TED2009
Dan Ariely: Our buggy moral code
Dan Ariely: Les failles dans notre code moral
Filmed:
Readability: 3.2
3,509,395 views
L'économiste du comportement, Dan Ariely, étudie les failles dans notre code moral: les raisons cachées pour lesquelles nous pensons qu'il est admissible de voler ou de tricher (parfois). Des études astucieuses l'aident à nous convaincre que nous sommes d'une irrationalité prévisible -- et que nous pouvons être influencés de manières qui nous échappent.
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. Full bio
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.
00:16
I want to talk to you today a little bit
0
1000
2000
Aujourd'hui, je voudrais vous parler
00:18
about predictable irrationality.
1
3000
3000
d'irrationalité prévisible.
00:21
And my interest in irrational behavior
2
6000
4000
Mon intérêt
pour le comportement irrationnel
pour le comportement irrationnel
00:25
started many years ago in the hospital.
3
10000
3000
a commencé il y a de nombreuses années
dans un hôpital.
dans un hôpital.
00:28
I was burned very badly.
4
13000
4000
J'ai été très grièvement brulé.
00:32
And if you spend a lot of time in hospital,
5
17000
3000
Si vous passez
beaucoup de temps à l'hôpital,
beaucoup de temps à l'hôpital,
00:35
you'll see a lot of types of irrationalities.
6
20000
3000
vous verrez de nombreux
types d'irrationalité.
types d'irrationalité.
00:38
And the one that particularly bothered me in the burn department
7
23000
5000
Celui qui m'a dérangé particulièrement
dans le département des brulés,
dans le département des brulés,
00:43
was the process by which the nurses took the bandage off me.
8
28000
4000
c'était le processus par lequel
les infirmières ôtaient mes bandages.
les infirmières ôtaient mes bandages.
Vous avez tous ôté un sparadrap
un jour ou l'autre,
un jour ou l'autre,
00:48
Now, you must have all taken a Band-Aid off at some point,
9
33000
2000
00:50
and you must have wondered what's the right approach.
10
35000
3000
et vous avez dû vous demander
quelle est la bonne approche.
quelle est la bonne approche.
00:53
Do you rip it off quickly -- short duration but high intensity --
11
38000
4000
Vous l'arrachez vite -
courte durée mais forte intensité -
courte durée mais forte intensité -
00:57
or do you take your Band-Aid off slowly --
12
42000
2000
ou bien vous le retirez lentement -
00:59
you take a long time, but each second is not as painful --
13
44000
4000
vous mettez longtemps, mais
chaque seconde est moins douloureuse.
chaque seconde est moins douloureuse.
01:03
which one of those is the right approach?
14
48000
3000
Laquelle des deux est la bonne approche ?
01:06
The nurses in my department thought that the right approach
15
51000
4000
Les infirmières de mon département
pensaient que la bonne approche
pensaient que la bonne approche
01:10
was the ripping one, so they would grab hold and they would rip,
16
55000
3000
était celle de l'arrachement :
elles attrapaient et elles arrachaient,
elles attrapaient et elles arrachaient,
01:13
and they would grab hold and they would rip.
17
58000
2000
elles attrapaient et elles arrachaient.
01:15
And because I had 70 percent of my body burned, it would take about an hour.
18
60000
4000
Comme j'avais 70 pour cent de mon corps
brulé, ça prenait près d'une heure.
brulé, ça prenait près d'une heure.
01:19
And as you can imagine,
19
64000
3000
Et comme vous pouvez l'imaginer,
01:22
I hated that moment of ripping with incredible intensity.
20
67000
4000
je haïssais ce moment d'arrachement
avec une incroyable force.
avec une incroyable force.
J'essayais de raisonner
avec elles en disant :
avec elles en disant :
01:26
And I would try to reason with them and say,
21
71000
2000
01:28
"Why don't we try something else?
22
73000
1000
" Si on essayait autre chose?
01:29
Why don't we take it a little longer --
23
74000
2000
Si on prenait un peu plus de temps -
01:31
maybe two hours instead of an hour -- and have less of this intensity?"
24
76000
5000
peut-être deux heures au lieu d'une -
on aurait moins de cette intensité ? "
on aurait moins de cette intensité ? "
01:36
And the nurses told me two things.
25
81000
2000
Les infirmières m'ont dit deux choses.
01:38
They told me that they had the right model of the patient --
26
83000
4000
Elles m'ont dit qu'elles avaient
le modèle correct du patient -
le modèle correct du patient -
01:42
that they knew what was the right thing to do to minimize my pain --
27
87000
3000
qu'elles savaient quoi faire
pour minimiser ma douleur -
pour minimiser ma douleur -
01:45
and they also told me that the word patient doesn't mean
28
90000
3000
et m'ont aussi dit que le mot patient
ne signifie pas
ne signifie pas
01:48
to make suggestions or to interfere or ...
29
93000
2000
qu'on doit faire des suggestions
ou interférer ou ...
ou interférer ou ...
01:50
This is not just in Hebrew, by the way.
30
95000
3000
Au fait, ce n'est pas qu'en hébreu,
01:53
It's in every language I've had experience with so far.
31
98000
3000
c'est dans chaque langue
pour autant que je sache.
pour autant que je sache.
01:56
And, you know, there's not much -- there wasn't much I could do,
32
101000
4000
Il n'y avait pas grand chose
que je puisse faire,
que je puisse faire,
02:00
and they kept on doing what they were doing.
33
105000
3000
et elles ont continué à faire
ce qu'elles faisaient.
ce qu'elles faisaient.
02:03
And about three years later, when I left the hospital,
34
108000
2000
Trois ans plus tard,
j'ai quitté l'hôpital,
j'ai quitté l'hôpital,
02:05
I started studying at the university.
35
110000
3000
et j'ai commencé à étudier à l'université.
02:08
And one of the most interesting lessons I learned
36
113000
3000
Une des leçons les plus intéressantes
que j'aie apprises
que j'aie apprises
02:11
was that there is an experimental method
37
116000
2000
était qu'il existe
une méthode expérimentale :
une méthode expérimentale :
02:13
that if you have a question you can create a replica of this question
38
118000
4000
vous vous posez une question,
et vous en créez une copie,
et vous en créez une copie,
02:17
in some abstract way, and you can try to examine this question,
39
122000
4000
d'une manière abstraite, et vous pouvez
essayer d'examiner cette question,
essayer d'examiner cette question,
02:21
maybe learn something about the world.
