ces biais mettent en lumière l’utilisation de critères logiquement


non pertinents pour produire, sélectionner ou juger d’une
conclusion. Plusieurs explications théoriques ont été proposées pour

rendre compte de ces effets et biais de raisonnement. Ils soulignent

encore une fois, si besoin en est, le décalage entre les critères et les règles de
la logique formelle et les critères et règles utilisés par les sujets dans leur
activité de raisonnement, et notamment du contenu des prémisses

et du sens qu’il leur est donné. Il semble en effet qu’un certain nombre

d’erreurs puissent être dues à une interprétation des quantificateurs non


conforme au carré des oppositions présenté plus haut.

3.4 Les théories du raisonnement catégorique

De nombreuses théories ont été élaborées pour rendre compte de la

façon dont les sujets humains résolvent les syllogismes catégoriques.

Certaines de ces théories sont spécifiques à cette forme de raisonnement.

Ainsi la théorie de l’effet d’atmosphère que nous avons évoqué précédem-

ment propose que le choix de la conclusion soit principalement guidé

par les quantificateurs présents dans les prémisses (Begg et Denny, 1969;
Sells, 1936; Woodworth et Sells, 1935). Dans ce cas, c’est l’interprétation des
prémisses qui prévaut dans l’explication des résultats expérimentaux.

Une autre approche consiste à se focaliser sur la stratégie des sujets pour
élaborer leur réponse. Ainsi Ford (1995) a proposé de distinguer deux

stratégies, l’une verbale avec laquelle la conclusion est élaborée en


appliquant des règles similaires à celle de la logique mentale, l’autre imagée
qui consiste à représenter les prémisses à l’aide de schéma analogue à

ceux d’Euler. Bien qu’intéressantes, ces théories présentent l’inconvé-


nient majeur de rendre compte du seul raisonnement catégorique et sont

difficilement transposables aux autres formes de raisonnement.

Chapman et Chapman (1959), puis Revlis (1975), ont proposé de

rendre compte de la résolution des syllogismes par une conversion des

prémisses, c’est-à-dire en inversant la place du prédicat et du sujet. Cette


conversion est possible seulement si la prémisse reste vraie après conversion.
Elle ne pourra donc se faire que pour les quantificateurs I et E mais oute
reproduction non autorisée est un délit.

pas A et O. Selon cette théorie, les erreurs résulteraient de conversions


illicites (Ceraso et Provitera, 1971). Cette théorie ne permet cependant

© Dunod. T

40 Raisonnement, résolution de problèmes et prise de décision pas de rendre


compte de l’effet figural et surtout les conversions sont loin d’être aussi
générale que le veut cette théorie (Newstead et Griggs, 1983).

Enfin, parmi les théories spécifiques à ce type de raisonnement, il

faut citer celles qui s’appuient sur la construction de représentations

analogues aux diagrammes d’Euler. Les deux principales théories de ce

type sont celles d’Erickson (1974, 1978) et de Sternberg (1981). Dans ces
théories, les sujets sont supposés inférer la conclusion en combinant les
représentations de prémisses sous la forme de cercles d’Euler. Dans un

premier temps, le sujet encode chaque proposition en sélectionnant des

relations ensemblistes compatibles sans pour autant les prendre toutes en


compte. Les prémisses sont ensuite encodées sous forme de diagrammes

et combinées pour former la conclusion. Celle-ci est ensuite encodée


sous forme verbale. Ces théories n’ont cependant pas réussi à montrer

un bon ajustement aux données. Par ailleurs, elles font toutes les deux

l’hypothèse de l’existence d’un certain nombre de biais de réponses, dont


l’effet d’atmosphère, alors qu’elles devraient en rendre compte.

3.4.1 La théorie des modèles mentaux

Une des premières théories générales du raisonnement syllogistique

est la théorie des modèles mentaux (Johnson-Laird, 1983; Johnson-Laird

et Steedman, 1978). Cette théorie a rencontré un large succès car elle

permet également de rendre compte du raisonnement propositionnel et

du raisonnement relationnel. Cette dernière forme de raisonnement, non

traité dans cet ouvrage, consiste à raisonner sur des propositions du type A
est à droite de B ou A est plus grand que B. Selon la théorie des modèles
mentaux, la résolution d’un syllogisme se déroule en trois étapes.

Dans un premier temps, les prémisses sont interprétées à l’aide d’un

modèle mental. Dans le cas des syllogismes catégoriques, il s’agit de

se représenter un ensemble d’individus compatibles avec la prémisse.

Contrairement aux cercles d’Euler dont il a été question plus haut, il

ne s’agit pas de représenter des classes, mais un ensemble d’individus

composant ces classes. Pour éviter les allers-retours, nous allons à nouveau
préciser les conventions de notation. Chaque ligne du modèle représente

un individu compatible avec la ou les prémisses pour lequel on note la


présence (A) ou l’absence (¬A) d’une caractéristique. L’exhaustivité des

exemplaires considérés est signalée en les mettant entre crochets. Ainsi

« Tous les acrobates sont bilingues » peut être noté :

[A] B

Le raisonnement démonstratif

41

Dans cette interprétation de la prémisse, on ne se représente que des

individus acrobates et bilingues. Cette interprétation peut être complétée en


imaginant des individus qui ne sont pas acrobates ou qui ne sont ni

acrobates, ni bilingues. Un modèle plus complet serait noté ainsi :

[A] B

¬A
B

¬A

¬B

On le voit, les deux dernières lignes n’ajoutent rien à l’interpréta-

tion de la prémisse (elle concerne des non-acrobates). En revanche un

acrobate qui ne serait pas bilingue est exclu ce qui est exprimé ici par

la mise entre crochet de A. Cette seconde représentation épuise donc

les possibles. Il faut maintenant interpréter la seconde prémisse, par

exemple : « Certains bilingues sont courageux. » Celle-ci peut être repré-

sentée ainsi :

BC

¬C

¬B

¬ B]

¬C

En fait, il n’y a pas d’étape de fusion des deux prémisses en tant que

tel. La théorie prévoit que la représentation de la première prémisse est


enrichie à l’aide des éléments issus de la compréhension de la seconde.
Ainsi, l’information sur les bilingues est ajoutée à celle sur les acro-

bates. La théorie prévoit ensuite que le sujet élabore une conclusion en

supprimant le moyen terme de la représentation. Les différentes étapes

d’élaboration de la conclusion sont résumées dans la figure 1.6.

oute reproduction non autorisée est un délit.

Figure 1.6 – Les étapes d’élaboration de la conclusion dans la théorie des


modèles mentaux (Johnson-Laird, 1983)

© Dunod. T

42 Raisonnement, résolution de problèmes et prise de décision Ce modèle


permet de conclure que certains acrobates sont courageux. La dernière étape
prévue par la théorie est la recherche de contre-

exemple pour vérifier la conclusion. Si aucun n’est trouvé, la conclusion est


acceptée.

Une des principales forces de cette théorie est de permettre de prédire

la difficulté d’un argument en fonction du nombre de modèles néces-

saires pour parvenir à une conclusion valide, mais aussi de fournir une

explication sur la préférence dans l’ordre des éléments dans la conclu-

sion. Ainsi les syllogismes faciles ne nécessitent la construction que d’un seul
modèle mental, alors que les plus difficiles en requièrent trois. Ces
prédictions ont été confirmées par des résultats expérimentaux (Johnson-
Laird et Bara, 1984). Par ailleurs un phénomène récemment mis en

évidence par Johnson-Laird et Savary (1999) atteste de la difficulté,

voire de l’impossibilité à percevoir la contradiction dans les prémisses


que n’avaient pas prévue les autres théories. C’est ce qu’ils appellent

des illusions cognitives. En voici un exemple emprunté à Santamaria et

Johnson-Laird (2000) :

Une seule des deux propositions suivantes est vraie en ce qui concerne John :
(a) John est un avocat ou un économiste ou les deux.

(b) John est un sociologue ou un économiste ou les deux.

Il n’est pas à la fois avocat et sociologue.

Question : John est-il économiste ?

Les propositions (a) et (b) correspondent à des disjonctions inclu-

sives. D’après la théorie des modèles mentaux, l’interprétation de celles-ci


conduit aux modèles suivant :

Pour la proposition (a) :

Avocat

Économiste

Avocat

Économiste

Pour la proposition (b) :

Sociologue

Économiste

Sociologue

Économiste
Le raisonnement démonstratif

43

Cette seconde prémisse exclut qu’un avocat soit sociologue. En effet,

l’intégration dans une représentation unique nous donne le modèle

suivant :

Avocat

Économiste

Avocat

Économiste

Sociologue

Sociologue

Économiste

Avec cette représentation, John peut être ou non économiste. La

théorie des modèles mentaux prévoit en conséquence que la plupart

des sujets répondront « oui » ou « je ne sais pas » à la question, ce que


confirment les observations. Pourtant une telle conclusion est inconsis-tante
avec les prémisses. En effet, la première assertion indique que si la première
prémisse est vraie, alors la seconde est fausse et inversement, ce qui est
équivalent à une disjonction exclusive entre (a) et (b). Or si John est
économiste, cela rend les propositions (a) et (b) vraies.

Si (a) est vraie, la seule conclusion possible est que John est avocat
puisqu’il n’est pas sociologue. De la même façon, si la (b) est vraie, alors la
première est fausse, et John ne peut pas davantage être économiste. Il en
découle que John est sociologue. Qu’on réponde « oui » ou qu’on réponde

« je ne sais pas », nous sommes victimes d’une impossibilité à percevoir

la contradiction entre les prémisses appelée « illusion cognitive ».

Bien qu’intéressante, la théorie des modèles mentaux rencontre des

difficultés à rendre compte de certains biais. Ainsi la théorie postule que


l’évaluation de la crédibilité intervient après la formulation de la conclusion.
Si celle-ci est crédible, le traitement est interrompu et la conclusion est
acceptée. Cela constitue une autre formulation de la priorité de la

crédibilité sur la validité que nous avons évoquée précédemment. Si

la conclusion n’est pas crédible, la recherche de modèles alternatifs se

poursuit. La principale conséquence est que crédibilité devrait avoir plus


d’effet sur les syllogismes nécessitant la construction d’un seul modèle

que sur ceux qui en nécessitent plusieurs. Or cette prédiction n’a pas pu être
confirmée par les données, obligeant les auteurs à reformuler leur

théorie (Bucciarelli et Johnson-Laird, 1999; Oakhill, Johnson-Laird, et

Garnham, 1989).

Par ailleurs, cette théorie comporte d’autres faiblesses mises en

oute reproduction non autorisée est un délit.

évidence par Ford (1995). En premier lieu, le comptage des modèles

mentaux nécessaires à la résolution d’un syllogisme varie en fonction

© Dunod. T
44 Raisonnement, résolution de problèmes et prise de décision

du point de vue adopté. Ford souligne également une propension chez

les sujets, pour certains syllogismes, à produire une conclusion repre-

nant le quantificateur de l’une des prémisses et l’ordre dans lequel les

termes S et P ont été présentés. Or, dans la théorie des modèles mentaux, ces
syllogismes correspondent presque exclusivement à ceux qui nécessitent trois
modèles. Il n’est donc pas possible de discriminer le rôle

du nombre de modèles et celui lié à la propension à choisir le même

quantificateur et le même ordre pour S et P. Le dernier argument avancé

par Ford provient de l’analyse de protocoles individuels de vingt sujets

ayant eu à résoudre 27 syllogismes. Ces résultats montrent que les sujets


utilisent soit des représentations eulériennes soit des codages verbaux

des prémisses. Aucun des sujets observés n’a utilisé de représentation

fondée sur des membres de chaque classe.

3.4.2 La logique mentale


Les tenants de la logique mentale ont également la prétention de

rendre compte du raisonnement syllogistique (Braine et O’Brien, 1998 ;

Rips 1994). Rappelons que les tenants de cette approche postulent l’exis-

tence chez les sujets de règles syntaxiques dont l’enchaînement permet

de rendre compte de la production ou de l’évaluation de la conclusion.

Ces théories constituent des extensions des théories élaborées pour les

syllogismes propositionnels fondées sur la possibilité de réécrire un

énoncé quantifié en un énoncé propositionnel. Ainsi « tous les A sont

B » est équivalent de « si A ( x) alors B ( x) » ce qui signifie que si x est A


alors x est B, x représentant un exemplaire quelconque de la classe et A la
classe d’appartenance. On peut ainsi réécrire chaque proposition

quantifiée de la façon suivante :

Tableau 1.12 – La réécriture des énoncés catégoriques en énoncés


propositionnels (d’après Rips, 1994)
Le raisonnement démonstratif

45

Moyennant l’ajout de quelques règles spécifiques aux syllogismes dans

la théorie générale, Rips montre que le modèle de la logique mentale

peut résoudre les syllogismes catégoriques. Ces règles concernent par

exemple l’instanciation des variables ou l’appariement des constantes.

Nous illustrerons le phénomène en reprenant un exemple de George

(1997) dans une version un peu simplifié et présenté dans le tableau 1.13.

Tableau 1.13 – Une illustration du fonctionnement du modèle de Rips (1994)


Au départ, le syllogisme catégorique est réécrit en une série d’énoncés

propositionnels comme nous l’avons montré précédemment. Puis la

règle d’élimination de « et » est appliquée. Selon cette règle, si a et b est vrai,


alors chacun des deux termes est vrais séparément. Cette séparation des
termes de la conjonction permet l’appariement de a et de b pour les grands
blocs et permet donc de montrer que le grand bloc est carré. Il ne reste plus
qu’à appliquer le modus ponens pour montrer que la conclusion est valide. Le
modèle permet de prédire très précisément le taux d’acceptation de la
conclusion. Dans son expérience, Rips (1994) a comparé ces

taux à ceux obtenus chez des individus pour les 256 syllogismes. Les

résultats s’avèrent mitigés. Pour un nombre important de syllogismes, les


observations sont proches du modèle, mais pour certains, les écarts sont

importants. De surcroît cette théorie prédit difficilement le type d’erreur fait


par les sujets et le recours à des règles ad hoc pour les syllogismes affaiblit la
pertinence du modèle pour cette forme de raisonnement.
oute reproduction non autorisée est un délit.

© Dunod. T

46 Raisonnement, résolution de problèmes et prise de décision

3.4.3 L’approche pragmatique

Pour pouvoir formuler une conclusion ou même simplement la sélec-

tionner, les sujets s’appuient sur une interprétation des prémisses, notamment
du connecteur. Contrairement à l’intuition, ces quantificateurs,

à l’exception de l’universelle négative (aucun) peuvent renvoyer à des

cas très différents et admettent plusieurs interprétations. Si l’on consi-dère


deux ensembles quelconques A et B, on peut décrire cinq types de

relations, dont certaines sont compatibles avec un ou plusieurs quan-

tificateurs comme le montre le tableau 1.14. Les cinq relations sont


représentées graphiquement pas des cercles d’Euler. Nous pouvons voir

que le quantificateur universel affirmatif est vrai dans le cas d’égalité entre
les deux ensembles et dans le cas de l’inclusion de A dans B. Une

seule interprétation est possible pour le quantificateur universel négatif

« aucun » : la disjonction des ensembles de A et de B. Dans tous les cas où le


quantificateur « tous » est vrai, le quantificateur particulier affirmatif

« quelques » est vrai, ce qui correspond à la relation de subalternation.

Il en est de même entre le quantificateur « aucun » et le quantificateur

particulier négatif « quelques ne sont pas ». Le tableau 1.14 représente

une autre façon d’exprimer les relations contenues dans le carré des

oppositions d’Aristote. Il permet de mettre en évidence la polysémie des

quantificateurs du point de vue de la logique.

Tableau 1.14 – Les interprétations possibles des quantificateurs

du point de vue de la logique

Le raisonnement démonstratif

47

Certaines de ces interprétations semblent évidentes. C’est le cas de

l’égalité pour l’interprétation de « tous les A sont B ». D’autres le sont moins


et ne sont pas construites spontanément pas les sujets comme

par exemple l’inclusion de B dans A pour l’interprétation de « quelques

A ne sont pas B ». Enfin certaines paraissent manifestement abusives et


seront rejetées systématiquement par les sujets en dehors de tâches de

raisonnement purement formel. C’est le cas de l’égalité pour l’interprétation


de « quelques A sont B » et de la disjonction pour l’interprétation de

« quelques A ne sont pas B ». Pourquoi refusons-nous ces interprétations ?

Le raisonnement humain s’inscrit toujours dans une situation de commu-

nication. Le langage en est le média et lorsque nous communiquons,

nous utilisons des règles conversationnelles pour comprendre l’implicite.

Grice (1975) a bien décrit ces lois pragmatiques qui gouvernent nos

échanges conversationnels. Pour lui, la contribution de chaque interlo-

cuteur au cours d’un échange conversationnel est régie par des « maximes

de la conversation » que chaque interlocuteur est supposé respecter :

• Maxime de quantité : « Soyez aussi informatif que nécessaire, mais

pas plus. »

• Maxime de qualité : « Ne dites que ce que vous savez vrai. »

• Maxime de relation : « Soyez pertinent. »

• Maxime de manière : « Soyez bref et précis, évitez les expressions

obscures ou ambiguës. »

L’intérêt de ces maximes ne réside pas dans leur respect par les interlo-

cuteurs, mais au contraire dans leur violation. Ces règles sont indépen-

dantes du but de l’échange conversationnel qui peut avoir différentes


finalités : communiquer des informations, argumenter, exercer des pres-

sions sur l’autre, etc. Dans tous les cas, même les plus conflictuels, le
principe de coopération est respecté, dans la mesure où les deux
interlocuteurs se parlent et, de ce fait, sont supposés respecter un certain

nombre de règles. Mais on peut également tricher et transgresser, volon-

tairement ou non les règles. C’est sur ces violations des maximes que

seront fondés les mécanismes d’implicitation. Lorsqu’une maxime est

transgressée, l’auditeur doit, en effet, chercher la ou les propositions qu’il


faut construire pour que l’échange soit compatible avec les maximes.

Des situations quotidiennes de l’usage de ces transgressions des

maximes dans le but de provoquer une implicitation chez l’auditeur

nous sont données par toutes les formes de discours indirects. C’est par

exemple une petite fille qui aperçoit un jouet dans le magasin et qui dit oute
reproduction non autorisée est un délit.

à sa mère : « Cette poupée est très belle » ou encore un convive à table qui
s’adresse à son hôte en lui demandant : « Pouvez-vous me passer le sel ? »

© Dunod. T

48 Raisonnement, résolution de problèmes et prise de décision Dans le


premier cas, l’énoncé de la petite fille manque de pertinence par rapport à
l’action en cours (faire des achats). Pour rétablir la pertinence, la mère doit
faire l’inférence que la petite fille veut implicitement dire qu’elle aimerait
qu’on lui achète la poupée en question. De la même

façon, l’hôte ne peut pas douter que le convive ne remet pas en question

sa capacité à donner le sel. La forme interrogative n’est donc pas une


question. Les maximes de quantité et de manière doivent donc avoir été

respectées par le convive et la question doit être interprétée comme une

façon polie de demander la salière.

En quoi ces principes de Grice nous éclairent-ils sur l’interprétation

des prémisses dans les syllogismes catégoriques ? Les quantificateurs sont,


comme beaucoup d’unités lexicales, organisés par une relation d’ordre.

Ils constituent une échelle : « tous », « certains », « certains ne sont pas »,

« aucun ». Il en va de même des nombres, des termes modaux (« nécessai-

rement », « peut-être », etc.) ou de certains adjectifs (« excellent », « bon »,,

« moyen », « médiocre » etc.). Lorsque nous employons ces échelles dans

une conversation, nous sommes supposés respecter le principe d’infor-

mativité, de sorte que les échelons supérieurs sont exclus. Si quelqu’un

me dit qu’il a dix euros dans sa poche, je peux faire l’inférence qu’il

n’a pas onze ou douze euros. De la même façon, lorsqu’un enseignant

dit d’un étudiant que c’est un bon étudiant, l’interlocuteur est en droit
d’impliciter que cet étudiant n’est pas excellent. On comprend alors assez
aisément pourquoi, dans le cas des syllogismes catégoriques, la relation

de subalternation n’est pas reconnue par les sujets lorsqu’on n’insiste

pas explicitement dessus. Dire que dans un panier, certaines pommes

sont rouges, c’est, en vertu du principe d’informativité, exclure l’idée

qu’elles le sont toutes, même si d’un point de vue strictement logique,


certains n’est pas en contradiction avec tous.

Le raisonnement démonstratif

49

! 

Exercices

Ô Questions à choix multiples

1- En logique formelle, une proposition est…

a. Ce qui est dit à propos d’une entité.

b. Une affirmation qui correspond à la réalité.

c. Une unité de signification vraie ou fausse.

d. Une conclusion qu’on peut vérifier.

2- Lequel de ces principes n’appartient pas à la logique formelle ?

a. Le principe de clôture des prémisses.

b. Le principe de réalité.

c. Le principe du tiers exclu.

d. Le principe de non-contradiction.

3- Un argument est valide si…

a. Si la conclusion n’admet pas d’exception.

b. Si la conclusion n’est pas absurde.

c. Si la conclusion n’admet pas d’alternative.


d. Si la conclusion n’est pas impossible.

4- La tâche de Wason est une variante de…

a. La tâche d’évaluation de la conclusion.

b. La tâche de production de la conclusion.

c. La tâche d’évaluation de la table de vérité.

d. La tâche de sélection de la conclusion.

5- Dans un raisonnement déductif :

a. La conclusion est plus générale que les prémisses.

b. Le sens des prémisses détermine la validité de la conclusion.

oute reproduction non autorisée est un délit.

c. La validité dépend de nos connaissances.

d. La vérité des prémisses garantit la vérité de la conclusion.

© Dunod. T

50 Raisonnement, résolution de problèmes et prise de décision 6- Associez le


schéma de déduction et l’exemple qui lui correspond.

1. Modus Tollens

a. Si le suspect est coupable

alors il n’a pas d’alibi donc si le

suspect a un alibi alors il n’est

pas coupable
2. Modus Tollendo Ponens

b. Les pommes sont rouges et

les poires sont mûres donc les

pommes sont rouges

3. Elimination

c. S’il pleut alors j’ouvre mon

parapluie , je n’ouvre pas mon

parapluie donc il ne pleut pas

4. Contraposition

d. Le train est à l’heure ou je

suis en retard au bureau ; le train

n’est pas à l’heure donc je suis en

retard au bureau

7- Quels arguments sont valides dans l’implication ?

a. L’affirmation du conséquent.

b. La négation du conséquent.

c. L’affirmation de l’antécédent.

d. La négation de l’antécédent.

8- Lequel de ces arguments est-il fallacieux ?

a. Dans ce panier, il y a des pommes rouges ou des pommes


jaunes ; il y a des pommes rouges donc il y a des pommes jaunes.

b. Boire ou conduire, il faut choisir ; je ne conduis pas donc je bois.

c. S’il pleut alors je prends un parapluie ; il pleut donc je prends mon


parapluie.

d. On ne peut avoir à la fois le beurre et l’argent du beurre ; je n’ai pas le


beurre donc j’ai l’argent du beurre.

9- Pour quelle(s) raison(s) l’interprétation des connecteurs de la logique


formelle est-elle source de difficulté dans le raisonnement humain ?

a. Le langage n’est pas assez riche pour en traduire le sens.

b. Ils ne font pas référence à la réalité.

c. Ils sont monosémiques.

d. Ils ne sont pas valides.

Le raisonnement démonstratif

51

10- Voici les règles composant le schéma pragmatique de la permission.

L’une d’elle est incorrecte. Laquelle ?

a. Règle 1 : Si on veut accomplir l’action A, alors la condition

C doit être remplie.

b. Règle 2 : Si on ne veut pas accomplir l’action A, alors la condition C n’a


pas besoin d’être remplie.

c. Règle 3 : Si la condition C est remplie, alors l’action A ne peut pas être


accomplie.
d. Règle 4 : Si la condition C n’est pas remplie, alors l’action A ne doit pas
être accomplie.

11- Quelles sont les principales critiques de la théorie des schémas


pragmatiques ?

a. La théorie postule l’existence de schémas trop abstraits.

b. La théorie n’a été élaborée que pour deux types de schémas.

c. La théorie demande beaucoup de connaissances pour appli-

quer les schémas.

d. La théorie ne précise pas les conditions de déclenchement.

12- Braine (1990) a soutenu la thèse de la logique mentale en supposant


l’existence de règles de raisonnement. Quelles sont les caractéristiques

de ces règles ?

a. Elles sont universelles, abstraites et déclenchées

automatiquement.

b. Elles sont spécifiques au contenu des prémisses et demandent

beaucoup d’efforts.

c. Elles sont générales et dépendantes du contenu des prémisses.

d. Elles sont spécifiques à un individu et s’appliquent

inconsciemment.

13- Quelles sont les critiques formulées à l’encontre de la thèse de la logique


mentale ?
a. Les effets de contenu des énoncés ne sont pas pris en compte.

b. Les sujets n’y comprennent pas grand-chose.

c. Les règles sont trop précises et pas toujours justes.

oute reproduction non autorisée est un délit.

d. Certains schémas simples ne sont pas toujours appliqués.

© Dunod. T

52 Raisonnement, résolution de problèmes et prise de décision 14- Deux


propositions sont subcontraires lorsque…

a. La vérité d’une proposition entraîne la fausseté d’une autre

proposition mais la fausseté de l’une n’entraîne pas la fausseté

de l’autre.

b. La fausseté d’une proposition entraîne la vérité de l’autre

proposition, mais la vérité de l’une n’entraîne pas la fausseté

de l’autre.

c. La vérité d’une proposition entraîne la fausseté de l’autre et inversement.

d. La vérité de la proposition universelle implique la vérité de

la proposition particulière.

15- Laquelle de ces inférences immédiates est-elle valide ?

a. Tous les S sont P donc quelques S ne sont pas P.

b. Quelques S sont P donc tous les S sont P.


c. Quelques S ne sont pas P donc quelques S sont P.

d. Quelques S ne sont pas P donc aucun S n’est P.

16- Lequel de ces biais ne concerne-t-il pas le raisonnement catégorique.

a. L’effet figural.

b. L’effet d’atmosphère.

c. L’effet de contiguïté.

d. Le biais de croyance.

17- Quels sont les postulats de la théorie des modèles mentaux appliquée au
raisonnement ?

a. Le raisonnement est interrompu seulement lorsqu’une

conclusion valide est trouvée.

b. Le raisonnement commence par la conversion des prémisses

en une règle formelle.

c. Le raisonnement dépend du niveau d’éducation.

d. La difficulté d’un raisonnement dépend du nombre de

modèles mentaux à produire.

18- Afin d’étendre le modèle de la logique mentale au traitement des


syllogismes catégoriques, Rips (1994) a proposé de convertir les propositions
catégoriques en énoncés propositionnels. Mettez en correspon-

dance les énoncés et leur conversion.

Le raisonnement démonstratif
53

1. Tous les A sont B

a. A(x) et non B(x)

2. Quelques A sont B

b. Non A(x) et B(x)

3. Quelques A ne sont pas B

c. Si A(x) alors B(x)

4. Aucun A n’est B

d. A(x) et B(x)

19- Laquelle de ces propositions catégoriques n’admet-elle qu’une


interprétation à l’aide des cercles d’Euler ?

a. Tous les A sont B.

b. Quelques A sont B.

c. Aucun A n’est B.

d. Quelques A ne sont pas B.

20- Mettez en correspondance les maximes de Grice et leur définition.

1. Maxime de quantité

a. Ne dites que ce que vous savez

vrai

2. Maxime de qualité
b. Soyez pertinent

3. Maxime de relation

c. Soyez aussi informatif que

nécessaire, mais pas plus

4. Maxime de manière

d. Soyez bref et précis. Évitez les

expressions obscures ou ambiguës

Ô Texte lacunaire. Complétez le texte suivant.

Il existe plusieurs méthodologies possibles pour étudier les mécanismes

de raisonnement. Les tâches les plus simples consistent à demander

aux sujets d’évaluer, produire ou sélectionner une [1]. On peut égale-

ment faire évaluer une [2] en faisant sélectionner aux sujets, parmi un

ensemble de propositions, celles qui sont compatibles avec la ou les

prémisses. La tâche de Wason est une variante de ce dernier type de

tâche. Elle consiste à énoncer aux sujets une règle comme « si une carte

à une voyelle d’un côté alors elle a un chiffre pair de l’autre côté » et à
présenter quatre cartes représentant les quatre prémisses [3] qu’il est possible
d’associer à cette proposition conditionnelle en leur demandant

de retourner les cartes [4] et [5] pour décider si la règle est respectée.

D’un point de vue logique, cette règle est une [6]. On s’attend donc à ce que
les sujets retournent la voyelle qui correspond au modus ponens et le chiffre
impair qui correspond au modus tollens. Les résultats observés par oute
reproduction non autorisée est un délit.

Wason (1968) montrent que les sujets choisissent les cartes logiquement

pertinentes dans à peine 10 % des cas, préférant retourner la seule voyelle

© Dunod. T

54 Raisonnement, résolution de problèmes et prise de décision

ou la voyelle et le chiffre pair. Pour expliquer ces résultats, plusieurs


hypothèses ont été avancées. La première concerne la référence à la [7].

Selon cette hypothèse, les résultats de Wason seraient dus au caractère

artificiel de la règle. La comparaison avec une version concrète de la tâche de


Wason montre que les cas pertinents sont plus souvent sélectionnés

avec un contenu thématique (Wason et Shapiro, 1971). Griggs et Cox

(1982) ont, quant à eux, avancé l’idée que la performance dépendrait

des [8] des sujets sur la règle. Ils ont pour cela utilisé une règle postale et
comparé des sujets anglais, italiens et américains. Ces derniers n’ayant

pas la pratique de la règle ont sélectionné moins souvent les deux cartes
pertinentes. Ces résultats ont permis de remettre en cause la thèse de

la logique mentale, mais celle-ci est réapparue sous une forme atténuée

avec la théorie des schémas [9] de Cheng et Holyak (1985). Selon cette

théorie, les sujets posséderaient des règles générales de raisonnement,


comme la permission ou [10], qui préciseraient les conditions à satis-

faire pour réaliser une action. En reprenant le paradigme de Wason, les

auteurs ont apporté des résultats qui créditent la plausibilité psycho-

logique des schémas pragmatiques, mais le nombre limité de schémas

étudiés et le manque de précision sur les conditions de déclenchement

des schémas ont suscité également de nombreuses critiques (Politzer et

Nguyen, 1992).

Ô Question de rélexions

• La logique formelle est-elle un bon modèle du raisonnement

humain ? Pourquoi ?

• Le raisonnement est-il dépendant de la situation d’énonciation ?

• Un biais de raisonnement est-il une erreur ?

Lectures conseillées

George, C. (1997). Polymorphisme du raisonnement humain : une approche


de la flexibilité de l’activité inférentielle. Paris, PUF.

Richard, J.-F. (2005). Les activités mentales : De l’interprétation, de


l’information à l’action (4e éd.). Paris, Armand Colin.

Rossi, S., et Van der Henst, J.-B. (2007). Psychologies du raisonnement.


Bruxelles, De Boeck.

Cha 2

pitre
LE

RAISONNEMENT

NON DÉMONSTRATIF

aire

Somm

1. L’induction............................................................................. 57

2. L’abduction ........................................................................... 67

3. Le raisonnement analogique ............................................... 75

Si toutes les informations étaient disponibles sur tout et à tout moment, nous
n’aurions pas besoin de raisonnement non démonstratif. Les raisonnements
déductifs suffiraient à extraire de ces informations les connais-

sances implicites auxquelles nous n’avons pas accès. C’est bien parce

que notre ignorance du monde est plus grande que notre connaissance

que nous devons dépasser les faits connus pour tenter d’appréhender

l’inconnu. Si nous pouvons le faire, c’est grâce au raisonnement non

démonstratif. Ce type de raisonnement ne peut pas être guidé par des

règles formelles. Les connaissances du monde y jouent un rôle crucial.

Nous allons aborder dans ce chapitre trois types de raisonnement non

démonstratif : l’induction, l’abduction et le raisonnement analogique.

1. L’induction

L’induction est un mécanisme de raisonnement très important par


lequel nous généralisons à des cas inconnus ce que nous savons des cas

que nous avons rencontrés. Par exemple, si un individu fait le tour des

bergeries d’un village et ne rencontre que des moutons blancs, il peut

être tenté de conclure que tous les montons sont blancs. Il sera d’autant plus
tenté que le nombre de moutons rencontrés est important et que la

plausibilité de rencontrer un mouton qui n’est pas blanc lui paraît faible.

Cette forme de raisonnement est caractérisée par un mouvement qui

va du particulier au général. On dit que c’est un « raisonnement ampli-

fiant ». Elle implique également un changement de quantificateur : les

quelques moutons que j’ai vus sont blancs ; donc tous les moutons sont

blancs. L’induction n’est pas un raisonnement valide dans la mesure où il est


impossible d’exclure la possibilité d’une conclusion alternative, d’un contre-
exemple. Le seul cas où l’induction est valide est précisément celui où un
contre-exemple est mis en évidence. Dans ce cas, on est sûr que la

règle ou la propriété ne s’applique pas à tous les individus.

Il semble également plus facile de faire confiance à certains arguments

inductifs qu’à d’autres. Cela dépend à la fois des connaissances qui corro-
borent un énoncé (degré de confirmation), l’acceptabilité de la relation

qui unit les prémisses et la conclusion (force de l’argument) et le nombre de


cas favorables connus. Pour illustrer cela, prenons deux exemples :

oute reproduction non autorisée est un délit.

© Dunod. T
58 Raisonnement, résolution de problèmes et prise de décision q Ce fragment
de métal est un bon conducteur ; DONC tous les

fragments de ce métal sont de bons conducteurs.

q Un étudiant dans cette salle est romancier ; DONC tous les

étudiants dans cette salle sont romanciers.

Le premier argument est plus facile à accepter que le second. En effet,

nos connaissances nous confirment que les métaux sont des conducteurs

et que, la matière étant homogène, les propriétés sont partagées par tous les
fragments. Dans le second exemple, le talent littéraire n’est pas connu pour
être la propriété la mieux partagée entre les individus, du coup, il paraît
moins plausible.

1.1

Les méthodes d’étude de l’induction

Deux composantes doivent être distinguées dans l’induction la

première concerne l’identification des régularités permettant de formuler la


règle. La seconde composante consiste à projeter sur un ensemble

plus large d’individus et à évaluer cette projection. La psychologie

s’est beaucoup plus attachée à la première composante qu’à la seconde

comme le montre cette petite revue des principales méthodes d’étude

de l’induction.

Ô Le complètement de séries

Ce type de tâches a été très utilisé pour l’étude de la première compo-


sante. Dans ce type de tâche, l’expérimentateur présente aux sujets

une série d’items et leur demande de produire un exemplaire qui vient

compléter cette série, par exemple une suite de chiffres comme :

2 3 5 8 12 …

Une variante de ce type de tâche consiste à demander au sujet de

compléter une catégorie. Dans ce type de tâche, le sujet doit indiquer l’intrus
dans une série ou identifier le point commun, ce qui suppose, dans

les deux cas, qu’il a identifié la ou les régularités sur les autres éléments.

Certaines planches des tests d’intelligences comme le Wisconsin ou

les matrices de Raven sont typiques de ce type de tâches. En voici un

exemple verbal simple :

PAIN BEURRE CONFITURE SALADE LAIT CAFÉ

Le raisonnement non démonstratif 59

Ô L’identiication de concepts

Dans ce type de tâches, le sujet doit identifier les propriétés d’un

concept cible imaginé par l’expérimentateur. Ces concepts peuvent

être, par exemple, des figures géométriques ou des cartes comportant

des lettres et des chiffres qui seront caractérisées par une ou plusieurs
dimensions (couleur, forme, taille, etc.). Pour découvrir les propriétés du
concept cible, le sujet se voit proposer un certain nombre d’exemplaires

pour lesquels il doit dire si oui ou non ils correspondent au concept. La


réponse du sujet peut ou non être suivie d’un feedback. Nous en
développerons un peu plus loin un exemple.

Ô Le test d’hypothèse

Dans ce type de tâches, les sujets doivent découvrir la règle imaginée

par l’expérimentateur. Pour cela, ils doivent proposer à l’expérimenta-

teur des exemplaires possédant les propriétés correspondant à l’hypo-

thèse qu’ils souhaitent tester. Ainsi dans la tâche du repas empoisonné

(Arenberg, 1982), ils doivent découvrir lequel des quatre plats constituant un
repas est empoisonné. Cela dépend du type d’aliments constituant

chacun des plats. Pour cela, ils peuvent choisir entre plusieurs variantes de
chaque plat (pour l’entrée par exemple une salade ou de la charcuterie) et
poser des questions auxquelles l’expérimentateur répondra par oui ou

non. La tâche « 2-4-6 » de Wason (1960) que nous développerons un peu

plus loin constitue un autre exemple de ce type de tâche.

1.2 L’identification de concepts

Identifier les régularités revient à identifier la ou les propriétés

communes à un ensemble d’objets, autrement dit à rechercher une règle

de classification de ces objets. Compte tenu de la richesse information-

nelle de notre environnement, cette tâche peut s’avérer difficile. Une

expérience de Medin, Wattenmaker et Michalski (1987) illustre bien

cette difficulté et la diversité de réponses qu’il est possible de construire.


Dans cette expérience, l’expérimentateur présente aux sujets un

ensemble de trains dont certains se dirigent vers l’est et les autres vers
l’ouest. Ces trains sont caractérisés par plusieurs dimensions : le nombre de
wagons, la forme des wagons, la couleur des roues, le type de charge

symbolisé par des formes géométriques dans les wagons. Nous reprodui-

oute reproduction non autorisée est un délit.

sons ci-dessous le matériel utilisé par ces auteurs.

