Une voyageuse régulière planifie un voyage à l'étranger mais n'a pas acheté son billet d'avion. Elle visite donc divers sites Web qui peuvent prédire si le coût de son billet augmentera ou diminuera.

Deux sites disent que la probabilité d'une augmentation imminente des prix est, respectivement, 60% et 50%. Notre voyageur fait le calcul et fait la moyenne des chances à 55%.

Elle essaie ensuite deux autres sites, et tous deux donnent leurs prédictions sous forme verbale :Une augmentation, les sites sont d'accord, est "probable". De là, le voyageur conclut que la probabilité d'une hausse des prix est "très probable".

Cette curieuse différence dans la façon dont les prédictions numériques et verbales sont calculées est notée dans de nouvelles recherches, à paraître dans la revue Science du management , par Robert Mislavsky, professeur de marketing à l'Université Johns Hopkins. Dans une série de huit expériences avec plus de 7, 000 participants, Mislavsky et la co-auteur Celia Gaertig de l'Université de Chicago ont découvert que les personnes qui consultaient plus d'une prévision de probabilité numérique faisaient la moyenne des chiffres, conduisant à un nombre inférieur au plus élevé donné, comme dans l'exemple de 55 % ci-dessus.

Cependant, lorsque les participants ont examiné plusieurs prévisions sous forme verbale, ils sont parvenus à une conclusion plus certaine que celle observée dans aucune des prévisions individuelles - comme dans l'autre exemple ci-dessus, avec deux prédictions de « probable » conduisant à une détermination de « très probable ».

Apparemment, ce comportement n'était pas causé par la croyance parmi les participants qu'une prévision verbale supplémentaire fournissait plus d'informations nouvelles ou de meilleurs conseils qu'une prévision numérique supplémentaire ne le ferait.

Mislavsky dit que les chercheurs ont examiné diverses explications possibles, telles que la façon dont les participants auraient pu percevoir la confiance et la rigueur des prévisionnistes, et si les participants se sont davantage fiés à l'intuition ou à la raison pour tirer leurs conclusions.

"Finalement, nous n'avons pas trouvé de preuves solides pour une explication particulière, mais il est possible que les participants aient utilisé une combinaison parmi ces mécanismes lorsqu'ils ont répondu aux prévisions, " ajoute Mislavski, professeur assistant à la Johns Hopkins Carey Business School.

Les deux co-auteurs disent que peu de recherches à ce jour ont examiné comment les gens font des jugements après avoir combiné des prédictions de sources externes - et que la recherche, ils soulignent, s'est concentré sur les prévisions numériques. Aucune recherche précédente n'a étudié comment les gens combinent plusieurs prévisions verbales, selon Mislavsky et Gaertig.

Ils observent que si les prédictions numériques semblent plus précises en raison de l'utilisation des nombres, de telles déclarations peuvent manquer de "direction".

"Par exemple, s'il y a deux candidats dans une course politique, 40% de chances de gagner ne semble pas prometteur. Mais s'il y a plusieurs candidats, celui avec 40% gagnera probablement. Avec une prévision verbale, si vous avez dit qu'un candidat est « susceptible » de gagner, c'est beaucoup plus clair que d'essayer de comprendre comment une prévision numérique pourrait s'appliquer à la situation. La prévision verbale peut manquer de la précision d'un énoncé numérique, mais il fournit une direction plus claire, " dit Mislavski.

Il ajoute que le nouvel article peut profiter aux chercheurs qui étudient la prise de conseils et la prise de décision dans des conditions incertaines, ainsi que toute personne cherchant ou fournissant des conseils provenant de plusieurs sources.

« Un nombre croissant de plateformes proposent des prédictions, comme le kayak, Trémie, Lanceur de carburant, et CinqTrenteHuit, ", explique Mislavsky. "Lorsque ces plates-formes essaient de déterminer comment utiliser ou présenter plusieurs prévisions, ils seraient tous bien servis pour considérer les différentes façons dont les gens combinent les probabilités verbales et numériques, comme nous cherchons à le montrer dans cette étude.