40
126000
2000
pour apprendre
quelque chose sur le monde.
quelque chose sur le monde.
02:23
So that's what I did.
41
128000
2000
C'est ce que j'ai fait.
02:25
I was still interested
42
130000
1000
Je m'intéressais toujours
à la question des bandages.
à la question des bandages.
02:26
in this question of how do you take bandages off burn patients.
43
131000
2000
02:28
So originally I didn't have much money,
44
133000
3000
Au début, je n'avais
pas beaucoup d'argent.
pas beaucoup d'argent.
02:31
so I went to a hardware store and I bought a carpenter's vice.
45
136000
4000
Je suis donc allé au magasin
acheter un étau de charpentier.
acheter un étau de charpentier.
02:35
And I would bring people to the lab and I would put their finger in it,
46
140000
4000
J'amenais des gens au labo,
je mettais leur doigt dedans,
je mettais leur doigt dedans,
02:39
and I would crunch it a little bit.
47
144000
2000
et je l'écrasais un petit peu.
02:41
(Laughter)
48
146000
2000
(Rires)
Je l'écrasais pendant des périodes
longues, des périodes courtes,
longues, des périodes courtes,
02:43
And I would crunch it for long periods and short periods,
49
148000
3000
02:46
and pain that went up and pain that went down,
50
151000
2000
la douleur montait
elle descendait,
elle descendait,
02:48
and with breaks and without breaks -- all kinds of versions of pain.
51
153000
4000
avec des pauses et sans pause -
tout un tas de versions de la douleur.
tout un tas de versions de la douleur.
02:52
And when I finished hurting people a little bit, I would ask them,
52
157000
2000
Quand j'avais fini, je leur demandais :
02:54
so, how painful was this? Or, how painful was this?
53
159000
2000
" Alors, comment était cette douleur ?
02:56
Or, if you had to choose between the last two,
54
161000
2000
Si vous deviez choisir en ces deux-là,
02:58
which one would you choose?
55
163000
2000
laquelle vous choisiriez ? "
03:00
(Laughter)
56
165000
3000
(Rires)
03:03
I kept on doing this for a while.
57
168000
3000
J'ai continué à faire ça
pendant un bon moment.
pendant un bon moment.
03:06
(Laughter)
58
171000
2000
(Rires)
03:08
And then, like all good academic projects, I got more funding.
59
173000
4000
Puis, comme tout bon projet académique,
j'ai reçu plus de fonds.
j'ai reçu plus de fonds.
03:12
I moved to sounds, electrical shocks --
60
177000
2000
Je suis passé aux sons,
aux décharges électriques -
aux décharges électriques -
03:14
I even had a pain suit that I could get people to feel much more pain.
61
179000
5000
j'avais même un costume de douleur
pour faire ressentir
encore plus de douleur.
encore plus de douleur.
03:19
But at the end of this process,
62
184000
4000
Mais à la fin de ce processus,
03:23
what I learned was that the nurses were wrong.
63
188000
3000
ce que j'ai appris, c'est que
les infirmières avaient tort.
les infirmières avaient tort.
03:26
Here were wonderful people with good intentions
64
191000
3000
Vous aviez là des personnes
merveilleuses et bien intentionnées
merveilleuses et bien intentionnées
03:29
and plenty of experience, and nevertheless
65
194000
2000
avec plein d'expérience, et néanmoins
03:31
they were getting things wrong predictably all the time.
66
196000
4000
elles se trompaient tout le temps
d'une manière prévisible.
d'une manière prévisible.
03:35
It turns out that because we don't encode duration
67
200000
3000
Il s'avère que comme nous
n'encodons pas la durée
n'encodons pas la durée
03:38
in the way that we encode intensity,
68
203000
2000
comme nous encodons l'intensité,
03:40
I would have had less pain if the duration would have been longer
69
205000
4000
j'aurais eu moins de douleur
si la durée avait été allongée
si la durée avait été allongée
03:44
and the intensity was lower.
70
209000
2000
et l'intensité réduite.
03:46
It turns out it would have been better to start with my face,
71
211000
3000
Il aurait été plus judicieux de commencer
avec le plus douloureux, mon visage,
avec le plus douloureux, mon visage,
03:49
which was much more painful, and move toward my legs,
72
214000
2000
et de continuer vers mes jambes,
03:51
giving me a trend of improvement over time --
73
216000
3000
pour créer une tendance
à l'amélioration --
à l'amélioration --
03:54
that would have been also less painful.
74
219000
1000
cela aurait été moins douloureux.
03:55
And it also turns out that it would have been good
75
220000
2000
Il aurait été bon aussi
de me laisser des pauses
de me laisser des pauses
03:57
to give me breaks in the middle to kind of recuperate from the pain.
76
222000
2000
pour récupérer de la douleur.
03:59
All of these would have been great things to do,
77
224000
2000
Toutes ces choses aurait été bonnes,
04:01
and my nurses had no idea.
78
226000
3000
et mes infirmières
ne le savaient pas.
ne le savaient pas.
04:04
And from that point on I started thinking,
79
229000
1000
Ensuite j'ai pensé :
04:05
are the nurses the only people in the world who get things wrong
80
230000
3000
les infirmières sont-elles les seuls gens
au monde qui ont faux
au monde qui ont faux
04:08
in this particular decision, or is it a more general case?
81
233000
3000
pour cette décision précise, ou
le problème est-il plus général ?
le problème est-il plus général ?
04:11
And it turns out it's a more general case --
82
236000
2000
Le problème s'avère plus général.
04:13
there's a lot of mistakes we do.
83
238000
3000
Nous commettons beaucoup d'erreurs.
04:16
And I want to give you one example of one of these irrationalities,
84
241000
5000
Je veux vous donner un exemple
d'une de ces irrationalités :
d'une de ces irrationalités :
04:21
and I want to talk to you about cheating.
85
246000
3000
je veux vous parler de la tricherie.