© Dunod. T
60 Raisonnement, résolution de problèmes et prise de décision

Figure 2.1 – Le matériel utilisé par Medin et al. (1987) (reproduit avec
autorisation) Dans cette expérience, les sujets avaient à réaliser quatre tâches
: une

tâche de tri libre ; une tâche de tri contraint limité à deux groupes de

trains d’égale importance ; une tâche de tri libre avec une catégorie

« autre » et une tâche d’induction de règle. Nous limiterons la présenta-

tion des résultats à cette dernière tâche. On peut voir sur la figure 2.1

que le matériel est complexe et supporte plusieurs règles de classification.

Elles peuvent concernent une ou plusieurs propriétés. Dans ce dernier

cas, les propriétés peuvent être présentes ou absentes ; ensemble ou pas.

Les sujets dans cette expérience étaient répartis en deux groupes selon

qu’ils étaient ou non informés au préalable des différentes dimensions

caractérisant les trains. Les résultats globaux sont rapportés dans le

tableau 2.1.

Tableau 2.1 – Nombre de sujets en fonction du type de règle produit

dans chacun des groupes (d’après Medin et al. , 1987)

Les auteurs ont observé une grande diversité des réponses. L’information

préalable sur les dimensions constitutives du matériel n’a pas d’influence sur
les résultats. On peut voir dans le tableau 2.1 que les sujets produisent
majoritairement des règles conjonctives ou disjonctives et finalement
Le raisonnement non démonstratif 61

assez peu de règles simples. Pourtant, une analyse détaillée des stratégies
montre que les sujets commencent par formuler une règle simple s’appliquant
aux exemples mais souffrant de contre-exemples. Pour surmonter

ceux-ci, au lieu d’abandonner la règle initiale, ils la complètent par l’ajout


d’une nouvelle propriété commune aux exemples et contre-exemples, ce

qui conduit à une règle conjonctive. S’ils n’en trouvent pas, ils cherchent une
propriété complémentaire permettant de rendre compte des contre-exemples
et aboutissent ainsi à une règle disjonctive.

Cet exemple montre comment peut opérer l’extraction de propriétés

dans une situation pour construire une règle. À ce stade, il ne s’agit pas
encore vraiment d’induction puisqu’elle ne concerne que des exemples

connus, Pour l’appliquer à de nouveaux exemples, il faut tester ce qui

n’est encore qu’une hypothèse.

1.3 Le rôle des connaissances dans l’induction

Avant d’aborder le test d’hypothèse, arrêtons-nous un instant sur


les critères qui affectent la confiance accordée à un argument inductif.

Osherson et al. (1990) ont réalisé une étude dans laquelle ils présentent aux
sujets des paires d’arguments en leur demandant lequel est la plus

convaincant. Pour neutraliser les effets liés à la forme, prémisses et

conclusion ont toutes la forme d’une proposition catégorique affirma-

tive universelle. Le matériel est construit en faisant varier le nombre de


prémisses d’un à trois. Le type de conclusion a également été contrôlé

en utilisant soit une catégorie spécifique, soit une catégorie générale. Les
effets observés et les résultats sont présentés dans le tableau 2.2. Pour chacun
des arguments, seuls sont indiqués des exemples des catégories

employées. Le chiffre entre parenthèses qui suit l’exemple correspond

au nombre de sujets ayant jugé l’argument plus convaincant que l’autre.

Tableau 2.2 – Effets du contenu des prémisses et résultats observés par


Osherson et al.

(1990)

oute reproduction non autorisée est un délit.

© Dunod. T

62 Raisonnement, résolution de problèmes et prise de décision Les résultats


montrent l’importance des connaissances catégorielle

dans l’évaluation d’un argument inductif. Osherson et al. (1990) ont ainsi
observé un effet de typicité des prémisses. Un argument paraît plus
acceptable lorsque les prémisses sont formées des catégories typiques.

Ainsi, des deux arguments suivants, (a) est plus acceptable que (b).
(a) Les rouges-gorges ont une concentration de potassium dans

le sang supérieure à celle des humains DONC tous les oiseaux

ont une concentration de potassium dans le sang supérieure à

celle des humains

(b) Les pingouins ont une concentration de potassium dans le

sang supérieure à celle des humains DONC tous les oiseaux ont

une concentration de potassium dans le sang supérieure à celle

des humains

Cet effet n’est pas observé pas avec les arguments spécifiques. En

revanche, il est plus facile d’accepter un argument spécifique lorsque la


catégorie de la conclusion est similaire à celles des prémisses. Certains effets
sont relevés pour les deux types d’arguments. Ainsi un argument

est plus acceptable si les catégories dans les prémisses sont dissemblables
(diversité) et l’acceptabilité d’une conclusion croît avec le nombre de

prémisses (monotonie).

À partir de ces résultats, Osherson et al. (1990) ont élaboré un modèle


théorique appelé similarité-couverture ( simlarity-coverage) qui repose sur
deux variables : la ressemblance entre les catégories des prémisses et la
catégorie de la conclusion et la ressemblance entre les catégories des

prémisses et la moins générale des catégories incluant les prémisses et

la conclusion. L’argument suivant illustre ces deux variables :

Les rouges-gorges utilisent la sérotonine comme neurotransmet-


teur ; les geais utilisent la sérotonine comme neurotransmetteur

DONC les oies utilisent la sérotonine comme neurotransmetteur.

Dans cet exemple, la première variable correspond à la similarité

entre les rouges-gorges et les geais d’une part et les oies d’autre part. La
seconde correspond à la similarité des trois sortes d’oiseaux et la classe des
oiseaux. Ces deux variables sont la formalisation d’un raisonnement

qui en langage naturel serait le suivant : les rouges-gorges et les geais


partagent la propriété. Il est possible que tous les oiseaux aient cette

propriété. Les oies sont des oiseaux, il est donc possible qu’elles aient cette
propriété. Ce modèle a été étayé par des données expérimentales

attestant que les connaissances catégorielles influencent bien l’accep-

tabilité d’un argument inductif. Ces connaissances sont cependant très

Le raisonnement non démonstratif 63

générales puisque même en l’absence de connaissances sur le système


sanguin ou sur la neurologie des animaux, les arguments peuvent s’avérer

convaincants.

L’induction permet également de raisonner sur des mondes inconnus,

mais encore une fois ce que nous savons délimitera ce que nous accep-

terons comme conclusion. Nisbett, Krantz, Jepson et Kunda, (1983) ont

imaginé une ingénieuse étude pour évaluer le rôle de connaissances sur

les raisonnements inductifs en demandant aux sujets d’imaginer qu’ils

étaient des explorateurs fraîchement débarqués sur une île inconnue.

Sur cette île vivent des oiseaux bleus nichant dans les eucalyptus, les

schrebbles. L’île est également habitée par une tribu indigène, les Barratos
dont les individus sont obèses et noirs et on y trouve une matière rare, le
floridium qui conduit l’électricité et brûle en dégageant une flamme verte.

Figure 2.2 – Estimation et justifications par les sujets de la fréquence dans la


population des exemplaires possédant une propriété en fonction du nombre
d’exemples rencontrés (d’après Nisbett, Krantz, Jepson et Kunda, 1983)

Selon la variante, l’expérimentateur informe les sujets sur le nombre

de cas observés et interrogent sur la probabilité que de nouveaux cas

présentent chacune des propriétés citées. En ce qui concerne le flori-

dium, les résultats sont proches de 100 % pour les deux propriétés et

70 % et 85 % pour les schreebles, selon le nombre de cas observés. Pour

les Barratos, la généralisation apparaît très facile pour la couleur de la peau,


mais pas pour l’obésité, même avec vingt observations où un peu
moins de trois sujets sur quatre acceptent de la généraliser. Les auteurs oute
reproduction non autorisée est un délit.

ont demandé aux sujets de justifier leurs évaluations après l’expérience.

Les résultats, présentés dans la figure 2.2 sous forme simplifiée, montrent

© Dunod. T

64 Raisonnement, résolution de problèmes et prise de décision que la


justification majoritaire pour le floridium est l’homogénéité de la classe pour
les deux propriétés. C’est également le cas, pour la couleur de peau des
Barratos. Dans tous les autres cas, la justification est l’hétérogé-

néité de la catégorie. Ainsi on accepte plus facilement la généralisation pour


un corps chimique quelle que soit la propriété, mais pas pour un

animal ou un individu, notamment pour des caractères comme l’obésité

connue pour dépendre fortement de déterminants individuels.

1.4 Le test d’hypothèse

Plusieurs facteurs influencent le test d’hypothèse. Ainsi, celui-ci peut

s’avérer plus ou moins facile selon qu’il porte sur une propriété ou sur

une combinaison de propriétés. La nature de cette combinaison influence

également le test d’hypothèse. Ainsi Bourne (1970) a montré dans une

tâche de découverte de règles que les règles conjonctives et disjonctives sont


plus rapidement trouvées que les règles conditionnelles et biconditionnelles
(pour une présentation plus détaillée, voir Meunier, 2009).

Plusieurs recherches attestent également que les sujets n’accordent pas

une égale importance aux informations positives ou négatives sur leur


hypothèse. Ainsi, Lecoutre (1976) a observé dans une tâche de découverte

d’une règle unidimensionnelle que les sujets privilégiaient l’information


positive (oui, l’objet fait partie de la classe visée). Dans cette tâche, les sujets
devaient choisir un objet parmi ceux qui leur étaient présentés et découvrir la
règle en un minimum d’essais. Lorsqu’ils croient avoir trouvé la solution, de
nombreux sujets n’ont pris leur décision et proposé une

règle qu’après avoir testé un nouvel objet pour recevoir une confirmation de
leur hypothèse.

1.5 La tâche 2-4-6

Cette propension à confirmer une hypothèse a été mise en évidence

de manière particulièrement démonstrative dans la tâche « 2-4-6 » de

Wason (1960). Dans cette tâche, le sujet doit découvrir la règle constitutive
d’un triplet de nombres, dont 2-4-6 est un exemple, en proposant à

l’expérimentateur de nouveaux triplets pour lesquels l’expérimentateur

dira s’ils respectent ou non la règle. Lorsque le sujet pense avoir découvert la
règle, il la propose à l’expérimentateur qui, s’il la valide, met fin à
l’expérience ou invite le sujet à poursuivre le test.

Pour réaliser cette tâche, le sujet peut construire toutes les suites

de trois nombres qu’il souhaite. Selon le point de vue pris, plusieurs

Le raisonnement non démonstratif 65

hypothèses sont possibles. Pour cela, il doit prendre en considération les


propriétés de l’exemple qui lui est proposé et dont on lui dit qu’il respecte la
règle. Les nouveaux triplets doivent donc posséder une ou plusieurs

de ses propriétés (triplet de nombres, croissants, pairs et consécutifs).


Les propositions des sujets correspondent généralement à des hypo-

thèses spécifiques telles que « trois nombres en ordre croissant avec un

intervalle de 2 ». La règle imaginée par l’expérimentateur est en fait plus


générale puisqu’il répondra positivement à toutes suites de nombres

croissants. Pour tester leur hypothèse, les sujets proposent des triplets comme
« 6-8-10 » ou « 2-4-7 ». Si l’hypothèse est confirmée, la réponse

devrait être « oui » pour la première et « non » pour la seconde. Les

résultats montrent que les exemples de la première catégorie sont très

largement majoritaires. Autrement dit, les sujets ont tendance à tester

des triplets qui respectent la règle qu’ils ont en tête et pour laquelle ils
attendent une réponse positive alors que logiquement, ils auraient dû

chercher à l’infirmer. Ces résultats ont été interprétés comme un biais

de confirmation.

Une telle interprétation peut s’avérer séduisante. Elle comporte cepen-

dant plusieurs difficultés. Dans une telle situation où l’hypothèse testée est un
cas particulier de la règle, le sujet est moins exposé à rencontrer des contre-
exemples et donc à chercher une hypothèse alternative (Richard,

2005). De plus, l’exemple fourni par l’expérimentateur oriente les hypo-

thèses que peuvent produire les sujets. Il y a en effet une présomption

de pertinence prêtée par le sujet à l’expérimentateur dans le choix de

l’exemple qu’il propose. Van Der Henst, Rossi et Schroyens, (2002) ont

modifié un peu la tâche originale en l’insérant dans un contexte qui


donne moins d’importance à la spécificité de l’exemple. Dans leur expé-

rience, les sujets doivent activer un jackpot pour que s’affiche le triplet et ce
n’est qu’à ce moment-là que l’expérimentateur les informe que c’est

un exemple conforme à la règle à trouver. Les résultats montrent que la

règle spécifique est beaucoup plus vite abandonnée, permettant ainsi la

découverte de la règle de l’expérimentateur.

1.6 Biais ou stratégie ?

Ces résultats suggèrent que l’interprétation en termes de biais de

confirmation n’est pas aussi évidente qu’il y paraît. Klayman et Ha (1987)


ont également contesté cette interprétation et proposé de voir dans cette oute
reproduction non autorisée est un délit.

tendance à rechercher des exemples positifs une heuristique appelée

© Dunod. T
66 Raisonnement, résolution de problèmes et prise de décision

« stratégie du test positif ». À la différence du biais, une stratégie est une


démarche volontaire.

Tableau 2.3 – Efficacité des stratégies des tests positif et négatif en fonction
de la relation entre H et T (d’après Klayman et Ha, 1987)

Le rationnel de cette stratégie consiste à chercher les cas présentant

une propriété cible plutôt que ceux où elle est absente. La pertinence

d’une telle stratégie dépend largement de la relation d’inclusion entre

les cas supposés avoir les propriétés (H) et ceux qui l’ont effectivement (T).
Dans la situation « 2-4-6 » de Wason, l’hypothèse des sujets est celle d’une
règle plus spécifique. Dans ce cas, le premier dans le tableau 2.3, le seul test
concluant consiste à proposer des triplets ne possédant pas la propriété (H –),
par exemple 1-2-3 pour tester l’hypothèse d’une suite de nombres pairs. La
proposition de triplets conformes à l’hypothèse testée
(H +) n’étant pas concluante. En cas de recouvrement partiel, l’hypo-

thèse peut être falsifiée avec H + et H –. En cas d’inclusion de T dans H,


autrement dit si l’hypothèse est plus générale que la règle effective, le seul
test concluant est H +. Le cas de disjonction de H et T est également un cas
où H + et H – peuvent permettre de conclure. Le cas d’identité

entre H + et H – ne permet pas de conclure. On voit dans cette analyse

que la proposition de cas négatifs n’est la plus pertinente que dans le cas très
spécifique que constitue la tâche 2-4-6. Dans les autres cas, proposer des cas
positifs peut également permettre de falsifier la règle et donc

constituer une stratégie efficace.

Cette stratégie du test positif permet également de revisiter les résul-

tats de la tâche des quatre cartes de Wason (1968) dans laquelle les sujets
doivent vérifier une règle conditionnelle. Nous avons vu précédemment

Le raisonnement non démonstratif 67

que les réponses attendues correspondent aux deux syllogismes condi-

tionnels valides et le patron de réponse le plus fréquent dans la version


classique est p et q. Ce résultat a été interprété par les auteurs comme un biais
de confirmation (Johnson-Laird et Wason, 1970) ou de biais

d’appariement conduisant à reprendre les termes présents dans la règle.

Une autre façon de voir le résultat attendu est de considérer que les

deux cartes à retourner sont les seules permettant de réfuter la règle

en observant un contre-exemple. En fait, comme le souligne Evans,

« le problème nécessite la compréhension de la logique conditionnelle


pour sa solution mais il n’est pas simplement un problème déductif »

(Evans, 1982, p . 157 ). C’est une tâche de test d’hypothèse qui nécessite de
mettre en œuvre le principe de réfutation, d’identifier dans la

table de vérité les cas incompatibles avec la règle et de trouver parmi

les cartes celles qui correspondent à ces cas. Avec une implication, il est
nécessaire de réaliser un test sur H (avoir une voyelle) et un test sur T

(avoir un nombre pair). Les cartes A, K, 4 et 7 correspondent respecti-

vement aux tests H +, H –, T + et T –. Dans le cas de la stratégie du test


positif, on comprend que le sujet sélectionne préférentiellement A qui

correspond à H +.

2. L’abduction

Cette forme d’inférence consiste à élaborer une hypothèse explica-

tive à partir de faits connus pour être vrais. Comme l’induction, elle se
distingue de la déduction par le fait que la vérité des prémisses ne garantit pas
la vérité de la conclusion. Le raisonnement est donc incertain, même

si les prémisses sont tenues pour vraies. Induction et déduction ont

également en commun de faire intervenir principalement les connais-

sances des sujets. Avec l’induction, nous avons vu comment pouvait

se généraliser à une population une caractéristique observée sur un ou

plusieurs cas et l’évaluation de cette généralisation avec test d’hypothèse par


l’observation de nouveaux cas. Dans l’abduction, c’est la motivation

de la règle à partir d’une observation qui est recherchée. Nous allons


donc nous intéresser à la formulation d’hypothèse et à l’évaluation de

sa plausibilité.

oute reproduction non autorisée est un délit.

© Dunod. T

68 Raisonnement, résolution de problèmes et prise de décision

Figure 2.3 – Les trois formes d’inférence selon Peirce (1931)

On doit à Peirce (1931) la distinction entre la déduction, l’induc-

tion et l’abduction. Pour expliquer ces trois formes de raisonnement, il

propose de partir d’un argument à deux prémisses. Ces arguments sont

donc composés de trois propositions, la règle que nous avons préala-

blement appelée la majeure, le cas qui correspond à la mineure et le

résultat qui est la conclusion. Les trois formes d’inférence résultent de la


combinaison des trois propositions. Dans la déduction, la conclusion

est obtenue en appliquant une règle connue pour être vraie à des faits

observés (antécédent). La conclusion découle logiquement des prémisses.

Dans l’induction, c’est la règle qu’on infère des observations (antécédent et


conséquent) et dans l’abduction, c’est une justification du conséquent et de la
règle par l’antécédent qu’on cherche à obtenir.

Il n’aura pas échappé au lecteur attentif que l’exemple donné dans la

figure 2.3 est en fait un cas d’affirmation du conséquent. Nous avons

vu avec le raisonnement déductif que cet argument n’est pas valide. On

aurait cependant tort de réduire l’abduction à ce syllogisme fallacieux.

Cette forme de raisonnement n’est pas réductible à une construction

syntaxique et les propositions ne sont pas équivalentes du point de vue

des informations disponibles. Si le conséquent est considéré comme

connu, la règle n’a que le statut d’une hypothèse explicative permet-

tant d’inférer l’antécédent. Contrairement au raisonnement déductif,

les prémisses ne sont donc pas closes et la formulation de l’hypothèse

implique un recours aux connaissances de l’individu. Par ailleurs, l’ordre des


prémisses n’est pas indifférent. L’observation du conséquent est

Le raisonnement non démonstratif 69

première et déclenche la recherche d’une règle explicative, donnant ainsi à


l’antécédent le statut d’explication du conséquent.
Ce type d’inférence a été étudié en psychologie dans le cadre du raison-

nement causal et de l’étude de l’activité de diagnostic. Nous traiterons

dans cette section surtout de la première. La seconde sera traitée dans le


chapitre 4 avec la prise de décision.

2.1 La formulation d’hypothèses causales

La question de la formulation d’hypothèse est centrale dans l’abduc-

tion. Elle trouve son origine dans nos connaissances. Celles-ci sont acti-vées
en fonction du phénomène à expliquer, cette activation se faisant

de façon sélective. Ainsi, pour expliquer pourquoi un objet brille, il est


nécessaire d’avoir recours à des connaissances sur les causes de la brillance
et, si le sujet n’en dispose pas, d’en élaborer une. Nous ne sommes cependant
pas dans une recherche de cause sur tous les individus, objets

et événements que nous rencontrons. Cette recherche est en général

déclenchée dans des situations inattendues ou indésirables, des questions


explicites des covariations ou l’échec dans une tâche (Bohner, Bless,

Schwarz, et Strack, 1988; Brown et Van Kleeck, 1989).

Dans une expérience, Hastie (1984) a présenté à vingt-quatre étudiants

six histoires, de deux à six phrases, qu’ils devaient continuer. Selon les
versions, les sujets recevaient une information congruente ou non sur

un trait de caractère du personnage de l’histoire. Les réponses des sujets ont


été classées selon la méthode des juges en trois catégories : des explications
(24 %), des élaborations (69 % des réponses) précisant les circonstances de
l’histoire et des prolongations (7 % des réponses) expliquant ce qui se passe
après l’histoire. Les explications sont produites plus fréquemment pour les
versions non congruentes quelle que soit la longueur
de l’histoire. La tâche était suivie d’une tâche de rappel dont les sujets
n’étaient pas avertis et comme on peut s’y attendre, la performance au

rappel est plus importante avec les versions non congruentes. Les événe-

ments inattendus déclenchent donc plus fréquemment la recherche de

cause et un traitement approfondi des informations.

oute reproduction non autorisée est un délit.

© Dunod. T

70 Raisonnement, résolution de problèmes et prise de décision

Figure 2.4 – Proportion de rappels corrects en fonction de la fin de l’histoire


demandée et du type d’information complémentaire donnée (d’après Hastie,
1984) Dans une seconde expérience, Hastie (1984) a contraint le type de

suite de l’histoire attendue. Les résultats sont présentés dans la figure 2.4.

On observe un effet de la congruence de l’information complémentaire,


mais également un effet du type de suite demandée. Les histoires sont

mieux rappelées lorsqu’une explication causale est requise et, quel que

soit le type de fin demandée, les versions non congruentes sont mieux

rappelées. L’élaboration d’une relation causale, n’est donc pas automa-

tique, mais lorsqu’elle est réalisée, que ce soit de façon spontanée ou

provoquée, elle s’accompagne d’un traitement plus approfondi de l’infor-

mation comme en témoigne l’effet sur la mémorisation.

2.2 Hasard et causalité

Le raisonnement causal est un mécanisme cognitif essentiel à la

compréhension du monde. Il permet de réduire la complexité de l’envi-

ronnement et de prédire le comportement d’un certain nombre d’entités

ou de phénomènes. Il ne se laisse cependant pas appréhender de manière

simple selon qu’on considère la causalité d’un point de vue déterministe

ou non.

L’identification de la causalité s’appuie en premier lieu sur la covaria-

tion d’une cause et d’une conséquence. Une telle conception trouve son

origine dans les propositions de David Hume (1739-1987) selon lesquelles

les relations causales seraient élaborées à partir des informations sensorielles.


Ces dernières ne contenant pas explicitement de telles relations, c’est sur la
base des co-occurrences de la cause et de son effet que celles-ci

Le raisonnement non démonstratif


71

sont élaborées. Pour établir une telle relation, il faut que la cause soit suivie
systématiquement de la conséquence, ce qui revient à vérifier une

implication. Cela suppose aussi une répétition des observations. Une

telle conception se focalise sur l’enchaînement des événements plutôt

que sur les mécanismes causaux (Maxwell, 2004). La version statistique

du point de vue de la covariation aboutit à l’approche probabiliste, en

particulier l’approche bayésienne dont nous reparlerons dans le chapitre

sur la prise de décision. Dans cette approche, une cause A est une cause

probable de la conséquence B si la probabilité conditionnelle d’avoir B

si on a A est supérieure à la probabilité conditionnelle d’avoir B si n’on a pas


A ( Cheng, 1997; Wolff, 2007).

Dans quelles conditions les individus construisent-ils des relations

causales ? Il semble que la recherche de cause soit déclenchée chaque

fois que l’information est nécessaire pour pouvoir agir. Comme nous

venons de l’expliquer, la découverte des causes se fonde sur l’identification


de régularités ou de corrélations entre des événements. Celle-ci est très
influencée par la proximité temporelle entre les deux événements.

Cela ne suffit cependant pas toujours et l’identification de la cause peut


échouer dans certains cas soit parce qu’on identifie une cause là où il

n’y en a pas, soit parce qu’on ne reconnaît pas la relation causale qui
unit deux événements.

Il y a corrélation entre un événement A et un événement B lorsqu’on

observe avec une fréquence supérieure au hasard la survenue conjointe

de A et de B. Que A s’accompagne fréquemment de B ne signifie cepen-

dant pas que A soit la cause de B. Une première source d’interpréta-

tion erronée d’une corrélation est l’existence d’un facteur caché. Ainsi,
lorsque la vente de crème glacée augmente, la vente de lunettes de soleil
augmente aussi, mais il ne viendrait à personne l’idée que la vente de

glace est la cause de la vente de lunettes. L’importance de l’ensoleillement


paraît plus vraisemblable. L’erreur peut également provenir d’une inversion
entre la cause et l’effet. L’humoriste Pierre Dac a souligné avec malice que
70 % des gens meurent au lit et a conseillé de ne pas se coucher,

mais peut-on vraiment penser que se mettre au lit soit la cause du décès.

Dans le même registre, plusieurs études ont mis en évidence que l’échec

scolaire était plus fréquent chez les enfants ayant redoublé précocement.

Peut-on supprimer l’échec scolaire en supprimant le redoublement ? Ce

serait confondre la cause et la conséquence.

Corrélation et causalité sont deux relations de nature très différentes.

oute reproduction non autorisée est un délit.

La corrélation est une relation symétrique entre deux événements. A

contrario, la causalité est asymétrique. A cause B implique que B ne peut

© Dunod. T
72 Raisonnement, résolution de problèmes et prise de décision exister en
l’absence de A. Il existe également un ordre temporel entre

les deux événements. La cause précède logiquement la conséquence. Par

ailleurs, deux autres principes fondent la relation de causalité, le principe de


nécessité (pour que B existe, il faut A) et le principe de suffisance (pour avoir
B, il suffit d’avoir A). Ce n’est qu’à ces trois conditions que nous pouvons
établir une relation de causalité.

Bien que cette différence soit intuitivement facile à comprendre et que

nous puissions aisément sourire de quelques exemples tendancieux, nous

nous laissons facilement prendre au piège de l’attribution causale abusive.

De manière générale, les individus ont beaucoup de mal à accepter la

covariation d’événements sans relation causale. Ainsi lorsqu’on montre à

des sujets des formes géométriques en mouvement sur un écran, ceux-ci

ont tendance à les décrire en utilisant des verbes comme se suivre, se


poursuivre ou s’opposer qui dénotent une attribution d’intention aux formes
géométriques (Heider et Simmel, 1944). Cette personnalisation de formes

géométriques et la rationalisation de mouvements aléatoires reflètent la

nécessité de comprendre le phénomène pour pouvoir le prévoir.

La covariation n’est d’ailleurs pas obligatoire pour attribuer une rela-

tion causale. Des travaux en psychologie sociale (Hamilton, Dugan, et

Trolier, 1985; Hamilton et Gifford, 1976) ont mis en évidence l’illusion du


cas unique ( one shot illusory) dans laquelle un comportement inhabituel
unique d’un membre d’un groupe inhabituel suffit à créer un lien entre
le comportement et le groupe, l’appartenance au groupe tenant alors

lieu d’explication du comportement (Risen, Gilovich, et Dunning, 2007).

Un autre exemple de phénomène de pseudo-corrélation est la loi des

séries. Lorsque plusieurs accidents aériens ou ferroviaires surviennent

dans un laps de temps relativement court, il ne faut pas longtemps pour

trouver des individus qui invoquent la loi des séries pour expliquer cette
proximité temporelle dont la probabilité n’est pourtant pas supérieure

au hasard (Janvresse et de la Rue, 2007).

Le phénomène de « main heureuse » chez les joueurs de cartes ou

dans les jeux d’adresse est un autre exemple d’une telle croyance en la

loi des séries. Dans une recherche, Gilovich, Vallone, et Tversky (1985)

ont montré que les fans, mais aussi les joueurs et les entraîneurs, consi-
déraient comme plus probable de marquer un panier au basket-ball

après un ou plusieurs tirs réussis alors que statistiquement la proba-

bilité de réussir chaque tir est indépendante des tirs précédents. Dans

cette recherche, les auteurs ont proposé aux sujets des séries alternants des
tirs réussis (1) ou ratés (0) dans la zone des trois points. Chaque

série contient onze réussites et dix échecs et les auteurs font varier la
probabilité d’inversion du résultat du tir. Ainsi dans la série suivante

Le raisonnement non démonstratif 73

« 101010001101010011101 », la probabilité d’inversion est de 0,70


puisque nous avons 14 changements sur 20 possibles. Statistiquement,

c’est à une probabilité de 0,50 qu’il faudrait s’attendre. La série suivante en


est un exemple : « 111010001101000011101 ». Quiconque a déjà joué

un peu au basket-ball sait que la forme de joueurs varie et qu’ils traversent


des moments de plus ou moins grandes réussites. Intuitivement, la réussite ne
dépend donc pas du seul hasard pour les individus interrogés.

C’est effectivement ce que montrent les résultats de l’expérience. Lorsque les


sujets doivent choisir une série représentant la réussite aux tirs, ce sont
majoritairement les séries avec une probabilité de changements

de 0,70 et 0,80 qui sont sélectionnées alors que les séries ayant une

probabilité de 0,50 ne sont choisies que par 32 % des sujets. Lorsqu’on

demande de choisir des séries représentant l’échec, les séries présentant une
probabilité de 0,50 sont choisies par 62 % des sujets. Un tel résultat est
complètement contre-intuitif et a suscité, à l’époque, un grand émoi

dans la communauté sportive. Cette recherche a également éveillé l’in-

térêt des chercheurs notamment dans le domaine de la prise de décision

(pour une revue, voir Alter et Oppenheimer, 2006). Du point de vue du

raisonnement causal qui nous intéresse dans ce chapitre, ce phénomène

soulève principalement deux questions :

• La première question est celle de la conséquence de l’évaluation de

cette causalité sur le comportement des joueurs ? Cela dépend de la

question posée aux individus. Si l’on demande : « Les joueurs ont-ils

plus de chances de réussir un tir après avoir réussi deux ou trois


tirs qu’après avoir raté deux ou trois tirs ? », il s’agit d’évaluer dans l’absolu
une probabilité de réussite qui n’est pas connectée au déroulement du match
et donc ne constitue pas une prise de décision. Si

l’interrogation est : « Est-il important de passer la balle à un joueur

qui vient de réussir deux ou trois tirs de suite ? » alors elle implique

une prise de décision qui impacte le comportement des joueurs.

• La seconde question est celle du statut du phénomène : erreur ou

stratégie adaptative. La réponse à cette question dépend du modèle

mathématique utilisé pour estimer la probabilité a priori de réussite.

L’idée de considérer les tirs composant une série comme a priori

indépendants et donc d’assimiler la réussite à un tirage aléatoire

a été contestée. Marquer un panier n’est pas de même nature que

tirer à pile ou face. Les facteurs individuels et les variations de forme au


cours d’un match et, a fortiori au cours d’une saison, ne sont oute
reproduction non autorisée est un délit.

pas négligeables, en outre d’autres analyses statistiques mettent en

évidence la prédictibilité de la réussite à partir des réussites précé-

© Dunod. T

dentes (Gigerenzer et Todd, 1999).

74 Raisonnement, résolution de problèmes et prise de décision 2.3


L’attribution causale

Le raisonnement causal a été particulièrement étudié en psychologie


sociale. Il est en effet important dans les relations interpersonnelles de
comprendre comment les individus donnent du sens à leur comportement ou
aux comportements des autres. Ces études relèvent de ce qu’on

appelle la psychologie naïve. Nous n’en donnerons ici qu’un aperçu. Les

théories de l’attribution seront développées de façon plus complète dans

le cadre des cours de psychologie sociale. Nous nous focaliserons sur le

processus inférentiel.

On doit au psychologue autrichien Fritz Heider (1896-1988) la notion

d’attribution causale. Il la définit comme un processus inférentiel permettant


de prédire, et in fine d’essayer de maîtriser, un comportement ou un
événement en identifiant les causes. Ce processus est tout à fait essentiel à la
construction d’une représentation de l’environnement qui pour être

compréhensible doit être stable et prévisible. Illustrons cela à l’aide d’une


discussion empruntée à Manusov et Spitzberg (2008).

Sheryl : Hé, vous avez vu comment le professeur m’a regardé quand je lui

ai posé une question ?

Théo : Oui, il avait l’air vraiment confus !

Sheryl : Vraiment ? Je pensais qu’il me considérait comme l’élève la plus


stupide.

Théo : Non, je suis sûr qu’il essayait juste de trouver la réponse.

Kyle : Je pensais qu’il avait attrapé la grippe.

Ce rapide échange entre ces élèves montre combien l’identification

de la cause d’un comportement est importante mais aussi l’importance


de la variabilité individuelle. Pour Heider, cette attribution de la cause revient
à remonter des effets aux causes, de ce qui est observable à ce

qui explique l’observable. Pour y parvenir, l’attribution causale s’appuie


selon Heider (1958) sur une sorte d’analyse factorielle naïve dans laquelle
l’individu essaie de faire la part des facteurs liés aux personnes ou à

l’environnement. Il distingue donc deux types de causalité : personnelle

ou situationnelle. Illustrons cela en reprenant la situation scolaire et

nous situant cette fois du côté du professeur qui souhaite comprendre

pourquoi tel élève réussi son examen. Le premier facteur explicatif est

l’intention de l’élève dont on peut difficilement imaginer la réussite

contre son gré, mais également les efforts qu’il a déployés pour apprendre et
se préparer à l’examen. L’intention et les efforts ne suffisent cependant pas.
L’élève doit également avoir acquis les connaissances et construit

Le raisonnement non démonstratif 75

les compétences nécessaires pour réaliser la tâche de l’examen. Ce sont

les causes personnelles. Connaissances et compétences dépendent égale-

ment de la qualité de l’enseignement dispensé. Les caractéristiques de

la situation sont également importantes : la difficulté de la tâche, les

événements survenant avant ou au cours de l’examen. Ce sont les causes

situationnelles.

2.4 Les biais dans l’attribution causale

Comme dans beaucoup d’activités de raisonnement, le modèle de l’in-


dividu se comportant comme un savant naïf est battu en brèche par l’exis-

tence de biais de raisonnement. Le premier d’entre eux, appelé « erreur

fondamentale d’attribution » consiste à surestimer l’explication interne

au détriment de l’explication externe, autrement dit à attribuer plus


facilement la cause au comportement de l’individu plutôt qu’à la situation.

Ainsi, Ross (1977) a montré que dans un jeu de questions-réponses, celui

qui pose les questions était jugé avoir une plus grande culture générale

que ceux qui répondaient alors que la répartition des rôles était aléatoire.

Un autre biais, nommé biais d’intéressement ou biais d’auto-complai-

sance, consiste pour un sujet à se créditer plus facilement les réussites et à


attribuer aux autres les échecs. Bettman et Weitz, (1983) ont montré

une asymétrie dans l’attribution des réussites et des échecs. Dans leur

étude, ils ont analysé les rapports de conseils d’administration et mis en


évidence que les bons résultats étaient assez systématiquement attribués

à la société et les échecs à la situation économique ou à la concurrence.

Lau et Russel (1980) ont obtenu des résultats similaires en analysant

les comptes rendus des journaux sportifs concernant les victoires et les

défaites de l’équipe locale. Bien d’autres biais ont été documentés par la
psychologie sociale. Nous ne les développerons pas ici.

3.

Le raisonnement analogique
Le raisonnement analogique est un mécanisme fondamental pour

l’élaboration de nouvelles connaissances. C’est grâce à ce mécanisme

que nous pouvons donner du sens à la nouveauté et en explorer les

spécificités à l’aide de nos connaissances antérieures (Hofstadter et

oute reproduction non autorisée est un délit.

Sander, 2013). Il a surtout été étudié dans le contexte de la résolution

de problèmes. Dans ce paragraphe, nous l’aborderons sous l’angle de sa

visée épistémique.

© Dunod. T

76 Raisonnement, résolution de problèmes et prise de décision 3.1 Les


différentes formes d’analogie

L’analogie est une notion polysémique correspondant à des types de

traitements très différents. Tous ont en commun de permettre l’élabora-

tion par assimilation puis correction de la représentation. Richard (2005) en


distingue quatre sortes :

• La première forme une heuristique générale d’élaboration d’hy-

pothèse. Cette forme d’analogie intervient lorsqu’on souhaite

comprendre un domaine qu’on ne connaît pas mais qui d’un certain

point de vue ressemble à un autre.

• L’analogie renvoie également à une forme particulière de raison-

nement mettant en jeu deux paires d’éléments entretenant une


relation similaire. C’est la fameuse analogie aristotélicienne particu-

lièrement prisée dans les tests d’intelligence : l’avoine est au cheval

ce que l’essence est à la voiture.

• L’analogie consiste aussi à attribuer les relations connues dans un

domaine à un autre domaine. Ainsi les novices font l’analogie avec

les circuits hydrauliques pour comprendre les circuits électriques

(Gentner et Gentner, 1983).

• L’analogie permet également de réutiliser une procédure connue

dans un domaine pour résoudre un problème dans un autre

domaine. Dans cette catégorie d’analogie, il convient de distinguer

le raisonnement et le transfert analogiques. Ce sont des mécanismes

inférentiels très différents. Dans le cas du transfert, les propriétés

de la situation ne sont pas analysées et servent à l’évocation de la

situation source. Dans le cas du raisonnement en revanche, elles

sont analysées et évaluées

On rencontre le raisonnement analogique dans les activités de compré-

hension. Elle consiste notamment à utiliser les relations existant entre les
objets d’un domaine pour appréhender les relations entre les objets d’un

autre domaine. C’est notamment le cas dans le domaine de l’enseigne-

ment où l’analogie peut être utilisée par l’enseignant ou spontanément


par l’élève pour appréhender une situation nouvelle.

L’analogie se manifeste également dans les activités de raisonnement

et de résolution de problèmes. Il est alors nécessaire de mettre en


correspondance le domaine cible avec un domaine source, correspondance

qui n’est pas toujours aussi facile qu’il y paraît, comme le montrent les
travaux sur la résolution de problèmes isomorphes. L’analogie permet

cependant la découverte de relations qui ne sont pas perçues spontané-

ment, mais elle peut également conduire à une représentation erronée

Le raisonnement non démonstratif 77

(voir par exemple le transfert du problème des missionnaires et des


cannibales vers celui des maris jaloux). Nous y reviendrons dans le chapitre

consacré à la résolution de problème.

