TEDxZurich
Alexander Wagner: What really motivates people to be honest in business
Alexander Wagner: Qu'est-ce qui motive vraiment les gens à être honnêtes en affaires
Filmed:
Readability: 4
1,661,864 views
Chaque année, une grande entreprise sur sept fraude. Pourquoi? Pour le découvrir, Alexander Wagner nous emmène sur le chemin de l'économie, de l'éthique et de la psychologie du bien faire. Rejoignez-le pour un voyage introspectif le long des pentes glissantes de l'escroquerie à mesure qu'il vous aidera à comprendre les raisons du comportement humain.
Alexander Wagner - Economist
Alexander Wagner balances two passions: the thrill of seeking knowledge about fundamentals of human behavior for knowledge's sake, and the desire to apply insights in the real world and to improve the workings of markets and organizations. Full bio
Alexander Wagner balances two passions: the thrill of seeking knowledge about fundamentals of human behavior for knowledge's sake, and the desire to apply insights in the real world and to improve the workings of markets and organizations. Full bio
Double-click the English transcript below to play the video.
00:12
How many companies
have you interacted with today?
have you interacted with today?
0
760
3440
Avec combien d'entreprises
avez-vous interagi aujourd'hui ?
avez-vous interagi aujourd'hui ?
00:17
Well, you got up in the morning,
1
5240
1656
Vous vous êtes réveillé ce matin,
avez pris une douche,
00:18
took a shower,
2
6920
1215
vous êtes lavé les cheveux,
00:20
washed your hair,
3
8160
1256
00:21
used a hair dryer,
4
9440
1536
utilisé un sèche-cheveux,
pris votre petit déjeuner,
00:23
ate breakfast --
5
11000
1216
mangé des céréales, des fruits
un yaourt, bref,
un yaourt, bref,
00:24
ate cereals, fruit, yogurt, whatever --
6
12240
1858
00:26
had coffee --
7
14122
1214
pris un café,
00:27
tea.
8
15360
1376
un thé.
00:28
You took public transport to come here,
9
16760
1976
Vous avez pris les transports en commun
ou utilisé votre propre voiture.
00:30
or maybe used your private car.
10
18760
1840
Vous avez interagi avec l'entreprise
où vous travaillez
où vous travaillez
00:33
You interacted with the company
that you work for or that you own.
that you work for or that you own.
11
21520
3560
ou que vous possédez.
Vous avez interagi
00:38
You interacted with your clients,
12
26160
1960
00:40
your customers,
13
28760
1200
avec vos clients,
00:42
and so on and so forth.
14
30640
1256
et ainsi de suite.
00:43
I'm pretty sure there are
at least seven companies
at least seven companies
15
31920
3616
Je suis certain que vous avez interagi
00:47
you've interacted with today.
16
35560
1760
avec au moins
sept entreprises aujourd'hui.
sept entreprises aujourd'hui.
00:49
Let me tell you a stunning statistic.
17
37960
2000
Permettez-moi de vous donner
une statistique étonnante.
une statistique étonnante.
00:52
One out of seven
large, public corporations
large, public corporations
18
40840
4376
Une grande entreprise sur sept
00:57
commit fraud every year.
19
45240
2240
commet des fraudes chaque année.
C'est une étude universitaire américaine
01:00
This is a US academic study
that looks at US companies --
that looks at US companies --
20
48400
3416
concernant les entreprises américaines.
01:03
I have no reason to believe
that it's different in Europe.
that it's different in Europe.
21
51840
3200
Je n'ai aucune raison de croire
que c'est différent en Europe.
que c'est différent en Europe.
01:07
This is a study that looks
at both detected and undetected fraud
at both detected and undetected fraud
22
55480
4216
Il s'agit d'une étude qui étudie
les fraudes détectées et non détectées
les fraudes détectées et non détectées
01:11
using statistical methods.
23
59720
1736
en utilisant des méthodes statistiques.
01:13
This is not petty fraud.
24
61480
1720
Ce ne sont pas de petites fraudes.
01:16
These frauds cost
the shareholders of these companies,
the shareholders of these companies,
25
64120
2856
Ces fraudes coûtent
aux actionnaires de ces entreprises,
aux actionnaires de ces entreprises,
01:19
and therefore society,
26
67000
1256
et donc à la société,
01:20
on the order of
380 billion dollars per year.
380 billion dollars per year.
27
68280
3600
de l'ordre de
380 milliards de dollars par an.
380 milliards de dollars par an.
01:24
We can all think of some examples, right?
28
72960
2216
On pense tous à certains exemples.
01:27
The car industry's secrets
aren't quite so secret anymore.
aren't quite so secret anymore.
29
75200
3800
Les secrets de l'industrie automobile
ne sont plus si secrets.
ne sont plus si secrets.
01:31
Fraud has become a feature,
30
79800
3296
La fraude est devenue une caractéristique,
01:35
not a bug,
31
83120
1216
pas un bug,
01:36
of the financial services industry.
