L’étude des 11 196 couples : ce qui prédit vraiment la qualité d’une relation

Qui est Samantha Joel, et qu’est-ce que cette étude ?

Samantha Joel est une psychologue canadienne. Docteure de l’Université de Toronto (2015), passée par l’Université du Texas à Austin et l’Université de l’Utah, elle enseigne depuis 2018 à Western University, en Ontario, où elle dirige un laboratoire consacré aux décisions dans les relations amoureuses : pourquoi on s’engage, pourquoi on reste, pourquoi on part, et pourquoi on se trompe si souvent sur ces choix.

En 2020, elle signe avec Paul Eastwick et 84 autres chercheurs, dans la revue PNAS, l’étude la plus vaste jamais menée sur la question « qu’est-ce qui prédit la qualité d’une relation ? ». Plutôt que de lancer une nouvelle enquête, l’équipe a rassemblé 43 études longitudinales existantes, menées par des laboratoires du monde entier, soit 11 196 couples, et a fait tourner sur ces données des algorithmes d’apprentissage automatique.

Pourquoi ça compte pour ton couple : cette étude répond, avec des données massives, à la question que se posent tous les tests de couple, MyLoveLab compris. Faut-il mesurer qui tu es (ta personnalité, ton attachement, ton humeur) ou ce que tu vis dans la relation ? La réponse est nette, et elle a des conséquences directes sur ce qu’un test peut et ne peut pas te dire.

L’idée centrale

Ce qui prédit le mieux la qualité d’une relation, ce n’est pas la personnalité des deux personnes : c’est ce que chacun perçoit de la relation elle-même. À quel point je pense que l’autre est engagé, à quel point j’apprécie ce qu’il fait, notre satisfaction sexuelle, ce que je crois qu’il ressent, la quantité de conflits. Une fois ces perceptions connues, savoir si tu es anxieux, déprimé ou évitant n’ajoute presque rien. Et ce que ton partenaire répond de son côté ajoute peu par rapport à ce que tu perçois, toi.

Les concepts clés

Variables relationnelles et variables individuelles

L’étude range chaque question posée aux couples dans deux familles. Les variables individuelles décrivent une personne indépendamment de sa relation : satisfaction de vie, affects négatifs, dépression, anxiété et évitement d’attachement, traits de personnalité. Les variables relationnelles décrivent ce qu’une personne vit et perçoit dans ce couple précis : engagement perçu de l’autre, appréciation, satisfaction sexuelle, conflits. Toute la question était de savoir laquelle des deux familles pèse le plus.

L’engagement perçu de l’autre

Le prédicteur numéro un est ce que je crois de l’engagement de mon partenaire. Non pas son engagement réel, mesuré chez lui, mais ce que j’en perçois. Viennent ensuite l’appréciation (à quel point je me sens reconnaissant de ce qu’il apporte), la satisfaction sexuelle, la satisfaction que je lui attribue, et le niveau de conflit. Pour un couple, la leçon est concrète : rendre son engagement visible compte autant que l’éprouver.

La part de variance expliquée

Les chercheurs ne prédisent pas des couples un par un ; ils mesurent la part des différences entre couples que leurs variables permettent d’expliquer. Les variables relationnelles expliquent jusqu’à 45 % de la variance de la qualité de relation mesurée au même moment ; les variables individuelles, 21 %. Autrement dit, même avec les meilleures données, plus de la moitié de ce qui distingue un couple heureux d’un couple malheureux reste hors de portée des questionnaires.

Prédire l’avenir : beaucoup plus dur

Quand on essaie de prédire la qualité de la relation plusieurs mois ou années plus tard, les chiffres tombent : 18 % pour les variables relationnelles, 12 % pour les individuelles. La qualité d’un couple évolue pour des raisons que les questionnaires du départ ne captent pas : événements de vie, stress, décisions prises en route. C’est un résultat humble, et c’est sans doute le plus important de l’étude.

Ce que tu perçois compte plus que ce que l’autre déclare

Dernier enseignement : les réponses d’une personne sur elle-même prédisent sa satisfaction deux à quatre fois mieux que les réponses de son partenaire. Ce que l’autre dit de son engagement compte moins, pour ma satisfaction, que ce que j’en perçois. Ça ne veut pas dire que l’autre ne compte pas ; ça veut dire que le chemin passe par ma perception, donc par ce qu’il rend visible et par ce que je suis capable de voir.

Ce que dit la recherche

Méthode : 43 jeux de données longitudinaux, 11 196 couples, des questionnaires uniquement (pas d’observation en laboratoire). L’algorithme utilisé, les forêts aléatoires, est entraîné sur une partie des données et testé sur une autre, ce qui évite le piège classique des prédictions ajustées après coup. Les résultats sont ensuite comparés d’une étude à l’autre pour ne garder que ce qui se reproduit.

