Temps de lecture : 22 minutes
En 2020, Google et le cabinet de sciences comportementales The Behavioural Architects ont simulé 310 000 scénarios d’achat auprès de 31 000 acheteurs britanniques, dans 31 catégories allant de l’assurance aux biens de grande consommation. Le protocole : demander à chacun sa marque préférée, puis lui opposer une marque concurrente « superchargée » sur six biais cognitifs — preuve sociale, rareté, autorité, gratuité, immédiateté, heuristiques de catégorie. Résultat extrême : un assureur auto entièrement fictif a capté 87 % des préférences face à la marque favorite réelle des répondants (Google, Decoding Decisions, 2020). Une marque sans notoriété ni historique, mais dotée d’une offre nettement supérieure, à prix supposés égaux, et présentée dans le sens des raccourcis mentaux de l’acheteur. Les auteurs préviennent eux-mêmes que ces résultats ne sont « qu’indicatifs ».
Cette expérience ne prouve pas que les consommateurs sont manipulables à volonté. Elle montre que la décision d’achat n’est pas l’arbitrage rationnel que décrivent les modèles économiques classiques : elle est traversée de raccourcis systématiques, largement inconscients, que la recherche documente depuis un demi-siècle — quelque 300 principes comportementaux, selon la revue de littérature menée pour Google. Les comprendre est devenu une compétence de base du marketing, et c’est précisément l’objet des sciences comportementales appliquées au marketing : accéder aux mécanismes réels de la décision, au-delà de ce que les clients déclarent.
Ce guide passe en revue 12 biais cognitifs qui façonnent les décisions d’achat, regroupés en quatre familles : les biais de référence, les biais de possession, les biais sociaux et les biais d’économie mentale. Pour chacun : l’expérience fondatrice, ses chiffres exacts — souvent déformés en ligne —, l’état des réplications et son application marketing. Avec une double conviction de praticiens : ces mécanismes servent d’abord à comprendre les clients, et leur exploitation trompeuse est illégale dans l’Union européenne.
1. Qu’est-ce qu’un biais cognitif, et pourquoi n’est-ce pas un bug ?
Un biais cognitif n’est pas une défaillance à corriger mais une manière ordinaire de décider : le cerveau, saturé d’informations, emprunte des raccourcis qui fonctionnent la plupart du temps et se trompent de façon prévisible. C’est cette prévisibilité qui intéresse le marketing — et qui l’oblige à l’éthique.
Biais cognitif : déviation systématique et prévisible du jugement par rapport à la rationalité normative. Un biais résulte d’une heuristique — un raccourci mental que le cerveau emploie pour décider vite et à moindre effort. Il n’est ni aléatoire, ni pathologique : c’est un mécanisme adaptatif, le fonctionnement normal de la cognition humaine dans un environnement saturé d’informations. Mais parce qu’il est prévisible, il est aussi activable — et exploitable.
Le cadre le plus connu est celui de Daniel Kahneman, prix Nobel d’économie 2002 : nos jugements naissent pour beaucoup d’impressions rapides, intuitives et automatiques — le « Système 1 » —, que le « Système 2 », lent et analytique, ne contrôle d’ordinaire que mollement. Ces deux étiquettes sont de Stanovich et West (2000) ; Kahneman les a popularisées. Les biais cognitifs sont les signatures du Système 1. En situation d’achat, où l’attention est limitée et les options nombreuses, le Système 1 pèse lourd : c’est ce qui rend ces 12 mécanismes si structurants.
