Frontières de la psychologie

Introduction

Les données d’une enquête récente rapportent que les managers sont trois fois plus susceptibles d’embaucher un travailleur mature que d’embaucher un millénaire (né entre 1980 et 2000 ; Rainer et Rainer, 2011) malgré le fait qu’ils aient désespérément besoin de leurs talents créatifs1. Les travailleurs matures attirent les recruteurs car ils sont considérés comme plus fiables et plus engagés que les milléniaux. Le dilemme pour les managers est donc d’embaucher des millennials à la fois diligents et créatifs.

Des études récentes ont montré que les entreprises peuvent sécuriser l’embauche de millennials diligents en s’appuyant sur des mesures de compétences cognitives. Par exemple, l’intelligence s’est avérée être le principal facteur prédictif de la performance globale au travail dans une grande variété de professions et à travers l’âge et le sexe (par exemple, Hunter et Hunter, 1984 ; Olea et Ree, 1994 ; voir Schmidt, 2009 pour une revue). Il a été constaté que les mesures standard de la capacité cognitive sont corrélées positivement avec la performance des tâches (Schmidt et al., 1986 ; Murphy, 1989) et négativement avec les comportements professionnels contre-productifs tels que le vol ou l’absentéisme (Dilchert et al., 2007). De plus, les résultats d’une étude récente suggèrent que ces effets peuvent être médiatisés par les styles cognitifs des individus (Corgnet et al., 2015b). En particulier, Corgnet et al. (2015b) constatent que les milléniaux caractérisés par un style plus réfléchi (tel que mesuré par le Cognitive Reflection Test ; Frederick, 2005) sont plus diligents, affichant des niveaux plus élevés d’exécution des tâches et des niveaux plus faibles de comportements de travail contre-productifs2. Une mise en garde cruciale est de savoir si l’embauche des milléniaux sur la base de mesures cognitives peut en fin de compte sélectionner des travailleurs moins créatifs. Pour aborder ce point, nous devons évaluer la relation entre les compétences cognitives et la créativité.

Traditionnellement, l’intelligence et la créativité ont été considérées comme non liées (Getzels et Jackson, 1962 ; Wallach et Kogan, 1965 ; Batey et Furnham, 2006 ; Sawyer, 2006 ; Weisberg, 2006 ; Runco, 2007 ; Kaufman, 2009 ; Kim et al., 2010). Dans une méta-analyse, Kim (2005) constate que la corrélation entre les résultats des tests de créativité et le QI varie considérablement et est, en moyenne, faible (r = 0,174).

Cependant, un consensus croissant a émergé dans les recherches récentes soulignant une relation étroite entre l’intelligence et la performance créative (voir Silvia, 2015, pour une revue). Ce consensus émergent s’appuie fortement sur des études récentes qui ont employé des techniques statistiques plus sophistiquées et des méthodes d’évaluation plus robustes que les recherches antérieures sur le sujet. Par exemple, l’utilisation de modèles de variables latentes a permis aux chercheurs de découvrir une relation positive et significative entre la créativité et l’intelligence à partir de données d’études antérieures qui faisaient état de corrélations non significatives (Silvia, 2008b). La récente vague de recherches sur l’intelligence et la créativité a également permis d’améliorer l’évaluation traditionnelle de la créativité qui reposait exclusivement sur des méthodes de notation basées sur l’originalité et le caractère unique des réponses aux tâches créatives (telles que trouver des utilisations inhabituelles pour un objet). Ces méthodes de notation traditionnelles sont imprécises car elles confondent plusieurs facteurs, comme la fluidité et la taille de l’échantillon (Hocevar, 1979 ; Silvia et al., 2008), et peuvent donc conduire à des estimations inexactes de la relation entre l’intelligence et la créativité (Silvia, 2008a ; Nusbaum et Silvia, 2011). Les résultats de cette nouvelle vague de recherches sur la créativité et l’intelligence ont été pris comme preuve que la cognition exécutive est sans aucun doute bénéfique à la pensée créative (Silvia, 2015).

