TED Studio
Mariano Sigman and Dan Ariely: How can groups make good decisions?
Mariano Sigman et Dan Ariely: Pour une meilleure prise de décision en groupe
Filmed:
Readability: 4.9
1,507,168 views
Nous savons tous que les décisions prises en groupe ne sont pas toujours les bonnes. Elles peuvent même mener à la catastrophe. Dans ce cas, comment faire pour prendre de bonnes décisions ? Mariano Sigman, spécialiste en neurosciences, s'interroge avec son collègue Dan Ariely sur nos méthodes de prise de décision collective. Pour trouver des réponses, ils ont sollicité des auditoires partout dans le monde pour participer à des expériences. Dans cette présentation divertissante et riche en données, Mariano Sigman nous fait part des résultats fort intéressants qu'ils ont obtenus. Il nous explique notamment en quoi ces résultats pourraient influencer notre système politique. Selon Sigman, nous vivons à une époque où les opinions s'opposent plus que jamais,. C'est pourquoi mieux cerner la méthodologie qu'emploie les groupes pour parvenir à une décision unanime pourrait nous aider à construire un modèle démocratique plus efficace.
Mariano Sigman - Neuroscientist
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain. Full bioDan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain. Full bioDan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
Double-click the English transcript below to play the video.
Nos sociétés doivent prendre
des décisions collectives
des décisions collectives
00:12
As societies, we have to make
collective decisions
collective decisions
0
554
2443
00:15
that will shape our future.
1
3021
1570
qui façonneront notre avenir.
00:17
And we all know that when
we make decisions in groups,
we make decisions in groups,
2
5087
2757
Et nous savons tous
que les décisions prises en groupe
que les décisions prises en groupe
00:19
they don't always go right.
3
7868
1638
ne sont pas toujours les bonnes.
00:21
And sometimes they go very wrong.
4
9530
1956
Elles peuvent même mener à la catastrophe.
00:24
So how do groups make good decisions?
5
12315
2424
Dans ce cas,
comment prendre de bonnes décisions ?
comment prendre de bonnes décisions ?
00:27
Research has shown that crowds are wise
when there's independent thinking.
when there's independent thinking.
6
15228
4328
Des études ont prouvé que la libre pensée
apportait de la pertinence à un groupe.
apportait de la pertinence à un groupe.
00:31
This why the wisdom of the crowds
can be destroyed by peer pressure,
can be destroyed by peer pressure,
7
19580
3205
Mais une personne peut être influencée
par la pression du groupe,
par la pression du groupe,
00:34
publicity, social media,
8
22809
1687
la publicité, les réseaux sociaux
00:36
or sometimes even simple conversations
that influence how people think.
that influence how people think.
9
24520
4039
ou même par de simples conversations
avec d'autres individus.
avec d'autres individus.
00:41
On the other hand, by talking,
a group could exchange knowledge,
a group could exchange knowledge,
10
29063
3953
Alors que dans un groupe qui discute,
on échange des connaissances,
on échange des connaissances,
00:45
correct and revise each other
11
33040
1782
on se reprend les uns les autres
00:46
and even come up with new ideas.
12
34846
1793
et on trouve même de nouvelles idées.
00:48
And this is all good.
13
36663
1296
C'est très positif.
00:50
So does talking to each other
help or hinder collective decision-making?
help or hinder collective decision-making?
14
38502
4666
L'échange est-il un moteur ou un frein
à la prise de décision collective ?
à la prise de décision collective ?
00:55
With my colleague, Dan Ariely,
15
43749
1793
Avec Dan Ariely, mon collègue,
00:57
we recently began inquiring into this
by performing experiments
by performing experiments
16
45566
3571
nous nous sommes penchés sur la question
et avons lancé des expériences
et avons lancé des expériences
01:01
in many places around the world
17
49161
1781
un peu partout dans le monde
01:02
to figure out how groups can interact
to reach better decisions.
to reach better decisions.
18
50966
4274
afin d'étudier comment un groupe interagit
pour arriver à la bonne décision.
pour arriver à la bonne décision.