| Biais | Expérience fondatrice | Résultat clé | Levier marketing typique |
|---|---|---|---|
| Ancrage | Tversky & Kahneman, Science, 1974 | Estimations médianes 25 vs 45 selon l’ancre arbitraire (10 vs 65) | Prix de référence, prix barrés |
| Cadrage | Tversky & Kahneman, Science, 1981 | Option sûre choisie à 72 % en vies sauvées ; option risquée à 78 % en vies perdues | Formulation gains/pertes |
| Effet de leurre | Huber, Payne & Puto, JCR, 1982 (illustration : Ariely, 2008) | Une option dominée déplace les choix vers l’option qui la domine ; effet fragile hors des grilles chiffrées | Pricing à trois paliers |
| Aversion à la perte | Kahneman & Tversky, 1979 ; Tversky & Kahneman, 1992 | λ médian de 2,25 en 1992 ; 1,955 en moyenne méta-analytique en 2024 | Essais gratuits, échéances |
| Effet de dotation | Kahneman, Knetsch & Thaler, 1990 | Vendeurs : 5,25 $ ; acheteurs : 2,25 à 2,75 $ pour le même mug (Cornell) | Essai « satisfait ou remboursé » |
| Statu quo | Samuelson & Zeckhauser, 1988 | Préférence disproportionnée pour l’option en place | Options par défaut, reconduction |
| Preuve sociale | Goldstein, Cialdini & Griskevicius, 2008 | Réutilisation des serviettes : 35,1 % → 44,1 % ; non retrouvé en Allemagne | Avis clients, best-sellers |
| Autorité | Milgram, 1963 | 26 sujets sur 40 obéissent jusqu’au choc maximal | Cautions d’experts, labels |
| Effet de halo | Thorndike, 1920 ; Nisbett & Wilson, 1977 | Un trait saillant contamine les autres jugements | Design, marque, packaging |
| Rareté | Worchel, Lee & Adewole, 1975 | Biscuits d’un bocal presque vide jugés plus désirables que ceux d’un bocal plein | Stocks limités, éditions limitées |
| Surcharge de choix | Iyengar & Lepper, 2000 | Achat : 30 % (6 options) vs 3 % (24 options) ; effet conditionnel | Gammes courtes, recommandation |
| Effet de gratuité | Shampanier, Mazar & Ariely, 2007 | 69 % choisissent l’option gratuite, contre 27 % quand elle coûte 1 ¢ | Livraison offerte, freemium |
Un avertissement méthodologique avant le détail : les chiffres de ce tableau sont ceux des expériences originales, relevés dans les articles publiés — et plusieurs ont été nuancés, voire contestés, par les réplications ultérieures. Nous signalons ces nuances au fil du texte, car un biais documenté n’est pas une recette garantie : c’est une hypothèse à tester dans votre contexte.
2. Biais de référence : pourquoi aucune valeur ne se juge-t-elle dans l’absolu ?
Le cerveau évalue rarement une offre en elle-même. Il la compare — à un chiffre vu juste avant, à une formulation, à une option voisine. Trois biais exploitent cette relativité : l’ancrage, le cadrage et l’effet de leurre, dont la solidité varie beaucoup d’une expérience à l’autre, ce que les praticiens oublient souvent.
1. L’ancrage : le premier chiffre gagne
L’expérience fondatrice est d’une simplicité redoutable. Devant leurs sujets, Amos Tversky et Daniel Kahneman font tourner une roue de fortune qui désigne un nombre de départ — 10 pour un groupe, 65 pour l’autre —, puis leur demandent si la part des pays africains parmi les membres de l’ONU est supérieure ou inférieure à ce nombre, avant de l’estimer. Les estimations médianes s’établissent à 25 pour le groupe ancré sur 10, et à 45 pour le groupe ancré sur 65 (Tversky & Kahneman, Science, 1974). Un nombre sans aucun rapport avec la question déplace le jugement de vingt points.
« De fait, les effets d’ancrage comptent parmi les phénomènes les plus robustes du jugement […]. » — Daniel Kahneman, psychologue, université de Princeton (texte de sa conférence Nobel du 8 décembre 2002)
La robustesse vaut pour les estimations. L’ancrage des évaluations monétaires — combien paieriez-vous ? — s’est montré plus fragile dans les réplications (Maniadis, Tufano & List, 2014). En marketing, l’ancrage reste partout où il y a un prix : le prix barré qui fait paraître la promotion avantageuse, le « à partir de » qui cadre la négociation, le produit premium présenté en premier qui rend le milieu de gamme raisonnable. C’est aussi l’un des plus surveillés : en Europe, la directive Omnibus impose qu’un prix barré corresponde au prix le plus bas pratiqué au cours d’une période d’au moins 30 jours avant la réduction, sauf exceptions.