Pour autant, bien qu’il existe un lien évident entre l’intelligence et la cognition exécutive, du point de vue de la théorie moderne du double processus (Evans, 2008, 2009 ; Stanovich, 2009, 2010 ; Evans et Stanovich, 2013), il convient de distinguer les processus cognitifs algorithmiques et réflexifs. Les processus algorithmiques sont généralement associés à l’efficacité de calcul et sont mesurés par des tests d’intelligence standard, tandis que le traitement réflexif est associé à une disposition à utiliser les ressources de l’esprit algorithmique, c’est-à-dire à passer de la pensée autonome de « type 1 » à la pensée analytique de « type 2 » (dépendant de la mémoire de travail). L’esprit réfléchi a donc une définition basée sur la disposition (« styles cognitifs », réfléchi vs. intuitif) et n’est pas mesuré de manière adéquate par les tests d’intelligence standard (qui évaluent les « capacités cognitives ») mais par des tâches de réflexion cognitive comme le test de réflexion cognitive (CRT ; Frederick, 2005). Les individus caractérisés par un esprit plus réfléchi ont tendance à montrer des niveaux plus élevés de maîtrise de soi et des niveaux plus faibles d' »impulsivité cognitive » (Frederick, 2005 ; Kahneman et Frederick, 2007 ; Cokely et Kelley, 2009 ; Oechssler et al., 2009 ; Toplak et al., 2011 ; Brañas-Garza et al., 2012).

Dans cette perspective, on peut conjecturer que la réflexion cognitive peut être liée négativement à la créativité. C’est le cas parce qu’un certain nombre d’études suggèrent que la capacité à contrôler son attention et son comportement peut même être préjudiciable à la réflexion créative (pour une revue, voir Wiley et Jarosz, 2012a). Par exemple, il a été démontré que la résolution créative de problèmes présente une relation positive avec une intoxication alcoolique modérée (Jarosz et al., 2012), connue pour altérer l’inhibition et le contrôle attentionnel (Peterson et al., 1990 ; Kovacevic et al., 2012 ; Marinkovic et al., 2012). De même, un style de pensée  » expérientiel  » (qui correspond au traitement de type 1) s’est avéré corrélé positivement avec la performance créative (Norris et Epstein, 2011).

Comme mentionné, la littérature passée est arrivée à des conclusions contradictoires concernant le fait que la cognition exécutive favorise (par ex, Nusbaum et Silvia, 2011 ; Beaty et Silvia, 2012 ; Silvia, 2015) ou entrave (par exemple, Eysenck, 1993 ; Kim et al., 2007 ; Ricks et al., 2007 ; Norris et Epstein, 2011 ; Jarosz et al., 2012 ; Wiley et Jarosz, 2012b) la pensée créative. La théorie du double processus peut réconcilier ces résultats apparemment contradictoires en posant que la créativité peut être générée par un mélange de processus de type 1 et de type 2 (Allen et Thomas, 2011 ; Ball et al., 2015 ; Barr et al., 2015 ; voir Sowden et al., 2015, pour une revue). Il s’ensuit que l’approche à double processus définit un programme de recherche prometteur basé sur l’évaluation du mélange exact de processus de type 1 et de type 2 qui soutient la créativité, ainsi que sur l’analyse séparée de l’effet des processus algorithmiques et réflexifs de type 2 sur la pensée créative.

Suivant une approche à double processus, Barr et al. (2015) trouvent des preuves expérimentales d’un effet important des processus analytiques contrôlés de type 2 sur la pensée créative convergente et divergente (Guilford, 1967). En particulier, ils constatent que les capacités cognitives (mesurées comme la combinaison des compétences numériques et verbales) et le style cognitif réfléchi (moyenne des scores dans les tâches CRT et de problèmes de base) covarient positivement avec la capacité d’une personne à faire des associations à distance, c’est-à-dire avec la pensée créative convergente. En ce qui concerne la pensée créative divergente, Barr et al. (2015) montrent que la capacité cognitive, mais pas la réflexion cognitive, prédit des scores d’originalité plus élevés dans une tâche d’utilisations alternatives. La fluidité dans cette dernière tâche, cependant, n’était pas corrélée avec l’une ou l’autre mesure cognitive.