04:24
And the reason I picked cheating is because it's interesting,
86
249000
2000
J'ai choisi ce sujet
parce que c'est intéressant
parce que c'est intéressant
04:26
but also it tells us something, I think,
87
251000
2000
et cela nous dit quelque chose
04:28
about the stock market situation we're in.
88
253000
3000
au sujet de la situation boursière
dans laquelle nous sommes.
dans laquelle nous sommes.
04:31
So, my interest in cheating started
89
256000
3000
Ainsi, mon intérêt pour la tricherie
a commencé quand Enron
a commencé quand Enron
04:34
when Enron came on the scene, exploded all of a sudden,
90
259000
2000
est apparu sur la scène,
et a explosé d'un coup.
et a explosé d'un coup.
04:36
and I started thinking about what is happening here.
91
261000
3000
J'ai commencé à penser
à ce qui se passait là.
à ce qui se passait là.
04:39
Is it the case that there was kind of
92
264000
1000
Est-ce un cas ou il y avait
quelques pommes pourries
quelques pommes pourries
04:40
a few apples who are capable of doing these things,
93
265000
3000
capables de faire ces choses,
04:43
or are we talking a more endemic situation,
94
268000
2000
ou est-ce une situation plus endémique,
04:45
that many people are actually capable of behaving this way?
95
270000
4000
où de nombreuses personnes
sont capables d'agir comme ça?
sont capables d'agir comme ça?
04:49
So, like we usually do, I decided to do a simple experiment.
96
274000
4000
Donc, comme d'habitude, j'ai décidé
de faire une expérience simple.
de faire une expérience simple.
Voilà de quoi il s'agit.
04:53
And here's how it went.
97
278000
1000
04:54
If you were in the experiment, I would pass you a sheet of paper
98
279000
3000
Si vous participiez à l'expérience,
je vous passais une feuille
je vous passais une feuille
04:57
with 20 simple math problems that everybody could solve,
99
282000
4000
avec 20 problèmes de math simples,
que tout le monde peut résoudre,
que tout le monde peut résoudre,
mais je ne vous donnerais
pas assez de temps.
pas assez de temps.
05:01
but I wouldn't give you enough time.
100
286000
2000
Quand les 5 minutes
étaient écoulées, je disais :
étaient écoulées, je disais :
05:03
When the five minutes were over, I would say,
101
288000
2000
05:05
"Pass me the sheets of paper, and I'll pay you a dollar per question."
102
290000
3000
" Passez-moi les feuilles, vous
recevrez un dollar par question. "
recevrez un dollar par question. "
05:08
People did this. I would pay people four dollars for their task --
103
293000
4000
Des gens l'ont fait. Je payais les gens
quatre dollars pour leur tâche --
quatre dollars pour leur tâche --
La moyenne était
de 4 bonnes réponses.
de 4 bonnes réponses.
05:12
on average people would solve four problems.
104
297000
2000
Pour d'autres, j'essayais
de les tenter à tricher.
de les tenter à tricher.
05:14
Other people I would tempt to cheat.
105
299000
3000
Je leur donnais leur feuille.
05:17
I would pass their sheet of paper.
106
302000
1000
05:18
When the five minutes were over, I would say,
107
303000
2000
Après cinq minutes, je disais :
05:20
"Please shred the piece of paper.
108
305000
1000
" Veuillez déchirer la feuille.
05:21
Put the little pieces in your pocket or in your backpack,
109
306000
3000
Mettez les morceaux
dans votre poche,
dans votre poche,
05:24
and tell me how many questions you got correctly."
110
309000
3000
et dites-moi combien
de questions vous avez bonnes."
de questions vous avez bonnes."
05:27
People now solved seven questions on average.
111
312000
3000
Maintenant, les gens résolvaient
7 questions en moyenne.
7 questions en moyenne.
05:30
Now, it wasn't as if there was a few bad apples --
112
315000
5000
Et ce n'est pas comme s'il y avait
quelques pommes pourries --
quelques pommes pourries --
05:35
a few people cheated a lot.
113
320000
3000
quelques personnes
qui trichaient beaucoup.
qui trichaient beaucoup.
Au lieu de ça, on a vu beaucoup de monde
qui triche un petit peu.
qui triche un petit peu.
05:38
Instead, what we saw is a lot of people who cheat a little bit.
114
323000
3000
05:41
Now, in economic theory,
115
326000
3000
Bon, en théorie économique,
05:44
cheating is a very simple cost-benefit analysis.
116
329000
3000
la tricherie est une analyse
coût-bénéfice très simple.
coût-bénéfice très simple.
"Quelle est la probabilité
que je me ferai attraper ? "
que je me ferai attraper ? "
05:47
You say, what's the probability of being caught?
117
332000
2000
05:49
How much do I stand to gain from cheating?
118
334000
3000
" Combien ai-je à gagner en trichant ? "
05:52
And how much punishment would I get if I get caught?
119
337000
2000
" Combien ça me coûte
si je me fais attraper ? "
si je me fais attraper ? "
05:54
And you weigh these options out --
120
339000
2000
Et vous pesez les options --
05:56
you do the simple cost-benefit analysis,
121
341000
2000
une simple analyse coût-bénéfice --
05:58
and you decide whether it's worthwhile to commit the crime or not.
122
343000
3000
et vous décidez si ça vaut le coup
de commettre le crime ou pas.
de commettre le crime ou pas.
06:01
So, we try to test this.
123
346000
2000
Donc, on a essayé de tester ça.
06:03
For some people, we varied how much money they could get away with --
124
348000
4000
Pour certains, nous avons varié
le montant qu'ils pouvaient en tirer --
le montant qu'ils pouvaient en tirer --
06:07
how much money they could steal.
125
352000
1000
qu'ils pourraient voler.
06:08
We paid them 10 cents per correct question, 50 cents,
126
353000
3000
Nous avons payé 10 cents par réponse
correcte, 50 cents,
correcte, 50 cents,
06:11
a dollar, five dollars, 10 dollars per correct question.
127
356000
3000
un dollar, cinq dollars, 10 dollars
par réponse correcte.
par réponse correcte.
06:14
You would expect that as the amount of money on the table increases,
128
359000
4000
On pourrait s'attendre à ce que,
plus il y a d'argent sur la table,
plus il y a d'argent sur la table,
06:18
people would cheat more, but in fact it wasn't the case.
