TED2011
Dan Ariely: Beware conflicts of interest
Dan Ariely : Attention aux conflits d'intérêts
Filmed:
Readability: 3.3
1,284,831 views
Dans cette brève conférence, le psychologue Dan Ariely raconte deux histoires personnelles explorant le conflit scientifique d'intérêt : comment la recherche de la connaissance et la compréhension peuvent être affectées, consciemment ou pas, par des objectifs personnels inconsidérés. Quand nous réfléchissons aux grandes questions, nous rappelle-t-il, soyons conscients de nos cerveaux bien trop humains.
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
So, I was in the hospital for a long time.
0
1000
3000
J'ai passé beaucoup de temps à l'hôpital.
00:19
And a few years after I left, I went back,
1
4000
3000
Et quelques années après en être sorti, j'y suis retourné,
00:22
and the chairman of the burn department was very excited to see me --
2
7000
3000
et le chef du service des brûlés était très excité de me voir.
00:25
said, "Dan, I have a fantastic new treatment for you."
3
10000
3000
Il a dit : "Dan, j'ai un nouveau traitement fantastique pour vous."
00:28
I was very excited. I walked with him to his office.
4
13000
2000
J'étais très emballé. Je l'ai accompagné jusqu'à son bureau.
00:30
And he explained to me that, when I shave,
5
15000
3000
Et il m'a expliqué que, quand je me rase,
00:33
I have little black dots on the left side of my face where the hair is,
6
18000
3000
j'ai des petits points noirs sur le côté gauche de mon visage là où il y a des poils,
00:36
but on the right side of my face
7
21000
2000
mais sur le côté droit de mon visage,
00:38
I was badly burned so I have no hair,
8
23000
2000
j'ai été gravement brûlé donc je n'ai pas de poils,
00:40
and this creates lack of symmetry.
9
25000
2000
et cela crée une dissymétrie.
00:42
And what's the brilliant idea he had?
10
27000
2000
Et quelle brillante idée a-t-il eue ?
00:44
He was going to tattoo little black dots
11
29000
2000
Il allait tatouer de petits points noirs
00:46
on the right side of my face
12
31000
3000
sur le côté droit de mon visage
00:49
and make me look very symmetric.
13
34000
2000
pour me donner un aspect symétrique.
00:51
It sounded interesting. He asked me to go and shave.
14
36000
3000
Ça avait l'air intéressant. Il m'a demandé d'aller me raser.
00:54
Let me tell you, this was a strange way to shave,
15
39000
2000
Je dois vous dire que c'était une étrange façon de se raser,
00:56
because I thought about it
16
41000
2000
parce que j'y réfléchissais
00:58
and I realized that the way I was shaving then
17
43000
2000
et je me suis rendu compte que la façon dont je me rasais à ce moment-là
01:00
would be the way I would shave for the rest of my life --
18
45000
2000
serait la même pour le reste de ma vie,
01:02
because I had to keep the width the same.
19
47000
2000
parce que je devais conserver la même largeur.
01:04
When I got back to his office,
20
49000
2000
Quand je suis rentré dans son bureau,
01:06
I wasn't really sure.
21
51000
2000
je n'étais pas très sûr.
01:08
I said, "Can I see some evidence for this?"
22
53000
2000
J'ai dit : "Je peux voir des preuves de cette technique ?"
01:10
So he showed me some pictures
23
55000
2000
Alors il m'a montré des images
01:12
of little cheeks with little black dots --
24
57000
2000
de petites joues avec des petits points noirs,
01:14
not very informative.
25
59000
2000
ça ne m'en disait pas long.
01:16
I said, "What happens when I grow older and my hair becomes white?
26
61000
2000
J'ai dit : "Qu'est-ce qui se passe quand je vieillis et que mes poils blanchissent ?
01:18
What would happen then?"
27
63000
2000
Que va-t-il se passer ?"
01:20
"Oh, don't worry about it," he said.
28
65000
2000
"Oh, ne vous inquiétez pas pour ça", a-t-il dit.