32
84360
1936
de l'industrie des services financiers.
01:38
That's not me who's claiming that,
33
86320
2216
Ce n'est pas moi qui prétends cela,
01:40
that's the president
of the American Finance Association
of the American Finance Association
34
88560
3256
c'est le président
de l'American Finance Association
de l'American Finance Association
01:43
who stated that
in his presidential address.
in his presidential address.
35
91840
2936
qui a déclaré ça
dans son discours présidentiel.
dans son discours présidentiel.
01:46
That's a huge problem
if you think about, especially,
if you think about, especially,
36
94800
2736
C'est un énorme problème
si vous pensez, en particulier,
si vous pensez, en particulier,
01:49
an economy like Switzerland,
37
97560
1696
à une économie comme la Suisse
01:51
which relies so much on the trust
put into its financial industry.
put into its financial industry.
38
99280
4200
qui repose tant sur la confiance
en son secteur financier.
en son secteur financier.
01:56
On the other hand,
39
104960
1216
D'un autre côté,
01:58
there are six out of seven companies
who actually remain honest
who actually remain honest
40
106200
3536
il y a six entreprises sur sept
qui restent vraiment honnêtes
qui restent vraiment honnêtes
02:01
despite all temptations
to start engaging in fraud.
to start engaging in fraud.
41
109760
3840
malgré toutes les tentations à frauder.
Il y a des lanceurs d'alerte
comme Michael Woodford
comme Michael Woodford
02:06
There are whistle-blowers
like Michael Woodford,
like Michael Woodford,
42
114240
2296
02:08
who blew the whistle on Olympus.
43
116560
2336
qui a dénoncé Olympus.
02:10
These whistle-blowers risk their careers,
44
118920
2696
Ces lanceurs d'alerte
risquent leur carrière,
risquent leur carrière,
02:13
their friendships,
45
121640
1216
leurs amitiés,
pour dévoiler la vérité
sur leurs entreprises.
sur leurs entreprises.
02:14
to bring out the truth
about their companies.
about their companies.
46
122880
2136
Il y a des journalistes,
comme Anna Politkovskaya,
comme Anna Politkovskaya,
02:17
There are journalists
like Anna Politkovskaya
like Anna Politkovskaya
47
125040
2616
02:19
who risk even their lives
to report human rights violations.
to report human rights violations.
48
127680
3856
qui risquent leur vie pour signaler
les violations des droits de l'Homme.
les violations des droits de l'Homme.
02:23
She got killed --
49
131560
1216
Elle a été tuée.
Chaque année,
02:24
every year,
50
132800
1216
une centaine de journalistes sont tués
02:26
around 100 journalists get killed
51
134040
1656
à cause de leur conviction
pour dévoiler la vérité.
pour dévoiler la vérité.
02:27
because of their conviction
to bring out the truth.
to bring out the truth.
52
135720
2720
Dans mon discours aujourd'hui,
02:32
So in my talk today,
53
140040
1256
02:33
I want to share with you
some insights I've obtained and learned
some insights I've obtained and learned
54
141320
3496
je veux partager avec vous
des idées que j'ai obtenues et apprises
des idées que j'ai obtenues et apprises
02:36
in the last 10 years
of conducting research in this.
of conducting research in this.
55
144840
3296
au cours des dix dernières années
de recherches dans ce domaine.
de recherches dans ce domaine.
02:40
I'm a researcher,
a scientist working with economists,
a scientist working with economists,
56
148160
3496
Je suis un chercheur, un scientifique
qui travaille avec des économistes,
qui travaille avec des économistes,
02:43
financial economists,
57
151680
1336
des économistes financiers,
02:45
ethicists, neuroscientists,
58
153040
2056
des éthiciens, des neuroscientifiques,
02:47
lawyers and others
59
155120
1336
des avocats etc.
02:48
trying to understand
what makes humans tick,
what makes humans tick,
60
156480
2096
On essaie de comprendre
ce qui motive les humains
ce qui motive les humains
02:50
and how can we address this issue
of fraud in corporations
of fraud in corporations
61
158600
4776
et comment on peut aborder la question
de la fraude dans les entreprises,
de la fraude dans les entreprises,
02:55
and therefore contribute
to the improvement of the world.
to the improvement of the world.
62
163400
3160
et ainsi améliorer le monde.
02:59
I want to start by sharing with you
two very distinct visions
two very distinct visions
63
167280
3536
Je veux commencer par vous faire part
de deux visions très distinctes
de deux visions très distinctes
03:02
of how people behave.
64
170840
1816
sur le comportement des gens.
03:04
First, meet Adam Smith,
65
172680
1840
D'abord, voici Adam Smith,
03:07
founding father of modern economics.
66
175200
1960
père-fondateur de l'économie moderne.
03:10
His basic idea was that if everybody
behaves in their own self-interests,
behaves in their own self-interests,
67
178280
4296
Son idée de base est que, si tout le monde
sert ses propres intérêts,
sert ses propres intérêts,
03:14
that's good for everybody in the end.