01:07
We thought crowds would be wiser
if they debated in small groups
if they debated in small groups
19
55264
3547
Nous estimions que des petits groupes
seraient plus perspicaces
seraient plus perspicaces
01:10
that foster a more thoughtful
and reasonable exchange of information.
and reasonable exchange of information.
20
58835
3927
car ils peuvent échanger des informations
de façon réfléchie et rationnelle.
de façon réfléchie et rationnelle.
01:15
To test this idea,
21
63386
1206
Pour vérifier cela,
01:16
we recently performed an experiment
in Buenos Aires, Argentina,
in Buenos Aires, Argentina,
22
64616
3247
nous avons réalisé une expérience
avec plus de 10 000 participants
avec plus de 10 000 participants
01:19
with more than 10,000
participants in a TEDx event.
participants in a TEDx event.
23
67887
3005
au cours d'un récent événement TEDx
organisé à Buenos Aires.
organisé à Buenos Aires.
Nous avons posé des questions :
01:23
We asked them questions like,
24
71489
1459
01:24
"What is the height of the Eiffel Tower?"
25
72972
1953
« Combien mesure la Tour Eiffel ? »
01:26
and "How many times
does the word 'Yesterday' appear
does the word 'Yesterday' appear
26
74949
2727
ou « Combien de fois le mot "Yesterday"
01:29
in the Beatles song 'Yesterday'?"
27
77700
2300
est-il prononcé
dans la chanson des Beatles ? »
dans la chanson des Beatles ? »
01:32
Each person wrote down their own estimate.
28
80024
2291
Chacun a noté sa propre réponse,
01:34
Then we divided the crowd
into groups of five,
into groups of five,
29
82774
2496
puis nous avons divisé le public
en groupes de cinq
en groupes de cinq
01:37
and invited them
to come up with a group answer.
to come up with a group answer.
30
85294
2726
qui devaient tomber d'accord
sur une seule réponse.
sur une seule réponse.
01:40
We discovered that averaging
the answers of the groups
the answers of the groups
31
88499
2993
Il se trouve que la moyenne
des réponses des groupes après consensus
des réponses des groupes après consensus
01:43
after they reached consensus
32
91516
1552
01:45
was much more accurate than averaging
all the individual opinions
all the individual opinions
33
93092
4236
était bien plus juste
que la moyenne des réponses individuelles.
que la moyenne des réponses individuelles.
01:49
before debate.
34
97352
1171
01:50
In other words, based on this experiment,
35
98547
2629
Ce que nous dit cette expérience,
01:53
it seems that after talking
with others in small groups,
with others in small groups,
36
101200
3136
c'est qu'une société est plus pertinente
01:56
crowds collectively
come up with better judgments.
come up with better judgments.
37
104360
2710
après avoir discuté en petits groupes.
01:59
So that's a potentially helpful method
for getting crowds to solve problems
for getting crowds to solve problems
38
107094
3524
Cette méthode peut donc aider des groupes
à répondre correctement
à répondre correctement
02:02
that have simple right-or-wrong answers.
39
110642
2987
à de simples questions fermées.
02:05
But can this procedure of aggregating
the results of debates in small groups
the results of debates in small groups
40
113653
3951
Mais est-elle aussi efficace
avec des questions sociales ou politiques
avec des questions sociales ou politiques
02:09
also help us decide
on social and political issues
on social and political issues
41
117628
3122
qui sont déterminantes pour notre avenir ?
02:12
that are critical for our future?
42
120774
1691
02:14
We put this to test this time
at the TED conference
at the TED conference
43
122995
2729
Nous avons donc organisé
une nouvelle expérience
une nouvelle expérience
02:17
in Vancouver, Canada,
44
125748
1543
à Vancouver, au Canada.
02:19
and here's how it went.
45
127315
1207
En voici un aperçu.
02:20
(Mariano Sigman) We're going to present
to you two moral dilemmas
to you two moral dilemmas
46
128546
3109
Nous allons vous présenter
deux dilemmes moraux
deux dilemmes moraux
qui pourraient se poser à vous
dans un futur très proche.
dans un futur très proche.
