L’art de décider dans l’incertitude

Chapitre 1 — Le goulot d’étranglement a changé de camp

Dans une compagnie d’assurance étudiée par Kahneman, Sibony et Sunstein en 2021, des souscripteurs chargés d’évaluer séparément les mêmes dossiers ont produit des primes dont l’écart médian atteignait 55 % — cinq fois ce que leurs dirigeants jugeaient plausible¹. Le chapitre 4 y reviendra ; il suffit ici à poser le problème : ces souscripteurs ne manquaient pas d’information. Il leur manquait un moyen d’attribuer un poids honnête à ce qu’ils croyaient savoir.

Ce livre défend une méthode de décision applicable là où la certitude est hors d’atteinte : marchés qui se retournent, réglementations mouvantes, données contradictoires, signaux produits en masse par des systèmes automatiques. Le problème n’est pas nouveau ; son intensité l’est. Jamais une organisation n’a eu accès à autant d’information, et jamais la part réellement vérifiable n’en a été aussi faible. Paradoxe connu : l’abondance documentaire n’a pas réduit l’incertitude décisionnelle, elle l’a déplacée. Le goulot d’étranglement n’est plus la collecte. C’est le tri, la vérification, et l’attribution d’un poids honnête à ce que l’on croit savoir.

Que devient une méthode quand le travail qu’elle organisait — trouver — n’est plus celui qui manque ? Elle échoue de deux façons symétriques. La paralysie par l’analyse consume l’opportunité pendant qu’elle cherche une certitude qui ne viendra pas. La décision précipitée confond la vitesse avec la lucidité et engage des ressources sur des signaux non recoupés. Entre ces deux échecs il existe un espace étroit, qui se travaille avec de la discipline, non avec du flair : des décisions défendables.

Un socle conceptuel sépare d’abord les régimes d’incertitude, parce qu’on ne traite pas de la même manière un aléa mesurable et une ignorance profonde. Viennent ensuite les outils : croiser les méthodes de recherche pour ne pas dépendre d’un seul mode de lecture du réel, hiérarchiser ce que l’on croit savoir, décomposer une question massive en sous-questions vérifiables, faire subir à chaque affirmation un contrôle à plusieurs étages, dater ce qui se périme, traquer les références fantômes, et reconnaître — formellement — le moment où il faut s’abstenir de conclure. Le livre se referme sur la robustesse et l’apprentissage : décider quand aucun modèle du futur ne fait consensus, et transformer chaque décision passée en capital cognitif plutôt qu’en simple souvenir.

La mise en œuvre combine des outils — moteurs de recherche croisés, bases de connaissances, journaux de décision — et des disciplines humaines : esprit critique, recherche contradictoire, audit indépendant. Certains rétorqueront que l’automatisation absorbera ces disciplines. Ce livre défend la thèse inverse : la technologie augmente la capacité de traitement, elle ne remplace pas l’architecture du choix. Cette architecture commence par dire ce que l’incertitude n’est pas.

[Fin du chapitre 1.]