• Au même moment : les variables relationnelles expliquent jusqu’à 45 % de la variance de la qualité de relation, les variables individuelles 21 %.
• Dans le temps : 18 % et 12 % respectivement, pour la qualité mesurée à la dernière vague de chaque étude.
• Aucune valeur ajoutée des variables individuelles ni des réponses du partenaire, une fois prises en compte les perceptions relationnelles de la personne.
• Cinq prédicteurs relationnels en tête : engagement perçu du partenaire, appréciation, satisfaction sexuelle, satisfaction perçue du partenaire, conflit.
• Cinq prédicteurs individuels en tête : satisfaction de vie, affects négatifs, dépression, évitement d’attachement, anxiété d’attachement.

Deux autres travaux de Samantha Joel éclairent le tableau. En 2017, avec Paul Eastwick et Eli Finkel, elle a montré dans Psychological Science qu’avec plus de cent questionnaires remplis avant des rencontres en speed-dating, l’apprentissage automatique ne prédisait pas qui allait désirer qui : l’attirance pour une personne précise échappe aux traits. En 2021, avec Geoff MacDonald, elle a décrit un biais de progression : nous sommes portés à avancer dans une relation (s’engager, emménager, rester) plutôt qu’à en sortir, souvent sans nous demander si elle nous convient.

Les limites et les critiques

Première limite, assumée par les auteurs : tout repose sur des auto-questionnaires. Le prédicteur « satisfaction perçue du partenaire » est très proche de ce qu’on cherche à prédire, la satisfaction elle-même ; une partie des 45 % vient de là. Les mesures d’observation directe (ce que font les couples en conflit, ce que mesurent les capteurs) n’étaient pas dans les données, alors qu’elles apportent une information différente.

Deuxième limite : les 43 études viennent surtout d’Amérique du Nord et d’Europe, avec des couples majoritairement hétérosexuels, souvent étudiants ou jeunes mariés. La généralisation à d’autres cultures et à d’autres formes de couple n’est pas établie. Et l’apprentissage automatique dit quelles variables comptent, pas pourquoi : il n’y a pas de mécanisme, seulement des associations robustes.

Enfin, la limite la plus importante pour toi : cette étude parle de populations, pas d’un couple. Expliquer 45 % de la variance entre des milliers de couples ne permet pas de dire à un couple précis ce qui va lui arriver, et 18 % dans le temps encore moins. Aucun test, MyLoveLab compris, ne peut prédire l’avenir de ton couple. Il peut décrire son présent.

Comment MyLoveLab s’en sert

Cette étude a guidé la construction du test. D’abord dans le choix de ce qu’on mesure : le test pose surtout des questions sur ce que tu vis et perçois dans ta relation (sept dimensions relationnelles), et très peu sur ta personnalité. L’attachement, la seule variable individuelle qui pèse, est mesuré à part, avec des questions inspirées de l’échelle ECR-R, et croisé avec le reste. Ensuite dans ce que le test promet : un portrait de l’état actuel de la relation, jamais une prédiction. Enfin dans le programme, où l’engagement rendu visible et l’appréciation exprimée reviennent dans presque chaque dimension, de la Communication au Projet commun.

À lire

• Machine learning uncovers the most robust self-report predictors of relationship quality across 43 longitudinal couples studies · Article, 2020L’étude elle-même, publiée dans PNAS avec 86 auteurs : la référence de cette page.
• Is romantic desire predictable? Machine learning applied to initial romantic attraction · Article, 2017Le précédent : plus de cent questionnaires ne prédisent pas qui va désirer qui en speed-dating.
• We’re not that choosy: Emerging evidence of a progression bias in romantic relationships · Article, 2021Pourquoi on avance dans une relation par défaut, sans toujours se demander si elle nous convient.

Questions fréquentes

Références

1. Joel, S., Eastwick, P. W. et al. (2020). Machine learning uncovers the most robust self-report predictors of relationship quality across 43 longitudinal couples studies. Proceedings of the National Academy of Sciences, 117(32), 19061-19071.
2. Joel, S., Eastwick, P. W. & Finkel, E. J. (2017). Is romantic desire predictable? Machine learning applied to initial romantic attraction. Psychological Science, 28(10).
3. Joel, S. & MacDonald, G. (2021). We’re not that choosy: Emerging evidence of a progression bias in romantic relationships. Personality and Social Psychology Review, 25(4).
4. Gottman, J. M. & Levenson, R. W. (2000). The timing of divorce: Predicting when a couple will divorce over a 14-year period. Journal of Marriage and Family, 62(3), 737-745.
5. Heyman, R. E. & Slep, A. M. S. (2001). The hazards of predicting divorce without crossvalidation. Journal of Marriage and Family, 63(2), 473-479.
6. Karney, B. R. & Bradbury, T. N. (1995). The longitudinal course of marital quality and stability: A review of theory, method, and research. Psychological Bulletin, 118(1), 3-34.
7. Fraley, R. C., Waller, N. G. & Brennan, K. A. (2000). An item response theory analysis of self-report measures of adult attachment. Journal of Personality and Social Psychology, 78(2), 350-365.

Voir la bibliographie complète