68
182600
2520
au final, c'est bon pour tout le monde.
03:18
Self-interest isn't
a narrowly defined concept
a narrowly defined concept
69
186080
3056
L'intérêt personnel n'est pas
un concept défini de façon étroite,
un concept défini de façon étroite,
03:21
just for your immediate utility.
70
189160
1936
juste pour une utilité immédiate.
03:23
It has a long-run implication.
71
191120
1936
Il a une implication à long terme.
03:25
Let's think about that.
72
193080
1480
Réfléchissons-y.
03:27
Think about this dog here.
73
195080
2016
Prenez ce chien, là.
03:29
That might be us.
74
197120
1200
Ça pourrait être nous.
Il y a cette tentation, là.
03:31
There's this temptation --
75
199440
1256
03:32
I apologize to all vegetarians, but --
76
200720
2376
Je présente mes excuses aux végétariens,
03:35
(Laughter)
77
203120
1016
(Rires)
mais les chiens aiment les « bratwurst ».
03:36
Dogs do like the bratwurst.
78
204160
1696
03:37
(Laughter)
79
205880
2376
(Rires)
03:40
Now, the straight-up,
self-interested move here
self-interested move here
80
208280
3096
Donc, l'action directe et égoïste,
03:43
is to go for that.
81
211400
1576
c'est d'y aller, là.
03:45
So my friend Adam here might jump up,
82
213000
2936
Donc, mon ami Adam pourrait sauter,
03:47
get the sausage and thereby ruin
all this beautiful tableware.
all this beautiful tableware.
83
215960
3360
attraper la saucisse, et de fait
détruire toute cette belle vaisselle.
détruire toute cette belle vaisselle.
Mais ce n'est pas
ce qu'Adam Smith voulait dire.
ce qu'Adam Smith voulait dire.
03:52
But that's not what Adam Smith meant.
84
220000
1816
03:53
He didn't mean
disregard all consequences --
disregard all consequences --
85
221840
2656
Il ne voulait pas dire de
mépriser les conséquences,
mépriser les conséquences,
03:56
to the contrary.
86
224520
1216
au contraire.
03:57
He would have thought,
87
225760
1256
Il aurait pensé :
« Il peut y avoir
des conséquences négatives. »
des conséquences négatives. »
03:59
well, there may be negative consequences,
88
227040
2016
04:01
for example,
89
229080
1216
Par exemple,
04:02
the owner might be angry with the dog
90
230320
3096
le maître du chien sera fâché après lui.
04:05
and the dog, anticipating that,
might not behave in this way.
might not behave in this way.
91
233440
3600
Anticipant cela, le chien ne se comportera
peut-être pas comme ça.
peut-être pas comme ça.
04:09
That might be us,
92
237840
1256
Ça pourrait être nous,
04:11
weighing the benefits
and costs of our actions.
and costs of our actions.
93
239120
3056
pesant le pour et le contre
de nos actions.
de nos actions.
04:14
How does that play out?
94
242200
1240
Comment ça marche ?
04:15
Well, many of you, I'm sure,
95
243960
1976
Je suis sûr que beaucoup d'entre vous,
04:17
have in your companies,
96
245960
1536
avez, dans vos entreprises,
04:19
especially if it's a large company,
97
247520
1816
surtout si elle est grande,
04:21
a code of conduct.
98
249360
1656
un code de conduite.
04:23
And then if you behave
according to that code of conduct,
according to that code of conduct,
99
251040
3416
Et si vous suivez ce code de conduite,
04:26
that improves your chances
of getting a bonus payment.
of getting a bonus payment.
100
254480
3176
vous avez plus de chance
de recevoir un bonus.
de recevoir un bonus.
04:29
And on the other hand,
if you disregard it,
if you disregard it,
101
257680
2135
A l'inverse, si vous ne le respectez pas,
04:31
then there are higher chances
of not getting your bonus
of not getting your bonus
102
259839
2737
il y a plus de chances pour que
vous n'obteniez pas de bonus
vous n'obteniez pas de bonus
04:34
or its being diminished.
103
262600
1536
ou qu'il soit moindre.
04:36
In other words,
104
264160
1256
En d'autres termes,
c'est un moyen très économique
04:37
this is a very economic motivation
105
265440
1816
04:39
of trying to get people to be more honest,
106
267280
2776
pour faire en sorte que les gens
soient plus honnêtes
soient plus honnêtes
04:42
or more aligned with
the corporation's principles.
the corporation's principles.
107
270080
3360
ou plus respectueux
des principes de l'entreprise.
des principes de l'entreprise.
04:46
Similarly, reputation is a very
powerful economic force, right?
powerful economic force, right?
108
274240
5256
La réputation est aussi
une force économique très puissante, non ?
une force économique très puissante, non ?
04:51
We try to build a reputation,
109
279520
1536
On essaie d'avoir la réputation
04:53
maybe for being honest,
110
281080
1416
de quelqu'un d'honnête,
04:54
because then people
trust us more in the future.
trust us more in the future.
