Le biais des survivants est une forme spécifique de biais de sélection qui se produit lorsque l'on analyse uniquement les individus, les objets ou les données qui ont survécu à un processus de filtrage, en ignorant ceux qui ont été éliminés. Cette focalisation sur les succès visibles conduit souvent à des conclusions erronées, car les échecs silencieux ne sont pas pris en compte. Par exemple, lors de la Seconde Guerre mondiale, l'armée américaine a initialement renforcé les zones des avions de combat les plus touchées par les balles, pensant que c'étaient les points les plus vulnérables. Le statisticien Abraham Wald a toutefois démontré que la vraie faiblesse se trouvait ailleurs : les zones non touchées sur les avions revenus étaient précisément celles qui, une fois endommagées, empêchaient l'avion de survivre. De même, dans le monde des affaires, on étudie souvent les entreprises à succès pour en tirer des recettes du succès, sans considérer toutes celles qui ont appliqué les mêmes stratégies et ont échoué. Pour éviter cette distorsion cognitive, il est essentiel de questionner la représentativité de l'échantillon, de rechercher activement les données manquantes et de comparer les survivants avec les non-survivants afin de reconstituer une image plus fidèle de la réalité.