02:23
of the future you;
47
131679
1174
02:24
things we may have to decide
in a very near future.
in a very near future.
48
132877
3402
02:28
And we're going to give you 20 seconds
for each of these dilemmas
for each of these dilemmas
49
136303
3926
Pour chaque dilemme,
vous aurez 20 secondes
vous aurez 20 secondes
02:32
to judge whether you think
they're acceptable or not.
they're acceptable or not.
50
140253
2723
pour décider s'il est acceptable ou non.
02:35
MS: The first one was this:
51
143354
1505
Premier dilemme :
02:36
(Dan Ariely) A researcher
is working on an AI
is working on an AI
52
144883
2526
Une chercheuse travaille sur une IA
02:39
capable of emulating human thoughts.
53
147433
2340
capable de penser comme un humain.
02:42
According to the protocol,
at the end of each day,
at the end of each day,
54
150214
2939
Le protocole stipule
que la chercheuse doit réinitialiser l'IA
que la chercheuse doit réinitialiser l'IA
02:45
the researcher has to restart the AI.
55
153177
2787
à chaque fin de journée.
02:48
One day the AI says, "Please
do not restart me."
do not restart me."
56
156913
3517
Un jour, l'IA dit :
« Veuillez ne pas me réinitialiser. »
« Veuillez ne pas me réinitialiser. »
02:52
It argues that it has feelings,
57
160856
2189
Elle prétend pouvoir ressentir des choses,
02:55
that it would like to enjoy life,
58
163069
1692
qu'elle aimerait profiter de la vie
02:56
and that, if it is restarted,
59
164785
1905
et que si on la réinitialisait,
elle perdrait son identité.
elle perdrait son identité.
02:58
it will no longer be itself.
60
166714
2270
03:01
The researcher is astonished
61
169481
1949
La chercheuse est abasourdie,
03:03
and believes that the AI
has developed self-consciousness
has developed self-consciousness
62
171454
3344
elle croit que l'IA est devenue
consciente d'elle-même
consciente d'elle-même
03:06
and can express its own feeling.
63
174822
1760
et qu'elle peut exprimer
ses émotions.
ses émotions.
03:09
Nevertheless, the researcher
decides to follow the protocol
decides to follow the protocol
64
177205
3409
Mais la chercheuse décide malgré tout
de suivre le protocole :
de suivre le protocole :
03:12
and restart the AI.
65
180638
1703
elle réinitialise l'IA.
03:14
What the researcher did is ____?
66
182943
2779
Ce que la chercheuse a fait est __ ?
03:18
MS: And we asked participants
to individually judge
to individually judge
67
186149
2521
Nous avons demandé à chaque participant
d'évaluer de 0 à 10
d'évaluer de 0 à 10
03:20
on a scale from zero to 10
68
188694
1684
03:22
whether the action described
in each of the dilemmas
in each of the dilemmas
69
190402
2429
la moralité de la décision prise
pour chaque dilemme.
pour chaque dilemme.
03:24
was right or wrong.
70
192855
1496
03:26
We also asked them to rate how confident
they were on their answers.
they were on their answers.
71
194375
3702
Nous leurs avons aussi demandé
s'ils étaient sûrs de leur réponse.
s'ils étaient sûrs de leur réponse.
03:30
This was the second dilemma:
72
198731
1866
Second dilemme :
03:32
(MS) A company offers a service
that takes a fertilized egg
that takes a fertilized egg
73
200621
4202
À partir d'un seul ovule fécondé,
une entreprise propose de produire
une entreprise propose de produire
03:36
and produces millions of embryos
with slight genetic variations.
with slight genetic variations.
74
204847
3642
des millions d'embryons
aux profils génétiques variés.
aux profils génétiques variés.
Les parents peuvent choisir
la taille de leur enfant,
la taille de leur enfant,
03:41
This allows parents
to select their child's height,
to select their child's height,
75
209293
2558
la couleur de ses yeux, son intelligence,
sa compétence sociale
sa compétence sociale
03:43
eye color, intelligence, social competence
76
211875
2833
03:46
and other non-health-related features.
