Biais du survivant
On tire des leçons des survivants, pas des disparus.
Définition
Le biais du survivant est une erreur cognitive qui consiste à ne tirer des conclusions que des cas ayant survécu à un processus de sélection, en oubliant que les cas éliminés sont invisibles, et pourtant statistiquement majoritaires.
L’expression vient de l’analyse des avions de la Seconde Guerre mondiale : les ingénieurs voulaient renforcer les zones les plus touchées sur les appareils rentrés au camp. Abraham Wald fit remarquer que c’était précisément là qu’il ne fallait pas ajouter de blindage, les avions touchés à ces endroits survivaient. Les endroits vraiment critiques étaient ceux sans impact… car les avions touchés là ne rentraient pas.
Pourquoi c’est important
Ce biais fausse profondément notre perception de la réalité :
En entrepreneuriat : on lit les biographies de Steve Jobs, Elon Musk, Jeff Bezos. On ne lit pas les mémoires des milliers d’entrepreneurs au profil similaire qui ont échoué. Résultat : on surestime l’impact du charisme, de la vision, de la prise de risque : en ignorant la part de chance et de contexte.
En finance : les fonds d’investissement qui ont disparu ne figurent plus dans les bases de données de performance. Les comparaisons de rendement ne portent que sur les survivants, ce qui gonfle les moyennes.
En médecine : certains traitements semblent efficaces parce que les patients qui ont arrêté (ou sont décédés) ne sont plus comptabilisés dans les statistiques de succès.
En histoire : on étudie les empires qui ont duré, les stratégies militaires gagnantes, les innovations qui ont percé. Le cimetière des idées, des civilisations et des inventions disparues reste largement invisible.
Exemples concrets
Les conseils de “self-made” millionnaires : quand un entrepreneur à succès attribue sa réussite à une routine précise, un état d’esprit ou une méthode, il ignore les milliers de personnes ayant suivi le même chemin sans résultat. Le conseil devient un biais de sélection habillé en leçon.
Les études sur les centenaires : analyser les habitudes des personnes de 100 ans pour identifier des facteurs de longévité souffre du même biais, on n’interroge pas ceux qui sont morts.
Les best-sellers sur le leadership : “les entreprises excellentes font X, Y, Z” : mais les entreprises ordinaires aussi. On ne compare qu’avec les survivants.
Contre-mesures : demander systématiquement “quelles données manquent ?”, rechercher les cas d’échec avec le même profil, interroger les sorties et les abandons, et construire des bases de référence complètes avant de tirer des conclusions.
Ce qu’on ne voit pas compte autant que ce qu’on voit.