Qu'est-ce que le biais du chercheur ? (Et comment le surmonter)

Découvrez comment les biais des chercheurs peuvent influencer subtilement les résultats scientifiques et pourquoi même des études bien conçues peuvent aboutir à des conclusions erronées. Apprenez comment les biais peuvent s’immiscer dans la recherche à travers une planification défaillante, des changements de comportement chez les participants et les attentes des chercheurs, à l’aide d’exemples concrets tels que les études sur l’effet d’amorçage et les échecs de reproduction. Obtenez une vue d’ensemble claire des problèmes plus graves, tels que la falsification des données, et, surtout, découvrez des moyens pratiques de réduire les biais grâce à une meilleure conception, à l’automatisation, à la mise en aveugle et à la reproduction, afin de rendre la recherche plus fiable et plus crédible.

C’est grâce à la rigueur scientifique que la science fonctionne. Si cette rigueur et cette impartialité sont bien préservées, les découvertes scientifiques peuvent alors être considérées comme fiables, approfondies et intégrées dans le cadre de nos vies. Si ce n’est pas le cas, cela signifie qu’un travail considérable peut être accompli sans qu’il n’en résulte grand-chose (voire rien du tout).

Même s’il serait agréable de croire que tous les scientifiques, où qu’ils se trouvent, sont totalement impartiaux ou incapables d’influencer les autres sans le vouloir, la vérité est bien sûr que les scientifiques sont (attention, spoiler) des êtres humains – et que des erreurs peuvent se produire.

Ces erreurs donnent lieu à un biais de la part des chercheurs : lorsque ceux-ci, intentionnellement ou non, faussent les résultats de leurs recherches. 

Qui ne planifie pas, planifie son échec

Même les plans de recherche les mieux conçus peuvent souvent dérailler (pour paraphraser), mais les pires sont voués à l’échec dès le départ. Une mauvaise conception de la recherche garantit que, même si la procédure expérimentale est scrupuleusement respectée, les données ne serviront à rien (ce qui revient en gros à dire « si on met des données erronées, on obtient des résultats erronés »).

Cela peut être dû à des circonstances imprévues qu’il serait difficile d’anticiper, mais cela peut aussi s’expliquer par le fait que l’expérience n’a pas été suffisamment bien pensée. Disposer d’un protocole qui mesure réellement la ou les variables d’intérêt, et dont la conception n’est pas biaisée au point de donner des résultats erronés, est sans doute l’élément le plus important de tout le processus de recherche.

L’effet Hawthorne

Dans le prolongement de ce qui précède, la manière dont la procédure expérimentale est mise en œuvre peut également avoir une incidence considérable sur les résultats obtenus. Plusieurs expériences ont montré que le simple fait d’utiliser ou d’éviter certains mots lors des instructions données aux participants peut parfois avoir des effets significatifs sur les résultats. Le protocole de recherche doit donc être mûrement réfléchi avant sa mise en œuvre.

D’autres aspects de la conception expérimentale, tels que la manière dont le chercheur interagit avec les participants, l’identité de ces derniers et ce qu’on attend d’eux, peuvent avoir une incidence sur la validité des résultats.

L’effet Hawthorne est un phénomène qui se produit lorsque les participants modifient leur comportement en fonction de ce qu’ils pensent être l’objet de l’étude. Certains participants souhaitent simplement satisfaire le chercheur : bien que leurs intentions soient louables, cela compromet en fin de compte la recherche.

Il peut donc être utile de tromper les participants afin de réduire au minimum le risque qu’ils modifient consciemment leur comportement pour se conformer (ou s’opposer) aux objectifs explicites de la recherche. Dans cette optique, le chercheur doit bien sûr éviter d’orienter involontairement le participant vers certaines réponses (par exemple, en posant des questions suggestives).

Même des facteurs qui semblent extérieurs à l’étude, tels que l’heure à laquelle l’expérience est menée ou le bruit ambiant dans le laboratoire, peuvent, dans certaines circonstances, influencer systématiquement les résultats de l’étude.

Il se peut que l’alarme incendie soit systématiquement testée un jour précis ; il serait alors essentiel de le savoir à l’avance si l’on évalue la réaction d’un participant au son ce même jour. Tout cela souligne la nécessité d’un protocole d’étude détaillé qui garantisse la cohérence des données, en contrôlant (ou du moins en atténuant) les facteurs susceptibles d’influencer les résultats de manière biaisée.

Reproduction de l’étude

Dans l’étude classique de John Bargh sur l’effet d’amorçage (citée plus de 1 600 fois), on demandait aux participants de réorganiser des séries de mots mélangés, soi-disant pour former une nouvelle phrase. Les participants partaient ensuite, s’éloignant tranquillement dans le couloir pour quitter la salle d’expérimentation. Cela n’aurait été qu’une note de bas de page sans intérêt dans l’histoire de la recherche s’il n’y avait pas eu des éléments dont les participants n’avaient pas conscience.