111
282520
2400
pour que les gens se fient
plus à nous à l'avenir.
plus à nous à l'avenir.
04:57
Right?
112
285960
1216
Non ?
Adam Smith parlait du boulanger
04:59
Adam Smith talked about the baker
113
287200
2096
05:01
who's not producing good bread
out of his benevolence
out of his benevolence
114
289320
3776
qui produisait du pain,
non pas par bienveillance
non pas par bienveillance
05:05
for those people who consume the bread,
115
293120
3016
par rapport à ceux qui le consommaient,
05:08
but because he wants to sell
more future bread.
more future bread.
116
296160
3040
mais parce qu'il voulait
en vendre plus dans le futur.
en vendre plus dans le futur.
05:12
In my research, we find, for example,
117
300160
2216
Dans mon étude, on voit, par exemple,
05:14
at the University of Zurich,
118
302400
1376
à l'Université de Zurich,
05:15
that Swiss banks
who get caught up in media,
who get caught up in media,
119
303800
4200
que les banques suisses
qui se retrouvent dans les médias
qui se retrouvent dans les médias
05:20
and in the context, for example,
120
308720
1776
dans des contextes
d'évasion fiscale ou de fraude fiscale,
05:22
of tax evasion, of tax fraud,
121
310520
1536
05:24
have bad media coverage.
122
312080
1736
ont une couverture médiatique négative.
05:25
They lose net new money in the future
123
313840
2736
Elles perdent de l'argent frais,
05:28
and therefore make lower profits.
124
316600
1616
et font donc moins de profits.
05:30
That's a very powerful reputational force.
125
318240
2360
C'est la très grande force
de la réputation.
de la réputation.
05:34
Benefits and costs.
126
322200
1600
Bénéfices et coûts.
05:37
Here's another viewpoint of the world.
127
325120
2576
Voici un autre point de vue sur le monde.
05:39
Meet Immanuel Kant,
128
327720
1536
Voici Emmanuel Kant,
05:41
18th-century German philosopher superstar.
129
329280
2760
philosophe « vedette » allemand
du 18ème siècle.
du 18ème siècle.
05:44
He developed this notion
130
332920
1616
Il a développé la notion
05:46
that independent of the consequences,
131
334560
3136
selon laquelle,
qu'importent les conséquences,
qu'importent les conséquences,
05:49
some actions are just right
132
337720
2976
certaines actions sont purement
bonnes, d'autres purement mauvaises.
bonnes, d'autres purement mauvaises.
05:52
and some are just wrong.
133
340720
1696
05:54
It's just wrong to lie, for example.
134
342440
3216
C'est mal de mentir,
par exemple.
par exemple.
05:57
So, meet my friend Immanuel here.
135
345680
3136
Donc, voici mon ami Emmanuel, là.
06:00
He knows that the sausage is very tasty,
136
348840
2816
Il sait que la saucisse est très bonne,
mais il va faire demi-tour
parce que c'est un bon chien.
parce que c'est un bon chien.
06:03
but he's going to turn away
because he's a good dog.
because he's a good dog.
137
351680
2456
06:06
He knows it's wrong to jump up
138
354160
2696
Il sait que c'est mal de sauter,
06:08
and risk ruining
all this beautiful tableware.
all this beautiful tableware.
139
356880
2800
et de risquer de casser
toute cette belle vaisselle.
toute cette belle vaisselle.
06:12
If you believe that people
are motivated like that,
are motivated like that,
140
360520
2416
Si vous pensez que les gens
agissent comme ça,
agissent comme ça,
06:14
then all the stuff about incentives,
141
362960
2176
tous les trucs sur la « carotte »,
06:17
all the stuff about code of conduct
and bonus systems and so on,
and bonus systems and so on,
142
365160
3776
tous les trucs sur le code de conduite
et le système de primes
et le système de primes
06:20
doesn't make a whole lot of sense.
143
368960
2176
n'ont plus aucun sens.
06:23
People are motivated
by different values perhaps.
by different values perhaps.
144
371160
4176
Les gens sont peut être poussés
par différentes valeurs.
par différentes valeurs.
06:27
So, what are people actually motivated by?
145
375360
3376
Par quoi les gens
sont-ils motivés en fait ?
sont-ils motivés en fait ?
06:30
These two gentlemen here
have perfect hairdos,
have perfect hairdos,
146
378760
2176
Ces deux gentlemen
ont une coiffure parfaite,
ont une coiffure parfaite,
06:32
but they give us
very different views of the world.
very different views of the world.
147
380960
4480
mais ils nous donnent
des visions du monde très différentes.
des visions du monde très différentes.
Qu'est-ce qu'on fait de ça ?
06:37
What do we do with this?
148
385840
1256
06:39
Well, I'm an economist
149
387120
1656
Bon, en tant qu'économiste,
06:40
and we conduct so-called experiments
to address this issue.
to address this issue.
