L’intérêt du biais de sélection ne se limite plus à la recherche depuis bien longtemps. Que ce soit dans le quotidien professionnel ou dans notre vie privée, nous procédons également à une sélection des informations et nous recevons des données biaisées présentées de façon sélective. Dans le cadre d’un processus de sélection, les biais cognitifs nous poussent souvent à commettre des erreurs qui fausseront forcément le résultat.
La récurrence des biais cognitifs montre clairement que nous ne sommes pas impartiaux et que nous devons investir beaucoup d’efforts pour ne serait-ce que nous rapprocher de cette impartialité. Les exemples de biais de sélection suivants montrent à quel point ces implications peuvent être vastes.
Dans le premier exemple, on souhaite réaliser une enquête sur la notoriété générale de la marque d’un magasin d’alimentation saine. Pour ce faire, on interroge les groupes cibles des produits dans le cadre d’une enquête réalisée dans un centre de fitness ou dans un supermarché bio. Une telle étude peut être intéressante mais le résultat doit être considéré avec précaution, car le biais de sélection a déjà opéré : les personnes visitant les centres de fitness ou les supermarchés bio sont généralement plus réceptives en ce qui concerne l’efficacité et l’utilité des produits sains. Par conséquent, on peut déjà partir du principe que la notoriété de la marque est plus importante au sein de ces groupes et qu’elle n’a donc pas été mesurée en toute neutralité.
Le deuxième exemple de biais de sélection montre à quel point les répercussions peuvent être importantes en l’absence de véritable sélection aléatoire. Des économistes sont chargés de réaliser une enquête sur la conjoncture. Cette enquête doit représenter autant que possible la diversité des entreprises du pays. La sélection des données est effectuée sur la base du registre du commerce et des sociétés de capitaux et commerciales qui y sont enregistrées. Ici, le biais de sélection est encore plus important que ce que l’on pourrait penser de prime abord : en effet, ce panel est biaisé puisqu’il exclut non seulement les petits commerçants mais aussi de nombreux indépendants performants (par ex. les avocats, les médecins, les architectes), les artistes et les personnes exerçant une activité annexe, quel qu’en soit le secteur.
Même si cet exemple est évident et que les chercheurs expérimentés ne commettent pas ce type d’erreurs, plusieurs biais statistiques moins importants peuvent toutefois s’additionner et fausser des prévisions conjoncturelles pourtant essentielles pour un pays.