129
363000
3000
plus les gens tricheraient, mais en fait
ce n'était pas le cas.
ce n'était pas le cas.
06:21
We got a lot of people cheating by stealing by a little bit.
130
366000
3000
Beaucoup de gens qui trichaient
en volant juste un petit peu.
en volant juste un petit peu.
06:24
What about the probability of being caught?
131
369000
3000
Et la probabilité de se faire attraper?
Un groupe a déchiré la moitié
de la feuille, laissant un peu de preuve.
de la feuille, laissant un peu de preuve.
06:27
Some people shredded half the sheet of paper,
132
372000
2000
06:29
so there was some evidence left.
133
374000
1000
Un autre groupe a déchiré
toute la feuille.
toute la feuille.
06:30
Some people shredded the whole sheet of paper.
134
375000
2000
06:32
Some people shredded everything, went out of the room,
135
377000
3000
Un autre groupe a déchiré tout,
est sorti de la pièce,
est sorti de la pièce,
06:35
and paid themselves from the bowl of money that had over 100 dollars.
136
380000
3000
et s'est servi dans un bol qui contenait
plus de 100 dollars.
plus de 100 dollars.
06:38
You would expect that as the probability of being caught goes down,
137
383000
3000
On s'attendrait à ce que, la probabilité
de se faire prendre baissant,
de se faire prendre baissant,
06:41
people would cheat more, but again, this was not the case.
138
386000
3000
les gens tricheraient plus,
mais ce n'était pas le cas.
mais ce n'était pas le cas.
06:44
Again, a lot of people cheated by just by a little bit,
139
389000
3000
Les gens ont triché juste un petit peu,
06:47
and they were insensitive to these economic incentives.
140
392000
3000
et ils ont ignoré
ces stimulations économiques.
ces stimulations économiques.
06:50
So we said, "If people are not sensitive
141
395000
1000
Alors on s'est dit : " Si les explications
de la théorie sont ignorées à ce point,
de la théorie sont ignorées à ce point,
06:51
to the economic rational theory explanations, to these forces,
142
396000
5000
06:56
what could be going on?"
143
401000
3000
qu'est-ce qui peut bien se passer?"
06:59
And we thought maybe what is happening is that there are two forces.
144
404000
3000
Et on a pensé qu'il y a peut-être
deux forces.
deux forces.
D'un côté, chacun veut
se regarder dans la glace
se regarder dans la glace
07:02
At one hand, we all want to look at ourselves in the mirror
145
407000
2000
07:04
and feel good about ourselves, so we don't want to cheat.
146
409000
3000
et avoir bonne conscience,
donc nous ne voulons pas tricher.
donc nous ne voulons pas tricher.
De l'autre, nous pouvons
tricher un petit peu,
tricher un petit peu,
07:07
On the other hand, we can cheat a little bit,
147
412000
2000
07:09
and still feel good about ourselves.
148
414000
2000
et continuer à avoir bonne conscience.
07:11
So, maybe what is happening is that
149
416000
1000
Peut-être il y a un niveau de tricherie
que nous ne pouvons pas dépasser,
que nous ne pouvons pas dépasser,
07:12
there's a level of cheating we can't go over,
150
417000
2000
07:14
but we can still benefit from cheating at a low degree,
151
419000
4000
mais nous pouvons quand même
bénéficier d'une faible dose de tricherie,
bénéficier d'une faible dose de tricherie,
07:18
as long as it doesn't change our impressions about ourselves.
152
423000
3000
tant que ça ne perturbe pas
notre vision de nous-mêmes.
notre vision de nous-mêmes.
07:21
We call this like a personal fudge factor.
153
426000
3000
Nous appelons ça
un facteur de tricherie personnel.
un facteur de tricherie personnel.
07:25
Now, how would you test a personal fudge factor?
154
430000
4000
Comment tester un facteur
de tricherie personnel?
de tricherie personnel?
07:29
Initially we said, what can we do to shrink the fudge factor?
155
434000
4000
Au début on a dit : comment
peut-on réduire le facteur?
peut-on réduire le facteur?
On a amené des gens
au labo, et on a dit :
au labo, et on a dit :
07:33
So, we got people to the lab, and we said,
156
438000
2000
07:35
"We have two tasks for you today."
157
440000
2000
" Voici deux tâches
pour vous aujourd'hui."
pour vous aujourd'hui."
07:37
First, we asked half the people
158
442000
1000
On a demandé à la moitié des gens
07:38
to recall either 10 books they read in high school,
159
443000
2000
soit de se rappeler 10 livres
qu'ils ont lus au lycée,
qu'ils ont lus au lycée,
07:40
or to recall The Ten Commandments,
160
445000
3000
ou de se rappeler
les Dix Commandements,
les Dix Commandements,
07:43
and then we tempted them with cheating.
161
448000
2000
et ensuite nous les avons tentés.
07:45
Turns out the people who tried to recall The Ten Commandments --
162
450000
3000
Les gens qui essayaient de se rappeler
les Dix Commandements --
les Dix Commandements --
07:48
and in our sample nobody could recall all of The Ten Commandments --
163
453000
2000
et dans notre échantillon,
personne n'y est arrivé --
personne n'y est arrivé --
07:51
but those people who tried to recall The Ten Commandments,
164
456000
4000
mais ceux qui ont essayé de se rappeler
les Dix Commandements,
les Dix Commandements,
07:55
given the opportunity to cheat, did not cheat at all.
165
460000
3000
avec l'opportunité de tricher,
n'ont pas du tout triché.
n'ont pas du tout triché.
Non pas que les gens les plus religieux,
qui s'en rappelaient le plus,
qui s'en rappelaient le plus,
07:58
It wasn't that the more religious people --
166
463000
2000
08:00
the people who remembered more of the Commandments -- cheated less,
167
465000
1000
08:01
and the less religious people --
168
466000
2000
trichaient moins,
et les moins religieux,
et les moins religieux,
08:03
the people who couldn't remember almost any Commandments --
169
468000
1000
qui ne s'en rappelaient pas,
trichaient plus.
trichaient plus.
08:04
cheated more.
170
469000
2000
08:06
The moment people thought about trying to recall The Ten Commandments,
171
471000
4000
À partir du moment ou les gens pensaient
à se rappeler les Dix Commandements,
à se rappeler les Dix Commandements,
08:10
they stopped cheating.
