D’après l’étude d’Alexander Todorov et de ses collègues sur les visages et les résultats électoraux.
Test de Prédiction Électorale
L’apparence peut-elle prédire une élection ?
Pouvez-vous dire qui a remporté une élection simplement en regardant les candidats ? Chaque paire montre deux adversaires d’une course au Sénat américain. Choisissez celui qui semble le plus compétent et, à la fin, vous verrez à quelle fréquence le visage que vous avez choisi était celui du vainqueur.
Il y a 28 paires et aucune limite de temps. Si vous reconnaissez l’un des deux candidats, choisissez Je reconnais quelqu'un : cette paire est exclue de votre score.
Le Test des Visages du Noyau Sombre examine ce que vous lisez dans un visage, le Test de Politique Américaine votre position sur les enjeux américains, et le Test du Cerveau Social vs. Logique la façon dont le contexte change votre manière de vérifier une règle.
Paire 1 sur 28
Comment répondre
Regardez les deux photographies et sélectionnez Personne A ou Personne B, puis appuyez sur Suivant. Il n’y a pas de limite de temps : les photographies restent visibles pendant que vous décidez. Sélectionnez Je reconnais quelqu'un si l’un des visages vous est familier.
Par exemple, si la personne de gauche vous semble plus compétente, sélectionnez Personne A. Utilisez Retour pour revoir une paire précédente et modifier votre réponse si vous le souhaitez.
Commencer le test
Qui semble le plus compétent ?
RETOUR POURSUIVRE
Premières impressions et résultats électoraux
Imaginez voir deux candidats dont vous ne savez rien : pas de noms, pas de partis, pas de programmes. L’un d’eux peut néanmoins vous paraître immédiatement le plus capable. Alexander Todorov et ses collègues de Princeton se sont demandé si de telles impressions correspondent aux élections réelles. Ils ont montré à environ 40 personnes les visages des vainqueurs et des finalistes de courses au Sénat et à la Chambre des représentants des États-Unis et leur ont demandé qui semblait le plus compétent. Une fois leurs choix regroupés, le candidat jugé plus compétent par la plupart d’entre eux a remporté 71,6 % des courses au Sénat de 2000, 2002 et 2004, et 66,8 % des courses à la Chambre.
Ces 71,6 % sont le score d’une foule, pas celui d’une seule personne. Regrouper les choix de nombreuses personnes annule les erreurs de chacune ; seules, les personnes choisissent le vainqueur environ 56 % du temps, alors que le hasard est de 50 % (Olivola & Todorov, 2010). Dans une autre expérience, les participants ont vu chaque paire pendant une seconde seulement et ont tout de même choisi les vainqueurs plus souvent que le hasard. Les impressions rapides de compétence semblent donc pouvoir jouer un rôle dans la manière dont les gens votent, même si un visage dit peu de la façon dont quelqu’un s’acquitterait de la tâche.
Qui d’autre s’y est essayé ?
Des étudiants coréens de Séoul ont choisi les vainqueurs de courses de gouverneurs et de sénateurs américains dans 62 % des cas à partir des visages des candidats, un peu plus souvent que les étudiants américains (60 %) (Na et al., 2015), bien qu’une étude ultérieure menée en Californie n’ait trouvé qu’environ 54 % pour les juges coréens et 55 % pour les juges américains (Lin et al., 2017). Des enfants suisses de 5 à 13 ans, après un jeu informatique consistant à naviguer de Troie à Ithaque, ont choisi lequel de deux visages ils voudraient comme capitaine de leur bateau ; leurs choix correspondaient aux vainqueurs des seconds tours des élections législatives françaises dans 64 % des cas (Antonakis & Dalgas, 2009). Trois macaques rhésus, observés avec un dispositif de suivi oculaire, ont regardé les perdants plus longtemps que les vainqueurs ; en comptant comme son choix le visage que le macaque regardait le moins, ils correspondaient au vainqueur dans 54,6 % des cas (Jiang et al., 2024, une prépublication pas encore publiée dans une revue). Un ordinateur entraîné sur les impressions que les gens ont des visages a choisi le vainqueur dans 65,5 % des courses au Sénat américain (Joo, Steen & Zhu, 2015). Et des étudiants qui ont vu chaque visage pendant seulement 1/30 de seconde ont tout de même jugé le vainqueur plus compétent que l’autre dans 55 % des cas (Mattes et al., 2010).
