Le chaos ou l’erreur: Peut-on se passer de prédiction?

La plupart des outils de management et de prise de décision repose sur l’idée que notre environnement est largement prédictible. C’est inexact et les conséquences sont parfois très importantes. Toutefois, la solution ne peut résider dans un abandon pur et simple de la prédiction, car les contraintes de la prise de décision font qu’elle reste nécessaire dans de nombreux contextes, malgré les risques évidents qu’elle crée. Que faire?

La plupart des managers auxquels j’expose les limites de notre capacité prédictive les admettent sans trop de difficulté (mais non sans douleur). Mais leur argument est alors le suivant:  J’ai bien compris les limites de ma capacité à prédire, mais je gère une usine de briquets et je ne peux pas définir mon niveau de production pour l’année prochaine en lançant un dé. Ce serait le chaos.

Si en effet vous êtes un fabricant de briquet et que vous devez lancer un nouveau modèle en Turquie, il est difficile de ne pas travailler avec une base prédictive: il y a des centaines, voire des milliers de choix à faire pour préparer le lancement: il faut mettre au point le produit, préparer son industrialisation, configurer l’usine, former les vendeurs, préparer le réseau de distribution, concevoir la campagne de communication, etc. Ces éléments disparates doivent être planifiés à l’avance pour être bien, sinon parfaitement, synchronisés afin que le lancement soit réussi. On est donc dans ce cas dans un paradigme nécessairement prédictif. Dit autrement, on peut être très sceptique sur la nature de notre environnement et être parfaitement conscient que des surprises peuvent survenir, on n’a pour autant pas d’autre choix que d’adopter un paradigme prédictif. Sans prédiction, c’est le chaos assuré, c’est à dire que l’on est sûr que le lancement sera raté. Parmi les milliards de combinaisons possibles, il n’y a aucune chance d’obtenir spontanément celle dans laquelle le briquet sort en temps et en heure. La prédiction est donc ici une condition nécessaire à la réussite du lancement car elle évite le chaos, c’est à dire l’échec assuré.

Chemin critique

Mais elle n’est pas suffisante: avec la prédiction, la réussite n’est bien évidemment pas certaine pour autant car ces fameuses surprises peuvent survenir pour fausser les prédictions. La mise au point de mon briquet peut s’avérer plus difficile que prévu, la machine-outil sur laquelle je comptais dans ma nouvelle usine peut être livrée en retard, ou une grève peut paralyser la Turquie au moment de mon lancement.

La prédiction évite donc le chaos certain et le remplace par l’échec possible. Elle permet d’éliminer les faux positifs c’est à dire qu’elle définit un espace de possibilités dont sont exclues les combinaisons de choix dont on est certain qu’elles ne fonctionneraient pas. Ainsi, je prévois trois mois de mise au point du produit car je sais que cela ne peut pas prendre moins de temps. Je sais aussi que la livraison dans le réseau ne peut se faire qu’une fois la fabrication terminée et que si j’attends que la fabrication soit engagée pour trouver un réseau de distribution au lieu de l’organiser à l’avance, je perdrai beaucoup de temps et d’argent.

Le droit de jouer

La prédiction est donc, ici, une condition nécessaire pour avoir le droit de jouer, en quelque sorte. On passe de l’échec certain à la réussite possible en définissant une sorte d’espace des possibles. Mais au-delà, que peut-on faire? En théorie rien de plus. L’incertitude régnant au sein de cet espace rend la prédiction hasardeuse. En pratique toutefois, ce qui sauve souvent le prévisionniste c’est que la plupart du temps il n’y a pas de grosse surprise; les systèmes évoluent de façon linéaire, c’est à dire que demain est grosso-modo la continuation d’hier, et surtout que l’ensemble des principaux paramètres qui déterminent l’environnement reste inchangé. C’est notamment le cas pour les marchés existants. La production de briquets ou de crèmes glacées de l’année prochaine sera déterminée par les mêmes paramètres que celle de cette année et les valeurs de ces paramètres ne changeront normalement pas de façon inattendue. Et de fait c’est ce qui se passe la plupart du temps. On peut même dire que ça se passe suffisamment souvent pour que l’approche prédictive soit conservée et qu’il soit raisonnable d’en faire le pari, même si cela reste un pari et que notre projet est fragile en conséquence.