01:22
"We have lasers; we can whiten it out."
29
67000
3000
"Nous avons des lasers ; nous pouvons les blanchir."
01:25
But I was still concerned,
30
70000
2000
Mais j'étais encore inquiet,
01:27
so I said, "You know what, I'm not going to do it."
31
72000
3000
alors j'ai dit : "Vous savez quoi, je ne vais pas le faire."
01:30
And then came one of the biggest guilt trips of my life.
32
75000
4000
Et alors j'ai subi une tentative de culpabilisation comme rarement.
01:34
This is coming from a Jewish guy, all right, so that means a lot.
33
79000
3000
Et c'est un juif qui vous le dit, alors ça veut dire beaucoup.
01:37
(Laughter)
34
82000
2000
(Rires)
01:39
And he said, "Dan, what's wrong with you?
35
84000
3000
Et il a dit : " Dan, qu'est-ce qui ne va pas ?
01:42
Do you enjoy looking non-symmetric?
36
87000
2000
Ça te plait d'avoir l'air dissymétrique ?
01:44
Do you have some kind of perverted pleasure from this?
37
89000
5000
Est-ce que ça te procure une sorte de plaisir tordu ?
01:49
Do women feel pity for you
38
94000
2000
Est-ce que les femmes ont pitié de toi
01:51
and have sex with you more frequently?"
39
96000
3000
et couchent avec toi plus souvent ?"
01:54
None of those happened.
40
99000
3000
Rien de tout ça ne s'est passé.
01:58
And this was very surprising to me,
41
103000
2000
Et ça m'a beaucoup surpris,
02:00
because I've gone through many treatments --
42
105000
2000
parce que j'ai suivi de nombreux traitements,
02:02
there were many treatments I decided not to do --
43
107000
2000
il y a eu beaucoup de traitements que j'ai refusé de suivre,
02:04
and I never got this guilt trip to this extent.
44
109000
2000
et on ne m'a jamais autant essayé de me faire culpabiliser.
02:06
But I decided not to have this treatment.
45
111000
2000
Mais j'ai décidé de ne pas suivre ce traitement.
02:08
And I went to his deputy and asked him, "What was going on?
46
113000
2000
Et je suis allé trouver son adjoint et je lui ai demandé : "Qu'est-ce qui se passe ?
02:10
Where was this guilt trip coming from?"
47
115000
2000
D'où vient cette tentative de culpabilisation ?"
02:12
And he explained that they have done this procedure on two patients already,
48
117000
4000
Et il a expliqué qu'ils avaient déjà appliqué cette procédure sur deux patients,
02:16
and they need the third patient for a paper they were writing.
49
121000
3000
et il leur fallait un troisième patient pour l'article qu'ils étaient en train d'écrire.
02:19
(Laughter)
50
124000
2000
(Rires)
02:21
Now you probably think that this guy's a schmuck.
51
126000
2000
Maintenant vous pensez probablement que ce type est un con.
02:23
Right, that's what he seems like.
52
128000
2000
Bien, il en a l'air.
02:25
But let me give you a different perspective on the same story.
53
130000
3000
Mais laissez-moi vous donner une perspective différente de la même histoire.
02:28
A few years ago, I was running some of my own experiments in the lab.
54
133000
3000
Il y a quelques années, je faisais moi-même des expériences au laboratoire.
02:31
And when we run experiments,
55
136000
2000
Et quand nous faisons des expériences,
02:33
we usually hope that one group will behave differently than another.
56
138000
3000
en général nous espérons qu'un groupe se comportera différemment de l'autre.
02:36
So we had one group that I hoped their performance would be very high,
57
141000
3000
Nous avions donc un groupe dont j'espérais que les performances seraient très élevées,
02:39
another group that I thought their performance would be very low,
58
144000
3000
un autre groupe dont je pensais qu'elles seraient très faibles.
02:42
and when I got the results, that's what we got --
59
147000
2000
Et quand j'ai eu les résultats, c'est ce que nous avons obtenu
02:44
I was very happy -- aside from one person.
