La théorie prospective — également appelée théorie des perspectives — n’étudie pas la façon d’imaginer des scénarios futurs et n’appartient pas à la prospective stratégique. Il s’agit d’une explication de la manière dont les individus ont tendance à décider lorsqu’un choix implique des gains, des pertes et des probabilités connues.
Songeons à une décision simple. Nous pouvons recevoir 900 unités monétaires à coup sûr ou accepter une probabilité de 90 % de recevoir 1 000. De nombreuses personnes préfèrent sécuriser les 900. Changeons à présent de cadrage : nous pouvons perdre 900 avec certitude ou faire face à une probabilité de 90 % de perdre 1 000. Même si les espérances mathématiques sont à nouveau égales, la disposition à prendre le risque d’éviter la perte certaine augmente.
Pourquoi l’attitude change-t-elle si la structure mathématique est symétrique ? Daniel Kahneman et Amos Tversky ont avancé en 1979 que nous n’évaluons pas chaque résultat uniquement en fonction de la richesse finale qu’il procure. Le fait de le vivre comme un gain ou comme une perte par rapport à un point de référence entre aussi en compte.
Idée clé : La théorie prospective est descriptive : elle cherche à expliquer des schémas de choix observés. Elle ne détermine pas à elle seule quelle décision est correcte.
Le problème que la théorie tente d’expliquer
La théorie de l’utilité espérée offre un cadre normatif puissant pour choisir entre des options risquées. Selon ses hypothèses, chaque résultat possible possède une utilité, et le choix prend en compte cette utilité conjointement avec sa probabilité. Or, certains choix observés ne respectent pas ces hypothèses de manière stable.
Kahneman et Tversky sont partis de ces régularités pour élaborer un modèle alternatif. Leur question n’était pas de savoir si les personnes savaient calculer, mais quels traits psychologiques intervenaient dans l’évaluation. La réponse initiale a combiné deux opérations : d’abord, organiser et simplifier les options ; ensuite, évaluer les résultats au moyen d’une fonction de valeur et de poids de décision.
Le point de référence modifie la lecture du résultat
Une personne n’a généralement pas l’expérience d’un résultat en termes absolus. Elle le compare à une référence : sa situation actuelle, une attente, un objectif ou même un chiffre présenté lors du choix. Gagner 100 peut être ressenti comme une amélioration si l’on n’attendait rien, et comme une perte si l’on en attendait 200.
C’est pourquoi la théorie travaille avec des variations autour d’une référence, et non seulement avec des niveaux finals de richesse. Cette intuition est compatible avec le fait que l’évaluation subjective compte, mais elle ne doit pas être confondue avec une théorie économique générale de la valeur. Il s’agit ici de modéliser la façon dont des résultats concrets sont évalués en situation de risque.
La référence n’est pas non plus fixée par une règle unique. Elle peut se déplacer au gré des attentes, du contexte ou de la manière de présenter une option. Cette flexibilité aide à expliquer les décisions, bien qu’elle oblige également à la prudence : si nous ignorons quelle est la référence pertinente, l’application du modèle peut devenir ambiguë.
Gains, pertes et sensibilité décroissante
La fonction de valeur proposée en 1979 comporte trois caractéristiques centrales :
- elle distingue les gains des pertes par rapport au point de référence ;
- elle est généralement concave pour les gains et convexe pour les pertes ;
- elle est généralement plus abrupte du côté des pertes.
La dernière caractéristique traduit l’aversion à la perte : perdre une somme a tendance à avoir plus d’impact que de gagner cette même somme. Cela ne signifie pas que la perte « fait exactement deux fois plus mal ». L’ampleur estimée dépend de la méthode, de la personne et du contexte.
La courbure représente la sensibilité décroissante. La différence perçue entre gagner 0 et gagner 100 est généralement plus importante que la différence entre gagner 1 000 et 1 100. Un phénomène similaire se produit pour les pertes. À mesure que nous nous éloignons de la référence, une augmentation identique peut produire un changement subjectif moindre.
Distinction utile : L’aversion à la perte compare l’impact de perdre et de gagner. L’aversion au risque décrit une préférence pour une option sûre par rapport à une option risquée. Il ne s’agit pas de la même chose, et un individu n’évite pas le risque en toutes circonstances.
L’exemple initial combine ces mécanismes. Dans le domaine des gains, sécuriser 900 peut paraître attractif face à un pari équivalent. Dans celui des pertes, accepter le risque peut sembler préférable si cela préserve une possibilité de ne rien perdre. Il s’agit d’une tendance fréquente, et non d’une réaction inévitable.