Dans cet article, nous utilisons une approche similaire à celle de Barr et al. (2015) et étudions comment les deux types de processus cognitifs affectent la créativité. En particulier, nous analysons comment les capacités cognitives (mesurées à l’aide de Raven comme test de l’intelligence fluide) et les styles cognitifs (intuitif vs réfléchi ; comme mesuré par le CRT) sont liés à la pensée créative convergente et divergente. Nous étendons Barr et al. (2015) en analysant d’autres mesures de la pensée divergente, telles que la flexibilité et l’élaboration, et en explorant les non-linéarités possibles entre la créativité et les mesures cognitives.

Vu les résultats contradictoires concernant la question de savoir si la cognition exécutive est bénéfique ou nuisible à la pensée créative, nous conjecturons qu’il pourrait exister une relation non linéaire entre différentes mesures de la créativité et de la cognition. Plus précisément, il se pourrait qu’un niveau minimum de cognition exécutive soit nécessaire à la performance créative mais que, au-delà d’un certain niveau, la relation disparaisse ou devienne même négative. Cela pourrait expliquer pourquoi les résultats précédents semblent être incohérents. Un raisonnement similaire a été proposé dans le cadre de l’hypothèse dite « du seuil » de la relation entre le QI et la créativité (Guilford, 1967 ; Jauk et al., 2013). L’hypothèse du seuil stipule que l’intelligence est positivement liée à la pensée créative pour les faibles niveaux de QI, mais que la relation s’estompe pour les niveaux de QI élevés. Des arguments similaires sont avancés dans des comptes rendus récents de l’hypothèse du « génie fou » : des niveaux modérés de dysfonctionnement du contrôle inhibiteur ou descendant, caractéristiques des populations psychiatriques subcliniques (par exemple, les troubles légers du TDAH et de la schizophrénie), peuvent stimuler la créativité dans certaines conditions, tandis que des niveaux cliniquement sévères conduisent généralement à une pensée créative appauvrie (Schuldberg, 2005 ; Abraham et al, 2007 ; Jaracz et al., 2012 ; Acar et Sen, 2013 ; Abraham, 2014).

Méthodes

Participants et protocole général

Les participants étaient 150 étudiants (46,67% de femmes ; âge : moyenne ± ET = 20,23 ± 1,96) de l’Université Chapman aux États-Unis. Ces participants ont été recrutés à partir d’une base de données de plus de 2000 étudiants. Les invitations à participer à l’étude actuelle ont été envoyées à un sous-ensemble aléatoire de l’ensemble de la base de données. Cette étude fait partie d’un programme de recherche plus vaste sur la cognition et la prise de décision économique. Le conseil d’examen institutionnel local a approuvé cette recherche. Tous les participants ont fourni un consentement éclairé écrit avant de participer. Nous avons mené un total de 12 sessions, dont neuf comptaient 12 participants et trois 14. En moyenne, les sessions ont duré 45 minutes. Tous les sujets ont effectué les mêmes tâches dans l’ordre suivant : (1) CRT, (2) test de Raven, (3) tâche d’association à distance, (4) tâche d’utilisation alternée. Les sujets disposaient de 6 min pour effectuer chaque tâche et d’une pause de 2 min après avoir effectué le test de Raven.

Mesures

Évaluation des capacités cognitives

Les participants ont effectué un sous-ensemble du test des matrices progressives de Raven (Raven, 1936). Plus précisément, nous avons utilisé le nombre impair des trois dernières séries de matrices (Jaeggi et al., 2010 ; Corgnet et al., 2015a). Le nombre de matrices correctement résolues dans le test de Raven (dans notre échantillon, allant de 9 à 18, moyenne ± SD = 14,40 ± 2,42 pour les hommes et 14,47 ± 2,16 pour les femmes) est une mesure conventionnelle des capacités cognitives. Ce test capture un aspect important du traitement cognitif qui est appelé intelligence fluide et qui est étroitement lié à la pensée algorithmique (Stanovich, 2009, 2010).

