Survivre et prospérer dans un monde incertain

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.

Rester prisonnier de ses propres façons de voir le monde, même quand elles ne fonctionnent plus : c’est un risque universel, et l’un des plus dangereux en période de changement rapide. La guerre en Ukraine en offre une illustration saisissante. En quelques années, le champ de bataille a été entièrement réinventé : drones omniprésents, information en temps réel, réactions en quelques minutes. Des certitudes militaires solides depuis des décennies se sont révélées obsolètes du jour au lendemain. Dans un monde qui change vite et de façon imprévisible, la capacité à remettre en question ses modèles n’est plus un avantage compétitif : c’est une condition de survie. Cela impose de nouvelles exigences à la réflexion stratégique — pour les états-majors comme pour les organisations.