2. Le cadrage : la même information, deux décisions opposées
Dans le célèbre problème de la « maladie asiatique », Tversky et Kahneman (Science, 1981) soumettent à deux groupes le même choix entre un programme sûr et un programme risqué de même espérance (200 vies sur 600), formulé une fois en vies sauvées, une fois en morts : deux problèmes « effectivement identiques », écrivent-ils. Formulé en vies sauvées, le programme sûr est choisi par 72 % des répondants ; formulé en morts, le programme risqué recueille 78 % des choix. L’information est identique ; seule la formulation a changé — et la décision s’inverse.
L’application commerciale est quotidienne : « 90 % de clients satisfaits » et « 10 % d’insatisfaits » sont le même chiffre, pas le même message. Mais un cadrage qui retourne un choix risqué ne fait pas, à lui seul, un message plus persuasif : sur 93 études de prévention, les messages formulés en pertes ne persuadent pas davantage, et le très léger avantage global des messages formulés en gains (r = 0,03) semble tenir aux seules études sur l’hygiène dentaire (O’Keefe & Jensen, 2007). Le cadrage se teste. Notre analyse du parcours client en assurance auto en montre une autre facette : l’aversion à la perte et le statu quo y freinent le changement d’assureur, parce qu’une garantie connue paraît plus sûre qu’une économie hypothétique.
3. L’effet de leurre : l’option que personne ne choisit fait vendre
Formellement nommé « dominance asymétrique » et documenté par Huber, Payne et Puto (Journal of Consumer Research, 1982), ce biais tient en une phrase : ajouter une option dominée par l’une des offres, mais pas par l’autre, peut accroître la probabilité de choisir l’offre qui la domine. Dan Ariely l’a popularisé avec une ancienne grille d’abonnement de The Economist, proposée à 100 étudiants du MIT : l’offre « papier seul », au même prix que l’offre « papier + web », ne trouve preneur chez personne, mais quand il la retire de la grille, devant 100 autres étudiants, l’option la plus choisie devient la moins choisie (Ariely, 2008). Une démonstration rapportée dans une conférence et un livre grand public.
L’effet est l’une des justifications avancées pour les grilles tarifaires à trois paliers — à tester, car il s’efface souvent hors des grilles chiffrées : sur 91 tentatives de le produire, 11 seulement ont donné un effet fiable (Yang & Lynn, 2014), et il ne se produit généralement pas quand le produit est éprouvé, par une dégustation, ou qu’un seul attribut est montré plutôt que chiffré, par une photo (Frederick, Lee & Baskin, 2014). C’est néanmoins un cas d’école de la relativité des préférences : nous savons mal ce que vaut une offre, mieux ce qu’elle vaut par rapport à une autre.
3. Biais de possession : pourquoi perdre pèse-t-il plus lourd que gagner ?
Deuxième famille : tout ce qui touche à ce que nous possédons — ou croyons déjà posséder. C’est le cœur de la théorie des perspectives, l’apport le plus célèbre de l’économie comportementale, et l’un des plus discutés : l’ampleur de l’aversion à la perte et l’interprétation de l’effet de dotation font aujourd’hui débat.
4. L’aversion à la perte : le déséquilibre fondamental
« Les pertes pèsent plus lourd que les gains » (losses loom larger than gains) : la formule est de Kahneman et Tversky eux-mêmes, dans l’article fondateur de la théorie des perspectives (Econometrica, 1979). Le chiffrage vient plus tard : dans leur estimation de 1992, une perte pèse environ 2,25 fois plus qu’un gain équivalent (coefficient λ, Tversky & Kahneman, 1992). Honnêteté scientifique oblige, ce ratio est aujourd’hui discuté. Une méta-analyse de 607 estimations le ramène à 1,955 en moyenne (Brown et al., 2024) ; une autre, limitée aux choix risqués, ne trouve que 1,31 (Walasek et al., 2024) ; une revue conteste même que les pertes pèsent, en général, davantage que les gains (Gal & Rucker, 2018). Dans les deux méta-analyses, le coefficient reste toutefois supérieur à 1 : le mécanisme résiste, c’est son intensité qui varie.
