Vol à répétition : les récidivistes non kleptomanes apprennent moins des récompenses
Par Rédaction Savoir.fr · Publié le · Psychologie
Article rédigé avec une intelligence artificielle à partir de sources citées en fin de texte — notre méthode · signaler une erreur
Illustration : Domaine public — Public domain, via Wikimedia Commons
Une équipe de l’université de Kyoto a soumis des personnes condamnées à plusieurs reprises pour vol à une tâche de choix entre quatre machines à sous virtuelles. Publiée le 9 novembre 2026 dans la revue Frontiers in Psychology, l’étude conclut que les récidivistes qui ne souffrent pas de kleptomanie ajustent plus lentement leurs choix aux gains obtenus que des volontaires sans passé judiciaire.
Deux manières de voler à répétition
La psychiatrie distingue de longue date deux profils parmi les auteurs de vols répétés. La kleptomanie, classée parmi les troubles du contrôle des impulsions par le manuel diagnostique de l’Association américaine de psychiatrie (DSM-5), se définit par des envies récurrentes et irrésistibles de dérober des objets de peu ou pas de valeur marchande. Le vol dit « instrumental » obéit à une autre logique : il est motivé par le profit, la nécessité économique ou des tendances antisociales plus larges.
Le second cas paraît le plus simple à expliquer, puisque le voleur cherche un gain. L’équipe de Yukiori Goto, de l’école doctorale d’informatique de l’université de Kyoto, a voulu le vérifier. Selon le communiqué de l’université, la récidive en matière de vol atteint 70 % dans les cinq ans. Les systèmes judiciaires partent du principe que le vol relève d’une faute morale et personnelle, et comptent sur la menace ou l’exécution d’une peine pour en dissuader l’auteur. « Le vol instrumental étant un comportement de recherche de profit, on a cru, de façon superficielle, que l’apprentissage par renforcement y occupait une place centrale », voire qu’il était anormalement développé chez ces personnes, résume le chercheur. « Or nos résultats montrent clairement que le vol instrumental répété s’accompagne de déficits neurocomportementaux. »
Quatre machines à sous et un taux d’apprentissage
L’étude, menée au Japon, a réuni au départ 63 récidivistes et 53 témoins recrutés par des annonces dans la presse locale et dépourvus de tout casier judiciaire. Les récidivistes avaient tous été incarcérés pour vol, le plus souvent à l’étalage, et résidaient dans des centres de réinsertion ou des structures d’aide sociale. Seize d’entre eux, suivis dans une consultation spécialisée, avaient reçu un diagnostic de kleptomanie. Après les abandons, l’analyse porte sur 53 témoins, 12 récidivistes kleptomanes et 38 récidivistes non kleptomanes, âgés de 18 à 78 ans.
Chaque participant a joué à une tâche dite du « bandit à quatre bras », du nom donné en anglais aux machines à sous. À chacun des 160 essais, il devait choisir l’une de quatre machines en moins d’une seconde et demie, puis découvrait son gain. Les gains moyens de chaque machine dérivaient lentement et au hasard au fil de la partie, entre 1 et 100 points : la meilleure option d’un moment cessait de l’être un peu plus tard. Ce dispositif, plus court que celui décrit en 2006 par Nathaniel Daw et ses collègues, oblige à arbitrer sans cesse entre l’exploitation, qui consiste à rejouer la machine jugée la plus rentable, et l’exploration, qui consiste à en essayer une autre pour vérifier si elle n’est pas devenue meilleure.
Pour décrire ces choix, les chercheurs ont ajusté aux données plusieurs modèles mathématiques issus de l’apprentissage par renforcement. Le principe en est simple : l’individu attribue une valeur à chaque option, puis la corrige après chaque essai en fonction de l’écart entre le gain attendu et le gain obtenu, appelé erreur de prédiction de la récompense. Le taux d’apprentissage mesure la part de cet écart prise en compte à chaque mise à jour. Un taux élevé fait suivre de près les variations de l’environnement ; un taux faible rend les estimations lentes à se corriger. Un second paramètre, la température inverse, traduit la tendance à toujours choisir l’option la mieux notée.
Ce que montrent les résultats
Le modèle retenu pour les trois groupes est un apprentissage par renforcement classique, complété par un oubli progressif de la valeur des machines non choisies. Les récidivistes non kleptomanes se distinguent des témoins sur plusieurs mesures : un « regret cumulé » plus élevé, c’est-à-dire un écart plus grand entre les points gagnés et ceux qu’aurait rapportés le meilleur choix possible, moins de choix optimaux et moins de choix d’exploitation. Leur taux d’apprentissage est le plus bas des trois groupes. Les auteurs chiffrent la force de cette différence avec les témoins par un facteur de Bayes de 649 : les données sont environ 649 fois plus probables si les deux groupes diffèrent que s’ils sont identiques.
Aucune différence nette n’apparaît pour la température inverse, le taux d’oubli ou la tendance à changer de machine après un mauvais gain. Pour les récidivistes kleptomanes, les résultats restent « non concluants », ce que les auteurs attribuent à la petite taille du groupe.
Une partie des participants, témoins et récidivistes non kleptomanes, portait aussi pendant la tâche un dispositif de spectroscopie proche infrarouge (fNIRS), qui estime l’oxygénation du sang en dix points du cortex préfrontal. Dans les deux groupes, l’activité de régions dorsales et dorsolatérales varie avec la valeur attribuée aux options. Les chercheurs n’observent pas de différence de groupe dans cette relation, seulement des niveaux de base différents dans deux zones de l’hémisphère droit. Ils y voient des décalages de l’activité de base « plutôt qu’une réorganisation » des circuits qui suivent la valeur des choix.
Des conclusions à manier avec prudence
Pour l’université de Kyoto, ces résultats remettent en cause les conceptions sur lesquelles repose le système judiciaire actuel : si certains actes délictueux découlent d’un dysfonctionnement neurocomportemental, ces atteintes devront être prises en considération.
Les auteurs énumèrent eux-mêmes les limites de leur travail. La tâche ne portait que sur des gains : elle ne permet de rien conclure sur l’évitement des pertes ni sur la réaction à une peine légale. L’étude est transversale et ne suit pas les participants après leur sortie, si bien qu’elle ne relie pas le taux d’apprentissage à une nouvelle infraction. Le long séjour en institution a pu peser sur les performances. Le groupe kleptomane, enfin, était trop réduit pour une conclusion et n’a pas bénéficié de mesures cérébrales. Les chercheurs jugent nécessaires d’autres travaux pour établir comment ces déficits de calcul se traduisent dans les vols commis hors du laboratoire.
Pour comprendre
- Kleptomanie : la définition et l’étymologie du terme dans le dictionnaire Savoir.fr.
- Le conditionnement opérant : la procédure mise au point par Skinner pour étudier l’apprentissage par les conséquences d’un comportement.
- La sanction pénale : ce qui distingue la peine prononcée par le juge répressif des autres sanctions.
Sources
- Goto Y., Yoshino S., Kita C., Won M., Lee Y.-A., « Lower reward-based reinforcement learning underlying explore-exploit decision making in non-kleptomanic theft recidivists », Frontiers in Psychology, vol. 17, article 1997570, 9 novembre 2026 : DOI 10.3389/fpsyg.2026.1997570.
- Université de Kyoto, « Repeat thieves without kleptomania struggle to adapt to rewards in decision-making test », communiqué repris par Phys.org, 10 novembre 2026 : article.
- Université de Kyoto, « Repeat thieves show impaired ability to learn from consequences », News-Medical, 10 novembre 2026 : article.
vous devez être connecter pour déposer un commentaire connecter