On peut résumer l’approche ainsi:

  • Essayer d’éviter de baser nos décisions sur la prédiction autant que possible;

Si on doit prédire:

  • Investir dans l’amélioration des prédictions essentiellement en éliminant des faux positifs. On ne peut guère aller plus loin mais c’est déjà pas mal: il est toujours plus facile d’identifier avec certitude ce qui ne marchera pas que ce qui marchera. Dans quelle mesure cette approche réduit le champ des possibles et facilite vraiment la prise de décision n’est pas évident cependant…
  • Investir dans la préparation pour le cas où les prédictions s’avèrent fausses. En particulier, envisager l’impact pour les cas où elles seraient fausses de façon majeure. Une façon de procéder est de se ménager des marges au sein des prédictions. Cela réduira l’optimisation globale mais réduira également le risque.

L’idée d’identifier des zones d’incertitude rejoint la notion de cône d’incertitude proposée par le chercheur Paul Saffo; elle permet d’aller au-delà d’une opposition un peu stérile prédire/pas prédire.

13 réponses à “Le chaos ou l’erreur: Peut-on se passer de prédiction?

  1. Auriez-vous une référence à propos du cône d’incertitude de Paul Saffo ? Merci

  2. Merci pour cet article.
    Par rapport à la notion de cône d’incertitude, il me parait intéressant de rajouter une petite définition qui pourrait se résumer ainsi : « Plus une prévision est lointaine et plus elle est incertaine » de même, je rajouterais que l’empirisme affirme que : « la connaissance provient de l’expérience et que seul ce qui s’est passé peut être utilisé pour la prise de décision prospective ».
    En d’autres termes, pour que cela marche il faut que, les prédictions court terme soient faites très fréquemment et régulièrement puis confrontées à la réalité. Les prédictions long terme, quant à elles, doivent servir à dimensionner les risques potentiels et orienter la conception.
    Les prédictions long termes (très incertaines) peuvent servir à conditionner la réalisation et les choix en repoussant ceux qui seraient dimensionnant mais non critiques et qui empêcherait une future adaptation, au plus tard possible.

    Ainsi dans l’exemple du briquet, il pourrait être opportun de partir sur une expérimentation du marché avec le réseau de distributeur existant (même si il est sous dimensionné) et s’être mis en capacité de changer de réseau en cas de décollage des ventes sur la foi des résultats obtenus.
    Le fait de ne pas fixer trop tôt des conceptions, choix techniques, stratégies… qui seraient de nature à empêcher une adaptation future bouleverse nos façons de designer nos produits et services.
    C’est pourtant ce que font régulièrement les entreprise agiles. C’est le cas, par exemple, chez Tesla qui maximise la part du logiciel sur la part électronique (au design moins souple) de ses véhicules, surdimensionne les calculateurs au détriment apparent d’un logique de réduction de coût et autorise, par exemple, la mise à jour OTA (On the air) de ses calculateurs bords. On retrouve se genre de souplesse chez SAAB pour le design agile de son SAAB JAS39E Gripen qui réalise la prouesse d’être 10 fois moins cher en coût total cumulé par rapport à un Lockheed Martin F-35, ne coute que 20% du prix de son homologue à l’achat et propose une mise à jour de tout les systèmes tout les 6 mois. (https://www.scruminc.com/wp-content/uploads/2017/02/Release-version_Owning-the-Sky-with-Agile.pdf)

    Enfin, je rajouterait peut être une distinction entre complexité et chaos et irait chercher du coté de la matrice de Stacey pour mieux comprendre la différence entre les deux. Car à mon sens ce n’est la prédiction qui permettra de s’affranchir du chaos, car celui-ci n’est pas une conséquence, mais bien plutôt une caractéristique intrinsèque de l’environnement dans lequel nous nous positionnons.
    Pour conclure, je réserverais donc le modèle classique des prévisions initiales au systèmes simples ou compliqués, et appliquerai les méthodes prospectivistes agiles pour les systèmes complexes. Pour ce qui est des environnements purement chaotiques, la logique industrielle ne me semblant pas être compatible et je ferai donc l’impasse dans le cadre de cet article.

  3. Prédiction ou pas, j’ajouterai :
    • tracer les raisons qui ont conduit à faire tel où tel choix, afin d’être capable de remettre en cause tout ce qui doit l’être et rien d’autre en cas d’évolution.
    Perseverare diabolicum, mais encore faut-il s’en souvenir… Et les managers ont une fâcheuse tendance à ne pas appliquer à eux mêmes ce qu’ils exigent de leurs « grouillots techniques »

    • Je vois bien là poindre le paradigme d’apprentissage, si dangereux en situation de rupture…

      • Pas du tout. L’objectif n’est pas d’établir un modèle pérenne (ce que ferait un concepteur d’IA) mais « simplement » de ne pas transformer un choix initialement rationnel en une « vérité révélée ».