En marketing, on lit volontiers l’aversion à la perte derrière la puissance de l’essai gratuit (résilier, c’est perdre un service devenu acquis), des points de fidélité qui expirent et des frais de dernière minute. Le Baymard Institute, qui agrège 50 études sur l’e-commerce, calcule un taux moyen d’abandon de panier de 70,22 %. Dans sa propre enquête, 40 % des acheteurs en ligne américains qui ont abandonné une commande — hors simple navigation — citent des coûts additionnels trop élevés (livraison, taxes, frais), premier motif devant la lenteur de livraison, et 12 % disent n’avoir pas pu connaître le coût total à l’avance (Baymard Institute, mise à jour du 22 septembre 2025). On peut y lire l’aversion à la perte : un surcoût découvert au paiement se vit comme une perte plus que comme un prix.
5. L’effet de dotation : ce qui est à moi vaut plus
Le terme est de Richard Thaler (1980), prix Nobel 2017 ; l’expérience canonique est celle des mugs de Cornell (Kahneman, Knetsch & Thaler, Journal of Political Economy, 1990). On distribue des mugs à la moitié d’un groupe, puis on organise un marché : les propriétaires exigent en médiane 5,25 $ pour céder leur mug, quand les acheteurs n’offrent que 2,25 à 2,75 $. Dans une variante menée au Canada, à l’université Simon Fraser, l’écart atteint 7,12 $ contre 2,87 $. La simple possession fait plus que doubler le prix demandé — un écart que des procédures très contrôlées ont fait disparaître (Plott & Zeiler, 2005), ce qui en discute l’interprétation.
On y voit souvent le ressort des « 30 jours d’essai, satisfait ou remboursé », des retours gratuits et des configurateurs (« votre » produit, personnalisé, est déjà un peu à vous) : l’effet de dotation transformerait la période d’essai en période d’appropriation — une hypothèse à tester.
6. Le biais de statu quo : la force de l’option en place
William Samuelson et Richard Zeckhauser (Journal of Risk and Uncertainty, 1988) l’ont établi par des expériences de choix puis confirmé sur données réelles — les plans de santé et les programmes de retraite choisis par des universitaires : les individus reconduisent l’option en place de façon disproportionnée. La démonstration la plus spectaculaire reste celle des défauts : dans les chiffres publiés en 2003, 99,98 % de consentement effectif au don d’organes en Autriche (consentement présumé) contre 12 % en Allemagne voisine (inscription volontaire) (Johnson & Goldstein, Science, 2003). L’écart sur les dons effectifs est plus modeste : les auteurs estiment à 16,3 % la hausse des dons quand le don est l’option par défaut. Le débat reste vif : le Bundestag a examiné en première lecture, le 24 septembre 2026, l’introduction du consentement présumé en Allemagne.
Abonnements reconduits tacitement, paramètres par défaut, renouvellements automatiques : le statu quo est un biais très rentable pour le marketing récurrent, et de plus en plus encadré, car un défaut mal intentionné bascule vite dans la zone illicite. Nous avons détaillé cette mécanique des défauts, centrale dans l’architecture de choix, dans notre guide du nudge et de l’architecture de choix.
4. Biais sociaux : comment les autres décident-ils avec nous ?
Troisième famille : l’être humain décide en regardant les autres — la foule, l’expert, ou la première impression qu’une personne lui laisse. Les expériences fondatrices y sont célèbres, mais leur transposition demande de la prudence : une norme sociale ne pousse pas partout de la même façon, et l’obéissance en laboratoire n’est pas la confiance accordée à un label.
7. La preuve sociale : la norme perçue fait la décision
Le principe est central chez Robert Cialdini (Influence, 1984) ; l’étude des serviettes d’hôtel en est une démonstration de terrain célèbre (Goldstein, Cialdini & Griskevicius, Journal of Consumer Research, 2008). Un message environnemental standard obtient 35,1 % de réutilisation ; le même message reformulé en norme descriptive — « la majorité des clients réutilisent leurs serviettes » — obtient 44,1 %. Dans une seconde étude, la norme la plus locale s’est montrée la plus efficace : « la majorité des clients de cette chambre » atteint 49,3 %, contre 37,2 % pour le message standard. L’effet ne s’est toutefois pas retrouvé dans deux hôtels allemands : la norme descriptive n’y a pas fait mieux que le message standard, et la norme « de cette chambre » a même fait moins bien que la norme générale dans la première étude (Bohner & Schlüter, 2014).
