Pourquoi les décisions difficiles résistent aux outils classiques
L'économiste Frank Knight distingue deux types d'avenir incertain. Le risque est calculable : on connaît les scénarios possibles et leurs probabilités (lancer un dé, souscrire une assurance). L'incertitude knightienne, elle, est d'une autre nature : ni les futurs possibles ni leurs probabilités ne sont connus. C'est cette incertitude vraie qui caractérise la plupart des décisions difficiles — création d'une entreprise, choix de carrière, décision stratégique en territoire inconnu.
Ce n'est pas un phénomène marginal. Comme le souligne Dominique Vian dans *Effectual Impact*, l'augmentation des interdépendances mondiales — passage d'une structure pyramidale à un réseau dense — a rendu le monde structurellement incertain. Dans un réseau, les choix des uns affectent les autres de façon non linéaire : décomposer un problème en sous-problèmes indépendants devient illusoire. La pandémie de 2020 en est l'illustration la plus récente : un événement sanitaire local a cascadé en crise logistique mondiale, en mutation des usages de travail, en révision de chaînes d'approvisionnement entières. Aucune prévision n'avait anticipé cette configuration précise.
« Plus il y a d'éléments et d'interactions, plus le monde devient incertain. Avec la mondialisation, les interdépendances ont été décuplées. Dès lors que les choses sont interdépendantes, décomposer un problème en sous-problèmes distincts devient impossible. »
— Dominique Vian, *Effectual Impact*
Dans un monde VICA (Volatil, Incertain, Complexe, Ambigu), les deux piliers de la décision classique s'effondrent ensemble : la prédiction devient hasardeuse dès que le nombre de variables en interaction dépasse notre capacité de modélisation, et la planification linéaire se heurte aux imprévus qui périment les feuilles de route avant qu'elles soient exécutées. Selon Vian et Tousart dans *L'Intelligence des Possibles*, il y a un troisième danger, plus insidieux : l'obsession du futur nous rend aveugles aux possibilités que le présent nous offre déjà. La bonne question n'est donc pas « comment mieux prédire ? » mais « comment agir malgré l'incertitude ? »
Le changement de posture : du gain espéré à la perte acceptable
La logique de décision classique fonctionne par retour sur investissement attendu : on calcule le gain potentiel, on estime la probabilité de succès, on investit si l'espérance dépasse un seuil. Ce calcul suppose que les probabilités sont connaissables. En incertitude vraie, elles ne le sont pas.
L'approche effectuale inverse le raisonnement. Plutôt que de demander « combien puis-je gagner ? », elle demande : « qu'est-ce que je peux me permettre de perdre ? » Ce plafond de perte acceptable — en temps, en argent, en réputation — devient le budget de l'expérimentation. Tout ce qui reste en dessous de ce seuil est jouable, immédiatement, sans avoir besoin d'une information complète.
« Ne sachant pas à l'avance ce qu'il peut gagner, un entrepreneur expert cherche à déterminer ce qu'il est prêt à perdre avant d'engager des moyens. »
— Dominique Vian, *Effectual Impact*
Ce changement libère l'action sur au moins deux plans. D'abord, il rend la décision possible sans information parfaite : vous n'attendez plus d'avoir tout calculé pour avancer. Ensuite, il prévient le piège du sunk cost — la tendance à s'entêter pour récupérer ce qu'on a déjà engagé. En définissant *a priori* ce qu'on accepte de risquer, on sait quand s'arrêter. Pour aller plus loin sur ce principe, voir notre page sur la prise de décision et les 5 principes effectuaux.
Ne pas chercher l'optimal : viser une amélioration satisfaisante
Face à une décision difficile, le perfectionnisme est un piège. Herbert Simon a montré dès 1957 que l'hypothèse d'un agent rationnel capable de maximiser — disposant d'une information complète, comparant toutes les options et choisissant l'optimum — est irréaliste dans presque tous les contextes réels. Il a nommé l'alternative satisficing (contraction de *satisfying* et *sufficing*) : dans un contexte d'information imparfaite et de complexité, viser non pas la solution optimale mais une solution suffisamment bonne au regard de la situation initiale.