172
475000
1000
ils ne trichaient plus.
08:11
In fact, even when we gave self-declared atheists
173
476000
2000
Même quand on a demandé
à des athées auto-proclamés
à des athées auto-proclamés
08:13
the task of swearing on the Bible and we give them a chance to cheat,
174
478000
4000
de jurer sur la bible et on leur a donné
une chance de tricher,
une chance de tricher,
08:17
they don't cheat at all.
175
482000
2000
ils n'ont pas triché du tout.
08:21
Now, Ten Commandments is something that is hard
176
486000
2000
Bon, les Dix Commandements,
c'est difficile dans le cadre scolaire,
c'est difficile dans le cadre scolaire,
08:23
to bring into the education system, so we said,
177
488000
2000
donc on a dit :
08:25
"Why don't we get people to sign the honor code?"
178
490000
2000
" Si on faisait signer
le code d'honneur ? "
le code d'honneur ? "
08:27
So, we got people to sign,
179
492000
2000
On a donc fait signer :
08:29
"I understand that this short survey falls under the MIT Honor Code."
180
494000
4000
" J'accepte que cette courte étude
est tenue au code d'honneur du MIT. "
est tenue au code d'honneur du MIT. "
08:33
Then they shredded it. No cheating whatsoever.
181
498000
3000
Puis ils l'ont déchiré.
Pas du tout de tricherie.
Pas du tout de tricherie.
08:36
And this is particularly interesting,
182
501000
1000
C'est très intéressant, surtout
que le MIT n'a pas de code d'honneur.
que le MIT n'a pas de code d'honneur.
08:37
because MIT doesn't have an honor code.
183
502000
2000
08:39
(Laughter)
184
504000
5000
(Rires)
08:44
So, all this was about decreasing the fudge factor.
185
509000
4000
Donc, tout ça dans le but de réduire
le facteur de tricherie.
le facteur de tricherie.
08:48
What about increasing the fudge factor?
186
513000
3000
Et si on augmente
le facteur de tricherie ?
le facteur de tricherie ?
La première expérience :
je me suis baladé dans le MIT
je me suis baladé dans le MIT
08:51
The first experiment -- I walked around MIT
187
516000
2000
08:53
and I distributed six-packs of Cokes in the refrigerators --
188
518000
3000
et j'ai distribué des packs
de Coca dans les réfrigérateurs --
de Coca dans les réfrigérateurs --
08:56
these were common refrigerators for the undergrads.
189
521000
2000
des réfrigérateurs
en commun pour les étudiants.
en commun pour les étudiants.
08:58
And I came back to measure what we technically call
190
523000
3000
Et je suis revenu pour mesurer
ce que nous appelions
ce que nous appelions
09:01
the half-lifetime of Coke -- how long does it last in the refrigerators?
191
526000
4000
la demi-vie du Coca -- combien de temps
il dure dans les réfrigérateurs?
il dure dans les réfrigérateurs?
09:05
As you can expect it doesn't last very long; people take it.
192
530000
3000
Comme on s'y attend, il ne dure pas
longtemps. Les gens le prennent.
longtemps. Les gens le prennent.
09:08
In contrast, I took a plate with six one-dollar bills,
193
533000
4000
Par contraste, j'ai pris une assiette
avec six billets de un dollar,
avec six billets de un dollar,
09:12
and I left those plates in the same refrigerators.
194
537000
3000
et j'ai laissé ces assiettes
dans les mêmes frigos.
dans les mêmes frigos.
Aucun billet n'a jamais disparu.
09:15
No bill ever disappeared.
195
540000
1000
09:16
Now, this is not a good social science experiment,
196
541000
3000
Bon, ce n'est pas une bonne expérience
de science sociale,
de science sociale,
09:19
so to do it better I did the same experiment
197
544000
3000
donc pour faire bien,
j'ai refait l'expérience
j'ai refait l'expérience
09:22
as I described to you before.
198
547000
2000
que je vous ai décrite avant.
09:24
A third of the people we passed the sheet, they gave it back to us.
199
549000
3000
Un tiers de gens a eu la feuille
et nous l'a rendue.
et nous l'a rendue.
09:27
A third of the people we passed it to, they shredded it,
200
552000
3000
Un tiers des gens a eu la feuille,
l'a déchirée,
l'a déchirée,
est venu nous voir et a dit :
09:30
they came to us and said,
201
555000
1000
09:31
"Mr. Experimenter, I solved X problems. Give me X dollars."
202
556000
3000
" Monsieur, j'ai résolu
X problèmes, donnez-moi X dollars."
X problèmes, donnez-moi X dollars."
09:34
A third of the people, when they finished shredding the piece of paper,
203
559000
3000
Un tiers des gens, une fois qu'ils
avaient déchiré la feuille,
avaient déchiré la feuille,
09:37
they came to us and said,
204
562000
2000
sont venu nous voir et dire :
09:39
"Mr Experimenter, I solved X problems. Give me X tokens."
205
564000
6000
" Monsieur, j'ai résolu
X problèmes, donnez moi X jetons. "
X problèmes, donnez moi X jetons. "
09:45
We did not pay them with dollars; we paid them with something else.
206
570000
3000
On ne les a pas payé avec des dollars
mais avec autre chose.
mais avec autre chose.
09:48
And then they took the something else, they walked 12 feet to the side,
207
573000
3000
Ensuite ils ont pris l'autre chose,
ils ont marché 4 mètres,
ils ont marché 4 mètres,
09:51
and exchanged it for dollars.
208
576000
2000
et l'ont échangé contre des dollars.
09:53
Think about the following intuition.
209
578000
2000
Pensez à l'intuition suivante.
09:55
How bad would you feel about taking a pencil from work home,
210
580000
3000
Quelle est la culpabilité
de voler un crayon au travail,
de voler un crayon au travail,
09:58
compared to how bad would you feel
211
583000
2000
comparé à la culpabilité
10:00
about taking 10 cents from a petty cash box?
212
585000
2000
de voler 10 cents dans une caisse?
10:02
These things feel very differently.
213
587000
3000
Ces choses n'ont pas du tout
la même sensation.
la même sensation.
