Élaborer une approche «probabiliste» pour gérer l’incertitude

Résumé

Face à l’incertitude, comment les dirigeants devraient-ils réagir? Devraient-ils faire un gros pari, couvrir leur position ou simplement attendre et voir? Nous avons naturellement tendance à voir les situations de deux manières: les événements sont certains et peuvent donc être gérés par une planification, des processus et des budgets fiables; ou ils sont incertains, et nous ne pouvons pas bien les gérer du tout. Heureusement, il existe une autre approche. Imaginez une table de billard. Vous mettez un bandeau sur les yeux et votre assistant fait rouler une balle au hasard sur la table. Ils notent où ça s’arrête de rouler. Votre travail consiste à déterminer où se trouve la balle. Tout ce que vous pouvez vraiment faire à ce stade est de faire une supposition aléatoire. Imaginez maintenant que vous demandiez à votre assistant de laisser tomber d’autres balles sur la table et de vous dire si elles s’arrêtent à gauche ou à droite de la première balle. Si toutes les balles s’arrêtent à droite, que pouvez-vous dire de la position de la première balle? Si plus de balles sont lancées, comment cela améliore-t-il votre connaissance de la position de la première balle? En fait, lancer après lancer, vous devriez pouvoir réduire la zone dans laquelle se trouve probablement la première balle. Ceci est un exemple de pensée probabiliste. Développer un état d’esprit probabiliste vous permet d’être mieux préparé aux incertitudes et aux complexités de l’âge algorithmique. Même lorsque les événements sont déterminés par un ensemble infiniment complexe de facteurs, la pensée probabiliste peut nous aider à identifier les résultats les plus probables et les meilleures décisions à prendre.

bmcent1 / Getty Images

Notre nouveau monde de capteurs, de smartphones et d’appareils connectés signifie plus de données que jamais – mais cela signifie-t-il également qu’il devient plus facile de prendre des décisions éclairées? Plutôt le contraire, en fait. Ce qui est plus important que la quantité de données dont vous disposez, c’est comment elles cadrent votre façon de penser. Trop souvent, les dirigeants sous pression pour sembler décisifs tentent de traiter des questions complexes avec des règles ou des analogies simples, en utilisant sélectivement les données pour justifier les mauvais jugements. Mais que se passe-t-il si plutôt que d’essayer d’avoir raison, vous pourriez vous tromper moins avec le temps?

Face à l’incertitude, comment les dirigeants devraient-ils réagir? Devraient-ils faire un gros pari, couvrir leur position ou simplement attendre et voir? Les investisseurs et les commerçants peuvent être aptes à gérer les risques et les événements imprévus, mais dans d’autres secteurs, les dirigeants peuvent être aveuglés par l’inconnu. Nous avons naturellement tendance à voir les situations de deux manières: les événements sont certains et peuvent donc être gérés par une planification, des processus et des budgets fiables; ou ils sont incertains, et nous ne pouvons pas bien les gérer du tout. Heureusement, il existe une autre approche.

Considérez Thomas Bayes, un statisticien et membre du clergé anglais, qui a proposé un théorème en 1763 qui changerait à jamais notre façon de penser à prendre des décisions dans des conditions ambiguës. Bayes était intéressé par la façon dont nos croyances sur le monde devraient évoluer à mesure que nous accumulons des preuves nouvelles mais non prouvées. Plus précisément, il s’est demandé comment il pouvait prédire la probabilité d’un événement futur s’il savait seulement combien de fois il s’était produit ou non dans le passé. Pour répondre à cela, il a construit une expérience de pensée.

Insight Center

Imaginez une table de billard. Vous mettez un bandeau sur les yeux et votre assistant fait rouler une balle au hasard sur la table. Ils notent où ça s’arrête de rouler. Votre travail consiste à déterminer où se trouve la balle. Tout ce que vous pouvez vraiment faire à ce stade est de faire une supposition aléatoire. Imaginez maintenant que vous demandiez à votre assistant de laisser tomber d’autres balles sur la table et de vous dire si elles s’arrêtent à gauche ou à droite de la première balle. Si toutes les balles s’arrêtent à droite, que pouvez-vous dire de la position de la première balle? Si plus de balles sont lancées, comment cela améliore-t-il votre connaissance de la position de la première balle? En fait, lancer après lancer, vous devriez pouvoir réduire la zone dans laquelle se trouve probablement la première balle. Bayes a compris que même en ce qui concerne les résultats incertains, nous pouvons mettre à jour nos connaissances en incorporant de nouvelles informations pertinentes à mesure qu’elles deviennent disponibles.

Vous pouvez trouver des preuves de la pensée bayésienne à travers l’histoire moderne, des officiers d’artillerie français et russe du XIXe siècle ajustant leurs canons pour tenir compte des incertitudes sur l’emplacement des ennemis, la densité de l’air, la direction du vent, et plus encore, Alan Turing déchiffrant les codes Enigma allemands pendant la Seconde Guerre mondiale. Bayes a même influencé la conception de l’IA et des techniques d’apprentissage automatique, notamment avec les classificateurs Bayes naïfs, qui sont une famille d’algorithmes utilisés pour prédire la catégorie à laquelle appartient un objet de données. Ils sont utilisés dans un large éventail d’applications, du sentiment des médias sociaux analyse aux systèmes de filtrage du spam ou de recommandation de films.