L’application dominante est l’avis client. La confiance qu’on lui accorde a fortement reculé avant de remonter : selon BrightLocal, 49 % des consommateurs américains font autant confiance aux avis en ligne qu’aux recommandations personnelles, contre 42 % un an plus tôt et 79 % en 2020 (Local Consumer Review Survey, 2026). La pratique demeure quasi universelle, sur fond de méfiance envers les faux avis : 97 % des consommateurs lisent des avis avant de choisir un commerce local, et 41 % le font systématiquement. Leçon opérationnelle : la preuve sociale ne fonctionne durablement que si la norme affichée est vraie, majoritaire et vérifiable.
8. Le biais d’autorité : la caution qui court-circuite l’examen
L’expérience fondatrice est l’une des plus dérangeantes de la psychologie sociale : à Yale, Stanley Milgram (Journal of Abnormal and Social Psychology, 1963) montre que, sur simple injonction d’un expérimentateur en blouse grise, les 40 hommes de l’étude administrent tous ce qu’ils croient être des chocs électriques jusqu’à 300 volts, et que 26 d’entre eux, soit 65 %, vont jusqu’au maximum de 450 volts. Une réplication partielle, menée en 2006, a trouvé des taux d’obéissance à peine plus faibles (Burger, 2009). Dans ce dispositif, l’autorité de l’expérimentateur a suffi à suspendre le jugement personnel de la plupart des sujets.
En marketing, le biais d’autorité opère, par analogie, à travers les cautions d’experts, les labels, les certifications, les « vu dans ». Il se prolonge dans la visibilité algorithmique : les signaux d’expérience, d’expertise, d’autorité et de confiance (E-E-A-T), que Google dit ne pas être un facteur de classement en soi mais que ses systèmes cherchent à repérer, transposent ce biais à l’échelle des algorithmes. La contrepartie éthique est évidente : une autorité invoquée doit être réelle, identifiable et compétente sur le sujet.
9. L’effet de halo : un trait contamine tout le jugement
Edward Thorndike le décrit dès 1920 (« A Constant Error in Psychological Ratings ») : des évaluateurs qui notent des qualités censées être indépendantes produisent des notes trop corrélées, comme si l’impression d’ensemble débordait sur chaque critère. Nisbett et Wilson (1977) en montrent le caractère inconscient : le même enseignant, filmé chaleureux ou froid, voit son apparence, ses manières et son accent — identiques — jugés séduisants ou irritants selon la version. Les sujets n’en ont pas conscience : ceux qui ont vu la version froide croient même que l’influence va en sens inverse.
Pour une marque, le halo signifie qu’il n’y a pas de détail neutre : un packaging soigné rend le produit « meilleur », un site daté rend l’offre « douteuse », un défaut visible contamine la qualité perçue de tout le reste. Décoder ces transferts de sens — quels signes produisent quel halo, pour quel public — est exactement l’objet de la sémiologie appliquée au marketing.
5. Rareté, surcharge, gratuité : comment le cerveau économise-t-il l’effort ?
Dernière famille : les raccourcis par lesquels le cerveau économise l’effort d’évaluation — en s’appuyant sur la disponibilité d’un produit, sur le nombre d’options ou sur le chiffre zéro. Ce sont aussi des biais très exposés aux dérives commerciales, donc au droit : la fausse urgence et le faux gratuit figurent sur la liste noire européenne des pratiques trompeuses.
10. Le biais de rareté : rare, donc désirable
Worchel, Lee et Adewole (Journal of Personality and Social Psychology, 1975) font évaluer des biscuits présentés dans un bocal plein ou presque vide : les biscuits rares sont jugés plus désirables. Variante décisive : la rareté qui s’installe — un bocal qui se vide sous les yeux du sujet — pèse plus que la rareté constante, surtout quand elle est attribuée à la demande des autres plutôt qu’à un accident. Une méta-analyse de 416 tailles d’effet issues de 131 études confirme que les signaux de rareté accroissent en général la valeur perçue et l’intention d’achat (Barton, Zlatevska & Oppewal, 2022).