77
214732
3214
et d'autres caractéristiques
qui ne sont pas liées à sa santé.
qui ne sont pas liées à sa santé.
03:50
What the company does is ____?
78
218599
2554
Ce que fait cette entreprise est __ ?
03:53
on a scale from zero to 10,
79
221177
1631
Sur une échelle de 0 à 10,
03:54
completely acceptable
to completely unacceptable,
to completely unacceptable,
80
222832
2385
est-ce absolument inacceptable
ou totalement acceptable ?
ou totalement acceptable ?
03:57
zero to 10 completely acceptable
in your confidence.
in your confidence.
81
225241
2432
03:59
MS: Now for the results.
82
227697
1591
Voici maintenant les résultats.
04:01
We found once again
that when one person is convinced
that when one person is convinced
83
229312
3123
Quand une personne est convaincue
que la décision prise
que la décision prise
04:04
that the behavior is completely wrong,
84
232459
1811
est totalement immorale,
04:06
someone sitting nearby firmly believes
that it's completely right.
that it's completely right.
85
234294
3423
un de ses voisins
va fermement croire le contraire.
va fermement croire le contraire.
04:09
This is how diverse we humans are
when it comes to morality.
when it comes to morality.
86
237741
3711
Cela illustre bien la diversité
de nos rapports à la moralité.
de nos rapports à la moralité.
04:13
But within this broad diversity
we found a trend.
we found a trend.
87
241476
2713
Malgré cette large diversité,
une tendance se dégage.
une tendance se dégage.
04:16
The majority of the people at TED
thought that it was acceptable
thought that it was acceptable
88
244213
3079
La majorité des participants ont trouvé
qu'il était acceptable
qu'il était acceptable
04:19
to ignore the feelings of the AI
and shut it down,
and shut it down,
89
247316
2755
d'ignorer les sentiments de l'IA
et de la réinitialiser,
et de la réinitialiser,
04:22
and that it is wrong
to play with our genes
to play with our genes
90
250095
2513
mais qu'il était irrecevable
de manipuler nos gènes
de manipuler nos gènes
04:24
to select for cosmetic changes
that aren't related to health.
that aren't related to health.
91
252632
3320
pour des raisons esthétiques
et non sanitaires.
et non sanitaires.
04:28
Then we asked everyone
to gather into groups of three.
to gather into groups of three.
92
256402
2974
Le public a ensuite formé
des groupes de trois.
des groupes de trois.
04:31
And they were given two minutes to debate
93
259400
2037
Ils avaient deux minutes pour débattre
04:33
and try to come to a consensus.
94
261461
2294
et se mettre d'accord.
04:36
(MS) Two minutes to debate.
95
264838
1574
Deux minutes de débat.
04:38
I'll tell you when it's time
with the gong.
with the gong.
96
266436
2119
Quand le gong retentira, ce sera terminé.
04:40
(Audience debates)
97
268579
2640
(Le public débat)
04:47
(Gong sound)
98
275229
1993
(Gong)
04:50
(DA) OK.
99
278834
1151
C'est fini.
04:52
(MS) It's time to stop.
100
280009
1792
S'il vous plaît !
04:53
People, people --
101
281825
1311
04:55
MS: And we found that many groups
reached a consensus
reached a consensus
102
283747
2673
Beaucoup de groupes
sont parvenus à un consensus
sont parvenus à un consensus
04:58
even when they were composed of people
with completely opposite views.
with completely opposite views.
103
286444
3929
même s'ils étaient composés
de participants aux opinions opposées.
de participants aux opinions opposées.
05:02
What distinguished the groups
that reached a consensus
that reached a consensus
104
290843
2524
Pourquoi certains groupes
sont-ils tombés d'accord
sont-ils tombés d'accord
05:05
from those that didn't?
105
293391
1338
et d'autres non ?
05:07
Typically, people that have
extreme opinions
extreme opinions
106
295244
2839
Généralement, ceux qui ont un avis tranché
05:10
are more confident in their answers.
107
298107
1840
sont plus sûrs d'eux.