Enfin, l’analogie est utilisée dans la communication, notamment la

communication argumentative ou persuasive. Il s’agit dans ce cas de

conduire l’interlocuteur à changer ces points de vue sur la situation

cible en utilisant les relations entre les objets dans une situation source.
On peut citer par exemple les travaux de Spellman et Holyoak (1992,

1996) qui ont montré que l’analogie dans le discours politique pouvait

influencer l’opinion publique. Ces travaux relèvent davantage de la

psychologie sociale et ne seront pas traités dans cet ouvrage.

Dans ce chapitre, nous nous attacherons plus particulièrement à l’uti-

lisation de l’analogie dans la compréhension.

3.2 Les méthodes d’étude de l’analogie

3.2.1 Les matrices de Raven

Les matrices de Raven constituent un des premiers tests de raisonne-

ment analogique. Elles sont surtout utilisées dans le contexte des tests

d’intelligence. Elles présentent l’avantage de permettre l’évaluation

de la capacité de raisonnement à l’aide d’une tâche non verbale. Ce

test est constitué d’un ensemble de planches de difficultés croissantes.

Sur chaque planche, on trouve une matrice de 3 × 3. Chaque ligne est

composée de figures abstraites organisées selon une même règle qu’il

s’agit de découvrir. Nous rapportons dans la figure 2.5 quelques exemples de


planches. Les deux premières lignes servent d’exemples et la troisième doit
être complétée en choisissant une figure parmi plusieurs propositions fournies
sous la planche.

oute reproduction non autorisée est un délit.

Figure 2.5 – Exemples de planches du test de Raven


© Dunod. T

78 Raisonnement, résolution de problèmes et prise de décision

3.2.2 La résolution d’analogie

C’est la tâche classique d’étude du raisonnement analogique. Elle

consiste à proposer une analogie aristotélicienne et à demander au sujet

d’en trouver le quatrième terme. On peut ainsi demander au sujet de

compléter la proposition suivante : « L’aboiement est au chien ce que

le miaulement est au… » La réponse est évidente pour un adulte dans

ce contexte très familier, mais n’est pas si triviale chez le jeune enfant.

Cette méthodologie met en effet en jeu des compétences verbales qu’il

ne maîtrise pas encore.

Pour pallier à ce problème, il est possible d’utiliser des images à l’instar de ce


qu’a fait Raven dans son test. Ainsi, Sternberg et Rifkin (1979) ont montré à
des enfants des dessins en demandant de sélectionner le dessin

qui permet de compléter la seconde paire pour reproduire la relation existant


dans la première. Nous en présentons un exemple dans la figure 2.6.

Figure 2.6 – Deux exemples d’analogie à résoudre (d’après Sternberg et


Rifkin, 1979 ; reproduit avec autorisation)

Dans ce type d’expérience, on manipule la nature et le nombre de

traits qui changent pour chaque objet. On peut ainsi étudier l’effet de ces
facteurs dans la résolution de l’analogie. En étudiant ce type de raisonnement
à différents âges de la vie, Sternberg et Rifkin (1979) ont ainsi

montré que le temps de résolution variait avec l’âge et n’affectait pas de la


même manière les différentes phases du raisonnement analogique.

3.2.3 Le paradigme source-cible

Ce paradigme est surtout utilisé pour étudier le transfert et le raisonnement en


situation de résolution de problème. Il consiste à faire résoudre

Le raisonnement non démonstratif 79

aux sujets un premier problème, appelé « problème source » afin de lui


permettre d’avoir les éléments permettant l’analogie. Dans un second

temps, on soumet aux sujets un second problème, appelé problème cible

dont la solution est analogue.

Figure 2.7 – Les schémas de solution dans les problèmes de la forteresse (à


gauche) et de la tumeur (à droite) de Duncker (1945)

Pour l’illustrer, nous présentons les problèmes utilisés par Duncker

(1945) (figure 2.7). Dans le problème source, il s’agit d’attaquer une

forteresse, mais les chemins qui y mènent sont piégés de sorte que seuls

de petits groupes de soldats peuvent y passer sans dommage. Dans ce

problème, la solution consiste à faire converger les troupes en passant

en petits groupes par de multiples chemins. Dans le problème cible, un

médecin doit réduire une tumeur à l’aide d’un rayon qui à forte dose

détruit les tissus sains et à faible dose ne détruit pas la tumeur. La solution
consiste à irradier la tumeur avec plusieurs rayons convergents.

3.3 Les sources du raisonnement analogique

3.3.1 La métaphore

La résolution de métaphore est sans doute une des situations prototy-

piques de compréhension par analogie et c’est à raison que de nombreux

auteurs ont souligné la proximité entre ces deux mécanismes (Lakoff,

1990 ; Richard, 2005 ; Sander, 2000). La métaphore est une figure de style
qui consiste à désigner un objet ou une notion par un mot convenant
à un autre objet ou une autre notion pour faire passer une idée. Elles

oute reproduction non autorisée est un délit.

sont particulièrement employées dans le langage notamment poétique

mais pas seulement. Nous utilisons, sans en avoir toujours conscience,

des métaphores verbales (Lakoff et Johnson, 1985). Par exemple, ces

© Dunod. T

80 Raisonnement, résolution de problèmes et prise de décision auteurs


rapportent des exemples, dans le domaine de l’argumentation,

d’un vocabulaire relevant au sens propre du domaine guerrier comme

dans les phrases (1) et (2).

(1) Il a ciblé ses attaques sur les points faibles de ma théorie.

(2) Face au feu nourri des critiques, j’ai dû capituler.

Ces emplois métaphoriques tirent parti de la polysémie des mots, en

particulier les verbes (Desclés, 2007; Dessale, Gaume, et Duvignau, 2009;


Meunier, 2003). L’emploi métaphorique du verbe « monter » observé chez

des électriciens par Meunier, Vidal-Gomel, Minel et Battistelli (2004)

illustre bien cela. Ceux-ci expriment l’idée d’aller en amont dans le sens de la
distribution d’énergie par l’expression : « monter à l’armoire », même si
l’armoire en question est au sous-sol. Ici, « monter » c’est faire en sorte de se
situer plus « haut » dans la chaîne de distribution de l’énergie. Il en va de
même pour l’expression « monter un train » observée chez les

contrôleurs de trafic dans le métro (Zanarelli, 2003) qui signifie « faire partir
le train en avance », c’est-à-dire plus haut dans l’échelle du temps.
Ces métaphores jouent un rôle particulièrement important pendant l’ac-

quisition du langage en particulier grâce au phénomène de surextension

(Duvignau, 2008).

3.3.2 Les analogies spontanées

Nous utilisons très fréquemment dans la vie quotidienne l’analogie

pour appréhender des situations nouvelles. C’est ainsi que nous utili-

sons nos connaissances antérieures pour en construire de nouvelles.

Ces analogies spontanées ont été étudiées dans le cadre de l’étude des

préconceptions, des folk theories ou des modèles tacites (pour une revue, voir
Sander, 2000). Ainsi, un système électrique est souvent conçu par

analogie à un système hydraulique où les fils sont assimilés aux tuyaux,

les électrons à l’eau et les résistances à une réduction de la section des tuyaux
(Gentner et Gentner, 1983). Les inférences faites à partir des

analogies spontanées sont contraintes par les connaissances dans le

domaine de référence et les relations qui sont sélectionnées pour faire

l’analogie. En voici un exemple emprunté à Tiberghien (2004). Dans cette

recherche, des enfants de 11-13 ans devaient maintenir à température

des boissons chaudes ou froides ou un glaçon sortant du congélateur.

L’auteure observe que les enfants privilégient le métal pour maintenir au


froid de la glace en justifiant leur choix par le fait que le métal c’est froid,
alors que la laine est chaude. Symétriquement, la laine sera privilégiée
Le raisonnement non démonstratif 81

pour maintenir au chaud, parce que la laine ça tient chaud. Même pour

certains adultes, de telles réponses semblent aller de soi. Elles se fondent sur
les connaissances perceptives des individus, mais surtout sur une

représentation en termes de propriété du matériau qui se transmet aux

objets en contact. Cependant, du point de vue de physicien, ces réponses

et leur justification sont erronées. Il importe de prendre en compte la

conductivité et le pouvoir isolant du matériau ce qui conduit dans les

deux cas à choisir la laine.

Ces conceptions naïves interviennent également dans les apprentis-

sages scolaires et semblent persister même après des études avancées

comme le montre une recherche de Tirosh et Graeber (1990) auprès

d’adultes se destinant au métier d’enseignant. Dans cette étude, les sujets


doivent résoudre des problèmes similaires à celui-ci :

« Des colliers sont expédiés par boîtes de 13. Si 13 colliers pèsent trois livres,
combien pèse un collier ? »

Pour un tel problème, l’auteur observe que 56 % des personnes inter-

rogées répondent à tort 13/3. Dans le même ordre d’idée, Sander (2002)

a demandé à des étudiants de premier cycle en psychologie de produire

des exemples de problème de division en imposant que la solution

ne soit obtenue que par une seule opération. Il observe que 90 % des
exemples correspondent à des situations où le diviseur est un entier. Dans son
étude, Sander a également demandé aux étudiants de produire un

exemple de problème de division dont le résultat est supérieur à la valeur de


départ. Dans cette seconde tâche, moins d’un quart des étudiants ont

proposé un problème respectant la contrainte. Comment expliquer une

telle performance pour une opération qui est censée être maîtrisée à la

sortie de l’école élémentaire ?

Fischbein, Deri, Nello et Marino (1985) ont identifié deux types de

connaissances naïves de la division reposant sur une analogie. Selon la

première, diviser, c’est partager, autrement dit répartir une quantité en un


nombre de parts égales. Cela impose que le diviseur soit un nombre

entier, mais surtout crée une attente sur le résultat : cela donne un

nombre plus petit. Selon la seconde conception, diviser, c’est soustraire de


manière répétée, autrement dit mesurer combien de fois une quantité

est présente dans un tout. C’est la sémantique de l’énoncé, mais aussi

le jeu de valeur qui impose l’un ou l’autre des points de vue (Brissiaud, oute
reproduction non autorisée est un délit.

Meunier, Audo, et Taabane, 2011). Diviser 25 roses en 5 bouquets est

très facile. Partager 5 kg de cookies entre 15 amis l’est moins. Fischbein et al.
(1985) ont fait résoudre ce type de problème à des sujets et ont

© Dunod. T

82 Raisonnement, résolution de problèmes et prise de décision observé une


réussite à 93 % dans la première situation contre 28 % dans
la seconde. Par ailleurs, les résultats de Tirosh et Graeber (1990) et Sander
(2002) accréditent l’idée d’une persistance de l’analogie avec le partage.

Les analogies spontanées ne sont pas éradiquées avec l’apprentissage

scolaire et dans certains contextes, elles peuvent ressurgir. Cette persistance


contribue à la flexibilité cognitive indispensable à l’articulation des concepts
quotidiens et des concepts scientifiques (Hofstadter et Sander,

2013). On peut ainsi accepter que le Soleil se couche et que la Terre

tourne sur elle-même qui, sans cette flexibilité, seraient deux proposi-

tions incompatibles.

3.4 Les phases du raisonnement analogique

De nombreuses recherches se sont attachées à décrire la dynamique du

raisonnement analogique en distinguant les phases qui le composent.

Selon les auteurs, le nombre d’étapes varie. Dans tous les cas, le processus
passe par trois phases proposées par Ripoll (1992) que sont l’évocation,

l’appariement et l’utilisation. Gentner et Gentner (1983) propose un

découpage en cinq alors que Holyoak et Thagard (1996) en propose

sept. Les différentes approches convergent cependant vers un schéma

général que nous présentons dans la figure 2.8. Pour l’illustrer, nous

empruntons un exemple à DiSessa (1993). Il s’agit d’un problème de

physique appliqué à la compréhension d’un phénomène rencontré dans

la vie quotidienne, au moins par ceux qui font le ménage : si on bouche


l’embout d’un aspirateur, le bruit du moteur devient-il plus aigu ou plus grave
? À défaut d’avoir un aspirateur sous la main, les sujets ont dû dans un
premier temps chercher en mémoire un modèle explicatif plausible.

La première phase est celle de l’évocation d’une source permettant l’ana-

logie. Dans cette phase, la situation cible (le phénomène à expliquer)

peut être interprétée en termes d’obstacle à l’écoulement de l’air. Une

situation source possible est celle d’un moteur soumis à une interférence.

Dans un second temps, la situation source est mise en correspondance

avec la situation cible. La main sur l’embout est assimilée à un frein

et la cible est enrichie de ce qu’on sait sur les moteurs travaillant sous
contraintes, ils doivent produire un effort accru. Un moteur électrique

soumis à une contrainte tourne moins vite et donc produit un son plus

grave.

L’essentiel des travaux sur l’analogie se sont focalisés sur ces étapes

d’évocation et de mises en correspondance. Les principales études sur

le raisonnement analogique montrent que les étapes ne font pas appel

aux mêmes types de représentation. L’évocation est très sensible aux


Le raisonnement non démonstratif 83

similitudes de surface, c’est-à-dire à l’habillage sémantique, tandis que la


mise en correspondance est beaucoup plus sensible aux similitudes

profondes, c’est-à-dire aux similitudes qui fondent la pertinence de


l’analogie. Ce résultat paradoxal s’explique par la disponibilité des deux
types de similitudes (Sander, 2000).

Figure 2.8 – Les phases du raisonnement analogique

La dernière phase consiste à évaluer l’analogie. À défaut de pouvoir

l’évaluer expérimentalement en allant chercher son aspirateur, c’est la

cohérence avec les autres connaissances qui permettra de faire cette

évaluation et surtout la pertinence dans la situation, notamment le

pouvoir explicatif de l’analogie et sa capacité à fournir une solution au


problème posé. Si cette évaluation est satisfaisante, l’analogie est intégrée
aux connaissances (mémorisation) et un schéma commun à la source

et la cible est construit (généralisation) dont elles constituent des cas


particuliers.
Ces sont ces schémas qui servent de base aux raisonnements ulté-

rieurs et qui coexistent avec les connaissances sur les lois physiques

sur la situation chez les experts (Di Sessa, 1993). Ainsi les élèves, pour
comprendre la loi d’Ohm font appel à un schéma à trois éléments : un

impétus, une résistance et un résultat. C’est le même schéma que celui

qui nous a servi à comprendre le problème de l’aspirateur. Pour Di Sessa, ces


schémas constituent des schémas primitifs, c’est-à-dire des structures
suffisamment générales pour s’appliquer à un très grand nombre de

situations. Dans le cas de la loi d’Ohm, l’impétus est assimilé au voltage qui
rencontre une résistance. Ce modèle est utilisé par les débutants

pour se représenter la loi. Les experts, en revanche, l’utilisent dans des oute
reproduction non autorisée est un délit.

cas simples, mais distinguent bien ce schéma de la loi.

© Dunod. T

84 Raisonnement, résolution de problèmes et prise de décision 3.5 Les


théories du raisonnement analogique

L’étude de ce type de raisonnement est ancienne. Elle constitue une

composante essentielle des théories de l’intelligence (Spearman, 1923).

Il n’a cependant été étudié pour lui-même qu’à partir de la fin des

années 1970 avec les travaux de Sternberg (Sternberg, 1977; Sternberg

et Rifkin, 1979). À l’époque, comme pour l’étude de la mémoire, l’atten-

tion des chercheurs se portent sur le caractère parallèle ou séquentiel des


processus. Nous ne présenterons pas cette approche dans le cadre de cet
ouvrage. Nous renvoyons les lecteurs intéressés aux articles de ces auteurs ou
aux synthèses qu’en proposent Weil-Barais, Mathieu et Cauzinille-Marmèche
(1985) et plus récemment Vezneva (2011). Aujourd’hui trois

approches dominent les débats sur l’analogie

3.5.1 L’approche structurale

Selon Gentner (1983, 1989), l’analogie repose avant tout sur une

similitude des structures relationnelles de la source et de la cible. Selon cette


auteure, ce qui est transféré dans une analogie, c’est un système de relations
entre des entités indépendamment des propriétés spécifiques

des entités dans chacune des situations. C’est le principe de systémati-

cité. Selon ce principe, la mise en correspondance s’appuie sur un trans-

fert de la structure de relations présente dans la source ce qui conduit

au transfert de toutes les connaissances attachées à cette structure, à

l’exclusion des autres. Pour l’illustrer, nous allons reprendre l’exemple de


Gentner (1983) : l’atome d’hydrogène est comme notre système solaire.

Pour comprendre cette proposition, nous devons mobiliser nos connais-

sances sur le système solaire. Dans le modèle de Gentner, ces connais-

sances sont stockées sous forme de propositions que nous rapportons

dans la première colonne de la figure 2.9. La partie supérieure de ce

tableau correspond aux relations d’ordre 1. Ce sont les relations entre

les entités. Dans cet exemple, nous nous limitons aux relations entre un

soleil et une planète en orbite autour de celui-ci et à quelques propriétés du


soleil. La partie inférieure du tableau correspond aux relations

d’ordre 2, c’est-à-dire aux relations entre propositions, en particulier

les relations causales.

Le raisonnement non démonstratif 85

Figure 2.9 – La mise en correspondance dans l’analogie dans la théorie de


Gentner Selon le principe de systématicité, ce qui est transféré dans le
raisonnement analogique, ce ne sont pas des relations isolées, mais des rela-

tions d’ordre 2. Elles permettent ensuite l’appariement avec les relations


d’ordre 1. Celui-ci se fonde uniquement sur l’identité des prédicats et une
mise en correspondance univoque des objets, ce qui en fait une approche

essentiellement syntaxique. Ce modèle permet d’expliquer pourquoi

certaines propriétés, absentes de la structure de relations ne sont pas

transférées. Dans notre exemple, ce sont les propositions P7 et P8.

Dans l’exemple que nous rapportons, la source de l’analogie est donnée

par l’expérimentateur. Or il n’en va que très rarement ainsi dans la vie

quotidienne, à l’exception des situations d’enseignement qui s’appuient


sur une analogie. Un des points critiques des théories du raisonnement

analogie est donc l’accès à la source lorsque celle-ci n’est pas fournie.

Selon Gentner et Toupin (1986), l’accès à la source s’appuie principa-

lement sur les similitudes de surface entre la source et la cible. C’est le


principe de transparence.

3.5.2 L’approche pragmatique

Holyoak (1985) a reproché à l’approche structurale de Gentner de

n’être finalement qu’une approche syntaxique et d’ignorer le contexte

de production de l’analogie et les buts du sujet. Ceux-ci sont pourtant

essentiels car l’activité de raisonnement est contrainte par le contexte

et finalisée par les buts. Elle propose alors une approche pragmatique.

Comme dans le modèle précédent, la phase de mise en correspondance

est centrale dans le modèle, mais elle repose surtout sur l’identification dans
chaque situation du but, des ressources et des contraintes. Holyoak

oute reproduction non autorisée est un délit.

analyse ainsi l’analogie entre les problèmes de la tumeur et de la forte-

resse que nous avons présentés précédemment.

© Dunod. T
86 Raisonnement, résolution de problèmes et prise de décision

Tableau 2.4 – Correspondance des problèmes de la tumeur et de la forteresse


pour les différents éléments du schéma de problème (d’après Holyoak, 1985)
Nous présentons dans le tableau 2.4 le détail de la mise en correspondance
entre les deux problèmes. Bien que les objets soient très diffé-

rents, tout comme les relations qu’ils entretiennent, ces deux problèmes

présentent des similitudes de buts, de ressources et de contraintes. Dans les


deux cas, la solution passe par l’application du schéma plus général

de convergence.

Cette primauté des similitudes de but est une caractéristique essentielle de


l’approche de Holyoak. Elle est à l’origine de l’analogie et non une

conséquence de celle-ci comme dans la théorie de Gentner. La mise en

correspondance n’a pas besoin d’impliquer l’ensemble des caractéris-

tiques de la source.

3.5.3 Traits de surface et traits de structure

Une des questions centrales dans les approches théoriques est de


savoir sur quoi repose l’accès à la source. Gentner (1989) et Holyoak

(1985) distinguent deux types d’indices qui ont des effets différents

dans le raisonnement analogique, ce sont les traits de surface et de

structure. Les traits de surface sont les caractéristiques de la situation non


pertinentes pour l’analogie. Ils correspondent à l’habillage de la

situation. Ils interviennent principalement dans la phase d’évocation

de la source. Plusieurs expériences montrent l’influence positive de ses

similitudes sur l’évocation de la source (Gick et Holyoak, 1983; Keith

J. Holyoak et Koh, 1987). Ces indices semblent agir comme des indices

de rappel de la source en mémoire. Par exemple, Gentner et Landers

(1985) ont fait lire différentes histoires à des intervalles variables. Ils ont
ainsi pu montrer que l’évocation des anciennes histoires à la lecture des
nouvelles se fonde essentiellement sur des similitudes de surface. Les

Le raisonnement non démonstratif 87

traits de structure correspondent aux relations entre les objets dans la

situation et/ou au but selon l’approche retenue. Un ensemble de travaux

convergent vers l’idée que ces similitudes structurales influencent la

mise en correspondance. Par exemple, Sternberg et Tourangeau (1982)

ont fait évaluer des analogies et des métaphores à leurs sujets et mis

en évidence une corrélation positive entre les similitudes de struc-

ture et les jugements sur la profondeur et la justesse d’une analogie.


Lorsqu’on demande à des sujets d’expliquer une métaphore, l’explica-

tion se fonde principalement sur les similitudes relationnelles (Gentner

et Clement, 1988).

3.5.4 L’approche sémantique

Sander (2000) a pointé l’existence de plusieurs présupposés discu-

tables dans les théories du raisonnement analogique que nous venons

de présenter. Le rôle central de la phase de mise en correspondance

implique :

• qu’une représentation de la cible soit construite avant la réalisation de


l’analogie ;

• que la représentation initiale de la cible soit de complexité équiva-

lente à celle de la source.

Or si on conçoit l’analogie comme un mécanisme de compréhension

du nouveau à l’aide de connaissances antérieures, cela paraît pour le

moins paradoxal de penser que la construction d’une représentation

très détaillée de la cible soit nécessaire à l’analogie. Selon Sander (2000),


l’analogie est impliquée dès l’encodage de la cible dans les termes de la
source. Il propose de voir le processus de construction de la représentation de
la cible comme un processus de catégorisation. La sélection de

la source repose sur les traits saillants de la situation cible, c’est-à-dire les
propriétés accessibles au sujet dans la situation, compte tenu de ses
connaissances et du contexte (Blessing et Ross, 1996a, 1996b; Richard et
Sander, 2000). Pour l’illustrer, nous prendrons une recherche de Zamani

(Richard et Zamani, 2003; Zamani et Richard, 2000). Cette étude porte

sur le transfert analogique dans le test de Passalong. Ce problème, qui

s’apparente au jeu de taquin, consiste à faire glisser différentes formes dans


un cadre de façon à obtenir une configuration cible. Dans les

exemples ci-dessous, il s’agit de faire passer la figure sombre en haut

les figures claires en bas.

oute reproduction non autorisée est un délit.

© Dunod. T
88 Raisonnement, résolution de problèmes et prise de décision

Figure 2.10 – Trois variantes du test de Passalong

Les problèmes sont présentés isolément ou successivement. Nous en


rapportons trois dans la figure 2.10, disposés par ordre croissant de difficulté
lorsqu’ils sont présentés isolément. Les auteurs ont observés que la résolution
préalable du problème 6 aide bien à la résolution du problème

7. Il en va de même entre le problème 7 et le problème 8. Mais lorsque

les sujets doivent résoudre successivement les trois problèmes, la


performance au problème 8 chute de plus de la moitié. Une expérience
complé-

mentaire a permis d’éclairer ces résultats surprenants. En présentant les


situations (isolément ou successivement) aux sujets et en leur demandant

de dénommer les objets, Zamani a observé qu’après le problème 6, les

rectangles du problème 7 sont perçus comme des moitiés de carré, alors

que sans celui-ci, ils sont perçus comme des rectangles. En revanche, les
rectangles du problème 8 sont toujours codés ainsi, quel que soit le ou

les problèmes ayant précédés. Si le problème 7 est interprété en termes

de rectangle, il peut faciliter la résolution du problème 8 en suggérant

de rapprocher les deux rectangles. C’est donc bien l’interprétation de la cible


dans les termes de la source qui facilite la résolution dans le transfert de
procédure et on comprend pourquoi la présentation du problème 6

avant les problèmes 7 et 8, en imposant une interprétation en termes de

carré pour le problème 7, puisse avoir un effet négatif sur la résolution du


problème 8.

Le raisonnement non démonstratif 89

! 

Exercices
Ô Questions à choix multiples

1. Parmi ces quatre méthodes, l’une d’elles ne concerne pas l’étude du


raisonnement inductif, laquelle ?

a. Le complètement de séries.

b. Le paradigme source-cible.

c. L’identification de concept.

d. Le test d’hypothèse.

2. Dans le modèle similarité-couverture d’Osherson, quels sont les facteurs


qui affectent l’acceptabilité d’un argument inductif ?

a. La ressemblance entre les catégories des prémisses et la caté-

gorie de la conclusion.

b. La ressemblance entre les catégories des prémisses et la

catégorie la plus générale commune aux prémisses et aux

conclusions.

c. La ressemblance entre les catégories des conclusions possibles.

d. La ressemblance entre les catégories des prémisses et la

moins générale des catégories communes aux prémisses et à la

conclusion.

3. Du point de vue de la logique formelle, quelle est la stratégie rationnelle


dans le test d’hypothèse ?

a. Tester l’hypothèse sur un maximum d’exemples.


b. Tester l’hypothèse sur un nombre limité d’exemples.

c. Chercher à confirmer l’hypothèse.

d. Chercher à infirmer l’hypothèse.

4. Dans la tâche 2-4-6, Wason a observé un biais de confirmation, il s’agit…

a. D’une tendance à tester des exemplaires conformes aux

connaissances.

b. D’une tendance à tester des exemplaires conformes une

hypothèse.

oute reproduction non autorisée est un délit.

c. D’une tendance à tester des exemplaires dont on est sûr.

d. D’une tendance à tester des exemplaires dont on n’est pas

sûr.

© Dunod. T

90 Raisonnement, résolution de problèmes et prise de décision 5. Dans le test


d’hypothèse, la stratégie du test positif est plus pertinente que le test
négatif…

a. Lorsque la règle est plus spécifique que l’hypothèse testée.

b. Lorsque la règle est plus générale que l’hypothèse testée.

c. Lorsque la règle permet de confirmer l’hypothèse.

d. Dans tous les cas

6. Selon Peirce, la distinction entre les trois formes de raisonnement


découlent de la combinaison de la règle, de l’antécédent et du consé-

quent. Mettez en correspondance chacune de ces formes et sa conclusion.

1. Déduction

a. Règle

2. Induction

b. Antécédent

3. Abduction

c. Conséquent

7. L’identification des relations de causalité s’appuie sur la covariation


d’événements. Formellement, cela revient à vérifier une relation…

a. De conjonction.

b. D’implication.

c. De bijection.

d. De prédiction.

8. Le phénomène de la main heureuse consiste…

a. À considérer que les événements dans une suite sont

indépendants.

b. À considérer que les événements dans une suite sont

aléatoires.

c. À considérer que les événements dans une suite ne sont pas


liés causalement.

d. À considérer que les événements dans une suite ne sont pas

aléatoires.

9. Heider (1958) distingue deux types de causalité :

a. Objective et subjective.

b. Illusoire et réelle.

c. Personnelle et situationnelle.

d. Conséquente et prédictible.

Le raisonnement non démonstratif 91

10. Dans le raisonnement causale, l’erreur fondamentale d’attribution


consiste à :

a. Surestimer l’explication interne au détriment de l’explication externe.

b. Surestimer l’explication externe au détriment de l’explication interne.

c. Considérer également l’explication interne et l’explication

externe.

d. Considérer que l’explication interne et l’explication externe

ne suffisent pas.

11. Quels sont les principes qui fondent une relation causale ?

a. Les principes de subsidiarité, de temporalité et d’agentivité.

b. Les principes de précédence, de nécessité et de suffisance.


c. Les principes du tiers exclu, de non-contradiction et de

clôture des prémisses.

d. Les principes d’homogénéité, de fluidité et de signification.

12. Quel paradigme n’est-il pas utilisé pour étudier l’analogie ?

a. Le paradigme source-cible.

b. Les matrices de Raven.

c. L’évaluation d’une table de vérité.

d. Les problèmes isomorphes.

13. Remettez dans l’ordre les étapes du raisonnement analogique.

a. Généralisation.

b. Interprétation de la cible.

c. Mise en correspondance.

d. Évaluation.

e. Récupération de la source.

f. Enrichissement de la cible.

g. Mémorisation.

14. Dans l’approche structurale de Gentner (1983), l’analogie repose sur…

oute reproduction non autorisée est un délit.

a. Un système de relations entre des entités indépendant des

propriétés des entités dans chaque situation.


© Dunod. T

92 Raisonnement, résolution de problèmes et prise de décision b. Une


catégorisation commune des entités de chaque situation

indépendante des relations entre les entités.

c. Une évaluation précoce des similitudes entre les entités et

les relations de chaque situation.

d. Une mise en correspondance des buts et des solutions

possibles dans chaque situation.

15. Dans l’approche structurale de Gentner (1983) sur l’analogie, le transfert


des relations repose sur…

a. Le principe de transparence.

b. Le principe de suffisance.

c. Le principe de clôture des prémisses.

d. Le principe de systématicité.

16. Dans l’approche de Gentner (1983) sur l’analogie, l’effet des similitudes
de surface correspond au…

a. Principe de systématicité.

b. Principe de transparence.

c. Principe de suffisance.

d. Principe de relation.

17. Dans l’approche pragmatique de Cheng et Holyoak (1985) de l’analogie,


la mise en correspondance repose sur…

a. L’identification des différences entre les entités dans chaque situation.

b. La mise en correspondance des buts et des contraintes de

chaque situation.

c. De l’évaluation des heuristiques et des solutions dans la situation cible.

d. Des prérequis et des feed-back positifs dans la situation

source.

18. Dans l’analogie, les traits de surface interviennent principalement…

a. Dans la phase d’évocation.

b. Dans la phase de mise en correspondance.

c. Dans la phase d’évaluation.

d. Dans la phase de généralisation.

Le raisonnement non démonstratif 93

19. Dans son approche sémantique, Sander (2000) propose de voir l’analogie
comme une catégorisation …

a. De la source et de la cible en fonction des traits de surface.

b. De la source dans les termes de la cible.

c. De la source et de la cible en fonction des traits de structure.

d. De la cible des termes de la source.

20. Dans son approche sémantique, Sander (2000) considère que


l’analogie…

a. Intervient dès l’encodage de la source.

b. Intervient dès l’encodage de la cible.

c. Nécessite une évaluation préalable de la source.

d. Ne peut avoir lieu avant la mise en correspondance.

Ô Texte lacunaire. Complétez le texte suivant.

La tâche 2, 4, 6 a été imaginée par Wason (1960) pour étudier le raison-

nement [1]. Dans cette tâche, l’expérimentateur élabore une [2] pour

engendrer une suite de nombres. La tâche du sujet consiste à retrouver

cette règle à partir d’un exemple et en demandant à l’expérimentateur de

confirmer la conformité ou non des exemples proposés. Dans sa version

originale, la règle choisie par l’expérimentateur est celle d’une suite de trois
nombres dans un ordre [3]. Les principaux résultats observés par

Wason sont : 1) la majorité des séquences que proposent les sujets sont

des exemples de l’hypothèse qu’ils testent (par exemple trois chiffres pairs
consécutifs) ; 2) leurs hypothèses portent sur les traits [4] de l’exemple de
l’expérimentateur : nombres pairs, augmentant de deux en deux ;

3) après une réponse incorrecte, il y a [5], c’est-à-dire que le sujet propose


comme nouvelle réponse une [6] de la précédente. Mais un des résultats

les plus marquants est que bien peu de sujets proposent comme exemple

une suite de chiffres qui serait un [7] de l’hypothèse qu’ils cherchent à tester.
Wason a avancé l’idée que cette tendance relevait d’une réponse
logiquement non fondée, autrement dit un biais : le biais de [8]. En

effet, dans l’induction, seule la réfutation fournit une conclusion [9].

Cependant certains auteurs ont contesté cette interprétation en termes

de biais en avançant l’idée qu’il pourrait s’agir d’une stratégie, appelée

[10] du test positif, en soulignant que la stratégie de la confirmation

oute reproduction non autorisée est un délit.

pouvait s’avérer efficace dans un certain nombre de cas.

© Dunod. T

94 Raisonnement, résolution de problèmes et prise de décision

Ô Questions de rélexion

• Pourquoi rechercher des exemples peut être aussi rationnel que de

chercher des contre-exemples dans le raisonnement inductif ?

• Quel est le rôle des connaissances dans le raisonnement abudctif ?

• Faut-il avoir compris la situation cible pour faire une analogie ?

Lectures conseillées

George, C. (1997). Polymorphisme du raisonnement humain: une approche


de la flexibilité de l’activité inférentielle. Paris, PUF.

Rossi, S., et Van der Henst, J.-B. (2007). Psychologies du raisonnement.


Bruxelles, De Boeck.
Sander, E. (2000). L’Analogie, du naïf au créatif: analogie et catégorisation.
Paris, L’Harmattan.

Cha 3

pitre

LA

RÉSOLUTION

DE PROBLÈME

aire

Somm

1. Les approches théoriques .................................................... 97

2. Les classifications des problèmes ....................................... 101

3. L’interprétation du problème ............................................. 104

4. Les mécanismes de résolution ............................................ 115

5. Les modèles de résolution de problèmes .......................... 125

Dans notre quotidien, nous sommes tous confrontés à des situations que nous
qualifions de problématiques. Celles-ci sont caractérisées par

le fait que le chemin qui mène à la solution n’est pas immédiatement

disponible. Ces situations nécessitent que nous fassions appel à nos

capacités de raisonnement pour trouver un moyen pour parvenir au but

que nous nous sommes fixé.

Comme bien d’autres activités mentales, l’activité de résolution de


problèmes s’inscrit dans une tâche, c’est-à-dire une activité caractérisée par
un état initial, un état final et une procédure permettant de passer

de l’un à l’autre. Lorsque la procédure est connue, on parle de tâche

d’exécution, l’activité du sujet consistant alors simplement à appliquer

les connaissances procédurales dont il dispose. Dans la résolution de

problème, il en va autrement. La procédure n’étant pas connue, le sujet

se trouve alors dans une tâche d’élaboration de procédure.

Cette absence de procédure ne suffit cependant pas à définir une situa-

tion comme étant un problème. Il est nécessaire également que le sujet se


construise une représentation de la situation, notamment de l’état initial, de
l’état final et des actions possibles. Autrement dit, on ne peut parler de
situation-problème que si l’individu est capable de s’en construire une
interprétation. Une équation du second degré n’est, par exemple, pas

un problème pour un enfant de primaire. Elle le devient pour un enfant

au collège lorsqu’il a les connaissances nécessaires pour identifier ce

qu’on attend de lui. Cela ne veut pourtant pas dire que l’interprétation

de la situation que se construit le sujet est une représentation correcte d’un


point de vue expert et c’est même rarement le cas, comme nous le

verrons plus loin.

1.

Les approches théoriques

La psychologie s’est intéressée très tôt à la résolution de problème


car elle y voyait une des manifestations de l’intelligence et une voie

royale pour l’apprentissage. C’est toujours aussi vrai, mais avec des

changements importants de point de vue sur la nature de l’activité de

résolution de problème et la façon de concevoir l’intelligence. Nous

allons dans ce paragraphe présenter cette évolution historique à travers trois


approches. La première, la plus ancienne, est l’approche béhavio-oute
reproduction non autorisée est un délit.

riste qui voit dans la résolution de problème, le moyen de sélectionner

dans un ensemble de comportements ceux qui sont les plus adaptés. La

© Dunod. T

deuxième approche est celle des gestaltistes qui proposent de rompre

98 Raisonnement, résolution de problèmes et prise de décision

avec le modèle stimulus-réponse de leurs prédécesseurs et de mettre


l’accent sur les capacités de l’individu à créer de nouvelles solutions. La
troisième est l’approche cognitiviste contemporaine.

1.1

L’approche béhavioriste

L’approche béhavioriste est caractérisée par une focalisation sur

l’association stimulus-réponse et une négligence, voire une négation

de l’aspect représentationnel. Le concept central de cette approche est

l’apprentissage, mais celui-ci n’est pas ici conçu comme la construction

d’une représentation ou de connaissances mais comme une sélection

progressive parmi les réactions spontanées de l’individu dans la situation.

Figure 3.1 – La boîte de Thorndyke (1911). La courbe superposée au schéma


montre que la durée de résolution diminue avec le nombre d’essais

(Source : https://commons.wikimedia.org/wiki/File:Puzzle_box.jpg)

L’exemple typique de situation-problème utilisée dans cette approche

est la boite-problème de Thorndyke (1911). Il s’agit d’une petite cage

dans laquelle un chat est enfermé. Cette boite est munie d’un dispositif

d’ouverture constitué par un anneau sur lequel le chat doit appuyer

pour ouvrir la cage. Pour un observateur, le comportement du chat dans

la boîte apparaît dans un premier temps extrêmement désordonné.

Il se débat, tente de s’échapper en passant par les barreaux, griffe la

porte. Parmi ces multiples comportements, l’animal finit tôt ou tard par
actionner accidentellement le levier et par s’échapper. En répétant l’expé-

rience, l’animal mettra, au bout d’un nombre d’essais plus ou moins

grand, un temps de plus en plus court pour sortir de la cage. Notons

que la décroissance du temps de résolution au cours des essais est très

progressive comme le montre la figure 3.1.