Deux résultats suggèrent que le visage lui-même joue un rôle moindre qu’il n’y paraît. Des étudiants à qui l’on a montré les photographies avec le visage découpé, ne laissant que les cheveux, les vêtements et l’arrière-plan, ont choisi le vainqueur dans 65 % des cas, contre 52 % pour les étudiants à qui l’on montrait le visage seul (Spezio et al., 2012). Et dans 30 courses, le candidat que les étudiants trouvaient plus attirant a perdu dans 77 % des cas (Mattes et al., 2010).
Comment fonctionne votre score
Ce test utilise 28 des 95 courses au Sénat de l’étude originale. Votre score est la part de vos choix qui ont gagné, en ne comptant que les paires où vous n’avez reconnu aucun des deux candidats. Choisir au hasard vous donnerait environ 50 %. Les autres barres du graphique sont les scores d’autres juges, chacun issu de sa propre étude et de son propre ensemble d’élections réelles ; elles constituent donc une référence approximative plutôt qu’une comparaison à périmètre égal.
Les photographies ne sont pas celles utilisées dans l’étude. Ce sont des photographies publiques des mêmes candidats, dont certaines prises des années après l’élection, et une photographie différente de la même personne peut changer l’impression qu’elle donne. Les scores de cette version n’ont pas encore été comparés à ceux de l’étude originale, et remporter une élection ne dit rien de la compétence réelle d’un candidat : le parti, le fait d’être sortant et le climat politique comptent davantage.
Crédits et sources des photographies
Photographies provenant de Wikimedia Commons, présentées recadrées et en niveaux de gris. Leurs auteurs ne cautionnent pas ce test.
- Dianne Feinstein: United States Congress, US Senate Photo.
- Tom Campbell: United States Congress.
- Debbie Stabenow: Unknown author.
- Spencer Abraham: Department of Energy..
- Mark Dayton: United States Congress.
- Rod Grams: United States Congress.
- Conrad Burns: Unknown.
- Brian Schweitzer: Office of Governor Brian Schweitzer.
- Rick Santorum: Biographical Directory of the United States Congress.
- Ron Klink: Unknown author.
- Mark Pryor: Unknown author.
- Tim Hutchinson: United States Senate.
- Saxby Chambliss: Unknown author.
- Max Cleland: Unknown.
- Tom Harkin: US Congress.
- Greg Ganske: Office of Congressman Greg Ganske.
- Susan Collins: Unknown author.
- Chellie Pingree: U.S. House of Representatives.
- Jim Talent: Unknown author.
- Jean Carnahan: Unknown.
- Lamar Alexander: Unknown author.
- Bob Clement: U.S. House of Representatives.
- Jay Rockefeller: Unknown author.
- Jay Wolfe: D. D. Meighen.
- Lisa Murkowski: United States Senate.
- Tony Knowles: Gillfoto.
- Blanche Lincoln: Unknown author.
- Jim Holt: Goodolclint.
- Barbara Boxer: Office of Senator Barbara Boxer.
- Bill Jones: Secretary of State of California.
- Chris Dodd: Unknown.
- Jack Orchulli: Jack_Orchulli_MilfordCT_October2010.jpg : Sgt. R.K. Blue derivative work: Jerzeykydd ( talk ).
- Mel Martinez: United States Department of Housing and Urban Development.
- Betty Castor: Unknown.
- Johnny Isakson: Unknown.
- Denise Majette: U.S. House of Representatives.
- Jim Bunning: Unknown author.
- Dan Mongiardo: Gage Skidmore.
- Barbara Mikulski: Unknown.
- E. J. Pipkin: Marylandstater.
- Kit Bond: United States Senate.
- Nancy Farmer: Missouri State Archives from Jefferson City, Missouri, United States.
- Richard Burr: Unknown author.
- Erskine Bowles: Official White House photo by Pete Souza.
- Tom Coburn: U.S. Senate Historical Office.
- Brad Carson: unknown, credited to US Congress.
- Arlen Specter: Unknown.
- Joe Hoeffel: Congressional Employee.
- Jim DeMint: United States Congress.
- Inez Tenenbaum: Consumer Product Safety Commission.
- John Thune: United States Senate.
- Tom Daschle: United States Senate.
- Patty Murray: United States Senate.
- George Nethercutt: United States House of Representatives.
- Russ Feingold: United States Senate.
- Tim Michels: Michael J. Rockett (Original) - Aaaccc (Derivative work).
