Faire progresser les sciences comportementales appliquées : le cadre GAP

Pourquoi nos choix comptent plus qu’on ne le croit

De l’inscription à une retraite à cliquer sur « accepter » en ligne, nos choix quotidiens sont discrètement modelés par des décisions de conception subtiles et par de puissantes technologies nouvelles. Cet article présente le cadre GAP, une feuille de route pour les gouvernements, les entreprises et les organisations à but non lucratif qui souhaitent utiliser les connaissances sur le comportement humain de manière responsable et efficace. Il montre comment des idées classiques sur les habitudes et les biais peuvent être combinées avec l’intelligence artificielle et des contraintes du monde réel pour aller au‑delà des simples « nudges » vers des moyens d’influence plus intelligents, plus équitables et plus transparents.

Regarder le comportement avec un œil neuf

La première partie du cadre GAP, Outils Généraux, se concentre sur ce que la science comportementale sait déjà de la façon dont les gens pensent et agissent. Les auteurs regroupent de nombreux résultats célèbres en une lentille simple appelée SHELL : nous sommes guidés par l’influence sociale, les habitudes, les émotions, la capacité mentale limitée et le contrôle de soi limité. Cette grille aide les organisations à dépasser les hypothèses habituelles selon lesquelles il suffirait de donner plus d’informations ou d’offrir des incitations plus importantes. Elle les encourage plutôt à se demander : les gens imitent‑ils les autres ? Agissent‑ils en pilote automatique ? Sont‑ils submergés par des options complexes ? Fatigués ou stressés ? Voir les problèmes à travers SHELL sert d’étape diagnostique avant de concevoir une solution.

Déceler les obstacles cachés à l’intérieur des systèmes

Une fois que les principaux moteurs du comportement sont suspectés, le cadre met en avant les audits comportementaux comme moyen de découvrir ce qui ne va vraiment pas au sein d’une organisation. Les audits de « sludge » recherchent les obstacles inutiles — formulaires, étapes et retards qui gaspillent temps et énergie. Les audits de biais examinent les schémas injustes dans des décisions telles que le recrutement ou l’octroi de prêts, tandis que les audits de bruit cherchent les incohérences aléatoires entre des personnes qui devraient juger de cas de façon similaire. Ensemble, ces audits révèlent quand les systèmes sont confus, injustes ou peu fiables. Ce n’est qu’après ce travail diagnostique que la notion familière d’« architecture du choix » intervient : de petits changements dans la présentation des options, comme les valeurs par défaut, les rappels ou des mises en page simplifiées, conçus pour faciliter de bons choix sans restreindre la liberté.

Intégrer des machines intelligentes

Le deuxième pilier de GAP, les Algorithmes, explique comment les nouveaux outils de données — en particulier l’intelligence artificielle — peuvent dynamiser la science comportementale si on les utilise correctement. L’IA peut ouvrir de nouvelles formes de collecte de données, depuis l’analyse de millions de messages pour en extraire humeur et opinions jusqu’à la conduite de méga‑études comparant des dizaines d’interventions simultanément. Elle peut aussi repérer des schémas dans d’énormes jeux de données que les humains manqueraient, par exemple la durée réelle de formation d’une habitude ou les facteurs qui prédisent le plus fortement l’hésitation à se faire vacciner. De plus, les systèmes d’IA peuvent délivrer des incitations ou des recommandations personnalisées au bon moment et à grande échelle. En même temps, les auteurs avertissent que ces mêmes outils peuvent être détournés pour manipuler les gens ou porter atteinte à la vie privée, rendant indispensables des garde‑fous éthiques et une supervision.

Faire fonctionner la science du comportement dans les organisations réelles

Le troisième pilier, Considérations Pratiques, reconnaît que même les meilleures idées échouent sans les bonnes personnes, règles et méthodes. À l’aide du mnémonique TEAM, les auteurs expliquent comment constituer des équipes d’insights comportementaux, décider s’il faut les centraliser ou les répartir entre départements, et combiner des compétences en psychologie, économie, science des données, droit, et plus encore. Ils insistent sur la nécessité de rôles clairs, de lignes directrices éthiques et du respect des lois sur la protection de la vie privée comme les règles européennes de protection des données. Les coûts comptent aussi : certains nudges sont peu coûteux et très rentables, tandis que des systèmes d’IA avancés exigent des investissements lourds et une analyse coûts–bénéfices rigoureuse. Enfin, le cadre souligne l’importance d’essais rigoureux — par des expériences, des essais sur le terrain et d’autres méthodes de recherche — afin que les organisations apprennent non seulement « ce qui fonctionne », mais pour qui, dans quels contextes, et à quel prix.

Assembler les pièces anciennes et nouvelles

Plutôt que de remplacer des modèles populaires tels que COM‑B, MINDSPACE ou EAST, le cadre GAP est conçu pour les surplomber et relier les éléments. SHELL et les audits affinent le diagnostic, les modèles existants de changement de comportement aident à concevoir des interventions, les algorithmes étendent ce qui peut être observé et mis à l’échelle, et TEAM ancre le tout dans des structures, une éthique et des budgets du monde réel. Les auteurs sont francs sur les limites de leur proposition : GAP ne recense pas toutes les techniques possibles, et il existe un risque que tout cadre restreigne le débat ou néglige des changements systémiques plus profonds nécessaires. Ils appellent à davantage d’études comparatives sur différentes stratégies et à des mises à jour de GAP au fur et à mesure de l’évolution de la technologie et de la réglementation.

Ce que cela signifie pour la vie quotidienne

En termes clairs, le cadre GAP est un guide pour utiliser la science du comportement de manière plus intelligente et réfléchie. Il incite les praticiens à diagnostiquer soigneusement les problèmes avant de se précipiter vers des solutions, à associer le jugement humain à la capacité des algorithmes à repérer des schémas, et à construire des équipes et des règles qui rendent l’influence transparente et équitable. À mesure que les institutions publiques et les entreprises façonnent de plus en plus nos choix — hors ligne comme en ligne — GAP offre une voie pour mobiliser ces outils afin d’améliorer la santé, les finances et les résultats sociaux tout en respectant l’autonomie et la diversité des personnes.

Citation: Costa, S., Mills, S., Duyck, W. et al. Advancing applied behavioral science: the GAP framework. Humanit Soc Sci Commun 13, 261 (2026). https://doi.org/10.1057/s41599-026-06542-3

Mots-clés: sciences comportementales appliquées, nudges et architecture du choix, intelligence artificielle en politique, audits comportementaux, prise de décision organisationnelle