La résolution de problème 99

Cette approche de la résolution de problème repose sur deux concepts

fondamentaux :

• La motivation, c’est-à-dire le besoin ou le désir sans lequel l’exploration de


la situation n’aurait pas lieu. Mettez un chat dans une boîte

de transport et vous pourrez observer que le caractère stressant de

la situation de lui ôte souvent toute envie d’évasion. Cependant, si

le voyage dure trop longtemps, il y a fort à parier que la faim finira

par le pousser à tenter de sortir.

• Le second concept est celui de renforcement, c’est-à-dire l’augmen-

tation de l’association de la réponse à la situation. Le comportement

spontané étant conçu comme aléatoire, il faut une certaine motiva-

tion et de nombreuses répétitions pour stabiliser l’association entre

la situation et la réponse.

Au-delà de l’intérêt épistémologique indéniable de cette approche,


le béhaviorisme invite à se questionner sur le rôle des habitudes dans

la résolution de problèmes et la difficulté à s’adapter à des situations

nouvelles. Nous avons tous dans notre quotidien des exemples de situa-

tions où un problème est résolu par une procédure à laquelle on est

habitué alors qu’une procédure plus simple ou plus efficace était dispo-

nible. Ainsi, dans une situation d’apprentissage des statistiques à l’aide d’une
calculatrice, Friemel et Weil-Barais ont montré que la majorité

des sujets utilisent une procédure analogue à la procédure de calcul à la main


au lieu d’utiliser les fonctionnalités de leur calculette (Friemel et Weil-Barais,
1984).

Cette conception de la résolution de problème nous amène également

à nous poser la question de la nature de la motivation et notamment

de sa relation avec l’orientation du comportement; Dans la conception

béhavioriste, la motivation n’est que le moteur déclenchant l’activité de


l’individu, celle-ci étant dans un premier temps conçue comme aléatoire

et désordonnée, c’est le renforcement qui va orienter le comportement

vers la reproduction de la réponse efficace. Ainsi, la motivation et, ce

qu’on peut assimiler aux connaissances du sujet, c’est-à-dire des associations


entre un comportement et son résultat en termes de satisfaction

d’un besoin, vont déclencher des comportements plus ou moins désor-

donnés. Ce comportement à des conséquences sur l’environnement qui

se répercutent sur les besoins de l’individu aboutissant éventuellement


à une réduction de ceux-ci. Une boucle de rétroaction renforce alors le

comportement adéquat qui se déclenchera plus facilement la prochaine

oute reproduction non autorisée est un délit.

fois.

© Dunod. T

100 Raisonnement, résolution de problèmes et prise de décision Cette


approche accorde donc une place prépondérante à la répétition.

On ne peut résoudre un problème efficacement que si le renforcement

est suffisant, ce qui suppose une répétition importante. Il existe donc

dans la conception béhavioriste, une forte résistance à la nouveauté,

qui seule peut garantir une certaine stabilité des associations. On peut

cependant se demander si les solutions que nous adoptons sont toutes

des solutions longuement testées au préalable.

1.2 L’approche gestaltiste

On ne peut pas nier que dans un certain nombre de situations nous

procédions par essais et erreurs et que la découverte de la solution est

alors progressive. Pourtant certaines situations échappent à une réso-

lution progressive. Un exemple classique de ce type de situation est le

problème de Maier (1931). Dans ce problème, le sujet doit attacher deux

ficelles qui pendent au plafond. Ces ficelles sont cependant trop distantes
pour pouvoir être saisies simultanément par le sujet. Avec le matériel
dont il dispose, comment va-t-il s’y prendre ?

La solution apparaît rarement spontanément aux sujets, malgré de

nombreuses tentatives. La plupart considère que la solution nécessite

de saisir les deux ficelles à la fois. Une telle contrainte rend de fait le
problème insoluble. En revanche, en considérant que ce n’est pas à eux

d’attraper la ficelle mais qu’il faut faire venir la ficelle à eux, la solution du
mouvement de balancier à l’aide d’une pince apparaît plus facilement. Dans
cet exemple, on voit que la solution ne peut pas venir de

la répétition des essais mais bien d’un changement de point de vue sur

la situation.

Cette découverte soudaine de la solution correspond à ce que les gestal-

tistes ont appelé l’ insight et qu’on peut traduire approximativement par

« compréhension soudaine ». Il correspond à l’appréhension d’une rela-

tion moyen-but dans la situation, c’est-à-dire la découverte qu’un objet

constitue un moyen de parvenir au but. Cette appréhension est de nature

quasi perceptive. C’est voir par exemple qu’un bâton peut prolonger la

main pour se saisir d’un objet.

Contrairement aux béhavioristes, les tâtonnements qui précèdent

l’ insight ne jouent pas un rôle fondamental dans la résolution autre que celui
d’explorer les limites d’une représentation du problème. Il ne s’agit pas
davantage d’éliminer les réponses inadéquates, mais de changer de
représentation du problème. La notion de structure est tout à fait fonda-

mentale dans cette approche. Ce sont les relations entre les parties et le

La résolution de problème 101

tout qui importe et le tout est bien autre chose que la simple somme des

parties. Ainsi résoudre un problème, ce n’est pas sélectionner le compor-

tement adéquat mais construire de nouvelles relations entre les éléments

de la situation. Les gestaltistes opposent une pensée reproductive qui

correspond à une résolution par évocation d’une solution connue à une

pensée créative où les éléments de la situation sont repensés d’une façon


différente. Cette notion est similaire à la notion de pensée latérale popu-
larisée dans les milieux du management et qui consiste à changer son

point de vue sur la situation.

1.3 L’approche cognitiviste

L’approche gestaltiste et sa notion d’insight pose cependant une ques-

tion de fond. S’agit-il d’une simple perception ou d’un ensemble de

mécanismes de résolution. La question est d’importance car s’il s’agit

d’un simple mécanisme perceptif, les freins et les facilitateurs de la résolution


sont à rechercher dans la situation. Pour aider un individu à

résoudre un problème, il faut faire en sorte qu’il puisse voir le problème


autrement. Si, au contraire, il s’agit d’un ensemble de mécanismes de

résolution dont le sujet n’a pas forcément conscience, alors il faut arriver à les
cerner pour comprendre en quoi ils rendent difficile la résolution
et comment on peut concevoir des aides à la résolution. L’approche

cognitiviste, que nous allons développer maintenant, s’inscrit dans la

seconde option.

2.

Les classifications des problèmes

2.1 Des points de vue variés

L’activité de résolution de problème a été étudiée dans des tâches

très variées, dont nous allons donner dans ce qui suit des exemples. La

classification des types de problèmes peut être faite de plusieurs points de


vue. Un premier point de vue consiste à considérer le type d’objets

manipulés. On opposera ainsi des problèmes concrets, c’est-à-dire portant sur


des objets physiques à des problèmes abstraits portant sur la manipulation de
symboles. Faire fonctionner une chaîne stéréo est un problème

oute reproduction non autorisée est un délit.

concret. Résoudre une équation est un problème abstrait. Un autre point

de vue consiste à considérer le type de situations. On distinguera alors des


situations dynamiques, c’est-à-dire des situations évoluant d’elles-mêmes

© Dunod. T

102 Raisonnement, résolution de problèmes et prise de décision sans


intervention de l’individu, et les situations statiques n’évoluant pas d’elles-
mêmes. Un exemple typique de situations-problèmes dynamiques

est la pathologie. Le médecin doit dans ce cas poser un diagnostic et


choisir une thérapeutique sur une situation qui évolue même s’il ne fait

rien. Les situations-problèmes statiques ont été plus souvent étudiées,

parce que plus faciles à appréhender, bien que le nombre de recherche

sur les situations dynamiques est actuellement croissant. Les situations

statiques sont par exemple les casse-têtes comme la tour de Hanoï.

Un autre point de vue consiste à considérer la précision de l’infor-

mation sur la situation dont l’individu dispose. On opposera ainsi les

problèmes bien définis et les problèmes mal définis. Les problèmes bien

définis sont ceux pour lesquels on donne une information précise sur les

situations initiale et finale, ainsi que sur les actions licites permettant de
passer de l’un à l’autre. Pour les problèmes mal définis, l’imprécision de
l’information peut porter sur l’état initial, comme dans les situations de
diagnostics, sur l’état final, comme dans les échecs où le but correspond à
une classe de situations, ou bien sur les actions licites comme dans les
problèmes de conceptions où les caractéristiques du produit final sont

clairement délimitées et où le sujet doit trouver les moyens de les réaliser.

2.2 La nature d’un problème

Ces distinctions valent cependant pour des cas extrêmes et il n’est pas

toujours facile de séparer les problèmes sur ces dimensions. Un problème

d’arithmétique est a priori un problème abstrait, mais lorsqu’un enfant


manipule des collections d’objets pour le résoudre, on serait tenté de le
qualifier de problème concret. De la même façon, un problème, a priori bien
défini, peut s’avérer mal défini si le sujet construit une interprétation
inadéquate de la situation. Par ailleurs, ces classifications ne sont pas toujours
en relation avec la difficulté du problème. Ainsi un problème

concret comme les missionnaires et les cannibales peut s’avérer très difficile,
alors que la continuation d’une suite logique comme AB1CD2 peut

être très facile. Enfin, il n’est pas toujours facile de faire correspondre à un
type de problème un ensemble de compétences générales ou de

modes de résolution. La classification de Greeno (1978) représente une

tentative en ce sens. Il a proposé de classer les problèmes du point de vue de


la nature du problème et de distinguer trois catégories de problèmes : le
réarrangement, les transformations et les problèmes d’induction de

structure.

La résolution de problème 103

2.2.1 Les problèmes de réarrangement

Dans ce type de problème, les éléments de la situation doivent être

réorganisés pour satisfaire à un ou plusieurs critères. Ces éléments

peuvent être organisés de plusieurs façons, mais parmi toutes celles-ci,

seules quelques-unes, voire une seule, respectent les contraintes impo-

sées. L’exemple le plus simple de ce type de problème nous est donné par

les anagrammes. Dans ce jeu, il s’agit de réarranger une suite de lettres pour
former un mot. Par exemple, on peut réorganiser les lettres du mot

« niche » pour former le mot « chien » ou le mot « chine ». Le très popu-

laire Sudoku est également un problème d’arrangement. Selon Greeno,

la résolution de ce type de problème serait liée à la capacité à produire des


solutions alternatives et aux mécanismes contraignant la recherche

de ces différentes solutions.

2.2.2 Les problèmes de transformation

Ils consistent à appliquer une série de modifications à une situation

jusqu’à ce qu’elle corresponde à l’état visé. Ils diffèrent des problèmes


d’arrangements dans la mesure où l’état final est fourni dans ce type de

situations et où les contraintes concernent surtout les actions licites qui


permettent de parvenir au but. On rencontre des problèmes de transformation
dans de multiples activités quotidiennes comme la découverte

de l’utilisation d’un dispositif technique (programmer son lecteur DVD,

utiliser un ordinateur, etc.), mais ce sont surtout des situations de jeux de type
casse-tête qui ont été utilisés pour l’étude des mécanismes de

résolution de ce type de problèmes. Parmi les plus célèbres, on peut citer la


tour de Hanoï, les missionnaires et les cannibales et leurs variantes.

Tous ces problèmes sont caractérisés par le fait que les actions du sujet
modifient l’état du dispositif et tendent à le rapprocher de l’état souhaité.

Les situations classiques de la tour de Hanoï et celles des missionnaires et des


cannibales seront présentées plus en détail dans les paragraphes

suivants. Ces problèmes requièrent, selon Greeno, essentiellement des

capacités de planification fondées sur des heuristiques dont nous repar-

lerons un peu plus loin.

2.2.3 Les problèmes d’induction de structure

Ces problèmes sont des situations où le sujet doit identifier la structure oute
reproduction non autorisée est un délit.

des relations qu’un ensemble d’éléments entretiennent. Ce sont typique-

ment une situation de découverte de règles ou de relations. Dans notre

vie quotidienne, on rencontre ce type de problème dans les situations de

© Dunod. T

104 Raisonnement, résolution de problèmes et prise de décision diagnostics


ou de détection de pannes ou dans la compréhension d’analogies. Ce type de
problèmes a également été étudié dans des situations

de laboratoire comme des situations de découverte de règles logiques.

On peut par exemple donner à un sujet une suite de lettres comme

« ABMCDM » et lui demander quel sera la prochaine lettre. Pour Greeno,

les processus de résolution caractérisant les problèmes d’induction de

structure sont essentiellement la capacité à faire des inférences et des

mises en relation.

3.

L’interprétation du problème

Ces différents points de vue adoptés pour la classification des

problèmes répondent à la nécessité, pour les psychologues, de décrire

les problèmes et de les organiser dans leur diversité. Ils ne doivent cependant
pas masquer le fait que bons nombres de problèmes sont mixtes.

Ainsi, le jeu d’échecs est à la fois un problème de transformation (l’état du


jeu change à chaque coup) et un problème d’arrangement (trouver

la disposition des pièces pour faire mat). Par ailleurs, la mise en relation de
ces classifications avec les mécanismes de résolution reste relativement
limitée, dans la mesure où elles ne sont pas corrélées avec la difficulté des
problèmes. Pour étudier ces mécanismes, il est indispensable

de disposer d’un moyen d’analyser l’interprétation qu’un individu se

fait d’une situation-problème.

3.1 La notion d’espace-problème

Newell et Simon (1972) ont avancé l’idée que la recherche de solu-

tion dans une situation-problème peut être vue comme un déplace-

ment dans un espace de recherche. Si on analyse une situation-problème,

notamment les situations de transformations d’états qui ont été les plus

étudiées, on peut formaliser l’ensemble des états possibles par un graphe dans
lequel les nœuds représentent tous les états possibles et les arcs

des actions possibles pour passer d’un état à un autre. Ce graphe est

l’espace de recherche ou espace de base. Les auteurs opposent à l’espace

de recherche l’espace-problème qui caractérise la représentation d’un

sujet. La comparaison de ces deux espaces et le cheminement du sujet

dans l’espace de recherche permettent de mieux comprendre les sources

des difficultés dans la résolution du problème.


La résolution de problème 105

Cet espace de recherche comprend une représentation de l’état initial

et de l’état final, mais également une représentation de la procédure

optimale. Dans le cas de la tour de Hanoï à trois disques qui nous sert

d’exemple, la tâche consiste à faire passer les trois disques sur l’emplacement
de droite en respectant trois règles :

• Déplacer un seul disque à la fois.

• Ne prendre que les disques qui sont sur le dessus de la pile.

• Ne pas déposer un grand disque sur un plus petit.

Le passage de la situation initiale (au sommet du triangle dans la figure 3.2) à


l’état but (en bas à droite) se fait assez simplement en utilisant la procédure
optimale (qui suit le côté droit du triangle).

Les traits pointillés représentent les chemins qui n’existent pas dans la
représentation d’un sujet qui s’interdirait de sauter un emplacement. Les traits
pleins représentent donc son espace-problème. La réunion des traits pleins et
des pointillés représente l’espace de base.
Figure 3.2 – Représentation de l’espace de recherche de la tour de Hanoï à
trois disques Ce graphe n’est pas un moyen de résoudre le problème et aucun
sujet

en situation de résolution de problème ne construit la combinatoire

de tous les états possibles. Sa mémoire de travail n’y suffirait pas. Cette
formalisation est cependant très utile au psychologue pour analyser une

situation-problème.

L’espace-problème d’un expert correspond à l’espace de recherche.

Pour un sujet novice, l’interprétation peut être très différente. On observe par
exemple chez les jeunes enfants qu’ils s’interdisent de sauter un

emplacement. L’interprétation qu’ils ont du déplacement consiste à faire

passer un disque dans l’emplacement juste à côté. Avec une telle inter-

oute reproduction non autorisée est un délit.

prétation, certains chemins sont interdits (ils sont représentés en poin-

tillés dans la figure 3.2) de sorte que la procédure optimale n’existe pas dans
leur représentation de la situation-problème. L’espace-problème du

© Dunod. T
106 Raisonnement, résolution de problèmes et prise de décision

novice s’inscrivant nécessairement dans l’espace de recherche, puisque

ce dernier représente tous les états possibles, ce type d’analyse graphique est
très utile pour caractériser l’interprétation d’un sujet et tenter de comprendre
les sources de difficultés dans la résolution de problème. Les impasses par
exemple correspondent dans l’espace-problème du sujet à

des états où plus aucun mouvement n’est possible hormis le retour en

arrière.

3.2 Des problèmes isomorphes

La description de la situation en termes d’espace de recherche permet

de décrire la structure formelle d’un problème. Deux problèmes peuvent

posséder une structure formelle identique. On dit alors qu’ils sont

isomorphes. Cela ne veut pas dire que ces deux problèmes sont équiva-
lents, mais qu’ils s’analysent à travers un même espace de recherche. Pour
illustrer cette notion de problèmes isomorphes, nous allons considérer

des situations qui s’analysent avec le même espace que la tour de Hanoï.

Figure 3.3 – Les isomorphes la tour de Hanoï (d’après Clément, 2009 ;


reproduit avec autorisation)

Nous allons examiner de plus près la situation des ascenseurs (figure

3.4) Dans ce problème, trois personnages, de taille différente doivent

emprunter un ascenseur pour se rendre à un étage différent dans une

maison à trois étages. L’état visé est indiqué dans la partie gauche de la
maison. Cette situation est un peu particulière car l’ascenseur ne peut

admettre qu’une seule personne à la fois. Par ailleurs un personnage ne

peut pas descendre ou monter dans l’ascenseur si une personne de plus

La résolution de problème 107

petite taille se trouve au même étage. En se penchant un petit peu sur les
similitudes entre la tour de Hanoï et la situation des ascenseurs, on voit qu’on
peut mettre en correspondance ( 1) la taille des disques et la taille des
personnages, ( 2) les emplacements et les étages, ( 3) les actions de prendre et
poser avec les actions de monter et descendre de l’ascenseur

et enfin ( 4) les contraintes sur l’action : ne prendre qu’un disque à la fois et


ne faire monter qu’une personne dans l’ascenseur, n’avoir aucun

disque plus petit à l’emplacement où on veut poser et ne pas avoir de

personnage plus petit à l’étage où on veut descendre.

Figure 3.4 – La situation des ascenseurs (d’après Clément, 2009)

Une analyse plus formelle à l’aide de la notion d’espace de recherche

montre que ces deux problèmes sont structurellement identiques (figure

3.5). L’état initial n’est cependant pas le même, ainsi que l’état final.

Ces deux états n’étant séparés que de deux autres états, il faut trois

coups pour résoudre le problème des ascenseurs, alors qu’il en faut 7

au minimum pour la tour de Hanoï. On pourrait donc penser que ces

deux problèmes, bien qu’équivalents structurellement, ne sont pas équi-

valents du point de vue de la facilité de résolution et que le problème

des ascenseurs devrait être résolu plus rapidement. Or il n’en est rien.

Lorsqu’on fait passer ces deux problèmes à des adultes, on observe qu’ils
font d’avantage d’actions pour parvenir à la solution dans le problème

des ascenseurs (Clément, 1996).

oute reproduction non autorisée est un délit.


© Dunod. T

108 Raisonnement, résolution de problèmes et prise de décision

Figure 3.5 – L’espace de recherche de la situation des ascenseurs

La notion d’espace de recherche permet d’analyser une situation et de

caractériser le cheminement d’un individu vers la solution. L’exemple

que nous avons pris est un problème de transformation. Cette notion

n’est cependant pas applicable à ce seul type de problème. Elle l’est


également aux problèmes d’arrangement. Dans ce cas, l’espace de recherche

correspond à l’ensemble des arrangements possibles, compte tenu des

contraintes sur les arrangements recherchés. Ainsi, dans un problème

d’anagramme, l’espace de recherche correspond à l’ensemble des combi-

naisons de lettres composant un mot. La solution est alors une de ces


combinaisons de lettres et plus particulièrement, parmi celles-ci, celles qui
forment un mot de la langue.

De la même façon, dans les problèmes de découverte de règles, l’espace

de recherche est constitué de l’ensemble des règles possibles. Ainsi, dans la


situation 2, 4, 6 de Wason que nous avons étudiée précédemment

dans le chapitre sur l’induction, l’espace de recherche est constitué de

l’ensemble des règles compatibles avec les exemples proposés par


l’expérimentateur. La recherche de solution consiste alors à réduire cet
ensemble de règles de sorte qu’il n’en reste plus qu’une.

3.3 La construction de l’interprétation

On voit avec la notion d’espace-problème que la recherche de solution

dépend beaucoup de l’interprétation qu’un individu se construit de la

situation. Nous allons voir dans ce paragraphe quels sont les processus

qui conduisent à la construction de cette interprétation. Nous envisa-

gerons ici trois cas typiques d’interprétation d’une situation-problème.


La résolution de problème 109

3.3.1 L’assimilation à une situation connue

Une première façon d’interpréter une situation-problème consiste à

assimiler le problème à une situation connue. Dans ce cas, les éléments

de la situation les plus prégnants vont permettre d’activer en mémoire

une ou plusieurs situations présentant des similitudes et pour lesquels

on dispose d’une procédure. On tentera alors d’appliquer la procédure

de la situation connue à la situation présente. C’est ce qu’on appelle le


transfert analogique. Parce qu’il est automatique, ce transfert demande

un effort cognitif minimal, et on aura tendance à l’appliquer chaque fois que


cela est possible, même s’il existe un autre mode de résolution plus

simple. C’est ce que montre une expérience célèbre de Luchins (1942) :

le problème des jarres.

Dans ce problème, il s’agit d’obtenir une quantité d’eau en ayant à

sa disposition comme instrument de mesure trois jarres de contenance

variée (tableau 3.1). Ainsi, dans le premier problème, on dispose d’une

jarre A de 21 litres, d’une jarre B de 127 litres et d’une jarre C de 3 litres.

L’objectif est de mesurer une quantité de 100 litres en ne se servant

que de ces trois jarres. Le problème n’est pas trivial, mais avec un peu

de réflexion, on découvre assez rapidement que la quantité visée peut

être obtenue en retranchant de B la quantité A et deux fois la quantité


C. Dans l’expérience de Luchins, huit problèmes sont présentés. Les

sept premiers peuvent être résolus à l’aide de la même procédure que le

problème 1. Le problème 7 est un problème test. Il peut également être

résolu plus simplement en additionnant les jarres A et C. Le problème 8

est un problème critique puisque aucune des solutions précédentes ne

peut lui être appliquée. Il faut, en effet, retrancher la jarre C de la jarre A pour
obtenir la quantité visée.

Tableau 3.1 – Le problème des jarres (Luchins, 1942)

oute reproduction non autorisée est un délit.

© Dunod. T

110 Raisonnement, résolution de problèmes et prise de décision Les résultats


de l’expérience de Luchins montrent que les sujets utilisent très
majoritairement la procédure B-A-2C pour résoudre le problème 7

et que le nombre d’échecs au problème 8 est très important. Cette expé-

rience illustre plusieurs caractéristiques de l’analogie :

• Elle montre tout d’abord une nette préférence pour l’utilisation de

procédure connue dans la résolution de problème occultant toute

activité de recherche d’une solution alternative ; c’est ce que Luchins

a appelé l’automatisation de la pensée.

• Elle montre également l’importance des caractéristiques de surface

dans l’évocation des procédures. Le problème 7 ressemble suffisam-


ment aux autres (ou ne diffère pas assez des autres) pour que les

sujets s’engagent spontanément dans la recherche d’une solution

alternative.

• Enfin, pour que la procédure trouvée par analogie puisse s’appliquer,

il doit y avoir une cohérence entre l’interprétation du problème et

les conditions d’application de la procédure. C’est justement parce

que les conditions d’application de la procédure ne sont pas cohé-

rentes avec l’interprétation de la situation que les sujets échouent

au problème 8.

L’analogie ne relève cependant pas toujours d’un processus automa-

tique. Elle peut être le résultat d’une recherche volontaire de relations entre
deux situations. On parlera alors de raisonnement analogique.

Nous le traiterons un peu plus loin avec les mécanismes d’inférence.

3.3.2 La particularisation d’un schéma

Lorsque la situation-problème n’évoque pas de situation connue

permettant la récupération d’une procédure, on peut également inter-

préter la situation en particularisant un schéma de problème. Il s’agit

dans ce cas d’apparier les données aux variables d’un schéma de façon à

rendre applicable les procédures qui lui sont associés. Nous empruntons

à Richard (1998) l’exposé d’un modèle de compréhension des problèmes


arithmétiques qui illustre bien ce processus de particularisation d’un

schéma. Il s’agit d’un problème arithmétique relevant du schéma général

de transfert-gain. Le schéma comporte trois ensembles d’informations :

l’ensemble initial, l’ensemble transfert et l’ensemble final. Chacun de

ces trois ensembles contient quatre variables :

• l’identificateur, c’est-à-dire le lieu permettant à l’individu de localiser les


objets ;

• le type d’objet ;

La résolution de problème 111

• la quantité (c’est un nombre ou une expression référant à une

quantité) ;

• l’indication temporelle qui correspond à des expressions permettant

d’ordonner dans le temps les ensembles.

Tableau 3.2 – Particularisation du schéma Transfert-gain (d’après Richard,


1998) Le processus de particularisation consiste à apparier les éléments de

la situation avec les variables du schéma (tableau 3.2). Prenons comme


exemple l’énoncé suivant : « Pierre à cinq billes. Il en gagne à la récréation.
Après il en a 8. Combien en a-t-il gagné ? »

Interprétation de l’énoncé. Dans un premier temps, chacune des phrases va


être associée aux variables du schéma. Ainsi, dans la phrase 1, « Pierre »

est associé à la variable « Identificateur ». Les « billes » instancient la


variable « Type d’objet ». « Cinq » est affecté à la variable « Quantité ».

On procède ainsi pour les autres phrases. La dernière phrase est une

question. La question « Combien ? » est alors associée à la quantité de

l’ensemble construit à partir de la phrase 2.

Identification du statut des ensembles. Il reste maintenant à déterminer à quel


ensemble (EI, ET ou EF) correspond chacun des trois ensembles

construits à partir de l’énoncé. Pour déterminer le statut de chacun des

ensembles, on s’appuie sur un certain nombre de règles :

• Succession temporelle : EI précède ET qui précède EF. Cette règle

permet d’associer la phrase 3 à l’ensemble final.

• Le changement d’état concerne ET. Le verbe « gagner » de la question

permet d’associer l’ensemble construit avec la phrase 4 à l’ensemble

transfert. C’était déjà le cas, avec la question « combien ? ». Cette

règle confirme l’affectation des valeurs à cet ensemble.

• La quantité cherchée concerne un état pour lequel on possède une

procédure de calcul. Cette règle permet de rendre compte du fait


qu’on cherche toujours à interpréter un problème en fonction

oute reproduction non autorisée est un délit.

de ce qu’on sait faire. Elle permet notamment de rendre compte

des erreurs faites par les enfants dans ce type de problème. Les

© Dunod. T

112 Raisonnement, résolution de problèmes et prise de décision procédures


associées à chacun de ces ensembles sont, en effet, hiérarchisées. On acquiert
d’abord la procédure associée à EF, puis celles

qui est associée à ET et enfin la procédure associée à EI.

Supposons que notre sujet est un adulte. Il possède un schéma complet

et les procédures associées. La particularisation de son schéma, ainsi que


l’identification du statut des ensembles, ne posent pas de difficulté et lui
permet d’activer la procédure de calcul et ainsi de calculer la quantité

recherchée : 8 – 5 = 3.

Supposons maintenant que notre sujet est un enfant en début d’ap-

prentissage. Son schéma ne possède que la procédure de premier niveau.

Autrement dit, il ne sait que calculer EF. La construction des ensembles se


déroule de la même manière, mais l’identification du statut des ensembles se
fera différemment. La troisième règle imposant que la quantité recherchée ne
peut concerner que l’ensemble pour lequel on a une procédure,

la quantité indéterminée sera associée à EF et la quantité 8 à ET. EF n’est pas


associé à un verbe de changement d’état, cependant « il a » peut être
interprété comme le résultat du changement d’état. L’interprétation est

alors sémantiquement acceptable et la règle 2 est considérée comme


respectée. Dès lors, l’enfant a une interprétation cohérente de la situation et il
peut appliquer la procédure qu’il connaît : EF = EI + ET = 8 + 5 = 13.

Ces erreurs s’accompagnent souvent de verbalisation montrant que

l’interprétation est cohérente avec la solution trouvée. Dans ce problème,


l’enfant interprète la question « combien ? » comme « combien a-t-il en

tout ? », le tout étant ici la réunion des billes que Pierre avait avant et de
celles qu’il a gagnées.

3.3.3 Construction d’une interprétation

Il n’est pas toujours possible de ramener la situation-problème à une

situation connue ou de l’associer à un schéma. Il est alors nécessaire

de construire une interprétation de la situation à partir du contenu de

l’énoncé.

Pour illustrer ce processus de construction de l’interprétation, nous

présenterons l’analyse de Hayes et Simon (1977) de deux problèmes

isomorphes à la tour de Hanoï. Ces deux problèmes utilisent le même

habillage (des monstres et des globes) mais diffèrent par la nature de l’action
permettant de passer d’un état à un autre. Dans un cas, il s’agit d’un problème
de transfert d’un globe d’un monstre à l’autre, dans l’autre,

il s’agit d’un problème de changement de la taille des globes (pour une


La résolution de problème 113

description plus détaillée, voir Richard, 2005). Voici les énoncés de ces
problèmes.

Tableau 3.3 – Deux versions isomorphes du problème des extraterrestres Le


modèle de Hayes et Simon (1977) prévoit cinq étapes de construction de
l’interprétation de l’énoncé d’un problème.

L’analyse syntaxique de l’énoncé. Dans cette étape, ce sont essentiellement


les mécanismes de compréhension du texte de l’énoncé qui sont

mis en œuvre.

Identification des objets et de leurs attributs pertinents. Cette étape nécessite


la mise en œuvre des connaissances générales sur ce qu’est un problème,

notamment que les situations initiale et finale sont décrites par un

ensemble d’objets caractérisés par une liste d’attributs. L’interprétation du


problème passe donc par l’identification des objets de la situation et de leurs
caractéristiques. Dans ces deux versions du problème des extraterrestres, les
objets sont les monstres et les globes.

• Les monstres ont cinq mains. Ils sont extra-terrestres. Ils peuvent

être de trois tailles différentes. Ils portent un globe.

• Les globes sont en cristal, ils sont tenus par un monstre et peuvent

être de trois tailles différentes.

Certaines de ces caractéristiques sont invariantes et peu connectées au

oute reproduction non autorisée est un délit.

reste du texte de l’énoncé. Elles apparaissent donc moins importantes.

Ici la propriété de la taille apparaît souvent dans le texte et sera retenue


comme caractéristique pertinente dans le problème.

© Dunod. T

114 Raisonnement, résolution de problèmes et prise de décision Choix d’une


représentation décrivant la situation. Dans cette situation, la taille étant la
propriété pertinente caractérisant à la fois les monstres et les globes, nous
avons deux représentations possibles :

• La première consiste à considérer des monstres caractérisés par leur

taille et la taille du globe qu’ils tiennent.

• Dans la seconde représentation, on considérera des globes caracté-

risés par leur taille et la taille du monstre qui les tient.

Bien qu’ayant un contenu informationnel identique, ces deux repré-


sentations ne sont pas équivalentes. La première représentation, en

termes de liste de monstres, correspond davantage à la forme gramma-

ticale des énoncés. Hayes et Simon font l’hypothèse que la construction

de l’interprétation de la situation suit de très près les caractéristiques de


surface de l’énoncé. Cette hypothèse conduit donc à postuler que dans

les deux versions du problème, c’est la représentation en termes de listes de


monstres qui sera privilégiée.

Identification de l’opérateur. Cette étape concerne l’identification de l’action


permettant le passage d’un état à un autre. Elle sera bien sûr

différente dans chacune des versions du problème. Cela dépend en fait

des conditions de passage d’un état à un autre.

Dans le problème de transfert, cette condition concerne la taille du

monstre qui tient le globe. La taille du globe ne varie pas. Il s’agit donc de
modifier les relations entre les monstres et les globes. Cette interprétation est
confirmée par l’emploi du verbe « donner » qui constitue une
particularisation de la signification de transfert de possession. Ainsi, dans
cette situation, l’opérateur est TRANSFERER(globe X, monstre A, monstre
B).

Dans la situation de changement, la taille des globes varie. Il s’agit

donc de modifier l’attribut associé à chacun des globes. Comme pour

l’autre problème, le type de verbe utilisé (augmenter, diminuer, modi-

fier) renforce cette interprétation. Dans cette situation, l’opérateur est


CHANGER(globe X, taille A, taille B).

Interprétation des conditions d’application. Il reste ensuite à exprimer les


conditions d’application sous une forme logique permettant le calcul de

leur valeur de vérité. Le modèle de Hayes et Simon permet de formuler

des prédictions expérimentales qui ont pu être vérifiées. Ce modèle

prévoit notamment que le problème de changement est plus difficile

que le problème de transfert. Cette différence tient en particulier aux

conditions d’application de l’opérateur. Dans le problème de change-

ment, il faut vérifier à la fois la liste des monstres et la liste des globes.

Dans le problème de transfert, il suffit de vérifier la liste des globes. Les


résultats expérimentaux confirment cette différence de difficultés.

La résolution de problème 115

4.

Les mécanismes de résolution

Ces mécanismes interviennent lorsqu’aucune procédure n’a été

évoquée à l’aide de l’analogie ou de la particularisation d’un schéma,

autrement dit lorsqu’il est nécessaire d’élaborer une procédure à partir


d’une interprétation de la situation. On peut analyser ces mécanismes

comme visant à réduire l’espace-problème. Ce sont ces mécanismes que

nous allons examiner dans ce paragraphe.

4.1 La simplification du problème

Une première façon de résoudre un problème consiste à ramener le

problème à un problème plus simple qu’on sait résoudre. Il ne s’agit pas

ici, comme dans l’analogie, d’évoquer une situation connue pour trouver

une procédure, mais de focaliser sur seulement quelques éléments de

la situation pour trouver plus facilement une procédure applicable. Ce

mécanisme s’apparente à un changement de point de vue sur la situation.

Considérons, pour illustrer ce mécanisme, le problème de la diligence.

Figure 3.6 – Le problème de la diligence

Spontanément, la plupart des sujets se représentent les déplacements

successifs de la mouche, ce qui rend ce problème extrêmement difficile,

voire insoluble, car les allers-retours sont beaucoup trop nombreux. Pour
résoudre ce problème, il faut changer de point de vue et considérer non

pas le déplacement de la mouche, mais celui de la diligence. Nous avons

alors un seul déplacement de 60 kilomètres à la vitesse de 12 km/h. La

diligence va donc mettre 60/12=5 heures pour parvenir à Redon. Sachant

que la mouche vole durant tout le trajet de la diligence, elle va voler 5


oute reproduction non autorisée est un délit.

heures à la vitesse de 20 km/h. Elle a donc parcouru 5*20=100 kilomètres.

© Dunod. T

116 Raisonnement, résolution de problèmes et prise de décision

Figure 3.7 – Le problème de l’échiquier tronqué

Un autre exemple d’une telle simplification nous est fourni par le

problème de l’échiquier (Wickelgren, 1972). Dans ce problème, il s’agit de


recouvrir un échiquier tronqué qui ne comporte plus que 62 cases à l’aide de
31 dominos recouvrant chacun deux cases (figure 3.7). Ce problème

est extrêmement difficile et de nombreux de sujets commencent par

essayer de simuler le recouvrement de l’échiquier par les dominos. Malgré de


multiples tentatives, avec des arrangements différents, ils échouent à
recouvrir les 62 cases restantes. Cependant, ces échecs ne leur permettent pas
de répondre à la question par la négative (Kaplan et Simon, 1990).

Une première façon de simplifier le problème consiste à réduire la

taille de l’échiquier en enlevant un nombre pair de colonnes et de lignes


(puisqu’un domino recouvre deux cases). Dans cette situation, on peut

enlever au maximum six lignes et six colonnes. On se retrouve donc

avec deux cases noires constituant la diagonale d’un tableau de 2*2.

Un domino ne pouvant recouvrir une diagonale, la réponse négative

s’impose.

Une autre façon de simplifier le problème consiste à considérer qu’un

domino recouvre nécessairement une case blanche et une case noire.

Les cases de chaque couleur n’étant pas en nombre égal, puisqu’on a

supprimé uniquement des cases blanches, il n’est pas possible de recou-

vrir l’échiquier.

Mettre l’accent sur cette caractéristique du problème n’est cepen-

dant pas une condition suffisante, comme le montre l’étude de Gick et

McGarry (1992). Avant le problème de l’échiquier, les auteurs donnent

à résoudre un problème isomorphe : le problème « du dîner » en mani-

pulant son degré de difficulté. Une moitié des sujets le passe dans une

version « facile » où la notion de parité est mise en avant, et l’autre moitié


dans une version plus « difficile » dans laquelle la notion de parité est
La résolution de problème 117

moins mise en avant (« deux femmes s’en vont » est remplacé par « deux

personnes s’en vont »).

Figure 3.8 – Le problème du dîner (d’après Gick et McGarry, 1992)

Les deux versions sont aussi proches l’une que l’autre de la cible en

termes de traits de surface, en revanche le problème de parité doit être

inféré dans la version difficile. Les auteurs ont comparé trois condi-

tions : deux versions du problème facile avec ou sans le diagramme et le

problème difficile. Qu’elle soit présentée avec ou sans le diagramme, la

version facile permet de trouver plus souvent la solution que la situation


difficile. La mise en avant de la parité s’avère efficace pour trouver la
solution. Elle ne facilite cependant pas le transfert pour la résolution du
problème de l’échiquier. C’est en effet pour le problème difficile que ce
transfert est le plus important. Le transfert s’avère également plus important
lorsqu’on montre au sujet l’impossibilité de résoudre le problème
par association d’un homme et d’une femme. Prendre conscience de

l’impossibilité de l’appariement semble donc plus important que la mise

en relief de l’absence de parité.