150
388800
4176
on fait ce qu'on appelle des expériences
pour aborder ce problème.
pour aborder ce problème.
06:45
We strip away facts
which are confusing in reality.
which are confusing in reality.
151
393000
3296
On se débarrasse des faits
qui nous embrouillent dans la réalité.
qui nous embrouillent dans la réalité.
06:48
Reality is so rich,
there is so much going on,
there is so much going on,
152
396320
2736
La réalité est très dense,
il se passe plein de choses,
il se passe plein de choses,
06:51
it's almost impossible to know
what drives people's behavior really.
what drives people's behavior really.
153
399080
3960
c'est presque impossible de savoir en vrai
ce qui motive le comportement des gens.
ce qui motive le comportement des gens.
06:55
So let's do a little experiment together.
154
403520
2720
Donc, faisons ensemble
une petite expérience.
une petite expérience.
06:58
Imagine the following situation.
155
406680
2600
Imaginez la situation suivante.
07:02
You're in a room alone,
156
410400
2416
Vous êtes seul dans une pièce,
07:04
not like here.
157
412840
1536
pas comme ici.
07:06
There's a five-franc coin
like the one I'm holding up right now
like the one I'm holding up right now
158
414400
3440
Devant vous, il y a une pièce de 5 francs
comme celle que je tiens maintenant.
07:10
in front of you.
159
418560
1576
07:12
Here are your instructions:
160
420160
1576
Voici vos instructions :
07:13
toss the coin four times,
161
421760
2480
tirez quatre fois à pile ou face,
07:17
and then on a computer
terminal in front of you,
terminal in front of you,
162
425800
2416
puis, sur l'ordinateur en face de vous,
07:20
enter the number of times tails came up.
163
428240
3656
entrez le nombre de fois où
vous êtes tombé sur pile.
vous êtes tombé sur pile.
07:23
This is the situation.
164
431920
1280
C'est ça, la situation.
07:25
Here's the rub.
165
433720
1216
Et voilà le truc.
07:26
For every time that you announce
that you had a tails throw,
that you had a tails throw,
166
434960
3376
A chaque fois que vous annoncez
que vous avez obtenu pile,
que vous avez obtenu pile,
07:30
you get paid five francs.
167
438360
1496
vous êtes payé cinq francs.
07:31
So if you say I had two tails throws,
168
439880
2536
Donc si vous dites que
vous avez eu deux fois pile,
vous avez eu deux fois pile,
07:34
you get paid 10 francs.
169
442440
2216
vous êtes payé 10 francs.
07:36
If you say you had zero,
you get paid zero francs.
you get paid zero francs.
170
444680
2936
Si vous dites zéro,
vous êtes payé zéro francs.
vous êtes payé zéro francs.
07:39
If you say, "I had four tails throws,"
171
447640
2456
Si vous dites :
« J'ai eu quatre pile »,
« J'ai eu quatre pile »,
07:42
then you get paid 20 francs.
172
450120
2016
vous êtes donc payé 20 francs.
07:44
It's anonymous,
173
452160
1256
C'est anonyme,
07:45
nobody's watching what you're doing,
174
453440
1896
personne ne regarde
ce que vous faites,
ce que vous faites,
07:47
and you get paid that money anonymously.
175
455360
2336
et on vous paie anonymement.
07:49
I've got two questions for you.
176
457720
1477
Je vous pose deux questions.
07:51
(Laughter)
177
459760
1616
(Rires)
07:53
You know what's coming now, right?
178
461400
1640
Vous savez ce qui vient, non ?
07:56
First, how would you behave
in that situation?
in that situation?
179
464000
3480
D'abord, comment agiriez-vous
dans cette situation ?
dans cette situation ?
08:00
The second, look to your left
and look to your right --
and look to your right --
180
468240
2936
Deuxièmement, regardez
à gauche et à droite...
à gauche et à droite...
08:03
(Laughter)
181
471200
1016
(Rires)
réfléchissez à ce que ferait
la personne assise à côté de vous
la personne assise à côté de vous
08:04
and think about how
the person sitting next to you
the person sitting next to you
182
472240
2376
08:06
might behave in that situation.
183
474640
1656
dans cette situation.
08:08
We did this experiment for real.
184
476320
2136
On a fait cette expérience en vrai.
08:10
We did it at the Manifesta art exhibition
185
478480
2696
On l'a faite à la Manifesta Art Exhibition
08:13
that took place here in Zurich recently,
186
481200
2456
qui a eu lieu récemment à Zurich,
08:15
not with students in the lab
at the university
at the university
187
483680
2856
pas avec des étudiants
au labo de l'université
au labo de l'université
08:18
but with the real population,
188
486560
1776
mais avec de vraies gens,
08:20
like you guys.
189
488360
1200
comme vous.
08:22
First, a quick reminder of stats.
190
490080
2136
Tout d'abord,
un petit rappel des statistiques.
un petit rappel des statistiques.