60
149000
3000
(j'étais très content), excepté une personne.
02:47
There was one person in the group
61
152000
2000
Il y avait une personne dans le groupe
02:49
that was supposed to have very high performance
62
154000
2000
qui était supposé avoir de très hautes performances,
02:51
that was actually performing terribly.
63
156000
2000
qui en fait en avait de très mauvaises.
02:53
And he pulled the whole mean down,
64
158000
2000
E il faisait baisser la moyenne,
02:55
destroying my statistical significance of the test.
65
160000
3000
et détruisait la significativité statistique de mon test.
02:59
So I looked carefully at this guy.
66
164000
2000
Alors j'ai soigneusement examiné ce type.
03:01
He was 20-some years older than anybody else in the sample.
67
166000
3000
Il avait 20 et quelques années de plus que tous les autres dans l'échantillon.
03:04
And I remembered that the old and drunken guy
68
169000
2000
Et je me suis souvenu que le vieux poivrot
03:06
came one day to the lab
69
171000
2000
était venu un jour au labo
03:08
wanting to make some easy cash
70
173000
2000
en voulant gagner de l'argent facilement
03:10
and this was the guy.
71
175000
2000
et c'était ce type.
03:12
"Fantastic!" I thought. "Let's throw him out.
72
177000
2000
J'ai pensé : "Fantastique ! Virons-le.
03:14
Who would ever include a drunken guy in a sample?"
73
179000
3000
Qui inclurait un poivrot dans un échantillon ?"
03:17
But a couple of days later,
74
182000
2000
Mais deux ou trois jours plus tard,
03:19
we thought about it with my students,
75
184000
2000
mes étudiants et moi y avons réfléchi
03:21
and we said, "What would have happened if this drunken guy was not in that condition?
76
186000
3000
et nous avons dit : "Que se serait-il passé si ce poivrot n'était pas dans cette condition ?
03:24
What would have happened if he was in the other group?
77
189000
2000
Que se serait-il passé s'il avait été dans l'autre groupe ?
03:26
Would we have thrown him out then?"
78
191000
2000
L'aurions-nous viré alors ?"
03:28
We probably wouldn't have looked at the data at all,
79
193000
2000
Nous n'aurions probablement pas examiné du tout les données,
03:30
and if we did look at the data,
80
195000
2000
et si nous les avions regardées,
03:32
we'd probably have said, "Fantastic! What a smart guy who is performing this low,"
81
197000
3000
nous aurions probablement dit : "Fantastique ! Quel type intelligent qui a des performances si basses",
03:35
because he would have pulled the mean of the group lower,
82
200000
2000
parce qu'il aurait fait baisser la moyenne du groupe
03:37
giving us even stronger statistical results than we could.
83
202000
3000
en nous donnant des résultats statistiques encore plus forts.
03:41
So we decided not to throw the guy out and to rerun the experiment.
84
206000
3000
Alors nous avons décidé de ne pas virer ce type et de refaire l'expérience.
03:44
But you know, these stories,
85
209000
3000
Mais vous savez, ces histoires,
03:47
and lots of other experiments that we've done on conflicts of interest,
86
212000
3000
et beaucoup d'autres expériences que j'ai faites sur les conflits d'intérêts,
03:50
basically kind of bring two points
87
215000
2000
mettent en évidence en gros
03:52
to the foreground for me.
88
217000
2000
deux points selon moi.
03:54
The first one is that in life we encounter many people
89
219000
3000
Le premier point est que dans la vie nous rencontrons beaucoup de gens
03:57
who, in some way or another,
90
222000
3000
qui, d'une manière ou d'une autre,
04:00
try to tattoo our faces.
91
225000
2000
essayent de nous tatouer le visage.
04:02
They just have the incentives that get them to be blinded to reality
92
227000
3000
Ils ont simplement des motivations qui les amènent à être aveuglés par la réalité
04:05
and give us advice that is inherently biased.
93
230000
3000
et nous donnent des conseils qui manquent intrinsèquement d'objectivité.
