Survivor Bias

Dans la statistique, il existe un concept appelé « biais du survivant », qui désigne le fait que les chercheurs se concentrent uniquement sur les caractéristiques communes des « survivants », tout en ignorant les informations sur ceux qui ont échoué.

Un exemple classique est celui du mathématicien Abraham Wald pendant la Seconde Guerre mondiale, chargé d’étudier comment renforcer le blindage des avions de bombardement britanniques. Les avions revenant avaient principalement des trous de balles dans les ailes et la queue, mais Wald pensait qu’il fallait renforcer le cockpit et les réservoirs de carburant, car les avions touchés à ces endroits ne revenaient tout simplement pas.

La même logique s’applique aussi aux livres qui racontent les secrets du succès des entrepreneurs : copier aveuglément les conseils du livre ne garantit pas de réussir, et il est en réalité plus précieux d’analyser les erreurs commises par les entreprises qui ont fait faillite.

Dans notre domaine aussi, c’est pareil : on se focalise toujours sur ces quelques cas de succès spectaculaires. Par exemple, qui a gagné plusieurs millions en investissant dans SHIB ou des projets NFT, alors que peu de gens analysent réellement ce qui a mal tourné dans les échanges ou fonds en faillite : fraude, trading à effet de levier élevé, erreurs de gestion des risques.

Tirez des leçons des erreurs des autres, car les vôtres peuvent parfois coûter très cher !