08:24
If I throw the coin four times
and it's a fair coin,
and it's a fair coin,
191
492240
3576
Si je lance la pièce quatre fois,
et que c'est une pièce équilibrée,
et que c'est une pièce équilibrée,
08:27
then the probability
that it comes up four times tails
that it comes up four times tails
192
495840
4096
la probabilité pour la pièce
tombe quatre fois du côté pile
tombe quatre fois du côté pile
08:31
is 6.25 percent.
193
499960
2400
est de 6,25%.
Et j'espère que
vous pouvez d'instinct voir
vous pouvez d'instinct voir
08:35
And I hope you can intuitively see
194
503080
1656
08:36
that the probability that all four
of them are tails is much lower
of them are tails is much lower
195
504760
3376
que la probabilité d'avoir
quatre fois pile est bien plus basse
quatre fois pile est bien plus basse
08:40
than if two of them are tails, right?
196
508160
2120
que celle d'avoir deux fois pile.
08:42
Here are the specific numbers.
197
510760
1440
Voici les nombres précis.
08:46
Here's what happened.
198
514039
1496
Voici ce qui s'est passé.
08:47
People did this experiment for real.
199
515559
2201
Des gens ont vraiment fait l'expérience.
08:50
Around 30 to 35 percent of people said,
200
518799
3336
Environ 30 à 35% des gens ont dit :
08:54
"Well, I had four tails throws."
201
522159
2401
« Je suis tombé quatre fois sur pile ».
08:57
That's extremely unlikely.
202
525640
1816
C'est extrêmement peu probable.
08:59
(Laughter)
203
527480
1936
(Rires)
09:01
But the really amazing thing here,
204
529440
3136
Mais la chose vraiment incroyable ici,
09:04
perhaps to an economist,
205
532600
1296
enfin, pour un économiste,
09:05
is there are around 65 percent of people
who did not say I had four tails throws,
who did not say I had four tails throws,
206
533920
6536
c'est qu'environ 65% n'ont pas
dit qu'ils avaient eu quatre fois pile
dit qu'ils avaient eu quatre fois pile
09:12
even though in that situation,
207
540480
2176
même si dans cette situation,
09:14
nobody's watching you,
208
542680
2096
personne ne vous regarde,
09:16
the only consequence that's in place
209
544800
1936
la seule conséquence,
09:18
is you get more money
if you say four than less.
if you say four than less.
210
546760
3336
c'est de gagner plus d'argent
si vous dites quatre plutôt que moins.
si vous dites quatre plutôt que moins.
09:22
You leave 20 francs on the table
by announcing zero.
by announcing zero.
211
550120
3280
Vous laissez 20 francs sur la table
si vous dites zéro.
si vous dites zéro.
09:26
I don't know whether
the other people all were honest
the other people all were honest
212
554040
2576
Je ne sais pas si les autres
étaient tous honnêtes
étaient tous honnêtes
ou s'ils ont dit un peu plus ou moins
que ce qu'ils ont vraiment obtenu,
que ce qu'ils ont vraiment obtenu,
09:28
or whether they also said a little bit
higher or lower than what they did
higher or lower than what they did
213
556640
3456
parce que c'est anonyme.
09:32
because it's anonymous.
214
560120
1216
On a juste observé la distribution.
09:33
We only observed the distribution.
215
561360
1656
Mais ce que je peux vous dire...
Encore un essai, voilà !
Encore un essai, voilà !
09:35
But what I can tell you --
and here's another coin toss.
and here's another coin toss.
216
563040
2656
09:37
There you go, it's tails.
217
565720
1496
C'est pile.
09:39
(Laughter)
218
567240
1496
(Rires)
09:40
Don't check, OK?
219
568760
1456
Ne vérifiez pas, hein ?
09:42
(Laughter)
220
570240
2816
(Rires)
09:45
What I can tell you
221
573080
1296
Ce que je peux vous dire,
09:46
is that not everybody behaved
like Adam Smith would have predicted.
like Adam Smith would have predicted.
222
574400
4440
c'est que tout le monde n'a pas réagi
comme Adam Smith l'aurait prédit.
comme Adam Smith l'aurait prédit.
09:52
So what does that leave us with?
223
580840
1576
Donc qu'est-ce qu'il nous reste ?
09:54
Well, it seems people are motivated
by certain intrinsic values
by certain intrinsic values
224
582440
4496
Eh bien, il semble que les gens soient
motivés par des valeurs intrinsèques
motivés par des valeurs intrinsèques
09:58
and in our research, we look at this.
225
586960
1800
et dans notre recherche, on étudie ça.
10:01
We look at the idea that people have
so-called protected values.
so-called protected values.
226
589440
4480
On regarde le fait que les gens ont
des valeurs dites « protégées ».
des valeurs dites « protégées ».
10:06
A protected value isn't just any value.
227
594760
2816
Une valeur « protégée »
n'est pas n'importe quelle valeur.
n'est pas n'importe quelle valeur.