4.2 L’utilisation des heuristiques

En résolution de problèmes, on appelle heuristiques des règles géné-

rales d’action, applicables à une grande diversité de situations. Elles

constituent un moyen extrêmement puissant pour trouver une procé-

dure et parvenir à un but. Elles peuvent cependant s’avérer inappropriées


dans un certain nombre de cas, comme nous le verrons un peu plus loin.

oute reproduction non autorisée est un délit.

© Dunod. T

118 Raisonnement, résolution de problèmes et prise de décision

4.2.1 Des heuristiques de production de sous-buts


Il existe différents types d’heuristiques. La plus connue est sans doute

l’heuristique d’essais et tests qui consiste dans chaque état à sélectionner


l’action qui mène à l’état semblant se rapprocher le plus du but. Si l’action
n’aboutit pas à l’effet souhaité, on revient en arrière et on tente une autre
action. L’efficacité de cette heuristique dépend du critère d’évaluation et
suppose que le sujet mémorise les essais tentés et le résultat des tests. En
voici une illustration avec le problème des missionnaires

et des cannibales.

Figure 3.9 – Le problème des missionnaires et des cannibales

Dans ce problème, une action rapproche du but si elle augmente le

nombre de personnages sur la rive de droite. L’application de l’heuris-

tique d’essais et tests consistera donc à faire passer deux personnages de


gauche à droite et à revenir à gauche avec un seul personnage. Dans ce

problème, cependant, lorsqu’on arrive dans l’état où deux missionnaires

et deux cannibales sont passés sur la rive de droite, il n’est pas possible de
faire autre chose que de revenir avec deux personnages. L’utilisation

de cette heuristique conduit ici à une impasse, c’est-à-dire à une situa-

tion où plus aucune action n’est possible pour le sujet, compte tenu de

la représentation du problème.

Une autre difficulté de cette heuristique vient du fait que pour éviter

de tourner en rond, il est nécessaire de mémoriser les états dans lesquels on


passe et de se donner un critère d’évaluation de l’action et de l’état rencontré,
notamment pour reconnaître le but quand on y parvient.

Ces considérations peuvent paraître triviales, mais on peut imaginer


La résolution de problème 119

qu’un automobiliste utilise cette heuristique pour trouver son chemin

dans une grande ville inconnue de lui. L’application de cette heuristique


consiste alors à considérer son but « se rendre place Machin ». Il lui faut un
critère pour décider si une action rapproche du but. Par exemple la

place « Machin » est au nord de la ville, les rues en direction du nord

rapprochent donc notre automobiliste, mais il lui faut un critère d’arrêt : il ne


doit pas dépasser les pancartes de sortie de la ville. S’il ne sait pas qu’il est
place « Machin », il peut y passer un nombre infini de fois sans s’arrêter. Il
lui faut également se souvenir des rues qu’il suit sous peine de tourner en
rond sans fin. C’est la raison pour laquelle cette heuristique est utilisée
lorsque l’espace-problème a été suffisamment réduit ou lorsqu’on ne peut
plus rien faire d’autres.

Une autre heuristique, plus élaborée, permettant de produire des sous-

buts est l’heuristique des fins et moyens. Elle consiste à comparer l’état initial
et le but, à noter les différences, à les ordonner et à chercher pour chacune
d’elles un moyen de les faire disparaître. Nous présentons ici un exemple
d’application d’une telle heuristique à la situation des anneaux

chinois.
Figure 3.10 – Le problème des anneaux chinois (Kotovsky et Simon, 1990)
Identification des différences : Dans cette situation, le but est d’enlever tous
les pions. Il y a donc cinq différences entre l’état initial et l’état final
correspondant à la présence des cinq pions.

Mise en ordre des différences et création des sous-buts. Le pion 1 étant le


plus contraint, puisque c’est lui qui a le plus de pions à droite, il faut l’enlever
en premier, puis enlever les autres dans l’ordre.

Vérification des prérequis. Avant de pouvoir exécuter une action, il faut


vérifier que les prérequis sont réalisés. Si ce n’est pas le cas, la réalisation
oute reproduction non autorisée est un délit.

du prérequis devient le nouveau sous-but. Une fois ce sous-but réalisé,

on revient au but pour laquelle ces prérequis ont été réalisés.

© Dunod. T

120 Raisonnement, résolution de problèmes et prise de décision


Voici schématiquement l’application de l’heuristique des fins et des

moyens à ce problème pour le premier sous-but.

Figure 3.11 – Application de l’heuristique des fins et moyens à la situation


des anneaux chinois (en italique les prérequis non réalisés). Sur la partie
droite, sont représentés les états du jeu après l’action.

Enlever le pion 1. Pour cela, il faut que le pion 2 soit présent (un pion juste à
sa droite) et que les cases 3, 4 et 5 soient vides. Ces prérequis ne sont pas
réalisés. Il faut donc trouver un moyen d’enlever ces pions, en commençant
par le pion 3.

Enlever le pion 3. Il faut que la case 4 ait son pion et que la case 5 soit vide.
Cette dernière condition n’est pas réalisée.

Enlever le pion 5 est exécutable puisque les prérequis sont réalisés (il n’y a
aucune case à droite).

Les prérequis pour enlever le pion 3 sont réalisés, l’action peut donc être
exécutée. Il reste sur le jeu les pions 1, 2 et 4.

Enlever le pion 4. Celui-ci ne peut être enlevé que si le pion 5 est présent.

Il faut donc remettre le pion 5.

On peut alors enlever le pion 4. Il reste sur le jeu les pions 1, 2 et 5.

Enlever le pion 5 est exécutable.

Les prérequis pour enlever le pion 1 sont réalisés. L’action est exécutable.

Il faut ensuite appliquer cette heuristique à la réalisation des autres

sous-buts (dans l’ordre, enlever les pions 2, 3, 4 et 5) et résoudre ainsi le


problème.

La résolution de problème 121


4.2.2 Les heuristiques d’exploration de l’espace-problème

Les heuristiques ne servent pas seulement à produire des sous-buts.

Elles peuvent également servir à guider l’exploration de l’espace-

problème. Un peu moins étudiées que les précédentes, elles sont mises

en évidence par l’analyse des protocoles individuels et la simulation de

la résolution de problème. Voici quelques exemples de ces heuristiques.

Ne pas revenir en arrière. Parmi des heuristiques, la plus générale est de ne


pas revenir en arrière. Cette heuristique est en général respectée, à moins de
se trouver dans une impasse, c’est-à-dire une situation où

aucune autre action n’est possible. Ainsi, dans la situation des anneaux

chinois, on observe fréquemment une réticence des sujets à remettre

des pions sur le jeu. Le but est en effet d’enlever tous les pions, en

remettre revient donc à revenir en arrière, ce que les sujets n’acceptent que
lorsqu’ils ne peuvent rien faire d’autre.

Ne pas déplacer deux fois de suite la même pièce. Cette règle est proche de la
précédente, un retour arrière possible consistant à faire une action et
immédiatement après l’action inverse. Cependant, on peut déplacer

deux fois de suite une même pièce sans défaire la première action. Par

exemple dans la tour de Hanoï, on peut déplacer un disque de gauche au

milieu, puis du milieu vers la case de droite. Cette heuristique interdit ce


mouvement et permet de comprendre pourquoi, dans ce cas, les sujets

ont tendance à passer directement de la case de droite à la case de gauche.


4.2.3 Les heuristiques de gestion des actions.

Les heuristiques peuvent également servir à gérer les actions. C’est

le cas par exemple de l’heuristique de regroupement des actions. Cette

heuristique consiste à exécuter ensemble les actions présentant une

caractéristique commune. Cette heuristique est très naturellement appli-

quée dans nos activités de la vie quotidienne. Ainsi lorsqu’on s’apprête à


préparer le repas et qu’il faut aller chercher les ingrédients, nous sortons
simultanément ceux qui se trouvent dans le réfrigérateur. Les jeunes

enfants n’ont cependant pas acquis cette heuristique, comme le montre

une expérience d’Audigier et al. (1979). La situation expérimentale de ces


auteurs ne visaient pas à observer cette heuristique, mais à vérifier dans
quelle mesure des enfants de CP pensaient à utiliser la numération pour
résoudre un problème qui n’était pas présenté explicitement

comme numérique. Le problème consiste à compléter avec des jetons un

oute reproduction non autorisée est un délit.

quadrillage en mettant dans chaque case un jeton. Pour cela, les enfants

disposent d’une boîte de jetons posée un peu plus loin sur une autre

© Dunod. T

122 Raisonnement, résolution de problèmes et prise de décision table. On


demande aux enfants de rapporter des jetons pour remplir le

tableau, mais de ne pas en ramener trop. Une première façon de résoudre

ce problème tout en respectant la contrainte est d’aller chercher un à un les


jetons, ce que font un certain nombre d’enfants (12%). D’autres, en
revanche, regroupent spontanément les actions en comptant éventuelle-

ment les jetons. Si on modifie la consigne en précisant aux enfants qu’ils


doivent ramener tous les jetons dont ils ont besoin, tous les enfants sauf un
procèdent à un regroupement des actions.

4.3 Les inférences

Une autre catégorie de mécanismes de résolution de problèmes consiste

à produire des inférences. Celles-ci peuvent avoir plusieurs finalités. Elles


peuvent servir à appliquer des connaissances à la situation, elles peuvent
également servir à produire des sous-buts ou à découvrir les actions et à les
gérer. Dans les inférences, interviennent également le raisonnement

analogique que nous avons traité au chapitre précédent et que nous ne

reprendrons pas ici.

4.3.1 Application des connaissances à la situation

Ces inférences sont utilisées pour construire de nouvelles propositions

applicables à la situation. Des problèmes particulièrement illustratifs de la


production de telles inférences sont les problèmes de cryptarithmé-

tique étudiés, notamment par Newell et Simon (1972). Dans ce type de

problème, les chiffres d’une opération arithmétique ont été remplacés

par des lettres. Chaque lettre correspond à un seul chiffre. Le but est de
retrouver à quel chiffre correspond chaque lettre. Un exemple désormais

classique est l’addition DONALD + GÉRALD = ROBERT que l’on doit

résoudre en sachant que D=5.

La résolution du problème commence tout naturellement par le


remplacement de chaque D par le chiffre 5. L’addition des deux D finaux

conduit à trouver que T est égal à 0 et qu’il y a une retenue. L’addition des
deux L devrait conduire à penser que R est pair, mais puisqu’on sait

qu’il y a une retenue de 1, on peut déduire que R est impair. R étant

également la première lettre du résultat, L + L + 1 est forcément inférieur ou


égal à 9. R peut donc être égal à 1, 3, 7 ou 9 puisque 5 est exclu. On
continuera ainsi la chaîne d’inférences jusqu’à restreindre suffisamment

les possibles pour ne retenir qu’un arrangement qui constituera la solu-

tion. Vous pouvez, à titre de mise en pratique, demander à un de vos

proches de résoudre (ou le faire vous-même) ce problème en verbalisant

La résolution de problème 123

à voix haute ses inférences. Cela vous permettra d’observer la mise en

œuvre des connaissances pour résoudre ce problème. Une variante de ce

type de problème est l’addition des adjectifs MON + TON + SON = NOS,

sachant que S = 1 et T = 3.

4.3.2 Gestion des actions possibles et de leur prérequis

Les inférences dans la résolution de problèmes peuvent également

servir à découvrir des actions possibles et leur prérequis. Elles sont

souvent difficiles à faire et demande parfois de changer de point de vue

sur la situation. Ainsi, dans la situation des anneaux chinois dont nous

avons parlé précédemment, bien peu de sujets font l’inférence que les
conditions de l’action ne concernent pas le pion 5 puisqu’il n’a pas de

case sur sa droite. Spontanément, ces sujets s’interdisent de retirer le

pion 5 et retire le pion 4. Si vous essayez de résoudre le problème en

commençant pas le pion 4, vous aboutirez à une impasse qui vous obli-

gera à revenir à la situation initiale. De fait, une des principales difficultés


dans la découverte d’actions possibles est d’identifier les prérequis de

ces actions. La difficulté des inférences nécessaires explique sans doute


qu’elles ne soient pas faites spontanément. Ainsi dans la tour de Hanoï

et ses isomorphes, on peut reformuler la consigne en construisant un

énoncé unique qui permet de mieux gérer les actions et leur prérequis

(Richard, 2005) : pour prendre ou poser un disque, il faut que les disques plus
petits soient à un autre emplacement.

Cette première inférence permet d’en faire une autre : il n’y a pas de

prérequis pour le petit disque puisqu’il n’y a pas de disque plus petit.

Ces inférences ne sont quasiment jamais faites. Elles ne sont d’ailleurs

pas nécessaires, nos connaissances sur la manipulation de piles d’objets

nous conduisant spontanément à prendre l’objet qui est sur le dessus,

ce qui correspond au disque le plus petit à un emplacement. De la

même manière, nos connaissances sur l’équilibre des piles d’objets nous

conduisent à construire ces piles par ordre décroissant de taille, ce qui revient
à ne pas poser un disque à un emplacement s’il en existe déjà
un plus petit à cet emplacement. En revanche, dans la situation des

ascenseurs ou celles des monstres, les prérequis ne correspondent pas

à des connaissances. Ces inférences sur les prérequis n’étant pas faites

spontanément, cela peut expliquer pourquoi ces isomorphes sont plus

difficiles à résoudre.

oute reproduction non autorisée est un délit.

© Dunod. T

124 Raisonnement, résolution de problèmes et prise de décision

4.3.3 La production de sous-buts

Ce type d’inférence est rarement produit en début de résolution. Il est

le plus souvent le résultat d’une exploration de la situation. Nous allons


l’illustrer à l’aide d’une variante du jeu de Nim, la course à 20 (Grumbach,
Nguyen-Xuan, Richard, Cauzinille-Marmeche et Mathieu, 1984). Dans
ce jeu, les joueurs disposent d’un paquet de 20 allumettes. Chacun à

son tour peut ajouter une ou deux allumettes. Le but est de poser la 20e.

Ceux qui ont déjà joué à ce jeu savent que celui qui commence peut

gagner à coup sûr. Il suffit de faire en sorte que l’adversaire arrive à 18

ou 19 allumettes. Pour cela, il faut avoir soi-même réaliser 17. Le même

raisonnement peut être tenu pour les coups précédents pour en déduire

que les états sûrs sont 17, 14, 11, 8, 5, et 2.

Dans une étude, George (1986) a utilisé une variante de ce jeu. Nous

présentons celle-ci dans la figure 3.12. Dans cette version, il y a deux

rangées de jetons en nombre inégal. Le but est d’enlever le dernier. Pour cela,
on peut chacun à son tour enlever autant de jetons qu’on souhaite

de l’une des deux rangées ou des deux. Si on retire des jetons dans

les deux rangées, il faut prendre autant de jetons dans chaque rangée.

Comme dans la course à 20, celui qui commence gagne à condition

de bien jouer ou, pour être plus précis, à condition d’empêcher l’autre

joueur de bien jouer en réalisant les états sûrs. Si on laisse à son adversaire
une situation avec deux jetons d’une couleur et un jeton de l’autre, on

comprend aisément qu’il devra forcément en laisser un dans le jeu, nous

permettant ainsi de remporter la partie. Avec le même raisonnement, on

peut découvrir qu’en laissant à son adversaire une situation avec cinq

jetons d’un côté et trois de l’autre, on a la garantie de réaliser l’état sûr


suivant. Pour pouvoir atteindre ce nouveau sous-but, il faut laisser à

l’autre joueur sept jetons d’une sorte et quatre de l’autre.

Figure 3.12 – Une variante du jeu de Nim et son espace-problème

La résolution de problème 125

L’espace de la tâche peut être représenté par une matrice compor-

tant autant de lignes que de jetons dans la première rangée et autant de

colonnes que de jetons dans la deuxième rangée (voir figure 3.12). Nous

avons représenté les états sûrs en colorant les cases correspondantes. Dans
son expérience, George (1986) a manipulé le type d’erreur qu’un adversaire
peut produire en faisant jouer les sujets face à un expérimentateur durant 25
parties consécutives, sauf s’il gagnait 8 fois de suite auquel

cas, l’expérience s’arrêtait. À la fin de chaque partie, le sujet était invité à


répondre aux questions suivantes :

• Qu’est-ce que vous devez faire pour gagner ?

• Quelles sont les erreurs qu’il faut éviter ?

• Si on continuait à jouer, chaque nouvelle partie étant toujours

commencée par vous, pensez-vous que vous pourriez gagner toutes

les parties ?

L’auteur montre que l’apprentissage dans ce type de situation est très

progressif et s’appuie sur une série de raisonnements inductifs et déductifs.

La découverte des sous-buts est un élément déterminant pour l’élimina-


tion des erreurs. Des erreurs peuvent trouver, au moins momentanément

confirmation dans une séquence de réussite. À l’inverse, des réussites trop


rares empêchent de découvrir les invariants permettant d’inférer les états sûrs.
Ces deux derniers résultats peuvent paraître paradoxaux dans la

mesure où l’action de l’adversaire gagnant est aussi informative que celle que
le sujet acquiert en perdant. En fait, les sujets semblent se centrer sur leurs
propres actions pour découvrir ce qu’il faut faire ou éviter.

5.

Les modèles de résolution de problèmes

La modélisation consiste à traduire un ensemble de propositions

théoriques dans un langage formel permettant le calcul ou des résultats

découlant de la théorie. Les modèles présentent plusieurs avantages :

• imposer une description rigoureuse et complète du processus ;

• fournir de nouveaux moyens de résumer les données ;

• permettre l’analyse des protocoles individuels grâce à la simulation.

Dans le cadre de la résolution de problèmes, la modélisation a été

utilisée pour rendre compte de la compréhension d’un énoncé ou

d’une situation. Le modèle de Hayes et Simon (1977) présenté dans le

oute reproduction non autorisée est un délit.

paragraphe 3.3.3 sur la construction de l’interprétation de la situation-

problème en constitue un exemple. Il en existe bien d’autres, notamment


des modèles connexionnistes et nous renvoyons à Richard (2004) ou à

© Dunod. T

126 Raisonnement, résolution de problèmes et prise de décision

Clément (2009) pour une présentation plus exhaustive. Nous développe-

rons dans ce paragraphe les modèles de résolution. Ceux-ci comprennent

à la fois une composante rendant compte de l’interprétation du problème,

de la capacité d’apprentissage, mais surtout, ils intègrent un mécanisme

de décision sur l’action.

5.1 Un modèle probabiliste

Ce modèle a été élaboré pour rendre compte de la résolution du


problème des jarres que nous avons présenté précédemment (Atwood et

Polson, 1976; Atwood, Masson, et Polson, 1980) et d’autres problèmes

de transformation, notamment le problème des missionnaires et des

cannibales et ses isomorphes (Jeffries, Polson, Razran, et Atwood, 1977).

Nous présentons ici le modèle et son évaluation expérimentale pour le

problème des jarres. La situation utilisée par les auteurs est un peu diffé-

rente de la situation originale de Luchins (1942). La situation initiale

comporte la plus grande jarre pleine, et deux jarres plus petites vides (par
exemple, une jarre de 8 litres pleine et deux jarres de cinq et trois litres
vides). Pour réaliser l’état but (par exemple deux jarres contenant 4 litres
chacune et un jarre vide), le sujet doit verser de l’eau dans une des deux
autres jarres. Cette version s’apparente à un problème de transformation.

Nous présentons dans la figure 3.13 la situation citée en exemple et son

espace-problème.

Figure 3.13 – À gauche, un exemple de situation et son espace-problème (les


chiffres représentent dans l’ordre l’état de remplissage de chaque jarre.

À droite, graphique du nombre moyen d’action par tâche et par conditions


(en pointillés, les résultats prédits par le modèle et en traits pleins, les
résultats observés) (d’après Atwood et al., 1980)

La résolution de problème 127

Le modèle implique l’interaction entre plusieurs types de processus.

L’évaluation des actions possibles : elle repose sur un calcul de l’écart au but
par différence entre la quantité présente dans une jarre et celle
qui est attendue dans l’état but. La somme des valeurs absolues de ces

différences constitue l’indicateur de cet écart au but. Si nous avons 8

litres dans la jarre A et 0 dans la jarre B et 0 dans la jarre C alors que nous
visons d’en d’avoir quatre dans les deux premières, et rien dans la

plus petite, l’écart au but sera de |8 – 4|+ |5 – 4|+ |0 – 0|= 5. Chaque état est
également affecté d’une fréquence liée au nombre de fois où l’état a

été rencontré.

La mémorisation. Dans ce modèle, l’information sur l’état courant et les états


qu’il permet d’atteindre ainsi que les mouvements et l’évaluation

des états sont stockés en mémoire à court terme pendant le processus de

sélection d’une action. L’information sur les états précédemment visités

ou utilisés dans le processus d’évaluation et de sélection est stockée en


mémoire à long terme.

Sélection des actions. Ce processus combine l’information des deux


précédents pour sélectionner une action parmi celles qui sont possibles.

Il se déroule en trois étapes :

• Étape 1 : le sujet évalue dans un ordre aléatoire les actions possibles jusqu’à
ce que l’une d’elles soit retenue ou que toutes soient rejetées.

Les mouvements inacceptables ou conduisant à l’état immédiate-

ment précédent ne sont jamais retenus. Un mouvement aboutissant

à l’état but est systématiquement retenu. Tous les autres mouve-

ments sont retenus avec une probabilité a pour être examiné à


l’étape suivante.

• Étape 2 : le processus de mémorisation entre en jeu pour trouver une

action conduisant à un état qui n’a pas encore été rencontré. S’il y

en a plusieurs, il sélectionne l’un deux aléatoirement.

• Étape 3 : celle-ci n’est réalisée que si l’étape 2 a échoué. Aucune

action conduisant à un nouvel état n’est disponible. Il faut alors

calculer le choix optimal parmi les actions possibles en sélection-

nant l’action qui aboutit à un état présentant le plus petit écart au

but (processus d’évaluation) avec une probabilité a (étape 1). Pour tenir
compte des limites de la mémoire à court terme, ce choix

optimal est remplacé par un choix aléatoire lorsque les actions

possibles sont trop nombreuses.

oute reproduction non autorisée est un délit.

Le modèle permet de rendre compte de l’importance variable des diffé-

rents processus dans la résolution de problème grâce au poids accordé

à chacun d’eux au moyen des probabilités. La limitation des ressources

© Dunod. T

128 Raisonnement, résolution de problèmes et prise de décision cognitives y


joue un rôle important. Dans leur expérience, Atwood et

al. (1980) ont manipulé l’information présente pendant la résolution de façon


à alléger la charge en mémoire à court terme. Dans la condition
« contrôle », les sujets devaient résoudre le problème sans information

sur l’état précédent et les états suivants. Dans une deuxième condition,

les sujets recevaient l’information sur les états suivants (mouvements

autorisés) et, dans la troisième, l’information sur les états précédents

et suivants était disponible. Nous présentons dans la figure 3.27, les

résultats de l’expérience. On peut voir que les différences de difficultés


observées (traits pleins) sont bien conformes à celle prévues par le modèle
(traits pointillés). Ce modèle n’a cependant pas été repris depuis. Sans

doute en partie à cause du succès des modèles à base de règles qui se sont
fortement développés à la faveur de l’essor de l’intelligence artificielle.

5.2 Les modèles à base de règles

Ces modèles postulent que les connaissances et les processus de réso-

lution de problème peuvent être formalisés à l’aide de règles stockées

en mémoire procédurale. Celles-ci sont constituées de deux parties :

1) la condition qui est la situation dont il faut vérifier la réalisation pour


pouvoir appliquer la règle ; 2) l’action qui correspond à ce qu’il

faut faire si la condition est réalisée. Ces actions peuvent modifier la

situation (action externe) ou le contenu de la mémoire de travail (action


interne). Les modèles se distinguent par le type de règles utilisées et

par le type de situation-problème auxquels ils s’appliquent. Ces règles

peuvent concerner l’exploration de la situation, la génération de but ou

la planification.
Nous illustrerons cette famille de modèles à l’aide du modèle ACT-R

(Anderson, 1993) qui est un des plus aboutis. Le champ d’application

de ce modèle dépasse largement le seul domaine de la résolution de

problème et constitue un modèle général de la cognition accordant une

importance particulière au processus de mémorisation. Trois types de

mémoire y sont distingués :

• La mémoire déclarative est une mémoire à long terme regroupant

les mémoires sémantique et épisodique.

• La mémoire de procédurale est constituée d’un ensemble de règles

de production permettant la coordination des informations activées

en mémoire déclarative et les informations de l’environnement.

• Une mémoire de travail correspond à l’information disponible à un

moment donné (représentations activées) avec laquelle les règles

sont appariées.
La résolution de problème 129

Figure 3.14 – Le fonctionnement du modèle ACT-R

Nous illustrerons le fonctionnement de ce modèle avec l’addition en

colonne. La mémoire procédurale contient l’ensemble des règles néces-

saires à la résolution de ce type de problème. Elles sont notées de R1 à R5.

Chacune d’elles comporte une partie condition (SI) et une partie action

(ALORS). On trouve, dans la partie droite de la figure 3.14, les différents


états de la mémoire de travail durant la résolution. La pastille au coin

supérieur de chaque cadre représentant un état de la mémoire de travail

indique la règle appliquée à un instant donné. Ainsi dans le premier

état de la mémoire de travail, c’est la règle 1 qui s’applique et conduit à


sélectionner la colonne la plus à droite. Le modèle fonctionnant de
manière séquentielle, conformément à ce qu’on sait du fonctionnement

de la mémoire de travail, une seule règle s’applique à chaque fois. C’est celle
dont les conditions s’apparient avec l’état courant de la situation et dont la
partie action réalise le but. En cas de conflit entre plusieurs règles, une valeur
d’utilité permet de les départager. Les données de la

situation activent également des connaissances en mémoire déclarative.

Ici ce sont les résultats des sommes 2 + 6 et 1 + 3.

Ce modèle a donné lieu à de multiples évaluations expérimentales.

Par exemple dans la résolution de la tour de Hanoi, le modèle prédit

que le temps pour réaliser un mouvement dépend du nombre de sous-

buts à construire. Anderson a pu le vérifier en analysant les séquences

oute reproduction non autorisée est un délit.

de mouvements correspondant à une stratégie récursive (Anderson et

Douglass, 2001).

© Dunod. T

130 Raisonnement, résolution de problèmes et prise de décision

5.3 Le modèle des contraintes


Dans le prolongement des travaux de Newell et Simon (1972), Richard,

Poitrenaud et Tijus (1993) ont proposé de voir le processus de réso-

lution de problème comme un processus de gestion de contraintes.

Une contrainte est une restriction sur un ensemble d’actions. On peut

exprimer ainsi les différentes composantes de la situation-problème. Par

exemple dans la tour de Hanoï, la consigne correspond à des contraintes

sur les disques qu’on peut prendre (le plus petit à un emplacement

donné ; un seul à la fois) et l’emplacement où il est possible de le poser (s’il


n’y en a pas de plus petit à cet emplacement). Les heuristiques

peuvent également être exprimées sous la forme de contraintes. Lorsque

l’heuristique correspond à une restriction de l’action (ne pas revenir en


arrière), c’est assez évident. Ça l’est un peu moins pour les heuristiques
formulées positivement (privilégier les actions qui rapprochent du but),

mais on peut trouver une formulation négative équivalente (éviter les

actions qui éloignent du but). L’interprétation de la situation par le sujet


engendre également des contraintes (s’interdire de sauter un emplacement)
mais peut également correspondre à un point de vue sur la situa-

tion notamment du but courant à un moment donné (avoir l’impression

qu’on s’éloigne du but par exemple).

Figure 3.15 – Application du modèle des contraintes à la situation initiale de


la tour de Hanoï

Concrètement, pour un état donné, on pose dans un tableau l’en-


semble des actions en ligne et les contraintes en colonne. À l’intersec-

tion des deux, un 1 signifiera que l’action est interdite et un 0 qu’elle est
permise. Nous allons l’illustrer avec la situation de la tour de Hanoï et un jeu
de contraintes très simplifié appliqué à la situation initiale

(figure 3.15). Nous avons dans ce problème, et ce quel que soit l’état,

neuf actions possibles (trois disques * trois emplacements). La première

contrainte nous indique qu’on ne peut prendre à un emplacement que

le disque le plus petit. La seconde contrainte concerne les emplacements

La résolution de problème 131

où l’on peut poser un disque. Le petit peut être posé partout, mais dans

cet état, le moyen et le grand ne peuvent être posés que sur des empla-

cements vides. La contrainte NRA correspond à l’heuristique « ne pas

revenir en arrière ». Elle interdit de poser les disques dans l’emplacement de


gauche. La contrainte NPS (ne pas sauter) correspond à une représentation
d’un mouvement continu dans lequel sauter un plot est interdit.

Dans la dernière colonne, la somme indique le nombre de contraintes

pesant sur chaque action. Dans ce modèle, le mécanisme de décision

est déterministe. Si une action est permise, elle est réalisée. Dans notre
exemple, on ne peut que déplacer le petit disque dans l’emplacement du

milieu. Il arrive parfois que plusieurs actions soient possibles. Un mécanisme


de choix intervient, tenant compte, entre autres, de l’écart au but.

Si aucune action n’est possible, on est dans une situation d’impasse. Il


faut alors lever une contrainte pour essayer de trouver une action réali-

sable. Les contraintes étant hiérarchisées par ordre d’importance, c’est

la moins importante qui est transgressée.

Il convient de souligner que le calcul des actions se fait dans l’espace-

problème, c’est-à-dire en tenant compte de la représentation du sujet,

des heuristiques qu’il met en œuvre et du but courant dans une situa-

tion donnée. Cela explique que le sujet puisse tenter des actions qui ne

sont pas permises ou négliger d’autres qui le sont. L’espace-problème est


dynamique, contrairement à l’espace de recherche. Cela tient au fait que

le but courant change en cours de résolution ainsi que le point de vue

et les informations issues de la situation ou mémorisées.

Le modèle constitue un puissant outil d’analyse des protocoles indi-

viduels. Les simulations réalisées à l’aide de ce modèle ont permis d’en

tester l’adéquation aux protocoles individuels pour la résolution de

problème dans des situations de laboratoire (Clément, 1996 ; Richard,

Clément, et Tijus, 2002; Richard et Zamani, 2003), mais aussi pour des

situation de travail (Richard et al., 2009).

132 Raisonnement, résolution de problèmes et prise de décision

! 

Exercices
Ô Questions à choix multiples

1. L’approche béhavioriste de la résolution de problèmes est caractérisée par


a. Une importance centrale accordée à l’association

stimulus-réponse.

b. Une importance centrale accordée à l’aspect représentationnel.

c. Une importance centrale accordée à l’apprentissage.

d. Une importance centrale accordée à la motivation comme

moteur de l’action.

2. Dans l’approche gestaltiste de la résolution de problèmes …

a. Les problèmes ne se résolvent pas progressivement.

b. L’ insight est le résultat d’une analogie.

c. La pensée reproductive conditionne la pensée créative.

d. La notion de structure est centrale.

3. Selon l’approche cognitiviste, la résolution de problème…

a. Implique nécessairement une perception différente de

celui-ci.

b. Nécessite d’identifier les mécanismes de compréhension.

c. Passe nécessairement par l’élimination des réponses

inadéquates.
d. Ne relève que de la pensée créative.

4. On peut classer les problèmes du point de vue de la nature de ceux-ci.


Laquelle de ces distinctions n’appartient-elle pas à ce point de vue ?

a. Problèmes dynamiques.

b. Problèmes de réarrangement.

c. Problèmes de transformation

d. Problème d’induction de structure.

5. Quelle définition de la notion de problème est-elle correcte ?

a. Un problème est une tâche pour laquelle on ne dispose pas

des connaissances menant à la solution.

b. Un problème est une tâche pour laquelle on ne dispose pas

de représentation des actions.

La résolution de problème 133

c. Un problème est une tâche pour laquelle on ne dispose pas

des procédures menant à la solution.

d. Un problème est une tâche pour laquelle on ne dispose pas

d’une représentation du but.

6. Quelle est la définition correcte de la notion d’espace-problème ?

a. C’est l’ensemble des états et transitions entre les états

possibles résultant de l’analyse d’un problème.


b. C’est l’ensemble des états et transitions entre états envisa-

geables compte tenu de la représentation d’un individu.

c. C’est l’ensemble des contraintes et impasses qui font la difficulté d’un


problème.

d. C’est l’ensemble des contraintes et impasses compte tenu

des consignes du problème.

7. Quelle est la définition correcte de la notion d’espace de recherche ?

a. C’est l’ensemble des états et transitions entre les états

possibles résultant de l’analyse d’un problème.

b. C’est l’ensemble des états et transitions entre états envisa-

geables compte tenu de la représentation d’un individu.

c. C’est l’ensemble des contraintes et impasses qui font la difficulté d’un


problème.

d. C’est l’ensemble des contraintes et impasses compte tenu

des consignes du problème.

8. À propos de la notion d’espace-problème, quelle affirmation est-elle


erronée ?

a. L’espace-problème est spécifique à la représentation d’un

individu.

b. L’espace-problème peut être plus réduit que l’espace de

recherche.
c. L’espace-problème ne concerne que les problèmes de

transformation.

d. L’espace-problème permet d’identifier des problèmes

isomorphes.

9. Deux problèmes sont isomorphes…

oute reproduction non autorisée est un délit.

a. Lorsqu’ils ont le même espace de recherche.

b. Lorsqu’ils sont de même difficulté pour les sujets.

© Dunod. T

134 Raisonnement, résolution de problèmes et prise de décision c. Lorsque


les sujets font les mêmes erreurs.

d. Lorsqu’ils ont le même espace-problème.

10. Le transfert analogique est…

a. Une heuristique incontournable et irrépressible.

b. L’application automatique d’une procédure connue.

c. Un changement brusque de point de vue sur la situation.

d. Une procédure conduisant à des erreurs et des impasses.

11. Chassez l’intrus.

a. Le transfert analogique.

b. L’application d’une heuristique.


c. La particularisation d’un schéma.

d. La construction d’une interprétation.

12. Apparier les types de problèmes et les exemples.

1. Les problèmes de

a. Missionnaires et des

réarrangement

cannibales

2. Les problèmes de

b. Anagramme

transformation

3. Les problèmes d’induction

c. Identifier la règle de

de structure

construction d’une suite de

lettres

13. Que montre l’expérience de Luchins (1942) avec le problème des jarres ?

a. La recherche de solution connue est privilégiée dans la réso-

lution de problèmes.

b. Les caractéristiques sémantiques n’impactent pas la

résolution.
c. L’interprétation d’un problème ne suffit pas pour appliquer

une procédure trouvée par analogie.

d. L’isomorphie des problèmes est un frein à la réflexion.

14. Remettez dans l’ordre les étapes de la construction de l’interprétation


selon Hayes et Simon (1976).

a. Interprétation des conditions d’application.

b. Identification des objets et de leurs attributs pertinents.

La résolution de problème 135

c. Identification de l’opérateur.

d. Analyse syntaxique de l’énoncé.

e. Choix d’une représentation décrivant la situation.

15. Pourquoi le problème de l’échiquier de Wickelgren (1972) est-il difficile


?

a. Le nombre de dominos à manipuler est trop important.

b. On ne peut pas prévoir tous les arrangements possibles.

c. L’action prescrite éloigne d’une représentation donnant accès à la solution.

d. Le nombre de cases noires n’est pas égal à celui des cases

blanches.

16. Parmi les affirmations suivantes, lesquelles sont fausses ?

a. Une heuristique conduit toujours à la solution.

b. L’espace-problème de l’expert est égal à l’espace de base.


c. Deux problèmes isomorphes ont le même état but.

d. Un individu est dans une situation-problème s’il ne peut pas

se représenter une situation.

17. Dans les modèles probabilistes de résolution de problème, la résolution


repose sur …

a. Une sélection aléatoire des solutions.

b. L’évaluation probabiliste des actions possibles.

c. Une maximisation de l’analogie.

d. La fréquence des impasses rencontrées.

18. Comment sont sélectionnées les règles à appliquer dans les modèles de
résolution de problèmes à base de règles…

a. Seule la règle correspondant à la solution est appliquée.

b. Seule la règle correspondant à l’état courant de la situation

est appliquée.

c. Seule la règle correspondant au but courant est appliquée.

d. Seule la règle correspondant à une sortie d’impasse est

appliquée.

oute reproduction non autorisée est un délit.

© Dunod. T

136 Raisonnement, résolution de problèmes et prise de décision 19. Dans le


modèle des contraintes de Richard, Poitrenaud et Tijus (1993), les contraintes
correspondent à …

a. La consigne.

b. L’interprétation du sujet.

c. Des impasses

d. Des heuristiques.

20. Dans le modèle des contraintes, comment se sort-on d’une situation


d’impasse ?

a. En supprimant la contrainte correspondant à la consigne.

b. En supprimant la contrainte la moins importante.

c. En supprimant la contrainte la plus récente.

d. En supprimant la contrainte correspondant au but.

Ô Texte lacunaire. Complétez le texte suivant.

Afin de formaliser le cheminement d’un sujet vers la solution d’un

problème, Newell et Simon (1972) ont proposé d’analyser les problèmes

de transformation à travers la notion d’espace de [1]. Le problème est

représenté sous la forme d’un graphe où les nœuds représentent les [2]

possibles et les arcs les [3] permises entre états. Cet espace formalise la
représentation de la situation par un [4]. Il permet de situer n’importe

quel sujet par rapport à une interprétation de référence. On peut alors

mettre en évidence les décalages systématiques chez les sujets.

Ainsi, plusieurs travaux ont montré que certains sujets, notamment les
enfants, interprètent le déplacement dans la tour de Hanoi en excluant

de sauter un emplacement (Richard, 2005). On peut observer qu’ils

évitent systématiquement certaines actions dans certains états.