10:05
Would being a step removed from cash for a few seconds
214
590000
3000
Est-ce qu'en se distanciant
un instant de l'argent
un instant de l'argent
10:08
by being paid by token make a difference?
215
593000
3000
en étant payé en jetons,
cela ferait une différence?
cela ferait une différence?
10:11
Our subjects doubled their cheating.
216
596000
2000
Nos sujets on doublé leur tricherie.
10:13
I'll tell you what I think
217
598000
2000
Je vais vous dire ce que je pense
de ça et de la bourse dans une minute.
de ça et de la bourse dans une minute.
10:15
about this and the stock market in a minute.
218
600000
2000
10:18
But this did not solve the big problem I had with Enron yet,
219
603000
4000
Mais cela n'avait pas encore résolu
le gros problème que j'avais avec Enron,
le gros problème que j'avais avec Enron,
10:22
because in Enron, there's also a social element.
220
607000
3000
parce que pour Enron,
il y a aussi un élément social.
il y a aussi un élément social.
On voit le comportement des autres.
10:25
People see each other behaving.
221
610000
1000
10:26
In fact, every day when we open the news
222
611000
2000
Chaque jour, en regardant les nouvelles,
10:28
we see examples of people cheating.
223
613000
2000
nous voyons des exemples
de gens qui trichent.
de gens qui trichent.
10:30
What does this cause us?
224
615000
3000
Quel est l'effet sur nous?
On a fait une autre expérience
avec un large groupe d'étudiants,
avec un large groupe d'étudiants,
10:33
So, we did another experiment.
225
618000
1000
10:34
We got a big group of students to be in the experiment,
226
619000
3000
qu'on a pré-payés.
10:37
and we prepaid them.
227
622000
1000
10:38
So everybody got an envelope with all the money for the experiment,
228
623000
3000
Chacun a eu une enveloppe
avec tout l'argent pour l'expérience,
avec tout l'argent pour l'expérience,
10:41
and we told them that at the end, we asked them
229
626000
2000
et à la fin, on leur a demandé
10:43
to pay us back the money they didn't make. OK?
230
628000
4000
de nous rembourser l'argent
qu'ils n'avaient pas gagné.
qu'ils n'avaient pas gagné.
La même chose se passe: quand on donne
la possibilité de tricher, ils trichent.
la possibilité de tricher, ils trichent.
10:47
The same thing happens.
231
632000
1000
10:48
When we give people the opportunity to cheat, they cheat.
232
633000
2000
10:50
They cheat just by a little bit, all the same.
233
635000
3000
Ils trichent juste un petit peu,
mais toujours.
mais toujours.
10:53
But in this experiment we also hired an acting student.
234
638000
3000
Mais dans cette expérience on a aussi
engagé un étudiant acteur.
engagé un étudiant acteur.
10:56
This acting student stood up after 30 seconds, and said,
235
641000
4000
L'acteur s'est levé
au bout de 30 secondes, et a dit :
au bout de 30 secondes, et a dit :
11:00
"I solved everything. What do I do now?"
236
645000
3000
" J'ai tout résolu.
Je fais quoi maintenant? "
Je fais quoi maintenant? "
11:03
And the experimenter said, "If you've finished everything, go home.
237
648000
4000
L'expérimentateur a dit : " Si vous avez
tout fini, rentrez chez vous.
tout fini, rentrez chez vous.
11:07
That's it. The task is finished."
238
652000
1000
La tâche est finie. "
11:08
So, now we had a student -- an acting student --
239
653000
4000
Donc, maintenant on avait
un étudiant -- un étudiant acteur --
un étudiant -- un étudiant acteur --
11:12
that was a part of the group.
240
657000
2000
qui faisait partie du groupe.
11:14
Nobody knew it was an actor.
241
659000
2000
Personne ne savait
que c'était un acteur.
que c'était un acteur.
11:16
And they clearly cheated in a very, very serious way.
242
661000
4000
Et il avait clairement triché
très, très gravement.
très, très gravement.
11:20
What would happen to the other people in the group?
243
665000
3000
Qu'adviendra-t-il
au reste du groupe ?
au reste du groupe ?
11:23
Will they cheat more, or will they cheat less?
244
668000
3000
Ils vont tricher plus
ou ils vont tricher moins ?
ou ils vont tricher moins ?
11:26
Here is what happens.
245
671000
2000
Voilà ce qui s'est passé.
11:28
It turns out it depends on what kind of sweatshirt they're wearing.
246
673000
4000
Il s'avère que ça dépend
du sweat-shirt qu'ils portent.
du sweat-shirt qu'ils portent.
11:32
Here is the thing.
247
677000
2000
Voilà le truc.
11:34
We ran this at Carnegie Mellon and Pittsburgh.
248
679000
3000
On a fait ça à Carnegie Mellon,
à Pittsburgh.
à Pittsburgh.
11:37
And at Pittsburgh there are two big universities,
249
682000
2000
A Pittsburgh, il y a
deux grandes universités,
deux grandes universités,
11:39
Carnegie Mellon and University of Pittsburgh.
250
684000
3000
Carnegie Mellon
et l'université de Pittsburgh.
et l'université de Pittsburgh.
11:42
All of the subjects sitting in the experiment
251
687000
2000
Tous les sujets dans cette expérience
11:44
were Carnegie Mellon students.
252
689000
2000
étaient des étudiants de Carnegie Mellon.
11:46
When the actor who was getting up was a Carnegie Mellon student --
253
691000
4000
Quand l'acteur qui se levait
était un étudiant de Carnegie Mellon --
était un étudiant de Carnegie Mellon --
11:50
he was actually a Carnegie Mellon student --
254
695000
2000
c'était réellement le cas --
11:52
but he was a part of their group, cheating went up.
255
697000
4000
il faisait partie de leur groupe,
et il y a eu plus de tricherie.
et il y a eu plus de tricherie.
11:56
But when he actually had a University of Pittsburgh sweatshirt,
256
701000
4000
Mais quand il portait un sweat-shirt
de l'université de Pittsburgh,
de l'université de Pittsburgh,
12:00
cheating went down.
257
705000
2000
la tricherie a baissé.