10:09
A protected value is a value
where you're willing to pay a price
where you're willing to pay a price
228
597600
5816
C'est une valeur pour laquelle
vous voulez payer un prix
vous voulez payer un prix
10:15
to uphold that value.
229
603440
1256
dans le but de la garder.
10:16
You're willing to pay a price
to withstand the temptation to give in.
to withstand the temptation to give in.
230
604720
4440
Vous voulez payer un prix pour résister
à la tentation d'abandonner cette valeur.
à la tentation d'abandonner cette valeur.
10:22
And the consequence is you feel better
231
610200
2656
Et la conséquence,
c'est que vous vous sentez mieux
c'est que vous vous sentez mieux
10:24
if you earn money in a way
that's consistent with your values.
that's consistent with your values.
232
612880
4296
si vous gagnez l'argent selon une méthode
qui correspond à vos valeurs.
qui correspond à vos valeurs.
10:29
Let me show you this again
in the metaphor of our beloved dog here.
in the metaphor of our beloved dog here.
233
617200
4280
Laissez-moi vous montrer ça de nouveau
avec la métaphore de notre fameux chien.
avec la métaphore de notre fameux chien.
10:34
If we succeed in getting the sausage
without violating our values,
without violating our values,
234
622600
4056
Si on arrive à attraper la saucisse
sans aller à l'encontre de nos valeurs,
sans aller à l'encontre de nos valeurs,
10:38
then the sausage tastes better.
235
626680
1976
la saucisse aura meilleur goût.
10:40
That's what our research shows.
236
628680
1480
C'est ce que montre notre recherche.
10:42
If, on the other hand,
237
630720
1256
Si, au contraire,
10:44
we do so --
238
632000
1256
on fait...
10:45
if we get the sausage
239
633280
1416
si on obtient la saucisse
10:46
and in doing so
we actually violate values,
we actually violate values,
240
634720
3456
et en faisant ça, on va
à l'encontre de nos valeurs,
à l'encontre de nos valeurs,
10:50
we value the sausage less.
241
638200
2976
on attachera moins d'importance
à la saucisse.
à la saucisse.
10:53
Quantitatively, that's quite powerful.
242
641200
2456
En terme de rendement,
c'est assez puissant.
c'est assez puissant.
10:55
We can measure these protected values,
243
643680
2456
On peut mesurer ces valeurs « protégées »,
10:58
for example,
244
646160
1216
par exemple,
10:59
by a survey measure.
245
647400
1920
avec une enquête.
11:02
Simple, nine-item survey that's quite
predictive in these experiments.
predictive in these experiments.
246
650360
5976
Une enquête simple, en neuf points,
assez prédictive dans ces expériences.
assez prédictive dans ces expériences.
11:08
If you think about the average
of the population
of the population
247
656360
2336
Si on pense à la moyenne de la population
11:10
and then there's
a distribution around it --
a distribution around it --
248
658720
2096
puis il y a la distribution autour,
les gens sont différents,
on est tous différents.
on est tous différents.
11:12
people are different,
we all are different.
we all are different.
249
660840
2040
11:15
People who have a set of protected values
250
663480
2976
Les gens qui ont
un lot de valeurs « protégées »
un lot de valeurs « protégées »
11:18
that's one standard deviation
above the average,
above the average,
251
666480
4176
qui dépasse la moyenne d'une unité,
11:22
they discount money they receive
by lying by about 25 percent.
by lying by about 25 percent.
252
670680
5056
réduisent la valeur de l'argent reçu
en mentant, d'environ 25%.
en mentant, d'environ 25%.
11:27
That means a dollar received when lying
253
675760
3616
Cela veut dire qu'un dollar reçu
quand ils mentent
quand ils mentent
11:31
is worth to them only 75 cents
254
679400
2136
ne vaut pour eux que 75 centimes
11:33
without any incentives you put in place
for them to behave honestly.
for them to behave honestly.
255
681560
3696
sans qu'aucune motivation à être honnête
n'ait été mise en place.
n'ait été mise en place.
11:37
It's their intrinsic motivation.
256
685280
1736
C'est leur motivation intrinsèque.
Au fait, je ne suis pas
une autorité morale,
une autorité morale,
11:39
By the way, I'm not a moral authority.
257
687040
1856
11:40
I'm not saying I have
all these beautiful values, right?
all these beautiful values, right?
258
688920
2920
je ne dis pas que j'ai moi-même
toutes ces belles valeurs, ok ?
toutes ces belles valeurs, ok ?
11:44
But I'm interested in how people behave
259
692440
1936
Mais je m'intéresse
au comportement des gens
au comportement des gens
11:46
and how we can leverage
that richness in human nature
that richness in human nature
260
694400
3376
et à comment on peut se servir
cette richesse de la nature humaine
cette richesse de la nature humaine
11:49
to actually improve
the workings of our organizations.
the workings of our organizations.
261
697800
3440
pour améliorer réellement
le fonctionnement de nos organisations.
le fonctionnement de nos organisations.