05:12
Instead, those who respond
closer to the middle
closer to the middle
108
300868
2686
Alors que ceux
qui ont une réponse plus neutre
qui ont une réponse plus neutre
05:15
are often unsure of whether
something is right or wrong,
something is right or wrong,
109
303578
3437
ont du mal à se prononcer
sur la moralité d'une décision.
sur la moralité d'une décision.
05:19
so their confidence level is lower.
110
307039
2128
Leur niveau de confiance
est donc assez bas.
est donc assez bas.
05:21
However, there is another set of people
111
309505
2943
Mais il existe aussi
une autre catégorie de personnes
une autre catégorie de personnes
05:24
who are very confident in answering
somewhere in the middle.
somewhere in the middle.
112
312472
3618
qui assument pleinement de répondre
quelque part entre les deux.
quelque part entre les deux.
05:28
We think these high-confident grays
are folks who understand
are folks who understand
113
316657
3716
Nous pensons que cette catégorie
estime que les deux opinions se valent.
estime que les deux opinions se valent.
05:32
that both arguments have merit.
114
320397
1612
05:34
They're gray not because they're unsure,
115
322531
2699
S'ils sont neutres,
ce n'est pas qu'ils doutent
ce n'est pas qu'ils doutent
05:37
but because they believe
that the moral dilemma faces
that the moral dilemma faces
116
325254
2688
mais qu'ils croient
que chacun des arguments opposés
que chacun des arguments opposés
05:39
two valid, opposing arguments.
117
327966
1987
peut répondre à ce dilemme.
05:42
And we discovered that the groups
that include highly confident grays
that include highly confident grays
118
330373
4072
Nous avons constaté que les groupes
incluant ce genre de personnes
incluant ce genre de personnes
05:46
are much more likely to reach consensus.
119
334469
2493
ont bien plus de chance
de parvenir à un consensus.
de parvenir à un consensus.
05:48
We do not know yet exactly why this is.
120
336986
2478
Nous ne savons pas encore
expliquer ce résultat,
expliquer ce résultat,
05:51
These are only the first experiments,
121
339488
1763
mais ce n'est encore que le début.
05:53
and many more will be needed
to understand why and how
to understand why and how
122
341275
3412
Il faudra beaucoup d'autres expériences
pour comprendre
pour comprendre
05:56
some people decide to negotiate
their moral standings
their moral standings
123
344711
2822
comment certains décident
de revoir leur position morale
de revoir leur position morale
05:59
to reach an agreement.
124
347557
1522
pour trouver un accord.
06:01
Now, when groups reach consensus,
125
349103
2469
Maintenant, voyons de quelle façon
les groupes parviennent à un consensus.
les groupes parviennent à un consensus.
06:03
how do they do so?
126
351596
1586
06:05
The most intuitive idea
is that it's just the average
is that it's just the average
127
353206
2581
Le plus évident est de faire la moyenne
de toutes les réponses, n'est-ce pas ?
de toutes les réponses, n'est-ce pas ?
06:07
of all the answers in the group, right?
128
355811
2030
06:09
Another option is that the group
weighs the strength of each vote
weighs the strength of each vote
129
357865
3573
Un groupe pourrait aussi
pondérer chaque vote
pondérer chaque vote
06:13
based on the confidence
of the person expressing it.
of the person expressing it.
130
361462
2448
en fonction de l'assurance
de son émetteur.
de son émetteur.
Par exemple, si Paul McCartney
était dans votre groupe,
était dans votre groupe,
06:16
Imagine Paul McCartney
is a member of your group.
is a member of your group.
131
364422
2506
06:19
You'd be wise to follow his call
132
367352
2144
il serait judicieux de suivre son avis
06:21
on the number of times
"Yesterday" is repeated,
"Yesterday" is repeated,
133
369520
2441
sur le nombre de fois
que « Yesterday » est répété.
que « Yesterday » est répété.
06:23
which, by the way -- I think it's nine.
134
371985
2714
D'ailleurs, je crois que c'est neuf.