Les probabilités ne pèsent pas toujours de manière proportionnelle
Le second élément correspond aux poids de décision. Ceux-ci indiquent dans quelle mesure un résultat incertain influe sur le choix, mais ils ne remplacent pas la probabilité objective et ne représentent pas nécessairement une croyance à son sujet. Une probabilité peut être parfaitement définie et, pour autant, ne pas exercer une influence proportionnelle sur la décision.
L’effet de certitude aide à le comprendre. Passer d’une possibilité très élevée à une garantie peut produire un changement de préférence plus marqué qu’une réduction comparable entre deux probabilités qui demeurent incertaines. La certitude acquiert une importance particulière.
L’effet d’isolement apparaît lorsque l’on écarte les éléments que les options ont en commun pour concentrer son attention sur ce qui les différencie. Ce raccourci peut faciliter la comparaison, mais il permet aussi à deux présentations équivalentes d’engendrer des choix distincts.
Rien de tout cela n’implique que la personne modifie les probabilités réelles. La probabilité répond à la question « dans quelle mesure le résultat est-il possible ? » ; le poids de décision cherche à représenter « quelle est l’influence de ce résultat possible au moment du choix ». Confondre ces deux idées revient à transformer une explication psychologique en une erreur mathématique que la théorie ne soutient pas.
Ce qu’a apporté la version cumulative
En 1992, Tversky et Kahneman ont présenté la théorie prospective cumulative. Cette révision fait appel à une pondération cumulative et peut traiter des options à résultats multiples, en plus d’élargir l’analyse du risque — où les probabilités sont connues — vers des situations d’incertitude, où elles ne sont pas toujours déterminées avec précision.
La version cumulative a formalisé le modèle dit à quatre volets. Face à de fortes probabilités, on observe généralement une aversion au risque devant les gains et une recherche de risque face aux pertes. Face à de faibles probabilités, le schéma peut s’inverser : une faible possibilité de réaliser un gain important peut attirer, tandis qu’une faible possibilité de subir une lourde perte peut inciter à rechercher la sécurité. Le résultat dépend conjointement de la forme de la fonction de valeur et de la pondération.
Idée clé : Il n’existe pas d’attitude unique face au risque. Le domaine — gain ou perte — ainsi que le poids accordé à la probabilité peuvent modifier le choix.
Ce qu’elle permet de comprendre et ce qu’elle ne démontre pas
La théorie prospective fournit un vocabulaire utile pour analyser des décisions du quotidien, des contrats, des assurances ou des messages commerciaux. Elle permet de s’interroger sur la nature de la référence, sur la manière dont le résultat est présenté et sur le rôle que joue la certitude. Ces questions aident à déceler des cadrages qui, autrement, passeraient inaperçus.
Elles suggèrent également une implication institutionnelle prudente : des règles claires, des informations comparables et la liberté d’examiner des alternatives réduisent la dépendance à l’égard de cadrages arbitraires. Toutefois, le modèle ne démontre pas automatiquement qu’une réglementation, un investissement ou une politique donnée soit approprié. Passer d’une régularité descriptive à une recommandation exige des arguments supplémentaires et une attention à ses coûts.
Les données empiriques ultérieures ont apporté un large soutien à plusieurs de ces régularités, tout en mettant en évidence des différences selon les pays, les individus, les tâches et les contextes temporels. En outre, un choix expérimental simple ne restitue pas toute la complexité d’une décision réelle. Les références peuvent varier, les probabilités peuvent être imprécises et les individus peuvent apprendre.
L’apport durable de la théorie ne consiste pas à fournir une recette pour faire le bon choix. Il consiste à montrer que décider en situation de risque implique davantage que de multiplier des résultats par des probabilités : le point d’ancrage depuis lequel le changement est évalué, la façon dont les pertes sont vécues et l’influence effective exercée par chaque éventualité comptent. Reconnaître ces dimensions n’élimine pas le risque, mais rend la décision plus transparente.
Sources principales
- Daniel Kahneman et Amos Tversky, « Prospect Theory : An Analysis of Decision under Risk » (1979).
- Amos Tversky et Daniel Kahneman, « Advances in Prospect Theory : Cumulative Representation of Uncertainty » (1992).
- Kai Ruggeri et al., réplication multinationale des régularités de la théorie prospective (2020).
- Alexander L. Brown et al., méta-analyse sur l’aversion à la perte (2024).
Partager