12:02
(Laughter)
258
707000
3000
(Rires)
12:05
Now, this is important, because remember,
259
710000
3000
C'est important,
parce que, rappelez vous,
parce que, rappelez vous,
12:08
when the moment the student stood up,
260
713000
2000
au moment ou l'étudiant se levait,
12:10
it made it clear to everybody that they could get away with cheating,
261
715000
3000
il était clair pour tout le monde
qu'on pouvait s'en tirer en trichant,
qu'on pouvait s'en tirer en trichant,
12:13
because the experimenter said,
262
718000
2000
puisque l'expérimentateur a dit :
12:15
"You've finished everything. Go home," and they went with the money.
263
720000
2000
" C'est fini, rentrez "
et il est parti avec l'argent.
et il est parti avec l'argent.
12:17
So it wasn't so much about the probability of being caught again.
264
722000
3000
Ce n'était plus une question
du risque de se faire attraper.
du risque de se faire attraper.
12:20
It was about the norms for cheating.
265
725000
3000
C'était une question
de norme pour tricher.
de norme pour tricher.
Si quelqu'un de votre propre groupe
triche et on le voit tricher,
triche et on le voit tricher,
12:23
If somebody from our in-group cheats and we see them cheating,
266
728000
3000
12:26
we feel it's more appropriate, as a group, to behave this way.
267
731000
4000
nous sentons que c'est plus approprié, en
tant que groupe, de se comporter comme ça.
tant que groupe, de se comporter comme ça.
12:30
But if it's somebody from another group, these terrible people --
268
735000
2000
Mais s'il est membre
d'un autre groupe, horrible --
d'un autre groupe, horrible --
12:32
I mean, not terrible in this --
269
737000
2000
-- okay, pas horrible comme --
12:34
but somebody we don't want to associate ourselves with,
270
739000
2000
mais quelqu'un à qui on ne s'associe pas,
12:36
from another university, another group,
271
741000
2000
d'une autre université, d'un autre groupe,
12:38
all of a sudden people's awareness of honesty goes up --
272
743000
3000
tout d'un coup la conscience
et l'honnêteté des gens remonte --
et l'honnêteté des gens remonte --
12:41
a little bit like The Ten Commandments experiment --
273
746000
2000
comme pour l'expérience
des Dix Commandements --
des Dix Commandements --
12:43
and people cheat even less.
274
748000
4000
et les gens trichent encore moins.
12:47
So, what have we learned from this about cheating?
275
752000
4000
Donc, qu'avons nous appris
de cela à propos de la tricherie?
de cela à propos de la tricherie?
12:51
We've learned that a lot of people can cheat.
276
756000
3000
Nous avons appris que beaucoup
de gens peuvent tricher.
de gens peuvent tricher.
12:54
They cheat just by a little bit.
277
759000
3000
Ils trichent juste un petit peu.
Quand nous rappelons aux gens
leur morale, ils trichent moins.
leur morale, ils trichent moins.
12:57
When we remind people about their morality, they cheat less.
278
762000
4000
13:01
When we get bigger distance from cheating,
279
766000
3000
Quand nous accroissons
la distance d'avec la tricherie,
la distance d'avec la tricherie,
13:04
from the object of money, for example, people cheat more.
280
769000
4000
d'avec l'objet de l'argent, par exemple,
les gens trichent plus.
les gens trichent plus.
13:08
And when we see cheating around us,
281
773000
2000
Et quand nous voyons tricher
autour de nous,
autour de nous,
13:10
particularly if it's a part of our in-group, cheating goes up.
282
775000
4000
surtout si c'est dans notre groupe,
la tricherie augmente.
la tricherie augmente.
13:14
Now, if we think about this in terms of the stock market,
283
779000
3000
Maintenant, pensons à ça
en termes de la bourse,
en termes de la bourse,
pensons à ce qui se passe.
13:17
think about what happens.
284
782000
1000
13:18
What happens in a situation when you create something
285
783000
3000
Qu'est-ce qui se passe
lorsqu'on créé quelque chose
lorsqu'on créé quelque chose
13:21
where you pay people a lot of money
286
786000
2000
où on paye des gens beaucoup d'argent
13:23
to see reality in a slightly distorted way?
287
788000
3000
pour voir la réalité
d'une manière légèrement distordue?
d'une manière légèrement distordue?
13:26
Would they not be able to see it this way?
288
791000
3000
Est-ce qu'ils ne serait pas capables
de la voir de cette façon?
de la voir de cette façon?
13:29
Of course they would.
289
794000
1000
Bien sûr que oui.
13:30
What happens when you do other things,
290
795000
1000
Qu'arrive-t-il quand
vous distanciez les choses de l'argent?
vous distanciez les choses de l'argent?
13:31
like you remove things from money?
291
796000
2000
13:33
You call them stock, or stock options, derivatives,
292
798000
3000
Vous les appelez actions,
ou stock options, produits dérivés,
ou stock options, produits dérivés,
13:36
mortgage-backed securities.
293
801000
1000
créances hypothécaires titrisées.
13:37
Could it be that with those more distant things,
294
802000
3000
Se pourrait-il qu'avec
ces choses plus distantes,
ces choses plus distantes,
13:40
it's not a token for one second,
295
805000
2000
ce n'est pas un jeton
pendant une seconde,
pendant une seconde,
13:42
it's something that is many steps removed from money
296
807000
2000
c'est éloigné de l'argent par plusieurs
étapes pendant beaucoup plus longtemps --
étapes pendant beaucoup plus longtemps --
13:44
for a much longer time -- could it be that people will cheat even more?
297
809000
4000
se pourrait-il que les gens
trichent encore plus?
trichent encore plus?
13:48
And what happens to the social environment
298
813000
2000
Qu'arrive-t-il à l'environnement social
13:50
when people see other people behave around them?
299
815000
3000
quand les gens voient le comportement
des autres autours d'eux?
des autres autours d'eux?
13:53
I think all of those forces worked in a very bad way
300
818000
4000
Je pense que toutes ces forces
agissent d'une façon très mauvaise
agissent d'une façon très mauvaise
13:57
in the stock market.
301
822000
2000
dans la bourse.
13:59
More generally, I want to tell you something
302
824000
3000
Plus généralement, je veux
vous dire quelque chose
vous dire quelque chose
14:02
about behavioral economics.