Appliqué à la décision difficile, ce principe a une conséquence pratique importante : on ne parle plus de « résoudre » un problème mais de l'améliorer. Un problème complexe ne disparaît pas — il évolue. Réduire la situation insatisfaisante est déjà une victoire. Comme le formule Dominique Vian dans *Effectual Impact* : « Je ne peux plus parler de solution puisque le problème continuera d'exister. Je peux parler d'amélioration satisfaisante au regard de la situation initiale. »
4 étapes pour décider dans l'incertitude (méthode effectuale)
- 1
Diagnostiquer le type d'incertitude
Distinguez risque et incertitude vraie. Si vous pouvez estimer des probabilités sur la base de données historiques fiables, les outils classiques restent utiles. Si les futurs possibles sont eux-mêmes inconnus, vous êtes en incertitude knightienne : basculez vers la logique effectuale. L'incertitude radicale est le signe que les méthodes prédictives atteindront leurs limites.
- 2
Partir de ce que vous contrôlez (pilot-in-the-plane)
Plutôt que de miser sur des prévisions, identifiez vos leviers réels : qui êtes-vous, que savez-vous faire, qui connaissez-vous, quelles ressources avez-vous dès maintenant ? Le principe du « pilote dans l'avion » (pilot-in-the-plane) pose que l'avenir n'est pas une donnée à prédire mais un résultat à co-créer par l'action sur ce qui est déjà sous votre contrôle. Ce principe est central dans l'approche effectuale.
- 3
Définir votre perte acceptable avant d'agir
Avant d'engager des moyens, posez-vous la question : qu'est-ce que je peux me permettre de perdre en temps, en argent, en réputation si cela ne fonctionne pas ? Ce plafond devient votre budget d'expérimentation. Toute action qui reste en dessous de ce seuil est engageable maintenant, sans attendre une information parfaite.
- 4
Viser une amélioration satisfaisante, pas l'optimum
Dans un contexte complexe, l'optimum n'existe pas ou n'est pas accessible. Appliquez le satisficing : quelle amélioration significative de la situation puis-je obtenir avec les moyens dont je dispose ? Agissez, observez l'effet, apprenez. Chaque effet atteint devient un nouveau moyen disponible pour la prochaine itération — c'est la logique moyen-effet appliquée à la prise de décision.
Décision difficile : logique causale vs logique effectuale
| Dimension | Logique causale (classique) | Logique effectuale (incertitude) |
|---|---|---|
| Point de départ | Un objectif défini à atteindre | Les moyens disponibles maintenant |
| Rapport à l'avenir | Prédire pour planifier | Contrôler sans prédire |
| Critère de décision | Espérance de gain maximisée | Perte acceptable définie a priori |
| Critère de succès | Écart à l'optimum | Amélioration satisfaisante (satisficing) |
| Rôle de l'incertitude | Obstacle à réduire | Milieu naturel d'action |
| En cas d'imprévu | Plan dévié = échec | Imprévu = nouvelle ressource potentielle |
Références
Ces principes sont développés dans **Dominique Vian et Quentin Tousart, *Effectual Impact — Partir de soi* (chapitres Introduction et Préambule) et dans Dominique Vian, Christophe Sempels, Mélanie Ciussi, *Tous innovateurs* (Introduction). L'environnement VICA est analysé dans Dominique Vian et Quentin Tousart, *L'Intelligence des Possibles* (Introduction — La complexité comme défi contemporain). Le concept de satisficing est issu de Herbert Simon (1957). La distinction risque / incertitude vraie est due à Frank Knight**. Pour approfondir la méthode, voir la page effectuation et la théorie de l'effectuation.