« Plus que 3 en stock », « offre limitée », éditions numérotées : la rareté est un levier courant du e-commerce, et souvent dévoyé. Faux comptes à rebours et fausses alertes de stock figurent sur la liste noire de la directive de 2005 sur les pratiques commerciales déloyales ; une étude réalisée pour la Commission européenne relevait en 2022 au moins un dark pattern, tous types confondus, sur 97 % des sites et applications les plus utilisés par les consommateurs de l’UE (Commission européenne, 2022). La règle est simple : une rareté affichée doit être factuelle, sinon elle est juridiquement attaquable.
11. La surcharge de choix : quand trop d’options freine la décision
L’expérience des confitures d’Iyengar et Lepper (Journal of Personality and Social Psychology, 2000) est l’une des plus citées — et des plus déformées — du répertoire. Les chiffres exacts : dans une épicerie haut de gamme de Menlo Park, en Californie, un stand de dégustation de 24 confitures arrête 60 % des passants, mais seuls 3 % des clients arrêtés achètent ; le stand de 6 confitures n’arrête que 40 % des passants, mais 30 % achètent. L’assortiment large attire ; l’assortiment court convertit — d’un facteur dix parmi les clients arrêtés, d’environ sept sur l’ensemble des passants (12 % contre moins de 2 %).
La nuance, souvent omise dans les présentations grand public : la méta-analyse de Scheibehenne, Greifeneder et Todd (2010), sur 63 conditions issues de 50 expériences et 5 036 participants, mesure un effet moyen proche de zéro, avec une forte variance entre études. Une réplication menée avec des confitures, dans une épicerie haut de gamme de Berlin, n’a trouvé aucun effet de la taille de l’assortiment sur les achats (Scheibehenne, 2008).
« Pourtant, dans une série de trois réplications sur le terrain et en laboratoire, avec 850 participants au total, je n’ai trouvé aucun effet de l’excès de choix, ce qui suggère que l’effet est moins robuste qu’on ne le pensait et qu’il dépend plutôt de certaines conditions limites. » — Benjamin Scheibehenne, alors chercheur doctorant à l’Institut Max-Planck pour le développement humain (thèse de doctorat, université Humboldt de Berlin, janvier 2008)
La surcharge de choix n’est pas une loi : c’est un effet conditionnel, qui apparaît quand l’offre est complexe, la tâche difficile, les préférences incertaines et que l’acheteur cherche à minimiser l’effort (Chernev, Böckenholt & Goodman, 2015). Traduction opérationnelle : ne raccourcissez pas votre gamme par principe ; testez, et travaillez d’abord l’architecture du choix (tri par défaut, recommandation, comparateurs).
12. L’effet de gratuité : zéro n’est pas un prix
Shampanier, Mazar et Ariely (Marketing Science, 2007) opposent une truffe Lindt à 15 ¢ et un Hershey’s Kiss à 1 ¢ : 73 % de ceux qui prennent un chocolat choisissent la truffe, l’affaire du siècle. Dans une autre condition, chaque prix baisse d’un centime — truffe à 14 ¢, Kiss gratuit : l’écart de prix est inchangé, mais 69 % de ceux qui prennent un chocolat choisissent le Kiss. Le gratuit n’est pas un prix bas : c’est une catégorie mentale à part, sans risque perçu, qui court-circuite la comparaison coût-bénéfice.
On peut en rapprocher l’attrait de la livraison offerte, du freemium, de l’échantillon et du « premier mois offert ». Avec la même vigilance que pour la rareté : un « gratuit » assorti de conditions cachées — abonnement qui démarre en silence, frais reportés — relève du dark pattern, pas du marketing.
6. Comment utiliser les biais cognitifs sans franchir la ligne rouge ?
Que faire de ce catalogue ? Dans notre pratique d’institut d’études, les biais cognitifs servent trois usages distincts — interpréter les études, concevoir des parcours et des offres, auditer l’existant — et un contre-usage à proscrire, que le droit européen sanctionne désormais : l’exploitation trompeuse.