Pour un groupe de participants, les listes de mots comportaient un mot qui était systématiquement omis des nouvelles phrases, et ce mot était associé à l’idée de vieillesse. De plus, lorsque les participants avançaient dans le couloir, un assistant de recherche les attendait, chronomètre à la main. Une fois les temps de marche comptabilisés, une conclusion surprenante a été tirée : les participants exposés aux stimuli « liés à la vieillesse » semblaient marcher nettement plus lentement que les participants du groupe témoin (qui n’avaient été exposés qu’à des mots neutres).

L’étude semblait indiquer que même une allusion infime à la vieillesse suffisait à influencer le comportement d’un individu. Mais – et il convient ici de faire preuve d’une grande prudence – ces résultats ne semblent pas résister à un examen plus approfondi lorsqu’ils sont reproduits.

Une étude a depuis démontré que les résultats de l’article initial ne pouvaient être reproduits que dans certaines conditions. La chronométrie automatisée (réalisée à l’aide de lasers, rien de moins) n’a révélé aucune différence de vitesse de marche : les résultats initiaux n’ont pas pu être reproduits.

En approfondissant cette analyse, on a également constaté que lorsque les chercheurs mesuraient manuellement le temps de marche des participants et qu’ils les amenaient à s’attendre à un rythme plus lent, la vitesse de marche réduite réapparaissait soudainement. Cela suggère que les attentes des chercheurs ont, d’une manière ou d’une autre, influencé le résultat.

Tout cela revient bien sûr, pour le dire de manière un peu alambiquée, à dire qu’il faut vérifier les hypothèses expérimentales et les contrôler autant que possible. Même si l’étude initiale – et l’effet de priming en général – fait encore l’objet d’un débat controversé, il est bien sûr de bonne pratique scientifique d’éviter tout biais susceptible d’influencer les résultats.

Une étude en double aveugle permet d’écarter facilement les idées préconçues néfastes, et les enregistrements automatisés garantissent l’indépendance par rapport à la collecte des données. La reproduction de l’étude peut également renforcer la validité de l’étude initiale, ou tout au moins aider à mettre en évidence d’éventuelles erreurs.

Contrefaçon, falsification et invention

Nous allons maintenant aborder un aspect de la recherche scientifique qui aurait pourtant pu être facilement évité, mais qui est malheureusement trop courant : celui de la fraude scientifique, qui consiste à modifier délibérément (ou à inventer de toutes pièces) les résultats d’une étude.

Les exemples concrets sont nombreux, tout comme les raisons qui expliquent ces falsifications, mais tout cela peut être évité grâce à une astuce toute simple : ne pas inventer ni falsifier les données. Cela peut sembler banal, mais c’est la seule façon de mettre fin à ce phénomène fallacieux.

Une science de meilleure qualité

L’un des moyens de réduire les biais des chercheurs consiste à mettre en place un cadre expérimental clair et cohérent dans lequel le participant peut évoluer.

Il convient de présenter aux participants la configuration expérimentale exacte prévue, et les stimuli, la durée et les conditions doivent être définis et contrôlés avec précision afin d’éliminer tout risque de biais lié à l’influence du chercheur dans ces domaines (c’est précisément là qu’une plateforme de recherche comme iMotions excelle).

Cela permet d’éliminer une grande partie des manipulations expérimentales qui, autrement, devraient être effectuées manuellement. Nous savons que l’automatisation élimine une grande partie des biais involontaires des chercheurs, mais elle facilite également leur travail (et si la recherche est plus facile, on peut mener davantage de travaux de recherche – ce qui, nous en conviendrons tous, est une excellente chose).

La synchronisation et la collecte automatiques des données permettent également d’éviter les erreurs manuelles susceptibles de se produire lors de la saisie des données (ce qui, comme indiqué plus haut, permettrait d’éliminer les erreurs potentielles liées à l’utilisation d’appareils tels que les chronomètres).

L’utilisation de plusieurs capteurs peut également s’avérer utile à cet égard : si les données de chaque capteur concordent, le résultat obtenu est alors susceptible d’être solide et fiable.

Conclusion

Nous pouvons comprendre comment naissent les biais chez les chercheurs, et la plupart d’entre eux peuvent être éliminés. Pour y parvenir, nous aurons peut-être besoin d’un plan adapté et des bons outils, mais une fois ces éléments en place, une étude parfaite nous attend. Consacrer davantage de temps et de ressources à la mise en œuvre de ces étapes peut sembler difficile à court terme, mais cela permettra à terme à la recherche de qualité de s’épanouir. Nous pourrons alors passer d’une recherche qui induit en erreur à une recherche qui guide.

Cet article fait partie de notre série consacrée aux biais dans la recherche ! Nous avons également abordé le biais lié aux participants, que vous pouvez consulter en cliquant ici, ainsi que le biais de sélection, que vous pouvez consulter en cliquant ici.

J’espère que vous avez apprécié cet article sur la manière d’éviter les biais de recherche. Si vous souhaitez en savoir plus sur la conception d’une étude parfaite, consultez ci-dessous notre guide de poche gratuit sur la conception expérimentale.