Même si les algorithmes surpassent souvent le jugement humain, la sagesse populaire suggère que les gens peuvent être sceptiques à l’idée de se fier à eux (Dawes, 1979). Contrairement à cette idée reçue, les résultats de 6 expériences montreraient que les profanes adhèrent davantage aux conseils lorsqu’ils pensent qu’ils proviennent d’un algorithme que d’une personne. Cet effet, appelé appréciation de l’algorithme a été mesuré au cours d’estimations numériques réalisées sur un stimulus visuel, et des prévisions sur la popularité des chansons et de l’attraction amoureuse.
Pourtant, les chercheurs avaient prédit le résultat inverse. L’appréciation de l’algorithme a persisté lorsque les conseils sont apparus conjointement ou séparément. Cependant, l’appréciation de l’algorithme a diminué lorsque les gens ont choisi entre l’estimation d’un algorithme et la leur (par opposition à celle d’un conseiller externe) et qu’ils avaient une expertise en prévision. Paradoxalement, les professionnels expérimentés, qui font régulièrement des prévisions, se fient moins aux conseils algorithmiques que les profanes, ce qui nuit à leur précision.
Ces résultats mettent en lumière la question importante de savoir quand les gens se fient aux conseils algorithmiques plutôt qu’aux conseils édictés par des humains, ce qui a des implications pour l’utilisation du big data et des conseils algorithmiques générés.
La suite ici (Jennifer M.Logga,Julia A.Minsona, Don A.Mooreb)