La notion d’espace-problème permet une étude comparative systé-

matique des mécanismes de résolution de problèmes, notamment

en construisant des situations [5], c’est-à-dire ayant le même espace-

problème mais [6] différentes. Cependant, cette notion ne permet pas de

prédire la [7] d’un problème. Ainsi, dans la situation des missionnaires et des
cannibales, l’espace de recherche est quasiment linéaire et comporte

moins d’états que celui de la tour de Hanoi. Pourtant le premier problème est
bien plus difficile que le second. Cela tient au fait que l’espace [8], c’est-à-
dire l’interprétation de la situation par le sujet ne coïncide pas toujours avec
l’interprétation de l’expert. Cela tient également au fait

que la résolution d’un problème est fortement influencée par les règles

La résolution de problème 137

générales d’action que sont les [9] et les aspects [10] (appelés également
habillage du problème). Ces aspects, très importants dans la résolution

de problèmes, ne sont pas formalisés dans l’espace-problème.

Ô Questions de rélexion

• L’automatisation des procédures est-elle un frein ou un gage d’effi-


cacité cognitive ?

• Peut-on résoudre un problème sans le comprendre ?

• Pourquoi les situations d’impasses sont-elles importantes dans la

résolution de problème ?

Lectures conseillées

Clément, E. (2009). La Résolution de problème. À la découverte de la


flexibilité cognitive. Paris, Armand Colin.

Richard, J.-F. (2005). Les Activités mentales : De l’interprétation, de


l’information à l’action (4e éd.). Paris, Armand Colin.

Cha 4

pitre

LA

PRISE DE DÉCISION

aire

Somm

1. Des probabilités à l’utilité .................................................... 141

2. Heuristiques et biais ........................................................... 151

3. Les modèles de la prise de décision .................................... 158

4. Prise de décision et diagnostic et contrôle de l’activité ... 164

La prise de décision peut être définie comme un choix parmi plusieurs


options. Elle est le résultat d’un ensemble de processus qu’il convient
de distinguer (Weber et Johnson, 2009). Prendre une décision nécessite

en effet de pouvoir évaluer les différentes alternatives, de s’en faire une


opinion. Elle peut dans certains cas faire suite à un diagnostic dont la

prise de décision constituera le but ultime.

Ces différents processus peuvent être étudiés isolément ou de manière

interactive. La première option repose sur l’idée que les processus

complexes sont décomposables en activités simples et se déroulant de

manière sérielle, en raison notamment des limitations de la mémoire

de travail. Nous aurions ainsi d’abord des activités de prise d’informa-

tion (évaluation et jugement), de mise en concurrence d’hypothèses

(diagnostic) et enfin de prise de décision. Cependant, de plus en plus de


travaux accréditent l’idée que ces processus sont interdépendants. Pour

organiser ce chapitre, nous avons fait le choix d’examiner la relation

entre chacun d’eux et la prise de décision. Ce chapitre sera donc orga-

nisé en quatre parties. La première sera consacrée aux relations entre

jugement et prise de décision, en examinant notamment la question

de l’évaluation des options sur lesquelles doivent être fait un choix.

Nous verrons ensuite les principaux biais qui caractérisent la décision

humaine. Dans la troisième partie, nous présenterons les modèles de

prise de décision pour finir dans la quatrième partie par une mise en

relation de la prise de décision avec un modèle de diagnostic.


1.

Des probabilités à l’utilité

1.1

L’espérance mathématique de gain

Choisir entre plusieurs options suppose de hiérarchiser les options et

donc d’émettre un jugement sur l’intérêt de chacune d’elles. Un critère

d’utilité est nécessaire ; par exemple choisir la situation la plus avanta-geuse


ou prendre celle qui fait courir le moins de risque. À l’instar de

l’étude du raisonnement qui été abordée par comparaison à un modèle,

celui de la logique formelle, l’étude de la prise de décision a bénéficié d’un


modèle issu des mathématiques, en particulier du calcul des probabilités et de
son application en économie notamment pour le calcul de

oute reproduction non autorisée est un délit.

l’espérance de gain. Les situations princeps sont des situations de jeu à deux
adversaires. Pour illustrer cela, supposons qu’on vous propose de

© Dunod. T

142 Raisonnement, résolution de problèmes et prise de décision jouer aux dés


et d’emporter la mise si un événement prévu à l’avance ne

se réalise pas. Vous pouvez choisir entre les deux règles de jeux suivantes :

• Sortir un 6 au cours de quatre jets consécutifs d’un dé.

• Sortir deux 6 en même temps au cours de vingt-quatre jets consé-


cutifs de deux dés.

Laquelle choisiriez-vous ? Obtenir une face particulière sur un dé

semble plus facile que sur deux, mais le réaliser au cours de quatre jets est
plus difficile qu’au cours de vingt-quatre. Pour le chevalier de Méré (1607-
1685) qui a imaginé ces situations, elles sont équivalentes. Son

raisonnement est le suivant. On a une chance sur six d’obtenir une face

particulière sur un dé. Dans le premier jeu, avec quatre jets, on a donc

1/6*4 = 2/3 chances de voir l’événement se produire. Dans le second

jeu, avec deux dés et vingt-quatre jets, on a également 1/6*1/6*24 = 2/3

chances.

Blaise Pascal (1623-1662) et Pierre de Fermat (1610-1665), a qui le

chevalier de Méré avait soumis la comparaison des deux problèmes, ont

montré, que ceux-ci ne sont pas équivalents. En effet, quel que soit le

nombre n de possibles, la probabilité d’un événement e est de 1 – ( e/ n) et il


ne faut pas multiplier, mais élevé à la puissance la probabilité. Dans le
premier cas, la probabilité de l’événement, gagnant pour le chevalier de

Méré, est donc de 1 – (5/6)4 = 0,5177 alors que dans le second, elle est de 1 –
35/36)24 = 0,4914. Si vous deviez jouer contre le chevalier, c’est donc la
seconde version que vous devriez préférer. Dans ces jeux de hasard,

l’espérance mathématique de gain (EMG) est égale à la probabilité multi-

pliée par le montant de la mise. Elle fournit un premier critère objectif de


décision que nous allons pouvoir comparer aux conduites effectives

des individus.
1.2 L’utilité espérée

Supposons maintenant qu’on vous propose de jouer à pile ou face et de

recommencer tant que la pièce ne tombe pas sur pile. Pour n tour, vous
pouvez gagner 2 n euros à condition de miser autant que vous pourriez
gagner. Combien êtes-vous prêt à payer pour jouer ? Dans ce jeu, l’EMG

est infinie, on a en effet l’équation suivante :

EMG = × 2 + × 22 + × 23 + … +

×2n=∞

2 n–1

En toute logique, nous devrions miser tout ce que nous avons alors

qu’en réalité, nous avons très peu de chance de gagner et encore un


La prise de décision 143

gain modeste après de nombreux tours (EMG = 1 € à chaque tour). Pour

résoudre ce paradoxe, D. Bernouilli (1700-1782) a introduit la notion


d’utilité espérée (EU pour expected utility) qui est le rapport entre le gain et la
fortune d’un individu. Dans le cas des événements incertains, l’utilité espérée
doit être pondérée par la probabilité de l’événement. Cela revient à calculer
l’utilité espérée en faisant le produit de l’utilité par la probabilité de
l’événement. La probabilité d’un événement est simplement

sa fréquence dans un ensemble d’événements observables ou à défaut

observés. Ainsi pour le lancement d’un dé, la probabilité d’obtenir un six en


un lancer est de 1/6. La probabilité d’avoir deux fois le six au cours de deux
lancers est de 1/62 puisque nous avons six possibles au premier

lancer et six autres au second. Nous avons donc 36 combinaisons de

lancers possibles dont une seule correspond à l’événement attendu. Dans

le cas d’un lancer de pièce, elle est de 1/2 au premier tour et de 1/22 au
second tour. En étudiant la variation entre la fortune et l’utilité, Stevens
(1968) a montré que celle-ci est une fonction logarithmique de valeur

subjective de l’argent k et de la fortune F. L’introduction de la notion d’utilité


permet de résoudre le paradoxe de Saint-Pétersbourg.

Figure 4.1 – La résolution du paradoxe de Saint-Pétersbourg

Ainsi, lorsque nous prenons pour l’utilité de chaque lancer de pièces

des logarithmes binaires (base 2), nous obtenons pour le premier lancer : 1/2
log (2) = 0,5 ; pour le deuxième lancer, on a 1/4 log (4) = 1 ; pour le 2

troisième lancer, on a 1/8 log (8) = 0,375. La somme cumulée des UE

de chaque tour nous donne l’UE pour le jeu. Pour un nombre infini de
tours, elle converge vers 2. Dès lors, la frilosité des joueurs potentiels paraît
plus rationnelle.

oute reproduction non autorisée est un délit.

© Dunod. T

144 Raisonnement, résolution de problèmes et prise de décision

1.3 L’utilité espérée subjective

Dans les situations où les ensembles des cas favorables et des événe-

ments possibles sont connus à l’avance, cette probabilité est extrinsèque à


l’individu et peut donc être qualifiée d’objective. Cependant, dans

la vie quotidienne, cette probabilité est surtout le reflet d’une incer-

titude ou d’un degré de croyance. C’est pourquoi la notion d’utilité

espérée a progressivement laissé la place à la notion d’utilité subjecti-

vement espérée ( subjectively expected utility ou SEU). Nous allons voir cette
notion à travers un exemple emprunté à Cadet (2009). Avant de
partir, un randonneur doit décider s’il prend ou non son anorak. Cette

décision dépend bien sûr du temps qu’il fait sur le lieu de randonnée et

des conséquences du choix. Si le randonneur emporte l’anorak et qu’il

fait chaud, il va s’encombrer inutilement. En revanche, s’il fait froid, il


appréciera sa décision. S’il n’emporte pas son anorak et qu’il fait chaud, il
sera content de ne pas s’être encombré. S’il fait froid, il regrettera sa décision.

Figure 4.2 – La prise de décision avec le modèle des SEU (d’après Cadet,
2009) Dans ce modèle, probabilité et utilité sont des estimations propres à

l’individu. Pour choisir l’une ou l’autre des actions, le sujet doit estimer la
probabilité des différentes situations météorologiques. Dans un souci de

simplification, seule l’alternative entre le chaud et le froid a été retenue.

Pour l’exemple, les probabilités ont été fixées respectivement à 0,60 pour le
chaud et 0,40 pour le froid. Nous avons ainsi quatre conséquences

possibles résultant du croisement des deux actions (prendre ou non

l’anorak) et de deux situations météorologiques possibles (il fait chaud

et il fait froid). Chacune de ces conséquences est affectée d’une valeur

La prise de décision 145

d’utilité qui reflète l’importance positive ou négative pour le sujet de

ces conséquences. Par exemple, une personne frileuse jugera très néga-

tivement la situation « avoir froid et ne pas avoir son anorak ». Pour

chacune des situations, on peut calculer la SEU. Pour une action donnée,

la SEU est la somme des SEU des conséquences qui la composent (figure
4.2). Le choix se portera sur l’action dont la SEU est la plus importante, c’est
la stratégie de maximisation de l’utilité espérée (Von Neumann et

Morgenstern, 1944). Dans cet exemple, notre randonneur choisira de

ne pas emporter d’anorak.

1.4 Les probabilités subjectives

Le calcul des SEU été vu comme un modèle possible de la décision

humaine (Edwards, 1954), mais il pose un certain nombre de difficultés.

La première est que la relation linéaire posée entre les probabilités et l’utilité
ne semble pas aller de soi. D’autres modèles peuvent être imaginés

(Camerer et Ho, 1994).

Par ailleurs, des études ont montré une grande variabilité interindi-

viduelle pour l’estimation des probabilités. Par exemple, certains sujets,


plutôt optimistes, jugent les événements plus probables si l’issue est

bénéfique, d’autres prêtent une probabilité plus importantes aux événe-

ments défavorables (Hey, 1984). Les individus préfèrent en général les

situations symétriques (Edwards, 1954). Ainsi un jeu dans lequel on a

une chance sur deux de gagner 10 euros est souvent préféré à un jeu

où on a une chance sur 5 de gagner 20 euros et quatre chances sur 5 de

perdre 20. Ces deux situations présentent pourtant des utilités espérées

égales. On a en effet :

• Situation 1 : (0,5*10) + (0,5* – 10) = 0


• Situation 2 : (0,2*20) + (0,8*– 5) = 0

Enfin le modèle, même construit sur des paramètres élaborés à partir

des données des sujets, semble meilleur que les estimations des sujets

eux-mêmes. Ainsi Dawes (1971) a étudié l’évaluation des étudiants par

les comités d’admission à l’université de l’Oregon. En appliquant des

analyses de régression linéaire multiple, il a pu évaluer le poids de diffé-

rents paramètres entrant dans la décision et ainsi élaborer un modèle

permettant de prédire à partir de ces paramètres les évaluations ulté-

rieures. Paradoxalement, l’estimation faite par le modèle s’avère plus

prédictive des évaluations ultérieures que les estimations des évaluateurs oute
reproduction non autorisée est un délit.

eux-mêmes, alors que le modèle est construit à partir de leur compor-

tement. Ce phénomène est appelé boostrapping. Une des explications

© Dunod. T

souligne la difficulté pour le décideur à évaluer correctement les différents


146 Raisonnement, résolution de problèmes et prise de décision

paramètres dans chacune des situations individuelles, l’autre explication porte


sur la variabilité de l’efficience des décideurs (Camerer et Ho, 1994).

L’évaluation des probabilités même subjectives ont un intérêt pour

leur valeur prédictive. Imaginons que vous ayez installé un détecteur de

fumée dans votre maison. Celui-ci a été testé pour s’assurer que la probabilité
de déclenchement de la sonnerie en cas d’incendie soit suffisante, mais est-il
fiable ? En posant cette question, on s’intéresse à la probabilité que la
sonnerie se déclenche en cas d’incendie. Doit-on appeler immé-

diatement les pompiers et sortir du bâtiment ? Dans ce cas, la question

renvoie à la probabilité qu’il y ait un incendie lorsque la sonnerie se

déclenche. L’approche bayésienne permet de préciser la manière dont ces

probabilités peuvent être évaluées et comment elles peuvent intervenir

dans la prise de décision (De Finetti, 1974, 1975). Dans sa formulation

la plus simple, le théorème de Bayes (1702-1761) pose que :

p( B| A)

p( A|B) =

× p( A)

p( B)

Prenons pour A l’incendie et pour B l’alarme. La probabilité p(B|A) est la


probabilité que l’alarme B se déclenche lorsqu’il y a un incendie A. Elle
correspond aux alarmes correctes et dépend de la sensibilité de l’appa-reil. Le
rapport p(B|A)/ p(B) représente le nombre d’alarmes correctes sur le nombre
d’alarmes total. Il représente la vraisemblance d’une alarme

correcte. Si on multiplie cette vraisemblance par la probabilité a priori p(A)


d’avoir un incendie, on obtient la probabilité ( p(A|B), dite probabilité a
posteriori d’avoir un incendie lorsque l’alarme se déclenche. L’opinion qu’on
se fait de ce type de dispositif dépend fortement de l’expérience

qu’on en a et du contexte dans lequel on l’a eu. Imaginons que le

dispositif ait une sensibilité de 99 % c’est-à-dire qu’il se déclenche dans 99


incendies sur 100 et que nous l’ayons installé depuis 100 jours. Au

cours de cette période, nous observons un incendie p(A) qui a déclenché


l’alarme p(B|A) et une fausse alarme p(B|¬A). Nous avons résumé dans la
figure 4.3 les données de la situation.

Figure 4.3 – Valeurs initiales dans l’exemple du détecteur de fumée

La prise de décision 147

Dans cet exemple, nous avons :

p( B| A)

p( A|B) =

× p( A)

p( B)

p( B| A)

p( A|B) =

× p( A)

p( B| A) + p( B|¬ A)
1%

p( A|B) =

× 1 % = 0,50 %

(1 % + 1 %)

La probabilité d’avoir un incendie lorsque l’alarme retentit est très

faible. Autrement dit, avec cette expérience du détecteur de fumée, il y a fort


à parier qu’on ne se presse pas beaucoup pour sortir. Cela correspond assez
bien au comportement observable avec ce type de dispositif, surtout si
l’expérience est essentiellement le fait de déclenchements intempestifs.

On peut donc dire que le théorème de Bayes modélise bien la prise de

décision, ici, sortir ou non du bâtiment. Cela ne veut cependant pas dire que
pour décider les individus calculent la probabilité en question ; la

quantification du degré de croyance est même un problème ardu pour la

psychologie. Lorsqu’on demande à des individus d’estimer la probabilité

d’un événement, beaucoup éprouvent des difficultés à le faire en parti-

culier dans un intervalle aussi réduit que celui qui est habituellement

utilisé par les statisticiens à savoir [0-1]. Évaluer ces probabilités constitue un
enjeu de recherche important. Plusieurs stratégies sont possibles.

Cadet (2009) en a recensé quatre que nous présentons brièvement. Nous

renvoyons à son ouvrage pour plus de détails.

1.4.1 La stratégie langagière

Celle-ci consiste à étudier les relations entre les termes langagiers et


les équivalents numériques. À titre d’exemple, nous rapportons dans

la figure 4.4 la procédure utilisée par Wallsten et les résultats observés


(Wallsten, Budescu, Rapoport, Zwick, et Forsyth, 1986).

Sur un écran d’ordinateur, il présente au sujet un terme exprimant

l’incertitude et deux cadrans représentant deux interprétations possibles du


degré de certitude associé à ce terme (portion blanche). Un curseur

situé sous les cadrans permet au sujet d’indiquer le degré d’accord avec

l’un ou l’autre des interprétations. Nous présentons dans la figure 4.4 les
résultats de cette évaluation. Les extrémités de chaque barre représentent
respectivement les médianes des évaluations minimale et maximale. Ces

oute reproduction non autorisée est un délit.

recherches se heurtent à plusieurs difficultés telles que l’imprécision des


termes langagiers et l’importance des contenus.

© Dunod. T
148 Raisonnement, résolution de problèmes et prise de décision

En haut à droite, un exemple de dispositif de mesure.

Figure 4.4 – Évaluations de la probabilité associée à chacun des termes


(d’après Wallsten et al., 1986)

1.4.2 La méthode des loteries équivalentes

Dans cette approche, on postule qu’une décision complexe est décom-

posable en une série de décisions simples qu’on peut assimiler à un tirage


dans une urne contenant des boules blanches et noires (Raiffa, 1968).

Si l’on compare le tirage dans deux urnes (les loteries), l’incertitude sur le
contenu des urnes est la probabilité d’avoir une boule d’une couleur

particulière telle que le choix entre les deux urnes est indifférent. On

peut simplifier le problème en rendant une des deux issues certaines.


Les lecteurs intéressés par un exemple détaillé sur deux issues incertaines
pourront consulter Boreux, Parent et Bernier (2010). Notre exemple est

inspiré de Crochard-Lacour et LeLorier (2000). Imaginez un patient à

qui l’on demande de choisir de recevoir ou non un traitement. Avec le

traitement, il obtient une guérison avec une probabilité p ou on meurt avec


une probabilité 1 – p. Sans le traitement, il survit avec un état de santé
dégradé mais stable. La décision dépend de la probabilité p, mais aussi de
l’utilité de l’état de santé sans traitement. La méthode consiste à rechercher,
en faisant varier p, le point d’équilibre où les deux options sont équivalentes.

La prise de décision 149

Figure 4.5 – La mesure de l’utilité par la méthode des loteries

(d’après Crochard-Lacour et LeLorier, 2000)

Le choix dépend bien sûr du type d’opération, de l’état de santé actuel

et des conditions de vie avant et après l’opération. Ces éléments vont

déterminer l’utilité de chaque option. Dans la stratégie 1, considèrerons que


l’utilité de la guérison est de 1 et l’utilité de la mort est de 0, ce qui devrait
être le cas en dehors des épisodes dépressifs sévères. L’utilité de l’état de
santé avant opération (stratégie 2) dépend des conditions de vie qu’il offre.
S’il s’agit de douleurs articulaires plus ou moins supportables, on peut
imaginer que l’utilité soit de 0,9. S’il s’agit d’une paralysie, on peut imaginer
qu’elle soit de 0,3. Dans la stratégie 1, les utilités étant respectivement de 1 et
0 pour p et 1 – p, l’égalisation se fait uniquement sur la valeur de p. En effet,
nous cherchons le point d’équilibre tel que ( p* u ) + ((1 – p)* u

) = (1* u ) où u est l’utilité de la guérison, c’est-à-dire p

1–p

s2

1; u

est l’utilité du décès, c’est-à-dire 0 et u est l’utilité l’état actuel.

1–p

s2

Ainsi les stratégies 1 et 2 sont équivalentes dans le cas des douleurs

articulaires pour une probabilité de guérison de 0,9. Dans le cas de la

paralysie, elles le sont pour une probabilité de guérison de 0,3. Ce point


d’équilibre peut être interprété non seulement comme une mesure de

l’utilité, mais aussi comme une mesure de l’aversion au risque.

1.4.3 Les règles de score

Dans cette méthode, on part du principe que l’évaluation numérique

de l’incertitude est imprécise. Pour approcher la mesure vraie de l’incertitude,


il faut « corriger » la probabilité subjective. Pour cela, on applique une
transformation mathématique plus ou moins complexe à la probabilité
subjective exprimée. Plusieurs règles ont été proposées et une revue dépasse
le cadre de cet ouvrage. Les lecteurs intéressés pourront consulter par
exemple Gneiting et Raftery (2007). Nous nous limiterons à la présentation
d’une des règles les plus utilisées : la règle de Brier (1950). Cet auteur a
proposé de prendre, pour n estimations, la moyenne quadratique oute
reproduction non autorisée est un délit.

des écarts entre l’occurrence d’un événement dichotomique (0 ou 1) et

l’estimation de sa probabilité par le sujet. Sa formule est la suivante :

© Dunod. T

150 Raisonnement, résolution de problèmes et prise de décision

1 ∑( e – x
n

i=1

Considérons deux lancers d’une pièce dont les résultats sont : une fois

pile et une fois face, codés respectivement 1 et 0, pour lesquels la probabilité


à priori est estimée à 0,5 par le sujet. Le score de Brier serait de : 1/2 × (1 –
0,5)2 + (0 – 0,5)2 = 0,25

L’utilisation de ce type de règles permet de limiter les incohérences

résultant de l’évaluation subjective des probabilités, en particulier avec la lois


des probabilités (De Finetti, 1975), mais elle accorde un place

marginale aux processus cognitifs (Hogarth, 1975). Elle a été appliquée

entre autres à la décision médicale (Gerds, Cai, et Schumacher, 2008).

1.4.4 La calibration des probabilités

Dans cette approche, la probabilité subjective est conçue comme une

estimation de la probabilité objective. Celle-ci est imparfaite en raison de la


variabilité des observations et de la variabilité des circonstances dans
lesquelles elles sont faites. On présuppose qu’en répétant l’observation un
grand nombre de fois, la probabilité subjective s’alignera sur

la probabilité objective. Le sujet est alors dit « calibré ».

Figure 4.6 – Courbes de calibration pour les experts (trait pointillé) et les
amateurs (trait plein) de bridge. Les nombres entre parenthèse indiquent le
nombre d’observations (Keren, 1987) (reproduit avec autorisation)

La prise de décision 151

La procédure consiste à demander aux sujets d’évaluer la confiance

qu’ils accordent à une affirmation sur une échelle. Le questionnement est


répété pour un grand nombre d’affirmations et de nombreux sujets. On

reporte ensuite les moyennes des évaluations sur un graphique croisant

les fréquences relatives réelles (probabilités objectives) et la moyenne

des probabilités subjectives exprimées comme celui que nous présentons

dans la figure 4.6. On parlera de sous-confiance lorsque la probabilité

exprimée est inférieure à la probabilité réelle et de sur-confiance dans

le cas inverse. Plusieurs études ont montré l’existence de calibrations

notamment chez les experts (Murphy et Winkler, 1974). L’acquisition

de celles-ci semble le résultat d’un processus progressif se traduisant

notamment par la capacité des experts à discriminer les événements


dans les zones de valeurs extrêmes. Ainsi Keren (1987) a observé chez des
joueurs de bridge que l’évaluation de la probabilité de réussir un contrat
fréquent est très proche de probabilité objective quel que soit le niveau
d’expertise, alors que les contrats peu fréquents sont sous-estimés par

les novices et surestimés par les experts (figure 4.6).

2.

Heuristiques et biais

2.1 La remise en cause de l’utilité espérée

L’idée que nous avons développée jusqu’à maintenant est que l’indi-

vidu décideur fonctionne comme un statisticien plus ou moins précis

pour l’évaluation de l’utilité des différentes options. Des critiques de cette


conception se sont élevées très tôt. L’une d’elle est venue de l’économiste
Maurice Allais (1911-2010) qui a mis en évidence une contradiction dans

le modèle de décision fondé sur les utilités (Allais, 1953, 1979).

oute reproduction non autorisée est un délit.

© Dunod. T
152 Raisonnement, résolution de problèmes et prise de décision

Dans une première loterie, on donne à choisir entre une situation A

où on gagne à coup sûr 100 millions et une autre situation B où on a

1 chance sur 100 de ne rien gagner, 89 chances sur 100 de gagner 100

millions et 10 chances sur 100 de gagner 500 millions. Le calcul des

utilités espérées nous permet de voir que l’option B est préférable alors que
paradoxalement, les individus choisissent massivement la première

option. Tout se passe comme si les individus préféraient éviter le risque


lorsqu’une option de sécurité est disponible.

Si l’on modifie les données du problème pour faire en sorte que les

probabilités de ne rien gagner soient proches, avec un gain possible plus


important, c’est la situation D, dans laquelle le gain est le plus grand qui est
choisie, conformément à ce qu’on attendrait avec le calcul des UE.

On aurait pu s’attendre à ce que les sujets persistent dans la stratégie de


minimisation du risque en choisissant l’option C, mais il n’en est rien. Ce
résultat, reproduit plusieurs fois, est robuste (Conlisk, 1989). Ce paradoxe a
conduit à s’intéresser de plus près à une approche comportementale

de la prise de décision dont Kahneman et Tversky (1974) vont être les

principaux fers de lance. Ces auteurs vont s’attacher à montrer que les

principes axiomatiques sur lesquels reposent l’approche en termes d’uti-

lité espérée (subjective ou non) ne sont pas vérifiés dans les conduites

des individus.

2.2 Les heuristiques de jugement


Selon Kahneman et Tversky (1974), l’estimation de la fréquence par

les sujets ne se fait pas par un calcul des probabilités et la décision ne découle
pas d’une comparaison des utilités mathématiques des diffé-

rentes options. Ces auteurs proposent que la décision soit fondée sur

l’utilisation d’heuristiques. Nous avons déjà rencontré cette notion dans


l’étude des processus de raisonnement et de résolution de problèmes.

La prise de décision 153

L’usage qui en est fait par ces auteurs n’est pas différent. Il s’agit encore de
règles générales qui vont guider le processus de traitement de l’information
pour produire une réponse, dans ce cas un jugement et une

prise de décision. Tout comme dans le raisonnement et la résolution

de problème, elles ont été mises en évidence grâce à des distorsions, ou

biais, par rapport au modèle normatif que représente l’approche axio-

matique du calcul des UE. Trois heuristiques ont été identifiées. Nous

allons les présenter maintenant en détaillant pour chacune d’elles les

biais cognitifs sous-jacents.

2.2.1 L’ancrage-ajustement

Cette heuristique consiste à fonder son jugement à partir d’une valeur

particulière (ancre) et à ajuster la valeur de l’ancre pour faire un jugement sur


un objet particulier. La valeur qui sert d’ancre peut être présente

dans la situation ou donnée au sujet. Ainsi, lorsqu’on demande à un

sujet de tirer au hasard un nombre entre 1 et 100, puis de dire quel est
le pourcentage des pays africains à l’ONU, la réponse dépend du nombre

tiré au sort dans la première situation. Si le premier nombre est de 65, le


pourcentage sera évalué à 45 %. En revanche, s’il est de 10, l’estimation est
de 25 %. L’ancre peut aussi résultée d’une évaluation approximative.

Ainsi, lorsqu’on demande aux sujets de trouver le résultat d’une multi-

plication dans un délai de 5 secondes maximum, si les opérations sont

trop longues à effectuer dans le temps imparti, la réponse va dépendre

de l’ordre dans lequel les chiffres sont présentés. Les multiplications

utilisées par les auteurs sont les suivantes :

• pour une moitié des sujets : 1*2*3*4*5*6*7*8 = ?

• pour l’autre moitié des sujets : 8*7*6*5*4*3*2*1 = ?

Le résultat est de 40 320 dans les deux cas. Bien sûr aucun sujet ne peut
trouver le résultat dans le temps imparti. Les résultats de cette expérience
montrent que, dans le premier cas, l’estimation est moins importante

que dans le second. L’estimation est influencée par la première valeur

fournie. Ces différences témoignent d’ajustements insuffisants de l’ancre


(Slovic et Lichtenstein, 1971) et de biais dans l’évaluation des événements
conjonctifs et disjonctifs. Par exemple, Bar-Hillel (1973) a proposé à ses
sujets de choisir entre trois loteries :

oute reproduction non autorisée est un délit.

© Dunod. T

154 Raisonnement, résolution de problèmes et prise de décision (1) Tirer une


bille rouge dans un sac contenant 50 % de billes rouges et 50 %
de billes blanches.

(2) Tirer avec remise une bille rouge sept fois de suite dans un sac contenant
90 % de billes rouges et 10% de billes blanches

(3) Tirer avec remise une bille rouge au moins une fois au cours de sept

tirages dans un sac contenant 10 % de billes rouges et 90 % de billes


blanches.

La probabilité de gagner est respectivement de 0,5 pour la situation

simple (1), 0,48 pour la situation conjonctive (2) et de 0,52 pour la situation
disjonctive (3). Pourtant cette dernière situation est très rarement sélectionnée
par les sujets, ceux-ci préférant la situation (2) et dans une moindre mesure la
situation (1). Les probabilités des événements simples

(proportions de billes rouges) servent d’ancrage pour l’estimation des

probabilités composées qui dans ce cas conduit à surestimer la probabilité


conjonctive et sous-estimer la probabilité disjonctive. Ce biais d’estimation
des probabilités composées est lié aux problèmes d’estimation des

probabilités subjectives. Ainsi demander à des sujets d’estimer la proba-

bilité de différents événements à partir d’un fourchette ou de la médiane n’est


pas indifférent (Kahneman et Tversky, 1974).

2.2.2 L’heuristique de disponibilité

Nous pouvons évaluer une probabilité en ayant recours à nos connais-

sances. C’est ce qu’on appelle l’heuristique de disponibilité. Dans ce cas,


l’estimation de la fréquence d’un événement est biaisée par la facilité avec
laquelle on peut trouver des exemples en mémoire. Une expérience
particulièrement illustrative consiste à faire évaluer à des sujets la fréquence
avec laquelle les lettres R, L, K, N ou V apparaissent en première ou en
troisième position dans les mots anglais. La majorité des sujets estiment que
ces cinq lettres apparaissent plus fréquemment en première position.

Dans la réalité, les études statistiques sur le lexique anglais montrent que ces
lettres apparaissent plus fréquemment en troisième position dans les

mots. Mais il est plus facile de chercher un mot en mémoire à partir de

son initiale que de chercher un mot présentant une lettre particulière

en troisième position.

Une telle estimation peut aussi être affectée par le nombre de scénarios

envisageables. C’est le biais d’imaginabilité. Celui-ci a été mis en évidence


par une petite tâche expérimentale qui consiste à imaginer le nombre de

groupes d’individus qu’on peut constituer avec 10 personnes (pour une

taille de groupes variant entre 2 et 8). La réponse nécessite de calculer

La prise de décision 155

10

le nombre de combinaisons

n . Comme on peut s’y attendre, plus la

taille des groupes augmente, plus il est difficile de répondre (Tversky et


Kahneman, 1973), alors qu’on a autant de groupes de 2 que de groupes

de 8, soit 45 dans les deux cas. Les corrélations illusoires, que nous avons
déjà évoquées dans le raisonnement causal, constituent un autre biais lié à
l’heuristique de disponibilité dans la mesure où elles donnent au sujet une
vision erronée des covariations et donc des probabilités composées

(Chapman et Chapman, 1967).


2.2.3 L’heuristique de représentativité

Elle consiste à faire un jugement de fréquence ou de vraisemblance

sur la base de la similarité ou de la ressemblance avec des occurrences

similaires, autrement dit, cette heuristique consiste à assimiler un individu à


la classe qui possède les caractéristiques de l’individu. Ce type

d’heuristique a été mis en évidence par Kahneman et Tversky (1973) dans

une situation désormais devenue classique : le problème des « ingénieurs

et des avocats ». On présente aux sujets le portrait suivant :

« Jean est un homme de 45 ans. Il est marié et a quatre enfants. Il est

en général conservateur, prudent et ambitieux. Il ne s’intéresse pas aux

questions politiques et sociales et consacre la plupart de son temps libre à ses


nombreux passe-temps comme la menuiserie, la voile et les énigmes

mathématiques.

Dans une condition, on informe certains sujets que le portrait a été tiré au
hasard parmi un ensemble de trente ingénieurs et soixante-dix avocats

et, dans une autre condition, on informe les sujets que le portrait a été tiré au
hasard parmi un ensemble de soixante-dix ingénieurs et trente

avocats. Compte tenu de ces informations et du caractère très générique

du portrait, on s’attend à ce que l’évaluation soit influencée fortement

par les proportions d’ingénieurs ou d’avocats dans la population. Les

résultats montrent que, dans les deux conditions, les sujets estiment avec la
même probabilité que le portrait est celui d’un ingénieur. Ce qui veut dire
qu’ils ne tiennent pas compte des informations sur la population

(biais d’insensibilité aux probabilités a priori).

Cette heuristique permet également de comprendre pourquoi les

réponses des sujets ne semblent pas tenir compte de la taille de l’échan-

oute reproduction non autorisée est un délit.

tillon, comme la loi des grands nombres nous y invite. Rappelons que

cette loi stipule que les caractéristiques d’un échantillon aléatoire se

© Dunod. T

156 Raisonnement, résolution de problèmes et prise de décision rapprochent


d’autant plus des caractéristiques statistiques de la population que la taille de
l’échantillon augmente. Comme chacun sait, dans

la population générale, la fréquence des garçons est de 50 %. Kahneman

et Tversky (1974) ont proposé la situation suivante à leurs sujets.

Imaginez deux hôpitaux dans une même ville. Le plus grand comptabilise 45

naissances par jour, l’autre plus petit en compte 15 par jour. On relève dans
ces hôpitaux le nombre de jours où la proportion de garçons dépasse 60%

des naissances. À votre avis, lequel en a le plus ?

(1) Le plus grand hôpital.

(2) Le plus petit hôpital.

(3) La même chose dans les deux.

La réponse la plus fréquente est la réponse (3) pour un peu plus de la


moitié des sujets. Les deux autres réponses sont à égalité, probablement

parce que les deux événements sont décrits avec les mêmes statistiques

et donc sont également représentatifs.

Une autre erreur qui relève également d’une heuristique de représen-

tativité est l’erreur de conjonction (Tversky et Kahneman, 1983). La loi

des probabilités stipule que la probabilité d’avoir A en même temps que

B ne peut pas être supérieure la probabilité de A ou la probabilité de

B. Dans leur étude, les auteurs montrent que les sujets semblent ne pas

respecter le calcul des probabilités.

Ils présentent aux sujets le portrait de Linda :

« Linda a 31 ans, elle est célibataire, elle ne mâche pas ses mots et c’est une
personne très brillante. Elle a un diplôme de philosophie. Étudiante, elle se
sentait très concernée par les problèmes de discrimination et de justice sociale
et elle a également participé à des manifestations antinucléaires. »

On demande ensuite aux sujets de décider laquelle des propositions

suivantes est la plus probable : (1) « Linda est employée de banque »

ou (2) « Linda est employée de banque et milite dans un mouvement

féministe ».

En toute logique, la probabilité de (1) est plus importante que la proba-

bilité de (2). Pourtant près de neuf sujets sur dix sujets estiment la probabilité
de (2) supérieure à la probabilité de (1). Pour Tversky et Kahneman, les
sujets suivent encore une fois l’heuristique de représentativité. Le
portrait actuel de Linda, employée de banque et militante féministe,

est le plus représentatif du personnage qu’était Linda dans sa jeunesse.

La prise de décision 157

2.3 La boîte à outils adaptative

Pour Kahneman et Tversky (1974), les heuristiques et les biais sous-

jacents témoignent d’une rationalité limitée. Le modèle du calcul des

probabilités représente le niveau optimal. Les biais constituent donc des


écarts à cette rationalité. Gigerenzer (1991) a remis en cause ce présupposé
en soulignant que dans les situations de Kahneman et Tversky, les

sujets doivent décider à partir d’informations limitées dans des situa-

tions faussement naturelles, construites spécifiquement pour mettre en

acte des probabilités sélectionnées par l’expérimentateur. Gigerenzer

souligne que, contrairement à la vision normative de Kahneman, l’ap-

proche probabiliste ne constitue pas la seule solution possible. Par ailleurs le


format d’interrogation influence la réponse des sujets. Ainsi, Fiedler (1988) a
comparé deux variantes du problème de Linda en le posant soit

en termes d’estimation de la probabilité, soit en termes fréquentistes :


Figure 4.7 – Comparaison de deux variantes du problème de Linda

(d’après Fiedler, 1988)

Les résultats montrent que lorsque la référence à une approche

fréquentiste est explicitement posée, le nombre de violations de la

règle de conjonction diminue fortement. Ces travaux vont conduire

à une redéfinition de la notion d’heuristique en particulier de la part

de Gigerenzer (Gigerenzer, 1996; Gigerenzer et Todd, 1999). Il propose

l’idée d’une « boîte à outils adaptative » qui serait constituée d’une collection
d’heuristiques (plutôt qu’un algorithme unique) permettant des

prises de décisions rapides et économes en ressources cognitives ( fast and


frugal heuristics). Leur mise en œuvre dépendrait du contexte et serait pilotée
par les but et la motivation au sein d’une instance organisatrice (Gigerenzer,
2002).

oute reproduction non autorisée est un délit.

