L’analyse est terminée. Un chiffre apparaît sur la diapositive, et personne dans la salle ne croit vraiment qu’il tiendra le coup dès que quelque chose tournera mal. Le modèle n’est pas en cause. Simplement, le chiffre ne donne pas l’impression de pouvoir survivre à une mauvaise journée. La décision piétine, ou finit discrètement entre les mains de la personne qui a l’air la plus sûre d’elle.
C’est la dernière des quatre façons dont les organisations complexes perdent de vue leurs décisions les plus difficiles, et la plus étrange, puisque le chiffre est généralement exact. Exact et digne de confiance, ce n’est pas la même chose, et cet article porte justement sur l’écart entre les deux.
La plupart des outils de planification raisonnent à partir du cas moyen, parce que c’est ce à quoi ressemble la majorité des données. Or, les opérations ne flanchent pas un jour ordinaire. Elles flanchent dans les extrêmes : la pointe de demande que personne n’avait prévue, le bris d’équipement qui survient la même semaine que trois autres, la série de malchances banales qui finit par donner une semaine exceptionnellement mauvaise. Un chiffre bâti sur la moyenne ne dit rien de tout cela, et donc rien des conditions qui inquiètent vraiment les gens autour de la table.
Si on ignore ces cas extrêmes, c’est pour une raison précise, presque mécanique. Le risque extrême, à la fois peu probable et lourd de conséquences, passe facilement inaperçu justement parce qu’il est rare, et ce qui est rare a du mal à retenir l’attention face aux risques du quotidien qui se manifestent chaque semaine. Pourtant, la rareté et l’ampleur des dommages ne se mesurent pas sur le même axe. Une étude portant sur les plus grandes banques du monde a d’ailleurs constaté l’inverse de ce que l’intuition laisse croire : l’immense majorité des incidents ne représentait qu’une petite part des pertes totales, alors qu’une infime proportion d’événements rares en expliquait la plus grande partie. Les opérations interconnectées et sans redondance sont les plus exposées à ce genre d’événement, et les modèles traditionnels le minimisent pour la seule raison qui devrait au contraire inquiéter tout le monde : il ne se produit pas souvent.
Un deuxième piège s’ajoute au premier, et il agit en sens inverse. Une réponse livrée avec assurance peut susciter une confiance qu’elle n’a pas méritée, parce que devant un problème difficile, l’assurance a tendance à devancer l’exactitude. On surestime systématiquement sa propre performance devant une tâche difficile, et un chiffre présenté avec aplomb paraît crédible, qu’il résiste ou non à un examen attentif. Une confiance fondée sur l’aplomb de quelqu’un n’est pas une confiance dans la réponse. C’est une confiance dans la façon de la livrer.
Une réponse gagne la confiance de la même façon qu’un pont : non pas parce qu’elle a l’air solide, mais parce qu’on l’a éprouvée dans les conditions qui pourraient réellement la faire céder. Plutôt que de prédire un seul avenir en espérant qu’il se réalise, une approche plus robuste met un plan à l’épreuve devant un vaste éventail d’avenirs plausibles pour repérer où il échoue. Voilà qui change complètement la question. On ne se demande plus si le chiffre est bon, mais dans quelles conditions il cesse de l’être, et si vos opérations risquent de se retrouver dans ces conditions.
La confiance vient aussi d’ailleurs : de la possibilité d’ouvrir la réponse et de regarder ce qu’il y a dedans. Un chiffre dont les hypothèses sont visibles, dont la logique est documentée et dont on peut réellement suivre le raisonnement, c’est un chiffre qu’on peut défendre devant l’équipe des finances, devant le conseil d’administration et devant les gens sur le terrain, qui verront tout de suite s’il ne colle pas à la réalité. Une boîte noire qui tombe sur la bonne réponse n’a toujours pas mérité la confiance, parce que personne ne peut dire si elle a vu juste grâce à sa conception ou par pur hasard, et la prochaine fois, ça pourrait aller d’un côté comme de l’autre.
En réunissant les deux, on voit se dessiner ce qu’est une réponse digne de confiance : fondée sur la variabilité réelle des opérations plutôt que sur une moyenne lissée, mise à l’épreuve des mauvaises journées plutôt que des journées faciles, et assez transparente pour être examinée au lieu d’être acceptée les yeux fermés. Voilà toute la différence entre avoir un chiffre et s’y fier, et elle est loin d’être mince.
Le chiffre n’a jamais été le problème. C’était la confiance, et la confiance ne vient pas d’un calcul plus propre. Elle vient du fait de mettre une réponse à l’épreuve des conditions qui font réellement dérailler les plans, et de pouvoir examiner le raisonnement d’assez près pour le vérifier soi-même.
La prochaine fois qu’un chiffre ne vous inspire pas confiance, ne vous demandez pas si le calcul tient la route un jour ordinaire. Demandez si quelqu’un peut vous montrer où il casse, et pourquoi vous devriez quand même y croire le jour où ça compte.
Un exploitant d’entrepôts qui concevait l’une des plus grandes installations en Amérique du Nord avait besoin de plus qu’un aménagement qui fonctionnait sur papier. SimWell a bâti un modèle capable de mettre la conception à l’épreuve des volumes qui allaient réellement la pousser à ses limites, ce qui a permis de repérer le goulot d’étranglement avant qu’il ne soit coulé dans le béton.