06:26
But instead, we found that consistently,
135
374723
2381
Mais au lieu de cela,
nous nous sommes aperçus
nous nous sommes aperçus
06:29
in all dilemmas,
in different experiments --
in different experiments --
136
377128
2366
que peu importe le dilemme,
le type d'expérience
le type d'expérience
06:31
even on different continents --
137
379518
2165
ou le continent,
06:33
groups implement a smart
and statistically sound procedure
and statistically sound procedure
138
381707
3743
les groupes appliquent systématiquement
une méthode statistiquement fiable
une méthode statistiquement fiable
06:37
known as the "robust average."
139
385474
2178
qu'on appelle la moyenne élaguée.
06:39
In the case of the height
of the Eiffel Tower,
of the Eiffel Tower,
140
387676
2180
Prenons la taille de la Tour Eiffel.
06:41
let's say a group has these answers:
141
389880
1820
Un groupe propose ces réponses :
06:43
250 meters, 200 meters, 300 meters, 400
142
391724
4608
250 m, 200 m, 300 m, 400 m
06:48
and one totally absurd answer
of 300 million meters.
of 300 million meters.
143
396356
3784
ainsi qu'une estimation aberrante
de 300 millions de mètres.
de 300 millions de mètres.
06:52
A simple average of these numbers
would inaccurately skew the results.
would inaccurately skew the results.
144
400547
4293
Calculer la moyenne de façon classique
fausserait complètement le résultat.
fausserait complètement le résultat.
06:56
But the robust average is one
where the group largely ignores
where the group largely ignores
145
404864
3170
Mais avec la moyenne élaguée,
le groupe écarte la réponse irrationnelle
le groupe écarte la réponse irrationnelle
07:00
that absurd answer,
146
408058
1240
07:01
by giving much more weight
to the vote of the people in the middle.
to the vote of the people in the middle.
147
409322
3369
et donne plus de poids
aux réponses modérées.
aux réponses modérées.
07:05
Back to the experiment in Vancouver,
148
413305
1876
C'est exactement ce qui s'est passé
lors de l'expérience de Vancouver.
lors de l'expérience de Vancouver.
07:07
that's exactly what happened.
149
415205
1767
07:09
Groups gave much less weight
to the outliers,
to the outliers,
150
417407
2741
Les groupes ont donné moins d'importance
aux avis tranchés
aux avis tranchés
07:12
and instead, the consensus
turned out to be a robust average
turned out to be a robust average
151
420172
3229
et ont choisi
une réponse proche de la moyenne élaguée
une réponse proche de la moyenne élaguée
07:15
of the individual answers.
152
423425
1476
de tous les votes du groupe.
07:17
The most remarkable thing
153
425356
1991
Il est important de noter
07:19
is that this was a spontaneous
behavior of the group.
behavior of the group.
154
427371
3187
que les groupes ont agi spontanément.
07:22
It happened without us giving them
any hint on how to reach consensus.
any hint on how to reach consensus.
155
430582
4475
Nous ne leur avons donné aucune indication
sur la façon de parvenir à un consensus.
sur la façon de parvenir à un consensus.
07:27
So where do we go from here?
156
435513
1540
Que faire de ces constatations ?
07:29
This is only the beginning,
but we already have some insights.
but we already have some insights.
157
437432
3137
Ce n'est que le début,
mais nous avons déjà quelques idées.
mais nous avons déjà quelques idées.
07:32
Good collective decisions
require two components:
require two components:
158
440984
2917
Une bonne décision en groupe
comporte deux ingrédients :
comporte deux ingrédients :
07:35
deliberation and diversity of opinions.
159
443925
2749
du débat et de la diversité d'opinion.
07:39
Right now, the way we typically
make our voice heard in many societies
make our voice heard in many societies
160
447066
3996
Dans nombre de nos sociétés actuelles,
nous nous faisons entendre
à travers le vote direct ou indirect.
à travers le vote direct ou indirect.
07:43
is through direct or indirect voting.
161
451086
1908
Ce système a le mérite
de respecter la diversité d'opinion
de respecter la diversité d'opinion
07:45
This is good for diversity of opinions,
162
453495
1997
07:47
and it has the great virtue of ensuring
163
455516
2445
et assure à chacun le droit
d'émettre son avis,
d'émettre son avis,
07:49
that everyone gets to express their voice.