© Dunod. T

158 Raisonnement, résolution de problèmes et prise de décision 3.

Les modèles de la prise de décision

3.1 Les réseaux bayésiens

Si les modèles fondés sur le calcul de l’utilité espérée, subjective ou

non, ont surtout été appliqués en économie, il n’en va pas de même de

l’utilisation du théorème de Bayes qui suscite un intérêt grandissant,


notamment dans les neurosciences ou l’apprentissage des langues. Nous

nous limiterons ici aux applications liées à la prise de décision.

L’une des raisons du succès de l’approche bayésienne tient au parallé-

lisme possible entre le formalisme mathématique et les processus cogni-

tifs. Dans la prise de décision, la probabilité a priori peut être assimilée à


l’opinion initiale, la vraisemblance représente alors à l’apport d’information
et la probabilité a posteriori, l’opinion révisée. La décision repose alors sur
une maximisation de la vraisemblance et/ou de la probabilité

a posteriori et l’apprentissage est conçu comme une combinaison des


informations anciennes et des informations nouvelles dont le théorème

de Bayes constitue une modélisation.

Un des premiers paradigmes utilisés pour étudier la prise de décision

bayésienne est le paradigme des urnes (Rouanet, 1998). Dans cette situa-

tion, on utilise un ensemble d’urnes contenant une proportion variable

de boules rouges et blanches. Après quelques tirages d’échantillons dans

une urne, on demande aux sujets la couleur dominante dans l’urne.

Ces travaux montrent que la décision prend bien en compte l’informa-

tion antérieure et l’information prélevée sur la situation, mais montrent


également une tendance à négliger le taux de base (voir le biais de
disponibilité) et une tendance au conservatisme, c’est-à-dire à une révision

plus lente des probabilités a priori que ne le prévoit le modèle sauf dans les
situations complexes (Schum, DuCharme, et DePitts, 1973). Ainsi, il

semble que dans un certain nombre de situations, nous ayons la capacité


d’évaluer de façon relativement précise des probabilités a priori (Griffiths et
Tennebaum, 2006; Mozer, Pashler, et Homaei, 2008).

Un autre apport important de l’approche bayésienne est d’offrir un

nouveau point de vue sur l’incertitude et l’importance de l’information

dans une situation. La vraisemblance peut en effet être vue comme « une

indication de la valeur de l’information apportée par un signe quant à la


réalisation d’une hypothèse » (Cadet, 2009b, page 114). Les recherches

sur le rôle de la vraisemblance montrent cependant des difficultés dans

l’évaluation numérique de celle-ci et l’identification de la valeur de

l’information qu’elle apporte (Peterson, DuCharme, et Edwards, 1968).


La prise de décision 159

Dans les décisions complexes, les hypothèses sont décomposées en

hypothèses dichotomiques (pouvant prendre seulement deux valeurs) et

structurées en fonction des dépendances entre les différentes hypothèses.

En voici un exemple appliqué au domaine judiciaire, emprunté à Fenton,

Neil et Lagnado (2012). Le réseau considéré est très simplifié, puisque

nous prenons en compte seulement trois nœuds correspondant à trois

informations considérées comme élémentaires dans cette modélisation.

Nous avons une hypothèse sur la culpabilité de l’accusé, une preuve,

le test ADN et une information sur la fiabilité de la preuve. Nous n’en

présenterons pas ici le détail des calculs, mais seulement le principe de


fonctionnement, la révision des probabilités a priori étant une application du
théorème de Bayes présenté plus haut.

Dans la situation initiale, la culpabilité a une probabilité faible, tout comme la


preuve, ce qui est une application de la présomption d’inno-cence. A
contrario le test ADN est réputé fiable.

Figure 4.8 – Un exemple de raisonnement bayésien (d’après Fenton et al. ,


2012) Lors de la présentation des résultats du test ADN, les probabilités

sont révisées (figure 4.8b) ce qui conduit à une augmentation de la

oute reproduction non autorisée est un délit.

probabilité de la culpabilité. Elle n’est cependant pas aussi forte qu’on aurait
pu s’y attendre. En fait, le modèle tient compte de la probabilité a priori que
le test soit imprécis et donc des hypothèses alternatives (qui
© Dunod. T

160 Raisonnement, résolution de problèmes et prise de décision

constitueraient potentiellement d’autres nœuds dans le réseau) expli-

quant le test positif. Lorsque les conditions de validité du test sont confirmées
(figure 4.8c) ou non (figure 4.8d) la probabilité de la culpabilité est révisée en
conséquence.

Les travaux de Kahneman et Tversky (1974) sur les biais et les heuris-

tiques de jugement ont constitué une remise en question sérieuse de

cette approche, mais la contre-argumentation s’organise parmi les

tenants de l’approche bayésienne. Ainsi selon Dehaene, « la réconcilia-

tion des travaux de Kahneman et Tversky avec les nombreux travaux qui

soutiennent la perspective bayésienne fait partie des axes importants de

recherche des prochaines années » (Dehaene, 2013, p. 344). Selon lui, les
biais observés pourraient provenir non pas d’une mauvaise interprétation
des probabilités, mais des mécanismes de décision eux-mêmes. Dehaene

souligne également que les tâches utilisées par Kahneman et Tversky

sont des tâches de haut niveau, or les travaux récents en neurosciences

suggèrent que le modèle bayésien serait plus adapté aux activités de bas

niveau (perception, décision motrice, apprentissage du langage, etc.).

Enfin, l’analogie entre le fonctionnement neuronal et les réseaux bayé-

sien mériterait d’être nuancée, le cerveau n’implémentant peut-être

qu’un modèle bayésien imparfait.

3.2 La théorie fonctionnelle de la cognition

Cette théorie a été proposée par Anderson (1996) pour rendre compte

des activités de jugement dans la vie quotidienne. L’auteur postule un

traitement séquentiel des informations en trois étapes : la valuation,

l’intégration et la production de la réponse. Ces étapes sont illustrées

dans la figure 4.9.

Figure 4.9 – La théorie fonctionnelle de la cognition (d’après Anderson,


1996)

La prise de décision 161

La valuation consiste à convertir les éléments observés S (stimuli

physiques) en valeurs subjectives Ψ (stimuli psychologiques). La conver-

sion est dépendante du but, de l’expérience personnelle de l’individu et


de la motivation. Le modèle est donc clairement finalisé et contextualisé.

L’intégration consiste à agréger les valeurs subjectives Ψ en une valeur

unique r qui correspond à la réponse implicite. Les valeurs subjectives

peuvent être pondérées par des poids w en fonction de l’importance accordée


à chacun d’eux. Les règles d’intégration varient en fonction

de la situation. L’ensemble de ce processus est non observable. Il faut

donc l’inférer.

Lors de cette étape de production de la réponse, la réponse implicite

est transformée en réponse effective. Il peut s’agir d’une réponse


physiologique, motrice ou verbale. Dans les expériences de prise de décision,
il s’agit le plus souvent d’un jugement.

La composition des valeurs et des poids dans le processus d’intégration

dépend de l’importance que les individus accordent à chacun des stimuli.

Dans cette approche, on donne au départ aux sujets une situation dans

lesquelles les valeurs des stimuli sont données, puis on demande aux

sujets un jugement sur l’autre dimension de la situation. En faisant varier les


jeux de valeurs, on peut ainsi estimer dans chaque cas de figure le

jugement moyen des sujets. Afin de connaître l’importance de chacun

des facteurs sur le jugement, il faut inférer à partir des réponses le modèle
d’intégration utilisé par les sujets. Comme nous le verrons ci-dessous, les
règles d’intégration se traduisent graphiquement par un pattern spécifique.
C’est à partir de ce pattern, sorte de signature graphique de la

règle d’intégration, que cette inférence peut être faite. Commençons par
présenter les principales règles. Nous empruntons les exemples suivants

à Munoz-Sastre, Igier, Gaucher et Girard (2009).

La règle additive consiste à faire la somme des valeurs pondérées par

leur poids pour obtenir l’estimation de r sur laquelle se fonde le juge-

ment. Nous montrons son application dans la figure 4.10. Dans cet

exemple, nous posons deux stimuli A et B dont les valeurs sont données

aux sujets. Pour faire simple, les stimuli peuvent prendre deux valeurs : 1

ou 3 et le poids w est fixé à 2 dans tous les cas de figures. Puisque chaque
stimulus peut prendre deux valeurs, nous avons quatre cas possibles.

L’axe vertical du graphique est celui du jugement. La règle additive se

traduit graphiquement par des droites parallèles (figure 4.10, à gauche).

Elle traduit une relative indépendance des dimensions sous-tendues par

oute reproduction non autorisée est un délit.

les stimuli.

© Dunod. T
162 Raisonnement, résolution de problèmes et prise de décision

Figure 4.10 – Application des règles additive et disjonctive

(d’après Munoz-Sastre et al., 2009)

Dans la règle disjonctive, le stimulus ayant la plus petite valeur reçoit le plus
petit poids. En cas d’égalité, les stimuli reçoivent le même poids.

Comme précédemment, nous considérons deux stimuli dichotomiques.

Pour l’exemple, nous fixons les poids à 1 et 3 en cas d’inégalité et à 2 en cas


d’égalité. La forme en éventail ouvert à gauche est caractéristique de la règle
disjonctive (figure 4.11 à droite). Cette règle d’intégration reflète une relation
inverse entre les deux stimuli.

Figure 4.11 – Application des règles conjonctive et de moyennage

Avec la règle conjonctive, nous avons le symétrique de la règle précé-

dente. Les valeurs les plus petites reçoivent les poids les plus importants.

En reprenant notre exemple de stimuli dichotomiques, nous obtenons

cette fois un graphique en forme d’éventail ouvert à droite lui aussi


caractéristique de cette règle d’intégration (figure 4.11 à gauche). Cette règle
traduit des variations des deux dimensions allant dans le même sens.
Certaines règles peuvent avoir un pattern graphique similaire et il

peut parfois être difficile de faire la différence. C’est le cas de la règle de


moyennage qui consiste à pondérée la somme par la somme des poids.

La prise de décision 163

Sur un couple de stimuli dichotomiques, cette règle se traduit par deux

droites parallèles comme avec la règle additive (figure 4.11, à droite).

Pour faire la différence, il est alors nécessaire de sophistiquer le dispositif


expérimental en introduisant d’autres paramètres.

Voici, brièvement présenté, un exemple d’application du modèle à

l’étude de l’évaluation des grandeurs physiques. Dans de nombreuses

situations quotidiennes, les grandeurs qui nous entourent sont évaluées

approximativement. Dans leur étude, Rulence-Paques et Mullet (1998)

se sont intéressés au développement de la relation entre la largeur et la


longueur pour l’évaluation qualitative de la surface. Ils ont étudiés deux
groupes d’enfants (5 et 9 ans) et un groupe d’adultes. Ils présentaient aux
sujets un rectangle dessiné sur un carton en leur demandant d’imaginer

qu’il s’agissait d’une fenêtre dans la chambre d’un enfant. Les sujets

devaient alors évaluer la taille de la fenêtre en déplaçant un curseur vers la


gauche si elle était petite ou vers la droite, si elle était grande. Neuf types de
rectangles ont été utilisés en croisant trois hauteurs (70, 90 et 110 cm) et trois
largeurs (70, 90 et 110 cm).

Figure 4.12 – Évolution de la relation entre la hauteur et la largeur dans


l’estimation de la surface (Rulence-Paques et Mullet, 1998 ; reproduit avec
autorisation) La figure 4.12 montre qu’une relation de proportionnalité existe
quel

que soit l’âge (les courbes sont croissantes). En revanche, la composi-

tion des deux dimensions apparaît clairement disjonctive chez le jeune

enfant, plutôt additive à 9 ans et devient conjonctive à l’âge adulte.

La théorie fonctionnelle de la cognition a été appliquée à bien d’autres

oute reproduction non autorisée est un délit.

exemples comme le sport, l’éducation ou le jugement éthique (Cadet

et Chasseigne, 2009; Mullet, Morales-Matinez, Makris, Rogé, et Munoz-

© Dunod. T

Sastre, 2002). La question de la validité écologique de ces évaluations,

164 Raisonnement, résolution de problèmes et prise de décision toujours


réalisée, en laboratoire, dans des conditions très contrôlées, se pose. Pour y
répondre, Fruchart, Rulence-Paques et Mullet (2007) ont
comparé les jugements recueillis en laboratoire et les comportements en

situation. Dans leur étude, ils ont mesuré, auprès de joueurs de handball
professionnels, l’évaluation de la pertinence d’une stratégie de remise en jeu
rapide, fréquemment utilisée en fin de partie, à partir de trois indices :

• la domination de l’équipe (infériorité, égalité, supériorité) ;

• le score actuel (l’équipe gagne, est à égalité ou perd) ;

• le temps de jeu restant (peu de temps versus très peu de temps).

À partir des mêmes indices, ils ont analysé deux cents vidéos de matchs

et mesuré la fréquence d’utilisation de la stratégie en question. Les


similitudes observées entre les deux évaluations accréditent sérieusement la

validité écologique de ce modèle.

4.

Prise de décision et diagnostic

et contrôle de l’activité

Le modèle que nous venons d’exposer est avant tout un modèle

fonctionnelle. Il permet de rendre compte des résultats expérimentaux

et de faire des hypothèses sur les mécanismes d’intégration. Dans ce

paragraphe, nous allons aborder une troisième classe de modèles de

prise de décision avec le modèle de diagnostic à échelle de Rasmussen.

Contrairement au précédent, le modèle que nous allons présenter ne se

limite pas à rendre compte du jugement, mais cherche à rendre compte


de l’ensemble des processus qui vont de la prise d’information à la
formulation d’hypothèses. Nous avons choisi de terminer ce chapitre, et cet

ouvrage, par la présentation de ce modèle car il nous semble faire une

bonne synthèse des mécanismes à l’œuvre dans les différentes formes de

raisonnement que nous avons traitées et ainsi proposer une piste de lien

entre le raisonnement, la résolution de problème et la prise de décision.

4.1 Le modèle de Rasmussen

Ce modèle été élaboré en ergonomie pour rendre compte des processus

de gestion d’environnements dynamiques. Ces environnements ont la

particularité d’évoluer dans le temps indépendamment de l’action de

l’individu. Ce sont des processus industriels (conduite de centrale ou

d’usine) ou la conduite d’engins (avions, trains, bateaux etc.). Pour gérer

La prise de décision 165

ces processus, il faut être à même de prélever l’information pertinente,

faire des hypothèses sur les évolutions possibles et prendre les mesures

correctives nécessaires le cas échéant, donc de résoudre des problèmes

et prendre des décisions. L’ambition du modèle va donc bien au-delà du

jugement pour la prise de décision que nous venons d’étudier.

Pour Rasmussen (1986), trois niveaux de contrôle doivent être

distingués :
• Un niveau de contrôle par les automatismes déclenché par la détec-

tion de signaux ou d’indices dans la situation. Si le déclenchement

est bottom-up, les automatismes génèrent des attentes qui permettent un


contrôle de ceux-ci. À ce niveau, les processus demandent très

peu d’analyse de la situation, ont un coût cognitif très faibles, mais

sont parfois difficiles à remettre en cause.

• Un niveau de contrôle par les règles qui correspond à l’application

de schémas ou d’heuristiques que nous avons vu dans différents

contextes dans les précédents chapitres. Ceux-ci offrent un cadre

pour interpréter la situation et mettre en œuvre le savoir procédural

associé. Ces processus impliquent une analyse limitée de la situation

et un coût cognitif modéré.

• Un niveau de contrôle fondé sur les connaissances dans lequel sont

mises en œuvre des connaissances déclaratives et des activités de

compréhension de la situation. Ces processus sont lents et requièrent

une analyse approfondie de la situation, ainsi qu’un coût cognitif

important.

4.2 Des niveaux de diagnostic

Dans ce modèle, prise de décision et diagnostic sont des processus inte-

ractifs guidés par une recherche de compromis entre, d’un côté, le coût en
ressources et en temps et, de l’autre côté, la recherche d’efficacité face à la
situation et ses contraintes. En effet, dans les situations dynamiques, il n’est
pas rare que la décision d’action n’attende par un diagnostic abouti (Rouse et
Rasmussen, 1981) soit parce que l’évolution de la situation est trop rapide,
soit parce que la recherche d’information est trop coûteuse, soit parce que les
possibilités d’action sont limitées. Ainsi, Hoc (1991) a montré, dans une
recherche sur la conduite de hauts-fourneaux, que

les opérateurs n’utilisent très peu de descripteurs et privilégient ceux

sur lesquels ils peuvent agir. L’activité de diagnostic intervient donc aux oute
reproduction non autorisée est un délit.

différents niveaux d’activité (Hoc et Amalberti, 1994, 1999)

© Dunod. T

166 Raisonnement, résolution de problèmes et prise de décision 4.2.1 Le


diagnostic fondé sur les automatismes

Avec les processus contrôlés par les automatismes, le diagnostic s’ap-

puie sur la détection de signaux permettant d’identifier rapidement

l’action appropriée. Des recherches en médecine d’urgence ont montré

que les connaissances médicales ne sont pas utilisées de la même manière

en fonction du niveau d’expertise. Chez les jeunes médecins, elles sont

convoquées de manière beaucoup plus conscientes, tandis que chez les

médecins expérimentés, elles apparaissent « encapsulées », c’est-à-dire

intégrées à un ensemble de signes cliniques associés à des actions qui

seront déclenchées automatiquement lorsque le pattern de signes est

reconnu (Boshuizen et Schmidt, 1992; Rikers, Schmidt, et Boshuizen,


2000). Cette différence en fonction du niveau d’expertise n’apparaît que

dans les situations où le temps disponible pour traiter les informations

clinique est limité (Schmidt et Boshuizen, 1993).

4.2.2 Le diagnostic fondé sur les règles

Le deuxième niveau de diagnostic nécessite le traitement de l’infor-

mation symbolique. À ce niveau, les stimuli ne donnent pas directement

accès à des actions possibles mais doivent être interprétés et traités par des
schémas ou des règles. Nous empruntons encore au domaine médical

un exemple pour illustrer ce niveau de diagnostic. Boreham, Foster et

Mawer (1992) ont étudié les stratégies employées par les médecins pour

stabiliser l’état de patients épileptiques. Ils utilisent pour cela des


médicaments pour prévenir les crises. Ceux-ci nécessitent un dosage indivi-

dualisé en fonction de différents paramètres. Ces auteurs ont identifié

trois stratégies pour ajuster la posologie qui montrent un contrôle par

des règles très différent en fonction du niveau d’expertise :

• La première, caractéristique des prescripteurs ayant une expérience

clinique faible, voire inexistante, est un raisonnement hypothético-

déductif qui consiste à appliquer un modèle théorique (formule de

calcul). Cette stratégie conduit fréquemment à des surdosages en

raison de la variabilité des besoins individuels.

• Une stratégie d’essais et tests, caractéristique des médecins ayant


un niveau intermédiaire d’expérience clinique. Cette stratégie, plus

efficace que la précédente, est aussi plus lente à mettre en œuvre

dans la mesure où une légitime prudence conduit à adopter les

variations minimales.

• La stratégie experte se compose d’un ensemble de règles empiriques

pour ajuster le dosage du médicament. Elles tiennent compte d’un

La prise de décision 167

ensemble de facteurs tels qu’une typologie des patients et des crises

combinées aux paramètres du modèle théorique. Ces typologies sont

assorties d’un ensemble de règles de contrôles permettant d’évaluer

l’action thérapeutique.

4.2.3 Le diagnostic fondé sur les connaissances

Ce troisième niveau nécessite l’élaboration d’une interprétation de

la situation et la mise en œuvre d’une stratégie de tests d’hypothèses.

Il est mis en œuvre lorsque les contraintes de temps ne sont pas trop

fortes, dans des situations complexes et pour lesquels aucun des deux

précédents niveaux n’est utilisable (absence de routines ou de règles).

Il fait intervenir deux espaces : celui des faits et celui des connaissances
(Klahr et Dunbar, 1988). L’espace des faits correspond aux données de

la situation. Celles-ci ne sont cependant pas toutes prises en compte et


n’opèrent pas uniquement à travers des processus bottom-up. Un certain
nombre de critères top-down interviennent. Il en va ainsi de la fréquence que
nous avons déjà évoquée avec les modèles fondés sur l’utilité espérée ou
l’heuristique de disponibilité. Nisbett et Ross (1980) ont montré que la
fréquence intervient très tôt dans la sélection d’hypothèses. La saillance de
l’information est également un facteur important. Les connaissances

liées à des informations particulières, de par leur importance ou leur

gravité, sont plus facilement évoquées (Reason, 1990). La manière dont

l’information est recherchée est également liée aux connaissances et aux

habilités professionnelles. Ainsi Rasmussen (1986) a mis en évidence,

dans le diagnostic de panne sur des circuits électriques, que les techni-

ciens employaient plutôt une stratégie topographique fondée sur une

exploration par zone tandis que les ingénieurs suivaient plutôt une stra-

tégie symptomatique fondée sur des tests d’hypothèses.

4.3 Des niveaux de prise de décision

Le modèle de Hoc et Amalberti (1994) offre un cadre de compréhension

faisant le lien entre les niveaux de traitement distingués par Rasmussen

dont il s’inspire directement et les différents niveaux de diagnostic. Un


parallèle similaire peut être fait avec les niveaux de prise de décision.

Dans les situations de contrôle de processus dynamiques, le traitement et la


prise de décision sont contraints principalement par deux dimensions : oute
reproduction non autorisée est un délit.

le temps et le décalage potentiel entre la représentation occurrente et


la situation. Ce décalage se traduit par une augmentation des exigences

de compréhension.

© Dunod. T

168 Raisonnement, résolution de problèmes et prise de décision

Figure 4.13 – Niveaux de traitement, de diagnostic et de prise de décision


dans le modèle de diagnostic de Hoc et Amalberti (1994)

Pour les automatismes, la prise de décision concerne la détection des

conditions de déclenchement et la mesure de l’écart entre les attentes et la


situation (monitoring). Dans ce cas, elle peut être assimilée à un calcul de
seuil à partir d’indices perceptifs et de la représentation de l’individu,
notamment le but courant. C’est dans ces situations de bas niveau que

les modèles bayésiens s’avèrent intéressants pour modéliser la prise de

décision (Dehaene, 2013).

En l’absence d’automatismes ou lorsque les écarts entre les attentes


et la situation sont trop importants, il est nécessaire de procéder à un

diagnostic nécessitant la recherche explicite d’information et la mise en


œuvre de règles. C’est à ce niveau en particulier que sont mis en œuvre

les heuristiques et les schémas. Il en va de même dans la prise de décision qui


s’appuie également sur des heuristiques (Kahneman et Tversky, 1974)

ou des règles d’intégration de différentes dimensions dans le modèle

fonctionnel d’Anderson (1996).

Le dernier niveau nécessite, pour la prise de décision, la mise en œuvre

de processus de compréhension, de raisonnement et de résolution de

problèmes tels que ceux que nous avons étudiés dans les précédents

chapitres. Ces processus sont coûteux en temps et en ressources cogni-

tives, ce qui explique que les experts essaient dans la mesure du possible de
les éviter.

La prise de décision 169

! 

Exercices

Ô Questions à choix multiples

1. Comment définit-on la prise de décision ?

a. C’est le choix de la meilleure option.

b. C’est le choix d’une option parmi plusieurs.

c. C’est le choix de l’option rapportant le plus.


d. C’est le choix de l’option la moins contrainte.

2. L’espérance mathématique de gain est …

a. La probabilité d’un événement multipliée par le montant de

la mise.

b. La probabilité de gagner multipliée par le nombre d’événe-

ments possibles.

c. La probabilité de remporter la mise multipliée par l’événe-

ment gagnant.

d. La probabilité de gagner multipliée par le montant de la mise.

3. Bernouilli a résolu le paradoxe de Saint-Pétersbourg en introduisant la


notion …

a. D’utilité espérée.

b. D’utilité fréquentiste de choix.

c. D’utilité probabiliste de gain.

d. D’utilité espérée subjective.

4. Le calcul des utilités subjectives (SEU) espérées a été vu comme un


modèle de la prise de décision humaine. Quels sont les contre-arguments

à cette hypothèse ?

a. La variabilité interindividuelle de l’estimation des

probabilités.

b. L’impossibilité d’évaluer les probabilités objectives.


c. Les paramètres du modèle sont moins bons que les estima-

tions des sujets.

d. La convergence avec le modèle bayésien.

oute reproduction non autorisée est un délit.

© Dunod. T

170 Raisonnement, résolution de problèmes et prise de décision 5. Mettez en


correspondance les différents éléments de la formule de Bayes et leur
signification.

1. p( A|B)

a. La vraisemblance

p( B| A)

b. La probabilité a priori

2. p( B)

3. p( A)

c. La probabilité a posteriori

6. Qu’est-ce que la méthode des loteries équivalentes ?

a. C’est une méthode de prise de décision par double tirage au

sort.

b. C’est une méthode d’évaluation des probabilités subjectives

par égalisation de l’utilité de deux options.


c. C’est l’application d’une règle de correction pour supprimer

la différence.

d. C’est l’encadrement des valeurs des probabilités de proche

en proche.

7. Qu’est-ce que la méthode de calibration des probabilités ?

a. C’est l’ajustement du modèle de Bayes aux probabilités

objectives.

b. C’est l’ajustement des probabilités objectives aux probabilités subjectives.

c. C’est l’ajustement des probabilités subjectives aux probabi-

lités objectives.

d. C’est l’ajustement des probabilités subjectives aux utilités

espérées.

8. Le paradoxe d’Allais a permis de mettre en évidence :

a. Une aversion au risque.

b. Une appétence au gain.

c. Une espérance de réussite.

d. Une recherche d’équilibre.

9. Comment met-on en évidence les heuristiques de jugement ?

a. Par convergence avec le modèle théorique des UE.

b. Par divergence avec le modèle théorique des UE.


c. Par ressemblance avec le modèle théorique des UE.

d. Par substitution avec le modèle théorique des UE.

La prise de décision

171

10. L’heuristique d’ancrage-ajustement consiste à baser son jugement…

a. Sur une valeur particulière.

b. Sur la facilité d’évocation d’un événement.

c. Sur la ressemblance avec des occurrences similaires.

d. Sur l’importance des décisions semblables.

11. L’heuristique de disponibilité consiste à fonder son jugement…

a. Sur une valeur particulière.

b. Sur la ressemblance avec des occurrences similaires.

c. Sur la facilité d’évocation d’un événement.

d. Sur l’importance des décisions semblables.

12. L’heuristique de représentativité consiste à fonder son jugement…

a. Sur une valeur particulière.

b. Sur la ressemblance avec des occurrences similaires.

c. Sur l’importance des décisions semblables.

d. Sur la facilité d’évocation d’un événement.

13. Mettez en correspondance chacune des heuristiques avec les biais


associés.

1. Ancrage-ajustement

a. Insensibilité aux probabi-

lités a priori

b. Corrélation illusoire

2. Disponibilités

c. Mauvaise estimation des

probabilités subjectives

d. Erreur de conjonction

3. Représentativité

e. Biais d’imaginabilité

f. Biais d’évaluation des événe-

ments conjonctifs

14. Les tenants de l’approche bayésienne soulignent le parallélisme entre les


processus cognitif et la formule de Bayes. Quelles affirmations ci-dessous
correspondent à ce parallélisme ?

a. La probabilité a priori est assimilable aux connaissances du sujet.

oute reproduction non autorisée est un délit.

b. La vraisemblance représente l’informativité de la situation.

c. La probabilité a posteriori est une mesure de l’erreur du sujet.

© Dunod. T
172 Raisonnement, résolution de problèmes et prise de décision d. La prise
de décision repose sur une maximisation de la

vraisemblance.

15. Quels sont les arguments des tenants de l’approche bayésienne ?

a. La décision humaine est sujette à des erreurs systématiques.

b. L’évaluation des probabilités subjectives est fluctuante.

c. Les biais pourraient provenir des mécanismes de décision et

non de l’évaluation des probabilités.

d. Les tâches de décision de Kahneman et Tverky sont des

tâches de haut niveau.

16. La théorie fonctionnelle de la décision d’Anderson postule l’existence de


plusieurs processus hiérarchisés. L’un de ces processus n’en fait pas

partie, lequel ?

a. Réponse.

b. Intégration.

c. Supervision.

d. Valuation.

17. Dans la théorie fonctionnelle de la décision, le modèle d’intégration des


données se traduit par une configuration graphique particulière des

résultats. Dans le cas d’une règle conjonctive …

a. Les courbes sont parallèles.


b. Les courbes présentent un écart plus important à droite.

c. Les courbes présentent un écart plus important à gauche.

d. Les courbes se croisent.

18. Dans la théorie fonctionnelle de la décision, le modèle d’intégration des


données se traduit par une configuration graphique particulière des

résultats. Dans le cas d’une règle disjonctive …

a. Les courbes sont parallèles.

b. Les courbes présentent un écart plus important à droite.

c. Les courbes présentent un écart plus important à gauche.

d. Les courbes se croisent.

19. Dans l’échelle de Rasmussen, quel est le niveau contrôle le moins


exigeant en ressources cognitives ?

a. Le contrôle par les règles.

b. Le contrôle par les automatismes.

La prise de décision 173

c. Le contrôle par les décisions.

d. Le contrôle par les connaissances.

20. Dans l’échelle de Rasmussen, à quel niveau de contrôle peut-on situer les
heuristiques de jugement de Kahneman et Tversky ?

a. Le contrôle par les règles.

b. Le contrôle par les automatismes.


c. Le contrôle par les décisions.

d. Le contrôle par les connaissances.

Ô Texte lacunaire- compléter le texte suivant

Klahr et Dunbar (1988) ont proposé de concevoir l’activité diagnos-

tique comme l’interaction de deux espaces conceptuels : celui des faits et


celui des [1]. Il est compris comme un cycle comprenant trois étapes: ( i) la
sélection des faits, ( ii) la sélection d’hypothèses, ( iii) la [2] des hypothèses
(avec retour à la sélection des faits). Cette activité n’est cependant pas
seulement [3], c’est-à-dire dirigée par les données. Les connaissances jouent
également un rôle essentiel.

Elles interviennent surtout dans la première étape. De nombreuses

recherches montrent en effet que la sélection des faits est fortement

guidée par les [4] du sujet (processus top-down), notamment par une
sélection précoce des [5]. Ces connaissances agissent comme des filtres

sur les données de trois façons.

D’abord les sujets ont une capacité à coder la [6] d’une informa-

tion (Nisbett et Ross, 1980). Dans l’activité de diagnostic, ces informa-

tions fréquentes sont prélevées en premier. Ensuite, les sujets tiennent

comptent de la [7] des informations qui peut être fondée sur des critères
comme le danger, la gravité de l’événement (Reason, 1990). Les faits les

plus fréquents et les plus saillants sont donc choisis en priorité pour la
sélection des hypothèses. Enfin les sujets utilisent des [8] différentes en
fonction de leurs connaissances sur le domaine. Ainsi Rasmussen (1986) a
montré, dans une tâche de recherche de pannes, que les techniciens ont

tendance à explorer, zone par zone, les circuits (stratégie [9]), alors que les
ingénieurs procèdent plutôt par formulations d’hypothèses successives

pour sélectionner les faits nouveaux et ainsi remonter jusqu’à la panne

(stratégie [10]).

oute reproduction non autorisée est un délit.

© Dunod. T

174 Raisonnement, résolution de problèmes et prise de décision

Ô Questions de rélexion

• La modélisation probabiliste présuppose-t-elle une part du fonction-

nement cognitif aléatoire ?

• Biais et heuristiques témoignent-ils d’un manque de rationalité de

la décision humaine ?

• Comment peut-on articuler les notions d’incertitude, d’information

et de connaissance dans la prise de décision ?

Lectures conseillées

Cadet, B., et Chasseigne, G. (2009). Psychologie du jugement et de la


décision.

Bruxelles, De Boeck Supérieur.


Costermans, J. (2000). Les Activités cognitives. Raisonnement, décision et
résolution de problèmes. (2e éd.). Bruxelles, De Boeck.

Corrigés des exercices

Corrigés des exercices du chapitre 1

Questions à choix multiples

1c ; 2b ; 3c ; 4c ; 5d ; 6 (1c-2d-3b-4a) ; 7bc ; 8b; 9c; 10c ; 11bd ; 12a ; 13ad ;


14b ; 15a ; 16c ; 17d ; 18 (1c-2d-3a-4b) ; 19c ; 20 (1c-2a-3b-4d).

Texte lacunaire

[1] conclusion; [2] table de vérité; [3] mineures; [4] nécessaires ; [5]
suffisantes ; [6] implication ; [7] réalité ; [8] connaissances ; [9] pragmatiques
;

[10] l’obligation.

Corrigés des exercices du chapitre 2

Questions à choix multiples

1b ; 2ad ; 3d ; 4b ; 5a ; 6 (1c-2a-3c) ; 7b ; 8d; 9c; 10a; 11b; 12c; 13 (becfdga)


; 14a ; 15d ; 16b ; 17b ; 18a ; 19d ; 20b.

Texte lacunaire

[1] inductif ; [2] règle ; [3] croissant ; [4] saillant ; [5] persévération ; [6]

reformulation ; [7] contre-exemple ; [8] confirmation ; [9] valide ; [10]

stratégie.

Corrigé des exercices du chapitre 3

Questions à choix multiples


1-acb ; 2d ; 3B ; 4a ; 5c ; 6b ; 7a ; 8c ; 9a ; 10b ; 11b ; 12 (1b-2a-3c) ; 13a ;
14dbeca ; 15c ; 16acd ;17b ; 18b ; 19abc ; 20b.

Texte lacunaire

[1] recherche ; [2] états ; [3] transitions ; [4] expert ; [5] isomorphes ; [6]

sémantiquement ; [7] difficulté ; [8] problème ; [9] heuristiques ; [10]

oute reproduction non autorisée est un délit.

sémantiques.

© Dunod. T

176 Raisonnement, résolution de problèmes et prise de décision Corrigé des


exercices du chapitre 4

Questions à choix multiples

1b ; 2d ; 3a ; 4ac ; 5(1c-2a-3b) ; 6b ; 7c ; 8a ; 9b ;10a ;11c ;12b ; 13(1cf-2be-


3ad); 14abd ; 15cd ;16c ; 17b ; 18c ; 19b ; 20a.

Texte lacunaire

[1] connaissances ; [2] vérification ; [3] Bottom up ; [4] connaissances ;

[5] hypothèses ; [6] fréquence ; [7] saillance ; [8] stratégies ; [9]


topographique ; [10] symptomatique.

Bibliographie

Allais, M. (1953). Le comportement de l’homme rationnel devant le

risque : critique des postulats et axiomes de l’École américaine.

Econometrica, 21, 503-546.


Allais, M. (1979). The foundations of a positive theory of choice invol-

ving risk and a criticism of the postulates and axioms of the American

School. In M. Allais et O. Hagen (éd.), Expected Utility Hypotheses and the


Allais Paradox (p. 27-145). Dordrecht: Reidel.

Alter, A. L., et Oppenheimer, D. M. (2006). From a fixation on sports to

an exploration of mechanism: The past, present, and future of hot

hand research. Thinking & Reasoning, 12(4), 431-444.

Anderson, J. R. (1993). Rules of the Mind. New York: Lawrence Erlbaum


Associates.

Anderson, J. R., et Douglass, S. (2001). Tower of Hanoi: Evidence for

the cost of goal retrieval. Journal of Experimental Psychology: Learning,


Memory, and Cognition, 27(6), 1331-1346.

Anderson, N. H. (1996). A Functionnal Theory of Cognition. Mahawah:


Erlbaum.

Arenberg, D. (1982). Changes with age in problem solving. In F. I. Craik

et S. Trehub (éd.), Aging and Cognitive Procesesses (Plenum, p. 221-235).

New-York.

Atwood, M. E., Masson, M. E., et Polson, P. G. (1980). Further explora-

tions with a process model for water jug problems. Memory & Cognition,
8(2), 182-192.

Atwood, M. E., et Polson, P. G. (1976). A process model for water jug

problems. Cognitive Psychology, 8(2), 191-216.


Audigier, M. N., Cauzinille-Marmeche, E., Mathieu, J., Richard, J.-F.,

Sébillotte, S., et Weil-Barais, A. (1979). Recherche et traitement de

l’information dans la résolution de différents types de problèmes par

des enfants. Bulletin de psychologie, 32(340), 721-735.

Begg, I., et Denny, J. P. (1969). Empirical reconciliation of atmosphere

and conversion interpretations of syllogistic reasoning errors. Journal of


Experimental Psychology, 81(2), 351-354.

Begg, I., et Harris, G. (1982). On the interpretation of syllogisms. Journal


oute reproduction non autorisée est un délit.

of Verbal Learning & Verbal Behavior, 21(5), 595-620.

© Dunod. T

178 Raisonnement, résolution de problèmes et prise de décision Bettman, J.


W., et Weitz, B. L. (1983). Attributions in the board room:

Causal reasoning in corporate annual reports. Administrative Science

Quarterly, 22, 1-21.

Blessing, S. B., et Ross, B. H. (1996a). Content effects in problem cate-

gorization and problem solving. Journal of Experimental Psychology:

Learning, Memory, and Cognition, 22(3), 792-810.

Blessing, S. B., et Ross, B. H. (1996b). Content effects in problem cate-

gorization and problem solving. Journal of Experimental Psychology:

Learning, Memory, and Cognition, 22(3), 792-810.


Bohner, G., Bless, H., Schwarz, N., et Strack, F. (1988). What triggers

causal attributions ? The impact of valence and subjective probability.

European Journal of Social Psychology, 18, 335-345.

Boreham, N. C., Foster, R. W., et Mawer, G. E. (1992). Strategies and

knowledge in the control of the symptoms of a chronic illness. Le

Travail humain, 55(1), 15-34.

Boreux, J.-J., Parent, E., et Bernier, J. (2010). Pratique du calcul bayésien.

Springer Science & Business Media.