Évaluation du style cognitif

Nous avons mesuré la tendance des participants à s’appuyer sur l’intuition vs la réflexion en utilisant le CRT introduit par Frederick (2005). Ce test se caractérise par l’existence d’une réponse incorrecte qui vient automatiquement à l’esprit mais qui doit être dépassée afin de trouver la solution correcte. Aux questions originales du CRT, nous avons ajouté quatre questions récemment développées par Toplak et al. (2014). Cette tâche étendue (voir texte S1) nous permettra de découvrir des relations potentiellement non linéaires qui seraient difficiles à observer en utilisant la tâche classique à trois items (Frederick, 2005). Dans le tableau S1, nous affichons la proportion de sujets ayant répondu correctement à chaque question, répartis par sexe. Comme prévu, les hommes ont mieux réussi le test que les femmes (Frederick, 2005 ; Bosch-Domènech et al., 2014). Notre mesure de la réflexion cognitive est donnée par le nombre total de réponses correctes (de 0 à 7). La distribution complète des bonnes réponses par les hommes (moyenne ± ET = 4,09 ± 2,31) et les femmes (moyenne ± ET = 2,89 ± 2,03) est fournie dans la figure S1.

Pensée créative convergente

Nous avons utilisé un sous-ensemble du test d’association à distance (RAT ; Mednick, 1962) pour mesurer la capacité des sujets à faire des associations à distance. En particulier, on a montré aux sujets 13 ensembles de trois mots (par exemple, veuve-bite-singe) et on leur a demandé de trouver un mot qui se rapporte aux trois mots fournis (dans cet exemple, la solution est « araignée »). Notre mesure de la pensée convergente est le nombre de problèmes correctement résolus (de 0 à 13).

Pensée créative divergente

Nous avons mesuré la pensée divergente en utilisant une variante de la tâche d’utilisation alternative (AUT ; Guilford, 1967). Les participants avaient pour instruction de proposer autant d’utilisations inhabituelles d’un stylo que possible pendant 6 min. Nous avons construit quatre mesures différentes de la pensée divergente : fluidité, originalité, flexibilité et élaboration. Nous avons mesuré la fluidité comme le nombre total de réponses fournies par un participant. Nous avons présenté à trois évaluateurs une liste aléatoire de réponses et leur avons demandé de noter le degré d’originalité de chaque entrée sur une échelle de Likert allant de 1 (pas du tout) à 5 (beaucoup). Nous avons calculé l’originalité comme la somme du score moyen des trois évaluateurs pour toutes les entrées fournies par un participant, divisée par le nombre total de réponses. À l’instar de Troyer et Moscovitch (2006) et de Gilhooly et al. (2007), toutes les réponses ont été classées en grandes catégories différenciées (par exemple, les utilisations du stylo en tant que tissu ou accessoire pour cheveux). Ensuite, la flexibilité a été mesurée comme le nombre de catégories différentes fournies par chaque participant. Enfin, l’élaboration fait référence à la quantité moyenne de détails (de 0 à 2) fournis par chaque participant.

Analyse statistique

Pour l’analyse des données, nous commençons par montrer les statistiques descriptives de toutes les mesures utilisées et leurs corrélations d’ordre zéro. Pour évaluer plus en détail les relations entre la créativité et les mesures cognitives, nous fournissons d’abord une représentation graphique en utilisant le lissage LOWESS (Cleveland, 1979 ; Cleveland et McGill, 1985). Nous effectuons ensuite des régressions par les moindres carrés ordinaires qui nous permettent de tester la signification statistique des relations linéaires et non linéaires qui ont été montrées dans les graphiques LOWESS. Toutes les analyses ont été effectuées à l’aide de Stata 14.0.

