Math Says Yes
Fait

Un nombre aléatoire peut influencer ton estimation

Fais tourner une roue pour obtenir un nombre aléatoire, puis demande aux gens d'estimer un fait : ceux qui ont vu un nombre plus grand devinent plus grand, même lorsque le nombre est manifestement dénué de sens.
Un point de départ arbitraire attire les estimations vers lui parce que nous nous en éloignons trop peu. L'ancre fixe la réponse sans que personne ne décide qu'il en soit ainsi.
Par l'équipe de rédaction de Math Says Yes
Examiné par des humains selon nos normes en matière de sources et de corrections.
Comment nous évaluons le contenu
LE PIÈGE
Nous avons l'impression que nos estimations proviennent de ce que nous savons, et non du dernier nombre que nous avons aperçu par hasard. Mais l'ancre non pertinente devient discrètement la ligne de départ, et nous nous en éloignons rarement suffisamment.
Une roue de la fortune en train de tourner et attirant la bulle de pensée d'une personne vers elle.

Ce que cela montre

Le premier nombre que tu entends devient le point de référence du jugement qui suit — cette attraction est l'ancrage. Le nombre peut être utile, arbitraire ou manifestement non pertinent, mais il attire tout de même les estimations vers lui. Les gens partent souvent de l'ancre et s'en éloignent par ajustement, puis s'arrêtent trop tôt. Le résultat n'est pas un bruit aléatoire : les ancres hautes ont tendance à produire des estimations plus élevées, et les ancres basses ont tendance à produire des estimations plus faibles.

Ce que montrent les chiffres

Tout le monde a répondu à la même question. Seul le nombre non pertinent de la roue a changé, et pourtant les estimations médianes ont varié de 20 points de pourcentage.
Source: Anchoring (cognitive bias) · Judgment under Uncertainty: Heuristics and Biases

Pourquoi l'intuition échoue

Face à un nombre que tu ne connais pas, l'esprit cherche une ligne de départ, de sorte que le nombre disponible est utilisé même s'il ne devrait pas compter. Les ancres fonctionnent le mieux précisément lorsque la vraie valeur est incertaine. Rejeter l'ancre demande un effort supplémentaire : tu dois te demander si elle est pertinente, chercher une autre référence et t'en éloigner suffisamment. La plupart des gens font un certain ajustement, mais pas assez, de sorte que l'ancre reste visible dans la réponse finale.

Exemple concret

Dans la démonstration classique de Tversky et Kahneman, les participants ont fait tourner une roue truquée pour s'arrêter soit sur 10, soit sur 65. On leur a ensuite demandé si le pourcentage de pays africains aux Nations Unies était supérieur ou inférieur à ce nombre, et enfin d'estimer le pourcentage réel. Le groupe de l'ancre basse a donné une estimation de 25 %. Le groupe de l'ancre haute a donné une estimation médiane de 45 %. La roue était visiblement aléatoire et non pertinente, et pourtant le nombre de départ a modifié les estimations de 20 points de pourcentage.

Comment l'utiliser

Lorsqu'un premier nombre apparaît dans un prix, une négociation, une prévision, une échelle de salaires ou une estimation, qualifie-le d'ancre avant de réagir. Construis ensuite une seconde estimation à partir de preuves indépendantes : , cas comparables, données historiques ou fourchette personnelle notée avant d'avoir vu le nombre de l'autre partie. En groupe, demande d'abord aux gens d'estimer en silence afin qu'un premier chiffre ne biaise pas tout le monde.

Ce que les gens font mal

Un prix affiché, une première offre, une comparaison aléatoire, une option suggérée par défaut ou une estimation précédente peuvent influencer le jugement en devenant simplement le point de départ : un ancrage n'a pas besoin d'être pertinent ou persuasif pour compter. Deux erreurs découlent du fait de négliger cela. L'une consiste à traiter le premier nombre présenté comme une information neutre : il peut s'agir d'un indice utile, mais c'est aussi un point de départ psychologique, il mérite donc une deuxième référence mûrement réfléchie. L'autre est de croire que la simple prise de conscience suffit : savoir qu'un nombre n'est pas pertinent peut réduire son emprise, mais ne l'efface pas automatiquement.

Quand cela s'applique

L'ancrage est particulièrement pertinent lorsque les estimations sont incertaines et que le premier nombre est marquant : négociations, tarification, prévisions, planification, objectifs de performance et questions de sondage. Son effet est plus faible lorsque tu possèdes de solides connaissances indépendantes ou lorsque la tâche comporte un calcul objectif que tu effectues réellement. Pour réduire l'ancrage, produis une estimation indépendante avant de voir les suggestions et compare plusieurs points de référence.

Note sur la source

Le concept d'ancrage et d'ajustement, ainsi que la démonstration classique avec les nombres aléatoires, proviennent de l'article sur les heuristiques et les de Tversky et Kahneman. Cela étaye l'affirmation de la page selon laquelle même des valeurs de départ arbitraires peuvent influencer les estimations.

FAQ

Qu'est-ce que l'effet d'ancrage ?

L'effet d'ancrage est la tendance d'un nombre initial à attirer les jugements ultérieurs vers lui. L'ancre peut être utile ou arbitraire. Le problème est que l'on s'écarte souvent trop peu de cette ancre lors des ajustements.

Pourquoi la roue de la fortune a-t-elle modifié les estimations ?

La roue a fourni un point de départ avant d'estimer une quantité incertaine. Bien que le nombre ait été aléatoire, les participants ont opéré des ajustements à partir de celui-ci et se sont arrêtés trop tôt. Cela a poussé la médiane des estimations vers 10 ou 65.

Comment puis-je réduire l'ancrage ?

Fais une estimation indépendante avant de regarder le chiffre de quelqu'un d'autre. Utilise des taux de base, des cas comparables ou des données historiques. Si une ancre est déjà visible, génère délibérément une deuxième référence et cherche à comprendre pourquoi l'ancre pourrait être fausse.

Vérification rapide

Les personnes à qui l'on montre un nombre aléatoire élevé avant d'estimer une quantité ont tendance à donner des réponses qui sont...

Sources

Anchoring (cognitive bias)
Explication secondaire
Wikipedia · Consulté 2026-06-14
Judgment under Uncertainty: Heuristics and Biases
Source primaire
Science · Consulté 2026-06-14
Tu connais quelqu'un qui aimerait ça ?
À lire ensuite
Une grille de tuiles avec des gouttes de pluie éparpillées au hasard — certaines tuiles sont vides, d'autres regroupent plusieurs gouttes.
Le hasard se regroupe plus que tu ne le penses
Disperse 100 gouttes de pluie au hasard sur 100 tuiles et environ 37 tuiles resteront complètement sèches, tandis que d'autres en recevront deux ou trois. Le vrai hasard se regroupe.