        Pour donner un exemple (à recaser ?) : la (magnifique) forêt de Tronçais a été plantée sous Louis XIV pour servir aux besoins de la construction navale militaire « de dans 400 ans ». Magnifique exemple de Politique Industrielle à long terme, comme seul l’état en est capable… 400 ans plus tard, non seulement la construction en bois était abandonnée (hors plaisance) mais quasiment plus personne n’était capable d’utiliser des arbres de cette taille. De temps en temps, un château à restaurer ou une réplique de bateau ancien à construire… On abat un arbre, des fois deux, on remet en état une ancienne scierie… C’est tout.
        Sauf que bien avant cela, quand tous ces arbres étaient encore en pleine croissance et nécessitaient de gros investissements (changement périodique des hêtres tout autour), les gens qui avaient une vision technique du besoin savaient que celui-ci avait disparu : le chêne frappé par un boulet produit des esquilles, qui causent l’essentiel des pertes lors d’un combat naval (hors « cuiller à pot »). Alors que le pitchpin n’avait pas ce défaut. Seulement, pour des décideurs qui ne voyaient que des « arbres » sur leurs registres (pas encore de tableurs à cette époque…), la décision de « faire pousser des arbres », quoique déconnectée du besoin par l’évolution technique, n’avait aucune « raison » d’être remise en cause, et ne l’a donc pas été.

        Je pourrais également citer la base d’hydravions prévue à Saclay, parce que les avions « terrestres » n’avaient pas la fiabilité suffisante pour traverser l’atlantique (la guerre aura mis fin à cette folie).
        Et des exemple de décisions devenues stupides mais maintenues car le lien avec ce qui les avait motivées a été perdu, il y en a plein le rapport de la cour des comptes

  4. Ca me rapelle la notion de « no regret solution » pour la gestion des risques comme climatique. devant le « uncertainty monster », il est très risqué de faire des prédiction et d’en tirer un plan d’action.

    Une meilleur solution est de voir ce qui marcherait aussi si on avait tort.
    parmi les solutions qui marche bien, il y a gonflet ses connaissance, acquérir des compétence, des stocks, des partenariats, des amis, pour pouvoir réagir à l’inimaginable.
    Il y a aussi s’enrichir, varier ses ressources…

    Si vous voulez résister à des ouragan, des innondations, des sécheresses, quand votre population vit avec 2$/jour… se développer à marche forcée est certainement plus efficace que de taxer le diesel, ou même embrigater toute la jeuness pour construire des barrages (les barrage étant une bonne idée si vous êtes riche, car on fait tout avec, irrigation, protection contre les innodation, stockage d’électricité intermittente, tourisme, pêche).

    dans une voiture, effectivement sur-spécifier le calculateur, les capteurs, le réseau de communications, ou mieux encore le rendre upgradable, est une bonne idée pour résister à une surprise stratégique.

  5. Pingback: Le chaos ou l’erreur : peut-on se passer de prédiction ? | Contrepoints

  6. Hugues Chevalier

    Pour aller dans le sens de Yuropp.

    Effectivement, Colbert a fait planter des chênes dans le forêt de Tronçais pour servir de matière première à la construction de la flotte de guerre de Sa Majesté. 250 ans plus tard, les chênes étaient à maturité, mais on construisait alors les navires en métal. A l’heure actuelle, la forêt de Tonçais sert surtout à fournir le bois des barriques de Bordeaux et Cognac (c’est quand même mieux que des gâteaux de guerre). Et elle a donc trouvé un débouché économique.
    N’en reste pas moins que cette affaire est un exemple d’inutilité de la prévision à long terme, surtout de la part d’un état myope. Une leçon cependant: ce qui est prévu pour une utilisation précise peut être adéquat pour une autre utilisation, mais à long terme. Autant jouer à pile ou face.

    Hugues Chevalier.

    • « prévision à long terme, surtout de la part d’un état myope »: j’adore!

    • Le passage du bois au métal illustre effectivement l’absence de prédictibilité…
      Par contre, le fait de ne pas avoir détecté la baisse d’importance du chêne au profit du pitchpin s’apparente beaucoup plus à un problème de manque de réactivité du à une mauvaise traçabilité des décisions, et c’était le point que je souhaitais souligner.

      D’ailleurs, à Colbert + 250, la construction navale en bois était encore fréquente, mais pour des petites unités : plus besoins des « cathédrales végétales » de Colbert … dont la plupart avaient d’ailleurs été abattus depuis longtemps.

  7. Bonjour
    ancien élève de Prigogine
    j’enseigne la théorie du chaos au managers
    je viens de découvrir votre existence et serait heureux d’être en contact avec vous
    Je suis prospectiviste
    mon dernier ouvrage « les clés du futur »
    mon site
    http://www.jeanstaune.fr