Résultats

Statistiques descriptives et corrélations

Les moyennes, les écarts types et les corrélations sont présentés dans le tableau 1. Sans surprise, nous trouvons une corrélation positive modérée entre le nombre de bonnes réponses dans les tests CRT et Raven (r = 0,26, p < 0,01), ce qui suggère que le CRT et Raven ne mesurent pas entièrement les mêmes compétences cognitives (Frederick, 2005 ; Stanovich, 2009, 2010). De même, les différentes mesures de la pensée divergente (AUT) sont significativement corrélées (tous les p < 0,01), sauf pour l’originalité et la flexibilité (p = 0,28).

En ce qui concerne nos mesures cognitives, nous constatons que les scores de Raven (p < 0,01) et de CRT (p = 0.03) sont positivement corrélés avec la pensée convergente (RAT). Cependant, la relation entre les capacités cognitives et la pensée divergente est plus compliquée. Des niveaux élevés d’aptitudes cognitives (Raven) sont positivement corrélés avec l’originalité (p = 0,01) et l’élaboration (p < 0,01), mais négativement avec le nombre de réponses fournies (fluidité ; p = 0,04) et non corrélés avec la flexibilité (p = 0,20). Enfin, nous ne trouvons pas de corrélation significative entre les styles cognitifs (scores CRT) et aucune mesure de la pensée divergente (tous les p > 0,26).

Effets non linéaires et analyse de régression

Nous passons maintenant à l’étude des relations non linéaires possibles entre nos mesures de cognition et de créativité. La figure 1 présente toutes les relations étudiées à l’aide de LOWESS (largeur de bande = 0,8 ; Cleveland, 1979 ; Cleveland et McGill, 1985). LOWESS est une technique de lissage sans modèle basée sur des régressions pondérées localement qui permet de détecter les relations linéaires et non linéaires. Afin de comparer les tailles d’effet, nous standardisons toutes les mesures (écarts types par rapport à la moyenne). Nous avons également effectué des régressions par moindres carrés ordinaires pour évaluer la signification statistique des relations observées. Dans les tableaux S2-S6, nous présentons les résultats d’une série de régressions dans lesquelles nous avons estimé les effets linéaires et quadratiques de chacun des prédicteurs (Raven et CRT) séparément sur chaque mesure de créativité (colonnes à ). À partir de ces régressions, nous avons sélectionné les modèles présentant le meilleur ajustement, linéaire ou quadratique dans chaque cas, en utilisant le critère d’information d’Akaike (AIC) et nous les présentons dans le tableau récapitulatif 2. En outre, nous avons effectué des régressions similaires dans lesquelles les deux prédicteurs (termes linéaires et quadratiques) sont inclus simultanément (colonnes et dans les tableaux S2-S6) afin de tester les éventuels effets de médiation ou de confusion. L’interaction entre le CRT et les scores de Raven n’est jamais significative pour prédire la créativité (tous les p > 0,3) et n’est donc pas rapportée dans les tableaux par souci de concision. Les résultats restent qualitativement similaires si nous contrôlons également le sexe et l’âge.

Les modèles les mieux ajustés (tableau 2) rapportent une relation linéaire positive de la pensée convergente (RAT) avec les scores de Raven (p < 0,01) et de CRT (p = 0,03), ce qui est cohérent avec les corrélations positives et significatives rapportées dans la section précédente. Les tailles d’effet sont substantielles : dans les deux cas, une augmentation d’un écart-type du prédicteur est associée à environ 20 % d’une augmentation d’un écart-type de la RAT (0,22 et 0,17 pour Raven et la CRT, respectivement ; voir les coefficients dans le tableau 2). Il est intéressant de noter que l’effet de Raven sur la RAT reste significatif (p = 0,02) si nous incluons à la fois les scores de Raven et de CRT comme prédicteurs (voir colonne dans le tableau S2) alors que l’effet de CRT devient non significatif (p = 0,15). Ce résultat suggère que l’effet significatif des scores du CRT sur la pensée convergente est davantage dû à la capacité cognitive (les compétences de base en calcul sont également nécessaires pour résoudre correctement le CRT) qu’à la capacité de réflexion.

