On continue aujourd’hui dans le thème des statistiques et, plus précisément, dans celui de l’utilisation des probabilités. Ce type d'information offre des avantages précieux aux utilisateurs.
Les travaux effectués ces 10 dernières années dans le domaine de la psychologie cognitive étudient comment l’esprit travaille et, en particulier, comment se fait la prise de décision dans un environnement incertain.
Ces travaux montrent que les indications de probabilité améliorent, dans les faits, les prises de décision : elles sont plus rationnelles. Et cela est vrai pour tout un chacun, pas besoin d’être un statisticien, ni même de comprendre en profondeur les probabilités.
Afin d'étudier comment est perçue l'incertitude par le public, des expériences sont faites en laboratoire : on demande à des personnes issues du public (des personnes qui ne sont pas expertes dans le domaine) d'effectuer des prises de décision dans un environnement contrôlé. Il s’agit par exemple de décider d’émettre des avertissements de gel pour les agriculteurs sachant que les agriculteurs devront prendre des mesures mais aussi d’éviter d’en émettre trop parce que les protections sont coûteuses. Les prévisions sont basées sur des cas réels, mais manipulées puisque une partie des testés reçoit une prévision purement déterministe (température minimale du jour) et l’autre partie reçoit également une composante probabiliste avec la probabilité que la température minimale soit égale ou inférieure à 0°.
Il ressort de ce type d’expérience que les gens ont une plus grande confiance et prennent de meilleures décision lorsqu’il y a une prévision probabiliste.
Et parce que les variables environnementales sont contrôlées, ce qui signifie qu’elles sont les mêmes pour tous, on peut déduire de ce genre d’expérience que l’influence des données probabilistes est déterminante dans la prise de décision. On a pu aussi déterminer quels sont les facteurs qui influencent la façon dont les gens comprennent et utilisent l’information météorologique. Ce type d’approche permet également d’éviter des écueils liés au questionnement direct des gens, sachant qu’une grande partie de la prise de décision se fait de manière inconsciente.
Concrètement, une expérience en laboratoire qui simulait une prise de décision concernant l'entretien des routes a été menée. Il s’agissait de décider s’il fallait saler ou non la route et ce avant que la température ne descende en dessous de 0°. La décision devait donc se baser sur une prévision de la température minimale durant la nuit. Dans ce cadre, on dispose d'un budget global pour l'ensemble du test (ici de 36'000 $, l’expérience est menée aux Etats-Unis) et on admet un coût de 1000 $ pour chaque traitement ainsi qu’une amende de 6000 $ en cas de non traitement et que la température descend en dessous de 0°. Cette décision est prise 60 fois (ce qui correspondrait à environ 2 mois). A la fin de chaque « mois », une évaluation de la « confiance dans la prévision » est calculée.
Les résultats de ces simulations montrent une plus grande confiance et de meilleures décisions lorsque la prévision est probabiliste : il y a moins de salage lorsque la probabilité de descendre sous 0° est faible et plus de salage des routes lorsque la probabilité est élevée.
La stratégie économiquement la plus rationnelle dans ce genre situation est de déterminer à partir de quel moment (ici de quelle probabilité de gel) le coût supposé d’une amende est équivalent au coût du traitement : en l’occurrence dans notre exemple dès que nous aurons une probabilité de 16,7% (1000/6000) nous aurions le même montant engagé pour une amende que pour un traitement. Il faudrait dès lors traiter la route dès que la probabilité de gel est de 17%.
Ce cas montre qu’il faut entreprendre une mesure ou une action même lorsque le risque ou la probabilité d’occurrence sont bas. Et ce genre de situation est très intéressant parce que tout à fait similaire aux situations d’événements météorologiques extrêmes.
Ce type de simulation montre également clairement que les gens ne sont pas économiquement rationnels : les décisions ne suivent pas la courbe orange du graphique. Cependant la courbe des décisions prises avec des probabilités est plus proche de la courbe orange que celle des décisions prises selon des prévisions déterministes.
Dans le cadre de cette expérience, on a également essayé de donner un conseil de comportement (par ex : le salage est conseillé) aux personnes testées pour voir si cela améliorait la prise de décision. Il en est ressorti que les gens ne prennent pas les conseils au sérieux si ces conseils ne sont pas accompagnés d’une probabilité. Après 3 ou 4 conseils, ceux-ci n’étaient plus du tout considérés dans la prise de décision pour le groupe ayant des prévisions déterministes. Les meilleures décisions sont prises lorsque la prévision est accompagnée d’une probabilité et d’un conseil.
En effet, tout le monde sait que les prévisions météorologiques incluent une incertitude. Le fait de reconnaître et de quantifier cette incertitude augmente la confiance des gens dans la prévision.
En incluant une probabilité et un conseil à une prévision, en particulier en cas d’événement extrême, on indique aussi que, bien que la probabilité d’occurrence d’un évènement soit faible, prendre des mesures est justifié en raison des conséquences potentielles, qui pourraient être très élevées.
Lors des différentes expériences menées dans ce cadre, il a été observé que des prévisions probabilistes permettaient de diminuer les prises de risque trop grandes ainsi que les dénis de risque, et ce même lors de tâches plus complexes que de décider du traitement de la route, par exemple pour assurer le suivi d’avertissements de tornades avec plusieurs mises à jour des prévisions. Il a aussi été démontré que le niveau d’éducation n’influençait pas les prises de décisions.
Plus de détails : HIWeather Workshop 2020 : Communicating about High Impact Weather