Références
- Todorov, A., Mandisodza, A. N., Goren, A., & Hall, C. C. (2005). Inferences of competence from faces predict election outcomes. Science, 308(5728), 1623–1626. doi:10.1126/science.1110589
- Antonakis, J., & Dalgas, O. (2009). Predicting elections: Child’s play! Science, 323(5918), 1183. doi:10.1126/science.1167748
- Jiang, Y., Huttunen, A., Belkaya, N., & Platt, M. L. (2024). Monkeys predict US elections. bioRxiv preprint. doi:10.1101/2024.09.17.613526
- Joo, J., Steen, F. F., & Zhu, S.-C. (2015). Automated facial trait judgment and election outcome prediction: Social dimensions of face. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 3712–3720. doi:10.1109/ICCV.2015.423
- Mattes, K., Spezio, M., Kim, H., Todorov, A., Adolphs, R., & Alvarez, R. M. (2010). Predicting election outcomes from positive and negative trait assessments of candidate images. Political Psychology, 31(1), 41–58. doi:10.1111/j.1467-9221.2009.00745.x
- Lin, C., Adolphs, R., & Alvarez, R. M. (2017). Cultural effects on the association between election outcomes and face-based trait inferences. PLoS ONE, 12(7), e0180837. doi:10.1371/journal.pone.0180837
- Na, J., Kim, S., Oh, H., Choi, I., & O’Toole, A. (2015). Competence judgments based on facial appearance are better predictors of American elections than of Korean elections. Psychological Science, 26(7), 1107–1113. doi:10.1177/0956797615576489
- Olivola, C. Y., & Todorov, A. (2010). Elected in 100 milliseconds: Appearance-based trait inferences and voting. Journal of Nonverbal Behavior, 34(2), 83–110. doi:10.1007/s10919-009-0082-1
- Spezio, M. L., Loesch, L., Gosselin, F., Mattes, K., & Alvarez, R. M. (2012). Thin-slice decisions do not need faces to be predictive of election outcomes. Political Psychology, 33(3), 331–341. doi:10.1111/j.1467-9221.2012.00897.x
- Todorov, A., & Porter, J. M. (2014). Misleading first impressions: Different for different facial images of the same person. Psychological Science, 25(7), 1404–1417. doi:10.1177/0956797614532474
Foire aux questions
Qu’est-ce que je choisis ?
Dans chaque paire, choisissez le candidat qui vous semble le plus compétent, en vous fondant uniquement sur les photographies.
Qui sont les personnes sur les photographies ?
Chaque paire montre les deux principaux candidats d’une élection sénatoriale américaine de 2000, 2002 ou 2004. Leurs noms figurent dans les crédits photographiques en bas de cette page ; vous voudrez peut-être les lire après avoir terminé.
Et si je reconnais quelqu'un ?
Choisissez Je reconnais quelqu'un. Cette paire est exclue de votre score.
Y a-t-il une limite de temps ?
Non. Prenez tout le temps que vous voulez pour chaque paire. Retour vous ramène à une paire précédente si vous souhaitez modifier votre réponse.
Que signifient les barres du graphique ?
Votre barre est la part de vos choix qui ont gagné. Les autres indiquent à quelle fréquence les choix d’autres juges correspondaient au vainqueur dans des études publiées, juge par juge : un ordinateur entraîné sur des visages, des enfants de 5 à 13 ans choisissant un capitaine de navire, des étudiants coréens jugeant des politiciens américains, un adulte typique, des macaques rhésus (une étude pas encore publiée dans une revue), des personnes ayant vu chaque visage pendant 1/30 de seconde, et un pile ou face. Les images sont des illustrations, pas les participants des études. Chaque étude a utilisé son propre ensemble d’élections réelles ; considérez-les donc comme une référence approximative.
Pourquoi les 71,6 % de l’étude originale ne figurent-ils pas sur le graphique ?
Parce que ce n’est pas le score d’une seule personne. C’est la fréquence à laquelle le candidat jugé plus compétent par la plupart d’environ 40 personnes a gagné. Regrouper les choix de nombreuses personnes annule les erreurs de chacune, si bien qu’une foule bat chacun de ses membres : seules, les personnes choisissent le vainqueur environ 56 % du temps.
Puis-je refaire le test ?
Oui, mais une deuxième passation n’est pas un test inédit : vous aurez déjà vu les visages.
English
Español
Português
Deutsch
Français
Italiano
Polski
Українська
Русский
Türkçe
العربية
日本語
한국어
ไทย
汉语
Tiếng Việt
Bahasa 