Aller au contenu principal

©2025 Olivia Lopez - HEC Paris. Visuel généré avec Midjourney.

Changer ses habitudes dépend moins du contexte que de la motivation

La chercheuse Anastasia Buyalskaya montre que l’adoption d’une habitude n’a pas de durée universelle et dépend de chacun — un enjeu clé pour le management du changement.

L’essentiel
  • Apprentissage automatique : l’étude s’appuie sur de grands jeux de données et des algorithmes pour identifier les variables contextuelles influençant la formation des habitudes.
  • Démystification des 21 jours : il n’existe pas de durée fixe pour adopter une nouvelle habitude.
  • Le contexte est clé : certaines variables ont peu d’effet, tandis que d’autres jouent un rôle déterminant.

Et si tout ce que nous pensions savoir sur la formation des habitudes était erroné ? De la fameuse règle des 21 jours aux recettes de motivation censées fonctionner pour tous, la plupart des conseils en la matière simplifient à l’extrême un processus qui est en réalité profondément contextuel et variable.

Notre recherche — co-écrite avec Hung Ho (University of Chicago), Xiaomin Li et Colin Camerer (California Institute of Technology), ainsi que Katherine L. Milkman et Angela L. Duckworth (University of Pennsylvania) — mobilise l’apprentissage automatique pour démontrer à quel point nos routines dépendent du temps, du lieu et de schémas que nous ne percevons même pas.

Quand l’IA prédit nos routines

Si vous avez déjà essayé de reprendre le sport, vous savez à quel point il est difficile d’en faire une habitude. Dans les premières semaines, le simple fait de se changer et d’aller à la salle demande un effort considérable. L’activité elle-même peut paraître inconfortable, voire décourageante. Mais, avec le temps, si vous persévérez, votre condition physique s’améliore — et vous commencez même à attendre ce moment avec impatience.

Un mythe répandu affirme qu’il suffit de 21 jours pour transformer un comportement en habitude. Ce chiffre est pourtant sans fondement scientifique.

C’est justement ce manque d’ancrage scientifique qui nous a conduit à nous pencher sur la question de la formation des habitudes. Notre méthode : appliquer le machine learning (apprentissage automatique), une branche de l’intelligence artificielle, à des comportements humains dans des environnements naturels. Cette publication constitue la première utilisation de cette technologie pour analyser les mécanismes d’adoption des habitudes dans la vie réelle.

Des enseignements utiles pour favoriser les bons réflexes au travail

Leurs conclusions remettent en cause les idées reçues. Contrairement à ce que suggèrent certains modèles simplistes, il n’existe pas de durée standardisée (en jours, semaines ou mois) pour ancrer une habitude.

En étudiant deux comportements — l’exercice physique et le lavage des mains — l’équipe a observé des délais d’adoption très variables. Il faut souvent plusieurs mois pour intégrer le sport dans sa routine. En revanche, le lavage des mains devient régulier en quelques jours ou semaines.

Du sport à l’hôpital : l’ingénierie des habitudes en pratique

Jusqu’à récemment, les recherches sur les habitudes s’appuyaient principalement sur des enquêtes auto-déclaratives, sujettes aux biais et limitant la taille des échantillons.

Grâce aux données enregistrées automatiquement — par exemple, les passages à la salle de sport via badge — et au traitement via machine learning, l’étude a pu analyser le comportement de plus de 60 000 utilisateurs sur une période de 14 ans. Ces données ont été fournies par 24 Hour Fitness, une chaîne nord-américaine de salles de sport.

Nous avons sélectionné environ 30 000 utilisateurs actifs depuis plus d’un an et ont étudié leur comportement dès leur inscription. Nous avons observé des variables telles que la fréquence des visites ou les jours spécifiques d'entraînement.

Concernant le lavage des mains, les données provenaient de 30 hôpitaux, via une technologie RFID, enregistrant les moments d’entrée et de sortie de pièces ainsi que les gestes de désinfection. L’étude couvre plus de 3 000 employés hospitaliers sur une année.

Mieux cibler les interventions grâce aux bons prédicteurs

Les résultats montrent que certaines variables sont peu pertinentes, tandis que d’autres sont fortement prédictives. Par exemple, plus une personne laisse de temps entre deux séances de sport, moins elle est susceptible de s’y tenir. Le jour de la semaine est également un facteur-clé, notamment les lundis et mardis, qui ressortent comme les plus engageants.

Nous avons découvert que certaines variables avaient très peu d'influence sur la formation d'une habitude, tandis que d'autres facteurs se révélaient déterminants.

Nous avons aussi analysé les effets du programme StepUp Challenge, conçu pour inciter à une fréquentation régulière des salles. Celui-ci a eu davantage d’impact sur les utilisateurs irréguliers que sur ceux déjà disciplinés — ce qui confirme une hypothèse connue : plus une habitude est ancrée, moins la motivation externe influe sur le comportement.

Dans les hôpitaux, la formation de l’habitude du lavage des mains a été beaucoup plus rapide : environ deux semaines, ou 9 à 10 gardes successives suffisent. Le facteur le plus prédictif : le respect des règles lors du shift précédent. De plus, 66 % des employés étaient influencés par les comportements de leurs collègues. Enfin, le lavage était plus fréquent en sortant des chambres qu’en y entrant.

Pourquoi certaines habitudes s’installent plus vite que d’autres ?

Comment expliquer cette différence ? L’hypothèse la plus probable : aller à la salle de sport est une action plus complexe et moins fréquente que se laver les mains. Le lavage des mains est souvent automatisé par des séquences gestuelles simples. En revanche, le sport nécessite toujours un effort conscient, même lorsque cela devient régulier : planification, transport, changement de tenue… autant d’étapes qui rendent la tâche moins « automatique ».

Applications

Cette recherche éclaire les mécanismes réels de la formation d’habitudes dans la vie quotidienne. Elle ouvre des perspectives concrètes pour :

  • les entreprises développant des produits « addictifs » positivement, favorisant l’usage récurrent ;
  • les managers cherchant à encourager des comportements durables chez leurs équipes (bien-être, sécurité, performance).

Methodology

Nous avons développé développé une méthodologie d’apprentissage automatique adaptée à l’analyse de données longitudinales et récurrentes (panel data). Nous avons utilisé l’approche PCS (Predicting Context Sensitivity), combinée à une régression LASSO (Least Absolute Shrinkage and Selection Operator), une méthode sans hypothèse préalable. Le modèle identifie les variables contextuelles les plus prédictives de chaque comportement individuel, et génère un score de prévisibilité comportementale personnalisé.

Pour aller plus loin

Une traduction assistée par LLM.

Sources

Cet article s’appuie sur l’étude « What can machine learning teach us about habit formation? Evidence from exercise and hygiene », publiée en avril 2023 dans PNAS (Proceedings of the National Academy of Sciences). Les co-auteurs incluent Anastasia Buyalskaya (HEC Paris), Hung Ho (University of Chicago), Xiaomin Li et Colin Camerer (California Institute of Technology), ainsi que Katherine L. Milkman et Angela L. Angela L. Duckworth (University of Pennsylvania). D’autres sources journalistiques ont également été utilisées.

L’auteur
Prof. Anastasia Buyalskaya
Professeure assistante - Marketing

Anastasia Buyalskaya mène des recherches visant à mieux comprendre les mécanismes de la prise de décision, en particulier dans le domaine financier. Ses travaux actuels portent sur la formation et la rupture des habitudes financières, l’utilisation des produits financiers comme vecteurs d’identité...

Dare, la newsletter

Chaque mois, les sujets qui comptent et les personnes qui osent.