Algorithms to Live By The Computer Science of Human Decisions

Nous évoluons dans un monde foisonnant de choix, des plus anodins aux plus importants, souvent guidés par notre intuition, nos habitudes ou un simple coup de chance. Et s'il existait une manière plus élégante d'aborder ces dilemmes ? Et si les principes mêmes qui régissent le monde numérique, les algorithmes qui pilotent les ordinateurs, pouvaient nous offrir un modèle pour optimiser nos décisions ? Ce voyage explore les parallèles surprenants entre les défis que nous relevons au quotidien et les problèmes informatiques que les informaticiens ont résolus avec minutie.

Prenons l'exemple de la recherche de l'appartement idéal, du collaborateur parfait, ou même du partenaire de vie. Ce sont des « problèmes d'arrêt optimal », des situations où les options se succèdent et où il faut décider du moment opportun pour s'engager, sachant que renoncer à une bonne option signifie la perdre définitivement. La solution élégante, il s'avère, réside souvent dans la « règle des 37 % ». Ce principe suggère que si vous disposez d'une fenêtre d'opportunité définie, vous devriez consacrer les 37 % initiaux de ce temps à explorer, à recueillir des informations sans prendre d'engagement. Une fois la période initiale terminée, vous vous engagez sur la prochaine option qui surpasse la meilleure que vous ayez observée lors de votre phase exploratoire. C'est une approche systématique pour trouver l'équilibre optimal entre observation et prise d'initiative.

Cependant, la vie ne se résume pas toujours à un seul choix parfait. Souvent, nous sommes confrontés au compromis « explorer/exploiter » : faut-il s'en tenir à ce qui est sûr et efficace, ou s'aventurer pour découvrir quelque chose de potentiellement meilleur ? Pensez au choix entre un restaurant que vous aimez et un nouveau. C'est comparable au « problème des bandits manchots », où un joueur se trouve face à une rangée de machines à sous, chacune avec un taux de redistribution inconnu. La stratégie optimale consiste à équilibrer le fait de jouer sur les machines que vous connaissez et qui sont performantes (exploitation) avec l'essai de nouvelles machines pour découvrir leur véritable potentiel (exploration). L'astuce est d'explorer davantage lorsque vous avez un horizon plus long pour tirer profit de nouvelles connaissances et d'exploiter davantage lorsque le temps presse.

Notre esprit est constamment en train de trier, d'organiser et de hiérarchiser les informations. Les principes des algorithmes de tri, comme QuickSort ou MergeSort, nous éclairent sur la gestion efficace de l'information, qu'il s'agisse de notre boîte mail ou de nos affaires. En matière de mémoire, le concept informatique de « mise en cache » explique pourquoi nous nous souvenons de certaines choses et en oublions d'autres. De même que le cache d'un ordinateur conserve les données fréquemment consultées, notre cerveau priorise les informations les plus récemment utilisées ou les plus fréquemment utilisées, en éliminant les détails moins importants pour libérer de l'espace. L'algorithme « Least Recently Used » (LRU), par exemple, offre un modèle puissant pour comprendre comment optimiser nos processus mentaux.

La planification est également un défi omniprésent. Comment gérer une liste de tâches interminable ? Des algorithmes comme « Earliest Due Date » ou « Shortest Processing Time » proposent des stratégies pour prioriser les tâches afin de minimiser les retards ou d'optimiser le rendement. Mais parfois, la complexité même d'un problème peut être insurmontable. C’est là qu’intervient la notion de « relaxation ». De même que les informaticiens simplifient les problèmes complexes pour trouver rapidement des solutions « suffisantes », nous pouvons, nous aussi, tirer profit d’une réflexion moins poussée ou de l’abandon de certaines contraintes afin de faciliter la prise de décision, même si cela signifie ne pas atteindre un résultat parfaitement optimal.

L’imprévisibilité de l’avenir peut également être appréhendée grâce à la pensée algorithmique. Le théorème de Bayes, concept fondamental en probabilités, nous apprend à actualiser nos convictions et à améliorer nos prédictions en combinant connaissances antérieures et nouvelles informations. Et dans les situations impliquant plusieurs acteurs, où les choix rationnels individuels peuvent mener à des résultats collectifs sous-optimaux, la théorie des jeux offre un cadre pour comprendre, voire repenser, les « règles du jeu » afin de favoriser une meilleure collaboration.

En définitive, ces principes algorithmiques ne visent pas à nous transformer en machines, mais plutôt à nous offrir une compréhension profonde de la cognition et du comportement humains. Ils nous proposent une perspective pour appréhender nos difficultés quotidiennes en matière de prise de décision, en nous fournissant des stratégies pour minimiser les erreurs et optimiser nos choix. En adoptant la logique des algorithmes, nous pouvons acquérir une boîte à outils puissante pour naviguer dans les complexités inhérentes à la vie, faire des choix plus éclairés et, en fin de compte, vivre plus efficacement.