La relation entre nos mesures cognitives et la pensée divergente est plus complexe. Les modèles les mieux ajustés rapportent une relation linéaire et significative entre les capacités cognitives et toutes les mesures de la pensée divergente (tous les p < 0,03), à l’exception de la flexibilité (p = 0,22 ; voir tableau 2). Les sujets ayant un score de Raven plus élevé ont tendance à générer moins d’utilisations (fluidité plus faible), bien que celles-ci soient plus élaborées et originales. Encore une fois, pour ces trois mesures de créativité, une augmentation d’un écart-type de Raven produit une variation de la variable dépendante d’environ 20% d’un écart-type. L’effet de Raven sur la flexibilité semble être légèrement en forme de U dans la figure 1 mais les régressions ne signalent aucune relation linéaire ou quadratique significative (tous les p > 0,22 ; voir les colonnes et le tableau S5). Comme le montrent les colonnes et des tableaux S3-S6, l’effet de Raven sur les mesures de la pensée divergente reste pratiquement identique lorsque l’on contrôle la TRC, ce qui indique que la réflexion cognitive ne sert de médiateur à aucune de ces relations.

Contrairement aux résultats observés avec Raven, nous ne trouvons aucune relation linéaire significative entre les styles cognitifs et la pensée divergente (tous les p > 0,28 ; voir la colonne des tableaux S3-S6). Ces résultats se maintiennent lorsque nous contrôlons pour Raven (tous les p > 0,63 ; voir la colonne dans les tableaux S3-S6). Cependant, nous trouvons une relation significative en forme de U inversé de la TRC avec la fluidité et la flexibilité, comme indiqué dans le tableau 2 (p < 0,01 et p = 0,02, respectivement). Les sujets ayant un niveau moyen de réflexion cognitive ont tendance à produire plus de réponses et à utiliser plus de catégories que les sujets caractérisés par un style cognitif plus intuitif ou plus réfléchi. De plus, le fait que le coefficient du terme linéaire dans la spécification de la régression quadratique ne soit pas significativement différent de zéro dans les deux cas (p = 0,52 et p = 0,88, respectivement) indique que les niveaux maximums de fluidité et de flexibilité sont observés au score moyen du CRT, comme le suggère la figure 1. Les tailles d’effet sont comparables à celles rapportées ci-dessus dans la mesure où, dans les deux cas, le déplacement d’un écart-type au-dessus ou au-dessous du CRT moyen est associé à une diminution d’environ 20% d’un écart-type dans la variable dépendante. Cependant, les effets sont plus importants pour les valeurs de TRC plus extrêmes. Notez que la moitié des observations se situent en dehors de la fourchette moyenne ± un écart-type (voir également la figure S1). Le contrôle de Raven ne modifie pas ces relations (p = 0,01 et p = 0,02, respectivement ; voir la colonne des tableaux S4, S5), ce qui indique à nouveau une absence d’effets de médiation.

Discussion

L’approche à double processus de la cognition a été récemment suggérée pour réconcilier les résultats conflictuels précédents sur la relation entre la créativité et la cognition exécutive (Allen et Thomas, 2011 ; Ball et al., 2015 ; Barr et al., 2015 ; Sowden et al., 2015). Nous contribuons à cette littérature en différenciant l’esprit algorithmique et l’esprit réflexif (Evans et Stanovich, 2013), et en analysant leurs effets distincts sur la pensée convergente et quatre dimensions différentes de la pensée divergente. Nous reproduisons partiellement les résultats de Barr et al. (2015) en constatant que la capacité des individus à faire des associations à distance est corrélée positivement avec la capacité cognitive et la réflexion cognitive. Cependant, nous constatons que cet effet sur la pensée convergente est principalement induit par l’aptitude cognitive. De même que Barr et al. (2015), nous constatons également que des niveaux plus élevés d’habileté cognitive sont liés à des scores d’originalité plus élevés et à des scores de fluidité plus faibles dans la pensée divergente. Contrairement à Barr et al. (2015), nous analysons également les effets non linéaires et trouvons une relation en forme de U inversé entre la réflexion cognitive et nos mesures de flexibilité et de fluidité sur la tâche de pensée divergente. Ces nouveaux résultats suggèrent que les individus qui sont très délibératifs peuvent avoir un désavantage pour produire un grand nombre d’idées nouvelles et créatives.

