Biais du survivant
Survivorship bias
Tirer des conclusions d'un échantillon qui ne contient que les cas ayant passé une sélection, en oubliant ceux qui ont été éliminés.
L'essentiel
Mécanisme
Les cas éliminés sont par nature invisibles : ils ne témoignent pas, ne sont pas publiés, n'apparaissent pas dans les classements. L'échantillon observé n'est donc pas représentatif.
En pratique
Exemple
On cite des entrepreneurs ayant quitté leurs études pour réussir, sans compter les nombreuses personnes qui ont fait le même choix et échoué.
Cas célèbre
Pendant la Seconde Guerre mondiale, plutôt que de blinder les zones criblées d'impacts sur les avions revenus de mission, Abraham Wald recommande de blinder celles qui n'en portent pas : les avions touchés à ces endroits ne sont pas revenus. Le même biais touche les bases de données de fonds d'investissement, d'où disparaissent les fonds fermés pour mauvaises performances (Elton, Gruber et Blake, 1996).
Se défendre
Comment s'en prémunir
Se demander : qu'est-il arrivé aux cas que je ne vois pas ? Quel filtre a produit l'échantillon que j'observe ?
Ne pas confondre
À ne pas confondre avec : Cueillette de cerises (sophisme)
Dans le biais du survivant, c'est la réalité qui a filtré les données : seuls les survivants restent visibles. Dans la cueillette de cerises, c'est la personne qui argumente qui les choisit.
Aller plus loin
Source
Abraham Wald, Statistical Research Group de l'université Columbia (1943).
S'entraîner
Dans l'application, chaque fiche propose de quoi s'entraîner à reconnaître la notion. Sans inscription : votre progression reste sur votre appareil.