Aller au contenu principal

Renforcement intermittent

Découvert (en partie par accident) par le psychologue béhavioriste B. F. Skinner dans les années 1950, le renforcement intermittent désigne un principe d'apprentissage contre-intuitif mais extrêmement robuste : une récompense délivrée de façon imprévisible génère un comportement plus persistant et plus résistant à l'extinction qu'une récompense délivrée systématiquement à chaque fois.

L'expérience de la boîte de Skinner​

Skinner étudie le comportement de rats et de pigeons dans une enceinte expérimentale (la "boîte de Skinner") équipée d'un levier délivrant de la nourriture selon différents programmes de renforcement. Observation clé : quand la nourriture n'est délivrée qu'une fois sur X pressions, de façon imprévisible pour l'animal (plutôt qu'à chaque pression, ou selon un intervalle fixe et prévisible), les animaux appuient sur le levier plus fréquemment, plus longtemps, et de façon plus résistante à l'arrêt des récompenses que dans les conditions de renforcement prévisible.

Les quatre programmes de renforcement de Skinner​

   RENFORCEMENT À TAUX FIXE           RENFORCEMENT À TAUX VARIABLE
   (nombre de réponses fixe            (nombre de réponses variable,
    avant récompense)                   imprévisible, avant récompense)

   Ex : récompense toutes les          Ex : récompense en moyenne toutes
   5 pressions, exactement             les 5 pressions, mais parfois
                                        après 1, parfois après 12...
   → Comportement ralentit juste       → RÉPONSE LA PLUS DENSE ET LA
     après chaque récompense             PLUS RÉSISTANTE À L'EXTINCTION
     (l'animal "sait" qu'il faut
     attendre)

   RENFORCEMENT À INTERVALLE FIXE      RENFORCEMENT À INTERVALLE VARIABLE
   (temps fixe avant qu'une            (temps variable et imprévisible
    récompense redevienne possible)     avant qu'une récompense redevienne
                                        possible)

   → Comportement en dents de scie     → Comportement plus RÉGULIER et
     (accélère juste avant l'échéance    soutenu dans le temps
     prévisible)

Le programme à taux variable (récompense après un nombre imprévisible de réponses) produit systématiquement le taux de réponse le plus élevé et le plus résistant à l'extinction (la disparition du comportement quand la récompense cesse totalement) — c'est ce principe précis qui explique le fonctionnement des machines à sous : le joueur ne sait jamais à l'avance si le prochain tour sera gagnant, ce qui maintient un engagement comportemental particulièrement difficile à interrompre.

Le lien avec la dopamine​

Comme vu dans le cours Dopamine et système de récompense, le système dopaminergique est particulièrement sensible à l'incertitude de la récompense — les travaux ultérieurs de Wolfram Schultz montrent que l'activité dopaminergique est maximale précisément quand la probabilité de récompense se situe autour de 50%, ni trop prévisible (proche de 0% ou 100%), ni totalement aléatoire au point de décourager l'apprentissage. Le renforcement intermittent découvert par Skinner en comportement animal trouve ainsi, des décennies plus tard, une explication neurobiologique cohérente au niveau du circuit dopaminergique.

Applications concrètes du principe​

Jeux d'argent et de hasard​

Les machines à sous sont conçues autour d'un programme à taux/ratio variable quasi pur — combiné à des éléments sensoriels renforçant l'anticipation (sons, animations lors des "presque-gains" — les near-misses, délibérément conçus pour renforcer le sentiment d'être "presque" gagnant).

Réseaux sociaux et notifications​

Le fait de ne pas savoir à l'avance si faire défiler son fil d'actualité, rafraîchir sa messagerie ou publier un contenu produira une gratification (likes, réponses, contenu intéressant) reproduit structurellement un programme de renforcement variable — un parallèle explicitement établi par plusieurs ingénieurs et chercheurs en design d'attention ayant travaillé dans l'industrie technologique, documenté dans plusieurs témoignages publics sur la conception délibérée de ces mécanismes.

Relations et manipulation psychologique​

Dans certaines dynamiques relationnelles problématiques, l'alternance imprévisible entre affection et froideur/rejet (plutôt qu'une réponse affective constante) peut renforcer un attachement paradoxalement plus fort et plus difficile à quitter — un mécanisme parfois évoqué pour expliquer certains cycles relationnels toxiques, à mettre en lien avec le cours Manipulation psychologique.

Éducation et dressage animalier​

Le principe est aussi utilisé de façon constructive : en dressage animalier et dans certaines approches éducatives, passer progressivement d'un renforcement systématique (pour établir un comportement) à un renforcement intermittent (pour le consolider et le rendre durable) est une stratégie délibérée et bien documentée.

Ce qu'il faut retenir​

  • Une récompense imprévisible (taux variable) produit un comportement plus fréquent et plus résistant à l'extinction qu'une récompense systématique — découverte de B. F. Skinner via l'expérimentation animale.
  • Le circuit dopaminergique est maximalement activé par une incertitude proche de 50% de probabilité de récompense, offrant une base neurobiologique à ce principe comportemental.
  • Ce mécanisme est directement exploité dans les jeux d'argent (machines à sous) et le design d'engagement des réseaux sociaux.
  • Il peut aussi expliquer, en partie, pourquoi certaines dynamiques relationnelles imprévisibles ("chaud-froid") créent un attachement paradoxalement renforcé.

Pour aller plus loin​

Tags :
Dernière mise à jour le