Les modèles de créativité à double processus suggèrent que les processus génératifs et évaluatifs interagissent pendant le processus créatif (Finke et al., 1992 ; Basadur, 1995 ; Howard-Jones, 2002 ; Gabora, 2005 ; Nijstad et al., 2010 ; Gabora et Ranjan, 2013). Bien que ces modèles n’aient pas de correspondance directe avec les modèles de cognition à double processus, l’interaction entre les processus cognitifs de type 1 et de type 2 peut jouer un rôle différent dans les différentes phases du processus créatif. Dans cette ligne, Sowden et al. (2015) appellent à de futures recherches  » …pour étudier dans quelle mesure la créativité est déterminée par la capacité à passer d’un processus de réflexion de type 1 à un processus de type 2 en fonction des circonstances et du stade des processus créatifs  » (p. 55). Nos résultats suggèrent que la réflexion cognitive, c’est-à-dire la disposition à passer outre les réponses automatiques liées au traitement de type 1 et à s’engager dans une pensée contrôlée de type 2, a un effet complexe sur la pensée divergente. Dans une certaine mesure, la réflexion cognitive peut être nécessaire pour passer des processus génératifs aux processus évaluatifs impliqués dans la production de nouvelles idées. Cependant, les individus caractérisés par des niveaux élevés de réflexion peuvent être moins en mesure de s’appuyer sur leur esprit intuitif et autonome, qui peut également être nécessaire pour libérer son pouvoir créatif (par exemple, Dorfman et al., 1996 ; Norris et Epstein, 2011 ; Jarosz et al, 2012).

La constatation d’une relation en forme de U inversé entre la réflexion cognitive (et, par analogie, le traitement intuitif) et la créativité est cohérente avec les avancées récentes sur l' »hypothèse du génie fou » : des niveaux légers de dysfonctionnement du contrôle descendant peuvent être bénéfiques pour la créativité, mais une déficience grave entraîne de mauvaises performances créatives (pour une revue, voir Abraham, 2014).

La recherche neuropsychologique a montré une relation en forme de U inversé entre les taux de clignement oculaire spontané et la flexibilité dans les tâches de pensée créative divergente (Chermahini et Hommel, 2010). Dans la mesure où les taux de clignement des yeux reflètent l’activité dopaminergique (Karson, 1983), qui est à son tour liée au contrôle inhibiteur (Cohen et Servan-Schreiber, 1992), nos résultats sont conformes à la conclusion de Chermahini et Hommel (2010).

Au delà de son lien avec la recherche cognitive fondamentale, nos résultats offrent des perspectives aux gestionnaires à la recherche du talent créatif des millennials. Une implication essentielle de notre étude est que penser trop peut entraver des aspects importants de la pensée créative divergente. Ce résultat est d’une importance primordiale pour les gestionnaires d’embauche qui pourraient vouloir s’appuyer sur la réflexion cognitive comme principal critère pour recruter des milléniaux diligents (Corgnet et al., 2015b) et créatifs. Nos résultats suggèrent que les tests cognitifs utilisés pour recruter des travailleurs doivent être adaptés à la nature de l’emploi proposé. Par exemple, le recrutement pour des emplois qui requièrent fondamentalement de trouver des solutions bien définies à des problèmes (comme les emplois en comptabilité ou en actuariat) peut s’appuyer sur un mélange de tests d’aptitudes cognitives et de réflexion qui sont de bons prédicteurs de la pensée créative convergente et de la diligence. Cependant, le recrutement pour des emplois qui requièrent principalement une pensée créative divergente (comme les emplois en marketing, en design industriel ou en psychologie) ne devrait pas reposer uniquement sur des mesures cognitives. Le recrutement basé sur les compétences de réflexion cognitive peut en fait empêcher l’embauche de travailleurs hautement créatifs. Ces recommandations sont de plus en plus pertinentes car un nombre croissant d’emplois dans les économies modernes exigent une pensée créative divergente (Pink, 2005).

