Pourquoi votre beau modèle ne vous permet pas de prédire l’avenir
La modélisation est l’une des approches utilisées pour anticiper l’avenir. Son utilisation est extrêmement courante, surtout en économie. Regardons quelles en sont les limites.
Étiquette : Nassim Taleb
Il faut travailler plus dur: l’illusion prédictrice des Superforecasters
J’évoquais dans l’article précédent les travaux du chercheur Philip Tetlock montrant qu’en matière de prédiction, les experts sont moins bons que les généralistes, et même que les chimpanzés. Malgré ses résultats un peu déprimants, Tetlock persiste à penser qu’avec de meilleures méthodes, on peut améliorer sa capacité à prédire. Je n’y crois pas un instant et penser qu’on puisse mieux prédire nous expose seulement à de plus fortes déconvenues.
Fat Tony contre Dr. John: le défi de la rationalité en incertitude
Dans le Cygne Noir, Nassim Taleb imagine le jeu suivant: Supposons que j’ai une pièce de monnaie qui n’est pas truquée, c’est à dire qu’elle a une probabilité égale de tomber sur pile ou face lorsqu’elle est lancée. Je la lance 99 fois et tombe sur face à chaque fois. Quelle est la probabilité que j’obtienne pile au prochain lancement ?
Prenez quelques instants et préparez votre réponse.
Le défi de la prévision: L’illusion d’optique de l’horizon temporel
On pense souvent qu’une prévision sur le court terme a « plus de chances » d’être exacte qu’une prévision sur le long terme. Dans les environnements dans lesquels nous évoluons, qui sont caractérisés par leur non-linéarité, cette idée est fausse et dangereuse. Regardons pourquoi.
Le futur sera une surprise: Prédiction, non-linéarité et imagination
Une de nos activités favorites, que nous soyons chef d’entreprise, directeur de think tank, ou responsable politique est d’essayer de prévoir l’avenir. Et pourtant, depuis toujours les prédictions sont démenties et la réalité s’avère bien différente de que ce qui était prévu. Les raisons à cela sont multiples, examinons-en deux: la non-linéarité de l’environnement, et l’unicité de l’avenir.
Risque, incertitude et cygnes noirs
Je réponds un peu tardivement à un excellent article de Guillaume Nicoulaud que ce dernier concluait par un tonitruant “le risque c’est l’incertitude et l’incertitude c’est le risque.” Je ne suis naturellement pas d’accord, et voici pourquoi.
Ma conférence “Bienvenue en Extremistan : La démarche stratégique face à l’incertitude”
Je donne aujourd’hui une conférence intitulée “Bienvenue en Extremistan : La démarche stratégique face à l’incertitude” à EMLYON.
Pour s’inscrire, c’est ici. Pour lire sur le thème de la conférence, voir mes articles “Nassim Taleb et la prise de décision en environnement incertain: Fragile, robuste et antifragile“, ainsi que “Stratégie non prédictive (1): Une compréhension profonde bat la prédiction.”
Nassim Taleb et l’incertitude: Fragile, robuste et antifragile
L’ouvrage de Nassim Nicholas Taleb, “Antifragile”, venant à la suite de l’excellent “Cygne noir“, était très attendu. Taleb y revisite nombre de ses thèmes favoris et en développe un en particulier: la notion d’antifragilité, un néologisme qu’il crée pour l’occasion. Selon lui, le modèle dominant de prise de décision, et de stratégie en général, est basé sur la prédiction. Or la stratégie prédictive nous rend fragiles, car si la prédiction ne se réalise pas, la stratégie ne fonctionne pas et le coût peut être très important (échec d’un produit, d’une fusion, retrait d’un marché, etc). Or nous sommes très mauvais en prédiction: non seulement la crise actuelle n’a été prévue par presque aucun des ‘experts’, mais on peut même arguer – et Taleb ne s’en prive pas – qu’elle résulte précisément de l’approche de ces experts, prédictive et basée sur des hypothèses épistémologiques profondément erronées (par exemple celle selon laquelle nos systèmes sont caractérisés par une distribution normale ou gaussienne, niant ainsi la possibilité d’évènements de faible probabilité et à fort impact, que Taleb nomme ‘cygnes noirs’).
(suite…)Stratégie non prédictive (1): Une compréhension profonde bat la prédiction
Ce billet est le premier d’une série sur la stratégie en environnement complexe et incertain.
Les environnements et les problèmes auxquels sont confrontés les entreprises sont plus complexes que les modèles traditionnels de la stratégie ne le laissent penser. Ils présentent des niveaux élevés d’incertitude (absence objective d’information), ils peuvent se comporter de façon non linéaire (une petite variation peut entraîner de grandes conséquences, ou vice versa). Les marchés émergents, les nouvelles technologies, le système de santé ou la système financier sont des exemples typiques d’environnements non linéaires. Ces environnements sont en outre vulnérables aux “cygnes noirs“, une expression forgée par Nassim Taleb pour désigner des évènements à faible probabilité mais à fort impact qui perturbent même les meilleures stratégies. Une difficulté supplémentaire pour les stratèges est que les environnements non linéaires apparaissent souvent comme linéaires pour une période prolongée (pensez aux prix de l’immobilier aux États-Unis). En conséquence, certains concluent que ce qui semble être un modèle essentiellement linéaire (les prix fluctuent un peu autour d’une “tendance stable à long terme”), est réellement linéaire dans la réalité – avant qu’un changement radical ne se produise et remette entièrement en question les modèles que l’on pensait solides (par exemple, une baisse de prix spectaculaire de l’immobilier aux États-Unis à partir de 2008). En bref, on suppose qu’un environnement est linéaire et prévisible, alors qu’en fait la continuité que nous observons n’est qu’un cas particulier vérifié pendant une durée limitée.
Bienvenue en Extrémistan! Pourquoi certains domaines échappent à la prévision et ce que ça implique pour votre stratégie
Dans un billet précédent sur les dangers de la prédiction, j’avais évoqué les travaux de Nassim Taleb sur le “Cygne noir”. Dans son livre, Taleb explique longuement la caractéristique des environnements sujets à ce phénomène. Lorsque nous faisons une prévision, nous basons celle-ci sur une hypothèse de continuité d’une série statistique. Par exemple, une entreprise construisant ses prévisions de ventes pour l’année prochaine regarde ses ventes des dix dernières années, estime une tendance, ajuste celle-ci en fonction des circonstances actuelles et des estimations contextuelles de l’année à venir, et aboutit ainsi à une prévision de vente. L’hypothèse qui est faite est que chaque année supplémentaire n’est pas fondamentalement différente des années précédentes. Dit autrement, la distribution des valeurs possible pour les ventes de l’année prochaine est gaussienne (ou dite “normale”): la probabilité que les ventes soient du même ordre est très élevée, la probabilité d’une variation extrême (doublement, ou chute à zéro) est très faible, voire ridiculement faible. En fait, plus la variation possible est importante, plus la probabilité que la variation survienne est faible. On peut donc raisonnablement écarter les valeurs extrêmes des prévisions: Aucun directeur du marketing ne travaille sur une hypothèse de chute des ventes à zéro.