Boshuizen, H. P. A., et Schmidt, H. G. (1992). On the Role of Biomedical

Knowledge in Clinical Reasoning by Experts, Intermediates and

Novices. Cognitive Science, 16(2), 153-184.

Bourne, L. E. (1970). Knowing and using concepts. Psychological Review,


77(6), 546-556. http://doi.org/10.1037/h0030000

Braine, M. D. (1990). The Natural Logic Approach to Reasonning. In

Reasoning, Necessity ant Logic : Developpemental Perspective (p. 133-157).

Hillsdalle NJ: Lawrence Erlbaum.

Braine, M. D., Reiser, B. J., et Rumain, B. (1984). Some empirical


justification for a theory of natural propositionnal logic. In The Psychology of
Learning and Motivation (Vol. 18, p. 313-371). New York: Academic Press.

Brier, G. W. (1950). Verification of Forecasts Expressed in Terms of

Probability. Monthly Weather Review, 78, 1.


Brissiaud, R., Meunier, J.-M., Audo, S., et Taabane, L. (2011). Le paradigme

« Si-problèmes vs CC-problèmes » et l’apprentissage de la division.

Présenté au colloque « Psychologie des apprentissages arithmétiques,

Université Paris 8, Saint-Denis.

Brown, R., et Van Kleeck, M. H. (1989). Enough said: Three principles of

explanation. Journal of Personality and Social Psychology, 57(4), 590-604.

Bibliographie 179

Bucciarelli, M., et Johnson-Laird, P. N. (1999). Strategies in syllogistic


reasoning. Cognitive Science, 23(3), 247-303.

Byrne, R. M. J. (1989). Suppressing valids inferences with conditionnals.

Cognition, (31), 61-83.

Byrne, R. M. J., et Johnson-Laird, P. N. (1989). Spatial reasoning (English).

Journal of Memory and Language, 28(5), 564-575.

Cadet, B. (2009a). Des modèles à utilité espérée (EU), à utilité


subjectivement espérée (SEU) et modèles dérivés. In B. Cadet et G.
Chasseigne

(éd.), Psychologie du jugement et de la décision (p. 59-97). Bruxelles: De


Boeck Supérieur.

Cadet, B. (2009b). Les modèles bayésiens du jugement et de la décision.

In B. Cadet et G. Chasseigne (éd.), Psychologie du jugement et de la décision


(p. 100-126). Bruxelles: De Boeck Supérieur.

Cadet, B., et Chasseigne, G. (2009). Psychologie du jugement et de la


décision. Bruxelles: De Boeck Supérieur.

Camerer, C. F., et Ho, T.-H. (1994). Violations of the Betweenness Axiom

and Nonlinearity in Probability. Journal of Risk and Uncertainty, 8(2), 167-


196.

Ceraso, J., et Provitera, A. (1971). A source of error in syllogistic reasoning.


Cognitive Psychology, (2), 400-410.

Chapman, L. J., et Chapman, J. P. (1959). Atmosphere effect re-examined.

Journal of Experimental Psychology, 58(3), 220-226.

Chapman, L. J., et Chapman, J. P. (1967). Genesis of popular but erro-

neous psychodiagnostic observations . Journal of Abnormal Psychology,


72(3), 193-204.

Cheng, P. W. (1997). From covariation to causation: A causal power

theory. Psychological Review, 104(2), 367-405.

Cheng, P. W., et Holyoak, K. J. (1985). Pragmatic reasoning schemas.

Cognitive Psychology, 17(4), 391-416.

Cheng, P. W., Holyoak, K. J., Nisbett, R. E., et Oliver, L. M. (1986).

Pragmatic versus syntactic approaches to training deductive reaso-

ning. Cognitive Psychology, 18(3), 293-328.

Clément, É. (1996). L’effet du contexte sémantique dans l’élaboration de

la répresentation du problème. L’Année psychologique, 96(3), 409-442.

Clément, E. (2009). La Résolution de problème. À la découverte de la


flexibilité cognitive. Paris: Armand Colin.

oute reproduction non autorisée est un délit.

Conlisk, J. (1989). Three Variants on the Allais Example. American

Economic Review, 79(3), 392-407.

© Dunod. T

180 Raisonnement, résolution de problèmes et prise de décision Cox, J. R., et


Griggs, R. A. (1982). The effects of experience on performance in Wason’s
selection task. Memory & Cognition, 10(5), 496-502.

Crochard-Lacour, A., et LeLorier, J. (2000). Introduction à la pharmacoé-

conomie. PUM.

Dawes, R. M. (1971). A case study of graduate admissions: Application

of three principles of human decision making. American Psychologist, 26(2),


180-188.

De Finetti, B. (1974). Theory of Probability (Vol. 1). New York: Wiley.

De Finetti, B. (1975). Theory of Probability (Vol. 2). New York: Wiley.

Dehaene, S. (2013). Le cerveau statisticien : la révolution bayésienne en


sciences cognitives. L’Annuaire du Collège de France. Cours et travaux,
(112), 339-362.

Déret, D. (1998). Pensée logique, pensée psychologique: l’art du


raisonnement.

Paris: L’Harmattan.

Desclés, J.-P. (2007). La polysémie verbale, un exemple, le verbe


« avancer ». In O. Soutet (éd.), La Polysémie. Paris: Presses universitaires
Paris Sorbonne, p. 111-136.

Dessale, Gaume, B., et Duvignau, K. (2009). Solutions lexicales auto-

matiques pour métaphores. Traitement automatique des langues, 50(1), 145-


175.

Dickstein, L. S. (1978). Error processes in syllogistic reasoning. Memory

& Cognition, 6(5), 537-543.

Di Sessa, A. A. (1993). Toward an epistemology of phisics. Cognition and


Instruction, (10), 105-225.

Duncker, K. (1954). On problem solving. Psychological Monographs,


58(270).

Duvignau, K. (2008). Acquisition du lexique verbal par proximité séman-

tique : premiers pas avec les troubles spécifiques du langage oral et

ouverture sur la dyslexie . Approche neuropsychologique des apprentissages


chez l’enfant, 20(1), 65-70.

Edwards, W. (1954). The theory of decision making. Psychological Bulletin,


51(4), 380-417.

Erickson, J. R. (1974). A set analysis theory of behavior in formal syllogistic


reasoning task. In R. Solso (éd.), Theories of Cognitive Psychology : The
Loyola Symposium. Hillsdale: Erlbaum, Vol. 2, p. 305-329.

Erickson, J. R. (1978). Reseach on syllogistic reasoning. In R. Revlin et R. E.


Mayer (éd.), Human Reasoning. Washington: Winston, p. 39-50.

Bibliographie 181

Evans, J. S. B. (1977). Linguistic factors in reasoning. The Quarterly Journal


of Experimental Psychology, 29(2), 297-306.

Evans, J. S., Barston, J. L., et Pollard, P. (1983). On the conflict between


logic and belief in syllogistic reasoning. Memory & Cognition, (11), 295-306.

Evans, J. S. (1982). The Psychology of Deductive Reasoning. S.l.:


Psychology Press.

Fenton, N., Neil, M., et Lagnado, D. A. (2012). A General Structure for

Legal Arguments About Evidence Using Bayesian Networks. Cognitive

Science, 37(1), 1-42.

Fiedler, K. (1988). The dependence of the conjunction fallacy on subtle

linguistic factors. Psychological Research, 50(2), 123-129.

Fischbein, E., Deri, M., Nello, M. S., et Marino, M. S. (1985). The role

of implicit models in solving verbal problems in multiplication and

division. Journal for Research in Mathematics Education, 16(1), 3-17.

Ford, M. (1995). Two Modes of Mental Representation and Problem

Solution in Syllogistic Reasoning. Cognition: International Journal of


Cognitive Science, 54(1), 1-71.

Friemel, E., et Weil-Barais, A. (1984). Résolution de problèmes à l’aide

de calculettes. Psychologie française, 29, 256-256.

Fruchart, E., Rulence-Paques, P., et Mullet, E. (2007). Ecological validity test


of laboratory studies of information integration. Teorie & Modelli, 12(1-2),
281-288.

Gentner, D. (1983). Structure-mapping: a theoretical framework for


analogy-making. Cognitive Science, 7(2), 155-170.

Gentner, D. (1989). Mechanisms of analogical learning. In S. Vosnadiou

et A. Ortony (éd.), Similarity and Analogical Reasoning (p. 199-241).

Londres: Cambridge University Press.

Gentner, D., et Clement, C. (1988). Evidence for relational selectivity in the


interpretation of analogy and metaphor. In G. H. Bower (éd.), The
Psychology of Learning and Motivation. Advances in Research ant Theory
(Vol. 22, p. 307-358). New York: Erlbaum.

Gentner, D., et Gentner, D. R. (1983). Flowing Waters or Teeming Crowds:

Mental Models of Electricity. In D. Gentner et L. Stevens (éd.), Mental


Models (p. 99-129). Hillsdale, N.J.: Lawrence Erlbaum Associates.

Gentner, D., et Landers, R. (1985). Analogical reminding: A good match

oute reproduction non autorisée est un délit.

is hard to find. In Proceedings of the International Conference on Systems,


Man and Cybernetics. Tucson, Arizona, USA.

© Dunod. T

182 Raisonnement, résolution de problèmes et prise de décision Gentner, D.,


et Toupin, C. (1986). Systematicity and surface similarity in the development
of analogy. Cognitive Science, (10), 277-300.

George, C. (1986). Généralisation inductive et déductive dans l’appren-

tissage par l’action. L’Année psychologique, 86, 183-200.

George, C. (1997). Polymorphisme du raisonnement humain: une approche


de la flexibilité de l’activité inférentielle. Paris: PUF.
Gerds, T. A., Cai, T., et Schumacher, M. (2008). The performance of risk

prediction models. Biometrical Journal. Biometrische Zeitschrift, 50(4), 457-


479.

Gick, M. L., et Holyoak, K. J. (1983). Schema Induction and Analogical

Transfer. Cognitive Psychology, 15(1), 1-38.

Gick, M. L., et McGarry, S. J. (1992). Learning from mistakes: Inducing

analogous solution failures to a source problem produces later successes

in analogical transfer. Journal of Experimental Psychology: Learning,


Memory, and Cognition, 18(3), 623-639.

Gigerenzer, G. (2002). The adaptative toolbox. In G. Gigerenzer et R.

Selten (éd.), Bounded Rationality : The Adaptative Toolbox (p. 37-50).

Cambridge, Mass.: MIT Press.

Gigerenzer, G., et Todd, P. M. (1999). Simple Heuristics that Make Us


Smart.

Oxford University Press.

Gilovich, T., Vallone, R., et Tversky, A. (1985). The hot hand in basket-

ball: on the misperception of random sequences. Cognitive Psychology, 17,


295-314.

Gneiting, T., et Raftery, A. E. (2007). Strictly Proper Scoring Rules,

Prediction, and Estimation. Journal of the American Statistical Association,


102, 359-378.

Goldvarg, E., et Johnson-Laird, P. N. (2001). Naive causality : a mental


model theory of causal meaning and reasoning. Cognitive Science, 25(4),
565-610.

Greeno, J. G. (1978). Nature of problem solving abilities. In W. K. Estes


(éd.), Handbook of Learning and Cognitive Processes (Vol. 5, p. 239-270).

Hillsdale, N.J.: Erlbaum.

Grice, P. (1975). Logic and conversation. In P. Cole et J. Morgan (éd.),

Syntax and Semantics (Vol. 3, p. 41-58). New York: Academic Press.

Griffiths, T. L., et Tennebaum, J. B. (2006). Optimal predictions in

everyday cognition. Psychological Science, 17, 767-773.

Bibliographie 183

Grumbach, A., Nguyen-Xuan, A., Richard, J.-F., Cauzinille-Marmeche,

E., et Mathieu, J. (1984). Un modèle d’apprentissage par l’action : la

course à 20. In Actes du colloque de l’ARC. Orsay.

Hamilton, D. L., Dugan, P. M., et Trolier, T. K. (1985). The formation of


stereotypic beliefs: Further evidence for distinctiveness-based illusory

correlations. Journal of Personality and Social Psychology, 48(1), 5-17.

Hamilton, D. L., et Gifford, R. K. (1976). Illusory correlation in interpersonal


perception: A cognitive basis of stereotypic judgments. Journal of
Experimental Social Psychology, 12(4), 392-407.

Hastie, R. (1984). Causes and effects of causal attribution. Journal of


Personality and Social Psychology, 46(1), 44-56.

Hayes, J. R., et Simon, H. A. (1977). Psychological differences among


problems isomophs. In N. J. Castellan, D. B. Pisoni, et G. R. Potts (éd.),
Cognitive Theory (p. 21-44). Hillsdale, HJ: Erlbaum.

Heider, F. (1958). The Psychology of Interpersonnal Relations. New York:


Wiley.

Heider, F., et Simmel, M. (1944). An experimental study of apparent

behavior. American Journal of Psychology, 57, 243-259.

Hey, J. D. (1984). The Economics of Optimism and Pessimism. Kyklos,


37(2), 181-205.

Hoc, J.-M. (1991). Effets de l’expertise des opérateurs et de la complexité de


la situation dans la conduite d’un processus continu à long délai de

réponse : le haut fourneau. Le Travail humain, 54(3), 225-249.

Hoc, J. M., et Amalberti, R. (1994). Diagnostic et prise de décision dans les


situations dynamiques. Psychologie française, 39(2), 177-192.

Hoc, J. M., et Amalberti, R. (1999). Analyse des activités cognitives en

situation dynamique : d’un cadre théorique à une méthode. Le Travail

humain, 62(2), 97-129.

Hofstadter, D. R., et Sander, E. (2013). L’Analogie: cœur de la pensée. Paris:


Odile Jacob.

Hogarth, R. M. (1975). Cognitive processses and the assessment of

subjective probability distributions. Journal of the American Statistical


Association, 70, 271-289.

Holyoak, K. J. (1985). The pragmatics of analogical transfer. Psychology


Learning, 19, 59-87.
Holyoak, K. J., et Koh, K. (1987). Surface and structural similarity in

oute reproduction non autorisée est un délit.

analogical transfer. Memory & Cognition, 15(4), 332-340.

© Dunod. T

184 Raisonnement, résolution de problèmes et prise de décision Holyoak, K.


J., et Thagard, P. (1996). Mental Leaps: Analogy in Creative Thought.
Cambridge, Mass.: A Bradford Book.

Jamet, F., et Déret, D. (2003). Raisonnement et connaissances: un siècle de


travaux. Paris: L’Harmattan.

Janvresse, E., et de la Rue, T. (2007). La loi des séries, hasard ou fatalité ?

Paris: Éditions le Pommier.

Jeffries, R., Polson, P. G., Razran, L., et Atwood, M. E. (1977). A process


model for missionaries-cannibals and other river-crossing problems.

Cognitive Psychology, 9(4), 412–440.

Johnson-Laird, P. N. (1983). Mental Models. Cambridge, Mass.: Cambridge


University Press.

Johnson-Laird, P. N., et Bara, B. G. (1984). Syllogistic inference. Cognition,


16(1), 1-61.

Johnson-Laird, P. N., et Byrne, R. M. J. (1991). Deduction. Hillsdale, NJ:


Erlbaum.

Johnson-Laird, P. N., Byrne, R. M. J., et Schaeken, W. (1992). Propositional


reasoning by model. Psychological Review, 99(3), 418-439.

Johnson-Laird, P. N., Girotto, V., Legrenzi, P., Legrenzi, M. S., et Caverni,


J.-P. (1999). Naive probability : A mental model theory of extensional
reasoning. Psychological Review, 106(1), 62-88.

Johnson-Laird, P. N., et Savary, F. (1999). Illusory inferences: a novel class


of erroneous deductions. Cognition, (71), 191-229.

Johnson-Laird, P. N., et Steedman, M. (1978). The psychology of syllo-

gisms. Cognitive Psychology, (10), 64-99.

Johnson-Laird, P. N., et Wason, P. C. (1970). A theoritical analysis of

insight into reasoning task. Cognitive Psychology, (1), 134-148.

Kahneman, D., et Tversky, A. (1974). Judgment under uncertainty: heur-

sitics and biaises. Science, (185), 1124-1131.

Kaplan, C. A. (analytic), et Simon, H. A. (analytic). (1990). In search of


insight (English). Cogn. Psychol. (Print), 22(3), 374-419.

Keren, G. (1987). Facing uncertainty in the game of bridge: a calibra-

tion study. Organizational Behavior and Human Decision Processes, 39(1),


98-114.

Klahr, D., et Dunbar, K. (1988). Dual space search during scientific


reasoning. Cognitive Science, 12, 1-48.

Klayman, J., et Ha, Y. W. (1987). Confirmation, disconfirmation and

information in hypothesis testing. Psychological Review, (94), 211-218.

Bibliographie 185

Kotovsky, K., et Simon, H. A. (1990). What makes some problems really

hard : exploration in the problem space difficulty. Cognitive psychology, (22),


143-183.
Lakoff, G. (1990). Women, Fire, and Dangerous Things (1re éd.). Chicago:
University Of Chicago Press.

Lakoff, G., et Johnson, M. (1985). Les Métaphores dans la vie quotidienne.

Éd. de Minuit.

Lau, P. P., et Russel, D. (1980). Attribution in the sports pages. Journal of


Personality and Social Psychology, 39, 29-38.

Lecoutre, B. (1976). Recherche et traitement de l’information dans la


découverte d’une règle de classification. Paris: Éditions du CNRS.

Luchins, A. S. (1942). Mechanization in problem solving: The effect of

Einstellung. Psychological Monographs, 54(6), 1-95.

Maier, F.N.R (1931). Reasoning in humans. II. The solution of a problem

and its appearance in conciousness. Journal of comparative psychology, 12


(2), 181-194.

Manusov, V., et Spitzberg, B. H. (2008). Attributes of attribution theory:


Finding good cause in the search for theory. In D. O. BraithWait et

L. A. Baxter (éd.), Engaging Theories in Interpersonal Communication (p.

37-49). Thousand Oaks, CA: Sage publications.

Maxwell, J. A. (2004). Causal Explanation, Qualitative Research, and

Scientific Inquiry in Education. Educational Research, 33(2), 3-11.

Medin, D. L., Wattenmaker, W. D., et Michalski, R. S. (1987). Constraints


and preference in inductive learning : an experimental study of human

and machine performance. Cognition, 11, 299-339.


Meunier, J. M. (2003). La polysémie comme source d’analogie: l’exemple

du verbe « Monter ». In K. Duvigrau, O. Gasquet et B. Gaume (éd.),

Regards croisés sur l’analogie. Revue d’intelligence artificielle, 17(5-6),


855-868.

Meunier, J.-M. (2015). Mémoires, représentations et traitements. Paris:


Dunod, 2e édition.

Meunier, J.-M., Vidal-Gomel, C., Minel, J.-L., et Battistelli, D. (2004).

Production d’énoncés d’action et conceptualisation de situations de

travail. Présenté à Journée « Semantique du verbe et interprétation de

l’action », Saint-Denis, France.

Mozer, M., Pashler, H., et Homaei, H. (2008). Optimal predictions in

oute reproduction non autorisée est un délit.

everyday cognition: The wisdom of individuals or crowds ? Cognitive

Science, 32, 1133-1147.

© Dunod. T

186 Raisonnement, résolution de problèmes et prise de décision Mullet, E.,


Morales-Matinez, G. E., Makris, I., Rogé, B., et Munoz-Sastre, M. T. (2002).
Functional measurement: an incredible flexible tool.

Psicologica, 33, 631-654.

Munoz-Sastre, M. T., Igier, V., Gaucher, M., et Girard, M. (2009). La

théorie fonctionnelle de la cognition. In B. Cadet et G. Chasseigne


(éd.), Psychologie du jugement et de la décision (p. 325-354). Bruxelles: De
Boeck Supérieur.

Newell, A., et Simon, H. A. (1972). Human Problem Solving. Oxford,


England: Prentice-Hall.

Newstead, S. E., et Griggs, R. A. (1983). Drawing inferences from quanti-

fied statements: a study of the square of oppositions. Journal of Verbal


Learning and Verbal Behavior, (22), 535-546.

Nisbett, R. E., Krantz, D. H., Jepson, C., et Kunda, Z. (1983). The use

of statistical heuristics in everyday inductive reasoning. Psychological


Review, 90(4), 339-363.

Nisbett, R. E., et Ross, L. (1980). Human Inference: Strategies and

Shortcomings of Social Judgment. Prentice-Hall.

Oakhill, J., Johnson-Laird, P. N., et Garnham, A. (1989). Believability and


syllogistic reasoning. Cognition, 31(2), 117-140.

Osherson, D. N., Smith, E. E., Wilkie, O., López, A., et Shafir, E. (1990).

Category-based induction. Psychological Review, 97(2), 185-200.

Peirce, C. S. (1931, 1935). Collected Papers of Charles Sanders Peirce,


Volumes I and II: Principles of Philosophy and Elements of Logic — Charles
Sanders Peirce, Charles Hartshorne, Paul Weiss, Harvard University Press.

Peterson, C. R., DuCharme, W. M., et Edwards, W. (1968). Sampling

Distributions and Probability Revisions. Journal of Experimental

Psychology, 76(2, Pt.1), 236-243.

Politzer, G. (1988). Résolution des syllogismes catégoriques formels.


L’Année psychologique, 88(4), 519-543.

Politzer, G. (1990). Immediate deduction between quantified sentences.

In K. J. Gilhooly, R. H. Keane, et G. Erdos (éd.), Lines of Thinking.

Reflections on the Psychology of Thought (Wiley). Londres.

Politzer, G., et Nguyen-Xuan, A. (1992). Reasoning about conditional

promises and warnings: Darwinian algorithms, mental models, rele-

vance judgements or pragmatic schemas? The Quarterly Journal of

Experimental Psychology A: Human Experimental Psychology, 44A(3), 401-


421.

Bibliographie 187

Raiffa, H. (1968). Decision Analysis: Introductory Lectures on Choices


Under Uncertainty. New York: Mcgraw-Hill College.

Rasmussen, J. (1986). Information Processing and Human-Machine

Interaction: An Approach to Cognitive Engineering. Elsevier Science Ltd.

Reason, J. (1990). Human Error. Cambridge University Press.

Revlis, R. (1975). Two models of syllogistic reasoning: Feature selection and


conversion. Journal of Verbal Learning & Verbal Behavior, 14(2), 180-195.

Richard, J.-F. (1998). Les bases du fonctionnement cognitif. In R.

Ghiglione et J.-F. Richard (éd.), Cours de psychologie (Vol. 1. Origines et


bases, p. 438-539). Paris: Dunod.

Richard, J.-F. (2005). Les Activités mentales. De l’interprétation, de


l’information à l’action (4e éd.). Paris: Armand Colin.
Richard, J.-F., Clément, E., Tijus, C.-A., et Pitrat, J. (2002). Les composantes
sémantiques dans la résolution de problèmes isomorphes.

Semantic Component in Isomorph Problem Solving, 16(1-2), 191-219.

Richard, J.-F., Pastré, P., Parage, P., Sander, E., Futtersack, M., et Labat, J.-
M.

(2009). Analyse des stratégies de correction de défauts en plasturgie à

l’aide d’un modèle de résolution de problème à base de contraintes.

Le Travail humain, Vol. 72(3), 267-292.

Richard, J.-F., Poitrenaud, S., et Tijus, C. (1993). Problem-solving


restructuration: Elimination of implicit constraints. Cognitive Science, 17(4),
497-529.

Richard, J.-F., et Sander, E. (2000). Activités d’interprétation et de

recherche de solution dans la résolution de problème. In J. N. Foulin et

C. Ponce (éd.), Les Apprentissages fondamentaux (p. 91-102). Bordeaux:


Edition du CRDP.

Richard, J.-F., et Zamani, M. (2003). A problem-solving model as a tool

for analyzing adaptive behavior. In R. J. Sternberg, J. Lautrey, et T.

I. Lubart (éd.), Models of Intelligence: International Perspectives (p.

213-226). Washington, DC, US: American Psychological Association.

Rikers, R. M. J. P., Schmidt, H. G., et Boshuizen, H. P. A. (2000).


Knowledge Encapsulation and the Intermediate Effect. Contemporary
Educational

Psychology, 25(2), 150-166.


Ripoll, T. (1992). La recherche sur le raisonnement par analogie : objectifs,
difficultés et solution. L’Année psychologique, 92, 263-288.

oute reproduction non autorisée est un délit.

Rips, L. J. (1983). Cognitive processes in propositional reasoning.

Psychological Review, 90(1), 38-71.

© Dunod. T

188 Raisonnement, résolution de problèmes et prise de décision Rips, L. J.


(1994). The psychology of proof: Deductive Reasoning in Human Thinking.
Cambridge, MA: The MIT Press.

Rips, L. J., et Marcus, S. L. (1977). Suppositions and the analysis of

conditional sentences. In M. A. Just et P. A. Carpenter (éd.), Cognitive


Processes in Comprehension (p. 185-219). Hillsdale, NJ: Erlbaum.

Risen, J. L., Gilovich, T., et Dunning, D. (2007). One-shot illusory


correlations and stereotype formation. Personality & Social Psychology
Bulletin, 33(11), 1492-1502.

Rossi, S., et Van der Henst, J.-B. (2007). Psychologies du raisonnement.

Bruxelles: De Boeck.

Ross, L. (1977). The intuitive psychologist and his shortcomings:

Distortions in the attribution process. In L. Berkowiz (éd.), Advances in


Experimental Social Psychology (Vol. 14, p. 173-200). New York: Academic
Press.

Rouse, W. B., et Rasmussen, J. (1981). Human Detection and Diagnosis of


System Failures. Published in cooperation with NATO Scientific Affairs
Division by Plenum Press.
Rulence-Paques, P., et Mullet, E. (1998). Area Judgment from Width and

Height Information: The Case of the Rectangle. Journal of Experimental


Child Psychology, 69(1), 22-48.

Sander, E. (2000). L’Analogie, du naïf au créatif: analogie et catégorisation.

Paris: L ’Harmattan.

Sander, E. (2002). L’analogie comme source de nos apprentissages. La

Recherche, (353), 40-43.

Santamaria, C., et Johnson-Laird, P. N. (2000). An antidote to illusory

inferences. Thinking and Reasoning, 6(4), 313-333.

Schmidt, H. G., et Boshuizen, H. P. A. (1993). On acquiring expertise in

medicine. Educational Psychology Review, 5(3), 205-221.

Schum, D. A., DuCharme, W. M., et DePitts, K. E. (1973). Research on

human multistage probabilistic inference processes. Organizational

Behavior and Human Performance, 10(3), 318-348.

Sells, S. B. (1936). The atmosphere effect: an experimental study of


reasoning. Archives of Psychology (Columbia University), 200, 72-72.

Slovic, P., et Lichtenstein, S. (1971). Comparison of Bayesian and regression


approaches to the study of information processing in judgment.

Organizational Behavior and Human Performance, 6(6), 649-744.

Spearman, C. (1923). The Nature of « Intelligence » and the Principles of


Cognition. Macmillan.
Bibliographie 189

Spellman, B. A., et Holyoak, K.J. (1992). If Saddam is Hitler then who

is George Bush? Analogical mapping between systems of social roles.

Journal of Personality and Social Psychology, 62(6), 913-933.

Spellman, B. A., et Holyoak, K. J. (1996). Pragmatics in analogical

mapping. Cognitive Psychology, 31(3), 307-346.

Stanovich, K.E. (2003). The fundamental computational biases of human

cognition : Heuristics that (sometimes) impair decision making and

problem solving. In J.E. Davidson & R.J. Sternberg (eds.), The psychology of
problem solving (p. 291-342). New York : Cambridge University Press.

Sternberg, R. (1981). Reasoning with determinate and indeterminate

linear sullogisms. British Journal of Psychology, (72), 407-420.

Sternberg, R. J. (1977). Component processes in analogical reasoning.

Psychological Review, 84(4), 353-378.

Sternberg, R. J., et Rifkin, B. (1979). The development of analogical


reasoning processes. Journal of Experimental Child Psychology, 27(2), 195-
232.

Sternberg, R., et Tourangeau, R. (1982). Understanding and appreciating

metaphors. Cognition, (11), 203-244.

Stevens, S. S. (1968). Le quantitatif et la perception. Bulletin de psychologie,


22, 696-715.
Störring, G. (1908). Experimentelle Untersuchungen über einfache

Schlussprozesse, (11), 1-127.

Thorndyke, P. W. (1911). Animal Intelligence. New York: Macmillan.

Tiberghien, A. (2004). Causalité dans l’apprentissage des sciences.

Intellectica, (38), 69-102.

Tirosh, D., et Graeber, A. O. (1990). Inconsistencies in Preservice

Elementary Teachers’ Beliefs about Multiplication and Division. Focus on


Learning Problems in Mathematics, 12(3-4), 65-74.

Tversky, A., et Kahneman, D. (1973). Availability: A heuristic for judging


frequency and probability. Cognitive Psychology, 5(2), 207-232.

Tversky, A., et Kahneman, D. (1983). Extensional versus Intuitive

Reasoning: The Conjunction Fallacy in Probability Judgment .

Psychological Review, 90(4), 293-315.

Van Der Henst, J.-B., Rossi, S., et Schroyens, W. (2002). When partici-

pants are not misled they are not so bad after all: A pragmatic analysis

of a rule discovery task. In W. D. Gray et C. Schunn (éd.), Proceedings of the


Twenty Fourth Annual Conference of the Cognitive Science Society oute
reproduction non autorisée est un délit.

(p. 902-908). Mahawa: Lawrence Erlbaum Associates Publishers.

© Dunod. T

190 Raisonnement, résolution de problèmes et prise de décision Vezneva, M.


(2011, octobre 24). Développement du raisonnement analogique : rôle de la
composante éxécutive d’inhibition (Thèse de doctorat).

Université de Bourgogne.

Von Neumann, J., et Morgenstern, O. (1944). Theory of Games and

Economic Behavior. Princeton: Princeton University Press.

Wallsten, T. S., Budescu, D. V., Rapoport, A., Zwick, R., et Forsyth, B.

(1986). Measuring the vague meanings of probability terms . Journal

of Experimental Psychology: General, 115(4), 348-365.

Wason, P. C. (1960). On the failure to eliminate hypotheses in a concep-

tual task. The Quarterly Journal of Experimental Psychology, 12, 129-140.

Wason, P. C. (1968). Reasoning about a rule. The Quarterly Journal of


Experimental Psychology, 20(3), 273-281.

Wason, P. C., et Johnson-Laird, P. N. (1972). Psychology of Reasoning:


Structure and Content. Oxford, England: Harvard U. Press.

Wason, P. C., et Shapiro, D. (1971). Natural and contrived experience in

a reasoning problem. The Quarterly Journal of Experimental Psychology,


23(1), 63-71.

Weber, E. U., et Johnson, E. (2009). Mindful judgment and décision

making. Annual Review of Psychology, 60, 53-85.

Weil-Barais, A., Mathieu, J., et Cauzinille-Marmèche, E. (1985).

Raisonnement analogique et résolution de problèmes. L’Année psycho-

logique, 85(1), 49-72.


Wickelgren, C. (1972). How to solve problems, elements of theory of problem
and problem solving. San Francisco: Freeman and co.

Wolff, P. (2007). Representing causation. Journal of Experimental


Psychology: General, 136(1), 82-111.

Woodworth, R. S., et Sells, S. B. (1935). An atmosphere effect in formal

syllogistic reasoning. Journal of Experimental Psychology, 18(4), 451-460.

Zamani, M., et Richard, J. F. (2000). Object goal similarity and analogical


transfert. Memory & Cognition, (28), 873-886.

Zanarelli, C. (2003). Caractérisation des stratégies instrumentales de gestion


d’environnements dynamiques : analyse de l’activité de régulation du métro
(Thèse de doctorat). Université Paris 8, Saint-Denis, France.

Index

espace de recherche 104, 105,

106, 107, 108, 131

abduction 23, 57, 67, 68, 69

espace problème 104, 106, 115,

analogie 76, 110

119, 131

argument 7, 8, 9, 12, 13, 19, 27,

28, 42, 44, 57, 58, 61, 62, 68

F
B

fallacieux 8, 9, 18, 50, 68

Bayes 146

béhavioriste 97, 98, 99, 100

biais 3, 24, 35, 36, 37, 38, 39, 40,

gestaltiste 97, 100, 101

43, 65, 67, 75, 141, 151, 153,

154, 155, 157, 158, 160

heuristique 32, 65, 76, 118, 119,

120, 121, 130, 131, 153, 154,

calibration 151

155, 156, 167

causalité 70, 71, 73, 74

conditionnel 16

conjonction 7, 15, 21, 27, 45,

implication 16
156, 157

implicitation 23, 47

connecteurs 7, 8, 15, 17, 20, 21,

induction 2, 12, 23, 57, 58, 61,

22, 23, 27, 28

67, 68

covariation 70, 72

insight 100

isomorphe 76, 106, 112, 113,

123, 126, 175

diagnostic 2, 4, 69, 102, 141,

164, 165, 166, 167, 168

disjonction exclusive 16, 31, 43

Johnson-Laird 20, 31, 32, 36, 37,

disjonction inclusive 15

39, 40, 41, 42, 43, 67

K
oute reproduction non autorisée est un délit.

équivalence 16, 17, 18, 19, 21,

Kahneman 152, 154, 155, 156,

© Dunod. T

27, 28

157, 160, 168

192 Raisonnement, résolution de problèmes et prise de décision M

relation causale 70, 71, 72

modèles mentaux 31, 32, 39, 40,

41, 42, 43

modus ponens 9, 12, 17, 18, 26,

schémas pragmatiques 24, 29, 54

28, 29, 45

Simon 104, 112, 113, 114, 116,

modus tollens 12, 17, 19, 28, 30

119, 122, 125, 130, 134

stratégie 10, 39, 65, 66, 73, 129,

145, 147, 152, 164, 166, 167,


175

Newell 104, 122, 130

syllogisme 8, 38, 40, 43, 45, 68

pragmatique 2, 30, 46, 85

table de vérité 8, 9, 11, 12, 15,

prédicat 7, 32, 35, 39

16, 21, 23, 25, 28, 67, 175

prémisse 7, 10, 12, 14, 17, 18,

Tversky 72, 152, 154, 155, 156,

19, 26, 29, 33, 35, 39, 40, 41, 43

157, 160, 168

proposition 7, 8, 9, 11, 14, 15,

16, 17, 21, 22, 23, 27, 31, 33,

40, 42, 44, 61, 66, 78, 84

utilité espérée 143, 144, 152

V
raisonnement analogique 2, 57,

75, 76, 77, 78, 79, 82, 83, 84,

valeur de vérité 7, 9, 14, 15, 16,

85, 86, 87, 110, 122

17, 21, 33, 114

raisonnement catégorique 14,

validité 1, 8, 13, 21, 23, 36, 37,

32, 39

38, 43

raisonnement conditionnel 17

raisonnement déductif 1, 12, 17,

68

raisonnement démonstratif 13,

Wason 12, 13, 19, 37, 59, 64, 66,

14

108

raisonnement propositionnel 14,

15, 25, 26, 31, 40


Document Outline
Table des matières
Introduction
1. Le raisonnement à visée épistémique
2. Le raisonnement à visée pragmatique
3. La prise de décision
1. Le raisonnement démonstratif
1. Notions de base
1.1 Précisions terminologiques et conventions de notation
1.2 Les méthodes d’étude du raisonnement
2. Le raisonnement démonstratif
2.1 Le raisonnement propositionnel
2.2 Les théories du raisonnement propositionnel
3. Le raisonnement catégorique
3.1 Les inférences immédiates
3.2 Les figures syllogistiques
3.3 Les biais de raisonnement
3.4 Les théories du raisonnement catégorique
2. Le raisonnement non démonstratif
1. L’induction
1.1 Les méthodes d’étude de l’induction
1.2 L’identification de concepts
1.3 Le rôle des connaissances dans l’induction
1.4 Le test d’hypothèse
1.5 La tâche 2-4-6
1.6 Biais ou stratégie ?
2. L’abduction
2.1 La formulation d’hypothèses causales
2.2 Hasard et causalité
2.3 L’attribution causale
2.4 Les biais dans l’attribution causale
3. Le raisonnement analogique
3.1 Les différentes formes d’analogie
3.2 Les méthodes d’étude de l’analogie
3.3 Les sources du raisonnement analogique
3.4 Les phases du raisonnement analogique
3.5 Les théories du raisonnement analogique
3. La résolution de problème
1. Les approches théoriques
1.1 L’approche béhavioriste
1.2 L’approche gestaltiste
1.3 L’approche cognitiviste
2. Les classifications des problèmes
2.1 Des points de vue variés
2.2 La nature d’un problème
3. L’interprétation du problème
3.1 La notion d’espace-problème
3.2 Des problèmes isomorphes
3.3 La construction de l’interprétation
4. Les mécanismes de résolution
4.1 La simplification du problème
4.2 L’utilisation des heuristiques
4.3 Les inférences
5. Les modèles de résolution de problèmes
5.1 Un modèle probabiliste
5.2 Les modèles à base de règles
5.3 Le modèle des contraintes
4. La prise de décision
1. Des probabilités à l’utilité
1.1 L’espérance mathématique de gain
1.2 L’utilité espérée
1.3 L’utilité espérée subjective
1.4 Les probabilités subjectives
2. Heuristiques et biais
2.1 La remise en cause de l’utilité espérée
2.2 Les heuristiques de jugement
2.3 La boîte à outils adaptative
3. Les modèles de la prise de décision
3.1 Les réseaux bayésiens
3.2 La théorie fonctionnelle de la cognition
4. Prise de décision et diagnostic et contrôle de l’activité
4.1 Le modèle de Rasmussen
4.2 Des niveaux de diagnostic
4.3 Des niveaux de prise de décision
Corrigés des exercices
Corrigés des exercices du chapitre 1
Corrigés des exercices du chapitre 2
Corrigés des exercices du chapitre 3
Corrigés des exercices du chapitre 4
Bibliographie
Index