04:08
And I'm sure that it's something that we all recognize,
94
233000
2000
Et je suis sûr que c'est une chose que nous reconnaissons tous,
04:10
and we see that it happens.
95
235000
2000
et nous voyons que ça arrive.
04:12
Maybe we don't recognize it every time,
96
237000
2000
Nous ne le reconnaissons peut-être pas à tous les coups,
04:14
but we understand that it happens.
97
239000
2000
mais nous comprenons que ça arrive.
04:16
The most difficult thing, of course, is to recognize
98
241000
2000
Le plus difficile, bien sûr, c'est de reconnaître
04:18
that sometimes we too
99
243000
2000
que parfois, nous aussi,
04:20
are blinded by our own incentives.
100
245000
2000
nous sommes aveuglés par nos propres motivations.
04:22
And that's a much, much more difficult lesson to take into account.
101
247000
3000
Et c'est une leçon vraiment bien plus difficile à prendre en compte.
04:25
Because we don't see how conflicts of interest work on us.
102
250000
4000
Parce que nous ne voyons pas comment les conflits d'intérêt opèrent sur nous.
04:29
When I was doing these experiments,
103
254000
2000
Quand je faisais ces expériences,
04:31
in my mind, I was helping science.
104
256000
2000
pour moi, j'aidais la science.
04:33
I was eliminating the data
105
258000
2000
J'éliminais les données
04:35
to get the true pattern of the data to shine through.
106
260000
2000
pour révéler le vrai modèle des données.
04:37
I wasn't doing something bad.
107
262000
2000
Je ne faisais rien de mal.
04:39
In my mind, I was actually a knight
108
264000
2000
Pour moi, j'étais en fait un chevalier
04:41
trying to help science move along.
109
266000
2000
qui essayait de faire avancer la science.
04:43
But this was not the case.
110
268000
2000
Mais ce n'était pas le cas.
04:45
I was actually interfering with the process with lots of good intentions.
111
270000
3000
En fait, j'interférais avec le processus avec beaucoup de bonnes intentions.
04:48
And I think the real challenge is to figure out
112
273000
2000
Et je pense que le vrai problème est de trouver
04:50
where are the cases in our lives
113
275000
2000
quels sont les cas dans nos vies
04:52
where conflicts of interest work on us,
114
277000
2000
où les conflits d'intérêts opèrent sur nous,
04:54
and try not to trust our own intuition to overcome it,
115
279000
3000
et d'essayer de ne pas nous fier à notre propre intuition pour le résoudre,
04:57
but to try to do things
116
282000
2000
mais d'essayer de faire des choses
04:59
that prevent us from falling prey to these behaviors,
117
284000
2000
qui nous empêchent d'être en proie avec ces comportements,
05:01
because we can create lots of undesirable circumstances.
118
286000
3000
parce que nous pouvons créer beaucoup de circonstances indésirables.
05:05
I do want to leave you with one positive thought.
119
290000
2000
Je veux vraiment vous laisser sur une pensée positive.
05:07
I mean, this is all very depressing, right --
120
292000
2000
Je veux dire, tout ça est très déprimant,
05:09
people have conflicts of interest, we don't see it, and so on.
121
294000
3000
les gens ont des conflits d'intérêt, nous ne le voyons pas et ainsi de suite.
05:12
The positive perspective, I think, of all of this
122
297000
2000
La perspective positive, je pense, de tout ça
05:14
is that, if we do understand when we go wrong,
123
299000
3000
est que, si nous comprenons vraiment où nous commettons une erreur,
05:17
if we understand the deep mechanisms
124
302000
2000
si nous comprenons les mécanismes profonds
05:19
of why we fail and where we fail,
125
304000
2000
de pourquoi et où nous échouons,
05:21
we can actually hope to fix things.
126
306000
2000
nous pouvons vraiment espérer réparer les choses.
05:23
And that, I think, is the hope. Thank you very much.
127
308000
2000
Et je pense que l'espoir est là. Merci beaucoup.
05:25
(Applause)
128
310000
4000
(Applaudissements)
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