Une erreur de généralisation hâtive ou généralisation abusive est une affirmation fondée sur des preuves insuffisantes. Au lieu d’examiner des exemples et des preuves qui correspondent beaucoup plus à une situation typique ou moyenne, vous tirez une conclusion sur une grande population en utilisant un petit échantillon non représentatif.
Cause
Une erreur de généralisation hâtive se produit lorsque les gens tirent une conclusion à partir d’un échantillon trop petit ou composé de trop peu de cas.
Lorsque nous essayons de comprendre et de proposer une règle générale pour une situation ou un problème, les exemples que nous utilisons doivent être typiques de la situation actuelle. Si nous ne considérons que des cas exceptionnels ou seulement quelques exemples d’un certain phénomène, nous commettons une erreur de généralisation hâtive. En d’autres termes, nous tirons des conclusions hâtives.
Un argument basé sur une généralisation hâtive passe d’énoncés particuliers à un énoncé général. Cependant, déduire une conclusion sur une classe entière de choses à partir de connaissances insuffisantes sur certains de ses membres est un saut logique.
Une généralisation hâtive suit généralement ce schéma :
Nous prenons un petit échantillon d’une population, l’échantillon étant généralement constitué de nos propres expériences.
Nous tirons une conclusion sur la base de ce petit échantillon.
Nous extrapolons notre conclusion à la population.
En d’autres termes, « si c’est vrai dans ce cas, alors c’est vrai dans tous les cas ».
Comment éviter une généralisation abusive ?
En statistique, l’erreur de généralisation hâtive est souvent le résultat d’un biais d’échantillonnage (c’est-à-dire lorsque l’on utilise un échantillon qui ne représente pas l’ensemble de la population ). Cela peut être accidentel ou intentionnel, comme dans le cas de statistiques trompeuses. Attention à faire des résumés d’échantillon représentatif (loi des grands nombres ou échantillonnage de Gibbs par exemple).
FR 
EN