Probabilités et vie quotidienne — nos biais, nos erreurs

Nous prenons des décisions probabilistes tous les jours : faut-il prendre un parapluie ? Ce traitement médical vaut-il le risque ? Ce jeu de loterie est-il honnête ? Pourtant, l'intuition humaine est systématiquement mauvaise en probabilités. Pas par manque d'intelligence, mais parce que notre cerveau a évolué pour un monde où les probabilités suivaient d'autres règles. Voyageons dans nos biais.

Le problème de Monty Hall

Un présentateur vous montre trois portes. Derrière l'une se cache une voiture, derrière les deux autres, des chèvres. Vous choisissez la porte 1. Le présentateur, qui sait où est la voiture, ouvre la porte 3 (une chèvre). Il vous demande : voulez-vous changer pour la porte 2 ? La réponse naïve : "ça ne change rien, 50/50". La réponse correcte : il faut toujours changer — vous gagnez alors 2 fois sur 3.

Pourquoi ? Quand vous avez choisi, vous aviez 1/3 de chance d'avoir la voiture. Cette probabilité ne change pas. Les 2/3 restants "se concentrent" sur la porte que le présentateur n'a pas ouverte. La simulation ci-dessous le confirme sur des milliers de parties.

La loi des grands nombres

Si vous lancez une pièce équilibrée 10 fois, vous pouvez obtenir 8 faces — rien d'anormal. Si vous la lancez un million de fois, vous obtiendrez très exactement 50% de faces. Plus l'échantillon est grand, plus la fréquence converge vers la probabilité théorique. C'est la loi des grands nombres — le fondement de toute statistique.

Une erreur classique : croire que si 5 faces sont sorties d'affilée, pile est "dû". C'est le sophisme du joueur — la pièce n'a pas de mémoire. Chaque lancer est indépendant.

Le paradoxe des anniversaires

Dans une classe de 23 élèves, quelle est la probabilité qu'au moins deux d'entre eux aient le même anniversaire ? La réponse surprend tout le monde : plus de 50%. Avec 50 personnes, on dépasse 97%.

Le biais de sélection et les statistiques médicales

Un médicament réduit le risque de cancer de 50% — gros titre ! Mais si le risque de base est de 1 sur 1 000, le nouveau risque est de 1 sur 2 000 — une différence de 0,05%. La réduction relative est de 50% ; la réduction absolue est de 0,05%. Les deux sont vrais, mais leur portée pratique est radicalement différente.

La théorie bayésienne — mettre à jour ses croyances

Un test de dépistage est fiable à 99% : il détecte 99% des malades, et écarte correctement 99% des sains. Une maladie touche 1 personne sur 1000. Vous testez positif. Quelle est la probabilité que vous soyez réellement malade ?

L'intuition dit "99%". Bayes dit environ 9%. Sur 100 000 personnes testées, 100 sont malades (99 testent positif), mais 999 sains testent aussi positif (faux positifs). Parmi les 1098 positifs, seuls 99 sont vrais positifs : 99/1098 ≈ 9%.