Pour les dirigeants modernes, la pensée bayésienne est également devenue de plus en plus influente. Par exemple, chez Amazon, l’un des 14 principes de leadership est «avoir une épine dorsale; Pas d’accord et s’engager »- qui, comme l’explique Jeff Bezos, est une stratégie pour encourager les dirigeants à ne pas perdre de temps à essayer de parvenir à un accord universel. Mieux vaut s’engager dans une décision controversée, puis recueillir des données et ajuster si nécessaire. À X, l’usine Moonshot d’Alphabet, ils célèbrent consciemment les projets ratés comme un point de données qui les aide à réduire la gamme d’options et, ce faisant, à accélérer l’innovation. De même, chez Spotify, ils ont développé un cadre pour explorer la relation entre les données et l’incertitude qu’ils appellent DIBB (Data, Insights, Beliefs and Bets). Ils l’utilisent pour identifier explicitement les mesures de réussite des nouvelles idées et opportunités, et créer un langage commun autour de l’évaluation des performances.

Les données peuvent être imparfaites, incomplètes ou incertaines. Il y a souvent plus d’une explication pour expliquer pourquoi les choses se sont passées comme elles l’ont fait; et en examinant ces explications alternatives en utilisant la probabilité, vous pouvez mieux comprendre la causalité et ce qui se passe réellement.

Cependant, la pensée prend probablement un certain temps pour s’y habituer, car l’esprit humain est naturellement déterministe. Nous pensons généralement que quelque chose est vrai ou faux. Soit vous aimez quelqu’un, soit vous ne l’aimez pas. Il y a rarement, par exemple, une situation où vous pouvez dire qu’il y a une probabilité de 46% que quelqu’un soit votre ami (sauf si vous êtes un adolescent avec beaucoup d’ennemis). Notre instinct de déterminisme pourrait bien avoir été une innovation évolutive. Pour survivre, nous avons dû faire des jugements instantanés sur le monde et notre réponse. Lorsqu’un tigre s’approche de vous, il n’y a vraiment pas beaucoup de temps pour déterminer s’il s’approche en tant qu’ami ou ennemi.

Cependant, l’approche déterministe qui a gardé nos ancêtres en vie pendant la chasse dans la savane ne vous aidera pas à prendre de bonnes décisions dans des environnements complexes et imprévisibles lorsque vos raccourcis mentaux naturels et vos heuristiques commencent à vous faire défaut. L’une des meilleures façons d’embrasser l’incertitude et d’être plus probabiliste dans votre approche est d’apprendre à penser comme un joueur professionnel. Prenons, par exemple, Rasmus Ankersen.

Ankersen, un Danois vivant à Londres, est à l’origine venu au Royaume-Uni pour chercher un éditeur anglais pour son livre sur la performance humaine, dont l’écriture l’avait emmené du Kenya en Corée à la recherche de pourquoi de grands athlètes, qu’ils soient coureurs ou golfeurs , ont tendance à provenir des mêmes petites régions. L’une des raisons pour lesquelles il a décidé de rester à Londres était une rencontre fortuite avec un joueur professionnel du nom de Matthew Benham qui a fondé deux sociétés de jeux, Matchbook, une communauté d’échange de paris sportifs, et Smartodds, qui fournit des services de recherche statistique et de modélisation sportive.

Lorsque Ankersen et Benham se sont rencontrés, ils ont commencé à parler de la façon dont le football était un sport qui n’était pas encore perturbé par les données et la pensée probabiliste. Benham a été suffisamment impressionné pour inviter Ankersen à aider à gérer le Brentford Football Club, qu’il avait récemment acquis. Peu de temps après, Benham a également acheté le FC Midtjylland, le club de football de la ville natale d’Ankersen.

La vision d’Ankersen était la suivante: Le football est l’un des sports les plus déloyaux au monde. Bien qu’il y ait un dicton selon lequel «le tableau de classement ne ment jamais», selon Ankersen, c’est exactement ce qu’il fait. Parce que le football est un sport à faible score, le résultat gagnant / perdant d’un match n’est pas une représentation précise des performances réelles d’une équipe, et donc de la valeur intrinsèque de ses joueurs. Du point de vue d’un joueur professionnel, la clé pour placer un bon pari est de mettre à jour continuellement votre position avec des informations pertinentes qui ont un impact sur la probabilité qu’un événement se produise. Plutôt que d’essayer d’avoir raison, les joueurs s’efforcent de se tromper moins avec le temps.

Benham et Ankersen ont commencé à utiliser l’application scientifique des statistiques – la technique du «moneyball» mise au point dans le baseball – lors de l’évaluation des performances d’une équipe. Leur indicateur de performance clé est devenu des «objectifs attendus» pour et contre une équipe, en fonction de la qualité et de la quantité d’occasions créées pendant un match. Le but de cet exercice était de développer une table de classement alternative, qui pourrait servir de prédicteur plus fiable des résultats et une meilleure base sur laquelle évaluer et acquérir des joueurs.

L’approche de Benham et Ankersen a des leçons pour toutes sortes de dirigeants qui cherchent à incorporer plus de données dans leur prise de décision. Un responsable RH probabiliste, par exemple, pourrait examiner les données sur la provenance des meilleurs employés d’une entreprise et sur leurs performances tout au long de leur carrière afin d’identifier de nouvelles sources de talents qui auraient pu être négligées. Un professionnel de la vente probabiliste pourrait être conscient qu’il ne suffit pas de conclure simplement de nombreuses offres; il est essentiel de réfléchir également à la provenance des prospects. Plutôt que de s’appuyer sur des politiques de crédit rigides, un gestionnaire de risques probabiliste pourrait commencer à approfondir ses données pour voir s’il existe des segments à faible risque dans sa clientèle qu’il aurait pu manquer.

Développer un état d’esprit probabiliste vous permet d’être mieux préparé aux incertitudes et aux complexités de l’âge algorithmique. Même lorsque les événements sont déterminés par un ensemble infiniment complexe de facteurs, la pensée probabiliste peut nous aider à identifier les résultats les plus probables et les meilleures décisions à prendre.