Interpréter les études. C’est l’usage le plus négligé. Un client qui déclare en entretien « je compare rationnellement les prix » décrit son Système 2 ; son achat réel doit beaucoup au Système 1. Les biais contribuent au say-do gap entre déclaratif et comportement — et un chargé d’études qui les connaît lit autrement un verbatim, une note d’intention d’achat ou un test de concept.
Concevoir des parcours et des offres. Pricing à paliers, défauts, assortiments, formulations : chaque point de contact active des biais, qu’on le veuille ou non. Autant les activer consciemment et honnêtement — c’est la définition même de l’architecture de choix, dont le cadre éthique FORGOOD fournit la grille d’arbitrage.
Auditer l’existant. Repérer dans un tunnel d’achat les biais activés par accident — un ancrage malheureux, une surcharge d’options, un halo négatif — peut être l’un des leviers de conversion les moins coûteux.
| Biais | Usage légitime | Dérive à proscrire (dark pattern) |
|---|---|---|
| Ancrage / cadrage | Prix de référence réels, formulation claire des bénéfices | Prix barrés fictifs, comparaisons truquées |
| Statu quo / dotation | Défaut aligné sur l’intérêt du client, essai réversible | Reconduction dissimulée, résiliation labyrinthique |
| Preuve sociale / autorité | Avis authentiques, cautions réelles et compétentes | Faux avis, fausses cautions, compteurs inventés |
| Rareté / gratuité | Stocks et délais factuels, gratuité sans piège | Faux comptes à rebours, « gratuit » à conditions cachées |
La ligne rouge n’est plus seulement morale. La directive de 2005 sur les pratiques commerciales déloyales interdit à tout commerçant les fausses urgences et le faux gratuit ; pour les pratiques qu’elle ne couvre pas, l’article 25 du Digital Services Act interdit, depuis le 17 février 2024, aux plateformes en ligne — hors micro et petites entreprises — les interfaces qui trompent ou manipulent ; et la DGCCRF a fait des interfaces trompeuses une priorité de son plan 2025-2028. Le Digital Fairness Act, annoncé par la Commission pour le quatrième trimestre 2026, doit compléter le dispositif. Le test le plus simple reste le test de publicité : si vous ne pouvez pas expliquer publiquement le mécanisme que vous activez, n’activez pas ce mécanisme.
7. L’approche Agalma : mesurer les biais réels, pas les biais supposés
Chez Agalma Études, nous nous méfions du catalogue de biais utilisé comme livre de recettes — appliquer « la rareté » ou « la preuve sociale » parce que la littérature les documente, c’est précisément l’erreur que l’expérience de Google révèle en creux : les effets sont massifs en simulation, hétérogènes sur le terrain. Notre protocole tient en quatre étapes.
-
Diagnostiquer le biais dominant, moment par moment. Entretiens, observation in situ, ethnographie digitale : chaque étape d’un parcours d’achat a son goulot comportemental propre — ancrage au moment du prix, surcharge au moment du choix, aversion à la perte au moment de payer. Le diagnostic précède le levier.
-
Confronter le déclaratif au comportemental. Ce que les clients disent de leurs décisions est une rationalisation ; il faut le croiser systématiquement avec les traces réelles — parcours, conversions, abandons — pour identifier les biais effectivement à l’œuvre, pas ceux que l’équipe suppose.
-
Tester avant de généraliser. A/B tests et pilotes mesurent l’effet réel d’un levier sur le comportement, ses effets de bord et son hétérogénéité par segment — seule réponse sérieuse à la variance que documentent les méta-analyses. Les mesures implicites du neuromarketing éthique complètent l’arsenal quand le déclaratif ne suffit pas.
-
Documenter l’arbitrage éthique. Chaque levier activé doit passer le test de publicité et une grille formelle, documentée dans le livrable — ce qui distingue une architecture de choix défendable d’un contentieux en attente.
Comprendre les biais cognitifs, ce n’est pas apprendre à manipuler : c’est cesser d’être manipulé par ses propres intuitions sur le client. Pour explorer l’ensemble des mécanismes de décision — nudge, sémiologie, ethnographie, neurosciences —, parcourez notre pilier sciences comportementales appliquées au marketing, et découvrez comment nous transformons ces mécanismes en insights actionnables parmi nos expertises.