303
827000
3000
à propos de l'économie comportementale.
14:05
We have many intuitions in our life,
304
830000
4000
Nous avons beaucoup
d'intuitions dans notre vie,
d'intuitions dans notre vie,
14:09
and the point is that many of these intuitions are wrong.
305
834000
3000
et mon point est que beaucoup
de ces intuitions sont fausses.
de ces intuitions sont fausses.
14:12
The question is, are we going to test those intuitions?
306
837000
3000
La question est, allons-nous
tester ces intuitions?
tester ces intuitions?
14:15
We can think about how we're going to test this intuition
307
840000
2000
Nous pouvons essayer
de tester cette intuition
de tester cette intuition
14:17
in our private life, in our business life,
308
842000
2000
dans notre vie privée
ou professionnelle,
ou professionnelle,
14:19
and most particularly when it goes to policy,
309
844000
3000
et plus particulièrement
quand il s'agit de politiques,
quand il s'agit de politiques,
14:22
when we think about things like No Child Left Behind,
310
847000
3000
comme 'No Child Left Behind',
14:25
when you create new stock markets, when you create other policies --
311
850000
3000
de création de nouveaux marchés
boursiers, d'autres politiques,
boursiers, d'autres politiques,
14:28
taxation, health care and so on.
312
853000
3000
d'imposition, de sécurité sociale, etc.
14:31
And the difficulty of testing our intuition
313
856000
2000
La difficulté de tester notre intuition
14:33
was the big lesson I learned
314
858000
2000
est la grande leçon que j'ai apprise
14:35
when I went back to the nurses to talk to them.
315
860000
2000
quand je suis retourné
pour parler aux infirmières.
pour parler aux infirmières.
14:37
So I went back to talk to them
316
862000
2000
pour leur dire ce que j'avais découvert
à propos du retrait des bandages.
à propos du retrait des bandages.
14:39
and tell them what I found out about removing bandages.
317
864000
3000
14:42
And I learned two interesting things.
318
867000
2000
Et j'ai appris deux choses intéressantes.
14:44
One was that my favorite nurse, Ettie,
319
869000
2000
Premièrement,
mon infirmière favorite, Ettie,
mon infirmière favorite, Ettie,
14:46
told me that I did not take her pain into consideration.
320
871000
4000
m'a dit que je ne prenais pas
en compte sa douleur :
en compte sa douleur :
14:50
She said, "Of course, you know, it was very painful for you.
321
875000
2000
" Bien sûr, c'était douloureux pour toi.
14:52
But think about me as a nurse,
322
877000
2000
Mais pense à moi
en tant qu'infirmière,
en tant qu'infirmière,
qui retirais les bandages
de quelqu'un que j'aimais bien,
de quelqu'un que j'aimais bien,
14:54
taking, removing the bandages of somebody I liked,
323
879000
2000
14:56
and had to do it repeatedly over a long period of time.
324
881000
3000
pendant une longue
période de temps.
période de temps.
14:59
Creating so much torture was not something that was good for me, too."
325
884000
3000
Créer autant de torture
ne me faisait pas de bien non plus. "
ne me faisait pas de bien non plus. "
15:02
And she said maybe part of the reason was it was difficult for her.
326
887000
5000
Peut-être que c'était en partie
parce que c'était difficile pour elle.
parce que c'était difficile pour elle.
15:07
But it was actually more interesting than that, because she said,
327
892000
3000
Mais c'était encore plus intéressant,
parce qu'elle a dit :
parce qu'elle a dit :
15:10
"I did not think that your intuition was right.
328
895000
5000
" Je ne pensais pas
que ton intuition était correcte.
que ton intuition était correcte.
Pour moi,
mon intuition était correcte. "
mon intuition était correcte. "
15:15
I felt my intuition was correct."
329
900000
1000
15:16
So, if you think about all of your intuitions,
330
901000
2000
Pensez à toutes vos intuitions :
15:18
it's very hard to believe that your intuition is wrong.
331
903000
4000
c'est très difficile de croire
que votre intuition est fausse.
que votre intuition est fausse.
15:22
And she said, "Given the fact that I thought my intuition was right ..." --
332
907000
3000
Elle a dit : " Puisque je pensais
mon intuition correcte " --
mon intuition correcte " --
15:25
she thought her intuition was right --
333
910000
2000
elle pensait que
son intuition était bonne --
son intuition était bonne --
15:27
it was very difficult for her to accept doing a difficult experiment
334
912000
5000
il était difficile pour elle d'accepter
de faire une expérience difficile
de faire une expérience difficile
15:32
to try and check whether she was wrong.
335
917000
2000
juste pour voire si
elle avait peut-être tort.
elle avait peut-être tort.
15:34
But in fact, this is the situation we're all in all the time.
336
919000
4000
C'est la situation dans laquelle
nous sommes tout le temps.
nous sommes tout le temps.
15:38
We have very strong intuitions about all kinds of things --
337
923000
3000
Nous avons des intuitions
très fortes sur plein de choses --
très fortes sur plein de choses --
15:41
our own ability, how the economy works,
338
926000
3000
notre propre capacité,
comment marche l'économie,
comment marche l'économie,
15:44
how we should pay school teachers.
339
929000
2000
comment nous devrions
payer les enseignants.
payer les enseignants.
15:46
But unless we start testing those intuitions,
340
931000
3000
Mais à moins que nous ne
commencions à tester ces intuitions,
commencions à tester ces intuitions,
15:49
we're not going to do better.
341
934000
2000
nous ne ferons pas mieux.
Pensez à combien ma vie
aurait été meilleure
aurait été meilleure
15:51
And just think about how better my life would have been
342
936000
2000
si ces infirmières avaient voulu
vérifier leur intuition,
vérifier leur intuition,
15:53
if these nurses would have been willing to check their intuition,
343
938000
2000
15:55
and how everything would have been better
344
940000
1000
et combien tout serait meilleur
15:56
if we just start doing more systematic experimentation of our intuitions.
345
941000
5000
si nous commencions
à tester nos intuitions systèmatiquement.
à tester nos intuitions systèmatiquement.
16:01
Thank you very much.
346
946000
2000
Merci beaucoup.
ABOUT THE SPEAKER
Dan Ariely - Behavioral economistThe 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