La présente recherche comporte certaines limites nécessaires auxquelles les recherches futures pourraient remédier. Pour rester concentrée, notre étude utilise une seule mesure de l’intelligence fluide (Raven) et une seule mesure du style cognitif (CRT). Les recherches futures pourraient évaluer la robustesse de nos résultats par rapport à d’autres mesures de l’intelligence fluide et du style cognitif, en étendant éventuellement l’analyse à l’intelligence cristallisée. Par ailleurs, notre échantillon était entièrement composé d’étudiants de premier cycle, avec une fourchette d’âge, d’éducation et de revenus limitée. Bien qu’il s’agisse d’un choix méthodologique qui nous a permis d’étudier la main-d’œuvre de demain, d’autres études pourraient évaluer la robustesse de nos résultats pour différentes populations. En ce qui concerne nos mesures de créativité, des recherches futures pourraient tenter d’étendre notre analyse au cas des tâches créatives pratiques que l’on rencontre couramment, par exemple, sur le lieu de travail. À cette fin, les recherches futures peuvent intégrer l’étude de la créativité dans un cadre organisationnel qui permet d’étudier la relation entre la résolution de problèmes sur le lieu de travail et les compétences cognitives.

Sur une note méthodologique, nous avons utilisé un ordre fixe de qui peut avoir influencé les résultats car, entre autres facteurs, la fatigue peut interférer avec les résultats des tests. Bien que la pause de 2 minutes au milieu de l’expérience ait pu atténuer les effets de débordement entre la première et la deuxième partie de l’expérience, des préoccupations subsistent. Nous encourageons les recherches futures à explorer les éventuels effets d’ordre. En outre, des recherches futures axées sur des analyses au niveau de l’état du rôle de l’intuition par rapport à la réflexion dans la performance créative sont nécessaires pour évaluer la robustesse (et la causalité) de nos résultats au niveau des traits et pour approfondir notre compréhension de la base cognitive de la créativité. Dans cette optique, il serait intéressant pour les recherches futures de tester l’effet de manipulations cognitives telles que la charge cognitive, l’épuisement de l’ego, l’amorçage ou la pression temporelle/le retard sur la performance créative. Nos résultats suggèrent que les recherches futures sur le sujet devraient tenter de saisir les effets potentiellement non linéaires en élaborant des plans expérimentaux qui permettent à ces effets de se matérialiser. Cela peut être fait, par exemple, en considérant au moins trois niveaux par condition de traitement.

Contributions des auteurs

Tous les auteurs énumérés, ont apporté une contribution substantielle, directe et intellectuelle au travail, et l’ont approuvé pour la publication.

Financement

Les auteurs reconnaissent le soutien financier de la Fondation internationale pour la recherche en économie expérimentale, l’Argyros School of Business and Economics de l’Université Chapman, le ministère espagnol de l’Éducation , le ministère de l’Économie et de la Compétence , le Plan Nacional espagnol I+D MCI , 2014-17, et Proyectos de Excelencia de la Junta Andalucía , 2014-18.

Déclaration de conflit d’intérêts

Les auteurs déclarent que la recherche a été menée en l’absence de toute relation commerciale ou financière qui pourrait être interprétée comme un conflit d’intérêts potentiel.

Matériel supplémentaire

Le matériel supplémentaire pour cet article peut être trouvé en ligne à : https://www.frontiersin.org/article/10.3389/fpsyg.2016.01626

Notes de bas de page