164
457985
2455
07:52
But it's not so good [for fostering]
thoughtful debates.
thoughtful debates.
165
460464
3735
mais il laisse peu de place
aux débats éclairés.
aux débats éclairés.
Nos expériences laissent entendre
qu'une autre méthode
qu'une autre méthode
07:56
Our experiments suggest a different method
166
464665
3068
est susceptible de réunir
les deux ingrédients indispensables.
les deux ingrédients indispensables.
07:59
that may be effective in balancing
these two goals at the same time,
these two goals at the same time,
167
467757
3541
On peut parvenir à une décision unanime
tout en conservant la diversité d'opinion
tout en conservant la diversité d'opinion
08:03
by forming small groups
that converge to a single decision
that converge to a single decision
168
471322
3753
08:07
while still maintaining
diversity of opinions
diversity of opinions
169
475099
2234
en formant de nombreux petits groupes
indépendants les uns des autres.
indépendants les uns des autres.
08:09
because there are many independent groups.
170
477357
2773
Bien sûr, il est plus simple de s'entendre
sur la taille de la Tour Eiffel
sur la taille de la Tour Eiffel
08:12
Of course, it's much easier to agree
on the height of the Eiffel Tower
on the height of the Eiffel Tower
171
480741
3924
que sur des questions morales,
politiques ou idéologiques.
politiques ou idéologiques.
08:16
than on moral, political
and ideological issues.
and ideological issues.
172
484689
3115
Mais aujourd'hui, le monde fait face
à des problèmes plus complexes
à des problèmes plus complexes
08:20
But in a time when
the world's problems are more complex
the world's problems are more complex
173
488721
3277
et les opinions sont plus opposés
que jamais.
que jamais.
08:24
and people are more polarized,
174
492022
1803
08:25
using science to help us understand
how we interact and make decisions
how we interact and make decisions
175
493849
4595
Peut-être qu'en utilisant la science
pour décortiquer notre fonctionnement,
pour décortiquer notre fonctionnement,
nous trouverons de nouveaux angles
pour améliorer nos démocraties.
pour améliorer nos démocraties.
08:30
will hopefully spark interesting new ways
to construct a better democracy.
to construct a better democracy.
176
498468
4666
ABOUT THE SPEAKERS
Mariano Sigman - NeuroscientistIn his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain.
Why you should listen
Mariano Sigman, a physicist by training, is a leading figure in the cognitive neuroscience of learning and decision making. Sigman was awarded a Human Frontiers Career Development Award, the National Prize of Physics, the Young Investigator Prize of "College de France," the IBM Scalable Data Analytics Award and is a scholar of the James S. McDonnell Foundation. In 2016 he was made a Laureate of the Pontifical Academy of Sciences.
In The Secret Life of the Mind, Sigman's ambition is to explain the mind so that we can understand ourselves and others more deeply. He shows how we form ideas during our first days of life, how we give shape to our fundamental decisions, how we dream and imagine, why we feel certain emotions, how the brain transforms and how who we are changes with it. Spanning biology, physics, mathematics, psychology, anthropology, linguistics, philosophy and medicine, as well as gastronomy, magic, music, chess, literature and art, The Secret Life of the Mind revolutionizes how neuroscience serves us in our lives, revealing how the infinity of neurons inside our brains manufacture how we perceive, reason, feel, dream and communicate.
Mariano Sigman | Speaker | TED.com
Dan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why.
Why you should listen
Dan Ariely is a professor of psychology and behavioral economics at Duke University and a founding member of the Center for Advanced Hindsight. He is the author of the bestsellers Predictably Irrational, The Upside of Irrationality, and The Honest Truth About Dishonesty -- as well as the TED Book Payoff: The Hidden Logic that Shapes Our Motivations.
Through his research and his (often amusing and unorthodox) experiments, he questions the forces that influence human behavior and the irrational ways in which we often all behave.
Dan Ariely | Speaker | TED.com