Un système de récompense simple pourrait rendre les foules beaucoup plus sages

Il y a un problème avec la sagesse des foules.

Les économies de marché et les démocraties reposent sur l'idée que des populations entières en savent plus sur ce qui est le mieux pour elles qu'un petit groupe d'élite. Cette connaissance est potentiellement si puissante qu'elle peut même prédire l'avenir via les marchés boursiers, bourses de paris et véhicules d'investissement spéciaux appelés marchés de prédiction.

Ces marchés permettent aux gens d'échanger des « actions » dans des résultats futurs possibles, comme le vainqueur des prochaines élections. Toute personne disposant de nouvelles informations sur l'avenir a une incitation financière à les diffuser en achetant ces actions. Les marchés de prédiction informent désormais systématiquement les cotes des bookmakers et sont cités dans la couverture médiatique des élections aux côtés de sondages d'opinion plus traditionnels.

Mais les marchés de prédiction connaissent une crise de confiance dans les capacités de la foule. Ils se sont systématiquement trompés sur une série de décisions politiques très médiatisées, y compris les élections générales britanniques de 2015, le référendum sur le Brexit et l'élection présidentielle américaine de 2016.

Il ne faut pas s'attendre à une précision parfaite à chaque occasion, tout comme nous savons que les sondages d'opinion sont souvent imparfaits. Mais se tromper si régulièrement sur des événements aussi importants indique des failles possibles dans les hypothèses que nous formulons sur l'intelligence des foules. Par exemple, les gens n'agissent pas toujours sur la base des informations dont ils disposent et cela pourrait donc ne jamais faire partie de la décision de la foule. La dynamique des foules et des marchés peut également empêcher les gens de prêter attention à certaines sources d'information.

Cependant, il y a peut-être une voie à suivre. Mes collègues et moi avons mis au point un modèle qui résout ce problème en incitant les gens à rechercher de nouvelles sources d'information, et une raison supplémentaire de le partager.

Une question importante pour les marchés est « où les individus obtiennent-ils leurs informations ? » La recherche montre que nos opinions et nos activités correspondent très souvent à celles de nos pairs. Nous avons également tendance à rechercher des informations dans les endroits les plus évidents, en accord avec tout le monde.

Pour donner un exemple, Si vous regardez autour de vous dans les transports en commun de la City de Londres, vous verrez probablement des personnes détenant des exemplaires du Financial Times. C'est un problème car si tout le monde a les mêmes informations, la foule n'est pas plus intelligente qu'un seul individu. Des études montrent que le fait d'avoir une collection diversifiée d'opinions, notamment les opinions minoritaires, est crucial pour créer un groupe intelligent.

Alors pourquoi avons-nous tendance à restreindre les sources de nos opinions ? L'une des raisons est que nous avons un désir inné d'imiter nos pairs, se comporter de manière sûre et acceptable au sein de notre communauté. Mais c'est peut-être aussi à cause d'un rationnel, motivation de recherche de profit.

Nous avons étudié comment les personnes théoriquement motivées par le profit se comportent face aux types de récompenses observés dans des situations de marché. Pour faire ça, nous avons créé une simulation informatique d'un marché de prédiction, où les gens recevaient une récompense pour avoir fait des prédictions correctes. Les récompenses étaient plus importantes lorsque moins de personnes devinaient la bonne réponse, tout comme dans un marché de prédiction ou un échange de paris.

La récompense qu'un individu recevait était un montant fixe divisé par le nombre d'autres personnes qui avaient fait une prédiction correcte. Cela était censé inciter les gens à chercher les bonnes réponses que les autres ne trouveraient pas. Mais nous avons constaté que les gens gravitaient toujours vers un très petit sous-ensemble des informations disponibles – tout comme les banquiers londoniens avec leurs exemplaires du Financial Times.

Plus la situation était complexe, plus le pourcentage d'informations disponibles que les gens ont réellement utilisé est petit. Le problème était que plus il y avait de niche, informations inutilisées, bien que cela puisse être utile au groupe, était si rarement utile à l'individu qui le possédait qu'il n'y avait aucune incitation à le rechercher.

Nouveau système de récompense

Pour contrer cela, nous avons créé un nouveau système de marché de prédiction théorique, où les gens ne seraient récompensés que s'ils exprimaient des opinions exactes mais étaient également minoritaires. Par exemple, si quelqu'un prédisait que Donald Trump gagnerait les élections américaines, contre le consensus, ils auraient reçu une récompense une fois le résultat connu. Inversement, si la plupart des gens prédisent avec précision que le Parti conservateur remportera les prochaines élections britanniques, ils ne recevront aucune récompense.

Nous avons constaté que ce système de « récompense pour les minorités », qui favorise explicitement ceux qui vont à l'encontre de l'opinion populaire s'ils s'avèrent corrects, produit des décisions collectives beaucoup plus précises. C'était particulièrement le cas lorsque les situations étaient complexes, influencée par de nombreux facteurs.

Intuitivement, c'est logique. Si votre opinion soutient l'opinion populaire existante, vous ne pouvez pas changer si le groupe sera correct ou non. Dans notre modèle, les gens sont incités à partir à la recherche de sources d'informations plus ésotériques sur les résultats futurs possibles. Par exemple, plutôt que de lire le Financial Times, ils pourraient suivre des blogs obscurs, ou lisez les journaux locaux à la recherche d'informations sur les entreprises de la région.

Ils savent que ce n'est qu'en trouvant des informations auxquelles très peu ont accès qu'ils auront une chance d'aller correctement à l'encontre de la sagesse dominante. Cela encourage l'ensemble du groupe à rassembler un ensemble d'informations beaucoup plus large, conduisant à des décisions collectives plus justes.

Nos résultats se limitent jusqu'à présent à un modèle théorique, mais ils nous donnent un aperçu des raisons pour lesquelles les formes actuelles de marchés de prédiction peuvent être sujettes à l'échec, et comment nous pourrions essayer de les améliorer à l'avenir. Nous espérons que ces informations seront utilisées pour créer des marchés de prédiction plus précis, car nous pourrions tous bénéficier d'une meilleure prospective collective.

De meilleures prévisions et une prise de décision collective pourraient aider la société à décider quelles idées politiques fonctionneront ou ne fonctionneront pas. Améliorer la capacité des marchés boursiers à prédire quelles entreprises et quelles idées se porteront bien pourrait améliorer le retour sur investissement et générer une croissance économique plus importante. Même le monde universitaire est un exercice à grande échelle de sagesse collective. Si changer la façon dont les chercheurs sont récompensés peut améliorer la sagesse de cette foule, cela pourrait conduire à des découvertes scientifiques plus importantes.