Survivre et prospérer dans un monde incertain

L’arrivée des grands modèles de langage est généralement présentée, dans le débat public, comme un sujet pour les programmeurs, les juristes ou les comptables. On parle peu de ses effets sur les producteurs de savoir eux-mêmes, c’est-à-dire sur ceux dont le métier consiste, depuis des siècles, à lire, à synthétiser, à conceptualiser et à transmettre. Pourtant, la rupture est profonde. Le monde académique vit en ce moment sa propre crise ‘Kodak’, mais ne semble pas en avoir conscience.

Lorsqu’on parle de révolution industrielle, des noms comme James Watt, George Stephenson, Joseph-Marie Jacquard ou Henry Ford viennent immédiatement à l’esprit. On les voit comme de grands inventeurs. Mais leur véritable invention est avant tout de porter un regard neuf sur un vieux sujet, souvent banal et mineur en apparence. A cette liste prestigieuse, il faut ajouter quelqu’un de beaucoup moins connu, le Lieutenant Général Jean-Baptiste Vaquette de Gribeauval. Il fut un pionnier de ce qui sera le véritable moteur secret de la révolution: la standardisation. Ses idées appliquées d’abord aux armes à feu seront reprises dans tous les domaines, avec un impact considérable qui résonne encore aujourd’hui.

Il est très difficile pour un innovateur de faire changer les choses au sein de son organisation. Les raisons sont nombreuses, mais la principale est que beaucoup croient que pour réussir, il faut avoir de bonnes idées et les faire aboutir. Ils sont convaincus que c’est la qualité objective de leur travail qui leur permettra d’être acceptés par le groupe. En réalité, c’est l’inverse. C’est pour ça que l’échec de l’innovateur mandaté pour transformer les choses est d’abord social.

L’histoire est pleine de prédictions malheureuses, mais celle du New York Times qui affirmait en 1903 que le vol humain ne serait pas possible avant un à dix millions d’années reste l’une des plus marquantes. Un cas classique de pessimisme d’une époque incapable d’anticiper le progrès techniques? Pas seulement. L’affaire est autrement plus intéressante… C’est celle d’une élite qui prend son échec pour la démonstration d’une impossibilité face aux gueux qui persistent à essayer, et finissent par réussir.

Il existe une croyance très répandue sur le changement : pour transformer une organisation, une société, ou même une habitude, il faudrait d’abord avoir de bonnes idées. Les bons arguments. Le bon discours. C’est rassurant, parce que c’est simple. C’est aussi, très souvent, pourquoi le changement n’arrive pas. Quelqu’un qui l’avait compris est William Buckley, artisan du renouveau du conservatisme américain dans les années 70-80, et sa biographie est fascinante.

La capacité d’un collectif à surmonter les échecs et les blocages détermine sa survie. Lorsque cette capacité fait défaut, le premier responsable en est souvent le dirigeant lui-même. Combien sont en effet capables, lorsqu’un changement échoue, d’un diagnostic sincère – c’est-à-dire d’un diagnostic qui ne les épargne pas ? Que ce soit en politique ou en entreprise, la façon dont on lit une situation détermine ce qu’on est capable d’en faire. Or cette lecture est rarement neutre : elle reflète des convictions, des angles morts, une certaine idée de là où se situe le problème – en substance les modèles mentaux. Tant que le dirigeant ne s’inclut pas lui-même dans l’équation, il y a peu de chances qu’il trouve les bonnes réponses.

Les progrès très rapides de l’intelligence artificielle devraient logiquement entraîner des gains de productivité significatifs. Pourtant, ce n’est pas toujours le cas. Pourquoi? Parce que la technologie, à elle seule, ne suffit pas. Il n’existe pas de relation directe et linéaire entre utilisation de la technologie et gain de performance. Celle-ci peut même, dans certains cas, nuire à la productivité. Tout dépend de la manière dont elle est intégrée et utilisée. Pour mieux comprendre cet enjeu de l’IA, il est utile de revenir sur un exemple éclairant, celui de l’introduction de métiers à tisser mécaniques au XIXe siècle.

On suppose généralement que les organisations écartent les dirigeants incompétents et conservent ceux qui font leurs preuves. La réalité est plus complexe. Entre les contraintes opérationnelles, les rapports de force internes et la gestion des perceptions, maintenir un dirigeant incompétent peut, dans certaines circonstances, sembler plus raisonnable que de s’en séparer. C’est ce que révèle l’examen des mécanismes concrets qui président à ces décisions — bien loin du principe de méritocratie qu’on leur prête volontiers.

Incertitude, performance et processus : trois mots employés constamment, rarement ensemble, et presque jamais avec précision. Pourtant leur relation est au cœur de ce qui distingue une organisation qui maîtrise son activité d’une organisation qui improvise. Car un processus n’est pas seulement un outil de standardisation — c’est la façon dont une organisation transforme progressivement la nouveauté en quelque chose de gérable. Comprendre ce mécanisme change la façon dont on pilote une organisation, dont on en diagnostique les faiblesses, et dont on évalue ce qui fonctionne vraiment — et pourquoi.

Malgré des résultats spectaculaires, en particulier depuis le choc de ChatGPT en 2022, l’IA se heurte aujourd’hui à une limite structurelle majeure : elle repose sur la corrélation statistique de surface plutôt que sur une compréhension profonde des lois de la réalité. Elle est incapable de véritable raisonnement causal, ce qui provoque des hallucinations logiques et une incapacité à planifier des tâches complexes sur le long terme. Cette absence de structure interne rend l’apprentissage extrêmement inefficace, exigeant des volumes de données colossaux là où un humain n’aurait besoin que de quelques exemples pour comprendre et anticiper une situation nouvelle. Et c’est justement cette idée de ‘structure interne’ qui pourrait permettre la prochaine grande étape de l’IA: l’utilisation de modèles mentaux.