11:54
So there are two
very, very different visions here.
very, very different visions here.
262
702400
3176
Il y a deux visions très très différentes.
11:57
On the one hand,
263
705600
1336
D'un côté,
11:58
you can appeal to benefits and costs
264
706960
3016
on peut faire appel
aux bienfaits et coûts,
aux bienfaits et coûts,
12:02
and try to get people
to behave according to them.
to behave according to them.
265
710000
2656
faire en sorte que les gens se comportent
en fonction de ça.
en fonction de ça.
12:04
On the other hand,
266
712680
1616
D'un autre côté,
12:06
you can select people who have the values
267
714320
4016
on peut recruter les gens
qui ont les valeurs
qui ont les valeurs
12:10
and the desirable
characteristics, of course --
characteristics, of course --
268
718360
2216
et bien sûr les caractéristiques voulues,
12:12
competencies that go
in line with your organization.
in line with your organization.
269
720600
3576
les compétences,
qui sont conformes à votre organisation.
qui sont conformes à votre organisation.
12:16
I do not yet know where
these protected values really come from.
these protected values really come from.
270
724200
4216
Je ne sais pas encore d'où viennent
réellement ces valeurs « protégées ».
réellement ces valeurs « protégées ».
12:20
Is it nurture or is it nature?
271
728440
3376
Est-ce l'éducation ou la nature ?
12:23
What I can tell you
272
731840
1376
Ce que je peux vous dire,
12:25
is that the distribution
looks pretty similar for men and women.
looks pretty similar for men and women.
273
733240
5096
c'est que la distribution semble
similaire chez les hommes et les femmes.
similaire chez les hommes et les femmes.
12:30
It looks pretty similar
for those who had studied economics
for those who had studied economics
274
738360
3776
Elle a l'air semblable
chez ceux qui ont étudié l'économie
chez ceux qui ont étudié l'économie
12:34
or those who had studied psychology.
275
742160
2360
et ceux qui ont étudié la psychologie.
12:38
It looks even pretty similar
around different age categories
around different age categories
276
746000
3376
Elle semble similaire à différents âges
12:41
among adults.
277
749400
1216
chez les adultes.
Mais je ne sais pas comment
ça évolue à long terme.
ça évolue à long terme.
12:42
But I don't know yet
how this develops over a lifetime.
how this develops over a lifetime.
278
750640
2656
12:45
That will be the subject
of future research.
of future research.
279
753320
3440
Ça sera le sujet de recherches futures.
L'idée que je voudrais que vous reteniez,
12:49
The idea I want to leave you with
280
757640
1656
12:51
is it's all right to appeal to incentives.
281
759320
2776
c'est que ce n'est pas mal
de faire appel à la « carotte »,
de faire appel à la « carotte »,
12:54
I'm an economist;
282
762120
1216
- je suis économiste -
12:55
I certainly believe in the fact
that incentives work.
that incentives work.
283
763360
2920
bien sûr que je crois au fait
que la « carotte » fonctionne.
que la « carotte » fonctionne.
12:59
But do think about selecting
the right people
the right people
284
767400
4016
Mais réfléchissez à ça :
recruter les bonnes personnes
recruter les bonnes personnes
13:03
rather than having people
and then putting incentives in place.
and then putting incentives in place.
285
771440
3496
plutôt que des gens pour qui
on doit mettre en place la « carotte ».
on doit mettre en place la « carotte ».
Recruter les bonnes personnes
avec les bonnes valeurs
avec les bonnes valeurs
13:06
Selecting the right people
with the right values
with the right values
286
774960
2256
13:09
may go a long way
to saving a lot of trouble
to saving a lot of trouble
287
777240
3936
pourrait contribuer à éviter
beaucoup de difficultés
beaucoup de difficultés
et à économiser
beaucoup d'argent
beaucoup d'argent
13:13
and a lot of money
288
781200
1376
13:14
in your organizations.
289
782600
1736
dans vos organisations.
13:16
In other words,
290
784360
1256
En d'autres mots,
13:17
it will pay off to put people first.
291
785640
3760
mettre en avant l'humain
portera ses fruits.
portera ses fruits.
13:22
Thank you.
292
790040
1216
Merci.
13:23
(Applause)
293
791280
3640
(Applaudissements)
ABOUT THE SPEAKER
Alexander Wagner - EconomistAlexander Wagner balances two passions: the thrill of seeking knowledge about fundamentals of human behavior for knowledge's sake, and the desire to apply insights in the real world and to improve the workings of markets and organizations.
Why you should listen
Alexander Wagner has discovered that to most people, what matters is not only how much money they receive but also whether they behaved honestly to receive that money. As Swiss Finance Institute professor at the University of Zurich's Department of Banking and Finance, Wagner has taught corporate finance to thousands of eager students and hundreds of motivated executives, and he has helped shape governance systems of companies large and small. His recent research deals with how investors perceive managerial words and deeds … and with the stock market implications of the Trump election.
Alexander Wagner | Speaker | TED.com