La pensée scientifique en entreprise

Tout au long de l'histoire, les innovations en matière d'instrumentation - le microscope, le télescope et le cyclotron - ont révolutionné à plusieurs reprises la science en améliorant la capacité des scientifiques à mesurer le monde naturel. Aujourd'hui, alors que le comportement humain dépend de plus en plus des plates-formes numériques telles que le Web et les applications mobiles, la technologie instrumente également efficacement le monde social. Le déluge de données qui en résulte a des implications révolutionnaires non seulement pour les sciences sociales mais aussi pour la prise de décision commerciale.

Alors que l'enthousiasme pour le Big Data grandit, les sceptiques avertissent que la dépendance excessive aux données comporte des pièges. Les données peuvent être biaisées et sont presque toujours incomplètes. Cela peut amener les décideurs à ignorer des informations plus difficiles à obtenir ou à se sentir plus sûrs qu'ils ne le devraient. Le risque est qu'en gérant ce que nous avons mesuré, nous passons à côté de ce qui compte vraiment, comme l'a fait le secrétaire à la Défense de l'ère vietnamienne, Robert McNamara, en se fondant trop sur son tristement célèbre nombre de morts, et comme l'ont fait les banquiers avant la crise financière de 2007-2009 en trop s'appuyer sur des défauts modèles quantitatifs .

Les sceptiques ont raison de dire qu'une confiance non critique dans les données seules peut être problématique. Mais il en va de même de la dépendance excessive à l'intuition ou à l'idéologie. Pour chaque Robert McNamara, il y a un Ron Johnson, le PDG dont mandat désastreux en tant que chef de JC Penney se caractérisait par son rejet des données et des preuves en faveur des instincts. Pour chaque modèle statistique défectueux, il existe une idéologie erronée dont l'inflexibilité conduit à résultats désastreux .

Donc, si les données ne sont pas fiables, tout comme l'intuition, qu'est-ce qu'un décideur responsable est censé faire ? Bien qu'il n'y ait pas de réponse correcte à cette question - le monde est trop compliqué pour qu'une seule recette puisse s'appliquer - je pense que les dirigeants dans un large éventail de contextes pourraient bénéficier d'un état d'esprit scientifique envers la prise de décision.

Un état d'esprit scientifique s'inspire de la méthode scientifique , qui est à la base une recette pour apprendre le monde d'une manière systématique et reproductible : commencez par une question générale basée sur votre expérience ; former une hypothèse qui résoudrait l'énigme et qui génère également une prédiction vérifiable ; recueillir des données pour tester votre prédiction ; et enfin, évaluez votre hypothèse par rapport aux hypothèses concurrentes.

La méthode scientifique est en grande partie responsable de l'augmentation étonnante de notre compréhension du monde naturel au cours des derniers siècles. Pourtant, il a été lent à entrer dans le monde de la politique, des affaires, de la politique et du marketing, où notre intuition prodigieuse du comportement humain peut toujours générer des explications sur les raisons pour lesquelles les gens font ce qu'ils font ou comment leur faire faire quelque chose de différent. Parce que ces explications sont si plausibles, notre tendance naturelle est de vouloir agir sans plus tarder. Mais si nous avons appris une chose de la science, c'est que l'explication la plus plausible n'est pas forcément la bonne. Adopter une approche scientifique de la prise de décision nous oblige à tester nos hypothèses avec des données.

Alors que les données sont essentielles à la prise de décision scientifique, la théorie, l'intuition et l'imagination restent également importantes - pour générer des hypothèses en premier lieu, pour concevoir des tests créatifs des hypothèses que nous avons et pour interpréter les données que nous collectons. Les données et la théorie, en d'autres termes, sont le yin et le yang de la méthode scientifique : la théorie pose les bonnes questions, tandis que les données répondent aux questions qui ont été posées. Mettre l'accent sur l'un au détriment de l'autre peut conduire à de graves erreurs.

L'expérimentation est également importante, ce qui ne signifie pas essayer de nouvelles choses ou être créatif, mais tout particulièrement l'utilisation d'expériences contrôlées pour démêler les effets causaux. En affaires, la plupart de ce que nous observons est une corrélation - nous faisons X et Y se produit - mais souvent ce que nous voulons savoir, c'est si oui ou non X causé Y. Combien d'unités supplémentaires de votre nouveau produit votre campagne publicitaire a-t-elle incité les consommateurs à acheter ? L'extension de la couverture d'assurance maladie entraînera-t-elle une augmentation ou une diminution des frais médicaux ? Le simple fait d'observer le résultat d'un choix particulier ne répond pas à des questions causales comme celles-ci : nous devons observer la différence compris entre les choix.

Bon nombre des décisions les plus importantes n'offrent qu'une seule opportunité de réussir.

Reproduire les conditions d'une expérience contrôlée est souvent difficile, voire impossible dans des contextes commerciaux ou politiques, mais de plus en plus cela se fait dans expériences sur le terrain , où les traitements sont assignés au hasard à différents individus ou communautés. Par exemple, le Poverty Action Lab du MIT a mené plus de 400 expériences sur le terrain pour mieux comprendre l'acheminement de l'aide, tandis que les économistes ont utilisé de telles expériences pour mesurer l'impact de publicité en ligne .

Bien que les expériences sur le terrain ne soient pas une invention de l'ère d'Internet – les essais randomisés ont été l'étalon-or de la recherche médicale pendant des décennies – la technologie numérique les a rendus beaucoup plus faciles à mettre en œuvre. Ainsi, alors que des entreprises comme Facebook, Google, Microsoft et Amazon tirent de plus en plus de bénéfices de la science des données et de l'expérimentation, la prise de décision scientifique deviendra plus omniprésente.

Néanmoins, il y a des limites à la façon dont les décideurs scientifiques peuvent être. Contrairement aux scientifiques, qui ont le luxe de retenir leur jugement jusqu'à ce que des preuves suffisantes se soient accumulées, les décideurs politiques ou les chefs d'entreprise doivent généralement agir dans un état d'ignorance partielle. Des appels stratégiques doivent être lancés, des politiques mises en œuvre, des récompenses ou des blâmes attribués. Quelle que soit la rigueur avec laquelle on essaie de fonder ses décisions sur des preuves, certaines conjectures seront nécessaires.

Ce qui aggrave ce problème, c'est que bon nombre des décisions les plus importantes n'offrent qu'une seule opportunité de réussir. L'un ne peut pas faire la guerre à la moitié de l'Irak et pas à l'autre juste pour voir quelle politique fonctionne le mieux. De même, on ne peut pas réorganiser l'entreprise de plusieurs manières différentes et ensuite choisir la meilleure. Le résultat est que nous ne saurons peut-être jamais quels bons plans ont échoué et quels mauvais ont fonctionné.

Même ici, cependant, la méthode scientifique est instructive, non pas pour obtenir des réponses mais plutôt pour mettre en évidence les limites de ce qui peut être connu. Nous ne pouvons pas nous empêcher de demander pourquoi Apple a connu un tel succès, ou ce qui a causé la dernière crise financière, ou pourquoi Gangnam Style était la vidéo la plus virale de tous les temps. Nous ne pouvons pas non plus nous empêcher de trouver des réponses plausibles. Mais dans les cas où nous ne pouvons pas tester notre hypothèse plusieurs fois, la méthode scientifique nous apprend à ne pas trop déduire d'un seul résultat. Parfois, la seule vraie réponse est que nous ne savons tout simplement pas.

Certaines personnes trouvent cette conclusion déprimante, mais un esprit scientifique doit toujours rester sceptique quant à ce qu'il sait. Soyez sceptique à l'égard des données par tous les moyens, mais aussi des explications plausibles, de la sagesse conventionnelle, des idéologies inspirantes, des anecdotes convaincantes et surtout de votre propre intuition. Le résultat ne doit être ni une paralysie totale ni une adhésion servile aux données, ni exclure en aucune façon la créativité ou l'imagination. Au contraire, cela devrait nous conduire à un monde plus rationnel et fondé sur des preuves.

Duncan Watts est chercheur principal chez Microsoft Research et auteur de Tout est évident : comment le bon sens nous fait défaut .

cacher